AI For Everyone – วิชาน่าเรียนจาก Coursera

MOOC Coursera มีวิชาที่ชื่อว่า  AI for Everyone มีผู้เรียนมากกว่า 3.5 แสนคนจากทั่วโลก สอนโดย Andrew Ng – Adjunct Professor ของ Stanford University หลายคนคงจำได้ว่าท่านเป็นหนึ่งในผู้ร่วมก่อตั้ง Coursera โดยนำวิชา  Machine Learning ที่สอน มาใช้เป็นต้นแบบในการสร้าง MOOC บนระบบ Coursera และ

วิชา AI for Everyone นี้ เหมาะสำหรับผู้ที่ไม่ได้มีความรู้ในเรื่องวิศกรรมศาสตร์ แต่ต้องการทำความเข้าใจว่าเทคโนโลยี AI คืออะไร  คำศัพท์คำว่า AI, Neural Network, Machine Learning, Deep Learning, Data Science มีความหมายต่างกันอย่างไร AI สามารถนำมาประยุกต์ใช้กับองค์กรและธุรกิจของเราได้อย่างไร  AI มีผลกระทบอย่างไรต่อจริยธรรมและสังคม และแน่นอนว่า ไม่มีอุตสาหกรรมใดที่จะไม่ถูก AI สร้างผลกระทบอย่างมากในหลายปีข้างหน้า อาจารย์สอนสนุกและง่ายต่อการเรียนมาก เนื้อหาในบทเรียนพอสรุปได้ดังนี้ค่ะ

What is AI?

AI ประกอบด้วยความคิดสองอย่างที่แยกกัน ความก้าวหน้าทาง AI เกือบทั้งหมดที่เราเห็น ในวันนี้คือ Artificial Narrow Intelligence (ANI) ซึ่งเป็น AI ที่ทำงานอย่างใดอย่างหนึ่ง เช่น ลำโพงอัจฉริยะ รถยนต์ที่ขับได้ด้วยตัวเอง AI ในการค้นเว็บ หรือ AI ในโรงงาน เป็นต้น แต่ AI ยังอาจหมายถึง Artificial General Intelligence (AGI) ซึ่งเป็นเป้าหมายในการสร้าง AI ที่สามารถทำอะไรก็ได้เท่าที่มนุษย์ทำได้หรืออาจจะเป็น Superintelligences ที่ทำได้มากยิ่งกว่ามนุษย์

ตัวอย่างเช่น

Screen Shot 2563-05-20 at 05.49.51

DATA

ข้อมูล หรือชุดข้อมูล

การสังเกตพฤติกรรมผู้ใช้ หรือประเภทของพฤติกรรม สังเกตว่าลูกค้าซื้อสินค้าออนไลน์หรือเปล่า จากพฤติกรรมในการซื้อหรือไม่ซื้อสินค้า

CEO ของบริษัทใหญ่ๆ มักบอกว่า “ให้เวลาผมสร้างทีม IT สักสามปี เรากำลังเก็บข้อมูลเยอะมาก หลังจากสามปีเราจะมีชุดข้อมูลที่สมบูรณ์แบบ แล้วเราจะได้เริ่มทำ AI กัน” วิธีนี้เป็นกลยุทธ์ที่แย่มาก แท้จริงสิ่งที่ควรทำคือ เมื่อไหร่ก็ตามที่เราเริ่มเก็บข้อมูล ควรเอาข้อมูลพวกนั้นมาแสดงหรือส่งต่อให้กับทีม AI เลย เพราะบ่อยครั้งที่ทีม AI สามารถให้ข้อเสนอแนะในการทำงานให้แก่ทีม IT ว่า ข้อมูลแบบไหนที่ต้องรวบรวม โครงสร้างพื้นฐานของ IT แบบไหนที่ต้องสร้างขึ้น พยายามเก็บข้อเสนอแนะจากทีม AI ตั้งแต่เนิ่น ๆ เพราะมันสามารถช่วยคุณ พัฒนาโครงสร้างพื้นฐาน IT ได้ดีขึ้น

การใช้ข้อมูลในทางที่ผิดอย่างที่สอง คือ CEO บางคน อ่านจากข่าวต่างๆ ว่าข้อมูลนั้นมีความสำคัญ แล้วก็พูดว่า “เฮ้! ผมมีข้อมูลเพียบเลย ผมมั่นใจว่าทีม AI จะทำประโยชน์จากมันได้” น่าเศร้าที่มันไม่ได้เป็นแบบนั้นเสมอไป ปกติแล้ว มีข้อมูลเยอะ ย่อมดีกว่ามีข้อมูลน้อย แต่ไม่ใช่เพียงเพราะมีข้อมูล หลาย terabytes แล้วทีม AI จะสามารถทำประโยชน์จากมันได้ อย่าเพียงแต่โยนข้อมูลให้กับทีม AI และสันนิษฐานเองว่ามันมีประโยชน์

สุดท้าย คงเคยได้ยินประโยคที่ว่า เอาขยะเข้าไป ได้ขยะออกมา (Gabage in, Gabage out) ถ้ามีข้อมูลที่ไม่ดี AI ก็จะเรียนรู้ในสิ่งที่ไม่ถูกต้อง ทีม AI จะต้องหาวิธีในการทำให้ข้อมูลสะอาด หรือจัดการกับข้อมูลที่ผิด และข้อมูลที่ขาดหายไป

ข้อมูลที่มีโครงสร้าง (Structured Data)

Machine Learning & Data Science

Neural Network & Deep Learning

กับ Data Dcience ในอุตสาหกรรมโฆษณาออนไลน์ 

Screen Shot 2563-05-20 at 09.56.52

Building AI Projects

Building AI In Your Company

  • ด้วยข้อจำกัดของเทคโนโลยี ข้อมูล และทรัพยากรด้านวิศวกรที่มี
  • ข้อที่สอง จงอย่าจ้าง M
  • ข้อที่สาม จงอย่าคาดหวังว่าโครงการ AI จะสำเร็จได้ในครั้งเดียว 
  • ข้อที่สี่ อย่าคาดหวังว่าจะใช้กระบวนการวางแผน
  • ข้อสุดท้าย อย่าคิดว่าจำเป็นต้องมี

AI and Society

งานของมนุษย์ในอนาคตหลายอย่างยังไม่มีชื่อเรียกตำแหน่งงานนั้นในตอนนี้ด้วยซ้ำ เช่น เราอาจมี งานควบคุมการจราจรของโดรน งานออกแบบเสื้อผ้าที่พิมพ์ 3 มิติ มีนักออกแบบยาที่ปรับแต่งตาม DNA เป็นต้น งานประเภทที่ต้องทำ

คุณไม่ควรลาออกจากงานที่ทำ เพื่อมาเรียน AI

สนใจเรียน AI for Everyone ลงทะเบียนเรียนได้ที่ https://www.coursera.org/learn/ai-for-everyone ผู้เขียนเริ่มจบแล้ว สอบผ่านด้วยคะแนน 94% และได้ประกาศนียบัตรมาเรียบร้อยแล้วค่ะ

Screen Shot 2563-05-20 at 09.40.24

ใส่ความเห็น

Fill in your details below or click an icon to log in:

WordPress.com Logo

You are commenting using your WordPress.com account. Log Out /  เปลี่ยนแปลง )

Google photo

You are commenting using your Google account. Log Out /  เปลี่ยนแปลง )

Twitter picture

You are commenting using your Twitter account. Log Out /  เปลี่ยนแปลง )

Facebook photo

You are commenting using your Facebook account. Log Out /  เปลี่ยนแปลง )

Connecting to %s