artificial intelligence._clone

COMPUTER ENGINEERING ARTIFICIAL INTELLIGENCE หนังสือวิศวะกรรมคอมพิวเตอร์เเละปัญญาประดิษฐ์

หนังสือความรู้ หนังสือวิศวกรรม คอมพิวเตอร์และ ปัญญาประดิษฐ์ มหาวิทยาลัยราชภัฏสวนสุนันทา คณะเทคโนโลยีอุตสาหกรรม สาขาวิชาวิศวกรรมคอมพิวเตอร์ จัดทำโดย นางสาวเนยะนัยต์ แซ่เหลา นายณัฐกฤต บุญส่ง นายฐิติโชติ โสดาจันทร์ นายภัททากร ขุนพรม นายฐาปนพงศ์ ดิษฐ์สุธรรม นายภาณุวัฒน์ อามาตย์ นายวัณณุวรรธน์ โลกนิมิตร นายตะลัน พฤติสวัสดี นายธนากรณ์ สุวรรณสุข นายณัฐวุฒิ บำรุง

คำนำ ปัจจุบันปัญญาประดิษฐ์หรือAIเข้ามามีบทบาทอย่างมากในสังคมไทย เป็นเรื่องที่ยากที่จะเอาแน่ใจได้ว่าปัญญา ประดิษฐ์จะเป็นอย่างไรในอนาคต ด้วยความก้าวหน้าที่รวดเร็วของเทคโนโลยีและการพัฒนาปัญญาประดิษฐ์ใน ปัจจุบัน มันกำลังเปลี่ยนแปลงวิธีที่เราทำงานและใช้ชีวิตอยู่อย่างต่อเนื่อง หนังสือนี้ถูกสร้างขึ้นเพื่อสร้างความเข้าใจและเผยแพร่ความรู้เกี่ยวกับปัญญาประดิษฐ์ให้กับผู้อ่าน โดยเน้นให้ มองเห็นภาพรวมของกระบวนการพัฒนาและการประยุกต์ใช้ปัญญาประดิษฐ์ในหลากหลายด้าน เช่น การปรับใช้ใน ธุรกิจและอุตสาหกรรม การพัฒนาหุ่นยนต์และระบบอัตโนมัติ การปรับใช้ในสุขภาพและการแพทย์ การแก้ปัญหา ทางวิทยาศาสตร์ และอื่นๆ เป็นยุคที่เทคโนโลยีปัญญาประดิษฐ์กำลังเติบโตอย่างรวดเร็ว และเป็นอุตสาหกรรมที่มี การนำปัญญาประดิษฐ์มาใช้งานอย่างแพร่หลาย ในโลกปัจจุบัน เทคโนโลยีปัญญาประดิษฐ์ได้รับการนำเสนอใน หลายแนวทาง อาทิเช่น การแปลภาษาอัตโนมัติ การรู้จำภาพ หรือการเล่นเกมที่มีความฉลาดทางปัญญาประดิษฐ์ ในหนังสือนี้ เราจะเสนอภาพรวมและแนวคิดในการพัฒนาปัญญาประดิษฐ์ในวิศวกรรมคอมพิวเตอร์ โดยเน้นไปที่ ความรู้และทักษะที่จำเป็นสำหรับนักวิศวกรรมคอมพิวเตอร์ที่ต้องการทำงานกับปัญญาประดิษฐ์ นอกจากนี้ เรายัง นำเสนอตัวอย่างการประยุกต์ใช้ปัญญาประดิษฐ์ในอุตสาหกรรมต่างๆ เพื่อให้คุณเห็นถึงศักยภาพที่ไม่มีที่สิ้นสุดของ เทคโนโลยีปัญญาประดิษฐ์ เนื้อหาในหนังสือประกอบด้วย: 1.แนะนำเกี่ยวกับปัญญาประดิษฐ์: เริ่มต้นด้วยการอธิบายความหมายและความรู้พื้นฐานเกี่ยวกับปัญญา ประดิษฐ์ รวมถึงประเภทและแนวคิดในการพัฒนาปัญญาประดิษฐ์ในวิศวกรรมคอมพิวเตอร์ 2.เทคนิคการเรียนรู้เชิงลึก: อธิบายเกี่ยวกับเทคนิคการเรียนรู้เชิงลึกที่เป็นสำคัญในการพัฒนาปัญญาประดิษฐ์ รวมถึงโครงข่ายประสาทเทียม (Artificial Neural Networks) และเทคนิคทางคณิตศาสตร์ที่เกี่ยวข้อง 3.การประมวลผลภาษาธรรมชาติ: อธิบายถึงการประมวลผลและการเข้าใจภาษาธรรมชาติ รวมถึงเทคนิคที่ใช้ใน การแปลภาษาอัตโนมัติ การสร้างเนื้อหาและการตอบคำถามโดยใช้ปัญญาประดิษฐ์ 4.การวิเคราะห์ภาพและวิดีโอ: อธิบายเกี่ยวกับการใช้ปัญญาประดิษฐ์ในการวิเคราะห์และจำแนกภาพ รวมถึง การระบุวัตถุและการติดตามวัตถุ นอกจากนี้ยังสอนเทคนิคที่ใช้ในการประมวลผลวิดีโอ เช่น การจดจำใบหน้า และ การวิเคราะห์พฤติกรรมมนุษย์ 5.หุ่นยนต์และระบบอัตโนมัติ: อธิบายเกี่ยวกับการนำปัญญาประดิษฐ์มาประยุกต์ใช้ในการออกแบบและพัฒนา หุ่นยนต์ รวมถึงการใช้ระบบอัตโนมัติในงานต่างๆ เช่น การผลิตและการผลิตอัตโนมัติ การจัดการโลจิสติกส์ และการ พัฒนา 6.เรียนรู้และปรับปรุงตนเอง: ปัญญาประดิษฐ์สามารถเรียนรู้จากข้อมูลที่มีอยู่และปรับปรุงความสามารถของ ตนเองได้ โดยใช้เทคนิคเชิงปัญญาประดิษฐ์ เช่น การเรียนรู้แบบเชิงลึก (Deep Learning) ซึ่งใช้โครงข่ายประสาท เทียม (Artificial Neural Networks) เพื่อจำลองวิธีการทำงานของสมองมนุษย์ 7.การวางแผนและการตัดสินใจ: ปัญญาประดิษฐ์สามารถใช้เทคนิคทางคณิตศาสตร์และวิศวกรรมในการ วางแผนและตัดสินใจ เพื่อแก้ไขปัญหาหรือตอบสนองต่อสถานการณ์ที่ซับซ้อน 8.การประมวลผลภาพและวิดีโอ: ปัญญาประดิษฐ์สามารถนำมาใช้ในการวิเคราะห์ภาพและวิดีโอ ในการระบุ และจำแนกวัตถุในภาพหรือวิดีโอ การตรวจจับการเคลื่อนไหว และการวิเคราะห์การกระทำของมนุษย์ ตัวอย่างเช่น การตรวจจับใบหน้าในภาพหรือวิดีโอ เพื่อใช้ในระบบการรักษาความปลอดภัย หรือการวิเคราะห์ข้อมูลทางการ แพทย์เพื่อช่วยในการวินิจฉัยโรคและการวิเคราะห์ภาพการสังเคราะห์เพื่อใช้ในการออกแบบผลิตภัณฑ์ 9.การแปลภาษา: ปัญญาประดิษฐ์สามารถใช้ในการแปลภาษาอัตโนมัติ สามารถแปลภาษาต่างๆ ได้อย่างรวดเร็ว และแม่นยำ ทำให้การสื่อสารระหว่างภาษาที่แตกต่างกันเป็นเรื่องง่ายขึ้น และมีประสิทธิภาพในการทำธุรกิจระหว่าง ประเทศ 10.การค้นหาและการแนะนำ: ปัญญาประดิษฐ์สามารถช่วยในการค้นหาข้อมูลอย่างมีประสิทธิภาพ โดยใช้ เทคนิคการเรียนรู้เชิงเส้นผ่าน (Linear Regression) หรือเทคนิคการแยกแยะ (Clustering) เพื่อหาความสัมพันธ์ใน ข้อมูล และสามารถให้คำแนะนำเชิงส่วนตัวในการตัดสินใจ เช่น การแนะนำสินค้าหรือบริการตามความต้องการของ ลูกค้า

