Supervised ແລະ Unsupervised Learning ແມ່ນຫຍັງ? ເຂົ້າໃຈງ່າຍໆສຳລັບຜູ້ເລີ່ມຕົ້ນ

ໃນຍຸກປະຈຸບັນ, ເຮົາອາດຈະເຄີຍໄດ້ຍິນຄຳວ່າ Machine Learning (ML) ຫຼື ການຮຽນຮູ້ຂອງເຄື່ອງຈັກ ຜ່ານຫູກັນມາຫຼາຍແລ້ວ. ML ແມ່ນພາກສ່ວນໜຶ່ງຂອງປັນຍາປະດິດ (AI) ທີ່ຊ່ວຍໃຫ້ຄອມພິວເຕີສາມາດຮຽນຮູ້ຈາກຂໍ້ມູນ ແລະ ສາມາດຕັດສິນໃຈຫຼືຄາດເດົາໄດ້ໂດຍທີ່ເຮົາບໍ່ຈຳເປັນຕ້ອງຂຽນໂປຣແກຣມສັ່ງການໃນທຸກໆຂັ້ນຕອນ.

ແຕ່ຄອມພິວເຕີມັນ “ຮຽນຮູ້” ແນວໃດກັນແທ້? ມື້ນີ້ເຮົາຈະມາທຳຄວາມເຂົ້າໃຈສອງວິທີການຫຼັກທີ່ຄອມພິວເຕີໃຊ້ໃນການຮຽນຮູ້ ນັ້ນກໍຄື Supervised Learning ແລະ Unsupervised Learning ຜ່ານຕົວຢ່າງທີ່ໃກ້ຕົວໃນສັງຄົມລາວເຮົາ.

Supervised Learning (ການຮຽນຮູ້ແບບມີຜູ້ສອນ) ແມ່ນຫຍັງ?

ລອງນຶກພາບຕອນທີ່ເຮົາກຳລັງສອນເດັກນ້ອຍໃຫ້ຮູ້ຈັກໝາກໄມ້. ເຮົາເອົາໝາກມ່ວງໃຫ້ເຂົາເບິ່ງແລ້ວບອກວ່າ “ນີ້ຄືໝາກມ່ວງ”, ຈາກນັ້ນກໍເອົາໝາກຫຸ່ງໃຫ້ເບິ່ງແລ້ວບອກວ່າ “ນີ້ຄືໝາກຫຸ່ງ”. ເມື່ອເຮົາເຮັດແບບນີ້ຫຼາຍໆຄັ້ງ, ເດັກນ້ອຍກໍຈະຈື່ ແລະ ສາມາດບອກໄດ້ເອງເມື່ອເຫັນໝາກມ່ວງ ຫຼື ໝາກຫຸ່ງໃນຄັ້ງຕໍ່ໄປ.

Supervised Learning ກໍເຮັດວຽກໃນລັກສະນະດຽວກັນ! ມັນຄືການປ້ອນຂໍ້ມູນເຂົ້າໄປໃນຄອມພິວເຕີ ໂດຍທີ່ເຮົາ “ມີຄຳຕອບເຕັມກຽມໄວ້ແລ້ວ” (ໃນພາສາຜູ້ນຳໃຊ້ເອີ້ນວ່າ Labeled Data ຫຼື ຂໍ້ມູນທີ່ມີປ້າຍກຳກັບ). ເຮົາສອນຄອມພິວເຕີວ່າ: ຖ້າຂໍ້ມູນມາຮູບແບບນີ້ ໝາຍຄວາມວ່າແນວນີ້.

ຕົວຢ່າງການນຳໃຊ້ໃນລາວ: ການຄາດຄະເນຜົນຜະລິດກາເຟຢູ່ປາກຊ່ອງ ສົມມຸດວ່າ ບໍລິສັດຮັບຊື້ກາເຟແຫ່ງໜຶ່ງຢູ່ເມືອງປາກຊ່ອງ ຕ້ອງການຄາດເດົາວ່າປີໜ້າຈະໄດ້ຜົນຜະລິດເທົ່າໃດ. ພວກເຂົາສາມາດໃຊ້ Supervised Learning ໂດຍການປ້ອນຂໍ້ມູນໃນອະດີດ (ເຊັ່ນ: ປະລິມານນ້ຳຝົນ, ອຸນຫະພູມ, ປະເພດຝຸ່ນທີ່ໃຊ້) ພ້ອມກັບ “ຄຳຕອບ” ຄື ຈຳນວນຜົນຜະລິດທີ່ໄດ້ໃນປີນັ້ນໆ. ຫຼັງຈາກລະບົບຮຽນຮູ້ແລ້ວ, ເມື່ອເຮົາປ້ອນຂໍ້ມູນອຸນຫະພູມ ແລະ ນ້ຳຝົນຂອງປີນີ້ເຂົ້າໄປ, ລະບົບກໍຈະສາມາດຄາດເດົາຜົນຜະລິດລ່ວງໜ້າໄດ້ຢ່າງແນ່ນອນ.

