Autoencoder คืออะไร? โครงข่ายที่บีบอัดข้อมูลแล้วสร้างกลับให้เหมือนเดิม

Updated · By Viviai

Autoencoder (ตัวเข้ารหัสอัตโนมัติ หรือ ออโตเอนโค้ดเดอร์) คือ โครงข่ายประสาทเทียมชนิดหนึ่งที่เรียนรู้การบีบอัดข้อมูลให้เล็กลง แล้วสร้างข้อมูลกลับออกมาให้ใกล้เคียงต้นฉบับที่สุด โดยมีเป้าหมายให้ผลลัพธ์ที่สร้างกลับเหมือนข้อมูลนำเข้าเดิม ระหว่างทางมันจะจับสาระสำคัญของข้อมูลไว้ในรูปแบบที่กะทัดรัด เรียนแบบไม่ใช้ป้ายกำกับ (unsupervised)

Autoencoder คืออะไร

ลองนึกภาพการย่อเอกสารให้เหลือโน้ตสั้น ๆ ที่เก็บใจความสำคัญ แล้วค่อยขยายกลับเป็นเนื้อหาที่ใกล้เคียงต้นฉบับ Autoencoder ทำงานในทำนองเดียวกันกับข้อมูล เช่น รูปภาพหรือสัญญาณ

ส่วนประกอบหลัก

ภาพรวมการไหล

[ x \rightarrow \text{Encoder} \rightarrow z \rightarrow \text{Decoder} \rightarrow \hat{x} ]

โดย (x) คือข้อมูลนำเข้า (z) คือตัวแทนในพื้นที่แฝง และ (\hat{x}) คือข้อมูลที่สร้างกลับ

เรียนรู้ได้อย่างไร

เป้าหมายการฝึกคือให้ (\hat{x}) ใกล้เคียง (x) ให้มากที่สุด ความต่างระหว่างสองค่านี้เรียกว่าความผิดพลาดในการสร้างกลับ (reconstruction error) ซึ่งวัดด้วยฟังก์ชันการสูญเสีย เช่น ค่าเฉลี่ยผลต่างกำลังสอง

  1. ป้อนข้อมูลเข้า encoder
  2. ได้ตัวแทนย่อ (z)
  3. decoder สร้าง (\hat{x}) กลับ
  4. เปรียบเทียบ (\hat{x}) กับ (x) แล้วปรับพารามิเตอร์ให้ความผิดพลาดลดลง

แม้จะไม่มีป้ายกำกับ แต่โมเดลใช้ตัวข้อมูลเองเป็นเป้าหมาย จึงจัดเป็นการเรียนแบบ self-supervised ในความหมายกว้าง

Autoencoder มีประเภทไหน

Autoencoder แบบเรียบง่าย

บีบอัดและสร้างกลับตรง ๆ เหมาะกับงานลดมิติและถอดสัญญาณรบกวน

Denoising Autoencoder

ป้อนข้อมูลที่เติมสัญญาณรบกวนเข้าไป แล้วฝึกให้สร้างกลับเป็นข้อมูลสะอาดต้นฉบับ ช่วยให้โมเดลเรียนลักษณะที่แท้จริงแทนการจำแบบผิวเผิน

Variational Autoencoder (VAE)

เรียนการแจกแจงความน่าจะเป็นในพื้นที่แฝง ทำให้สามารถสร้างข้อมูลใหม่ที่ไม่เคยมีมาก่อนได้ จึงนับเป็นแบบจำลองเชิงกำเนิด (generative model) เช่นเดียวกับGAN

ใช้งานที่ไหน

งาน ประโยชน์
ลดมิติข้อมูล ย่อข้อมูลขนาดใหญ่ให้เห็นภาพและจัดการง่ายขึ้น
ถอดสัญญาณรบกวน ลบจุดรบกวนในภาพหรือสัญญาณ
ตรวจหาความผิดปกติ ข้อมูลที่สร้างกลับได้ไม่ดีมักเป็นสิ่งผิดปกติ
สร้างภาพใหม่ VAE สร้างใบหน้าหรือรูปแบบใหม่
ระบบแนะนำ ใช้ตัวแทนย่อจับความชอบของผู้ใช้

ข้อจำกัด

FAQ

Autoencoder ใช้ทำอะไร?

บีบอัดข้อมูลให้เหลือสาระสำคัญแล้วสร้างกลับ ใช้ลดมิติ ถอดสัญญาณรบกวน ตรวจความผิดปกติ และสร้างข้อมูลใหม่ด้วย VAE

Autoencoder เป็น supervised learning หรือไม่?

โดยทั่วไปไม่ใช้ป้ายกำกับ จึงจัดเป็น unsupervised หรือ self-supervised เพราะใช้ข้อมูลตัวเองเป็นเป้าหมาย

Encoder กับ Decoder ต่างกันอย่างไร?

Encoder บีบข้อมูลเป็นตัวแทนย่อ ส่วน decoder นำตัวแทนย่อนั้นสร้างกลับเป็นข้อมูลขนาดเดิม

Autoencoder กับ GAN ต่างกันอย่างไร?

Autoencoder เน้นบีบอัดและสร้างกลับให้เหมือนต้นฉบับ ส่วน GAN ใช้สองเครือข่ายแข่งขันเพื่อสร้างข้อมูลใหม่ที่สมจริง

ทำงานกับการเรียนรู้เชิงลึกอย่างไร?

Autoencoder เป็นโครงข่ายประสาทเทียมชนิดหนึ่ง จึงฝึกด้วยการปรับพารามิเตอร์ผ่านการแพร่กระจายย้อนกลับ

สรุป

Sources

  1. https://th.wikipedia.org/wiki/%E0%B8%95%E0%B8%B1%E0%B8%A7%E0%B9%80%E0%B8%82%E0%B9%89%E0%B8%B2%E0%B8%AB%E0%B8%B1%E0%B8%AA%E0%B8%AD%E0%B8%B1%E0%B8%95%E0%B9%82%E0%B8%99%E0%B8%A1%E0%B8%B1%E0%B8%95%E0%B8%B4
  2. https://en.wikipedia.org/wiki/Autoencoder

Learn by doing

Read a guide, then practice with bite-sized AI lessons you can take offline.

Start learning free