ស្រមៃមើលពិភពលោកដែលកុំព្យូទ័រមានភាពត្រឹមត្រូវជាងមនុស្សក្នុងការបកស្រាយទិន្នន័យដែលមើលឃើញ។ វិស័យនៃចក្ខុវិស័យកុំព្យូទ័រ និងការរៀនម៉ាស៊ីនបានធ្វើឱ្យគំនិតនេះក្លាយជាការពិត។
ចក្ខុវិស័យកុំព្យូទ័រ និងការរៀនម៉ាស៊ីន គឺជាសមាសធាតុសំខាន់ពីរនៃ AI ។ ពេលខ្លះពួកគេច្របូកច្របល់គ្នាទៅវិញទៅមក។ ពួកវាអាចប្រើជំនួសគ្នាបាន។
ទោះជាយ៉ាងណាក៏ដោយពួកគេគឺជាតំបន់ដាច់ដោយឡែកដែលមានវិធីសាស្រ្តផ្សេងគ្នា។ នៅក្នុងការប្រកាសនេះ យើងនឹងពិភាក្សាអំពីភាពផ្ទុយគ្នារវាងចក្ខុវិស័យកុំព្យូទ័រ និង ការរៀនម៉ាស៊ីន. ចូលរួមជាមួយយើងនៅពេលយើងរុករកវាលរង AI ដ៏គួរឱ្យចាប់អារម្មណ៍ទាំងនេះ។
ហេតុអ្វីបានជាយើងចាំបាច់ត្រូវបង្កើតភាពខុសគ្នានេះ?
ទាំងចក្ខុវិស័យកុំព្យូទ័រ និងការរៀនម៉ាស៊ីន គឺជាផ្នែកសំខាន់នៃបញ្ញាសិប្បនិម្មិត។ ទោះយ៉ាងណាក៏ដោយ ពួកគេមានវិធីសាស្រ្ត និងគោលបំណងផ្សេងគ្នា។ ដោយដឹងពីភាពខុសគ្នារវាងពួកវា យើងអាចប្រើប្រាស់សក្តានុពលរបស់ AI កាន់តែប្រសើរ។
ហើយយើងអាចជ្រើសរើសបច្ចេកវិទ្យាត្រឹមត្រូវសម្រាប់គម្រោងរបស់យើង។
ចូរទៅលើពួកគេទាំងពីរម្តងមួយ។
ការយល់ដឹងអំពីចក្ខុវិស័យកុំព្យូទ័រ
សមត្ថភាពរបស់កុំព្យូទ័រក្នុងការបកស្រាយពិភពដែលមើលឃើញត្រូវបានគេស្គាល់ថាជាចក្ខុវិស័យកុំព្យូទ័រ។ វារួមបញ្ចូលទាំងការបណ្តុះបណ្តាលកុំព្យូទ័រដើម្បីយល់ និងវិភាគរូបភាព និងវីដេអូឌីជីថល។
បច្ចេកវិទ្យានេះដំណើរការដូចជារបៀបដែលភ្នែក និងខួរក្បាលដំណើរការរបស់មនុស្ស។ កុំព្យូទ័រអាចស្គាល់វត្ថុ មុខ និងលំនាំ។ ពួកគេអាចទាញយកទិន្នន័យពីរូបថត។ ហើយពួកគេវាយតម្លៃទិន្នន័យដោយប្រើក្បួនដោះស្រាយ និងគំរូ។
ឧស្សាហកម្មជាច្រើន រួមទាំងការថែទាំសុខភាព ការដឹកជញ្ជូន ការកម្សាន្ត និងសន្តិសុខ អាចទទួលបានអត្ថប្រយោជន៍ពីចក្ខុវិស័យកុំព្យូទ័រ។ ជាឧទាហរណ៍ ចក្ខុវិស័យកុំព្យូទ័រត្រូវបានប្រើដើម្បីណែនាំរថយន្តគ្មានអ្នកបើកបរ និងជួយគ្រូពេទ្យក្នុងការធ្វើរោគវិនិច្ឆ័យជំងឺ។
លទ្ធភាពជាមួយនឹងចក្ខុវិស័យកុំព្យូទ័រគឺគ្មានដែនកំណត់។ ហើយយើងទើបតែចាប់ផ្តើមស្វែងរកសក្តានុពលរបស់ពួកគេ។
ភារកិច្ចចម្បងនៃចក្ខុវិស័យកុំព្យូទ័រ
ការទទួលស្គាល់រូបភាព