Unsupervised Learning (ການຮຽນຮູ້ແບບບໍ່ມີຜູ້ສອນ) ແມ່ນຫຍັງ?

ໃນທາງກົງກັນຂ້າມ, ລອງນຶກພາບວ່າເຮົາເອົາກະຕ່າທີ່ເຕັມໄປດ້ວຍໝາກໄມ້ຫຼາກຫຼາຍຊະນິດໃຫ້ເດັກນ້ອຍ ໂດຍບໍ່ໄດ້ບອກເລີຍວ່າແຕ່ລະໜ່ວຍຊື່ຫຍັງ. ແຕ່ເຮົາບອກໃຫ້ເດັກນ້ອຍ “ຈັດກຸ່ມໃຫ້ໜ່ອຍ”. ເດັກນ້ອຍອາດຈະຈັດກຸ່ມຕາມສີ (ໝາກໄມ້ສີຂຽວໄວ້ກອງໜຶ່ງ, ສີເຫຼືອງໄວ້ກອງໜຶ່ງ) ຫຼື ຈັດຕາມຮູບຊົງ.

Unsupervised Learning ແມ່ນການທີ່ເຮົາປ້ອນຂໍ້ມູນດິບໃຫ້ຄອມພິວເຕີ ໂດຍທີ່ “ບໍ່ມີຄຳຕອບໃຫ້ກ່ອນ” (Unlabeled Data). ລະບົບຈະຕ້ອງຊອກຫາຮູບແບບ (Patterns) ຫຼື ຄວາມສຳພັນທີ່ເຊື່ອງຊ້ອນຢູ່ໃນຂໍ້ມູນນັ້ນດ້ວຍຕົວມັນເອງ, ເຊິ່ງມັກຈະຖືກນຳໃຊ້ເຂົ້າໃນການຈັດກຸ່ມ (Clustering).

ຕົວຢ່າງການນຳໃຊ້ໃນລາວ: ການຈັດກຸ່ມລູກຄ້າໃນອຸດສາຫະກຳທຸລະກິດຂະໜາດນ້ອຍ (SME) ສົມມຸດວ່າເຈົ້າເປັນເຈົ້າຂອງຮ້ານມິນິມາກ (Mini-mart) ໃນນະຄອນຫຼວງວຽງຈັນ. ເຈົ້າມີຂໍ້ມູນການຊື້ເຄື່ອງຂອງລູກຄ້າທຸກຄົນ (ເຊັ່ນ: ເຊັກບິນ) ແຕ່ເຈົ້າບໍ່ຮູ້ວ່າລູກຄ້າຂອງເຈົ້າມີຈັກປະເພດແທ້. ຖ້າໃຊ້ Unsupervised Learning, ລະບົບອາດຈະວິເຄາະ ແລະ ຈັດກຸ່ມລູກຄ້າອອກມາເປັນ:

• ກຸ່ມທີ 1: ມັກມາໃນຕອນເຊົ້າເພື່ອຊື້ກາເຟດຳ ແລະ ເຂົ້າຈີ່ປາເຕ້ນ.
• ກຸ່ມທີ 2: ມັກມາໃນຕອນແລງເພື່ອຊື້ເຄື່ອງດື່ມເຢັນໆ ແລະ ອາຫານຫວ່າງ. ການຮູ້ຂໍ້ມູນແບບນີ້ຈະຊ່ວຍໃຫ້ເຈົ້າຂອງຮ້ານສາມາດຈັດໂປຣໂມຊັ່ນໄດ້ຖືກໃຈລູກຄ້າແຕ່ລະກຸ່ມ ເຖິງແມ່ນວ່າຈະບໍ່ເຄີຍຮູ້ຈັກລູກຄ້າເປັນການສ່ວນຕົວມາກ່ອນກໍຕາມ! ຫຼື ແນວຄິດນີ້ສາມາດນຳໄປໃຊ້ຈັດກຸ່ມພຶດຕິກຳຂອງນັກທ່ອງທ່ຽວໃນງານບຸນທາດຫຼວງເພື່ອການຈັດສັນຮ້ານຄ້າກໍໄດ້ເຊັ່ນກັນ.