สารบัญ หน้า เรื่อง 1 2 สารบัญ 3 4 บทที่ 1 เเนะนำเกี่ยวกับปัญญาประดิษฐ์ 5 แนะนำเกี่ยวกับปัญญาประดิษฐ์ 7 ความหมายของปัญญาประดิษฐ์ 12 ปัญญาประดิษฐ์ทำงานได้อย่างไร 13 ชนิดของปัญญาประดิษฐ์ 16 ประเภทของปัญญาประดิษฐ์ 17 18 บทที่ 2 เทคนิคกาเรียนรู้เชิงลึก 20 เทคนิคการเรียนรู้เชิงลึก 25 32 บทที่ 3 การประมวลผลภาษาธรรมชาติ 34 การประมวลผลภาษาธรรมชาติ 37 ประเภทของการประมวลผลภาษาธรรมชาติ 39 41 บทที่ 4 การวิเคราะห์ภาพเเละวิดีโอ 45 บทที่ 5 หุ่นยนต์เเละระบบอัตโนมัติ บทที่ 6 เรียนรู้เเละปรับปรุงตนเอง บทที่ 7 การวางเเผนการตัดสินใจ บทที่ 8 การประมวลผลภาพเเละวิดีโอ บทที่ 9 การแปลภาษา บทที่ 10 การค้นหาเเละการเเนะนำ เอกสารอ้างอิง

1บทที่ แนะนำเกี่ยวกับ ปั ญญาประดิษฐ์

2 บทที่1 แนะนำเกี่ยวกับปั ญญา ประดิษฐ์ ปั ญญาประดิษฐ์ (Artificial Intelligence - AI) เป็นกลุ่มของเทคโนโลยีที่ อ้างอิงถึงความสามารถของเครื่ องคอมพิวเตอร์ในการจำลองและจำแนกปั ญหาที่ ใกล้เคียงกับการคิดของมนุษย์โดยใช้วิธีการสร้างและโครงสร้างโมเดล คณิตศาสตร์ที่ช่วยให้คอมพิวเตอร์สามารถเรียนรู้และประมวลผลข้อมูลได้อย่าง อัตโนมัติโดยไม่ต้องมีการโปรแกรมแบบชัดเจนเข้ามาในการแก้ปั ญหาแต่ละ อย่างปั ญญาประดิษฐ์มีความสำคัญอย่างมากในปั จจุบันเนื่ องจากมีความสามารถ ในการประมวลผลข้อมูลอย่างรวดเร็วและมีประสิทธิภาพสูง เช่น การจำแนก และตรวจจับวัตถุในภาพ,การแปลภาษาอัตโนมัติ,การวิเคราะห์และทำนาย ข้อมูล, การปรับแต่งและการแนะนำสินค้า, ระบบควบคุมอัตโนมัติ เป็นต้น นอกจากนี้ยังมีการพัฒนาปัญญาประดิษฐ์ในรูปแบบต่าง ๆ อาทิเช่น 1.ปั ญญาประดิษฐ์แบบแข็งแกร่ง (Strong AI): เป็นปัญญาประดิษฐ์ที่มี ความสามารถในการคิดและแก้ปัญหาเช่นมนุษย์ ในรูปแบบนี้ระบบสามารถมี ความเข้าใจและมีความตระหนักเองได้ แต่ยังไม่มีปัญญาประดิษฐ์แบบนี้อยู่ ในปั จจุบัน 2.ปั ญญาประดิษฐ์แบบอ่อน (Weak AI): เป็นปัญญาประดิษฐ์ที่อยู่ในการ พัฒนาอย่างต่อเนื่อง และมีความสามารถในการแก้ปัญหาในประเด็นที่จำกัด เท่านั้น ตัวอย่างเช่น ระบบการแนะนำเพลงหรือภาพยนตร์ที่เหมาะสม สำหรับผู้ใช้งาน การพัฒนาปัญญาประดิษฐ์นั้นเกี่ยวข้องกับหลายสาขาวิชา เช่น วิทยาการ คอมพิวเตอร์,วิศวกรรมคอมพิวเตอร์,วิทยาศาสตร์ข้อมูล,การเรียนรู้เชิงลึก (Deep Learning), การประมวลผลภาษาธรรมชาติ (Natural Language Processing), และการวิเคราะห์ข้อมูล (Data Analytics) เป็นต้น การใช้ปั ญญาประดิษฐ์ในการแก้ปั ญหาและให้ข้อเสนอแนะมีข้อดีและข้อเสียที่ ควรพิจารณา เช่น ข้อดีคือความสามารถในการประมวลผลข้อมูลอย่างรวดเร็ว และเป็นมาตรฐาน ส่วนข้อเสียคืออาจมีปัญหาเกี่ยวกับความน่าเชื่อถือของข้อมูล, ข้อกำหนดกฎหมายและจริยธรรมรวมถึงผลกระทบต่อสังคมและการจัดการ แรงงานในอนาคต เพื่อให้ปัญญาประดิษฐ์ได้รับประโยชน์อย่างมากที่สุด จำเป็น ต้องมีการพัฒนาและใช้งานอย่างรอบด้านและมีการคำณวน

