Learning-Biosignals

ICT มหิดล จัดโครงการวิชาการสู่สังคม เรื่อง ‘Learning from Biosignals’

วันพุธที่ 20 มิถุนายน พ.ศ.2561 ทางคณะเทคโนโลยีสารสนเทศและการสื่อสาร หรือ ICT แห่งมหาวิทยาลัยมหิดล จัดโครงการสัมมนาเพื่อวิชาการสู่สังคม ภายใต้หัวข้อ ‘Learning from Biosignals’ โดยนำเสนอเนื้อหาของ ‘อาจารย์อัคร สุประทักษ์’ อาจารย์ประจำคณะฯ โดยท่านเป็นผู้เชี่ยวชาญทางด้าน ‘Machine Learning’ ท่านได้มาให้ความรู้รวมทั้งแบ่งปันประสบการณ์ที่มีประโยชน์ อันเกี่ยวกับพื้นฐานของศาสตร์ ‘Machine Learning’ และ ‘Deep Learning’ ชี้ให้เห็นถึงแนวทางนำเทคนิคต่างๆ เพื่อไปวิเคราะห์คลื่นสัญญาณจากร่างกายคน หรือที่เรียกว่า Biosignals เพื่อดึงข้อมูลพื้นฐานของร่างกายจากคนไข้ เช่น ความเร็วในตอนก้าวย่าง , Sleep stages และ Sleep efficiency ซึ่งสามารถวัดได้ออกมาเป็นข้อมูลที่น่าเชื่อถือ เช่น ให้ผู้ทดลองสวมใส่อิเล็กทรอนิกส์ อย่าง Wearable devices สำหรับวิธีดังกล่าวนี้สามารถเพิ่มข้อสังเกต เพื่อนำไปใช้วินิจฉัยโรคของแพทย์ได้ดียิ่งขึ้น โดยมันจะช่วยเพิ่มประสิทธิภาพให้แก่แพทย์ เพื่อวินิจฉัยโรคได้อย่างรวดเร็วอีกทั้งยังตรงเป้าหมายมากยิ่งขึ้น นอกจากนี้ยังช่วยลดภาระค่าใช้จ่าย รวมถึงเวลาที่คนไข้ต้องเสียไปกับการเดินทาง เพื่อมารับการตรวจ ณ โรงพยาบาล สำหรับในครั้งนี้มีผู้สนใจเข้าร่วมอบรมสัมมนา 16 คน แบ่งออกเป็นบุคลากรแห่งมหาวิทยาลัยมหิดล 5 คน , นักศึกษามหาวิทยาลัยมหิดล 8 คน รวมทั้งบุคคลทั่วไปจากหน่วยงานต่างๆ อีก 3 คน มีการจัดงานขึ้น ณ ห้อง IT 405 ชั้น 4 อาคารคณะ ICTมหาวิทยาลัยมหิดลศาลายา

สัมมนาวิชาการ เรื่อง ‘Learning from Biosignals’ สอนอะไรบ้าง

Machine learning
คือ การทำให้คอมพิวเตอร์เรียนรู้เรื่องใหม่ๆ ได้ด้วยตัวเองจากฐานข้อมูลเดิมที่มีอยู่ สามารถเปรียบเทียบให้คุณเห็นภาพอย่างชัดเจนว่า สมติคุณคือครูสอน และคอมพิวเตอร์เป็นนักเรียน ส่วนความรู้ก็คือข้อมูล ในสมัยก่อนถ้าคุณอยากสอนอะไรนักเรียน เพียงแค่กางหนังสือแล้วก็อธิบายเพื่อถ่ายทอดความรู้ให้แก่เด็กๆ โดยนักเรียนก็จะมีความเข้าใจในความรู้นั้นเป็นก้อนๆไป ทำให้ไม่อาจสร้างสรรค์อะไรได้มากนัก หากแต่ Machine learning ทำให้นักเรียนนำความรู้ซึ่งเป็นข้อมูลที่ตัวเองมีอยู่ นำมาคิดวิเคราะห์ เชื่อมโยง พร้อมทั้งประมวลผลได้ด้วยตัวเอง โดยที่ไม่ต้องรอให้คุณสอนอีกต่อไป

Deep Learning
Deep Learning คือส่วนหนึ่งของ Machine learning โดยเป็นการสร้างระดับชั้นของขั้นตอนเรียนรู้ ซึ่งระดับล่างสุด คือ ขั้นตอนเรียนรู้ขั้นพื้นฐาน เป็นขั้นตอนแยกแยะองค์ประกอบต่าง เพื่อจัดหมวดหมู่ที่เป็นระเบียบ ยกตัวอย่างเช่นถ้าเป็น, สี รูปภาพ ก็จะทำการแยกแยะ , เส้น , จุด , รูปทรง ต่างๆ เป็นต้น ออกมาทีล่ะหน่วย โดยสิ่งเหล่านี้ถือเป็นพื้นฐานของภาพ หลังจากนั้นก็จะนำส่วนย่อยๆ เหล่านั้นมาประกอบเข้าไว้ด้วยกัน เพื่อทำการจำแนกออกมาในลักษณะที่กว้างขึ้นเช่น ตา , จมูก , ปาก , ฟัน , หู , เส้นขน เป็นต้น หลังจากนั้นในขั้นตอนถัดไป จึงค่อยจำแนกว่าชิ้นส่วนนี้เป็นส่วนใดส่วนหนึ่งของร่างกาย เป็นต้น ในปัจจุบันนี้การนำ Deep Learning มาใช้เพื่อทำงานร่วมกับข้อมูลที่เป็นค่าตัวเลขได้ยาก เช่น รูปภาพกับเสียง เป็นต้น