The Fundamentals of AI - Machine Learning, Neural Network, Deep Learning - พื้นฐานแนวคิดของ “AI” ในยุคปัจจุบัน

ในเดือนที่ผ่านมา มีการปะทะถกเถียงกันระหว่างนาย “Elon Musk” ผู้ประกอบการอัจฉริยะแห่ง Tesla, SpaceX, PayPal และอีกหลายบริษัทที่ได้ถูกนำมาเป็นต้นแบบของภาพยนตร์ “Iron Man” กับ “Mark Zuckerberg” อัจริยะโปรแกรมเมอร์ผู้สร้างและยังคงดำรงตำแหน่ง CEO ของโซเชียลเน็ทเวิร์คอันดับหนึ่งของโลกอย่าง Facebook ในเรื่องของวิวัฒนาการของ “Artificial Intelligence” หรือที่เราเรียกกันสั้นๆว่า “AI”

ทางด้าน Elon Musk ได้พยายามออกมาประกาศเรียกร้องให้มีการควบคุมการพัฒนา “AI” ให้ใกล้ชิดมากขึ้น เพราะมองว่าหากมันถูกพัฒนาโดยไม่ได้รับการดูแล จะนำอันตรายต่อมนุษย์ในหลายรูปแบบ ไม่ว่าจะเป็นการทดแทนงาน หรือการใช้ไปในทางอาวุธคุกคามกัน ในขณะที่ทาง Mark Zuckerberg ออกมาพูดเชิงว่าการที่มีคนออกมาประกาศว่า “AI” จะเป็นสิ่งอันตรายที่ทำให้มนุษยชาติเสียหายนั่นเป็นเรื่องที่ “ไร้ความรับผิดชอบ” เพราะการพัฒนา “AI” สามารถนำมาใช้ให้เกิดประโยชน์มากมายไม่ใช่แค่เรื่องของการทุ่นแรงแต่รวมไปถึงการศึกษาวิจัยพัฒนาวิธีการรักษาโรคร้ายหลายตัวที่ก่อนหน้านี้เราไม่มีศักยภาพในการวิเคราะห์ข้อมูลที่เพียงพอ

นาย Elon Musk โพสท์ข้อความตอบคำกล่าวหาของ Mark Zuckerberg ผ่าน Twitter

ผมเคยได้มีโอกาสเขียนถึง “AI” ไปแล้วว่าจริงๆแล้วมันได้เข้ามาอยู่รอบตัวเราไปแล้ว และไม่ว่าคุณจะอยู่ค่ายไหนของการถกเถียงเรื่องความเสี่ยงของ “AI” ต่ออนาคตของมนุษย์ แต่สิ่งที่ประวัติศาสตร์สอนเราได้แน่ๆก็คือเราไม่สามารถห้ามวิวัฒนาการได้ตราบใดที่มนุษย์ยังคงมีความสงสัยและความต้องการในการค้นคว้าอยู่

และที่สำคัญ ในเมื่อ “AI” กำลังจะเข้ามามีผลกระทบต่อชีวิตเราอยากหลีกเลี่ยงไม่ได้แล้ว จึงเป็นเรื่องสำคัญที่เราจะต้องเรียนรู้แนวความคิดและความสามารถของมันเพื่อที่จะสามารถใช้ประโยชน์จากมันให้เต็มที่ รวมถึงการปรับความรู้ความสามารถขอตัวเองเพื่อเหมาะกับโลกอนาคตที่กำลังเกิดขึ้นแล้วด้วยครับ

ในครั้งนี้ ผมจึงอยากจะขอนำเสนอคำพูดที่เกี่ยวข้องกับแนวคิดของ “AI” ในยุคปัจจุบัน เพื่อสร้างพื้นฐานให้เข้าใจถึงวิวัฒนาการ ศักยภาพ และอนาคตที่อาจจะเกิดขึ้นครับ

“AI” ต่างจากซอฟท์แวร์อย่างอื่นอย่างไร

คำว่า “AI” หรือ “Artificial Intelligence” นั้นเป็นคำกว้างๆที่มักจะหมายถึงการใช้ “ซอฟท์แวร์” ที่อยู่ในอุปกรณ์คอมพิวเตอร์ประเภทต่างๆทำการเรียนรู้การใช้งานและผลิตหรือคาดเดาผลลัพธ์ที่มนุษย์ต้องการเพื่อให้เราสามารถบรรลุเป้าหมายที่ต้องการได้สะดวกขึ้น

