ເປີເຊັບຕຣອນ (Perceptron): ປູ່ທວດແຫ່ງວົງການປັນຍາປະດິດ (AI) ຍຸກໃໝ່

ລອງຈິນຕະນາການຍ້ອນກັບໄປໃນປີ 1958, ຍຸກທີ່ຄອມພິວເຕີຍັງມີຂະໜາດໃຫຍ່ເທົ່າກັບຫ້ອງຮຽນໜຶ່ງຫ້ອງ, ຍັງບໍ່ມີສະມາດໂຟນ, ແລະ ອິນເຕີເນັດຍັງບໍ່ທັນເກີດຂຶ້ນ. ແຕ່ໃນເວລານັ້ນ, ນັກວິທະຍາສາດຊື່ວ່າ Frank Rosenblatt ໄດ້ເຮັດໃນສິ່ງທີ່ຟັງເບິ່ງຄືກັນກັບນິຍາຍວິທະຍາສາດ ນັ້ນຄືການສ້າງ “ສະໝອງທຽມ” ຂະໜາດນ້ອຍອັນທຳອິດຂອງໂລກຂຶ້ນມາ ເຊິ່ງລາວຕັ້ງຊື່ໃຫ້ມັນວ່າ ເປີເຊັບຕຣອນ (Perceptron).

ໃນບົດຄວາມນີ້, ເຮົາຈະມາທຳຄວາມເຂົ້າໃຈນຳກັນວ່າ ເປີເຊັບຕຣອນ ແມ່ນຫຍັງ? ມັນເຮັດວຽກແນວໃດ? ແລະ ເປັນຫຍັງແນວຄິດທີ່ລຽບງ່າຍຈາກຫຼາຍສິບປີກ່ອນນີ້ ຈຶ່ງກາຍມາເປັນ “ປູ່ທວດ” ຂອງວົງການປັນຍາປະດິດ ຫຼື AI ທີ່ເຮົາໃຊ້ງານກັນໃນທຸກມື້ນີ້.

ເປີເຊັບຕຣອນ (Perceptron) ແມ່ນຫຍັງ?

ເວົ້າໃຫ້ເຂົ້າໃຈງ່າຍໆ, ເປີເຊັບຕຣອນ ແມ່ນ ຊິ້ນສ່ວນໜຶ່ງຂອງເຄືອຂ່າຍປະສາດທຽມ (Neural Networks - NN). Neural Network ແມ່ນລະບົບຄອມພິວເຕີທີ່ຖືກອອກແບບມາໃຫ້ຮຽນແບບການເຮັດວຽກຂອງຈຸລັງປະສາດໃນສະໝອງຂອງມະນຸດ ເພື່ອຊ່ວຍໃຫ້ຄອມພິວເຕີສາມາດ “ຮຽນຮູ້” ແລະ “ຕັດສິນໃຈ” ໄດ້.

ສະໝອງຂອງຄົນເຮົາມີຈຸລັງປະສາດ (Neurons) ເປັນພັນຕື້ຕົວທີ່ເຊື່ອມຕໍ່ກັນ, ແຕ່ ເປີເຊັບຕຣອນ ປຽບເໝືອນ ຈຸລັງປະສາດທຽມພຽງ “1 ຕົວ” ທີ່ເຮັດໜ້າທີ່ຮັບຂໍ້ມູນເຂົ້າມາແລ້ວຕັດສິນໃຈແບບງ່າຍໆວ່າ: “ແມ່ນ” ຫຼື “ບໍ່ແມ່ນ” (Yes / No).

ມັນເຮັດວຽກແນວໃດ? (ປຽບທຽບກັບການຄັດເລືອກກາເຟຢູ່ປາກຊ່ອງ)

ເພື່ອບໍ່ໃຫ້ສັບສົນກັບຄຳສັບທາງເຕັກນິກ, ລອງຈິນຕະນາການວ່າ ທ່ານເປັນຊາວສວນກາເຟຢູ່ເມືອງປາກຊ່ອງ. ທ່ານກຳລັງສອນຈ້າງກຳມະກອນໃໝ່ໃຫ້ຄັດແຍກ “ເມັດກາເຟຊັ້ນດີ” ອອກຈາກ “ເມັດທີ່ບໍ່ໄດ້ຄຸນນະພາບ”. ກຳມະກອນຄົນນັ້ນຈະໃຊ້ວິທີການຄິດແບບດຽວກັບ ເປີເຊັບຕຣອນ ດັ່ງນີ້:

