เชื่อว่า Machine Learning คือสิ่งที่ใครหลายๆคนเคยได้ยินกันมาแล้ว แต่จริงๆแล้วมันไม่ได้พึ่งเกิดขึ้นไม่นาน แต่ Machine Learning นั้นเป็นตัวช่วยที่ถูกคิดค้นมาตั้งแต่ปี 1950 ซึ่งมีแนวคิดการตัดสินใจเหมือนมนุษย์ ซึ่งสามารถแบ่งออกเป็น 5 อย่างด้วยกันดังนี้
- Supervised Learning Model – คือการเรียนรู้แบบมีผู้สอน หรือก็คือการเรียนรู้แบบมีคำตอบและมีตัวอย่างให้เรียนรู้ เช่นการคัดแยกมะนาวกับส้ม ออกจากกัน ซึ่งจะใช้การแยกสี การแยกขนาด เป็นตัวกำหนดเป็นต้น
- Unsupervised Learning Model – คือการเรียนรู้แบบไม่มีผู้สอน หรือก็คือการเรียนรู้โดยที่ไม่มีคำเฉลยซึ่งโดยปกติแล้วการเรียนรู้แบบนี้จะเน้นไปที่การวิเคราะห์ข้อมูล จัดกลุ่มข้อมูล โดยอาจจะเเบ่งเป็นคุณลักษณะของวัตถุ เช่น สีของวัตถุเป็นต้น
- Reinforcement Learning – คือการเรียนรู้แบบลองผิดลองถูกยกตัวอย่างง่ายๆเช่นการฝึกสุนัข ถ้าหากสุนัขทำผิด จะไม่ได้ของรางวัล แต่ถ้าสุนัขทำถูก ก็จะได้ของรางวัล ซึ่งเราก็จะนำการเรียนรู้แบบนี้มาใช้กับคอมพิวเตอร์เช่นกัน
- Imitation Learning – คือการเรียนรู้แบบเลียบแบบ เช่นการเรียนขับรถที่ต้องมีครูหรือผู้เชี่ยวชาญอยู่ข้างหน้าที่จะคอยแนะนำ เช่นเดียวกับตอนเขียนโปรแกรม คอมพิวเตอร์จะคอยฟังและเรียนรู้จากผู้เชียวชาญ
- Transform Learning – คือการเรียนรู้แบบปรับใช้ซึ่งมีการเรียนรู้ใกล้เคียงกับการเรียนรู้แบบเสริมกำลังหรือ Reinforcement Learning การทำงานที่ใช้การเรียนรู้ลักษณะนี้เช่น การสร้าง Model ในการทำนายในงานชนิดหนึ่ง และอาจเอาไปปรับใช้กับอีกงานหนึ่งเป็นต้น เช่นเราสร้าง Model ที่ใช้ในงานวิศวกรรมไฟฟ้า และเราสามารถเอาไปใช้ในงานเกี่ยวกับทางการแพทย์ในบางประเภทที่มีลักษณะเดียวกันนั้นเอง