จุดสำคัญที่ทำให้การพัฒนา “AI” ต่างจากการพัฒนาซอฟท์แวร์ประเภทอื่นๆตรงที่การพัฒนา “AI” นั้น จะเป็นการออกแบบและพัฒนา “ตรรกกะการเรียนรู้” ในขณะที่การพัฒนาซอฟท์แวร์ประเภทอื่นๆนั้นจะเป็นการพัฒนาตามกฏกระบวนการต่างๆที่ได้ออกแบบไว้แล้ว

ยกตัวอย่างเช่นระบบ “Autocomplete” หรือระบบคาดเดาคำพูดที่เราต้องการพิมพ์ที่แพร่หลายในโทรศัพท์มือถือหรือแอปพลิเคชันแชท เมื่อเรามีการพิมพ์ตัวอักษร “สว” ผ่านแป้นพิมพ์ ระบบมันก็อาจเสนอประโยค “สวัสดีวันจันทร์” มาให้เรายืนยันแล้วว่าเป็นประโยคที่เราต้องการจะพิมพ์หรือไม่ แต่ในขณะเดียวกัน คนอีกกลุ่มหนึ่งอาจได้รับการเสนอคำว่า “สวัสดีจ้า” เฉยๆก็ได้

การที่ระบบมันสามารถทราบคำที่เราต้องการพิมพ์และเสนอคำที่แตกต่างกันสำหรับคนต่างคนได้นั้น ไม่ได้เกิดจากการที่ผู้พัฒนาโปรแกรมได้ทำการเขัยนไว้ว่าหากคนกลุ่มนี้พิมพ์คำว่า “สว” ให้เสนอคำว่า “สวัสดีวันจันทร์” และหากคนอีกกลุ่มหนึ่งพิมพ์คำว่า “สว” ให้เสนอคำว่า “สวัสดีจ้า” แต่เป็นการบอกให้ระบบคอยดูว่าคนที่ใช้แต่ละคนนั้นพิมพ์ประโยคอะไรบ่อย แล้วค่อยนำเสนอคำนั้นเมื่อเขาพิมพ์ตัวอักษรที่เริ่มต้นประโยคนั้นสองตัวนั่นเอง

ดังนั้น แม้ว่า “AI” จะมีวิวัฒนาการอยู่ตลอดเวลา แต่คงจะพอเรียกได้ว่าหัวใจของ “AI” คือ “การเรียนรู้”

Machine learning

จากตัวอย่าง “Autocomplete” ข้างต้น จะเห็นว่าหากเราไม่สามารถพัฒนา “AI” ที่เรียนรู้ด้วยตัวเองได้แล้วนั้น การที่เราจะทำระบบที่จะสามารถคาดเดาว่าผู้ใช้ต้องการจะพิมพ์คำว่าอะไรหลังจากที่เขาเริ่มพิมพ์ตัวอักษร “สว” ได้นั้นแทบจะเป็นไปไม่ได้เลย เพราะจะต้องอาศัยการนำเอาประโยคทั้งหมดในโลกนี้ที่ขึ้นต้นด้วย “สว” บันทึกลงเข้าไปในโปรแกรม และต่อให้ทำได้จริงแค่ไหน ก็จะไม่รองรับวิวัฒนาการภาษาตามที่เราเห็นกันในโลกโซเชียลอย่างการใช้คำว่า “ครัช” แทน คำว่า “ครับ” กันอย่างทุกวัน

และวิวัฒนาการของ “การเรียนรู้” แบบ “เรียนรู้ด้วยตัวเอง” ผ่านการรับข้อมูลจำนวนมากแทนการสร้าง “กฏจำนวนมาก” เพื่อดักทางการใช้งานของผู้ใช้ให้คอมพิวเตอร์แบบนี้เอง ที่เป็นหนึ่งในจุดเปลี่ยนทำให้วงการ AI มีการพัฒนาอย่างรวดเร็วในช่วงที่ผ่านมา ซึ่งเราเรียกการเรียนรู้แบบนี้ว่าการเรียนรู้แบบ “Machine learning”

การเขียนโปรแกรมแบบสร้าง “กฎจำนวนมาก“จะมีลักษณะเหมือน “Decision Tree”

การสอนให้คอมพิวเตอร์ทำการเรียนรู้แบบ “Machine learning” นี้อาศัยการป้อนข้อมูลตัวอย่างจำนวนมากเพื่อให้สมองกล “AI” ที่เราออกแบบไว้จับหาคุณลักษณะและรูปแบบโครงสร้างของข้อมูลด้วยตัวเอง โดยปราศจากการสอนว่าอะไรเป็นอะไร ยกตัวอย่างระบบการแบ่งแยกประเภทรูปภาพของ Google Photos หรือการ tag รูปภาพของ Facebook ที่ไม่เคยมีใครไปสอนว่าคนไหนหน้าตาแบบไหนหรือชอบใส่เสื้อผ้าสีอะไร หรือว่างานแต่งมักมีสีขาว หรือชายหาดจะมีสีฟ้าทะเลและสีน้ำตาลของทราย แต่ทาง “AI” จะทำการเรียนรู้และแยกแยะและจัดหมวดหมู่ด้วยตนเอง