1. ຮັບຂໍ້ມູນຂາເຂົ້າ (Inputs): ກຳມະກອນຈະເບິ່ງປັດໄຈຕ່າງໆຂອງເມັດກາເຟ ເຊັ່ນ: ສີ, ຂະໜາດ, ແລະ ກິ່ນ.
2. ໃຫ້ຄວາມສຳຄັນ (Weights): ບໍ່ແມ່ນທຸກປັດໄຈຈະສຳຄັນເທົ່າກັນ. ທ່ານອາດຈະບອກກຳມະກອນວ່າ “ສີແດງເຂັ້ມ” ແມ່ນສຳຄັນທີ່ສຸດ (ນໍ້າໜັກຫຼາຍ), “ຂະໜາດ” ແມ່ນສຳຄັນຮອງລົງມາ, ສ່ວນ “ກິ່ນ” ອາດຈະບໍ່ສຳຄັນປານໃດ.
3. ເກນການຕັດສິນໃຈ (Threshold): ກຳມະກອນຈະລວມເອົາຄະແນນຂອງທັງ 3 ປັດໄຈນັ້ນເຂົ້າກັນ. ຖ້າຄະແນນລວມ ຜ່ານເກນ ທີ່ຕັ້ງໄວ້ (ເຊັ່ນ: ສີງາມ, ຂະໜາດໄດ້), ກໍຈະຕັດສິນໃຈວ່າ “ເປັນເມັດກາເຟຊັ້ນດີ (Yes)“. ແຕ່ຖ້າຄະແນນ ບໍ່ຜ່ານເກນ, ກໍຈະໂຍນຖິ້ມໄປໜວດອື່ນ “ບໍ່ໄດ້ຄຸນນະພາບ (No)“.

ນີ້ຄືວິທີດຽວກັນທີ່ ເປີເຊັບຕຣອນ ເຮັດວຽກໃນຄອມພິວເຕີ! ມັນຮັບຂໍ້ມູນເຂົ້າມາ, ຄູນກັບນໍ້າໜັກຄວາມສຳຄັນ, ລວມເຂົ້າກັນ, ແລະ ຕັດສິນໃຈວ່າມັນຄວນຈະໃຫ້ຄຳຕອບອອກມາເປັນຫຍັງ.

ເປັນຫຍັງຈຶ່ງເອີ້ນວ່າ “ປູ່ທວດ” ຂອງ AI ຍຸກໃໝ່?

ເປີເຊັບຕຣອນ ໃນປີ 1958 ສາມາດແກ້ໄຂບັນຫາໄດ້ພຽງແຕ່ວຽກທີ່ງ່າຍໆ ແລະ ແບ່ງແຍກໄດ້ຊັດເຈນ. ໃນເວລານັ້ນ ມັນບໍ່ສາມາດເຮັດຫຍັງທີ່ຊັບຊ້ອນໄດ້. ແນວໃດກໍຕາມ, ແນວຄິດນີ້ແມ່ນຈຸດເລີ່ມຕົ້ນອັນຍິ່ງໃຫຍ່.

ເມື່ອນັກວິທະຍາສາດຄົ້ນພົບວິທີນຳເອົາ ເປີເຊັບຕຣອນ ຫຼາຍໆຕົວມາຕໍ່ເຂົ້າກັນເປັນຊັ້ນໆ (Layers) ຄືກັບການສ້າງຕາໜ່າງຂະໜາດໃຫຍ່, ມັນຈຶ່ງກາຍມາເປັນເຕັກໂນໂລຊີທີ່ເອີ້ນວ່າ Deep Learning (ການຮຽນຮູ້ເລິກເຊິ່ງ) ເຊິ່ງເປັນຫົວໃຈສຳຄັນຂອງ AI ໃນປັດຈຸບັນ.

