ยุคของ Deep Learning: เมื่อเครื่องเริ่มเรียนรู้คุณลักษณะจากข้อมูลหลายชั้น

Deep Learning คืออะไร

Deep Learning เป็นกลุ่มวิธีภายใน Machine Learning ที่ใช้โครงข่ายประสาทเทียมหลายชั้นเรียนรู้ Representation หรือตัวแทนของข้อมูลหลายระดับ บทความทบทวนของ Yann LeCun, Yoshua Bengio และ Geoffrey Hinton อธิบายว่าแต่ละชั้นเปลี่ยนตัวแทนจากชั้นก่อนหน้า เพื่อค่อย ๆ เปิดเผยโครงสร้างที่ซับซ้อนในข้อมูล

คำว่า Neural Network เป็นชื่อที่ได้แรงบันดาลใจจากการเชื่อมต่อของเซลล์ประสาท แต่โมเดลคณิตศาสตร์เหล่านี้ไม่ใช่สมองจำลองแบบครบถ้วน หน่วยคำนวณรับตัวเลข คูณด้วยค่าน้ำหนัก รวมผล ผ่านฟังก์ชัน และส่งต่อไปยังชั้นถัดไป ความสามารถเกิดจากการปรับน้ำหนักจำนวนมากให้ตอบโจทย์ ไม่ได้เกิดจากความรู้สึกนึกคิด

คำว่า “หลายชั้น” ชวนให้จินตนาการว่าโมเดลเพียงนำกฎหลายชุดมาต่อกัน แต่สิ่งที่เกิดขึ้นจริงละเอียดกว่านั้น แต่ละชั้นรับตัวเลขจากชั้นก่อนหน้า เปลี่ยนตัวเลขด้วยค่าน้ำหนักและฟังก์ชันไม่เชิงเส้น แล้วส่งตัวแทนชุดใหม่ต่อไป เมื่อฝึกทั้งเครือข่ายร่วมกัน ตัวแทนในชั้นต้นและชั้นลึกจึงปรับเข้าหาเป้าหมายเดียวกัน ถ้าเป้าหมายคือแยกมะม่วงสุกกับไม่สุก ตัวแทนที่เป็นประโยชน์อาจเกี่ยวกับเฉดสี รอยช้ำ ผิวสัมผัส หรือความสัมพันธ์ระหว่างหลายส่วนของผล ไม่ใช่กฎตายตัวว่า “สีเหลืองเท่ากับสุก”

Deep Learning จึงมีพลังตรงที่ไม่ต้องรอให้มนุษย์เขียนรายการคุณลักษณะทุกข้อก่อนเริ่ม แต่พลังนี้มากับต้นทุน เราเห็นได้ยากขึ้นว่าโมเดลใช้สัญญาณใดจริง ต้องใช้ข้อมูลและการคำนวณมากขึ้น และต้องออกแบบการทดสอบให้จับทางลัดที่โมเดลอาจเรียนโดยไม่ตั้งใจ การพูดว่าโมเดล “เรียนเอง” จึงถูกเพียงครึ่งเดียว มันปรับพารามิเตอร์เองภายในกรอบที่มนุษย์เลือกทั้งหมด ตั้งแต่โจทย์ ข้อมูล ป้ายกำกับ Loss ไปจนถึงเกณฑ์ตัดสินว่าอะไรเรียกว่าดี

แยกแนวคิดที่มักถูกเรียกรวมกัน

ก่อนตามกลไกต่อ เราควรแยกคำสี่คำที่มักถูกใช้แทนกัน เพราะการสับสนตรงนี้ทำให้เลือกวิธีผิดตั้งแต่ต้น AI เป็นขอบเขตกว้างของระบบที่ทำงานซึ่งเราเชื่อมโยงกับความสามารถฉลาด Machine Learning เป็นแนวทางให้ระบบปรับแบบจำลองจากข้อมูล Deep Learning เป็นกลุ่มวิธีใน Machine Learning ที่ใช้โครงข่ายหลายชั้น ส่วน Neural Network เป็นครอบครัวของแบบจำลองที่ Deep Learning นำมาสร้างให้ลึกและซับซ้อนขึ้น

อีกคู่ที่ต้องแยกคือ Feature Engineering กับ Representation Learning วิธีเดิมอาจให้ผู้เชี่ยวชาญกำหนดตัวเลข เช่น ค่าเฉลี่ยสีเหลือง ความกลม หรือจำนวนจุดดำ แล้วส่งตัวเลขเหล่านั้นให้โมเดล ส่วน Deep Learning พยายามเรียนตัวแทนจากพิกเซลพร้อมกับงานปลายทาง ไม่ได้หมายความว่ามนุษย์หมดบทบาท เรายังต้องออกแบบการถ่ายภาพ เลือกขอบเขตข้อมูล ตรวจป้ายกำกับ และตัดสินว่าความผิดพลาดแบบไหนยอมรับได้

