Machine Learning 101

เสียงเกากีต้าร์แผ่วเบาดังขึ้นจากวิทยุที่เชื่อมกับอินเทอร์เน็ต บทเพลง “All is Well” ของศิลปิน “Austin Basham” ถูกเลือกโดยแอพพลิเคชั่น Spotify ให้เป็นเสียงนาฬิกาปลุกสำหรับการเริ่มต้นของเช้าวันใหม่ ผมไม่เคยรู้จักศิลปินคนนี้มาก่อน แต่ดนตรีแนว Acoustic มีกีต้าร์โปร่งเป็นเครื่องดนตรีหลัก เสียงทุ้มๆของเขาก็ฟังแล้วรู้สึกอบอุ่นดี แบบนี้เป็นประเภทที่ผมชอบอยู่แล้ว Spotify ช่างเลือกเพลงที่ถูกจริตจริงๆเช้าวันนี้ ซึ่งจะว่าไปแล้ว Spotify รู้จักรสนิยมทางดนตรีของผมดีพอสมควรเลยทีเดียว เพราะเท่าที่ผ่านมา จากฐานข้อมูลขนาดใหญ่ถึง 30 ล้านเพลง ทำไม Spotify ถึงมีความสามารถคัดเอาเพลงสำหรับหูของผมโดยเฉพาะมาให้ฟังได้ล่ะ?

นี้แหละครับสิ่งที่เรียกว่า “Machine Learning” หรือสั้นๆว่า “Learners”

หยิบมือถือขึ้นมาเปิด Facebook เพื่อเช็ก News Feed ซึ่งพักหลังมานี้ผมชอบเข้าไปอ่านข่าวของ The Matter และ The Momentum อยู่บ่อยๆ โพสต์ของทั้งสองสำนักข่าวออนไลน์โผล่ขึ้นมาอยู่ด้านบน ตามติดมาด้วยโฆษณาขายปากกาของ “Everyman” ที่ผมเพิ่งเข้าไปดูเมื่อสองสามวันก่อนแต่ไม่ได้ตัดสินใจซื้อ ด้านขวามือคือหนังสือแนะนำจาก Amazon ที่เกี่ยวข้องกับ e-book ที่ผมเพิ่งอ่านจบไป เลื่อนลงมาอีกนิดหน่อยเป็นตัวอย่างซีรี่ย์ของ Netflix ที่กำลังเปิดตัวและดูน่าสนใจ ทุกอย่างบนหน้านี้คล้ายกับว่าถูกคัดเลือกและตัดแต่งเอาไว้สำหรับผมโดยเฉพาะเลยทีเดียว

นี้ก็ “Machine Learning” เช่นเดียวกัน

พออาบน้ำแต่งตัวเสร็จเรียบร้อย หยิบมือถือขึ้นมาเปิดอ่านอีเมลที่มีผู้สนับสนุนอย่าง Google ที่คอยป้องกัน Spam และบริการจัดอีเมลให้อยู่ในโฟลเดอร์อย่างเรียบร้อย อันไหนสำคัญ ควรอ่านและตอบก่อน อันไหนเอาไว้ทีหลังได้ ไว้ตอนมีเวลาว่างๆ ต่อจากนั้นก็มีการแจ้งเตือนจากแอพพลิเคชั่นช่วยจำให้เอาร่มออกจากบ้านด้วยเพราะวันนี้มีโอกาสฝนตกถึง 70% แล้วตอนเย็นอย่าลืมซื้อผักมาทำน้ำซุปให้ลูกด้วย เกือบลืมไปแล้วเชียว