មុខងារសំខាន់នៃចក្ខុវិស័យកុំព្យូទ័រគឺការទទួលស្គាល់រូបភាព។ វាបង្រៀនប្រព័ន្ធកុំព្យូទ័រពីរបៀបដើម្បីសម្គាល់ និងចាត់ថ្នាក់រូបភាពឌីជីថល។ នេះបញ្ជាក់ថាកុំព្យូទ័រមានសមត្ថភាពសម្គាល់សមាសធាតុនៃរូបភាពដោយស្វ័យប្រវត្តិ។
ពួកគេអាចបែងចែករវាងវត្ថុ សត្វ និងមនុស្ស ហើយដាក់ស្លាកវាឱ្យបានត្រឹមត្រូវ។
ឧស្សាហកម្មជាច្រើនប្រើការទទួលស្គាល់រូបភាព។ ឧទាហរណ៍ ការទទួលស្គាល់រូបភាពត្រូវបានប្រើនៅក្នុងប្រព័ន្ធសុវត្ថិភាពដើម្បីកំណត់អត្តសញ្ញាណ និងតាមដានអ្នកឈ្លានពាន។ ដូចគ្នានេះផងដែរ, វាត្រូវបានគេប្រើនៅក្នុងការថតកាំរស្មីដើម្បីជួយវេជ្ជបណ្ឌិតក្នុងការធ្វើរោគវិនិច្ឆ័យនិងការព្យាបាល។
ការរកវត្ថុ
វាគឺជាបច្ចេកទេសនៃការកំណត់ទីតាំង និងសម្គាល់ធាតុនៅក្នុងប្រព័ន្ធផ្សព្វផ្សាយដែលមើលឃើញដែលនៅស្ងៀម ឬផ្លាស់ទី។ កម្មវិធីសម្រាប់ការងារនេះរួមមានមនុស្សយន្ត រថយន្តស្វយ័ត និងការឃ្លាំមើល។ ឧ សំបុកខេម គឺជាប្រព័ន្ធសុវត្ថិភាពផ្ទះដែលផ្តល់ដំណឹងដល់អតិថិជននៅពេលដែលវារកឃើញចលនា ឬសំឡេងដោយប្រើការរកឃើញវត្ថុ។
ការបែងចែក។
ដំណើរការនៃការបែងចែករូបភាពមួយគឺបំបែកវាទៅជាផ្នែកជាច្រើន ដែលនីមួយៗមានលក្ខណៈសម្បត្តិពិសេសរបស់វា។ កម្មវិធីសម្រាប់ការងារនេះរួមមានការវិភាគឯកសារ ដំណើរការវីដេអូ និងរូបភាពវេជ្ជសាស្ត្រ។
ឧទាហរណ៍ កម្មវិធីកែរូបភាពល្បី កម្មវិធី Adobe Photoshop ប្រើការបែងចែកដើម្បីញែកសមាសធាតុផ្សេងៗនៅក្នុងរូបភាព និងអនុវត្តបែបផែនផ្សេងៗចំពោះធាតុនីមួយៗ។
ស្វែងយល់ពីការរៀនម៉ាស៊ីន
ឧទាហរណ៍មួយនៃ ក្លែងបន្លំ គឺជាការរៀនម៉ាស៊ីន។ វាកំពុងបង្រៀនកុំព្យូទ័រឱ្យរៀនពីទិន្នន័យ និងទម្រង់ការព្យាករណ៍ដោយផ្អែកលើទិន្នន័យនោះ។ ដោយមិនមានការសរសេរកូដច្បាស់លាស់ទេ វាប្រើគំរូស្ថិតិដើម្បីជួយឱ្យកុំព្យូទ័រកាន់តែប្រសើរឡើងក្នុងសកម្មភាពជាក់លាក់ណាមួយ។
ដើម្បីដាក់វាតាមរបៀបផ្សេង ការរៀនម៉ាស៊ីនគឺជាដំណើរការនៃការបណ្តុះបណ្តាល កុំព្យូទ័រដើម្បីរៀនដោយខ្លួនឯង ខណៈពេលដែលយកទិន្នន័យធ្វើជាការណែនាំរបស់ពួកគេ។
ទិន្នន័យ ក្បួនដោះស្រាយ និងមតិកែលម្អគឺជាធាតុផ្សំសំខាន់បីនៃការរៀនម៉ាស៊ីន។ នេះ។ ក្បួនដោះស្រាយការរៀនម៉ាស៊ីន ដំបូងត្រូវតែត្រូវបានបណ្តុះបណ្តាលលើសំណុំទិន្នន័យដើម្បីកំណត់អត្តសញ្ញាណគំរូ។ ទីពីរ ក្បួនដោះស្រាយបង្កើតការព្យាករណ៍ដោយផ្អែកលើសំណុំទិន្នន័យថ្មីដោយប្រើលំនាំដែលបានសិក្សា។