สุดท้ายต้องแยก การฝึก ออกจาก การใช้งานจริง ระหว่างฝึก โมเดลเห็นตัวอย่างและรับสัญญาณว่าผิดแค่ไหน แต่ตอนใช้งาน มันได้รับภาพใหม่ที่ไม่มีเฉลยทันที หากสภาพแสง กล้อง สายพันธุ์ หรือฤดูกาลเปลี่ยน โมเดลอาจผิดโดยไม่มีใครบอก การวางระบบติดตามหลังเปิดใช้จึงไม่ใช่งานเสริม แต่เป็นส่วนหนึ่งของความหมายคำว่า “ใช้ได้จริง”

กรณีศึกษาหลัก: ระบบคัดมะม่วงสุกในศูนย์รวบรวมผลผลิต

ลองนึกถึงศูนย์รวบรวมมะม่วงที่ต้องคัดผลผลิตก่อนส่งร้านค้า พนักงานยืนข้างสายพานและตัดสินจากสี ผิว รอยช้ำ และความรู้สึกเมื่อสัมผัส แต่เมื่อผลผลิตเข้าพร้อมกันมาก การตัดสินอาจไม่สม่ำเสมอ เจ้าของศูนย์จึงถามว่า “ใช้กล้องและ Deep Learning ช่วยแยกมะม่วงที่พร้อมจำหน่ายได้หรือไม่” คำถามนี้ฟังเหมือนโจทย์จำแนกภาพธรรมดา แต่ความสำเร็จไม่ได้อยู่ที่คะแนนโมเดลอย่างเดียว

สิ่งแรกคือต้องนิยามคำว่า “สุก” ให้ทำงานได้ ถ้าร้านค้าปลายทางต้องการผลที่รับประทานได้ในสองวัน คำว่า “พร้อมจำหน่าย” อาจไม่เหมือนคำว่า “พร้อมรับประทานวันนี้” บางสายพันธุ์เปลี่ยนสีชัด บางสายพันธุ์ยังเขียวแม้สุก และรอยดำอาจเป็นตำหนิภายนอกโดยไม่เกี่ยวกับระดับความสุก หากทีมใช้ป้ายกำกับที่ผู้ตรวจแต่ละคนตีความต่างกัน โมเดลจะเรียนความไม่สอดคล้องนั้นด้วย

อินพุตของระบบคือภาพจากกล้องพร้อมบริบทที่จำเป็น เช่น รุ่นกล้อง จุดติดตั้ง เวลา สายพันธุ์ และล็อตสินค้า กระบวนการคือปรับภาพ ส่งผ่านโครงข่าย และให้คะแนนความน่าจะเป็นของแต่ละกลุ่ม เอาต์พุตอาจเป็น “ส่งช่องพร้อมขาย” “ส่งช่องรอตรวจ” หรือ “ส่งให้มนุษย์ตัดสิน” การมีช่องรอตรวจสำคัญ เพราะโลกจริงมีภาพพร่ามัว ผลซ้อนกัน หรือชนิดที่ระบบไม่เคยเห็น

Baseline หรือวิธีเปรียบเทียบไม่ควรหายไป ทีมอาจเริ่มจากกฎสีง่าย ๆ หรือวัดความสม่ำเสมอของพนักงานก่อน หาก Deep Learning เพิ่มความแม่นเพียงเล็กน้อยแต่ต้องใช้กล้องใหม่ GPU พลังงาน และการดูแลสูง วิธีเดิมอาจคุ้มกว่า ในทางกลับกัน หากระบบช่วยลดการคัดพลาดในช่วงที่ปริมาณสูงโดยยังเปิดทางให้คนตรวจ มันอาจมีคุณค่าแม้คะแนนเฉลี่ยไม่สูงที่สุด

Metric ของโมเดลกับ Metric ของงานต้องแยกกัน Accuracy บอกสัดส่วนคำตอบถูกโดยรวม แต่ธุรกิจอาจสนใจความเสียหายสองแบบไม่เท่ากัน การปล่อยมะม่วงดิบไปถึงลูกค้าอาจทำให้เกิดการคืนสินค้า ส่วนการคัดมะม่วงดีออกอาจทำให้สูญเสียรายได้ เราจึงต้องดู Precision, Recall หรือ Confusion Matrix ตามต้นทุนจริง และต้องวัดเวลาที่พนักงานใช้ตรวจซ้ำ ปริมาณของเสีย และข้อร้องเรียนหลังเปิดใช้ด้วย

บทบาทมนุษย์ในกรณีนี้มีตั้งแต่กำหนดนิยาม เก็บตัวอย่าง ตรวจคุณภาพป้ายกำกับ ยืนยันกรณีไม่แน่ใจ ไปจนถึงหยุดระบบเมื่อกล้องเสียหรือข้อมูลเปลี่ยน หากไม่มีเจ้าของงานเฝ้าระวัง โมเดลที่เคยดีในวันเปิดตัวอาจค่อย ๆ เสื่อมโดยไม่มีสัญญาณเตือนที่ผู้บริหารเห็น

หลายชั้นเรียนรู้อะไร

ถ้ามนุษย์ออกแบบระบบจำแนกภาพแบบเดิม เราอาจกำหนด Features เช่น สี รูปร่าง หรือขอบวัตถุด้วยมือ Deep Learning ให้เครือข่ายเรียน Features เหล่านี้ร่วมกับงานปลายทาง กระบวนการนี้เรียกว่า Representation Learning