“Machine Learning” กำลังทำงานอย่างหนัก

นั่งลงที่โต๊ะทำงาน มี notification แจ้งเตือนมาว่าวันนี้ต้องทำอะไรบ้าง มีนัดคุยงานกับใครกี่โมงบ้าง ส่วนนัดงานช่วงบ่ายอาจจะต้องเลื่อนออกไปเพราะมีอีเมลแจ้งมาว่าเขารู้สึกไม่ค่อยสบายและขอเลื่อนไปก่อน ผมเปิดอีเมลอ่านแล้วนัดวันกันใหม่เรียบร้อย Spotify แจ้งเตือนมาว่ามีเพลงใหม่จาก Charlie Puth ที่เพิ่งเปิดตัว ถามว่าอยากให้สร้าง playlist ใหม่ให้เลยไหม? ผมกดโอเค Spotify ถามต่อว่าจะให้เล่นจากที่ไหน มือถือหรือว่าคอมพิวเตอร์ตั้งโต๊ะ (ตอนนี้อุปกรณ์ทั้งสองชิ้นออนไลน์อยู่บน network เดียวกัน) ผมกดเลือกคอมพิวเตอร์ เพลง “Attention” ก็ดังขึ้นจากลำโพงที่ตั้งอยู่บนโต๊ะทำงาน เพราะดีนะ แล้วผมก็เขียนหนังสือต่อไป

“Machine Learning” ยังไม่หายไปไหน

หลังจากนั่งทำงานมาได้สักพัก คอมพิวเตอร์แจ้งเตือนว่าให้พักสายตาจากหน้าจอ ลุกจากเก้าอี้ยืดเส้นยืดสายบ้าง ผมหลับตาแล้วลุกขึ้นบิดตัวไปมาเบาๆก่อนเดินไปเข้าห้องน้ำ ระหว่างนั้นแอพพลิเคชั่นเกี่ยวกับสุขภาพร่างกายก็แจ้งเตือนมาว่าวันนี้ร่างกายไม่ค่อย active เท่าที่ควร ครึ่งวันมาแล้วยังเดินไม่ถึงสามพันก้าว พร้อมข้อความ “Keep Going! You are on your way!” ให้หัวใจฮึกเหิมเล็กน้อย พร้อมกับทิปต่างๆนานาเกี่ยวกับอาหารที่ควรกิน และร่างกายผมต้องการผักและน้ำมากกว่านี้ ส่วนคืนนี้ให้นอนมากขึ้นอีกอย่างน้อย 30 นาที

เดาได้ใช่ไหมครับ? “Machine Learning” อีกนั้นแหละ

ระหว่างวันมีพัสดุจากร้านหนังสือ Readery ที่ถูกคัดแยกรหัสไปรษณีย์ด้วยคอมพิวเตอร์ ผมเปิดดูเป็นหนังสือ “Stuff Matters” ที่สั่งจองไว้หลายวันก่อน หยิบมาพลิกอ่านดูแล้วรู้สึกว่าอยากอ่านเล่มภาษาอังกฤษด้วย หยิบ Kindle ขึ้นมาเปิดแล้ว search หาหนังสือเล่มนี้ กดสั่งซื้อ ตัดบัตรเครดิตเรียบร้อย ตรงหน้า “ขอบคุณ” ก็มีหนังสือที่ถูกเอามานำเสนอเป็น Recommended Books อย่าง “The Rational Optimist” ว่าคนที่อ่าน “Stuff Matters” ก็น่าจะสนใจเล่มนี้ด้วยนะ กดเข้าไปอ่านเรื่องย่อและรีวิว “อืมมมม น่าสนใจนะ” กดซื้อไปอีกเล่ม ช่วงหลังมา Amazon แนะนำแต่หนังสือที่น่าสนใจทั้งนั้น

ถ้ามีการมีการมอบรางวัลพนักงานขายดีเด่นของ Amazon “Machine Learning” ก็คงได้รับรางวัลนี้อย่างไม่ต้องสงสัย

