ในยุคที่เทคโนโลยีเข้ามามีบทบาทในชีวิตประจำวันมากขึ้น ไม่ว่าจะเป็นการใช้งานด้านบันเทิงหรือแม้แต่กระทั่งการซื้อขายของที่สะดวกสบายมากขึ้นโดยไม่ต้องไปที่ร้านค้าต่าง ๆ เป็นต้น แต่เมื่อยิ่งใช้งานนานเข้า พวกเราในฐานะผู้ใช้งานคงเคยตั้งคำถามกับตัวเองในเรื่องที่เกิดขึ้นกันบ้างแหละว่า ทำไม Netflix ถึงได้รู้ว่าเราชอบดูหนังประเภทไหน, YouTube ทำอย่างไรถึงได้แนะนำคลิปวีดิโอที่ถูกใจเราได้ หรือแม้แต่ website ที่มีการซื้อขายของออนไลน์อย่าง Shopee ที่คอยนำเสนอสินค้าที่ตรงกับความชอบของเราได้ตลอดเวลา ซึ่งทั้งหมดนี้ล้วนเป็นตัวอย่างศักยภาพของการใช้งาน Machine Learning ทั้งสิ้น ในบทความนี้เราจะพาไปคลายข้อสงสัยต่างๆ และช่วยตอบคำถามที่เราเฝ้าถามตัวเองมาตลอด เกี่ยวกับเทคโนโลยีสุดอเนกประสงค์นี้กัน
- Machine Learning คืออะไร
Machine Learning คือ การทำให้คอมพิวเตอร์ สามารถเรียนรู้สิ่งต่างๆ และพัฒนาการทำงานให้ดีขึ้นได้ด้วยตัวเองจากข้อมูลและสภาพแวดล้อมที่ได้รับจากการเรียนรู้ของระบบ โดยไม่ต้องมีมนุษย์คอยกำกับหรือเขียนโปรแกรมเพิ่มเติม และไม่ว่าในอนาคตมันจะมีข้อมูลรูปแบบใหม่ๆ ที่เกิดขึ้นมา มนุษย์ก็ไม่จำเป็นที่จะต้องไปนั่งเขียนโปรแกรมใหม่ เพราะคอมพิวเตอร์สามารถตีความและตอบสนองได้ด้วยตัวเอง
แน่นอนว่าธุรกิจหรืออุตสาหกรรมไหนนำเทคโนโลยีนี้ไปปรับใช้ได้อย่างถูกวิธี จะทำให้ได้เปรียบในเชิงการแข่งขันของธุรกิจอย่างมาก เพราะสามารถลดเวลาการทำงานในการวิเคราะห์ข้อมูลต่าง ๆ และลดต้นทุนแรงงานที่เกิดขึ้นได้มากเลยทีเดียว
- Machine Learning ต่างกับ AI และ Automation อย่างไร
บางคนอาจกำลังสงสัยว่าแล้วคำนิยามของ Machine Learning กับ AI และ Automation ต่างกันอย่างไร และเพื่อไม่ให้เป็นการสับสน เราจะขออธิบายคำนิยามของ AI และ Automation ดังนี้
- AI คืออะไร
คำว่า AI ย่อมาจากคำว่า Artificial Intelligence เรียกชื่อไทย AI คือ ปัญญาประดิษฐ์ที่มีฟังก์ชั่นการเรียนรู้ ทำความเข้าใจ มีความสามารถคิด วิเคราะห์ วางแผน และช่วยตัดสินใจ รวมทั้งทำนายผลลัพธ์ได้ โดยทำการคำนวณจากประสบการณ์ของระบบเป็นหลัก ตัวอย่างที่ทำให้เข้าใจง่ายขึ้น เช่น ผู้ช่วยเสมือนจริงอย่าง Siri หรือ Alexa มาช่วยตอบคำถามและโต้ตอบได้เสมือนกับเป็นคนจริงๆ ซึ่งสิ่งที่ทำให้ผู้ช่วยเสมือนจริงอย่าง Siri หรือ Alexa มีความฉลาดอัจฉริยะ นั้นก็มาจาก Machine Learning ซึ่งหากจะให้เข้าใจขึ้น ก็คงพูดง่ายๆ ว่า Machine Learning คือฟันเฟืองตัวหนึ่งที่ใช้ในการเรียนรู้ของ AI เพื่อให้เครื่องจักรมีความชาญฉลาดนั่นเอง
- แล้ว Automation คืออะไร