3 ความหมาย ปัญญาประดิษฐ์ (Artificial Intelligence) คือความสามารถของระบบ คอมพิวเตอร์หรือเครื่องมือทางด้านคอมพิวเตอร์ที่สามารถทำงานและประมวลผล ข้อมูลให้คล้ายคลึงกับการคิดและการปฏิบัติของมนุษย์ หรือมีความสามารถในการ เรียนรู้และประยุกต์ความรู้ด้วยตนเอง เพื่อแก้ไขปัญหาที่ซับซ้อนหรือทำงานที่ คล้ายคลึงกับความสามารถของมนุษย์ได้ ปัญญาประดิษฐ์มักใช้เทคนิคการเรียนรู้ เชิงเครื่อง (Machine Learning) เพื่อสร้างแบบจำลองและปรับปรุงตนเองในขณะที่ มีประสิทธิภาพสูงขึ้นตามการใช้งานและประสบการณ์ที่ได้รับ ปัญญาประดิษฐ์สามารถประยุกต์ใช้ในหลากหลายฆาตรกรรมการใช้งาน เช่น 1.การวิเคราะห์ข้อมูลและทำนาย: ปัญญาประดิษฐ์สามารถวิเคราะห์ข้อมูล จำนวนมากและหาความสัมพันธ์ และทำนายผลลัพธ์หรือแนวโน้ มที่อาจเกิดขึ้น ในอนาคต เช่น การทำนายภาวะการเกิดโรค, การทำนายทรัพย์สินทางการเงิน หรือการทำนายการเลือกซื้อสินค้าของลูกค้า เป็นต้น 2.การปรับปรุงกระบวนการและอัลกอริทึม: ปัญญาประดิษฐ์สามารถปรับปรุง และพัฒนากระบวนการทำงานและอัลกอริทึมต่างๆ เพื่อเพิ่มประสิทธิภาพและ ความเร็วในการประมวลผลข้อมูล เช่น การปรับแบบจำลองการเรียนรู้ของ เครื่อง (Machine Learning) เพื่อให้มีความแม่นยำมากขึ้นในการทำนาย 3.การค้นหาและการประมวลผลข้อมูลที่ซับซ้อน: ปัญญาประดิษฐ์สามารถ ช่วยในการค้นหาและประมวลผลข้อมูลที่ซับซ้อน ซึ่งอาจมีรูปแบบที่ไม่เป็นไป ตามแบบแผนหรือมีความซับซ้อนมาก เช่น การค้นหาข้อมูลในฐานข้อมูลที่มี ขนาดใหญ่, การวิเคราะห์ข้อมูลเสียงและภาพ, หรือการประมวลผลภาษา ธรรมชาติ เป็นต้น 4.การสื่อสารและปฏิสัมพันธ์กับมนุษย์: ปัญญาประดิษฐ์สามารถใช้ในการ สื่อสารและปฏิสัมพันธ์กับมนุษย์ในรูปแบบที่คล้ายคลึงกับการสื่อสารระหว่าง มนุษย์โดยตรง ผ่านเสียง, ภาพ, หรือข้อความ เช่น ระบบช่วยเหลือด้านภาษา (Language Assistants) หรือหุ่นยนต์ที่สามารถตอบคำถามและประมวลผลคำ สั่งของมนุษย์ได้

4 ปั ญญาประดิษฐ์ (AI) ทำงานได้อย่างไร? ปัญญาประดิษฐ์ (Artificial Intelligence ) ทำงานโดยใช้กระบวนการเรียนรู้จากข้อมูล (Machine Learning) เพื่อประมวลผลและแก้ไขปัญหาต่างๆ อย่างอัตโนมัติ วิธีการทำงาน ของปั ญญาประดิษฐ์อาจแบ่งออกเป็ นขั้นตอนดังนี้ 1. สำรวจและเก็บรวบรวมข้อมูลปั ญญาประดิษฐ์จะต้องมีการเก็บรวบรวมข้อมูลที่ เกี่ยวข้องกับงานที่ต้องการทำ ข้อมูลอาจมาจากแหล่งต่างๆ เช่น ฐานข้อมูลออนไลน์, แหล่งข้อมูลสาธารณะ, หรือการสกัดข้อมูลจากเอกสารต่างๆ ที่มีอยู่แล้ว 2.ทำความเข้าใจและการแปลงข้อมูล ข้อมูลที่เก็บรวบรวมมาจะถูกนำเข้าสู่กระบวนการ เรียนรู้ เพื่อทำความเข้าใจและแปลงข้อมูลให้สามารถนำมาใช้ในการประมวลผลต่อไปได้ เช่น การจัดกลุ่มข้อมูล(clustering)หรือการแปลงข้อมูลเป็นรูปแบบที่เหมาะสมกับการนำ ไปใช้งาน 3. การสร้างแบบจำลอง(Modeling)ปั ญญาประดิษฐ์จะใช้ข้อมูลที่ได้รับมาเพื่ อสร้างแบบ จำลองทางสถิติหรือแบบจำลองการเรียนรู้ของเครื่อง เช่น แบบจำลองเชิงสถิติ (Statistical Model) หรือแบบจำลองของเครื่อง (Machine Learning Model)ซึ่งการ สร้างแบบจำลองนี้อาจใช้เทคนิคต่างๆ เช่น การเรียนรู้แบบความเชื่อมโยง(Neural Networks)หรือการเรียนรู้แบบซับเซต(Support Vector Machines) 4.การฝึ กและปรับแบบจำลองหลังจากสร้างแบบจำลองแล้ว จะต้องมีกระบวนการฝึกและ ปรับแบบจำลองให้มีประสิทธิภาพมากยิ่งขึ้นโดยใช้ข้อมูลที่มีคำตอบถูกต้องเป็นหลัก เช่น ให้ปั ญญาประดิษฐ์ทำนายผลลัพธ์และเปรียบเทียบกับผลลัพธ์ที่ถูกต้องและปรับแบบ จำลองให้มีประสิทธิภาพมากยิ่งขึ้นในการทำนาย 5.การใช้งานและประยุกต์ใช้เมื่อแบบจำลองได้รับการฝึกและปรับแล้ว จะสามารถนำมา ใช้งานและประยุกต์ใช้ในการแก้ไขปั ญหาต่างๆโดยปั ญญาประดิษฐ์จะสามารถตอบคำถาม ทำนายผลลัพธ์ หรือประมวลผลข้อมูลต่างๆ ได้อย่างอัตโนมัติ ความซับซ้อนและกระบวนการทำงานของปั ญญาประดิษฐ์อาจแตกต่างกันไปขึ้นอยู่กับ ประเภทและความซับซ้อนของแบบจำลองที่ใช้ แต่กระบวนการที่กล่าวถึงข้างต้นเป็น กรอบที่ทั่วไปและใช้งานได้กับหลายประเภทของปั ญญาประดิษฐ์