ទីបំផុត បន្ទាប់ពីទទួលបានមតិកែលម្អលើការព្យាករណ៍របស់វា ក្បួនដោះស្រាយធ្វើការកែតម្រូវ។ ហើយវាបង្កើនប្រសិទ្ធភាពរបស់វា។
ប្រភេទសំខាន់ៗនៃការរៀនម៉ាស៊ីន
ការរៀនសូត្រត្រួតពិនិត្យ
ក្នុងការសិក្សាដែលស្ថិតក្រោមការគ្រប់គ្រង សំណុំទិន្នន័យដែលមានស្លាកបង្ហាត់ក្បួនដោះស្រាយ។ ដូច្នេះ ធាតុចូល និងលទ្ធផលដែលត្រូវគ្នាត្រូវបានផ្គូផ្គង។ បន្ទាប់ពីរៀនផ្គូផ្គងធាតុបញ្ចូលជាមួយលទ្ធផល ក្បួនដោះស្រាយអាចទស្សន៍ទាយលទ្ធផលដោយប្រើទិន្នន័យស្រស់។
កម្មវិធីដូចជាការទទួលស្គាល់រូបភាព ការស្គាល់សំឡេង និងការដំណើរការភាសាធម្មជាតិ ប្រើប្រាស់ការរៀនដែលមានការគ្រប់គ្រង។ ជំនួយការនិម្មិតរបស់ Apple កម្មវិធី Siriជាឧទាហរណ៍ ជួលការរៀនដែលមានការត្រួតពិនិត្យដើម្បីបកស្រាយ និងអនុវត្តការបញ្ជាទិញរបស់អ្នក។
ការរៀនសូត្រដែលមិនមានការត្រួតពិនិត្យ
ការរៀនដោយគ្មានការត្រួតពិនិត្យគឺជាសំណុំរងនៃការរៀនម៉ាស៊ីន ក្នុងករណីនេះ ក្បួនដោះស្រាយត្រូវបានបង្រៀននៅលើសំណុំទិន្នន័យដែលធាតុចូល និងលទ្ធផលមិនត្រូវបានផ្គូផ្គង។ ដើម្បីបង្កើតការទស្សន៍ទាយ ក្បួនដោះស្រាយដំបូងត្រូវតែរៀនទទួលស្គាល់គំរូ និងការជាប់ទាក់ទងគ្នានៅក្នុងទិន្នន័យ។
កម្មវិធីដូចជាការបង្ហាប់ទិន្នន័យ ការរកឃើញភាពមិនប្រក្រតី និងការចងក្រងជាក្រុមប្រើប្រាស់ការរៀនដែលគ្មានការត្រួតពិនិត្យ។ ឧ. Amazon ណែនាំទំនិញដល់អ្នកប្រើប្រាស់ដោយផ្អែកលើប្រវត្តិនៃការទិញរបស់ពួកគេ និងទម្លាប់នៃការរុករកដោយប្រើការរៀនសូត្រដែលគ្មានការត្រួតពិនិត្យ។
ការរៀនសូត្រពង្រឹង
វាពាក់ព័ន្ធនឹងការធ្វើអន្តរកម្មជាមួយបរិស្ថាន និងការទទួលបានមតិកែលម្អក្នុងទម្រង់នៃរង្វាន់ និងការពិន័យ។ ក្បួនដោះស្រាយទទួលបានសមត្ថភាពក្នុងការធ្វើការសម្រេចចិត្តដែលបង្កើនរង្វាន់ និងបន្ថយការពិន័យ។
កម្មវិធីសម្រាប់ការរៀនម៉ាស៊ីនប្រភេទនេះរួមមានមនុស្សយន្ត រថយន្តបើកបរដោយខ្លួនឯង និងការលេងហ្គេម។ ឧទាហរណ៍ Google DeepMind's AlphaGo កម្មវិធីប្រើការពង្រឹងការរៀនលេងហ្គេម Go ។
ទំនាក់ទំនងរវាង Computer Vision និង Machine Learning
តើ Computer Vision Tasks អាចប្រើ Machine Learning Algorithms យ៉ាងដូចម្តេច?