คำอธิบายนี้เป็นภาพช่วยคิด ไม่ควรตีความว่าทุกโครงข่ายจะมีชั้น “หูแมว” หรือ “ดวงตา” ชัดเจนเสมอ สิ่งที่โมเดลเรียนกระจายอยู่ในพารามิเตอร์จำนวนมาก และอาจอธิบายตรง ๆ ได้ยาก

โมเดลปรับตัวอย่างไร

ระหว่างการฝึก โมเดลรับตัวอย่างแล้วสร้างคำตอบ ฟังก์ชันวัดความสูญเสียหรือ Loss เปรียบเทียบคำตอบกับเป้าหมาย จากนั้น Backpropagation คำนวณว่าน้ำหนักส่วนใดมีส่วนต่อความผิดพลาด และวิธี Optimization จะขยับน้ำหนักทีละน้อยเพื่อลด Loss

วงจรนี้เกิดซ้ำหลายรอบกับข้อมูลจำนวนมาก แต่การทำ Loss บนชุดฝึกให้ต่ำไม่ได้รับประกันว่าจะใช้กับข้อมูลใหม่ได้ เราจึงต้องแยกข้อมูลฝึก ข้อมูลตรวจสอบ และข้อมูลทดสอบ พร้อมระวัง Data Leakage ที่ทำให้โมเดลเห็นเบาะแสจากคำตอบโดยไม่ตั้งใจ

Deep Learning ไม่ได้เรียน “ความจริง” โดยตรง มันเรียนวิธีลดความผิดพลาดตามข้อมูล เป้าหมาย และวิธีวัดที่เราเลือก

ขั้นที่ 1 กำหนดการตัดสินใจและต้นทุนความผิดพลาด

ก่อนเปิดเครื่องมือฝึกโมเดล ทีมต้องตอบว่าระบบช่วยตัดสินใจอะไร ในกรณีมะม่วง เป้าหมายไม่ควรเขียนกว้าง ๆ ว่า “ตรวจความสุกด้วย AI” แต่ควรระบุว่าภาพหนึ่งภาพมาจากจุดใดบนสายพาน ต้องส่งผลไปยังช่องใด ภายในเวลาเท่าไร และกรณีใดต้องเรียกมนุษย์ หากผลลัพธ์ผิด ใครเสียหายและเสียหายแบบไหน คำตอบเหล่านี้กำหนดทั้งข้อมูล ป้ายกำกับ Metric และ Threshold

สมมติว่าการปล่อยมะม่วงดิบไปยังร้านค้ามีต้นทุนสูงกว่าการส่งมะม่วงที่ดูไม่แน่ใจไปตรวจซ้ำ ทีมอาจเลือก Threshold ที่ระมัดระวังและสร้างกลุ่ม “ไม่มั่นใจ” แทนการบังคับให้โมเดลตอบเพียงสุกหรือไม่สุกทุกภาพ สิ่งที่ส่งออกจึงไม่ใช่แค่ชื่อคลาส แต่เป็นคำแนะนำการดำเนินงานที่ผูกกับความรับผิดชอบของคน

ขั้นที่ 2 เก็บข้อมูลให้แทนโลกที่ระบบจะเจอ

ภาพจำนวนมากไม่เท่ากับข้อมูลที่หลากหลาย หากถ่ายมะม่วงหนึ่งร้อยผลจากมุมใกล้เคียงกันแล้วแตกเป็นหลายพันเฟรม ภาพดูเยอะ แต่ข้อมูลใหม่จริงมีน้อยมาก แบบจำลองอาจจำรายละเอียดของผลเดิม พื้นหลังเดิม หรือเงาจากไฟชุดเดิมได้ ทีมจึงควรทำแผนความครอบคลุม เช่น สายพันธุ์ ฤดูกาล แหล่งปลูก ระดับความสุก ตำหนิ กล้อง มุมถ่าย ความเร็วสายพาน และสภาพแสง

ป้ายกำกับต้องมีนิยามและวิธีตรวจ ผู้ตรวจสองคนอาจเห็นภาพเดียวกันต่างกัน โดยเฉพาะผลที่อยู่กึ่งกลาง การบังคับให้เลือกคำตอบโดยไม่มีช่อง “ไม่แน่ใจ” ทำให้ความไม่แน่นอนถูกซ่อนอยู่ในข้อมูล วิธีที่ดีกว่าคือบันทึกความเห็นต่าง ตรวจซ้ำด้วยเกณฑ์ที่เหมาะกับงานจริง และวัดความสอดคล้องของผู้ให้ป้ายกำกับ หากมนุษย์ยังไม่เห็นตรงกัน โมเดลก็ไม่ควรถูกคาดหวังให้สร้างความแน่นอนที่ไม่มีอยู่

ขั้นที่ 3 แบ่ง Train, Validation และ Test ตามหน่วยที่เป็นอิสระ

ชุดฝึกใช้ปรับน้ำหนัก ชุด Validation ใช้เลือกสถาปัตยกรรม Hyperparameter และ Threshold ส่วนชุด Test ควรถูกกันไว้เพื่อประเมินสุดท้าย การแบ่งแบบสุ่มระดับภาพอาจทำให้ภาพของมะม่วงผลเดียวกันอยู่ทั้งชุดฝึกและชุดทดสอบ โมเดลจึงได้คะแนนสูงจากการจำลักษณะเฉพาะที่เกือบซ้ำกัน นี่คือ Data Leakage รูปแบบหนึ่ง

