นิตยสาร สสวท. ฉบับที่ 244

14 นิตยสาร สสวท. อย่างหลากหลายและทำ�งานในสภาวะที่ซับซ้อนได้ดีกว่าและเร็วกว่าเซลล์ ประสาทเทียมในคอมพิวเตอร์เนื่องจากโครงสร้างที่สามารถทำ�งาน คู่ขนานกันอย่างหนาแน่น (Massively Parallel Structure) โครงข่ายประสาทเทียมนั้นมาจากการลอกเลียนแบบการทำ�งาน ของระบบประสาทของมนุษย์ จะจำ�ลองการทำ�งานเหมือนกลุ่มเซลล์ประสาท ที่เชื่อมโยงกัน สามารถรับรู้หลายๆ ด้านได้ในเวลาเดียวกัน ด้วยการประมวลผล แบบคู่ขนาน (Massively Parallel Structure) ทำ�ให้ระบบสามารถตัดสินใจ ได้ใกล้เคียงกับมนุษย์ สำ�หรับการเรียนรู้ของโครงข่ายประสาทเทียม สามารถแบ่งเป็น 2 รูปแบบคือ การเรียนรู้แบบมีผู้สอน (Supervised Learning) การเรียนรู้แบบนี้นอกจากจะมีข้อมูลนำ�เข้าแล้วยังจำ�เป็นต้องมีฐานข้อมูล (Training Data) และข้อมูลเฉลย (Target Data) เพื่อให้โครงข่ายประสาทเทียม เรียนรู้โดยการปรับค่าถ่วงน้ำ�หนัก (Bias) ก่อนนำ�ไปหาคำ�ตอบ ส่วนรูปแบบ ที่สองเป็นการเรียนรู้แบบไม่มีผู้สอน (Unsupervised Learning) รูปแบบนี้ มีเพียงข้อมูลนำ�เข้าโดยไม่จำ�เป็นต้องมีฐานข้อมูล (Training Data) และ ข้อมูลเฉลย (Target Data) วิธีนี้จะมุ่งเน้นแบ่งกลุ่มของชุดข้อมูล ข้อมูล นำ�เข้าที่ให้ผลลัพธ์ที่คล้ายๆ กันจะถูกจัดเข้ากลุ่มเดียวกัน บางครั้งจึงเรียกว่า เป็นวิธีการจัดกลุ่มจัดหมวดหมู่ (Cluster) 4.1 การเรียนรู้แบบมีผู้สอน (Supervised Learning) การเรียนรู้แบบมีผู้สอนนั้น สมมติว่าถ้าจะสอนให้เด็กรู้จักจักรยาน เราอาจจะชี้ไปที่จักรยานให้เด็กดูแล้วบอกว่านี่เรียกว่าจักรยาน เมื่อเด็กเห็น จักรยานแบบต่างๆ หลายๆ ครั้ง เด็กก็จะจำ�ได้ว่าสิ่งของลักษณะนี้เรียกว่า จักรยาน ทำ�นองเดียวกันถ้าเราจะสอนให้คอมพิวเตอร์รู้จักของเล่นแบบต่างๆ เราอาจจะป้อนรูปสิ่งของต่างๆ เข้าคอมพิวเตอร์พร้อมบอกกำ�กับไปด้วย เช่น นี่คือจักรยาน นี่คือพัดลม จนโครงข่ายประสาทเทียมในคอมพิวเตอร์ สามารถจดจำ�ลักษณะที่คล้ายๆ กันและประเภทเดียวกันได้ เมื่อได้เห็น จักรยานคันใหม่ที่มีแบบต่างไปจากที่เคยเห็นก็ยังสามารถบอกได้ว่านี่คือ จักรยาน การเก็บรูปภาพฐานข้อมูลและการเก็บผลเฉลยนั้นเป็นสิ่งสำ�คัญ ถ้าเราเก็บให้เด็กผิด เด็กคนนั้นก็จะตอบผิดเช่นกัน 4.2. การเรียนรู้แบบไม่มีผู้สอน (Unsupervised Learning) การเรียนรู้แบบไม่มีผู้สอนหรือไม่มีผลเฉลยนั้น สมมติว่าเราจะให้เด็ก เรียนรู้เกี่ยวกับสิ่งของแบบต่างๆ ด้วยตัวเอง เราก็อาจเอาสิ่งของมากอง รวมกันแล้วให้เด็กลองเล่น หลังจากนั้นให้เด็กเก็บของเล่นโดยแยกออกเป็น กล่องๆ และเก็บของเล่นแบบเดียวกันเข้ากล่องเดียวกัน สำ�หรับวิธีนี้ถ้ามี