កិច្ចការចក្ខុវិស័យកុំព្យូទ័រជាច្រើន រួមទាំងការកំណត់អត្តសញ្ញាណវត្ថុ និងការចាត់ថ្នាក់រូបភាព ប្រើការរៀនម៉ាស៊ីន។ ទម្រង់ទូទៅនៃបច្ចេកទេសរៀនម៉ាស៊ីនដែលប្រើគឺ បណ្តាញសរសៃប្រសាទដែលមានដំណោះស្រាយ (CNNs)។
វាអាចកំណត់អត្តសញ្ញាណគំរូ និងលក្ខណៈនៅក្នុងរូបភាព។
ឧទាហរណ៍ រូបភាពហ្គូហ្គល ប្រើក្បួនដោះស្រាយម៉ាស៊ីនរៀន។ វាទទួលស្គាល់ និងចាត់ថ្នាក់រូបថតដោយស្វ័យប្រវត្តិដោយផ្អែកលើធាតុ និងបុគ្គលដែលមានវត្តមាន។
កម្មវិធីនៃចក្ខុវិស័យកុំព្យូទ័រ និងការរៀនម៉ាស៊ីននៅក្នុងពិភពពិត
កម្មវិធីក្នុងពិភពពិតជាច្រើនរួមបញ្ចូលគ្នានូវចក្ខុវិស័យកុំព្យូទ័រ និងការរៀនម៉ាស៊ីន។ ឧទាហរណ៍ដ៏អស្ចារ្យមួយគឺរថយន្តដែលបើកបរដោយខ្លួនឯង។ ពួកគេកំណត់អត្តសញ្ញាណ និងតាមដានអ្វីៗនៅលើផ្លូវជាមួយនឹងចក្ខុវិស័យកុំព្យូទ័រ។
ហើយពួកគេប្រើក្បួនដោះស្រាយការរៀនម៉ាស៊ីនដើម្បីធ្វើការសម្រេចចិត្តដោយផ្អែកលើព័ត៌មាននោះ។ Waymo គឺជាក្រុមហ៊ុនរថយន្តបើកបរដោយខ្លួនឯងរបស់ក្រុមហ៊ុន Alphabet។ សម្រាប់ការទទួលស្គាល់វត្ថុ និងការគូសផែនទី វារួមបញ្ចូលគ្នាទាំងចក្ខុវិស័យកុំព្យូទ័រ និងការរៀនម៉ាស៊ីន។
ចក្ខុវិស័យកុំព្យូទ័រ និងការរៀនម៉ាស៊ីនត្រូវបានប្រើប្រាស់រួមគ្នានៅក្នុងឧស្សាហកម្មវេជ្ជសាស្ត្រផងដែរ។ ពួកគេជួយអ្នកជំនាញក្នុងការពិនិត្យមើលរូបភាពវេជ្ជសាស្ត្រ និងជួយក្នុងការធ្វើរោគវិនិច្ឆ័យ។ ជាឧទាហរណ៍ ឧបករណ៍វិនិច្ឆ័យដែលអនុម័តដោយ FDA IDx-DR ប្រើការរៀនម៉ាស៊ីនដើម្បីពិនិត្យមើលរូបភាពនៃកែវភ្នែក និងស្វែងរកជំងឺទឹកនោមផ្អែម Retinopathy ។ វាជាលក្ខខណ្ឌមួយដែលបើមិនអើពើអាចនាំឱ្យងងឹតភ្នែក។
ភាពខុសគ្នារវាង Machine Learning និង Computer Vision
ប្រភេទនៃទិន្នន័យដែលប្រើ
ប្រភេទនៃទិន្នន័យដែលចក្ខុវិស័យកុំព្យូទ័រ និងម៉ាស៊ីនរៀនប្រើខុសគ្នា។ ការរៀនម៉ាស៊ីនអាចគ្រប់គ្រងប្រភេទទិន្នន័យជាច្រើន រួមទាំងទិន្នន័យជាលេខ អត្ថបទ និងសំឡេង។
ទោះជាយ៉ាងណាក៏ដោយ ចក្ខុវិស័យកុំព្យូទ័រផ្តោតតែលើ ទិន្នន័យដែលមើលឃើញ ដូចជារូបថត និងវីដេអូ។
គោលដៅនៃវិស័យនីមួយៗ