ຈາກປີ 1958 ສູ່ປະເທດລາວໃນປັດຈຸບັນ

ເຖິງແມ່ນວ່າ ເປີເຊັບຕຣອນ ຈະເກີດຂຶ້ນມາດົນແລ້ວ, ແຕ່ລູກຫຼານຂອງມັນ (ເຄືອຂ່າຍປະສາດທຽມທີ່ຊັບຊ້ອນ) ກຳລັງຊ່ວຍຂັບເຄື່ອນເຕັກໂນໂລຊີໃນປະເທດລາວເຮົາຢ່າງຫຼວງຫຼາຍ:

• ລະບົບການແປພາສາ: ເຊັ່ນ Google Translate ເຊິ່ງດຽວນີ້ສາມາດແປພາສາລາວໄດ້ດີຂຶ້ນຫຼາຍ ຍ້ອນການຮຽນຮູ້ຜ່ານເຄືອຂ່າຍປະສາດທຽມທີ່ຮຽນຮູ້ຈາກຮູບແບບປະໂຫຍດຫຼາຍລ້ານຮູບແບບ.
• ການພະຍາກອນໄພພິບັດ: ການຄາດຄະເນລະດັບນໍ້າໃນແມ່ນໍ້າຂອງ ຊ່ວຍແຈ້ງເຕືອນໄພນໍ້າຖ້ວມໃຫ້ນະຄອນຫຼວງວຽງຈັນ ແລະ ແຂວງອື່ນໆລ່ວງໜ້າ.
• ທຸລະກິດ ແລະ SME ຈຸລະພາກ: ລະບົບ AI ຊ່ວຍໃຫ້ຮ້ານອອນລາຍທ້ອງຖິ່ນສາມາດວິເຄາະພຶດຕິກຳລູກຄ້າ ແລະ ສະເໜີສິນຄ້າ (Recommendations) ໄດ້ຖືກໃຈໄວໜຸ່ມລາວຫຼາຍຂຶ້ນ.

ຈຸດສຳຄັນທີ່ຄວນຈື່ (Key Takeaways)

• ເປີເຊັບຕຣອນ (Perceptron) ຖືກຄິດຄົ້ນຂຶ້ນໃນປີ 1958, ເປັນຈຸລັງປະສາດທຽມໂຕທຳອິດ ແລະ ງ່າຍດາຍທີ່ສຸດ.
• ມັນເຮັດວຽກໂດຍການນຳເອົາ ຂໍ້ມູນຂາເຂົ້າ (Inputs) ມາໃຫ້ ນໍ້າໜັກຄວາມສຳຄັນ (Weights) ແລ້ວຜ່ານເກນເພື່ອ ຕັດສິນໃຈ (Output) ເປັນ Yes ຫຼື No.
• ເຖິງແມ່ນວ່າມັນຈະລຽບງ່າຍ, ແຕ່ເມື່ອນຳເອົາເປີເຊັບຕຣອນຈຳນວນມະຫາສານມາເຊື່ອມຕໍ່ກັນ ມັນກໍຈະກາຍເປັນລະບົບ Deep Learning ທີ່ຊັບຊ້ອນຄືກັບ AI ທີ່ເຮົາເຫັນໃນທຸກມື້ນີ້.

ສະຫຼຸບ

ເປີເຊັບຕຣອນ ອາດຈະເປັນພຽງຄະນິດສາດທີ່ລຽບງ່າຍທີ່ຖຶກຄິດຄົ້ນຂຶ້ນເມື່ອຫຼາຍສິບປີກ່ອນ ແຕ່ມັນປຽບເໝືອນການວາງດິນຈີ່ກ້ອນທຳອິດຂອງຕຶກລະຟ້າອັນໃຫຍ່ໂຕ. ການເຂົ້າໃຈພື້ນຖານຂອງ ເປີເຊັບຕຣອນ ຈະຊ່ວຍໃຫ້ເຮົາເຫັນພາບພາບລວມຂອງໂລກ AI ໄດ້ຊັດເຈນຂຶ້ນ. ບໍ່ວ່າຈະເປັນ AI ຄັດເລືອກເມັດກາເຟ, AI ແປພາສາລາວ, ຫຼື ແມ່ນແຕ່ AI ທີ່ກຳລັງຊ່ວຍຂຽນບົດຄວາມນີ້, ທຸກຢ່າງລ້ວນແຕ່ມີຈຸດເລີ່ມຕົ້ນມາຈາກ “ປູ່ທວດ” ທີ່ຊື່ວ່າ ເປີເຊັບຕຣອນ ທັງສິ້ນ.