5 ชนิดของปั ญญาประดิษฐ์ ชนิดของ AI (Type of Artificial Intelligen ce) AI ถูกแบ่งออกเป็น 3 ชนิดได้แก่ 1) ปัญญาประดิษฐ์ (Artificial Intelligence) 2) การเรียนรู้ของเครื่อง (Machine learning) 3) การเรียนรู้เชิงลึก (Deep Learning) Deep Learning เป็นซับเซตของ Machine Learning โดย Deep Learning นั้นไม่ได้ หมายความว่า มันคือการทำความเข้าใจองค์ความรู้( knowledge)ในเชิงลึก แต่หมายถึง การที่เครื่องจักร(machine)ใช้หลายๆเลเยอร์(layer)ที่แตกต่างกัน ในการทำความเข้าใจ หรือเรียนรู้ข้อมูล โดยความซับซ้อนของโมเดล(model) ก็แปรผันตามจำนวนของ เลเยอร์(layer) ยกตัวอย่างเช่น บริษัทกูเกิล ใช้ LeNet model ในการวิเคราะห์และ ทำความเข้าใจภาพ (Image recognition) โดยมีการใช้เลเยอร์ทั้งหมด 22 เลเยอร์ โดย ใน Deep learning , จะมีเฟสของการเรียนรู้ ( learning phase )ที่ถูกสร้างขึ้นโดย Neural Network ซึ่งอาจเรียกได้ว่าเป็นสถาปัตยกรรมของ layer ที่แต่ละ layer ซ้อนทับ กันอยู่ ( stack ) Machine Learning คือ ศาสตร์ขอการศึกษา วิธีการคิด ( algorithm ) ที่ใช้ในการเรียนรู้ (learn) จากตัวอย่าง (example) และ ประสบการณ์ (experience) โดยมีพื้นฐานมาจาก หลักการที่เชื่อว่า ทุกสิ่งอย่างมีรูปแบบหรือแบบแผน ( pattern ) ที่สามารถบ่งบอกความ เป็นไปของสิ่งนั้นๆ ซึ่งเราสามารถที่จะนำแบบแผนนี้ มาประยุกต์ใช้เพื่อทำการทำนายถึง ความเป็นไปในอนาคตได้ ( prediction ) อาทิเช่น การใช้ machine learning ในการ ทำนายราคาหุ้นในอนาคต จากข้อมูลกราฟในอดีตและปัจจุบัน

6 ในปัจจุบัน อุปกรณ์(device)ที่เราใช้ในชีวิตประจำวัน ไม่ว่าจะเป็นสมาร์ทโฟน หรือ เเม้กระทั้งอินเทอร์เน็ตก็มีการประยุกต์ใช้ AI ในหลายครั้งๆ เวลาที่บริษัทใหญ่ๆจะ ประกาศให้โลกรับรู้ถึงนวัตกรรมใหม่สุดของพวกเขา พวกเขามักจะใช้คำว่า AI หรือ machine learning เสมือนว่ามันเป็นคำที่ใช้เเทนกันได้ แต่อันที่จริงเเล้ว AI กับ machine learning นั้นมีข้อแตกต่างกันบางประการ “AI- artificial intelligence คือ วิทยาศาสตร์ของการฝึกฝน (train) เครื่องจักร (machine ) โดยมีจุดประสงค์เพื่อแก้ไขปัญหาของมนุษย์ \" ถูกนิยามเมื่อ 1950s เมื่อเหล่านักวิทยาศาสตร์เริ่มให้ความสนใจกับปัญหาที่ว่า \"คอมพิวเตอร์สามารถ แก้ไขปัญหาด้วยตัวเองได้อย่างไร”(how computers could solve problems on their own.) ถ้าจะให้อธิบายอย่างง่ายๆ AI ก็คือคอมพิว เตอร์ที่มีคุณสมบัติและความสามารถคล้าย มนุษย์อีกทั้งยังสามารถทำงานได้อย่างลงตัว (seamlessly) หรือ อาจเรียกได้ว่า AI ก็คือ วิทยาศาสตร์ของการเลียนแบบทักษะของ มนุษย์ Machine learning เป็นเพียงซับเซ็ตของ AIที่จะเจาะจงไปที่การฝึ กฝน(train)เครื่ อง จักร(machine)โดยmachineก็จะพยายามหา รูปแบบ(pattern)ต่างๆของข้อมูล (input data)ที่ถูกใส่เข้ามาเพื่อในการ train , กล่าวโดยสรุป เราไม่จำเป็นต้องเขียนโปรแกรมหรือสร้าง modelขึ้น มาเอง สิ่งที่เราต้องทำก็ให้ข้อมูลหรือตัวอย่างกับตัว machine เพราะว่า machine จะพยายามสร้าง model ที่ใช้วิเคราะห์ pattern ของข้อมูลที่ ได้จากการ train โดยตัวของมันเอง ( เป็นที่มาของคำว่า machine learning นั่นเอง )

7 ประเภทของปั ญญาประดิษฐ์ (AI) มีหลายประเภทของปั ญญาประดิษฐ์ที่ถูกพัฒนาขึ้นเพื่ อใช้ในการแก้ไขปั ญหาและประยุกต์ ใช้ในงานต่างๆ นี่คือบางประเภทหลักของปัญญาประดิษฐ์: 1.ปั ญญาประดิษฐ์เชิงแคบ (Narrow AI ) หรือ ปัญญาประดิษฐ์แบบอ่อน (Weak AI) : คือ AI ที่มีความสามารถเฉพาะทางได้ดีกว่ามนุษย์ (เป็นที่มาของคำว่า Narrow (แคบ) ก็คือ AI ที่เก่งในเรื่องเเคบๆหรือเรื่องเฉพาะทางนั่นเอง) อาทิ เช่น AI ที่ช่วยในการ ผ่าตัด (AI-assisted robotic surgery) ที่อาจจะเชี่ยวชาญเรื่องการผ่าตัดกว่าคุณหมอ ยุคปัจจุบัน แต่แน่นอนว่า AI ตัวนี้ไม่สามารถที่จะทำอาหาร ร้องเพลง หรือทำสิ่งอื่นที่ นอกเหนือจากการผ่าตัดได้นั่นเอง ซึ่งผลงานวิจัยด้าน AI ณ ปัจจุบัน ยังอยู่ที่ระดับนี้ 2.ปั ญญาประดิษฐ์ทั่วไป (General AI ) : คือ AI ที่มีความสามารถระดับเดียวกับมนุษย์ สามารถทำทุกๆ อย่างที่มนุษย์ทำได้และได้ประสิทธิภาพที่ใกล้เคียงกับมนุษย์ 3.ปั ญญาประดิษฐ์แบบเข้ม (Strong AI ) : คือ AI ที่มีความสามารถเหนือมนุษย์ใน หลายๆ ด้าน จะเห็นได้ว่าวิทยาการของมนุษย์ปัจจุบันอยู่ที่จุดเริ่มต้นของ AI เพียง เท่านั้น นอกจากนี้ยังมีประเภทอื่น ๆ ของปัญญาประดิษฐ์ที่พัฒนาขึ้นเพื่อการใช้งานที่เฉพาะ เจาะจง เช่น ปัญญาประดิษฐ์ทางการแพทย์, ปัญญาประดิษฐ์ทางการธุรกิจ, และอื่น ๆ ที่มี การประยุกต์ใช้และพัฒนาอย่างต่อเนื่ องในสาขาและอุตสาหกรรมที่ต่างกัน โดยสรุป ปัญญาประดิษฐ์หรือ AI เป็นเทคโนโลยีที่ล้ำสมัยที่สามารถรับมือกับปัญหาที่ ซับซ้อนเกินกว่าที่มนุษย์จะสามารถรับมือได้ เเละ AI ยังเป็นเครื่องมือที่สามารถทำงานที่ ซ้ำซากน่าเบื่อแทนมนุษย์ได้อย่างดีเยี่ยม ช่วยให้เราสามารถมีเวลาไปโฟกัสงานที่สำคัญและ สามารถสร้างมูลค่าได้มากกว่า นอกจากนี้การประยุกต์ใช้ AI ในระดับอุตสาหกรรม ยังช่วย ลดต้นทุนเเละเพิ่มรายได้มหาศาล

