ปัญญาประดิษฐ์ (AI): บทนำและประเภทต่างๆ
เอเวลิน คลาร์ก
⚡ สรุปอย่างชาญฉลาด
ปัญญาประดิษฐ์ (AI) ช่วยให้เครื่องจักรสามารถทำงานด้านการรับรู้ เช่น การรับรู้ การเรียนรู้ การให้เหตุผล และการแก้ปัญหาได้เหมือนมนุษย์ บทเรียนนี้จะกล่าวถึงคำจำกัดความ ประวัติ เป้าหมาย สาขาย่อย และประเภทของ AI รวมถึงอธิบายความแตกต่างจากแมชชีนเลิร์นนิงและเหตุผลที่ AI กำลังได้รับความนิยมอย่างมากในปัจจุบัน
ปัญญาประดิษฐ์ (AI) คืออะไร?
AI (ปัญญาประดิษฐ์) ปัญญาประดิษฐ์ (AI) คือความสามารถของเครื่องจักรในการทำงานด้านการรับรู้เช่นเดียวกับมนุษย์ เช่น การรับรู้ การเรียนรู้ การให้เหตุผล และการแก้ปัญหา โดยมาตรฐานของ AI คือระดับเดียวกับมนุษย์ในแง่ของการให้เหตุผล การพูด และการมองเห็น
ในบทเรียนปัญญาประดิษฐ์นี้ คุณจะได้เรียนรู้พื้นฐานของ AI ซึ่งจะกล่าวถึงในหัวข้อด้านล่าง
ปัญญาประดิษฐ์สร้างมูลค่าทางธุรกิจได้อย่างไร
ปัจจุบัน AI ถูกนำไปใช้ในเกือบทุกอุตสาหกรรม ทำให้บริษัทที่นำ AI มาใช้ในวงกว้างได้เปรียบทางเทคโนโลยี จากข้อมูลของ McKinsey พบว่า AI มีศักยภาพที่จะสร้างมูลค่า 600 พันล้านดอลลาร์ในธุรกิจค้าปลีก และเพิ่มมูลค่าในธุรกิจธนาคารได้ถึง 50% เมื่อเทียบกับเทคนิคการวิเคราะห์อื่นๆ ส่วนในธุรกิจขนส่งและโลจิสติกส์ ศักยภาพในการเพิ่มรายได้อาจสูงถึง 89%
ตัวอย่างเช่น หากองค์กรใช้ AI สำหรับทีมการตลาด ก็สามารถทำให้งานที่น่าเบื่อและซ้ำซากเป็นไปโดยอัตโนมัติ เพื่อให้พนักงานขายสามารถมุ่งเน้นไปที่การสร้างความสัมพันธ์และการดูแลลูกค้าเป้าหมายได้ บริษัทชื่อ Gong ให้บริการวิเคราะห์บทสนทนา: ทุกครั้งที่พนักงานขายโทรออก เครื่องจะบันทึก ถอดเสียง และวิเคราะห์บทสนทนา และผู้จัดการจะใช้การวิเคราะห์และคำแนะนำจาก AI เพื่อกำหนดกลยุทธ์ที่ประสบความสำเร็จ
กล่าวโดยสรุป AI นำเสนอเทคโนโลยีล้ำสมัยเพื่อจัดการกับข้อมูลที่ซับซ้อนซึ่งมนุษย์ไม่สามารถประมวลผลได้ด้วยตนเอง AI ช่วยลดงานที่ซ้ำซ้อนโดยอัตโนมัติ ทำให้พนักงานสามารถมุ่งเน้นไปที่งานที่มีมูลค่าสูง และเมื่อนำไปใช้ในวงกว้าง จะช่วยลดต้นทุนและเพิ่มรายได้
ประวัติศาสตร์ปัญญาประดิษฐ์