ในส่วน Automation คือ ระบบการทำงานอัตโนมัติ ที่มีโปรแกรมตั้งเอาไว้ เน้นเอาไว้คุมงาน สั่งงาน และกำหนดคำสั่งเอาไว้ โดยจะไม่สามารถคิดหรือวิเคราะห์สิ่งใหม่ ๆ ได้เมื่อเปรียบเทียบเท่ากับ AI รวมทั้งต้องมีมนุษย์คอยดูแลควบคุมทำงาน จึงเหมาะกับการทำระบบโทรศัพท์ตอบกลับอัตโนมัติ หรือระบบรดน้ำอัตโนมัติ เป็นต้น
- หลักการทำงานของ Machine Learning
การเรียนรู้ของ Machine Learning นั้นจะมีหลักการคล้ายๆ กับของมนุษย์ที่จำเป็นต้องเรียนรู้จากประสบการณ์ โดยให้เราลองนึกภาพถึงการสอนเด็กคนหนึ่งให้แยกความแตกต่างระหว่าง ดินสอและปากกา เราจำเป็นต้องสอนเด็กคนนั้นก่อน ว่าดินสอเป็นอย่างไร และปากกาเป็นอย่างไร เพื่อให้เด็กเรียนรู้และแยกแยะความแตกต่างระหว่างของสองสิ่งได้
Machine Learning เองก็ทำงานในลักษณะเดียวกัน ด้วยการป้อนชุดข้อมูลพื้นฐานและชุดคำสั่งต่างๆ เพื่อให้คอมพิวเตอร์ “เรียนรู้” และจำแนกแยกแยะวัตถุต่างๆ รวมถึงบุคคล สิ่งของ เป็นต้น และเพื่อให้ได้ผลลัพธ์ที่แม่นยำมากขึ้น โปรแกรมเมอร์จึงมีการป้อนชุดข้อมูลใหม่ๆ และต้องฝึกฝนระบบอย่างสม่ำเสมอ เพื่อให้เกิดวิวัฒนาการของระบบ ทำให้ระบบคิดได้ด้วยตัวเองในเวลาต่อมา
- การทำงานของระบบ Machine Learning มี 3 รูปแบบ
โดยหลักการของ Machine Learning จะแบ่งออกเป็น 3 ประเภทตามรูปแบบการเรียนรู้ด้วยกัน นั่นก็คือ supervised learning, unsupervised learning และ Reinforcement Learning
- Supervised Learning หรือการเรียนรู้แบบมีผู้สอน
เป็นการทำให้คอมพิวเตอร์สามารถหาคำตอบของปัญหาได้ด้วยตัวเอง หลังจากเรียนรู้จากชุดข้อมูลตัวอย่างไปแล้วระยะหนึ่ง ยกตัวอย่างเวลาเราป้อนข้อมูลให้กับคอมพิวเตอร์ (Input) เช่น รูปปากกา เบื้องต้นคอมพิวเตอร์จะยังไม่รู้ว่ารูปที่เราป้อนเข้าไป คือรูปปากกา เราจึงต้องสอนให้คอมพิวเตอร์รู้จักเพื่อนำไปวิเคราะห์ (Feature Extraction) ว่า ปากกาจะมีปลายด้ามเป็นปุ่ม และใช้หมึกในการเขียน เป็นต้น จากนั้นคอมพิวเตอร์ก็นำข้อมูลดังกล่าวไปประมวล/จัดหมวดหมู่ (Classification) เพื่อให้หลังจากนี้มันสามารถแยกออกได้ว่าอะไรคือปากกา อะไรไม่ใช่ปากกา
- Unsupervised Learning หรือ การเรียนรู้โดยไม่มีผู้สอน
เป็นการเรียนรู้ที่ให้เครื่องจักรนั้นสามารถเรียนรู้ได้ด้วยตนเอง โดยไม่ต้องมีค่าเป้าหมายของแต่ละข้อมูล ซึ่งวิธีการคือมนุษย์จะเป็นผู้ใส่ข้อมูลต่าง ๆ และกำหนดสิ่งที่ต้องการจากข้อมูลเหล่านั้น ทำให้เครื่องจักรวิเคราะห์จากการจำแนกและสร้างแบบแผนจากข้อมูลที่ได้รับมา เรียกได้ว่าตรงกันข้ามกับรูปแบบแรกเลย ตัวอย่างเช่น การที่เราป้อนข้อมูล (Input) รูปปากกาเข้าไป