คุณเคยสงสัยไหมว่า
- Netflix รู้ได้อย่างไรว่าเราควรจะดูรายการอะไรต่อ?
- Facebook แยกใบหน้าในรูปของเราได้อย่างไร?
- อะไรที่ทำให้รถยนต์ไร้คนขับ สามารถเกิดขึ้นได้จริง?
- หรือแม้กระทั่ง พนักงานบริการลูกค้ารู้ได้อย่างไรว่าคุณจะพึงพอใจในบริการของพวกเขาหรือไม่ ก่อนที่คุณจะทันได้ตอบแบบสอบถามเสียอีก
คำตอบของคอนเซปต์ที่นำไปสู่นวัตกรรมเหล่านี้ ก็คือ “Machine Learning”
Machine Learning คืออะไร?
ก่อนอื่น มาดูคำจำกัดความของ Machine Learning กัน :
Machine Learning คือ การทำให้ระบบคอมพิวเตอร์สามารถประมวลผล คาดการณ์ ตัดสินปัญหาต่างๆ ด้วยตนเองผ่านการเรียนรู้ชุดข้อมูลที่ป้อนเข้าไป
ตัวอย่างเกี่ยวกับอัลกิริทึมของ Machine Learning ที่พบเห็นได้ในชีวิตประจำวัน ก็คือแพลตฟอร์มสตรีมเพลงต่างๆ ที่มักจะแนะนำเพลงใหม่ๆ หรือศิลปินให้กับผู้ใช้ โดยอัลกอรึทึมของ Machine Learning จะทำการวิเคราะห์จากข้อมูลเพลงหรือศิลปินที่ผู้ใช้ชื่นชอบ เทียบกับผู้ฟังอื่นที่มีแนวโน้มการฟังเพลงแบบเดียวกัน หลายธุรกิจที่มีระบบแนะนำมักจะใช้เทคนิคนี้เช่นเดียวกัน
ปัจจุบันมีการนำ Machine Learning เข้ามาใช้ในงานที่เป็น ‘ระบบอัตโนมัติ’ มากมายแทบทุกวงการ ไม่ว่าจะเป็นบริษัทด้านการรักษาความปลอดภัยที่ใช้ Machine Learning เข้าช่วยในการกวาดล้างมัลแวร์ ตลอดจนผู้เชี่ยวชาญด้านการเงินที่ต้องการการแจ้งเตือนหุ้นตัวโปรด อัลกอริทึมของเอไอจะถูกโปรแกรมให้เรียนรู้ในแบบที่คล้ายกับผู้ช่วยส่วนตัวบนโลกเสมือน ซึ่งเป็นอะไรที่ Machine Learning สามารถทำได้ดีเลยทีเดียว
Machine Learning มักมาควบคู่กับระบบและการ Coding ที่สลับซับซ้อน ที่ในท้ายที่สุดแล้วทำหน้าที่ไม่แตกต่างจากกลไกของไฟฉาย รถยนตร์ หรือจอคอมพิวเตอร์ ดังนั้นเมื่อกล่าวถึง “Machine Learning” ความหมายของมันก็คือบางอย่างที่แสดงผลการทำงานเดียวกับข้อมูลที่ถูกป้อน และให้ผลลัพธ์ที่ดีขึ้นเรื่อยๆ เมื่อเวลาผ่านไป เหมือนกับคุณมีไฟฉายที่มักเปิดเองอัตโนมัติเมื่อคุณพูดประมาณว่า “ที่นี่มืดจังเลยนะ” ต่อให้คุณไม่ได้พูดประโยคเดียวกันนี้ ไฟฉายนั้นก็จะยังคงเปิดเองต่อให้คุณพูดประโยคอื่นที่ขอแค่มีคำว่า “มืด”
แล้ว Deep Learning คืออะไร?
