Backpropagation คืออะไร ทำไม Neural Network ถึงฉลาดขึ้น
Backpropagation คือวิธีที่โมเดล Neural Network ใช้ เรียนรู้จากความผิดพลาดของตัวเอง แบบเป็นขั้นตอน
แนวคิด
ทำนาย → วัดว่าผิดแค่ไหน → ย้อนกลับไปแก้ค่าน้ำหนัก
ขั้นตอน
1) Forward pass (ทำนายก่อน)
- ป้อนข้อมูลเข้า Neural Network
- ข้อมูลไหลจากซ้าย → ขวา
- โมเดลให้คำตอบออกมา (prediction)
เช่น ทายว่า “รูปนี้คือแมว” 🐈⬛
2) คำนวณความผิดพลาด (Loss)
- เอาคำตอบที่โมเดลทาย
- ไปเทียบกับคำตอบจริง
ถ้าความจริงคือ “หมา” → ผิด
3) Backpropagation (ย้อนกลับไปแก้)
- คำนวณว่าน้ำหนัก (weights) แต่ละตัวมีส่วนทำให้ผิดมากแค่ไหน
- ส่งค่าความผิดพลาด ย้อนกลับจากชั้นหลัง → ชั้นหน้า
เหมือนการบอกว่า “ชั้นนี้ทำให้ผิดกี่ %”
4) ปรับน้ำหนัก (Update weights)
- ปรับ weights ให้นิดเดียว
- เพื่อให้รอบหน้าผิดน้อยลง
ใช้สิ่งที่เรียกว่า Gradient Descent
เปรียบเทียบกับการ โยนลูกบาส 🏀
- โยนพลาด → ดูว่าพลาดไกลแค่ไหน
- วิเคราะห์ว่ามือแรงไป? มุมผิด?
- ปรับใหม่ → โยนอีกครั้ง
- ทำซ้ำจนลงห่วง
สรุป
Backpropagation คือการส่งความผิดพลาดย้อนกลับไป เพื่อปรับน้ำหนักของ Neural Network ให้ทำนายได้แม่นขึ้น