แต่ไม่ได้บอกว่ารูปที่ป้อนเข้าไปเป็นรูปปากกา เมื่อคอมพิวเตอร์นำไปวิเคราะห์ (Feature Extraction) ก็ยังสามารถวิเคราะห์ได้ว่ารูปที่ใส่เข้าไปมีลักษณะยังไง แต่คราวนี้มันไม่สามารถเอาไปประมวล/จัดหมวดหมู่ (Classification) ได้แล้ว มันจะใช้วิธีการแบ่งกลุ่มแทน (Clustering) ซึ่งคอมพิวเตอร์ก็อาจเอารูปปากกาไปจัดกลุ่มกับปากกาไฮไลท์ หรือเครื่องเขียนอื่นๆ ที่มี ปลายด้ามเป็นปุ่ม และใช้หมึกในการเขียน เหมือนกัน เป็นต้น
- Reinforcement Learning หรือ การเรียนรู้แบบเสริมกำลัง
เป็นวิธีการเรียนรู้แบบหนึ่งที่ใช้การเรียนรู้เกิดมาจากการปฎิสัมพันธ์ (interaction) ระหว่างผู้เรียนรู้ (agent) กับสิ่งแวดล้อม (environment) ที่มีการเรียนรู้สิ่งต่าง ๆ จาก Agent ภายใต้การเลือกกระทำสิ่งต่าง ๆ ให้ได้ผลลัพธ์ที่มากที่สุด ผ่านการลองผิดลองถูกภายใต้สถานการณ์หรือระบบจำลอง ที่พัฒนาระบบการตัดสินใจให้ดีขึ้นเรื่อย ๆ หรือพูดให้ง่ายขึ้น มันคือการที่เรากำหนดเงื่อนไขบางอย่างให้กับคอมพิวเตอร์ แล้วทำให้คอมพิวเตอร์บรรลุหรือทำตามเงื่อนไขนั้นให้ได้ ผ่านการลองผิดลองถูก โดยผู้พัฒนาอาจตั้งเป้าหมาย Feedback Loop และเงื่อนไขในการได้รับรางวัล ยกตัวอย่างเช่น Alpha Go เงื่อนไขของการเล่นหมากล้อมให้ชนะคือ ใช้หมากของตนล้อมพื้นที่บนกระดาน ให้ครอบครองดินแดนมากกว่าคู่ต่อสู้ ทีนี้ Alpha Go ก็จะเรียนรู้ว่าหากคู่ต่อสู้เดินหมากนี้ ตัวมันเองจะเดินหมากไหนเพื่อให้บรรลุเงื่อนไขที่กำหนดไว้ให้ นั่นคือการยึดพื้นที่บนกระดานให้ได้มากที่สุด
- ประโยชน์ของ Machine Learning
ในเชิงปฏิบัติแล้ว Machine Learning สามารถนำมาใช้ทำประโยชน์ได้มากมาย ขึ้นอยู่กับจินตนาการของผู้พัฒนา ตัวอย่างเช่น บริษัท Google ที่ได้มีการพัฒนา Google Map ก็เพื่อช่วยอำนวยความสะดวกบนท้องถนนให้กับพวกเราในปัจจุบัน เพื่อช่วยค้นหาเส้นทางที่ประหยัดเวลาการเดินทางมากที่สุด นอกจากนี้ยังมี Google Translation ที่นำเอาประโยชน์ของ Automation มาทำงานร่วมกับ Machine Learning เป็นตัวช่วยทางด้านการแปลให้กับหลายๆ คนหรือแม้แต่โปรแกรมแชทสุดฮิตอย่าง LINE นำ Speech-to-text technology มาปรับใช้ เพื่อช่วยประหยัดเวลาในการพิมพ์
โดยสรุปเกี่ยวกับ Machine Learning
จะเห็นได้ว่า Machine Learning มีประโยชน์อย่างกว้างขวาง แต่ในขณะที่เทคโนโลยีกำลังพัฒนาไปอย่างรวดเร็ว กลุ่มผู้ไม่ประสงค์ดีก็กำลังหาช่องทางหรือจุดอ่อนของเทคโนโลยีที่มีการพัฒนา ในการแสวงหาผลประโยชน์ให้กับตัวเอง โดยหลักๆ ที่จะพบได้ก็คือ การพัฒนา Malware ที่มีความซับซ้อนยิ่งขึ้น อย่างไรก็ตาม การใช้เทคโนโลยี Machine Learning สามารถนำมาใช้แยกแยะ Malware ต่างๆ รวมไปถึงสามารถทำนายการโจมตีของเหล่าอาชญากรไซเบอร์ได้ด้วย