ปัญญาประดิษฐ์ (AI) เป็นคำที่กำลังเป็นที่นิยมในปัจจุบัน แต่คำนี้ไม่ใช่คำใหม่ ในปี 1956 ผู้เชี่ยวชาญจากหลากหลายสาขาได้ร่วมกันจัดทำโครงการวิจัยภาคฤดูร้อนเกี่ยวกับ AI โดยมีผู้ทรงคุณวุฒิ 4 ท่านเป็นผู้นำ ได้แก่ จอห์น แมคคาร์ธี (วิทยาลัยดาร์ทมัธ), มาร์วิน มินสกี (มหาวิทยาลัยฮาร์วาร์ด), นาธาเนียล โรเชสเตอร์ (IBM) และ Claude Shannon (Bell Telephone Laboratories) นี่คือประวัติโดยย่อของปัญญาประดิษฐ์ (AI)
| ปี | เหตุการณ์สำคัญ/นวัตกรรม |
|---|---|
| 1923 | บทละครเรื่อง “Rossum's Universal Robots” ของ Karel Čapek เป็นบทนำของคำว่า “robot” ในภาษาอังกฤษ |
| 1943 | Foundationมีการวางรากฐานสำหรับโครงข่ายประสาทเทียม |
| 1945 | ไอแซค อาสิมอฟ ศิษย์เก่ามหาวิทยาลัยโคลัมเบีย ใช้คำว่า "วิทยาการหุ่นยนต์" |
| 1956 | จอห์น แมคคาร์ธี เป็นคนแรกที่ใช้คำว่า "ปัญญาประดิษฐ์" และมีการสาธิตโปรแกรมปัญญาประดิษฐ์ที่ทำงานได้จริงเป็นครั้งแรก |
| 1964 | วิทยานิพนธ์ระดับปริญญาเอกของ Danny Bobrow จาก MIT แสดงให้เห็นว่าคอมพิวเตอร์สามารถเข้าใจภาษาธรรมชาติได้อย่างไร |
| 1969 | สถาบันวิจัยสแตนฟอร์ดได้พัฒนา Shakey หุ่นยนต์ที่มีความสามารถในการเคลื่อนที่และแก้ปัญหา |
| 1979 | รถเข็นสแตนฟอร์ด (Stanford Cart) ยานพาหนะอัตโนมัติที่ควบคุมด้วยคอมพิวเตอร์คันแรกของโลก ได้ถูกสร้างขึ้นแล้ว |
| 1990 | การสาธิตที่สำคัญในด้านการเรียนรู้ของเครื่องจักร |
| 1997 | โปรแกรมหมากรุก Deep Blue เอาชนะแชมป์โลกอย่างแกรี่ คาสปารอฟได้ |
| 2000 | หุ่นยนต์สัตว์เลี้ยงแบบโต้ตอบได้เริ่มวางจำหน่ายในเชิงพาณิชย์แล้ว; สถาบันเทคโนโลยีแมสซาชูเซตส์ (MIT) ได้จัดแสดงผลงาน Kismetหุ่นยนต์ที่สามารถแสดงอารมณ์ได้ |
| 2006 | ปัญญาประดิษฐ์ (AI) เข้ามามีบทบาทในโลกธุรกิจแล้ว บริษัทต่างๆ เช่น เฟซบุ๊ก Netflixและทวิตเตอร์ก็เริ่มนำมาใช้ |
| 2012 | Google เปิดตัว“Google ตอนนี้” Android คุณสมบัติที่นำเสนอการคาดการณ์ |
| 2018 | IBM“โครงการนักโต้วาที” ของเราได้โต้วาทีในหัวข้อที่ซับซ้อนกับนักโต้วาทีระดับมืออาชีพ และทำผลงานได้อย่างยอดเยี่ยม |
เป้าหมายของปัญญาประดิษฐ์
เป้าหมายหลักของปัญญาประดิษฐ์ (AI) คือ:
- ลดระยะเวลาที่ใช้ในการทำงานเฉพาะอย่างลง
- ทำให้มนุษย์สามารถโต้ตอบกับเครื่องจักรได้ง่ายขึ้น
- ช่วยให้การปฏิสัมพันธ์ระหว่างมนุษย์และคอมพิวเตอร์เป็นไปอย่างเป็นธรรมชาติและมีประสิทธิภาพมากยิ่งขึ้น
