เริ่มต้นกับ Machine Learning เทคโนโลยีเปลี่ยนโลก

พงศ์วุฒิ ไพรไพศาลกิจ

ตัวอย่างมีให้เราเห็นกันแล้วว่า AlphaGo สามารถชนะแชมป์โลกเกมหมากล้อม หรือ Go ได้ติดๆ กันจนเป็นที่ฮือฮาในปีที่ผ่านมา ทำให้ความสนใจในการทำงานของ Machine Learning กลายเป็นที่จับตามองในมุมเทคโนโลยีของโลกว่า Machine Learning ที่ถูกพัฒนาขึ้นมาใน AlphaGo เป็นตัวอย่างที่เห็นได้ชัดจากการเก็บประสบการณ์ในการเล่นแต่ละครั้ง เรียนรู้ และนำเอาประสบการณ์จากการเดินหมากล้อมในแต่ละครั้งมาทำการวิเคราะห์ จึงเป็นที่มาของคำถามที่ว่า แล้วหากจะนำเอา Machine Learning มาใช้นั้นควรจะเริ่มต้นอย่างไร

โครงการที่เกี่ยวข้องกับ Machine Learning โดยส่วนใหญ่มักจะเริ่มด้วยการทำความเข้าใจเกี่ยวกับข้อมูลที่มีความจำเป็นจะต้องใช้ในแต่ละหน่วยงานที่เกี่ยวข้องก่อนเสมอ ซึ่งการที่จะประสบความสำเร็จในการทำนี้ ผู้ใช้งานในแผนกต่างๆ จะต้องเข้าใจรูปแบบการทำงานของ Machine Learning เพื่อทำการส่งข้อมูลเพื่อสร้างการเรียนรู้ให้กับระบบ Machine Learning ซึ่งประเด็นนี้เป็นประเด็นชี้เป็นชี้ตายของโครงการเลยทีเดียว ส่วนใหญ่จะต้องคุยกันให้จบก่อนว่าจะนำเรื่องใดในองค์กรมาใช้เป็นข้อมูลตั้งต้นในการทำ Ma chine Learning แล้วค่อยต่อยอดไปในเรื่องอื่นๆ ต่อไป อาจจะต้องรวมไปถึงการตั้งทีม Data Science เพื่อใช้เป็นทีมในการติดต่อประสานงานระหว่างโปรแกรมเมอร์กับผู้ใช้งานในแต่ละแผนกขององค์กรได้ด้วย

ปัญหาใหญ่อย่างหนึ่งของการสร้างระบบ Machine Learning คือเรื่องของการเงิน โดยทั่วไปแล้วการลงทุนใดๆ ก็แล้วแต่จะต้องมองที่จุดคุ้มทุนเสมอ ดังนั้นปัจจัยความสำเร็จของการทำ Ma chine Learning ไม่ได้เกิดจากการเขียน Algorithm ที่ดี แต่อยู่ที่การให้ความร่วมมือของผู้ใช้งานในแต่ละส่วนงาน รวมไปถึงความเข้าใจในการลงทุน เนื่องจากการทำ Machine Learning ความสำคัญอยู่ที่ข้อมูล ไม่ใช่เม็ดเงินที่จะได้จากการลงทุนใน Machine Learning การมองว่าข้อมูลที่ได้นั้นสำคัญเท่ากับเม็ดเงินที่จะได้ตอบแทนกลับมาจึงเป็นมุมมองที่ถูกต้องที่สุดในการวางระบบ

การให้ความรู้เกี่ยวกับ Machine Learning ให้กับกลุ่มผู้บริหารเพื่อให้เข้าใจภาพรวมของการทำงานก่อน ถือเป็นเรื่องที่สำคัญไม่แพ้กันและเพื่อที่จะนำแผนของการลงทุนในการสร้างระบบ จะต้องมีการกำหนดเป้าหมายในการทำงานให้ชัดเจน ที่สำคัญมากๆ เรื่องหนึ่งคือ "Machine Learning ไม่สามารถตอบโจทย์ให้กับทุกปัญหาได้" ดังนั้นการคิดถึงภาพที่ถูกต้องของระบบจะต้องคิดไว้เสมอว่าการเก็บข้อมูล และพฤติกรรมจากกลุ่มเป้าหมายขนาดเล็กเพื่อให้ได้ข้อมูลตั้งต้นที่ไปสู่การแก้ไขปัญหาของข้อมูลขนาดใหญ่จึงเป็นเรื่องที่จำเป็นกว่าการได้ข้อมูลขนาดใหญ่เพื่อไปแก้ไขปัญหาขนาดใหญ่ด้วยกันเอง

จากโจทย์ที่ว่าจะเริ่มโครงการ Machine Learning อย่างไรนั้นคงได้ข้อสรุปที่ลงตัวว่า ความรู้และความเข้าใจ ในตัวระบบของ Machine Learning สำคัญมากกว่าวิธีการในการวางระบบ ซึ่งปัญหาส่วนใหญ่มักจะมาจากความไม่เข้าใจและการกำหนดขอบเขตของการลงระบบที่ไม่ชัดเจนนั่นเอง n