สำหรับกรณีของเรา หน่วยแบ่งที่เหมาะสมอาจเป็นล็อตสินค้า วันถ่าย แหล่งปลูก หรือกล้อง ไม่ใช่ไฟล์ภาพ หากเป้าหมายคือใช้กับฤดูกาลหน้า ชุดทดสอบที่เก็บจากช่วงเวลาภายหลังจะตอบคำถามได้ดีกว่าการสุ่มภาพทั้งหมดปะปนกัน การแบ่งข้อมูลจึงต้องจำลองความต่างที่ระบบจะเจอหลังเปิดใช้ ไม่ใช่เพียงทำตามสัดส่วน 80/10/10 โดยไม่คิด

ขั้นที่ 4 ส่งภาพผ่านเครือข่ายและสร้างคำตอบ

ภาพดิจิทัลถูกแทนด้วยตัวเลขพิกเซล ขั้นเตรียมข้อมูลอาจปรับขนาด Normalize หรือเพิ่มความหลากหลายด้วย Data Augmentation ที่สมเหตุสมผล เช่น เปลี่ยนความสว่างเล็กน้อยหรือครอปในขอบเขตที่ยังคงความหมาย อินพุตไหลผ่านชั้นต่าง ๆ แต่ละชั้นคูณค่าอินพุตด้วยน้ำหนัก รวมผล และใช้ Activation Function เพื่อให้เครือข่ายเรียนความสัมพันธ์ไม่เชิงเส้น

ชั้นต้นอาจตอบสนองต่อขอบ ความต่างของสี และพื้นผิว ชั้นต่อมารวมสัญญาณเหล่านี้เป็นรูปแบบที่มีประโยชน์ต่อเป้าหมายมากขึ้น แต่เราไม่ควรบอกว่ามีเซลล์หนึ่งแทน “ความสุก” โดยตรงเสมอ ตัวแทนอาจกระจายอยู่ในหน่วยจำนวนมาก และสิ่งที่มีประโยชน์กับชุดฝึกอาจเป็นทางลัด เช่น สีของถาดที่บังเอิญสัมพันธ์กับมะม่วงสุก

ขั้นที่ 5 วัด Loss และส่งความผิดพลาดย้อนกลับ

โมเดลสร้างคะแนนแล้ว Loss Function เปรียบเทียบคะแนนกับป้ายกำกับ Backpropagation ใช้กฎลูกโซ่ของแคลคูลัสคำนวณว่า หากเปลี่ยนน้ำหนักแต่ละตัวเล็กน้อย Loss จะเปลี่ยนไปทิศทางใด จากนั้น Optimizer เช่นแนวคิด Gradient Descent จะขยับน้ำหนักในทิศที่คาดว่าจะลด Loss รอบถัดไป กระบวนการนี้ไม่ได้บอกโมเดลว่า “จงมองรอยช้ำ” แต่บอกเพียงว่าการเปลี่ยนน้ำหนักแบบใดทำให้คำตอบเข้าใกล้เป้าหมายมากขึ้น

Learning Rate ที่ใหญ่เกินไปอาจทำให้การฝึกแกว่งหรือข้ามจุดที่ดี ส่วนค่าที่เล็กเกินไปอาจช้ามาก Batch Size จำนวนรอบฝึก การกำหนดค่าเริ่มต้น และ Regularization ล้วนมีผล แต่การปรับสิ่งเหล่านี้ซ้ำกับชุด Test จะทำให้ Test กลายเป็น Validation โดยพฤตินัย คะแนนสุดท้ายจึงมองโลกในแง่ดีเกินจริง

ขั้นที่ 6 ตรวจ Generalization ไม่ใช่ตรวจความจำ

โมเดลที่ดีต้องทำงานกับตัวอย่างใหม่จากเงื่อนไขที่เราตั้งใจรองรับ คำว่า Generalization ไม่ได้หมายความว่าจะใช้ได้กับทุกโลก แต่หมายถึงใช้ได้กับการกระจายข้อมูลที่นิยามไว้และตรวจแล้ว เราจึงดูทั้งผลรวม ผลแยกตามกลุ่ม Confusion Matrix ความมั่นใจ และตัวอย่างผิดพลาดจริง ไม่ควรเลือกโมเดลจากตัวเลขเดียว

ในระบบคัดมะม่วง ทีมควรทดสอบแยกตามสายพันธุ์ แหล่งปลูก กล้อง และสภาพแสง ถ้าคะแนนรวมสูงเพราะกลุ่มหลักมีข้อมูลมาก แต่กลุ่มผลสีเขียวถูกทิ้งไว้ข้างหลัง ระบบยังไม่พร้อม การดูค่าเฉลี่ยอย่างเดียวซ่อนความผิดพลาดที่กระจุกตัวได้ และความผิดนั้นอาจตกกับเกษตรกรบางกลุ่มมากกว่ากลุ่มอื่น

