คอมพิวเตอร์และปัญญาประดิษฐ์

มอง Insider ด้วยคณิตศาสตร์

มอง Insider ด้วยคณิตศาสตร์

มองบอร์ดเกมเป็นคณิตศาสตร์ เป็นซีรีส์ของบทความที่จะหยิบบอร์ดเกมที่เราเคยเล่นและรู้จักกันดีมามองใหม่ด้วยมุมคณิตศาสตร์ ถอดกลยุทธ์ต่าง ๆ เป็นตัวเลข และเข้าใจเกมให้ลึกกว่าที่เคย เริ่มเกมแรกกับ Insider ที่มียูทูปเบอร์หลายช่องเอามาเล่นกัน ซึ
Mathasitis
ทำไม WeVis ถึงเลือกใช้ Jensen–Shannon Divergence

ทำไม WeVis ถึงเลือกใช้ Jensen–Shannon Divergence

ผมเป็นแฟนคลับ WeVis ครับ เขามักจะเอาข้อมูลทางการเมืองมาเล่าอย่างน่าสนใจอยู่เสมอ โดยเฉพาะช่วงใกล้เลือกตั้งแบบนี้ รวมถึงโพสท์ล่าสุดที่ลองเอาคะแนนเลือกตั้งปี 66 แบบบัญชีรายชื่อและแบบแบ่งเขตมาเทียบกัน เพื่อดูว่าแต่ละเขตเลือกสองใบเหมือนกัน หรือแตกต่างกันมากน้อยแค่ไหน
Mathasitis
ทำไมเราถึงจะถูก 'การคูณเมทริกซ์' แย่งงาน

ทำไมเราถึงจะถูก 'การคูณเมทริกซ์' แย่งงาน

ทุกครั้งที่ผมต้องพูดถึงความสำคัญของเมทริกซ์ โดยเฉพาะอย่างยิ่งเรื่องการคูณ ตัวอย่างที่ยกประจำก็หนีไม่พ้นเรื่องแอปพลิเคชันแต่งภาพ การแปลงข้อมูล การเข้ารหัส หรือไม่ก็เรื่องเมทริกซ์การเปลี่ยนแปลงสถานะ แต่นี่มัน 2025 แล้ว และผมคิดว่ามี
Mathasitis
AI#8 - แล้วยังไงต่อ

AI#8 - แล้วยังไงต่อ

มาถึงตรงนี้คุณน่าจะพอเห็นภาพแล้วว่า Deep Learning หรือ Neural Network นั้นไม่ใช่อะไรที่ตรงไปตรงมาตามทฤษฎีทางคณิตศาสตร์ แม้ว่า Universal Approximation Theorem จะบอกว่า Neural Network จะสามารถดีได้แค่ไหน แต่ด้วยข้อจำกัดมากมายหลายประการก็ทำให้เราไม่สามารถมีสูตรสำเร็จในการสร้าง Neural Network ที
Mathasitis
AI#7 - ไม่ใช่สักแต่ว่าใหญ่

AI#7 - ไม่ใช่สักแต่ว่าใหญ่

ในบทที่แล้วผมค้างไว้ตรงที่ว่า Neural Network นั้นมีความสามารถในการประมาณฟังก์ชันต่อเนื่องอะไรก็ได้ ซึ่งถือเป็นความสามารถระดับครอบจักรวาลเลย แต่การที่มีทฤษฎียืนยันว่าทำได้ไม่ได้แปลว่ามันจะทำได้ง่าย เพราะ Neural Network อันที่ทฤษฎีบอกว่ามีนั้นมันอาจจะมี
Mathasitis
AI#6 - แน่ใจใช่ไหมว่าใช้ได้

AI#6 - แน่ใจใช่ไหมว่าใช้ได้

ในบทที่แล้วผมอวย Neural Network ไปเยอะมาก แล้วผมก็ลองให้คุณดูตัวอย่างว่าพลังการทำนายสิ่งต่าง ๆ ของมันนั้นดีแค่ไหน ราวกับว่ามันเป็นสิ่งประดิษฐ์สุดเลิศเลอของมนุษยชาติ แต่มันเป็นแบบนั้นจริง ๆ หรือเปล่า แค่เพราะมีคนลองใช้มันแล้
Mathasitis
AI#5 - อภิมหึมามหา Regression

AI#5 - อภิมหึมามหา Regression

บทที่แล้วเราพิจารณาปัญหา Regression ด้วยสมการ  y = c0 + c1x1 + c2x2 + … + cnxn  เมื่อ x1, x2, …, xn คือฟีเจอร์ ส่วน y เป็นค่าที่ต้องการทำนาย และ c1, c2, …, cn คือค่าพารามิเตอร์  ซึ่งผมค้างเอาไว้ที่ปัญหาว่าความสัมพันธ์ระหว่างฟีเจอร์กั
Mathasitis