คำจำกัดความของปัญญาประดิษฐ์ (AI) ที่ยอมรับโดยทั่วไปคือความสามารถของคอมพิวเตอร์ในการตัดสินใจโดยปราศจากการแทรกแซงของมนุษย์ ลองคิดดูสักครู่ ถ้าผมสอนคอมพิวเตอร์ว่า 2 บวก 2 เท่ากับ 4 จากนั้นคอมพิวเตอร์เครื่องนี้จะสามารถตอบคำถามว่า “2 บวก 2 ได้เท่าไร” โดยปราศจากการแทรกแซงของมนุษย์นี่หมายความว่ามันมีความสามารถด้าน AI หรือไม่? อืม แต่มันก็เหมือนกับการโกง
เพราะการแทรกแซงของมนุษย์เกิดขึ้นในอดีต คอมพิวเตอร์สามารถ
ตอบคำถามเฉพาะที่ได้รับคำสั่งให้ตอบเท่านั้น
มนุษย์ใช้เวลา 50 ปีที่ผ่านมาในการจัดหาคอมพิวเตอร์ด้วยชุดคำสั่งหลายล้านชุดในรูปแบบของอัลกอริทึม ด้วยเหตุนี้ คอมพิวเตอร์ในปัจจุบันจึงสามารถทำงานได้ในหลาย ๆ สถานการณ์ที่กำหนดไว้อย่างดี เช่น การคำนวณเส้นทางโคจรของยานอวกาศ การขอคืนภาษี ยอดบัญชีและอื่น ๆ
แล้ว AI ล่ะ? ใช่อย่างเป็นทางการ แต่นั่นไม่ใช่สิ่งที่ผู้คนหมายถึงเมื่อพวกเขาพูดว่า AI ในทุกวันนี้
ความมหัศจรรย์ที่แท้จริงที่ทุกคนพูดถึงคือความสามารถของคอมพิวเตอร์ในการเรียนรู้วิธีคิดและแก้ปัญหาด้วยตัวมันเอง โดยไม่ต้องมีคำแนะนำเฉพาะเจาะจง
นี่คือส่วนที่น่าสนใจที่สุดของ AI ที่เรียกว่า Machine Learning (ML)
คอมพิวเตอร์จำเป็นต้องได้รับการฝึกฝนให้เรียนรู้สิ่งใหม่ๆ และดำเนินการในสถานการณ์ใหม่ๆ เช่นเดียวกับผู้คน เช่นเดียวกับสมองของมนุษย์ ตาข่ายประสาทของคอมพิวเตอร์จำเป็นต้องได้รับการฝึกฝนเพื่อใช้เส้นทางที่เหมาะสมในการตัดสินใจ สิ่งนี้เรียกว่าการฝึกอบรม
คอมพิวเตอร์เรียนรู้อย่างไรในปัจจุบัน?