ขั้นที่ 7 ทดลองหน้างาน เฝ้าระวัง และย้อนกลับได้

ก่อนให้โมเดลควบคุมสายพานเต็มรูปแบบ ควรเริ่มแบบ Shadow Mode คือให้โมเดลทำนายโดยยังไม่สั่งคัดจริง แล้วเปรียบเทียบกับการตัดสินของพนักงาน เมื่อพบความต่าง ให้ตรวจว่ามนุษย์ผิด โมเดลผิด หรือนิยามไม่ชัด จากนั้นจึงเปิดใช้ทีละส่วน พร้อมปุ่มหยุด ช่องทางตรวจซ้ำ และบันทึกเหตุการณ์

หลังเปิดใช้ ทีมต้องเฝ้าดู Data Drift เช่น กล้องใหม่ แสงใหม่ หรือสายพันธุ์ใหม่ และ Concept Drift เช่น นิยาม “พร้อมขาย” เปลี่ยนตามระยะเวลาขนส่ง ค่า Monitor ไม่ควรมีแค่สัดส่วนคำตอบของโมเดล แต่รวมคุณภาพภาพ อัตราที่มนุษย์แก้คำตอบ ของเสีย ข้อร้องเรียน และความต่างระหว่างกลุ่ม เมื่อสัญญาณเกินเกณฑ์ ต้องรู้ว่าใครหยุดระบบ ใครตรวจข้อมูล และจะย้อนกลับไปใช้วิธีเดิมอย่างไร

เหตุใดโครงข่ายลึกจึงกลายเป็นจุดเปลี่ยน

การบรรจบกันสำคัญกว่าการยกเครดิตให้สิ่งเดียว Backpropagation มีรากจากงานก่อนหน้า GPU ไม่ได้ถูกสร้างมาเพื่อ AI โดยเฉพาะ และ ImageNet เกิดจากแรงงานการจัดหมวดหมู่ข้อมูลจำนวนมาก ความก้าวหน้าจึงเป็นผลของระบบนิเวศ ไม่ใช่อัลกอริทึมโดดเดี่ยว

ImageNet และ AlexNet เปลี่ยนความเชื่อของวงการอย่างไร

ImageNet Large Scale Visual Recognition Challenge เปิดพื้นที่ให้ทีมวิจัยเปรียบเทียบระบบจำแนกและตรวจจับวัตถุบนชุดข้อมูลขนาดใหญ่ ภารกิจจำแนกภาพมี 1,000 หมวดหมู่ ซึ่งยากกว่าชุดทดลองขนาดเล็กในอดีตมาก

ปี 2012 Alex Krizhevsky, Ilya Sutskever และ Geoffrey Hinton รายงานโครงข่าย Convolutional Neural Network ขนาดใหญ่ที่ฝึกบน GPU ผลงานทำ Top-5 error ในการแข่งขันได้ประมาณ 15.3% ขณะที่อันดับรองลงมาอยู่ราว 26.2% ช่องว่างนี้ทำให้เห็นว่าแนวทางโครงข่ายลึกไม่ได้เพียงแข่งขันได้ แต่เปิดเพดานใหม่ให้ Computer Vision

เหตุการณ์นี้มักถูกเรียกว่า “การเริ่มต้นของ Deep Learning” แต่ถ้อยคำที่แม่นกว่าคือ จุดที่หลักฐานเชิงประจักษ์ขนาดใหญ่ทำให้แนวทางซึ่งพัฒนามาหลายทศวรรษได้รับการยอมรับและลงทุนอย่างกว้างขวาง

จากภาพไปสู่เสียง ภาษา และการตัดสินใจ

หลักการเรียนตัวแทนหลายระดับไม่ได้จำกัดอยู่ที่ภาพ Convolutional Network ช่วยงานภาพและเสียง Recurrent Network เคยมีบทบาทกับข้อมูลลำดับ ส่วนสถาปัตยกรรมที่เกิดภายหลัง เช่น Transformer ทำให้การประมวลผลภาษาและการสร้างเนื้อหาขยายตัวอย่างรวดเร็ว

Deep Reinforcement Learning ยังผสานโครงข่ายลึกกับการเรียนจากรางวัล งาน Deep Q-Network ของ DeepMind ในปี 2015 แสดงให้เห็นตัวแทนที่รับพิกเซลจากเกม Atari แล้วเรียนการกระทำได้ แต่ระบบแต่ละชนิดยังถูกฝึกเพื่อเป้าหมายและสภาพแวดล้อมเฉพาะ ไม่ใช่ความฉลาดทั่วไปโดยอัตโนมัติ

คะแนนลวงเกิดขึ้นได้อย่างไร

กรณีที่ 1 ข้อมูลรั่วข้ามชุดโดยที่หน้าตารางดูปกติ

สมมติกล้องถ่ายวิดีโอมะม่วงแต่ละผลหลายเฟรม แล้วทีมสุ่มทุกเฟรมเพื่อแบ่งชุด ภาพใน Train กับ Test จึงต่างกันเพียงเสี้ยววินาที โมเดลอาจจำรอยตำหนิ พื้นหลัง และตำแหน่งเฉพาะของผลเดียวกันได้ คะแนน Test สูงมาก แต่เมื่อเจอล็อตใหม่คะแนนตก กลไกที่ทำให้เกิดภาพลวงตาคือ Test ไม่เป็นอิสระจาก Train แม้ชื่อไฟล์ไม่ซ้ำกัน

