ข้ามไปยังเนื้อหาหลัก
ไปที่แดชบอร์ด
หากไม่แน่ใจว่าจะเริ่มจากตรงไหน ลองทำแบบทดสอบสั้นๆ เพื่อรับคำแนะนำที่ปรับให้เหมาะกับคุณ
บทเรียนที่ 2 จาก 7
การสืบเรื่องราวด้วยแมชชีนเลิร์นนิง
Hands-on Machine Learning
Google Cloud AutoML Vision
การเตรียมข้อมูล
ประเมินและทดสอบ
check_box_outline_blank Hands-on Machine Learning: Take the Quiz
สนาม
0% เสร็จสมบูรณ์
5 นาที บทเรียนที่ต้องศึกษาต่อ

การสืบเรื่องราวด้วยแมชชีนเลิร์นนิง

image23_2_o9fybYX.png
คุณจะใช้แมชชีนเลิร์นนิงในการรายงานข่าวได้อย่างไร
image23_2_o9fybYX.png

แมชชีนเลิร์นนิงเพื่อการสืบเรื่องราว: กรณีศึกษา

image23_2.png

ปี 2010 ราคาอำพันในตลาดโลกเริ่มเพิ่มสูงขึ้นอย่างรวดเร็ว เนื่องจากมีความต้องการมาก ในปีต่อๆ มา พื้นที่บางส่วนในภาคตะวันตกเฉียงเหนือของประเทศยูเครนซึ่งมีอำพันอุดมสมบูรณ์จึงดึงดูดความสนใจจากทั้งในท้องถิ่นและจากต่างชาติ จนกลายเป็นที่เกิดเหตุ “ตื่นอำพัน” อย่างผิดกฎหมายและเป็น “ดินแดนตะวันตก” แห่งใหม่



พื้นที่ป่าและที่ดินเพื่อการเกษตรนับร้อยเฮกตาร์กลายเป็นพื้นดินแห้งแล้งไร้ชีวิตเหมือนโลกพระจันทร์ โดยมีกิจกรรมการทำเหมืองเกิดขึ้นหนาแน่นที่สุดตั้งแต่ปี 2014 ถึง 2016 แต่ยังคงดำเนินไปต่อเนื่องในปีต่อๆ มา


image23_2.png

การสืบเรื่องราวของ Texty “โรคเรื้อนของผืนดิน”

image5_2.png

ปี 2018 สำนักข้อมูลข่าวของยูเครนชื่อ Texty ได้เผยแพร่ผลการสืบเรื่องราว Leprosy of the Land ที่พวกเขาใช้เทคนิคแมชชีนเลิร์นนิงตรวจหากรณีการทำเหมืองอำพันผิดกฎหมายทั่วยูเครน



อันดับแรก อัลกอริทึมได้แบ่งส่วนต่างๆ ของภาพถ่ายดาวเทียมออกเป็นส่วนย่อยที่มองเห็นได้ว่าเหมือนกัน ดังนั้นถ้าภาพถ่ายมีสีเขียวครึ่งหนึ่งและอีกครึ่งเป็นทุ่งดิน อัลกอริทึมจะแยกภาพออกเป็นสองส่วนย่อย



อัลกอริทึมอีกแบบค้นหาว่าส่วนย่อยใดคล้ายตัวอย่างของการทำเหมืองอำพันที่มีอยู่แล้วมากที่สุด โดยมีรูปแบบหลุมในดินที่ชัดเจนเหมือนรอยแผลฝีดาษ 



สุดท้าย นักข่าวตรวจสอบตัวอย่างที่อัลกอริทึมพบเพื่อให้แน่ใจว่าแท้จริงแล้วสิ่งที่อัลกอริทึมคิดว่าดูเหมือนการทำเหมืองอำพันไม่ใช่อย่างอื่น เช่น การตัดไม้ทำลายป่า


image5_2.png

การค้นหาตัวอย่างการทำเหมืองอำพันผิดกฎหมาย

image7_2.png

ในหลักสูตรนี้ เราจะเน้นวิธีการที่ Texty ใช้ฝึกอัลกอริทึมให้จำแนกภาพตัวอย่างการทำเหมืองอำพันผิดกฎหมาย จากภาพถ่ายดาวเทียมจำนวนมหาศาลที่อัลกอริทึมอีกแบบแบ่งเป็นส่วนย่อยมาให้ก่อนแล้ว