- ปรับปรุงความแม่นยำและความรวดเร็วในการวินิจฉัยโรคทางการแพทย์
- ช่วยให้ผู้คนเรียนรู้ข้อมูลใหม่ได้เร็วขึ้น
- เพิ่มประสิทธิภาพการสื่อสารระหว่างมนุษย์และเครื่องจักร
สาขาย่อยของปัญญาประดิษฐ์
ต่อไปนี้คือสาขาย่อยที่สำคัญของปัญญาประดิษฐ์
เครื่องเรียนรู้: ศิลปะแห่งการศึกษาอัลกอริธึมที่เรียนรู้จากตัวอย่างและประสบการณ์ โดยอาศัยการระบุรูปแบบในข้อมูลและนำไปใช้ในการทำนายในอนาคต ซึ่งแตกต่างจากกฎที่เขียนตายตัว เครื่องจักรจะเรียนรู้กฎเหล่านั้นด้วยตนเอง
การเรียนรู้ลึก ๆ: สาขาย่อยของแมชชีนเลิร์นนิงที่ใช้หลายชั้นในการเรียนรู้จากข้อมูล ความลึกของโมเดลคือจำนวนชั้นที่ประกอบอยู่ ตัวอย่างเช่น Googleโมเดล LeNet ของเขาสำหรับการจดจำภาพมี 22 เลเยอร์
การประมวลผลภาษาธรรมชาติ (NLP): ปัญญาประดิษฐ์ (AI) สาขาที่ช่วยให้เครื่องจักรสามารถอ่าน เข้าใจ และสร้างภาษาของมนุษย์ได้ เป็นหัวใจสำคัญของแอปพลิเคชันต่างๆ เช่น แชทบอท การแปล การวิเคราะห์ความรู้สึก และการจดจำเสียงพูด
ระบบผู้เชี่ยวชาญ: ระบบการตัดสินใจโดยใช้คอมพิวเตอร์แบบโต้ตอบและน่าเชื่อถือ ซึ่งใช้ข้อเท็จจริงและหลักการเชิงอนุมานในการแก้ปัญหาที่ซับซ้อนภายในขอบเขตเฉพาะด้าน โดยมีเป้าหมายเพื่อแก้ปัญหาที่ยากที่สุดในขอบเขตนั้น
ลอจิกคลุมเครือ: ตรรกศาสตร์หลายค่าซึ่งค่าความจริงสามารถเป็นจำนวนจริงใดๆ ระหว่าง 0 ถึง 1 ตรรกศาสตร์นี้จัดการกับแนวคิดเรื่องความจริงบางส่วนสำหรับสถานการณ์ที่ข้อความนั้นไม่เป็นจริงโดยสมบูรณ์และไม่เท็จโดยสมบูรณ์
ประเภทของปัญญาประดิษฐ์
ปัญญาประดิษฐ์สามารถจำแนกได้สองวิธี คือ ตามความสามารถ และตามเทคนิค
ตามความสามารถ:
- AI แคบ: สามารถทำงานเฉพาะอย่างได้อย่างชาญฉลาด เช่น การติดแท็กรูปภาพ หรือการใช้งานผู้ช่วยเสียง
- AI ทั่วไป: สามารถปฏิบัติงานทางปัญญาใดๆ ได้อย่างมีประสิทธิภาพเทียบเท่ามนุษย์ (ยังเป็นเพียงทฤษฎี)
- ปัญญาประดิษฐ์ขั้นสูง: ระดับสมมติฐานที่เครื่องจักรมีสติปัญญาเหนือกว่ามนุษย์
โดยใช้เทคนิค:
- ปัญญาประดิษฐ์แบบใช้กฎเกณฑ์: ใช้ชุดกฎที่กำหนดไว้ล่วงหน้ากับชุดข้อมูลขาเข้าเพื่อสร้างผลลัพธ์ที่สอดคล้องกัน
- AI แบบต้นไม้ตัดสินใจ: คล้ายกับ AI ที่ใช้กฎเกณฑ์ แต่ยอมให้มีการแตกแขนงและค้นหาได้ping เพื่อพิจารณาทางเลือกต่างๆ