8 ปั ญญาประดิษฐ์เชิงเเคบ(Narrow AI) ปัญญาประดิษฐ์เชิงแคบ (Narrow AI) คือ ประเภทของปัญญาประดิษฐ์ที่ถูกสร้างและโปรแกรมให้ มีความสามารถในงานหนึ่งเพียงงานเดียวหรือบางงานเท่านั้น ไม่สามารถทำงานอื่น ๆ นอกเหนือ จากงานที่ถูกกำหนดไว้ได้ เช่น: 1.ระบบแปลภาษา: ประเภทนี้จะสามารถแปลภาษาจากภาษาหนึ่งเป็นอีกภาษาหนึ่งเท่านั้น โดย ไม่มีความเข้าใจหมายความหรือความลึกซึ้ งของเนื้ อหาที่แปลมากนั้น 2.รถยนต์ที่สามารถขับไปตามเส้นทางที่กำหนดไว้: รถยนต์ประเภทนี้สามารถตามเส้นทางตาม คำสั่งที่โปรแกรมมาเท่านั้น แต่ไม่มีความเข้าใจเกี่ยวกับสิ่งที่เกิดขึ้นรอบ ๆ หรือสามารถเลือก เส้นทางแบบอิสระได้ 3.ซอฟต์แวร์ค้นหาเว็บ: ประเภทนี้สามารถค้นหาข้อมูลในเว็บไซต์ตามคำค้นหาที่ให้มา แต่ไม่มี ความเข้าใจเนื้ อหาจริงๆ ปัญญาประดิษฐ์เชิงแคบจะมีประสิทธิภาพสูงในงานที่ถูกสร้างขึ้นมาเพื่อทำงานเฉพาะ แต่จะไม่มี ความเข้าใจหรือความรู้เชิงมนุษย์อื่น ๆ นอกจากงานนั้น ๆ ถ้าคุณต้องการเรียนรู้เพิ่มเติมเกี่ยวกับ ปัญญาประดิษฐ์หรือมีคำถามเพิ่มเติม ไม่ต้องลังเลที่จะถามมานะครับ! ประโยชน์ ปั ญญาประดิษฐ์เชิงแคบมีประโยชน์อย่างมากในงานและสถานการณ์ที่ต้องการการประมวลผลที่ รวดเร็วและแม่นยำ เช่น: 1.การแปลภาษาอัตโนมัติ: ปัญญาประดิษฐ์เชิงแคบสามารถใช้ในการแปลภาษาอัตโนมัติเพื่อ ช่วยผู้คนในการสื่อสารกับคนที่พูดภาษาต่างประเทศได้ง่ายขึ้น. 2.รถยนต์ขับเองแบบง่ายๆ: รถยนต์ที่สามารถขับเองในเส้นทางที่กำหนดไว้จะช่วยลดภาระของ ผู้ขับขี่และช่วยป้ องกันอุบัติเหตุจากความสามารถในการรับรู้สิ่งแวดล้อมบนท้องถนน. 3.การวิเคราะห์ข้อมูลมหาศาล: ปัญญาประดิษฐ์เชิงแคบสามารถใช้ในการวิเคราะห์ข้อมูลขนาด ใหญ่เพื่อสร้างแนวโน้ มและรูปแบบทางสถิติที่ช่วยในการตัดสินใจทางธุรกิจ. 4.การรู้จักคำและสิ่งของ: ปัญญาประดิษฐ์เชิงแคบสามารถรู้จักและจำแนกวัตถุหรือสิ่งของใน ภาพถ่ายหรือวิดีโอ เช่น การจำแนกใบหน้ าในรูปภาพ, การจำแนกสินค้าในร้านค้า, หรือการ ตรวจสอบการก่อสร้างบนโครงสร้าง. 5.การสนับสนุนการวิจัยและการค้นคว้า: ปัญญาประดิษฐ์เชิงแคบช่วยในการวิเคราะห์ข้อมูลทาง วิทยาศาสตร์และการค้นคว้า ทำให้ผู้วิจัยสามารถรวบรวมข้อมูลและทำนายผลการทดลองได้ มากขึ้น.

9 ปั ญญาประดิษฐ์ทั่วไป (General AI ) ปัญญาประดิษฐ์ทั่วไปหรือ General AI คือระบบปัญญาประดิษฐ์ ที่มีความสามารถในการทำงานและแก้ไขงานทางปั ญญาทั่วไปที่ คล้ายคลึงกับความสามารถของมนุษย์ แต่ไม่ได้จำกัดเฉพาะใน สาขาหนึ่ง เช่น การแก้ปัญหาทางคณิตศาสตร์เท่านั้น แต่สามารถ ประยุกต์ใช้ความรู้และความเข้าใจในหลากหลายสาขาและงาน ต่าง ๆ ด้วยการเรียนรู้และปรับปรุงตนเองได้ อย่างไรก็ตาม ขณะ นี้ยังไม่มี General AI ที่สามารถทำงานเหมือนมนุษย์ได้ทุกด้าน อย่างสมบูรณ์ ในปัจจุบันเรายังคงมี Narrow AI ที่เชื่อมโยงกับงาน หนึ่ง ๆ อย่างเช่น การเล่นเกมหรือการแปลภาษา เป็นต้น สามารถจำแนกได้เป็นลักษณะหลัก ๆ ดังนี้ 1.ความรู้และความเข้าใจทั่วไป: General AI จะมีความรู้และความเข้าใจที่คล้ายคลึงกับ มนุษย์ในหลายๆ สาขา ไม่เพียงแค่ในสาขาเดียวเท่านั้น และสามารถเรียนรู้เกี่ยวกับเรื่อง ใหม่ๆ ได้ด้วยตนเอง. 2.การแก้ไขปัญหาทั่วไป: General AI สามารถแก้ไขปัญหาที่ไม่ได้ถูกต้องกำหนดลักษณะไว้ ล่วงหน้ าได้ และสามารถประยุกต์ความรู้และการเรียนรู้ในสถานการณ์และงานต่างๆ. 3.การเรียนรู้แบบเอวัง: General AI สามารถเรียนรู้จากประสบการณ์และข้อมูลในสิ่งต่างๆ และปรับปรุงความสามารถของตนเองเพื่อปรับตัวให้ดียิ่งขึ้นตามเวลา. 4.การทำงานในสิ่งที่ต้องการความเข้าใจทั่วไป: General AI สามารถทำงานในสิ่งที่ต้องการ ความเข้าใจทั่วไปและไม่จำกัดเฉพาะในสาขาหนึ่งเท่านั้น เช่น การคิดวิเคราะห์ สถานการณ์, การเข้าใจและให้คำตอบในเรื่องที่ซับซ้อน, การสร้างสรรค์, และอื่น ๆ. 5.ความสามารถในการสื่อสาร: General AI จะสามารถเข้าใจและสื่อสารได้กับมนุษย์และ AI อื่นๆ อย่างมีประสิทธิภาพ โดยการใช้ภาษาธรรมชาติหรืออื่น ๆ ที่เหมาะสม. 6.การวิเคราะห์และเข้าใจแนวโน้ ม: General AI สามารถวิเคราะห์ข้อมูลจำนวนมากและ แนวโน้ มต่างๆ ในการตัดสินใจหรือการวางแผน. 7.การรับรู้และเข้าใจสิ่งแวดล้อม: General AI จะสามารถรับรู้และเข้าใจสิ่งแวดล้อมรอบตัว ได้ โดยใช้เซ็นเซอร์และข้อมูลต่างๆ. ความสามารถของ General AI จะเป็นการรวมทั้งความรู้ความสามารถที่มนุษย์มีและความ สามารถของ AI ในรูปแบบที่สามารถปรับปรุงตนเองและเรียนรู้ได้เองเช่นกัน