ในแง่การปฏิบัติแล้ว จะกล่าวว่า Deep Learning เป็นซับเซตของ Machine Learning ก็คงไม่ผิดนัก ในความเป็นจริงเทคนิคของ Deep Learning ไม่แตกต่างจาก Machine Learning และยังมีฟังก์ชันการทำงานที่คล้ายคลึงกัน หากแต่ว่า ขีดความสามารถจะแตกต่างกันเสียหน่อย
โมเดลของ Machine Learning ทั่วไปจะประมวลผลได้ดีขึ้นเรื่อยๆ ไม่ว่าจะมีฟังก์ชันอย่างไร ท้ายสุดแล้วก็ยังต้องอาศัยการแนะนำเข้าช่วย หากว่าอัลกอริทึมของเอไอให้ผลลัพธ์ที่คาดการณ์ได้ว่าไม่แม่นยำ ผู้ดูแลระบบจะรับหน้าที่ปรับแก้ไขตรงส่วนนั้นๆ แตกต่างจากโมเดิลของ Deep Learning ที่อัลกิรึทึมจะสามารถตัดสินใจได้ด้วยตนเองว่าการคาดการณ์นั้นมีความแม่นยำหรือไม่ผ่าน Neural Network
ย้อนกลับมาที่ตัวอย่างไฟฉาย ไฟฉายถูกตั้งโปรแกรมให้เปิดทุกครั้งที่ระบบได้ยินเสียงใครสักคนพูดคำว่า “มืด” เมื่อเวลาผ่านไประบบมีการเรียนรู้มากขึ้นเรื่อยๆ ไฟฉายจะเปิดเองได้ทุกครั้งที่มีการพูดสั่งการแบบไหนก็ตามที่ขอแค่มีคำๆ นั้น หากไฟฉายมีฟังก์ชันโมเดลของ Deep Learning ไฟฉายก็จะสามารถประมวลผลในประโยคอื่นๆ ที่ไม่มีคำคีย์เวิร์ดแต่ให้เนื้อความที่ใกล้เคียงกันอย่าง “มองไม่เห็นเลย” หรือ “ไฟดับ” บางทีอาจจะเป็นประโยคสักอย่างที่เกี่ยวกับเซนเซอร์วัดแสง โมเดลของ Deep Learning จะสามารถเรียนรู้ด้วยตนเองผ่านการ Computing เทคนิคที่ราวกับว่ามีสมองเป็นของตัวเอง
สรุปความแตกต่าง Machine Learning กับ Deep Learning
- Machine Learning ใช้อัลกอริทึมที่ประมวลผลจากข้อมูล เรียนรู้จากข้อมูลและนำไปสู่การตัดสินใจที่มีพื้นฐานมาจากข้อมูลที่ป้อนเข้าไป
- โครงสร้างอัลกอริทึมของ Deep Learning จะสร้าง “Artificial Neural Network” ที่สามารถเรียนรู้และตัดสินใจอย่างชาญฉลาดด้วยตนเองได้
- Deep Learning เป็นอีกแขนงที่แตกย่อยมาจาก Machine Learning ซึ่งทั้งสองคำนี้ก็เป็นส่วนย่อยที่แตกแขนงมาจาก Artificial Intelligence (ปัญญาประดิษฐ์) อีกที Deep Learning ใกล้เคียงกับปัญญาประดิษฐ์ที่คล้ายคลึงกับมนุษย์มากที่สุด
Machine Learning กับ Deep Learning ในแง่ของการบริการลูกค้า
ทุกวันนี้มีการนำอัลกอรึทึมของ Machine Learning เข้ามาช่วยในการทำ Customer Service มากมาย ไม่ว่าจะเป็นระบบ Self-Service, การเพิ่มพูนประสิทธิภาพของพนักงาน และการทำให้ระบบมีความน่าเชื่อถือมากยิ่งขึ้น
ชุดข้อมูลที่นำมาสู่อัลกอริทึมเหล่านี้มาจากการประมวลผลข้อมูลคำร้องต่างๆ ของลูกค้า ซึ่งรวมถึงปัญหาที่ลูกค้ากำลังเผชิญอยู่ บริบทเหล่านั้นจะถูกรวบรวมเพื่อประสานกับการทำงานของเครื่องมือเอไอ ทำให้ได้ผลลัพธ์การคาดการณ์ที่รวดเร็วและแม่นยำมากขึ้น เครื่องมือเอไอจึงเป็นโอกาสสำคัญน่าตื่นตาตื่นใจสำหรับธุรกิจในหลายๆ วงการ โดยวงการที่คาดคะเนว่าข้องเกี่ยวกับการใช้งานเอไอมากที่สุด ก็คือ Customer Service หรือฝ่ายบริการลูกค้า
ยิ่ง Deep Learning ให้ผลลัพธ์ที่ละเอียดมากขึ้นได้เท่าไหร่ เราก็จะเห็นการนำเครื่องมือทันสมัยอย่างปัญญาประดิษฐ์มาใช้ในการบริการลูกค้ามากยิ่งขึ้นไปอีก หนึ่งในตัวอย่างนั้นก็คือ Answer Bot ของ Zendesk ที่ใช้โมเดลของ Deep Learning ในการทำความเข้าใจบริบทต่างๆ ใน Tickets และเรียนรู้ว่าบทความไหนที่เหมาะสมที่สุดที่จะใช้ในการแนะนำลูกค้า
- สอบถามรายละเอียดเพิ่มเติม ราคา Zendesk พร้อมโปรโมชันพิเศษ โทร. 02-030-0066
- 096-804-5482 (คุณยิ่ว), 097-187-7302 (คุณเล็ก), 092-262-0475 (คุณตอง)
- support@dmit.co.th
Official LINE