ก่อนกลับบ้านมีข้อความแจ้งเตือนจากเซนเซอร์ในห้องนอนเข้ามาในมือถือบอกว่า “ตอนนี้มีคนเข้ามาในห้องที่บ้าน” ซึ่งเวลานี้ก็คงเป็นใครไม่ได้นอกจากแม่บ้านทำความสะอาด ผมกดปิดไปโดยไม่ได้ใส่ใจอะไรมากนัก ตอนนั้น Netflix ก็แจ้งเตือนเข้ามาว่าเย็นนี้มีตอนใหม่ของ “Amarican Gods” ผมกดเข้าไปดูแล้วโหลดเก็บไว้บนมือถือสำหรับดูช่วงที่ล้างขวดนมให้ลูกคืนนี้ เสร็จเรียบร้อยเดินออกมาจากที่ทำงาน ฝนข้างนอกที่ตั้งเค้ามาตั้งแต่เช้าเริ่มปรอยลงมา ผมหยิบร่มที่เตรียมมาเมื่อเช้าจากกระเป๋าขึ้นมากาง เดินกลับไปที่รถเพื่อขับกลับบ้าน ระหว่างนั้นก็เช็ก Instagram ที่เต็มไปด้วยรูปของเพื่อนที่กำลังเดินทางอยู่ต่างประเทศ ส่วน Twitter ก็มีคำคมบาดใจจากเพจต่างๆที่ตามอยู่ยาวเป็นพรืด อ่านยังไงก็ไม่มีทางจบ กดหัวใจชอบไปสองสามอัน

“Machine Learning” อยู่รอบๆตัวเรานี้แหละ ตั้งแต่เช้ายันเข้านอน (ขนาดตอนหลับมันก็ยังอยู่ข้างๆเรานะ) มันค่อยๆพัฒนาตัวเองเรื่อยๆจากข้อมูลที่เราป้อนให้อย่างสม่ำเสมอ คำถามที่หลายคนมีคือ “กูไปป้อนข้อมูลให้มันตอนไหนวะ?” ก็ตอนที่คุณกดไลค์โพสต์ของเพื่อนบางคน ไปกดติดตามเพจต่างๆ ไปเล่นเกมส์สนุกๆ เปิดยูทูปดูคลิปสนุกๆ ฟังเพลงจาก spotify ซ้ำแล้วซ้ำอีก กดหัวใจให้กับ tweet บางอัน คอมเม้นท์ให้ภาพบน ig ค้นหาบน google คลิ๊กลิ้งค์ต่างๆ ไปดูสินค้าบนร้านค้าออนไลน์ ใส่ข้อมูลอาหารที่เรากินในแอพพลิเคชั่นสุขภาพ เลือกหนัง/ซีรี่ย์บน Netflix ซื้อหนังสือบน Amazon รีวิวที่เขียน rating บน Goodreads

สิ่งเหล่านี้แหละครับคือข้อมูล “ของเรา” ที่ป้อนให้กับ Machine Learning ที่อยู่เบื้องหลังของเทคโนโลยีล้ำหน้าต่างๆที่อำนวยความสะดวกให้เราในชีวิตประจำวัน ผู้ใช้แต่ละคนก็มีก้อนข้อมูลที่แตกต่างกัน เล็กใหญ่ไม่เท่ากัน แต่ยิ่งเราให้ข้อมูลมากเท่าไหร่ เรายิ่งเห็นว่า technology bubble ที่เราอาศัยอยู่นั้นช่างสะดวกสบายและมีแต่เรื่องที่น่าสนใจต่อเราทั้งนั้น ใช่สิครับ….มันถูกสร้างขึ้นมาเพื่อตอบสนองความต้องการ/ความชอบ/รสนิยมของเรายังไงล่ะ