ការរៀនម៉ាស៊ីន និងចក្ខុវិស័យកុំព្យូទ័រមានគោលបំណងផ្សេងៗគ្នា។ គោលដៅចម្បងនៃចក្ខុវិស័យកុំព្យូទ័រគឺដើម្បីវិភាគ និងស្វែងយល់ពីការបញ្ចូលដែលមើលឃើញ។ ទាំងនេះក៏រួមបញ្ចូលការទទួលស្គាល់វត្ថុ ការតាមដានចលនា និងការវិភាគរូបភាពផងដែរ។
ទោះយ៉ាងណាក៏ដោយ ក្បួនដោះស្រាយការរៀនម៉ាស៊ីនអាចប្រើសម្រាប់សកម្មភាពគ្រប់ប្រភេទ។
ចក្ខុវិស័យកុំព្យូទ័រជាផ្នែករងនៃការរៀនម៉ាស៊ីន
ខណៈពេលដែលវាជាតំបន់ដាច់ដោយឡែក ចក្ខុវិស័យកុំព្យូទ័រក៏ត្រូវបានគេមើលឃើញថាជាផ្នែកមួយនៃការរៀនម៉ាស៊ីនផងដែរ។
វិធីសាស្រ្ត និងធនធានជាច្រើនដែលប្រើក្នុងការរៀនម៉ាស៊ីន—ដូចជា ការរៀនសូត្រជ្រៅបណ្តាញសរសៃប្រសាទ និងចង្កោម—ក៏ត្រូវបានប្រើដើម្បីបង្កើតចក្ខុវិស័យកុំព្យូទ័រផងដែរ។
លទ្ធភាពគួរឱ្យរំភើបនៅខាងមុខ
សក្ដានុពលសម្រាប់ចំនុចប្រសព្វរបស់ពួកគេកាន់តែមានភាពទាក់ទាញ។ ជាមួយនឹងការរីកចម្រើននៃបច្ចេកវិទ្យាថ្មីៗ យើងអាចរំពឹងថានឹងឃើញកម្មវិធីដ៏អស្ចារ្យ។
វាលមួយដែលចំនុចប្រសព្វនេះគួរឱ្យចាប់អារម្មណ៍ជាពិសេសគឺមនុស្សយន្ត។ ចក្ខុវិស័យកុំព្យូទ័រ និងការរៀនម៉ាស៊ីននឹងដើរតួយ៉ាងសំខាន់ក្នុងការអនុញ្ញាតឱ្យមនុស្សយន្តរុករកកន្លែងដែលស្មុគស្មាញជុំវិញខ្លួន។
ពួកគេនឹងធ្វើអន្តរកម្មជាមួយវត្ថុ និងមនុស្ស នៅពេលដែលវាកាន់តែមានភាពឯករាជ្យ។ យើងអាចរំពឹងថានឹងឃើញមនុស្សយន្តដែលមានប្រសិទ្ធភាពជាងក្នុងការងារផ្សេងៗ។
សក្តានុពលគួរឱ្យចាប់អារម្មណ៍មួយទៀតគឺការពិតនិម្មិត។ ចក្ខុវិស័យកុំព្យូទ័រ និងការរៀនម៉ាស៊ីន ជាមួយនឹងសមត្ថភាពរបស់ពួកគេដើម្បីកំណត់ និងវិភាគការបញ្ចូលដែលមើលឃើញ អាចអនុញ្ញាតឱ្យមនុស្សចូលរួមជាមួយបរិស្ថានជុំវិញដោយធម្មជាតិ និងវិចារណញាណ។ យើងនឹងឃើញកម្មវិធីដែលអនុញ្ញាតឱ្យយើងរួមបញ្ចូលគ្នាយ៉ាងរលូននូវពិភពពិត និងនិម្មិត។ វានឹងនាំមកនូវលទ្ធភាពថ្មីៗសម្រាប់ការកម្សាន្ត ការអប់រំ និងគោលបំណងផ្សេងទៀត។
អនាគតនៃចក្ខុវិស័យកុំព្យូទ័រ និងការរៀនម៉ាស៊ីន មានការសន្យាច្រើន។ យើងនឹងឃើញការប្រើប្រាស់កាន់តែគួរឱ្យកត់សម្គាល់នៃដែនទាំងនេះនៅឆ្នាំបន្ទាប់។
សូមផ្ដល់យោបល់