ตัวอย่างการแยกแยะข้อมูลในรูปภาพของ Google Photos

คนในวงการ AI นี้ได้อธิบายไว้ว่าการพัฒนาระบบการเรียนรู้และองค์ความรู้แบบนี้ คล้ายกับการสอนสุนัขให้ดมหาระเบิดตรงที่จริงๆแล้วมนุษย์เราเองก็ไม่รู้วิธีการดมกลิ่นหาระเบิดด้วยตนเอง แต่สิ่งที่เราทำได้คือการพาสุนัขไปยังเป้าหมายหลายๆครั้งและให้รางวัลมันเมื่อมันทำได้ถูกต้อง จนสุนัขสามารถเข้าใจเป้าหมายที่เราต้องการและแสวงหาวิธีการหาเป้าหมายด้วยตัวเองได้เอง

Neural Networks และ Deep Learning

ศาสตร์ของการเรียนรู้แบบ “Machine learning” เองก็มีรูปแบบของ “ตรรกะ” หรือ “algorithm” อยู่หลากหลายรูปแบบ โดยรูปแบบ algorithm ที่ดูจะได้รับความสนใจและแพร่หลายมากที่สุดในปัจจุบัน คือตรรกะการเรียนรู้แบบ “Neural Network” ที่ตั้งชื่อล้อกับ “โครงสร้างประสาท” ของสมองมนุษย์ โดยการวางโครงสร้างการเรียนรู้แบบ “Neural Network” นี้จะมีลักษณะของการออกแบบหน่วยงานหลายๆหน่วยงานที่จะทำการอ่านข้อมูลและเรียนรู้ที่จะแบ่งหน้าที่การทำงานซึ่งกันและกันเพื่อหาโครงสร้างของข้อมูลที่ได้รับและรูปแบบผลลัพธ์ที่สามารถผลิตได้ คล้ายกับเซลสมองที่จะมีการส่งข้อมูลต่อๆกันเพื่อเรียนรู้และสั่งการการกระทำต่างๆของเรา และการที่สมองเราสามารถแปลงแสงต่างๆเป็น “การมองเห็น” และเสียงต่างๆเป็น “การได้ยิน”

(ภาพอธิบายโครงสร้าง Neural Network แบบ Deep Learning โดยสังเขปจาก hackernoon.com)

โดยปกติแล้ว โครงสร้าง “Neural Network” นั้นจะถูกแบ่งเป็น “ชั้นๆ” โดยแต่ละที่จะมีหน้าที่ของมันโดยเฉพาะ แต่ละชั้นอาจมี “หน่วยประสาท” เป็นพันๆหรือล้านๆหน่วย ยกตัวอย่างเช่นในศาสตร์แขนงหนึ่งของวิทยาศาสตร์คอมพิวเตอร์ที่เรียกว่า “Computer Vision” ที่หมายถึงการใช้คอมพิวเตอร์ทำความเข้าใจถึงองค์ประกอบต่างๆที่อยู่ในรูปเหมือนกับเวลาที่มนุษย์ดูรูปภาพและแยกออกว่ารูปแต่ละรูปมีองค์ประกอบอะไรบ้าง คนกี่คน งานเทศกาลอะไร ช่วงเวลาอะไรของวัน มีอุปกรณ์อะไรบ้างในภาพ ฯลฯ และได้รับการพูดถึงบ่อยในการเปิดตัวครั้งล่สุดของ Apple นั้น ในแต่ละชั้นอาจจะมีการแบ่งว่าชั้นไหนเรียนรู้เรื่องสี ชั้นไหนสรรหาเรื่องเงา ชั้นไหนแยกแยะหน้าคนออกมา โดยจะมีการแบ่งชั้นและหน้าที่ของ “หน่วยประสาท” แต่ละหน่วยงานได้ด้วยตนเอง

และการเรียนรู้แบบส่งต่อกันหลายๆชั้นนี้ คือที่มาของคำว่า “Deep Learning” นั่นเอง

แอปพลิเคชันกล้องถ่ายรูปและการแต่งภาพในปัจจุบันที่สามารถใส่องค์ประกอบต่างๆไปในหน้าคนได้ในทันทีนี้ก็เกิดจากการพัฒนา “Neural Network” ที่มีการเรียนรู้แบบ “Deep Learning” นั่นเอง