10 ปั ญญาประดิษฐ์แบบเข้ม (Strong AI) ปัญญาประดิษฐ์แบบเข้ม (Strong AI) เป็นแนวคิดที่กล่าวถึงระบบปัญญาประดิษฐ์ที่มีความ สามารถและความอัจฉริยะที่มากพอที่จะเทียบเท่าหรือเกินความสามารถของมนุษย์ในทุกๆ ด้าน นั่นคือมันจะสามารถเข้าใจและจัดการกับงานทั้งหมดที่มนุษย์ทำได้ ไม่ว่าจะเป็นการ แก้ไขปัญหาที่ซับซ้อน, การรับรู้และเข้าใจสิ่งแวดล้อม, การสร้างสรรค์, การเรียนรู้เอง, และ อื่นๆ ทั้งหมด โดยไม่มีความจำกัดในการดำเนินงานหรือทำงานใดๆ แนวคิดเกี่ยวกับ Strong AI เป็นส่วนหนึ่งของการพยายามสร้างความอัจฉริยะทางปัญญา ประดิษฐ์ที่เทียบเท่าหรือเกินมนุษย์ แต่ยังไม่มีเทคโนโลยีหรือระบบที่สามารถพัฒนาเป็ น Strong AI ในปัจจุบัน เรายังเจอกับ Narrow AI ซึ่งมีความสามารถในงานและสาขาเฉพาะ และความสำเร็จในการพัฒนา Strong AI ยังเป็นเรื่องที่ยากและท้าทายในระดับที่สูงมาก STRONG AI ทำไรได้บ้าง? แก้ไขปัญหาทางคณิตศาสตร์และวิทยาศาสตร์: Strong AI สามารถทำคำนวณทางคณิตศาสตร์ และวิทยาศาสตร์ที่ซับซ้อนได้เช่นการคำนวณหาสมการทางกายภาพหรือสร้างสถิติการวิจัย. การวิเคราะห์ข้อมูลและการทำนาย: มันสามารถวิเคราะห์ข้อมูลจำนวนมากและทำนายแนวโน้ ม ในข้อมูล เช่นการทำนายการเกิดโรค, การพยากรณ์สภาพอากาศ, และการวิเคราะห์ข้อมูลการ ตลาด. การเรียนรู้และพัฒนาตนเอง: Strong AI สามารถเรียนรู้จากประสบการณ์และข้อมูลใหม่ ๆ และ ปรับปรุงความสามารถของตนเองเพื่อทำงานได้อย่างเต็มประสิทธิภาพ. การสร้างเนื้อหา: Strong AI สามารถสร้างเนื้อหาต่าง ๆ เช่น การเขียนบทความ, สร้างเพลง, และสร้างภาพวาด. การสื่อสารและภาษา: มันสามารถเข้าใจและสื่อสารกับมนุษย์ได้โดยใช้ภาษาธรรมชาติหรือภาษา ที่เป็ นเอกลักษณ์ของตน. การทำงานในสิ่งแวดล้อม: Strong AI สามารถทำงานในสิ่งแวดล้อมต่าง ๆ ได้ เช่น การเรียนรู้ และประมวลผลข้อมูลจากเซ็นเซอร์เพื่อควบคุมระบบอัตโนมัติ. การแก้ไขปัญหาทางศิลปะและออกแบบ: Strong AI สามารถสร้างผลงานทางศิลปะและ ออกแบบที่สร้างสรรค์ได้ เช่น การสร้างภาพศิลปะ 3 มิติ. การดำเนินการในสิ่งแวดล้อมที่เป็นอันตราย: Strong AI สามารถทำงานในสถานการณ์ที่ อันตรายต่อมนุษย์ได้ เช่น การประมวลผลข้อมูลจากกล้องวงจรปิดเพื่อตรวจจับกิจกรรมลามก อนาจาร.

11 การทำงานของ Strong AI ปัญญาประดิษฐ์แบบเข้ม (Strong AI) ถูกออกแบบให้สามารถทำงานอย่างคล้ายคลึงกับมนุษย์ ได้ในหลายๆ ด้าน ดังนั้นวิธีการทำงานของ Strong AI จะมีลักษณะเช่นนี้: 1.เข้าใจและประมวลผลข้อมูล: Strong AI สามารถเข้าใจและประมวลผลข้อมูลจากแหล่ง ต่างๆ ด้วยวิธีการที่คล้ายคลึงกับการคิดของมนุษย์ มันสามารถวิเคราะห์และเข้าใจความ หมายของข้อมูลต่างๆ เช่น ข้อความ, ภาพ, เสียง เป็นต้น 2.เรียนรู้และปรับปรุงเอง: Strong AI สามารถเรียนรู้จากประสบการณ์ และปรับปรุงความรู้ และความสามารถของตนเองได้ตามเวลา โดยใช้การประมวลผลข้อมูลและข้อมูล ประสบการณ์ก่อนหน้ า 3.แก้ไขปัญหาที่ซับซ้อน: Strong AI สามารถแก้ไขปัญหาที่มีความซับซ้อนได้ โดยใช้การ วิเคราะห์ข้อมูลและการประมวลผลที่ซับซ้อน 4.การสร้างสรรค์และความคิด: Strong AI สามารถสร้างความคิดและความสร้างสรรค์ได้ เช่น การเขียนเนื้อหา, การสร้างภาพศิลปะ เป็นต้น 5.การเข้าใจและสื่อสาร: Strong AI สามารถเข้าใจและสื่อสารกับมนุษย์และระบบ AI อื่นๆ ได้ อย่างมีประสิทธิภาพ โดยใช้ภาษาธรรมชาติหรือเทคโนโลยีการสื่อสารอื่นๆ 6.การทำงานในสิ่งแวดล้อม: Strong AI สามารถทำงานในสิ่งแวดล้อมต่างๆ โดยใช้เซ็นเซอร์ และการรับรู้สิ่งแวดล้อม โดยรวมแล้ว, ความสามารถของ Strong AI จะเกี่ยวข้องกับการเข้าใจและประมวลผลข้อมูล, การเรียนรู้เอง, แก้ไขปัญหาที่ซับซ้อน, การสร้างสรรค์, การสื่อสาร, และการทำงานในสิ่ง แวดล้อม โดยมีระบบประมวลผลและความอัจฉริยะที่มีความหลากหลายในการทำงานในสาขา และสถานการณ์ต่างๆ

