โครงข่ายประสาทเทียมคืออะไร? คำอธิบายสำหรับมือใหม่

Updated · By Viviai

โครงข่ายประสาทเทียม (artificial neural network) คือโมเดลการเรียนรู้ของเครื่องที่ประกอบด้วยหน่วยประมวลผลเล็ก ๆ หลายชั้นเชื่อมต่อกัน เรียกว่า นิวรอนเทียม โดยได้รับแรงบันดาลใจอย่างหลวม ๆ จากการทำงานร่วมกันของเซลล์สมอง โมเดลรับตัวเลขเข้ามา ส่งผ่านการคำนวณง่าย ๆ หลายชั้น แล้วปรับความแรงของแต่ละการเชื่อมต่อเมื่อเรียนรู้จากตัวอย่าง จึงค่อย ๆ เรียนรู้ที่จะจดจำรูปแบบและทำการคาดการณ์ได้

ฉบับเข้าใจง่าย

ให้นึกภาพห่วงโซ่การเดาและการแก้ไขที่ยาวต่อเนื่อง นิวรอนแต่ละตัวทำงานเล็ก ๆ แล้วส่งต่อผลไปยังชั้นถัดไป เมื่อคำตอบสุดท้ายผิด โครงข่ายจะปรับการตั้งค่าภายในเล็กน้อยเพื่อให้การเดาครั้งหน้าใกล้ขึ้น เมื่อทำซ้ำกับตัวอย่างจำนวนมาก ข้อมูลดิบจะกลายเป็นการตัดสินใจที่เป็นประโยชน์ เช่น "รูปนี้มีแมว" หรือ "อีเมลนี้ดูเหมือนสแปม"

นิวรอนหนึ่งตัวทำงานอย่างไร

นิวรอนรับตัวเลขนำเข้าหลายค่า นำแต่ละค่าคูณกับค่าถ่วงน้ำหนัก รวมกับค่าปรับไบอัส แล้วส่งผลรวมผ่านฟังก์ชันกระตุ้นเพื่อตัดสินว่าจะส่งสัญญาณออกมาแค่ไหน

ส่วน ความหมายแบบง่าย
ค่านำเข้า ตัวเลขที่อธิบายตัวอย่างหนึ่ง เช่น พิกเซล
ค่าถ่วงน้ำหนัก ความสำคัญของแต่ละค่านำเข้า; ปรับเปลี่ยนระหว่างเรียนรู้
ค่าปรับไบอัส เลื่อนผลลัพธ์ขึ้นหรือลง
ฟังก์ชันกระตุ้น เพิ่มขั้นตอนแบบไม่เชิงเส้นเพื่อให้เรียนรู้รูปแบบซับซ้อนได้

ชั้นต่าง ๆ ในโครงข่าย

โครงข่ายที่มีชั้นซ่อนหลายชั้นคือสิ่งที่เรียกว่าโมเดลการเรียนรู้เชิงลึก (deep learning)

มันเรียนรู้อย่างไร

การฝึกจะเปรียบเทียบผลลัพธ์ของโครงข่ายกับคำตอบที่ถูกต้อง แล้ววัดผลต่าง เรียกว่า ค่าความสูญเสีย (loss) กระบวนการเพิ่มประสิทธิภาพ ซึ่งมักเป็นการลดตามค่าความชัน (gradient descent) จะทำงานย้อนกลับผ่านชั้นต่าง ๆ เพื่อปรับค่าถ่วงน้ำหนักทีละน้อย ให้ค่าความสูญเสียลดลงในรอบถัดไป

ตัวอย่างในชีวิตประจำวัน

ข้อจำกัด

โครงข่ายประสาทเทียมจะดีได้เท่ากับข้อมูลฝึกของมัน ข้อมูลที่แคบหรือลำเอียงอาจให้ผลลัพธ์ที่ลำเอียง และโมเดลอาจทำผิดอย่างมั่นใจกับค่านำเข้าที่ไม่เคยเห็นมาก่อน การตัดสินใจอาจอธิบายได้ยาก ผลลัพธ์เป็นการคาดการณ์จากรูปแบบ ไม่ใช่ความแน่นอน

FAQ

โครงข่ายประสาทเทียมเหมือนสมองมนุษย์ไหม?

ไม่เหมือน มันได้รับแรงบันดาลใจอย่างหลวม ๆ จากนิวรอนชีวภาพ แต่เป็นโมเดลทางคณิตศาสตร์แบบง่าย ไม่ได้จำลองการทำงานของสมองจริง

ต่างกันอย่างไรระหว่างโครงข่ายประสาทเทียมกับการเรียนรู้เชิงลึก?

การเรียนรู้เชิงลึกคือการใช้โครงข่ายประสาทเทียมที่มีชั้นซ่อนหลายชั้น; โมเดลเรียนรู้เชิงลึกทุกตัวเป็นโครงข่ายประสาทเทียม แต่โครงข่ายเล็กมักไม่เรียกว่าเชิงลึก

เหตุใดจึงต้องใช้ข้อมูลจำนวนมาก?

ตัวอย่างที่หลากหลายมากขึ้นช่วยให้ค่าถ่วงน้ำหนักเจอรูปแบบที่ใช้ได้กับค่านำเข้าใหม่ แทนที่จะท่องจำข้อมูลฝึก

โครงข่ายประสาทเทียมผิดพลาดได้ไหม?

ได้ ข้อมูลคุณภาพต่ำ ค่านำเข้าแปลกใหม่ หรือ overfitting อาจทำให้เกิดข้อผิดพลาด จึงควรตรวจสอบในสถานการณ์สำคัญ

สรุปใจความสำคัญ

อ่านต่อกับ [fine-tuning คืออะไร](fine-tuning-khue-arai) และ [embedding คืออะไร](embedding-khue-arai)

Sources

  1. https://th.wikipedia.org/wiki/โครงข่ายประสาทเทียม
  2. https://guru.sanook.com/1414/
  3. https://th.aiassistantstore.com/blogs/blog/what-is-a-neural-network-in-ai

Learn by doing

Read a guide, then practice with bite-sized AI lessons you can take offline.

Start learning free