ຄວາມແຕກຕ່າງຫຼັກລະຫວ່າງ Supervised ແລະ Unsupervised Learning

ເພື່ອໃຫ້ເຂົ້າໃຈງ່າຍຂຶ້ນ, ເຮົາລອງມາເບິ່ງຄວາມແຕກຕ່າງໃນຈຸດຫຼັກໆດັ່ງນີ້:

• ປະເພດຂອງຂໍ້ມູນ (Data): Supervised ໃຊ້ຂໍ້ມູນທີ່ມີຄຳຕອບ ຫຼື ປ້າຍກຳກັບແລ້ວ (Labeled); ສ່ວນ Unsupervised ໃຊ້ຂໍ້ມູນທີ່ບໍ່ມີຄຳຕອບ (Unlabeled).
• ເປົ້າໝາຍ (Goal): Supervised ຕ້ອງການຄາດເດົາຜົນລັບໃໝ່ໃຫ້ຖືກຕ້ອງຕາມທີ່ຖຶກສອນ; ສ່ວນ Unsupervised ຕ້ອງການຄົ້ນຫາໂຄງສ້າງ ຫຼື ການຈັດກຸ່ມທີ່ລີ້ຊ່ອນຢູ່ໃນຂໍ້ມູນ.
• ຄວາມຊັບຊ້ອນ (Complexity): Supervised ມັກຈະກົງໄປກົງມາ ແລະ ວັດຜົນໄດ້ງ່າຍກວ່າ ເພາະເຮົາມີຄຳຕອບທີ່ຖືກຕ້ອງໄວ້ທຽບ; ສ່ວນ Unsupervised ມັກຈະຊັບຊ້ອນກວ່າເພາະຜົນໄດ້ຮັບອາດຈະຕີຄວາມໝາຍໄດ້ຫຼາຍແບບ.

Key Takeaways (ສິ່ງສຳຄັນທີ່ຄວນຈື່)

• Machine Learning (ML) ແມ່ນການສອນໃຫ້ຄອມພິວເຕີຮຽນຮູ້ຈາກຂໍ້ມູນ.
• Supervised Learning = ຮຽນຮູ້ຈາກຂໍ້ມູນທີ່ມີຄຳຕອບແລ້ວ ເໝາະສຳລັບການ “ຄາດເດົາ” ອະນາຄົດ ເຊັ່ນ ລາຄາສິນຄ້າກະສິກຳ ຫຼື ອັດຕາການເກີດອຸບັດຕິເຫດຕາມທ້ອງຖະໜົນ.
• Unsupervised Learning = ຮຽນຮູ້ຈາກຂໍ້ມູນທີ່ບໍ່ມີຄຳຕອບ ເໝາະສຳລັບການ “ຄົ້ນຫາຮູບແບບໃໝ່ໆ” ເຊັ່ນ ການຈັດກຸ່ມລູກຄ້າ ຫຼື ຈັດກຸ່ມພຶດຕິກຳຂອງຜູ້ຊົມໃຊ້.

ສະຫຼຸບ

ຄວາມເຂົ້າໃຈກ່ຽວກັບ ວິທີທີ່ລະບົບປັນຍາປະດິດ (AI) ແລະ Machine Learning ເຮັດວຽກ ບໍ່ແມ່ນພຽງແຕ່ເລື່ອງຂອງນັກວິທະຍາສາດຄອມພິວເຕີເທົ່ານັ້ນ, ແຕ່ລວມເຖິງພາກທຸລະກິດ ແລະ ຄົນທົ່ວໄປນຳອີກ. ບໍ່ວ່າຈະເປັນການເອົາ Supervised Learning ມາຄາດຄະເນຜົນຜະລິດກະສິກຳ ຫຼື ເອົາ Unsupervised Learning ມາເພີ່ມຍອດຂາຍໃຫ້ກັບພາກທຸລະກິດ SME ໃນລາວ, ທັງສອງເຕັກນິກລ້ວນແຕ່ເປັນກຸນແຈສຳຄັນທີ່ຈະຊ່ວຍຂັບເຄື່ອນເສດຖະກິດລາວໃຫ້ກ້າວເຂົ້າສູ່ຍຸກດິຈິຕອນໄດ້ຢ່າງເຕັມຕົວ. ພຽງແຕ່ເລືອກເຄື່ອງມືໃຫ້ຖືກກັບໂຈດ, ເຄື່ອງຈັກກໍພ້ອມຈະສ້າງຜົນປະໂຫຍດໃຫ້ກັບເຮົາໄດ້ຢ່າງມະຫາສານ.