บทที่ 2เทคนิคการ เรียนรู้เชิงลึก

13 บทที่2 เทคนิ คการเรียนรู้เชิงลึก Deep Learning หรือการเรียนรู้เชิงลึก เป็นหนึ่งในฟังก์ชันของปัญญาประดิษฐ์ (AI) ที่เรียนแบบการทำงานของสมองมนุษย์ในกระบวนการประมวลผลข้อมูลและเป็นการ สร้างรูปแบบ สำหรับใช้ในการตัดสินใจ นอกจากนี้ Deep Learning ยังเป็นเซตย่อนของ Machine Learning ใน Artificial Intelligence (AI) เป็นเครือข่ายที่มีประสิทธิภาพของ การเรียนรู้ที่ไม่มีผู้สอน หรือ Unsupervised Learning จากข้อมูลแบบไม่มีโครงสร้างและ แบบที่ไม่กำกับข้อมูล ทั่งนี้เป็นที่รู้จักกันในชื่อ Deep Neural Learning และ Deep Neural Network Deep Learning เป็นเซตย่อยของ Machine Learning หรือการเรียนรู้ด้วย เครื่อง ซึ่งเป็นลำดับชั้นของเครือข่ายประสามเทียม (Artificial Neural Network) โดย ดำเนินการด้วย Machine Learning เนื่องจากเครือข่ายประสามเทียมถูกสร้างมาเหมือน สมองของมนุษย์มี Nodes เชื่อมต่อกันเหมือนเว็บไซต์ แม้ว่าโปรแกรมแบบเก่าจะสร้างการ วิเคราะห์ข้อมูลเชิงเส้น โดยฟังก์ชันลำดับชั้นของระบบ Deep Learning ช่วยให้เครื่อง ประมวลผลข้อมูลด้วยวิธีการไม่ใช่เชิงเส้น ซึ่งเป็นเทคนิคการเรียนรู้เชิงลึก เพื่อกำจัดสิ่ง แปลกปลอมในการทำธุรกรรมที่เสี่ยงต่อการหลอกลวงจะประกอบด้วยเวลา, ที่ตั้งทาง ภูมิศาสตร์, IP address, ประเภทของธุรกิจค้าปลีก และคุณลักษณะอื่น ๆ ที่ก่อให้เกิดวิธี การหลอกลวงจากบุคคลที่ 3 นอกจากนี้การเรียนรู้เชิงลึกยังถูกนำมาใช้ในทุกอุตสาหกรรม สำหรับงานที่มี ความแตกต่างกันจำนวนมาก ทั้ง Facebook ที่แยกความแตกต่างของใบหน้ า เพื่อใช้ติด แท็กเพื่อนในรูปภาพ หรือแอปพลิเคชัน e-commerce ที่ใช้จดจำภาพ และอื่น ๆ

14 เทคนิคเรียนรู้เชิงลึก (Deep Learning) เป็นเทคนิคหนึ่งของปัญญาประดิษฐ์ที่ก่อตั้งอยู่บน หลักการของโครงข่ายประสาทเทียม (Neural Networks) ซึ่งมีลักษณะคล้ายกับการทำงาน ของสมองมนุษย์ในการรับรู้และเรียนรู้ของมนุษย์ แต่มีขนาดใหญ่และมีความซับซ้อน มากกว่าโครงข่ายประสาทแบบดั้งเดิม เทคนิคเรียนรู้เชิงลึกได้รับความนิยมอย่างมากในช่วงสองสิบปี ที่ผ่านมาเนื่ องจากมีความ สามารถในการเรียนรู้และวิเคราะห์ข้อมูลที่ซับซ้อนและมีรูปแบบที่ซับซ้อน หลักการทำงาน ของเทคนิคเรียนรู้เชิงลึกเป็ นดังนี้ 1.คุณลักษณะ (Feature Extraction): เทคนิคเรียนรู้เชิงลึกทำการค้นหาคุณลักษณะของ ข้อมูลที่สำคัญและใช้ในการแยกแยะ ซึ่งอาจเป็นรูปภาพ เสียง ข้อความ หรือข้อมูลที่มี ลักษณะที่สามารถตระหนักได้ 2.การสร้างโมเดล (Model Architecture): ก่อนการฝึกโมเดลเรียนรู้ เราต้องกำหนด โครงสร้างของโมเดล ซึ่งประกอบด้วยชั้นของโครงข่ายประสาท (Neural Network Layers) ที่มีหน้ าที่ในการประมวลผลข้อมูลเข้าเรื่อย ๆ จนได้ผลลัพธ์ที่ต้องการ สร้างโมเดลการประมวลผลเอกสารเเบบกำหนดเองใน AI Builder

15 3.ฝึ กโมเดล (Model Training): ในขั้นตอนนี้ เราให้โมเดลเรียนรู้จากข้อมูลที่มีอยู่โดยให้ มันปรับค่าพารามิเตอร์ของโมเดลเพื่อลดความคลาดเคลื่อนในการทำนายผลลัพธ์ โดยใช้ ข้อมูลที่เป็นตัวอย่าง (Training Data) และการตอบสนอง (Labels) ที่สอดคล้องกัน 4.การทำนายผลลัพธ์ (Inference): เมื่อโมเดลได้รับการฝึกเสร็จสิ้นแล้ว เราสามารถนำ โมเดลมาใช้ในการทำนายผลลัพธ์จากข้อมูลที่ไม่เคยเห็นมาก่อน ซึ่งอาจเป็นข้อมูลที่นำมา ในชีวิตจริง 5.การประเมิน (Evaluation): เมื่อโมเดลทำนายผลลัพธ์ เราต้องประเมินประสิทธิภาพ ของโมเดลโดยเปรียบเทียบความแม่นยำระหว่างผลลัพธ์ที่โมเดลทำนายและผลลัพธ์ที่คาด หวัง ซึ่งอาจต้องปรับแต่งโมเดลหรือข้อมูลในขั้นตอนที่ต่างกัน เทคนิคเรียนรู้เชิงลึกมีการใช้งานแพร่หลายในด้านต่าง ๆ เช่น: •การตรวจจับวัตถุ: เช่น ระบบควบคุมการจราจรอัตโนมัติ ระบบรักษาความปลอดภัย การ วิเคราะห์ภาพการแพทย์ •การแปลภาษาและภาษาธรรมชาติ: เช่น การแปลภาษาอัตโนมัติ การตอบคำถามภาษา ธรรมชาติ •การระบุและการจำแนก: เช่น การระบุใบหน Google เปิดตัว Generative AI บน Google Cloud และ Google Workspace

