เมื่อพูดถึง DeepTech ซึ่งเป็นคำที่ใช้เรียกวิทยาการด้าน “สมองประดิษฐ์ หรือ สมองเทียม หรือ Artificial Neural Network หรือ ANN” อันเป็นวิทยาการพื้นฐานสาขาหนึ่งในศาสตร์ด้านปัญญาประดิษฐ์ หรือ Artificial Intelligence… โดยกลไกทางเทคนิคของ ANN จะเป็นโครงข่ายการประมวลผลจากตัวแปรต้นที่ถูกป้อนเข้าไป ซึ่งเป็นการประมวลผล หรือ คำนวณแบบต่อเนื่องจากโหนดหนึ่งข้ามไปอีกโหนดหนึ่ง โดยในแต่ละโหนดจะไม่ต่างจากการทำงานของเซลล์ประสาท หรือ Neuron ที่ประกอบด้วยเนื้อสมองสีเทา หรือ Gray Matter ของมนุษย์ที่เป็น Soma คอยทำหน้าที่ในการประมวลและแปลผลข้อมูล หรือ ตัวแปรที่รับมา… ซึ่งจะส่งต่อไปให้เซลล์สมอง Soma ของเซลล์ประสาทโหนดต่อไปผ่านเนื้อสมองสีขาว หรือ White Matter ซึ่งเป็นใยประสาท Axon สำหรับการเชื่อมต่อเพื่อสื่อสารข้อมูลระหว่างเซลล์ประสาท… ซึ่งสมองประดิษฐ์ หรือ Artificial Neural Network หรือ ANNs ก็จะทำงานแบบเดียวกัน
พื้นฐานการทำความเข้าใจวิธีการทำงานของสมองมนุษย์ และ วิธีการทำงานของสมองประดิษฐ์ ถือเป็นรากฐานในการนำใช้ AI หรือ Artificial Intelligence และ ML หรือ Machine Learning ตั้งแต่ขั้นตอนการออกแบบระบบ ซึ่งจะถูกประยุกต์ใช้ร่วมกับคอมพิวเตอร์วิทัศน์ หรือ Computer Vision อันเป็นวิทยาการที่ทำให้คอมพิวเตอร์อ่านออกเขียนได้อย่างเข้าใจความหมายตรงกันกับมนุษย์ด้วย…
นอกจากนั้น… การเข้าใจการทำงานของสมองประดิษฐ์ หรือ Artificial Neural Network หรือ ANN ก็ยังถือเป็นพื้นฐานในการนำใช้ด้าน Data Science ทั้งในทางวิทยาศาสตร์ และ ในทางธุรกิจ… เพื่อให้คอมพิวเตอร์สามารถ “เข้าใจ” ข้อมูลที่ถูกป้อนเข้าไปอย่างถูกต้อง และ สามารถ “ประมวลผลเอาคำตอบที่ต้องการ” ออกมาได้เร็วขึ้น โดยไม่ต้องพึ่งการทดลอง… การทดสอบ หรือแม้แต่การสร้างแบบจำลองใดๆ ให้สิ้นเปลืองเวลา และ ทรัพยากรอื่นเกินกว่านั้น
ประเด็นเป็นแบบนี้ครับ… AI หรือ Artificial Intelligence และ ML หรือ Machine Learning ในระดับวิศวกรรมนั้น… ปัจจุบันมี Framework และ Library มากมายให้วิศวกร และ โปรแกรมเมอร์หยิบมาใช้ได้ฟรี… แต่การจะทำให้ AI/ML ให้ทำงานตอบโจทย์ได้อย่างสมบูรณ์แบบ ยังต้องการประสบการณ์ร่วมระหว่าง AI ที่ถูกสร้าง กับ คนสร้าง AI ที่ต้องมีทักษะที่เรียกว่า Feature Extraction… อันเป็นทักษะในการทำแบบจำลองให้สอดคล้องตามวัตถุประสงค์ในการสร้างและพัฒนา AI ขึ้นมาหนึ่งระบบ และ นำประสบการณ์จากผู้สร้างที่อยู่ในรูปของโมเดล หรือ แบบจำลองนั้นไปวางโครงสร้างให้ AI และ Train AI หรือ สอนปัญญาประดิษฐ์ให้เก่งอย่างที่ต้องการ
ในทางเทคนิค… Feature Extraction คือ หลักคิดที่ถูกต้องว่าข้อมูลหนึ่งๆ ที่ถูกพบ หรือ ที่ป้อนเข้ามากำลังบอกอะไร!… เช่น การวิเคราะห์สัญญาณมือของลูกค้าที่ปิดไป ณ สนามบินสุวรรณภูมิ และ เปิดอีกครั้งที่สนามบินเชียงใหม่ในอีกหนึ่งชั่วโมงเศษๆ ต่อมา ก็แปลว่าลูกค้าท่านนี้เดินทางมาเชียงใหม่ด้วยเครื่องบินอย่างชัดเจน… แต่ถ้าสัญญาณมือถือของลูกค้ามาอยู่ที่สนามบินสวรรณภูมิสัปดาห์ละ 6 วัน ตั้งแต่เจ็ดโมงเช้าถึงห้าโมงเย็นอย่างสม่ำเสมอ ก็จะแปลว่าลูกค้าท่านนี้ทำงานที่สนามบินสุวรรณภูมิ… ส่วนลูกค้าที่ปิดสัญญาณมือถือที่สนามบินสวรรณภูมิแล้วหายไปหนึ่งสัปดาห์ก่อนจะเปิดอีกครั้งที่สนามบินสุวรรณภูมิ ก็จะแปลว่าลูกค้าท่านนั้นไปต่างประเทศ ซึ่งถ้าตรวจสอบการโรมมิ่งสัญญาณมือถือร่วมด้วยก็จะยืนยันข้อเท็จจริงได้ชัดขึ้นไปอีก
การนำใช้ AI หรือ Artificial Intelligence และ ML หรือ Machine Learning ในชีวิตจริงจึงมีแง่มุมที่ต้องถอยกลับไปทำความเข้าใจวิธีที่ AI/ML ทำงานเลียนแบบสมองมนุษย์อย่างไร และ จะสอนให้สมองประดิษฐ์เข้าใจตัวแปร และ ข้อมูลที่เป็นประโยชน์จริงๆ ได้อย่างไร… ด้วย!
References…