อย่างที่กล่าวไว้ในบทเรียนแรก นั่นหมายถึงว่าเราจะทดสอบด้วยการเรียนรู้แบบมีการกำกับดูแล คุณจะได้ทราบว่าอัลกอริทึมเรียนรู้จากตัวอย่างที่มีป้ายกำกับอย่างไร เพื่อจดจำรูปแบบเดียวกันในภาพถ่ายต่างๆ ที่อัลกอริทึมไม่เคยเห็นมาก่อน 


และจะได้ทราบด้วยว่าคุณจะเลียนแบบกระบวนการนี้เพื่อเรื่องราวของคุณเองได้อย่างไร ตั้งแต่การค้นหาตัวอย่างที่คุณต้องใช้ จนถึงการฝึกรูปแบบแมชชีนเลิร์นนิงให้จำแนกสิ่งที่คุณกำลังมองหา และจากนั้นจึงทดสอบและประเมินผลรูปแบบให้แน่ใจว่าจะได้ผลลัพธ์ที่เชื่อถือได้

image7_2.png

ML คือเครื่องมือที่ใช่สำหรับปัญหานี้หรือไม่

image12_3_TvhzWTX.png

แต่ทำไมแมชชีนเลิร์นนิงจึงเป็นเครื่องมือที่ถูกต้องในการหาข้อมูลที่ Texty มองหา 


ในการเขียนโปรแกรมแบบคลาสสิก คุณต้องระบุคำสั่งทีละขั้นตอนให้คอมพิวเตอร์ทำตาม ในขณะที่วิธีนี้ได้ผลสำหรับการแก้ปัญหาหลากหลายแบบ แต่ไม่พอสำหรับงานจำแนกตัวอย่างการทำเหมืองอำพันผิดกฎหมายจากภาพถ่ายดาวเทียมจำนวนมหาศาล มีองค์ประกอบที่มองเห็นได้มากมายที่คอมพิวเตอร์ต้องพิจารณาจนเป็นไปไม่ได้ที่จะสร้างชุดของกฎทีละขั้นตอนให้สามารถสอนซอฟต์แวร์แยกแยะระหว่างตัวอย่างจริงของการทำเหมืองอำพันผิดกฎหมายกับสิ่งที่อาจแค่ดูคล้ายกัน


โชคดีที่ระบบแมชชีนเลิร์นนิงอยู่ในตำแหน่งที่ดีในการแก้ปัญหานี้

image12_3_TvhzWTX.png

เน้นกระบวนการ

image46_2.png

อย่าลืมว่าสิ่งที่คุณจะเรียนรู้ในหลักสูตรนี้ นั่นคือ วิธีสังเกตการทำเหมืองอำพันผิดกฎหมาย เป็นเพียงตัวอย่างเดียว ด้วยกระบวนการเดียวกันนี้ สามารถใช้แมชชีนเลิร์นนิงทำงานข่าวต่างๆ มากมาย และแม้แต่นำไปประยุกต์ใช้เพื่อวิเคราห์เนื้อหาประเภทต่างๆ ก็ได้ ไม่เฉพาะรูปภาพ เราจะดูกรณีการใช้งานอื่นๆ อีกตอนท้ายหลักสูตร ระหว่างทำแบบฝึกหัด อย่าลืมเน้นกระบวนการมากกว่ากรณีศึกษาที่เฉพาะเจาะจง


คราวนี้ก่อนเราจะเริ่มทำแบบฝึกหัดจริง เราต้องให้เวลาสองสามนาทีเพื่อทำความรู้จักและตั้งค่าเครื่องมือที่เราจะหัดใช้ในบทเรียนต่อไป นั่นคือ Google Cloud AutoML Vision

image46_2.png
ยินดีด้วย คุณทำสำเร็จแล้ว การสืบเรื่องราวด้วยแมชชีนเลิร์นนิง in progress
Recommended for you
คุณจะให้คะแนนบทเรียนนี้อย่างไร
ความคิดเห็นของคุณจะช่วยให้เราปรับปรุงบทเรียนได้อย่างต่อเนื่อง
ออกและยอมให้ความคืบหน้าหายไปใช่ไหม
หากออกจากหน้านี้ ความคืบหน้าทั้งหมดในบทเรียนปัจจุบันของคุณจะหายไป คุณแน่ใจหรือไม่ว่าต้องการดำเนินการต่อและยอมให้ความคืบหน้าหายไป