Machine Learning (ML) คืออะไร

ถ้าแปลกันตรงตัวตามหลักไวยากรณ์ก็น่าจะหมายถึง “การเรียนรู้ของเครื่องจักร” จากความหมายนี้ อาจทำให้หลายคนรู้สึกว่า เครื่องจักรฉลาด เรียนรู้ได้เหมือนมนุษย์ เป็นอะไรที่ยิ่งใหญ่ มหัศจรรย์ หรือน่ากลัว แต่ที่จริงการเรียนรู้ของเครื่องจักร เป็นลักษณะของการ “ลองผิดลองถูก อย่างมีหลักการ” มากกว่า และนำสิ่งที่เรียนรู้ได้ไปใช้ในลักษณะของการ “ทำนาย(เดา) อย่างมีหลักการ” อีกด้วย เหตุที่ผู้เขียนเรียกว่า “ลองผิดลองถูก” หรือ เรียกว่า “ทำนาย” หรือ “เดา” นั่นเพราะว่า ความรู้ที่ได้มาและนำไปใช้นั้นไม่มีเหตุผลรองรับ แต่ใช้สถิติ และความน่าจะเป็นมากกว่า ซึ่งต่างจากมนุษย์เรา ที่ใส่ใจในเรื่องของเหตุผลด้วย

ทำไมต้องใช้ Machine Learning

จากที่กล่าวมาข้างต้น อาจทำให้หลายคนคิดว่า ถ้าการเรียนรู้ของ machine ทำได้แค่เดา ไม่มีเหตุผล เชื่อถือไม่ได้ 100% แล้วเราจะยังสนใจเรื่อง machine learning ไปทำไม อันที่จริงแล้ว ถึงแม้ machine เชื่อถือได้ไม่ 100% ไม่มีเหตุผล และใช้การเดา หรือการทำนายเหตุการณ์โดยใช้เพียงข้อมูลในอดีตที่ผ่านมา แต่แค่นั้นก็มีประโยชน์กับมนุษย์มากแล้ว โดยเฉพาะเรื่องที่มนุษย์ หรือนักวิทยาศาสตร์ก็ยังไม่เข้าใจเหตุผล หรือปัจจัยทั้งหมดที่ส่งผลต่อสิ่งต่าง ๆ อย่างแท้จริง ซึ่งเรื่องแบบนี้ก็มีมากเสียด้วย เช่น การทำนายสภาพอากาศ การทำนายราคาสินค้าการเกษตร ราคาบ้าน หรือที่ดิน ราคาหุ้น และอื่น ๆ อีกมาก ที่มนุษย์ยังไม่สามารถหาเหตุผลมาอธิบายได้ 100% ว่าฝนจะตกมากน้อยแค่ไหน หรือราคาเท่าไร

Machine Learning เรียนรู้อย่างไร

เพื่อให้เห็นภาพชัดขึ้น ลองเปรียบเทียบการเรียนรู้ของ มนุษย์กับ machine ว่าต่างกันอย่างไร เพื่อให้เข้าใจง่าย ๆ จะขออธิบายดังนี้ มนุษย์เรียนรู้โดยการ รวบรวมข้อมูล -> มองหารูปแบบ -> คิดหาเหตุผล และตั้งสมมติฐาน -> สร้าง model และ parameter จากสมมติฐาน -> ทดสอบ model นั้น และวนทำซ้ำไปเรื่อย ๆ จนกว่าจะได้ผลการทดสอบเป็นที่น่าพอใจ แล้วจึงนำ model นั้นมาตั้งเป็น ทฤษฎี และนำไปใช้ ในขณะที่ machine learning นั้น ทำคล้าย ๆ กัน เพียงแต่ไม่มีขั้นตอนของการหาเหตุผลเท่านั้นเอง สิ่งที่ได้ก็เป็น model และ parameter ที่ทดสอบจนพอใจแล้วเท่านั้น

ในหลาย ๆ กรณี มนุษย์ก็เริ่มเรียนรู้ด้วยการลองผิดลองถูกเหมือนกัน แต่สุดท้ายแล้วก็จะได้เหตุผลบางอย่างมาอธิบายหรือทำนายเหตุการณ์ หรือ ปรากฏการณ์ต่างๆ อยู่ดี แม้ว่าหลาย ๆ ครั้ง เหตุผลอาจดูยากที่จะเชื่อ หรือไม่น่าเป็นไปได้สำหรับคนอื่น ๆ แต่นั่นไม่สำคัญ สำคัญคือเชื่อว่าตัวเองมีเหตุผล ซึ่งต่างจาก machine 

สรุป

ถ้าเราเข้าใจตรงกัน ผู้อ่านคงพอเดาได้ว่า การศึกษา machine learning นั้น ส่วนใหญ่จึงเป็นการศึกษาเกี่ยวกับการมองหารูปแบบของข้อมูล และการกำหนดหลักการในการสร้าง model และ parameter นั่นเอง แล้วเราจะได้มาดูเรื่องนี้ในโอกาสต่อไป