AI ย่อมาจาก "Artificial Intelligence" หรือ แปลเป็นไทยว่า "ปัญญาประดิษฐ์ " หมายถึง ระบบคอมพิวเตอร์ประเภทหนึ่ง ที่มีกลไกการทำงานอย่างชาญฉลาด เลียนแบบความฉลาดของมนุษย์ ซึ่งเป็นกลไกการกระทำที่ได้ถูกออกแบบเอาไว้แล้ว ทำให้ระบบนี้สามารถมีการกระทำเกิดขึ้นได้เอง โดยที่ไม่จำเป็นต้องรอการอนุมัติจากมนุษย์
AI เป็นยิ่งกว่าระบบประมวลผล และเป็นยิ่งกว่า Machine Learning เพราะผลลัพธ์ของ AI คือ การกระทำ เช่น การคุยโต้ตอบใน SIRI การใช้ระบบสแกนหน้าเพื่อปลดล็อคมือถือ เป็นต้น ในขณะที่ ผลลัพธ์ของ Machine Learning เป็นตัวเลข หรือรายงาย ซึ่งมนุษย์จะต้องนำผลลัพธ์นั้นไปสร้างเป็นการกระทำในลำดับต่อไป
อย่างไรก็ตาม Machine Learning ถือเป็น Sub-set ของ AI เพราะถือเป็นระบบประมวลผลที่สามารถประมวลผลเชิงลึก คล้ายความฉลาดของมนุษย์ แต่มิใช่ทั้งหมดของ AI
(( คลิกอ่านบทความ “Artificial Intelligence vs. Machine Learning vs. Deep Learning คืออะไร งงกันไปหมด” ))
AI มีกี่ประเภท? ถ้าแบ่งตามวิธีการประมวลผล หรือกลไกของระบบ AI จะแบ่งออกได้เป็น 4 ประเภท ได้แก่
1. Reactive machines
AI ประเภทนี้ไม่มี Memory ในตัวเอง การประมวลผลจะเกิดจากการเรียนรู้ใหม่จากสิ่งรอบตัว เช่น Deep Blue หรือ คอมพิวเตอร์ที่ชนะการแข่งหมากรุกของ IBM
2. Limited memory
AI ประเภทที่ 2 นี้ จะมี Memory ในตัวเอง แต่จะเป็นข้อมูลที่ Limit และจะเรียนรู้จากประสบการณ์เก่าในช่วงระยะเวลาหนึ่ง ตัวอย่างของ AI ประเภทนี้ ได้แก่ ระบบรถขัยเคลื่อนอัตโนมัติ หรือ Sale-Driving Car
3. Theory of Mind
AI ประเภทที่ 3 นี้ ยังคงเป็นข้อโต้เถียงถึงความเป็นไปได้กันอยู่ เพราะเป็น AI ประเภทที่มีการใส่อารมณ์ วัฒนธรรม และมีความเป็น “มนุษย์” มากขึ้น ซึ่งนึกพัฒนา AI กลุ่มนี้ มีความต้องการพัฒนา AI ที่มีนิสัย หรือการกระทำคล้ายมนุษย์ให้มากที่สุด
4. Self-Awareness
AI ประเภทนี้ ถือเป็นขั้นสุดของ AI เพราะเป็น AI ประเภทที่สามารถคิด และกระทำด้วยตัวเองได้
AI ที่แบ่งตามลักษณะของระบบทั้ง 4 นั้น ถูกแบ่งตามลักษณะของการพัฒนา AI ทั้งนี้ การแบ่งประเภทของ AI สามารถแบ่งได้จากคุณสมบัติอื่นๆ ได้เพิ่มเติม เช่น แหล่งที่มาของข้อมูล
สำหรับ Coraline เอง มองว่า AI เกิดจากการออกแบบกลไกเพื่อให้สามารถประมวลผล และมีการกระทำที่ฉลาดคล้ายมนุษย์ สิ่งที่ใช้สอน AI ก็คือ Big Data ซึ่งมีความหลากหลายของประเภท การแบ่งประเภทของ AI จึงสามารถแบ่งได้จากประเภทของการเรียนจาก Data แต่ละประเภท ดังนี้
1. ข้อมูลประเภทเสียง เรียกว่า Voice Recognition เป็นความสามารถในการจำแนก วิเคราะห์ และโต้ตอบจากการมีเสียงเป็น Input ตัวอย่าง AI ประเภทนี้ ได้แก่ การแปลภาษาอัตโนมัติ เป็นต้น
2. ข้อมูลประเภทภาพ เรียกว่า Image Processing โดยการใช้ Algorithm ในการทำความเข้าใจภาพต่างๆ ตัวอย่างของ AI ประเภทนี้ ได้แก่ Face Recognition ซึ่งใช้หน้าเป็นภาพนั่นเอง
3. ข้อมูลประเภทข้อความ เรียกว่า Text Mining โดยใช้ข้อความ หรือ ตัวอักษรเป็น input เช่น การจัดลำดับการ Search ใน Google.com หรือ การแปลภาษาใน Google Translation
นอกจากนี้ ข้อมูลที่เป็นโครงสร้างชัดเจนอื่นๆ สามารถใช้ Machine Learning ประเภทต่างๆ เป็นกลไกการทำความเข้าใจข้อมูล แบ่งออกเป็น Supervised, Unsupervised, และ Reinforcement Learning
ทั้งนี้ ความสำคัญของการสร้าง AI คือ การสอนให้ AI เข้าใจโจทย์ และเสนอแนวทางการแก้ปัญหาที่ถูกต้อง ซึ่งองค์ประกอบของการสร้าง AI ที่ดีนั้น ประกอบไปด้วย ข้อมูลที่ใช้เป็น Input, Algorithm ที่เหมาะสมกับแต่ละโจทย์, การประเมินผลลัพธ์ และที่สำคัญ คือ นักพัฒนา ที่ต้องมีความเชี่ยวชาญ และเข้าใจพื้นฐานของ AI อย่างแท้จริง
การพัฒนา AI อาจจะเป็นสิ่งที่ไกลตัวสำหรับหลายคน แต่การใช้งาน AI เป็นสิ่งที่ใกล้ตัวเรามากขึ้น มากขึ้น ทุกวัน ทั้งในมุมของการใช้งานในชีวิตประจำวัน และในมุมของการทำงาน ดังนั้น เราอาจจะไม่จำเป็นต้องเป็นนักพัฒนา แต่เราจำเป็นต้องรู้จัก และเข้าใจกลไกของ AI เพื่อสามารถใช้งาน AI ได้อย่างถูกต้องต่อไป