วิธีตรวจคือค้นหาความใกล้เคียงของภาพ ตรวจ Metadata และแบ่งข้อมูลตามผลมะม่วงหรือล็อตก่อนทำการสุ่ม หากคะแนนลดลงหลังแก้การแบ่ง ไม่ได้หมายความว่าโมเดลแย่ลง แต่หมายความว่าการวัดซื่อสัตย์ขึ้น การยอมรับคะแนนที่ต่ำกว่าแต่สะท้อนโลกจริงมีค่ากว่าตัวเลขสวยที่ตอบคำถามผิด

กรณีที่ 2 โมเดลเรียนทางลัดจากฉากหลัง

ถ้าภาพมะม่วงสุกส่วนใหญ่ถูกวางบนถาดสีน้ำเงิน และมะม่วงดิบอยู่บนถาดสีเขียว เครือข่ายอาจใช้สีถาดเพราะเป็นสัญญาณที่ง่ายและสัมพันธ์กับป้ายกำกับสูง ในชุดทดสอบที่มาจากกระบวนการเดียวกัน มันยังได้คะแนนดี แต่เมื่อเปลี่ยนถาด ระบบพัง สิ่งที่โมเดลเรียนไม่ผิดตาม Loss เพราะ Loss ไม่รู้ว่าเราต้องการเหตุผลเกี่ยวกับผลไม้ ไม่ใช่บริบท

วิธีตรวจคือสร้าง Counterexample โดยสลับถาด ครอปพื้นหลัง เปลี่ยนแสง หรือทดสอบภาพที่ควบคุมตัวแปรทีละอย่าง เครื่องมืออธิบายโมเดลอาจช่วยชี้พื้นที่ที่โมเดลสนใจ แต่ไม่ควรถูกใช้เป็นหลักฐานชิ้นเดียว การทดลองที่เปลี่ยนสาเหตุที่สงสัยโดยตรงให้หลักฐานแข็งแรงกว่า Heatmap ที่ดูน่าเชื่อแต่ตีความคลุมเครือ

กรณีที่ 3 Class Imbalance ทำให้ Accuracy หลอกตา

หาก 95 จาก 100 ภาพเป็นมะม่วงพร้อมขาย โมเดลที่ตอบ “พร้อมขาย” ทุกภาพได้ Accuracy 95% โดยไม่เรียนรู้อะไรเกี่ยวกับความสุกเลย ตัวเลขนี้สูงกว่าที่คนจำนวนมากคาด แต่ล้มเหลวกับกลุ่มที่เราต้องจับ วิธีตรวจคือเปรียบเทียบกับ Baseline ง่าย ๆ ดู Recall ของกลุ่มหายาก Precision ของคำเตือน และ Confusion Matrix แทนการอ่าน Accuracy เดี่ยว ๆ

กรณีที่ 4 ความมั่นใจสูงไม่ได้แปลว่าความน่าจะเป็นถูกต้อง

Softmax สามารถให้คะแนน 0.99 กับภาพที่อยู่นอกสิ่งที่เคยฝึก เช่น ผลไม้ชนิดอื่นหรือภาพเสีย คะแนนนั้นเป็นผลของการเปรียบเทียบภายในตัวเลือกที่โมเดลมี ไม่ใช่ใบรับรองว่าโมเดลรู้จักโลกทั้งหมด เราจึงต้องทดสอบ Out-of-distribution วัด Calibration และออกแบบเส้นทางสำหรับกรณีที่ระบบไม่ควรตัดสิน

กรณีที่ 5 โลกเปลี่ยนหลังวันเปิดใช้

ช่วงทดลองอาจใช้กล้องสะอาดและแสงคงที่ แต่หลังหลายเดือนเลนส์มีฝุ่น ตำแหน่งไฟเลื่อน หรือมีสายพันธุ์ใหม่เข้ามา Distribution ของอินพุตจึงเปลี่ยน แม้โค้ดและน้ำหนักไม่เปลี่ยน ผลลัพธ์ก็เสื่อมได้ ความล้มเหลวนี้ไม่ปรากฏในรายงาน Test เดิม เพราะ Test เป็นภาพอดีต วิธีรับมือคือ Monitor สัญญาณคุณภาพข้อมูล สุ่มตรวจคำตอบ และกำหนด Trigger สำหรับหยุดหรือฝึกใหม่

ข้อจำกัดที่ต้องเห็นก่อนเชื่อคะแนน

งานสำคัญจึงควรมีการทดสอบกับข้อมูลจากโลกจริง การติดตามหลังเปิดใช้ ช่องทางให้มนุษย์ตรวจหรืออุทธรณ์ และแผนหยุดระบบเมื่อพฤติกรรมเปลี่ยน ความซับซ้อนของโมเดลไม่ลดความรับผิดชอบของผู้สร้าง