- โครงข่ายประสาทเทียม: โมเดลแบบหลายชั้นที่ได้รับแรงบันดาลใจจากสมองมนุษย์ ซึ่งเรียนรู้รูปแบบที่ซับซ้อนจากข้อมูล และเป็นรากฐานของหุ่นยนต์ด้วยความสามารถในการให้เหตุผล การวางแผน และการเรียนรู้
AI กับ Machine Learning
ปัญญาประดิษฐ์ (AI) และการเรียนรู้ของเครื่อง (Machine Learning) มักถูกใช้สลับกัน แต่ทั้งสองอย่างนั้นไม่เหมือนกัน AI คือวิทยาศาสตร์เกี่ยวกับการฝึกฝนเครื่องจักรให้ทำงานเหมือนมนุษย์ คำนี้ถูกบัญญัติขึ้นในทศวรรษ 1950 ส่วนการเรียนรู้ของเครื่องเป็นส่วนย่อยของ AI ซึ่งเครื่องจักรเรียนรู้รูปแบบจากข้อมูลแทนที่จะถูกตั้งโปรแกรมอย่างชัดเจน
| แง่มุม | ปัญญาประดิษฐ์ | เครื่องเรียนรู้ |
|---|---|---|
| ขอบเขต | วิทยาศาสตร์แขนงกว้างๆ เกี่ยวกับการเลียนแบบสติปัญญาของมนุษย์ | ปัญญาประดิษฐ์สาขาย่อยที่มุ่งเน้นการเรียนรู้จากข้อมูล |
| เป้าหมาย | จำลองกระบวนการคิดและการตัดสินใจของมนุษย์ | ค้นหารูปแบบและทำการคาดการณ์ |
| เข้าใกล้ | กฎเกณฑ์ ตรรกะ และการเรียนรู้ผสานรวมกัน | การฝึกอบรมที่ขับเคลื่อนด้วยข้อมูลพร้อมตัวอย่าง |
| ตัวอย่าง | ระบบรถยนต์ขับเคลื่อนอัตโนมัติ | โมเดลการจดจำภาพที่อยู่ภายในนั้น |
คุณสามารถอ่านความแตกต่างระหว่างได้เช่นกัน การเรียนรู้เชิงลึก การเรียนรู้ของเครื่อง และปัญญาประดิษฐ์.
ปัญญาประดิษฐ์ (AI) ถูกนำไปใช้ที่ไหนบ้าง? ตัวอย่าง
ปัญญาประดิษฐ์ (AI) มีการประยุกต์ใช้ในวงกว้างในหลากหลายอุตสาหกรรม
- ลดงานที่ซ้ำซากจำเจ: ปัญญาประดิษฐ์สามารถทำงานซ้ำๆ ได้อย่างต่อเนื่องโดยไม่เหนื่อยล้า และไม่แสดงปฏิกิริยาใดๆ ต่องานที่ทำ
- การปรับปรุงผลิตภัณฑ์ที่มีอยู่: บริษัทต่างๆ นำ AI มาใช้เพื่อเพิ่มฟังก์ชันการทำงานของผลิตภัณฑ์ แทนที่จะสร้างขึ้นมาใหม่ทั้งหมด ตัวอย่างเช่น เมื่อก่อน Facebook ต้องติดแท็กรูปภาพด้วยตนเอง แต่ปัจจุบัน AI จะแนะนำเพื่อนที่ควรติดแท็กโดยอัตโนมัติ
ปัญญาประดิษฐ์ (AI) ถูกนำไปใช้ในทุกอุตสาหกรรม ตั้งแต่การตลาดและห่วงโซ่อุปทาน ไปจนถึงการเงินและการแปรรูปอาหาร จากผลสำรวจของ McKinsey พบว่า บริการทางการเงินและการสื่อสารเทคโนโลยีขั้นสูงเป็นผู้นำในการนำ AI มาใช้
เหตุใดปัญญาประดิษฐ์ (AI) จึงเฟื่องฟูในขณะนี้?
