🎯 เป้าหมาย
- อธิบาย Classification และ Prediction ได้
- เข้าใจแนวคิดความมั่นใจ (Confidence) ของโมเดล
- ระบุข้อจำกัดของการทำนายจากข้อมูลในอดีต
1. Classification — การจัดประเภท
โมเดลเรียนรู้จากตัวอย่างที่ติดป้ายแล้ว แล้วจัดสิ่งใหม่เข้ากลุ่ม เช่น สแปม/ไม่สแปม, แมว/สุนัข, ผ่าน/ไม่ผ่าน
2. Prediction — การทำนาย
ใช้รูปแบบจากอดีตเพื่อประมาณค่าในอนาคตหรือกรณีใหม่ เช่น แนวโน้มคะแนน อากาศ ความน่าจะเป็นที่ลูกค้าจะซื้อ
การทำนายไม่ใช่คำทำนายที่แน่นอน 100% เสมอ มันเป็นประมาณการจากข้อมูลที่มี และอาจผิดได้เมื่อสถานการณ์เปลี่ยน
3. Confidence และข้อผิดพลาด
หลายระบบแสดงระดับความมั่นใจ ถ้ามั่นใจต่ำ มนุษย์ควรตรวจสอบเพิ่ม การยอมรับผลโดยไม่วิจารณ์อาจนำไปสู่ข้อผิดพลาดร้ายแรงในบริบทสำคัญ (สุขภาพ ความปลอดภัย การศึกษา)
✅ สรุป
- Classification จัดกลุ่ม Prediction ประมาณค่า/แนวโน้ม
- ผลลัพธ์มีโอกาสผิด ต้องใช้วิจารณญาณร่วม
📝 แบบฝึกหัด
1. Classification คืออะไร?
2. ทำไมไม่ควรเชื่อผลทำนายของ AI 100% ทุกครั้ง?