หลายคนสับสนระหว่างคำว่า AI, Machine Learning และ Deep Learning บทความนี้จะอธิบายความสัมพันธ์และความแตกต่างให้ชัดเจน ═══════════════════════════════════════ 🔵 ความสัมพันธ์: วงกลมซ้อนกัน ═══════════════════════════════════════ AI (ปัญญาประดิษฐ์) = วงใหญ่สุด └─ Machine Learning = ส่วนย่อยของ AI └─ Deep Learning = ส่วนย่อยของ Machine Learning พูดง่าย ๆ: Deep Learning เป็นส่วนหนึ่งของ Machine Learning และ Machine Learning ก็เป็นส่วนหนึ่งของ AI ═══════════════════════════════════════ 🤖 Machine Learning (ML) — การเรียนรู้ของเครื่อง ═══════════════════════════════════════ คือการทำให้คอมพิวเตอร์ "เรียนรู้จากข้อมูล" เพื่อหารูปแบบและทำนายผล โดยไม่ต้องเขียนกฎตายตัวทุกกรณี รูปแบบการเรียนรู้หลัก 3 แบบ: 1) Supervised Learning (เรียนรู้แบบมีผู้สอน) ป้อนข้อมูลที่มีคำตอบกำกับ เช่น รูปแมวติดป้าย "แมว" → เครื่องเรียนรู้จำแนก 2) Unsupervised Learning (เรียนรู้แบบไม่มีผู้สอน) ให้ข้อมูลดิบไม่มีป้าย เครื่องหากลุ่ม/รูปแบบเอง เช่น จัดกลุ่มลูกค้า 3) Reinforcement Learning (เรียนรู้แบบเสริมกำลัง) เรียนรู้จากการลองผิดลองถูก ได้รางวัลเมื่อทำถูก เช่น AI เล่นเกม ═══════════════════════════════════════ 🧠 Neural Network — โครงข่ายประสาทเทียม ═══════════════════════════════════════ เป็นโครงสร้างที่เลียนแบบการทำงานของเซลล์สมองมนุษย์ (neuron) ประกอบด้วย "โหนด" เชื่อมต่อกันเป็นชั้น ๆ: • Input Layer (ชั้นรับข้อมูล) • Hidden Layer (ชั้นประมวลผล — อาจมีหลายชั้น) • Output Layer (ชั้นแสดงผลลัพธ์) ข้อมูลจะไหลผ่านชั้นต่าง ๆ พร้อมปรับ "น้ำหนัก" จนได้คำตอบที่แม่นยำขึ้น ═══════════════════════════════════════ 🌊 Deep Learning — การเรียนรู้เชิงลึก ═══════════════════════════════════════ คือ Neural Network ที่มี Hidden Layer "หลายชั้นมาก" (จึงเรียกว่า "ลึก") ทำให้เรียนรู้รูปแบบซับซ้อนได้ดีเยี่ยม เหมาะกับงานยาก ๆ เช่น • การรู้จำภาพและใบหน้า • การแปลภาษาและประมวลผลภาษาธรรมชาติ • การขับรถอัตโนมัติ • Generative AI อย่าง ChatGPT (ใช้ Deep Learning เป็นพื้นฐาน) ═══════════════════════════════════════ ✅ สรุปสั้น ๆ ═══════════════════════════════════════ • AI = แนวคิดกว้างที่ทำให้เครื่องฉลาด • Machine Learning = วิธีทำให้เครื่องฉลาดโดยเรียนจากข้อมูล • Deep Learning = ML ที่ใช้ Neural Network หลายชั้น เก่งงานซับซ้อน ยิ่งข้อมูลมากและมีคุณภาพ AI ยิ่งเรียนรู้ได้แม่นยำ