โครงข่ายประสาทเทียมมีมาตั้งแต่ทศวรรษ 1990 หลังจากบทความสำคัญของ Yann LeCun แต่เริ่มมีชื่อเสียงโด่งดังราวปี 2012 ปัจจัยสำคัญสามประการที่ขับเคลื่อนความเฟื่องฟูของ AI ในปัจจุบัน
ฮาร์ดแวร์
ในช่วงสองทศวรรษที่ผ่านมา พลังการประมวลผลของ CPU ได้เพิ่มขึ้นอย่างมหาศาล ทำให้ผู้ใช้สามารถฝึกฝนโมเดลการเรียนรู้เชิงลึกขนาดเล็กบนแล็ปท็อปได้ อย่างไรก็ตาม การประมวลผลภาพและโมเดลการเรียนรู้เชิงลึกขนาดใหญ่ต้องการพลังการประมวลผลที่มากกว่านั้น ด้วยการลงทุนจาก NVIDIA และ AMD หน่วยประมวลผลกราฟิก (GPU) รุ่นใหม่จึงช่วยให้สามารถประมวลผลแบบขนานได้ โดยกระจายงานไปยัง GPU หลายตัวเพื่อเพิ่มความเร็วในการคำนวณ ตัวอย่างเช่น NVIDIA TITAN X สามารถฝึกฝนโมเดล ImageNet ได้ในสองวัน เทียบกับหลายสัปดาห์บน CPU แบบดั้งเดิม และบริษัทขนาดใหญ่ใช้คลัสเตอร์ GPU เช่น NVIDIA Tesla K80 เพื่อลดต้นทุนศูนย์ข้อมูลและปรับปรุงประสิทธิภาพ
ข้อมูล
การเรียนรู้เชิงลึกคือโครงสร้างของแบบจำลอง และข้อมูลคือของเหลวที่ทำให้มันมีชีวิตชีวา หากปราศจากข้อมูล ก็ไม่สามารถทำอะไรได้เลย เทคโนโลยีการจัดเก็บข้อมูลสมัยใหม่ทำให้การจัดเก็บข้อมูลจำนวนมหาศาลในศูนย์ข้อมูลเป็นเรื่องง่าย และอินเทอร์เน็ตทำให้การรวบรวมและการเผยแพร่ข้อมูลเป็นไปได้เพื่อป้อนข้อมูลให้กับอัลกอริธึมการเรียนรู้ของเครื่อง
แอพที่ชอบ Flickr และ Instagram มีรูปภาพที่ติดแท็กไว้หลายล้านภาพ ซึ่งสามารถฝึกเครือข่ายประสาทเทียมให้จดจำวัตถุได้โดยไม่ต้องติดป้ายกำกับด้วยตนเอง ปัญญาประดิษฐ์ที่ผสานกับข้อมูลคือสิ่งล้ำค่าใหม่ บริษัทที่มีข้อมูลมากที่สุดย่อมได้เปรียบในการแข่งขัน โลกสร้างข้อมูลประมาณ 2.2 เอ็กซาไบต์ (2.2 พันล้านกิกะไบต์) ทุกวัน และแหล่งข้อมูลที่หลากหลายช่วยให้แบบจำลองค้นหารูปแบบและเรียนรู้ได้ในวงกว้าง
ขั้นตอนวิธี
ฮาร์ดแวร์มีประสิทธิภาพมากขึ้นกว่าเดิมและข้อมูลเข้าถึงได้ง่ายขึ้น แต่ด้วยอัลกอริทึมที่แม่นยำยิ่งขึ้นทำให้โครงข่ายประสาทเทียมมีความน่าเชื่อถือ โครงข่ายประสาทเทียมในยุคแรกเป็นเพียงการคูณเมทริกซ์อย่างง่ายโดยไม่มีคุณสมบัติทางสถิติที่ซับซ้อน แต่ตั้งแต่ปี 2010 เป็นต้นมา การค้นพบที่น่าทึ่งได้ปรับปรุงโครงข่ายประสาทเทียมให้ดียิ่งขึ้น ปัญญาประดิษฐ์ใช้อัลกอริทึมการเรียนรู้แบบก้าวหน้าซึ่งปล่อยให้ข้อมูลทำหน้าที่ในการเขียนโปรแกรม ดังนั้นคอมพิวเตอร์จึงสามารถเรียนรู้ด้วยตนเองเพื่อทำงานต่างๆ เช่น การตรวจจับความผิดปกติหรือการทำหน้าที่เป็นแชทบอท