สิ่งของมากพอเด็กจะรู้จักแยกสิ่งของประเภทต่างๆ ได้เอง เช่นเดียวกันถ้าเรา จะสอนให้คอมพิวเตอร์รู้จักสิ่งของแบบต่างๆ เราอาจจะป้อนวีดิทัศน์สิ่งของ ต่างๆ เข้าคอมพิวเตอร์โดยไม่บอกรายละเอียด โครงข่ายประสาทเทียม ก็จะแยกประเภทสิ่งของเองและทำ�ความเข้าใจว่าสิ่งของแต่ละประเภท มีลักษณะเหมือนหรือต่างกันอย่างไร 5. การทำ�งานของโครงข่ายประสาทเทียม การทำ�งานของโครงข่ายประสาทเทียม ข้อมูลเข้าถูกป้อนเข้าสู่ ระบบชั้นของข้อมูลเข้า ผ่านระดับชั้นซ่อน จนถึงระดับชั้นข้อมูลออก โดย ค่าเริ่มต้น Connection Weights ทั้งหมดจะถูกสุ่มค่าขึ้นมา (Random) และทำ�การป้อนข้อมูลเข้าสู่นิวรอนเน็ตเวิร์กด้วย จากนั้นนิวรอนเน็ตเวิร์ก จะคำ�นวณค่าของผลลัพธ์จริงที่ได้ออกมาเปรียบเทียบกับผลลัพธ์ที่อยู่ใน ฐานข้อมูลเพื่อต้องการหาค่าความผิดพลาด ค่าความผิดพลาดที่ได้จะถูก นำ�ไปใช้ในการปรับค่าน้ำ�หนัก กระบวนการเรียนรู้หรือปรับค่าน้ำ�หนักจะมี การทำ�งานไปเรื่อยๆ จนกว่าจะได้ค่าน้ำ�หนักที่ทำ�ให้เกิดค่าความผิดพลาด ที่น้อยที่สุดของชุดตัวอย่าง ซึ่งกระบวนการเรียนรู้นั้นจะสิ้นสุดลงเมื่อค่า ความผิดพลาดที่เกิดขึ้นอยู่ในระดับที่ยอมรับได้ ระดับที่ยอมรับเรียกว่าอัตรา การเรียนรู้ (Learning Rate) 6. โครงสร้างของโครงข่ายประสาทเทียม ในขั้นตอนแรกก่อนการเอาข้อมูลเข้าเราต้องทำ�การปรับข้อมูลให้ อยู่ในพิกัดเดียวกัน (Normalization) ก่อน เนื่องจากข้อมูลที่ได้รับมาอาจ มีการกระจายตัวของข้อมูลสูงทำ�ให้การเรียนรู้ในโครงข่ายประสาทเทียม ทำ�ได้ยาก ซึ่งการปรับข้อมูลให้อยู่ในพิกัดเดียวกัน (Normalization) เป็นการปรับลดค่าของข้อมูลให้อยู่ในพิกัดเดียวกันโดยปกติจะปรับให้ อยู่ในช่วง 0 ถึง 1 ทำ�ให้ง่ายต่อการเรียนรู้โครงข่ายประสาทเทียม ในโลกของมนุษย์ก็เช่นกันเราต้องเรียนหนังสือในระดับชั้นต่างๆ เพื่อ ให้สมองของเราปรับข้อมูลให้อยู่ในพิกัดเดียวกัน (Normalization) และ ทำ�การจัดเรียงข้อมูลก่อนที่เราจะออกไปทำ�งาน เพื่อให้คุยกับคนที่ทำ�งาน ในทิศทางที่คล้ายกัน ภาพ 3 ส่วนประกอบของโครงข่ายประสาทเทียม จากภาพ 3 จะเห็นว่าส่วนประกอบของโครงข่ายประสาทเทียม ประกอบด้วย 3 ส่วน ดังนี้ 1. ชั้นข้อมูลเข้า (Input Layer) ชั้นนี้จะเป็นข้อมูลเข้าโดยจำ�นวน ของโหนดในชั้นนี้ขึ้นอยู่กับจำ�นวนของข้อมูลเข้าว่ามีข้อมูลอะไรบ้างที่จะ นำ�เข้ามาคิดในแบบจำ�ลอง เช่น ถ้าเราจะจำ�ใบหน้าของคนๆ หนึ่งเราต้องมี คุณลักษณะเด่นไว้คอยสังเกต อาทิ หูเป็นแบบไหน ตาเป็นยังไง จมูกเป็น แบบไหน และปากเป็นแบบไหน รวมทั้งสิ้น 4 ลักษณะ ดังนั้น ชั้นข้อมูล เข้าก็จะมี 4 โหนด ซึ่งอาจจะเรียกปัจจัยที่นำ�มาวิเคราะห์เหล่านี้ว่า