บริษัท ไซเบอร์ อีลีท จำกัด เราได้นำเทคโนโลยีสุดล้ำสมัยมาปรับใช้ในการทำงาน เพื่อช่วยเหลือองค์กรต่างๆ จากภัยคุกคามทางไซเบอร์ ช่วยให้องค์กรของท่านปลอดภัยจากภัยคุมคามที่อาจจะเกิดขึ้นต่อองค์กรของท่าน
สนใจบริการด้าน Cybersecurity สามารถติดต่อ ไซเบอร์ อีลีท จำกัด ได้ที่
🔹 Email: [email protected]
🔹 Tel: 094-480-4838
🔹 LINE Official: https://line.me/R/ti/p/@cyberelite
🔹 Website: https://www.cyberelite.co
🔹 LinkedIn: https://bit.ly/36M3T7J
🔹 Youtube: https://bit.ly/3sCqOen
🔹 Podcast: Cyber Elite รอบรู้ รู้ทันในโลกไซเบอร์ผ่าน Spotify, Google Podcast, Castbox, Soundcloud, Anchor Podcast
English Version
Machine Learning: A world-changing technology
We are now living in an era where advanced innovations and technology no longer surprise us as these advancements have been used or seen daily. We, as consumers, may have formed what seems to be unexplainable questions in our head; how Netflix knows what kind of movies we like; how YouTube recommends videos that we like; or even famous E-commerce platform – Shopee – presents products that match our preferences. All of these are examples of the potential of machine learning.
In this article, the technological bothering questions will be answered through the definition of Machine Learning – what it is, how it works, and what kind of benefits we have received.
- What is machine learning?
Basically, machine learning or ML apps learn from experience like humans do without direct programming. These apps automatically learn, grow, alter, and expand on their own when approached with new data. In other words, machine learning includes computers discovering valuable knowledge on their own.
Any business or industry that can adapt this technology in the right directions will gain a very competitive advantage. This technology can reduce working time due to its short analysis time; costs are also saved thanks to this innovation quite a lot.
- Machine Learning, AI, and Automation
Some might be wondering “Aren’t these three things the same thing?” To clarify, Let’s look at its definition one by one.
- What is AI?