“Machine Learning” (Learners) คือสาขาย่อยของ AI (Artificial Intelligence) เป็นคล้ายกับยาโด๊ปที่ทำให้ AI นั้นพัฒนาขึ้นอย่างรวดเร็วในช่วงทศวรรษที่ผ่านมา เพราะก่อนที่ Learners จะถูกคิดค้นขึ้นมา AI แต่ละชิ้นต้องถูกโปรแกรมอย่างเป็นขั้นเป็นตอน (เรียกว่า Algorithm) โดยโปรแกรมเมอร์ให้ทำงานชิ้นใดชิ้นหนึ่งซ้ำๆตั้งแต่วินาทีแรกจนวินาทีสุดท้ายของอายุขัยของมัน เช่นหุ่นยนต์ตัวหนึ่งถูกโปรแกรมให้หยิบแก้วจากจุด A ไปยังจุด B ก็จะทำซ้ำๆแบบนั้นเรื่อยๆ โดยไม่มีการเรียนรู้อะไรใหม่ๆระหว่างนั้นเลย เพราะฉะนั้นงานทั้งหมดตกอยู่กับโปรแกรมเมอร์ที่ต้องคิดค้น Algorithms เพื่อโปรแกรมให้ AI ทำงานได้อย่างถูกต้อง ปัญหาอยู่ตรงนี้แหละ เพราะโปรแกรมเมอร์นั้นมีพลังงานจำกัด (ถึงจะเป็นสิ่งมีชีวิตที่ทำงานหนักมากขนาดไหนก็ตาม) ต้องนอนหลับพักผ่อน ต้องกินข้าว และบางครั้งสมองก็หยุดทำงานเอาดื้อๆและคิดหาทางออกไม่ได้ สรุปคำเดียวว่า โปรแกรมเมอร์ก็คือมนุษย์คนหนึ่ง และความเป็นมนุษย์นี้แหละที่เป็นสมอถ่วงทำให้การพัฒนาเทคโนโลยี AI ก้าวหน้าไปอย่างเชื่องช้า

ทำให้เป็นภาพชัดเจนยิ่งขึ้นแบบนี้ครับ

AI + คำสั่ง (Algorithms) = คำตอบ/สิ่งที่เราต้องการ

แต่จะเกิดอะไรขึ้น ถ้าเราบอก AI (ที่เป็น Learners) ว่าเราต้องการให้มันทำอะไร แล้ว….มันก็ไปคิดคำสั่ง Algorithms ของตัวเอง และสามารถแชร์ความรู้นั้นๆไว้บน cloud เพื่อให้ Learners ตัวอื่นๆสามารถโหลดไปพัฒนาตัวเองได้แบบไม่มีจำกัด

Learners ทำงานแบบนี้ครับ

AI + คำตอบ/สิ่งที่เราต้องการ (พร้อมแหล่งข้อมูล) = คำสั่ง (Algorithms)

นี้แหละครับ “Machine Learning” หรือ “Learners” ที่เป็นเทคโนโลยีเบื้องหลังผู้นำทางธุรกิจทั้งหลายบนโลกใบนี้ทั้ง Google, Microsoft, Facebook, Amazon, Netflix, Walmart, Target, Spotify และอีกต่างๆมากมายที่กำลังพัฒนา Leaners เป็นของตัวเอง

ต่อไปจุดติดขัด (bottleneck) ของการพัฒนา AI จะไม่ใช่โปรแกรมเมอร์อีกต่อไป แต่จะเป็นข้อมูลที่ถูกต้องเพื่อให้ Learners นั้นพัฒนาตัวเองไปในทางที่คุณต้องการเพียงเท่านั้น

น่าตื่นเต้นใช่ไหมครับ? ผมก็คิดแบบนั้น นี้เป็นเพียงจุดเริ่มต้นของซีรี่ย์งานเขียนชิ้นนี้ที่ผมอยากเสนอให้ผู้อ่านที่มีความสนใจเกี่ยวกับ Machine Learning ไม่ว่าจะเป็นนักอ่านที่เพียงใคร่รู้ เป็นนักธุรกิจที่อยากพัฒนาธุรกิจของตนเองเพื่อดึงเม็ดเงินในอนาคต เป็นคนในแวดวงเทคโนโลยีที่สนใจ หรือเพียงแค่อยากรู้ว่าทำไม Facebook ถึงรู้ว่าเราอยากเห็นโพสต์ของใครก่อนหลังบ้าง

ติดตามตอนต่อไปครับ 🙂

Leave a Reply

Your email address will not be published. Required fields are marked *