ปัญญาประดิษฐ์ (artificial intelligence: AI) เป็นสาขาหนึ่งของวิทยาการคอมพิวเตอร์ที่มุ่งเน้นในการพัฒนาเครื่องจักรให้มีทักษะพื้นฐานของมนุษย์และสามารถทำงานได้เทียบเท่ามนุษย์โดยไม่จำเป็นต้องตั้งโปรแกรมล่วงหน้าให้เครื่องจักรทำงาน ปัจจุบัน AI ได้เข้ามาช่วยอำนวยความสะดวกในการดำเนินชีวิตประจำวันของมนุษย์ และทำให้การทำงานในด้านต่างๆ มีความรวดเร็วและถูกต้องแม่นยำมากยิ่งขึ้น

การเรียนรู้ของเครื่อง (machine learning: ML) ถือเป็นส่วนหนึ่งของ AI ที่มีศักยภาพในการเรียนรู้เพิ่มเติมจากเซตข้อมูลฝึกฝน เพื่อนำมาปรับปรุงสมรรถนะของระบบให้ดีขึ้นได้ อย่างไรก็ตามงานวิจัยและงานประยุกต์ต่างๆ ในปัจจุบันจะนิยมใช้การเรียนรู้เชิงลึก (deep learning: DL) ซึ่งเป็นเทคนิคอย่างหนึ่งของ ML ที่มีความสามารถในการทำนายแนวโน้มและจำแนกประเภทข้อมูลได้ดีกว่าเทคนิคอื่นๆ ของ ML เป็นอย่างมาก ตัวอย่างงานประยุกต์ที่ใช้ DL เช่น ระบบจดจำใบหน้า ระบบสืบค้นข้อมูล ระบบให้คำแนะนำสินค้าและบริการ ระบบขับรถยนต์อัตโนมัติ ระบบให้สินเชื่อ และระบบวินิจฉัยโรคทางการแพทย์ ดังนั้นความรู้และความเข้าใจเกี่ยวกับ DL จึงเป็นสิ่งสำคัญมากในการนำมาใช้แก้ไขปัญหาต่างๆ ได้อย่างมีประสิทธิภาพ

หนังสือเล่มนี้ได้ถูกจัดทำขึ้นมาโดยมีวัตถุประสงค์เพื่ออธิบายพื้นฐานและหลักการทำงานของ DL สำหรับเป็นแนวทางในการนำไปประยุกต์ใช้แก้ปัญหาต่างๆ โดยหนังสือเล่มนี้จะใช้โปรแกรม SCILAB ซึ่งเป็นโปรแกรมฟรี (ดาวน์โหลดคู่มือการใช้งาน SCILAB ได้ที่ http://home.npru.ac.th/piya/webscilab) มาใช้ประกอบคำอธิบายในแต่ละบท เพื่อให้ผู้อ่านสามารถเขียนโปรแกรมการทำงานของโครงข่ายประสาทเทียมหลายชั้นและโครงข่ายประสาทเทียมสังวัตนาการที่ใช้ DL ในการทำนายแนวโน้มและจำแนกประเภทข้อมูลได้ทันที นอกจากนี้หนังสือเล่มนี้ยังได้แสดงตัวอย่างการนำ DL ไปใช้ในการแก้ปัญหาเรื่องการอ่านนอกแทร็กและมุมเอียงที่พบมากในระบบประมวลผลสัญญาณของฮาร์ดดิสก์ไดรฟ์ (hard disk drive: HDD)

หนังสือเล่มนี้จะเริ่มต้นบทที่ 1 ด้วยการกล่าวถึงประวัติความเป็นมาและพื้นฐานของ AI, ML และ DL จากนั้นบทที่ 2 จะอธิบายสถาปัตยกรรม หลักการทำงาน และขั้นตอนวิธีการฝึกฝน โครงข่ายประสาทเทียมชั้นเดียวเพื่อให้สามารถทำงานตามที่กำหนดได้ บทที่ 3 จะกล่าวถึงความสำคัญของโครงข่ายประสาทเทียมหลายชั้น และอธิบายขั้นตอนวิธีการแพร่กระจายย้อนกลับที่ใช้ในการปรับปรุงค่าพารามิเตอร์ทั้งหมดที่ใช้ในโครงข่าย บทที่ 4 แสดงการนำโครงข่ายประสาทเทียมหลายชั้นไปใช้ในการจำแนกประเภทข้อมูล บทที่ 5 อธิบายความสำคัญของ DL ที่ช่วยทำให้ขั้นตอนวิธีการแพร่กระจายย้อนกลับสามารถทำงานได้อย่างมีประสิทธิภาพกับโครงข่ายประสาทเทียมหลายชั้น บทที่ 6 อธิบายหลักการทำงานของโครงข่ายประสาทเทียมสังวัตนาการซึ่งนิยมใช้ในการจำแนกประเภทข้อมูลที่เป็นรูปภาพ จากนั้นบทที่ 7 จะกล่าวถึงพื้นฐานของเทคโนโลยีการบันทึกเชิงแม่เหล็กที่มีการจัดรูปแบบบิต (bit-patterned magnetic recording: BPMR) ที่สามารถเพิ่มความจุข้อมูลของ HDD ได้สูงถึง 4 เทระบิตต่อตารางนิ้ว และบทที่ 8 จะยกตัวอย่างการนำโครงข่ายประสาทเทียมหลายชั้นและโครงข่ายประสาทเทียมสังวัตนาการมาใช้แก้ปัญหาเรื่องการอ่านนอกแทร็กและมุมเอียงที่พบมากในระบบประมวลผลสัญญาณของ HDD ที่ใช้เทคโนโลยี BPMR