ตัวอย่าง filter รูปภาพแบบ Real Time ของ Snapchat จาก VRScout

สิ่งที่ตามมาของการเรียนรู้แบบ “Deep Learning” นี้ก็คือ เราไม่สามารถรู้ได้แล้วว่าตรรกะต่างๆที่ถูกสร้างขึ้นจาก Neural Network ภายในระบบของแต่ละระบบนั้นมีลักษณะการทำงานอย่างไร และการป้อนข้อมูลไปแต่ละครั้งจะให้ผลลัพธ์อะไรออกมา เหมือนกับที่เราไม่ได้สามารถคาดเดาปฏิกริยาการตอบรับของคนแต่ละคนหรือแม้กระทั่งสมองของตัวเราเอง

แต่แม้ว่าสมองกลเหล่านี้จะสามารถคิดและทำงานทดแทนมนุษย์ได้ในหลายๆเรื่อง แต่ก็เป็นเรื่องยากที่ระบบระบบเดียวจะสามารถคิดแทนสมองของมนุษย์ได้ในทุกๆเรื่อง เพราะการทำงานของระบบ “AI” ต่างนั้นก็คล้ายกับการที่เรือดำน้ำสามารถดำน้ำได้เหมือนปลา แต่ไม่ได้ใช้วิธีการหายใจหรือขยับตัวเหมือนปลาเสียทีเดียว กล่าวคือแม้ว่า “AI” จะทำงานคล้ายกับสมองมนุษย์ แต่วิวัฒนาการของมันไม่ใช่การกลายเป็นสมองที่เหมือนของมนุษย์ไปเลยในตอนนี้ และที่สำคัญมนุษย์เองทุกวันนี้ก็ยังไม่เข้าใจวิธีการทำงานของสมองของเราเอง จึงเป็นเรื่องยากที่เราจะสามารถออกแบบระบบอะไรขึ้นมาที่จะสามารถทำงานได้เหมือนเรา

เริ่มที่การเข้าใจเหมือนมนุษย์ ต่อยอดที่การคาดการณ์อนาคต

นอกจากวิวัฒนาการของ “AI” จะทำให้คอมพิวเตอร์สามารถแยกแยะและทำความเข้าใจข้อมูลข้อความรูปภาพวิดีโอต่างๆได้คล้ายกับมนุษย์แล้ว สิ่งที่น่าติดตามคือความสามารถในการคาดเดาอนาคตจากการขุดหารูปแบบข้อมูลที่แฝงอยู่ในที่ต่างๆได้ในปริมาณที่มากกว่ามนุษย์จะสามารถทำได้

ยกตัวอย่างเช่น ทุกวันนี้ เราพอจะสามารถคำนวณและคาดการณ์ผลประกอบการณ์ของบริษัทในปีถัดไปได้บนพื้นฐานของปัจจัยบางอย่างที่เรามีอย่างเช่นข้อมูลการประกอบการในอดีต เทรนด์การเติบโตของเศรษฐกิจ ส่วนแบ่งตลาด เป็นต้น แต่หากรเาสามารถสร้างกระบวนการคาดเดาโดยใช้ซอฟท์แวร์ “AI” เข้ามาช่วยแล้ว เราจะสามารถทำการคาดการณ์โดยใช้ปัจจัยที่เพิ่มและลึกขึ้นได้หลายเท่า รวมไปถึงการปล่อยให้ “AI” แสวงหาปัจจัยที่ส่งผลต่อการประกอบการที่เราอาจคาดไม่ถึงอีกด้วยผ่านการป้อนข้อมูลที่เรามีทั้งหมดอย่างเช่น รายชื่อพนักงาน วุฒิการศึกษาที่จบ เพศ อายุ ที่เราอาจไม่มีเวลาหรือคาดไม่ถึงว่าจะส่งผลมาก่อนอีกด้วย

ทั้งหมดนี้ ต้องย้ำอีกครั้งว่ามันไม่ใช่โลกของอนาคต แต่เป็นสิ่งที่เกิดขึ้นแล้ว เป็นโลกที่ทั้งน่าตื่นเต้นและน่าหวาดระแวง เมื่อตรรกะคอมพิวเตอร์พัฒนามาถึงขั้นการคิดที่ทำได้เหนือมนุษย์ในบางชิ้นงาน และกระบวนการทำงานที่ทางผู้ออกแบบเองก็ไม่สามารถอธิบายได้ว่าเป็นอย่างไรเพราะเกิดจากการเรียนรู้และพัฒนาของตัวมันเอง

หวังว่าคอลัมน์ในครั้งนี้ จึงจะพอเป็นพื้นฐานให้สามารถศึกษาเพิ่มเติมกันได้ครับ

–-

เลอทัด ศุภดิลก

กรรมการผู้จัดการ บริษัท เซลสุกิ จำกัด

www.sellsuki.co.th