Deep Learning ยังมีข้อจำกัดด้านทรัพยากร โมเดลขนาดใหญ่ต้องใช้พลังงาน หน่วยความจำ เวลา และทักษะดูแลมากกว่าโมเดลง่าย การใช้ Transfer Learning หรือโมเดลที่ฝึกไว้ล่วงหน้าอาจลดข้อมูลและเวลาที่ต้องใช้ แต่โมเดลต้นทางนำสมมติฐานและอคติจากข้อมูลเดิมมาด้วย ทีมต้องตรวจ License ขอบเขตการใช้งาน และผลกับข้อมูลของตนเอง ไม่ควรถือว่าคำว่า Pretrained เท่ากับพร้อมใช้

ข้อจำกัดด้านคำอธิบายก็สำคัญ เราอาจวิเคราะห์ความสำคัญของพื้นที่ภาพหรือสร้างตัวอย่างที่กระตุ้นหน่วยบางส่วนได้ แต่คำอธิบายเหล่านี้เป็นเครื่องมือสืบสวน ไม่ใช่หน้าต่างที่เปิดเห็น “เหตุผลแท้จริง” ของโมเดลทั้งหมด หากงานกระทบสิทธิ์ รายได้ หรือความปลอดภัย การมีคำอธิบายสวยไม่ทดแทนกระบวนการอุทธรณ์ การตรวจโดยคน และหลักฐานว่าระบบเหมาะกับบริบทนั้น

ผู้ได้รับผลกระทบในกรณีคัดมะม่วงไม่ได้มีเพียงเจ้าของศูนย์ เกษตรกรอาจเสียรายได้ถ้าระบบคัดผลผลิตจากบางสายพันธุ์ผิดบ่อย พนักงานอาจต้องรับภาระตรวจกรณีไม่แน่ใจมากขึ้น ร้านค้าและลูกค้าได้รับผลจากคุณภาพที่หลุดไป การออกแบบที่รับผิดชอบจึงต้องวัดผลแยกตามกลุ่ม เปิดให้รายงานความผิดพลาด และกำหนดผู้มีอำนาจแก้ไขหรือหยุดระบบอย่างชัดเจน

เช็กลิสต์: Deep Learning พร้อมสำหรับโจทย์นี้หรือยัง

ใช้รายการต่อไปนี้ก่อนตัดสินใจเริ่มโครงการ แต่ละข้อควรมีหลักฐาน ไม่ใช่ตอบจากความรู้สึก หากข้อใดไม่ผ่าน ให้แก้ที่ต้นเหตุหรือกลับไปทดลองวิธีง่ายกว่าก่อน

• โจทย์และการกระทำชัด: ระบุอินพุต เอาต์พุต ผู้ใช้ เวลา และทางเลือกเมื่อโมเดลไม่แน่ใจได้ ถ้ายังทำไม่ได้ ให้จัด Workshop นิยามงานก่อนเก็บข้อมูล
• มี Baseline: รู้ว่าวิธีเดิมทำได้ดีแค่ไหน ใช้ต้นทุนเท่าไร และ Deep Learning ต้องปรับปรุง Metric ใด หากไม่มี ให้สร้างกฎง่ายหรือวัดกระบวนการเดิมก่อน
• ข้อมูลแทนโลกจริง: มีความหลากหลายตามกลุ่ม เวลา อุปกรณ์ และสภาพแวดล้อมที่ตั้งใจรองรับ ถ้าขาด ให้ทำ Coverage Matrix และเก็บข้อมูลเติม
• ป้ายกำกับตรวจได้: มีนิยาม คู่มือ ตัวอย่างก้ำกึ่ง และการตรวจความสอดคล้องของผู้ให้ป้าย หากคนยังไม่เห็นตรงกัน ให้แก้นิยามก่อนฝึก
• การแบ่งชุดป้องกันข้อมูลรั่ว: แบ่งตามบุคคล วัตถุ ล็อต เวลา หรือแหล่งกำเนิดที่เหมาะกับโจทย์ หากภาพใกล้ซ้ำข้ามชุด ให้แบ่งใหม่และรายงานคะแนนใหม่
• Metric เชื่อมกับต้นทุน: ดูมากกว่าค่าเฉลี่ยและกำหนด Threshold ตามความเสียหายของ False Positive/False Negative หากต้นทุนไม่เท่ากัน ห้ามใช้ Accuracy เป็นคำตอบเดียว
• ทดสอบทางลัดและโลกต่าง: มี Counterexample สภาพแสง กล้อง พื้นหลัง และกลุ่มหายาก หากยังไม่ทดสอบ ให้ถือว่ายังไม่พร้อมเปิดใช้
• มนุษย์หยุดและย้อนกลับได้: มีเจ้าของระบบ ปุ่มหยุด คิวตรวจซ้ำ Log และวิธีใช้ Baseline ชั่วคราว หากไม่มี การเปิดใช้ถือว่าเสี่ยงเกินไป
• มีแผน Monitor: ระบุสัญญาณ Drift เกณฑ์เตือน ความถี่ตรวจ และเงื่อนไขฝึกใหม่ หากไม่มี ให้เริ่ม Shadow Mode แทนการควบคุมงานจริง