บ่อยครั้งที่ผู้คนได้ยินเกี่ยวกับ ML และจินตนาการถึงวิธีการแบบปลั๊กแอนด์เพลย์ พวกเขาลองแล้ว แต่ไม่ได้ผล
เรามายุติธรรมกับคอมพิวเตอร์กันเถอะ ลองจินตนาการถึงการสอนแนวคิดที่ซับซ้อนให้กับเด็กโดยไม่ต้องสอนพื้นฐานเช่นการอ่านและการเขียนก่อน แม้แต่เด็กที่ฉลาดที่สุดก็ยังล้มเหลว
น่าเสียดาย นี่คือสิ่งที่บางคนทำกับคอมพิวเตอร์ เราฝึกคอมพิวเตอร์ด้วยข้อมูลที่ซับซ้อน (จริง) ซึ่งทำให้คอมพิวเตอร์สับสน เราไม่ทำเช่นนี้เมื่อสอนผู้คน – แล้วทำไมเราถึงโยนคอมพิวเตอร์ลงไปในส่วนลึก
เหตุผลหนึ่งคือเราต้องการและต้องการเห็นผลทันที ยิ่งไปกว่านั้น หลายบริษัทไม่มีข้อมูล ความเชี่ยวชาญ หรือทรัพยากรที่จำเป็นในการนำคอมพิวเตอร์ไปใช้ในทุกขั้นตอนที่จำเป็นสำหรับการฝึกอบรมที่เหมาะสม
บางบริษัทได้ก้าวมาถูกทางแล้วด้วยการสร้างข้อมูลเทียมเพื่อฝึก
อบรมคอมพิวเตอร์ รวมถึงเครือข่ายการเรียนการสอนแบบสร้างสรรค์และวิธีการเรียนรู้แบบก้าวหน้า ใน เซสชันล่าสุดของ Andrew Ngผู้ร่วมก่อตั้ง Google Brain ได้ชี้ให้เห็นถึงประโยชน์ของการให้ความสำคัญกับการเตรียมข้อมูลให้มากขึ้น
เห็นได้ชัดว่าแต่ละอุตสาหกรรมและโครงการในสาขานั้นต้องการการฝึกอบรม การฝึกอบรมในชั้นนี้สามารถเปรียบได้กับความรู้ระดับวิทยาลัยและควรวางอยู่บนรากฐานที่เรียนรู้ก่อนหน้านี้
ดังนั้นการฝึกอบรม ML ควรมีลักษณะอย่างไรจึงจะใช้งานได้จริง
ขั้นตอนที่ 1: เริ่มต้นด้วยพื้นฐาน
ก่อนที่นักเรียนจะเรียนพีชคณิตได้ พวกเขาต้องสามารถนับได้
ML การฝึกอบรมคอมพิวเตอร์ควรเริ่มต้นด้วยข้อมูลอย่างง่าย คิดว่ารับเลี้ยงเด็กคอมพิวเตอร์ ความซับซ้อนของข้อมูลจะเพิ่มขึ้นอย่างช้าๆ โดยใช้ข้อมูลจริง
ที่เกี่ยวข้อง: 3 การใช้ปัญญาประดิษฐ์ของผู้ประกอบการที่จะเปลี่ยนธุรกิจของคุณ
ขั้นตอนที่ 2: สร้างรากฐาน
เด็กมักถูกสอนว่า “อันตรายจากคนแปลกหน้า” ซึ่งกระตุ้นให้คนหนุ่มสาวไว้วางใจพ่อแม่และผู้มีอำนาจเหนือคนที่พวกเขาไม่รู้จัก สำหรับเครื่อง สิ่งสำคัญคือต้องเข้าใจว่าข้อมูลทั้งหมดไม่ได้ถูกสร้างขึ้นมาเท่ากัน ML ควรได้รับคำแนะนำเกี่ยวกับวิธีการจดจำแหล่งที่มาที่เชื่อถือได้
ที่เกี่ยวข้อง: วิธีใช้ประโยชน์จากปัญญาประดิษฐ์ในการประชาสัมพันธ์
ขั้นตอนที่ 3: ความเชี่ยวชาญ
เด็กที่เข้ารับการเลี้ยงเด็กทุกคนมาพร้อมกับ “กระดานชนวนเปล่า” พวกเขาทั้งหมดได้รับการสอนข้อมูลพื้นฐานที่เหมือนกัน: ตัวอักษร วิธีการนับ และผู้ที่ไว้วางใจได้ เมื่อถึงเวลาไปโรงเรียน พวกเขาสามารถหยิบหนังสือง่ายๆ และคำนวณเลขพื้นฐานได้
ตลอดเส้นทางการศึกษาของพวกเขาอย่างช้า ๆ เด็กแต่ละคนเริ่มพัฒนาความรู้เพิ่มเติมในเรื่องใดเรื่องหนึ่ง เด็กคนหนึ่งเก่งด้านวิทยาศาสตร์ ในขณะที่อีกคนเก่งด้านศิลปะ ในระดับวิทยาลัย นักเรียนจะได้รับการสอนเชิงลึกในสาขาวิชาเฉพาะ
Credit : สล็อต