The word “AI” stands for Artificial Intelligence that functions to learn, understand, think, analyze, plan, help make decisions, and, most importantly, predicting outcomes based on experience. A ubiquitous example for a bigger picture is virtual assistants like Siri or Alexa that help answer questions and respond as if they were real people. As intelligent as we see it, the background of AI is from machine learning. Basically, machine Learning is a chess piece that leads to AI being able to learn.
- So, what is Automation?
Automation is a system that has already been programmed to control the work, giving orders, and stipulating orders. Automation cannot think or analyze when it comes to unfamiliar and new data as AI does, plus it also requires human supervision to function. In short, automation is suitable for any easy tasks such as making an automatic answering phone system or automatic watering system.
- How Machine Learning works?
Machine learning shares the same perceiving process with human beings when it comes to learning new experiences or lessons. Just imagine how we teach children to identify pencil and pen. In the very first step, we need to tell them what pencil and pen look like, so that they can learn and distinguish between two identical things.
Machine learning works the same way by entering data sets and training to allow computers to “learn” and spot different objects, people, things, etc. For more accurate results, programmers must enter new data sets and test run the system regularly.
- Machine Learning and Its All 3 Functions
There are basically three types of machine learning based on their learning styles: supervised learning, unsupervised learning, and reinforcement learning.
- Supervised Learning
Independently, computer can seek for solutions in each problem after some time it is given the set of data. When we input data to the computer – for example, the image of a pen – initially the computer still does not know that the image we input is the image of a pen. Programmers are required to train the computer to recognize such a picture for analysis (Feature Extraction) that the pen has a push button on its end and use of ink to write. Then the computer takes the information to process or categorize (Classification) so that it can distinguish what is a pen and what is not a pen afterwards.
- Unsupervised Learning
It is basically opposite from the first learning style. It allows machines to learn on their own without setting a target for each data. The method entails humans inputting the data and determining what is needed from it. This allows the machine to analyze by classifying and constructing patterns from the data obtained. For instance, it is where we input the data – the image of a pen, but we do not hint that the input image is a pen. When the computer starts its analysis (Feature Extraction), it can identify what the inserted image looks like. However, it cannot be processed or categorized (Classification), instead it will use the method of grouping (Clustering). What’s more complicated in this step is that the computer may consider a pen as a highlighter or any other stationery with a push button at the end and use of ink for writing as well.
- Reinforcement Learning
It is a learning method depicted from Interaction between Agent and the Environment. This type of learning relies on the Agent under the choice of doing things to get the most results through trial and error. This later develops the decision-making system to be better or easier to say. The developer may set a feedback loop goal and reward conditions, for example, Alpha Go uses a computer program that plays the board game Go. It will now learn the opponent moves and predict the possibility that leads to victory.
- Uses and Benefits of Machine Learning
In practice, machine learning can be used for many purposes. It depends purely on the imagination of the programmer, for example, Google has developed Google Map to offer convenience and facilitate the traffic for us – help find the route that saves the most commute time. Google Translation is another product developed by using Automation and Machine Learning to help in learning language. Even a popular chat program like LINE that can turn speech into text in a few seconds, and many more that machine learning technology plays a role in making our lives easier.
As mentioned above, machine learning is very useful and can put many industries on track. However, a group of cybercriminals tends to seek for vulnerabilities and exploit this technological advancement for their own benefit, mainly to develop more complicated malware. However, machine learning technology can be used to detect malware and predict the attacks of cybercriminals.
Cyber Elite Company Limited is ready to provide advice and assistance in dealing with cyber threats of various organizations to keep your organization safe from threats that will happen to your organization.
For more information about cyber security, please contact CYBER ELITE via:
🔹 Email: [email protected]
🔹 Tel: 094-480-4838
🔹 LINE Official: https://line.me/R/ti/p/@cyberelite
🔹 Website: https://www.cyberelite.co
🔹 LinkedIn: https://bit.ly/36M3T7J
🔹 Youtube: https://bit.ly/3sCqOen
🔹 Podcast: Cyber Elite