กฎตัดสินใจสั้น ๆ: เลือก Deep Learning เมื่อข้อมูลมีโครงสร้างซับซ้อน วิธีง่ายยังไม่ตอบโจทย์ ประโยชน์คุ้มต้นทุน และทีมสามารถทดสอบ เฝ้าระวัง รวมถึงย้อนกลับได้ หากขาดข้อใดข้อหนึ่ง “ยังไม่ใช้ตอนนี้” เป็นคำตอบที่มีเหตุผล ไม่ใช่ความล้มเหลวทางเทคนิค

ความเข้าใจผิดที่พบบ่อยและวิธีตรวจ

ทดลองทำ: ออกแบบโครงข่ายโดยยังไม่ต้องเขียนโค้ด

หลักฐานว่าทำสำเร็จ: ผู้อื่นอ่านแผนของคุณแล้วตอบได้ว่าโมเดลรับอะไร ตัดสินอะไร ถูกวัดด้วยเกณฑ์ใด และจะตรวจทางลัดอย่างไร จากนั้นลองอธิบายว่าเหตุใดการแบ่งข้อมูลของคุณจึงจำลองข้อมูลใหม่จริง ไม่ใช่แค่สุ่มไฟล์ หากยังเลือกโจทย์ไม่ได้ ให้เริ่มจากกระบวนการที่คุณรู้จัก เขียนความผิดพลาดสองแบบและถามว่ากฎธรรมดาหรือเซนเซอร์แก้ได้ก่อนหรือไม่ นี่คือ Recovery Step ที่ช่วยไม่ให้เริ่มจากคำว่า Deep Learning โดยไม่มีปัญหาชัดเจน

ทดสอบความเข้าใจ: คุณมองเห็นกลไกและภาพลวงตาหรือยัง

คำถามที่พบบ่อย

Deep Learning กับ Machine Learning เหมือนกันหรือไม่

ไม่เหมือนกันทั้งหมด Deep Learning เป็นส่วนหนึ่งของ Machine Learning ส่วน Machine Learning ยังรวม Linear Model, Decision Tree, SVM และวิธีอื่นที่ไม่ใช่โครงข่ายลึก

ยิ่งมีหลายชั้นยิ่งเก่งเสมอหรือไม่

ไม่เสมอ ความลึกเพิ่มความสามารถในการสร้างตัวแทน แต่เพิ่มต้นทุนและความยากในการฝึกด้วย งานขนาดเล็กหรือข้อมูลตารางอาจเหมาะกับโมเดลที่ง่ายกว่า

Deep Learning เรียนเองโดยไม่ต้องมีมนุษย์หรือไม่

ยังต้องพึ่งมนุษย์กำหนดโจทย์ เก็บและคัดข้อมูล เลือก Loss ตั้งข้อจำกัด ตรวจผล และรับผิดชอบการนำไปใช้ แม้บางขั้นจะทำงานอัตโนมัติก็ตาม

ทำไม GPU จึงสำคัญ

การฝึกโครงข่ายต้องทำการคูณและบวกจำนวนมาก GPU เหมาะกับการคำนวณหลายส่วนพร้อมกัน จึงเร่งงานประเภทนี้ได้ดี แต่ไม่ได้หมายความว่าทุกงานต้องใช้ GPU

สรุป: ความลึกที่สำคัญไม่ได้อยู่แค่จำนวนชั้น

Deep Learning เปลี่ยนวิธีสร้างระบบ AI ตรงที่โมเดลเรียน Representation หลายระดับจากข้อมูลพร้อมกับงานปลายทาง จุดเปลี่ยนปี 2012 เกิดเมื่อข้อมูลขนาดใหญ่ GPU เทคนิคฝึก และ Benchmark มาบรรจบกัน จน AlexNet แสดงช่องว่างผลลัพธ์ที่วงการมองข้ามไม่ได้

อย่างไรก็ดี โมเดลที่เรียน Features เองยังเรียนทางลัด อคติ และความผิดพลาดจากข้อมูลได้ สิ่งที่ทำให้ระบบน่าเชื่อถือจึงไม่ใช่ความลึกเพียงอย่างเดียว แต่คือความชัดเจนของโจทย์ การแยกชุดทดสอบ การตรวจนอกสถานการณ์เดิม และความรับผิดชอบของมนุษย์

บทถัดไปจะพาไปดูว่าแนวคิดการเรียนรู้จากข้อมูลขยายจากการจำแนกและคาดการณ์ ไปสู่ระบบที่สร้างข้อความ ภาพ เสียง และข้อมูลใหม่ได้อย่างไรใน ยุคของ Generative AI

ภาพสรุป: วงจร Deep Learning ที่ตรวจสอบได้

อ่านภาพตามลูกศรจากการนิยามการตัดสินใจ ไปสู่การเก็บภาพ แบ่งชุด เรียนรู้ตัวแทน ประเมินกับ Baseline ทดสอบในเงื่อนไขใหม่ และเฝ้าระวังหลังเปิดใช้ กล่องเตือนด้านล่างย้ำสามจุดที่ทำให้คะแนนลวงได้ ได้แก่ ข้อมูลรั่ว โมเดลเรียนทางลัด และโลกจริงเปลี่ยนจากวันที่ฝึก หากวงจรขาดขั้นใดขั้นหนึ่ง ความลึกของเครือข่ายก็ชดเชยหลักฐานที่หายไปไม่ได้