3บทที่ การประมวลผล ภาษาธรรมชาติ

17 บทที่3 การประมวลผลภาษาธรรมชาติ การประมวลผลภาษาธรรมชาติ (Natural Language Processing - NLP) เป็น หนึ่งในด้านที่สำคัญและน่าทึ่งของปัญญาประดิษฐ์ เป็นกระบวนการที่เครื่องคอมพิวเตอร์ สามารถเข้าใจและแก้ไขภาษาธรรมชาติ (ภาษาที่มนุษย์ใช้สื่อสารกัน) อย่างมีความหมาย และรู้เสนอคำตอบหรือกระบวนการต่าง ๆ ตามความต้องการ NLP มีขั้นตอนและเทคนิคที่คล้ายกับการประมวลผลข้อมูลที่อยู่ในรูปแบบอื่น ๆ โดยส่วนหนึ่งของ NLP อาจพูดถึงการแปลภาษา การจับความหมายของประโยค หรือการ ตอบคำถามในภาษาธรรมชาติ ต่อไปนี้คือขั้นตอนในการประมวลผลภาษาธรรมชาติของ ปั ญญาประดิษฐ์ 1.สำรวจข้อมูล (Text Preprocessing): เป็นขั้นตอนแรกใน NLP ซึ่งรวมถึงการทำความ สะอาดข้อมูลภาษาธรรมชาติ ให้เหมาะสำหรับการประมวลผล อาทิเช่น การลบตัวอักษร พิเศษ การแยกคำ การตัดคำ เป็นต้น 2.ตัดคำ (Tokenization): กระบวนการแยกประโยคหรือคำในข้อความออกมาเป็นส่วน ย่อย หรือ \"ตัวแทน\" ที่เรียกว่า \"Token\" เพื่อให้คอมพิวเตอร์เข้าใจและประมวลผลได้ง่าย ขึ้น 3.สร้างศัพท์ (Vocabulary Creation): การสร้างศัพท์ที่ใช้ในการแทนคำในข้อความ ใน กระบวนการนี้คำที่พบบ่อยจะถูกใส่ลงในรายการศัพท์เพื่อให้สะดวกในการเข้าถึงและใช้งาน 4.แนะนำโมเดล (Model Building): การสร้างโมเดลปัญญาประดิษฐ์ที่ใช้ในการประมวล ผลภาษาธรรมชาติ โดยปัจจัยหลักคืออาศัยโครงข่ายประสาทเทียมแบบสองทิศทาง (Bidirectional Neural Networks) และ Transformer ซึ่งเป็นโครงสร้างที่มีความสามารถ ในการเรียนรู้และความเข้าใจของภาษาธรรมชาติได้ดี 5.ฝึ กโมเดล (Model Training): การให้โมเดลประมวลผลภาษาธรรมชาติเรียนรู้จากข้อมูล ส่วนหนึ่งที่เรียกว่าข้อมูลการฝึก (Training Data) ซึ่งประกอบด้วยข้อความและคำตอบที่ เกี่ยวข้อง 6.การทำนาย (Inference): เมื่อโมเดลได้รับการฝึกเรียบร้อยแล้ว จะสามารถนำมาใช้ใน การทำนายผลลัพธ์จากข้อความใหม่ๆ ที่ไม่เคยเห็นมาก่อน 7.การประเมิน (Evaluation): เพื่อให้แน่ใจว่าโมเดลประมวลผลภาษาธรรมชาติทำงานได้ ดีและถูกต้อง ควรทำการประเมินประสิทธิภาพ

18 ประเภทของการประมวลผลภาษาธรรมชาติ การประมวลผลภาษาธรรมชาติของปัญญาประดิษฐ์สามารถแบ่งออกเป็นหลายประเภท ซึ่ง แต่ละประเภทมีการใช้และแนวคิดที่แตกต่างกันตามการประมวลผลและการแก้ไขปั ญหาที่ เกี่ยวข้อง นี่คือประเภทหลัก ๆ ของการประมวลผลภาษาธรรมชาติของปัญญาประดิษฐ์: 1.การแปลภาษา (Machine Translation): นี้คือประเภทที่ใช้ในการแปลข้อความหรือ ประโยคจากภาษาหนึ่งไปยังอีกภาษาหนึ่ง ตัวอย่างเช่น Google Translate ซึ่งสามารถ แปลข้อความภาษาอังกฤษเป็นภาษาอื่น ๆ ได้ 2.การรับรู้ความหมาย (Semantic Understanding): ในประเภทนี้ เป้ าหมายคือให้ คอมพิวเตอร์เข้าใจความหมายของข้อความและรู้ว่าคำหรือประโยคมีความหมาย อย่างไร ซึ่งส่วนหนึ่งของงานนี้คือ Named Entity Recognition (NER) ที่มุ่งหวังที่จะ หาและจำแนกข้อความที่เป็นชื่อเฉพาะ เช่น ชื่อบุคคล สถานที่ หรือองค์กร 3.การสร้างข้อความ (Text Generation): นี้เป็นประเภทที่เน้ นการสร้างข้อความ อัตโนมัติ ตัวอย่างเช่น Chatbot ซึ่งสามารถตอบคำถามหรือสร้างบทสนทนาจาก ข้อความที่ได้รับ 4.การวิเคราะห์ความรู้สึก (Sentiment Analysis): การวิเคราะห์และคำนวณความรู้สึก หรือทัศนคติในข้อความว่าเป็นเชิงบวก ลบ หรือกลาง ซึ่งน่าจะเป็นประโยชน์ในการ วิเคราะห์ความพึงพอใจของลูกค้า หรือการตรวจสอบความคิดเห็นในสังคมออนไลน์ 5.การสร้างสรรค์ (Creative Writing): นี่คือประเภทที่ให้คอมพิวเตอร์สร้างเนื้อเรื่องที่ สร้างสรรค์ขึ้นใหม่ เช่น การเขียนเรื่องราว บทความ หรือนิยายโดยอัตโนมัติ 6.การตอบคำถาม (Question Answering): ในประเภทนี้ คอมพิวเตอร์จะต้องตอบ คำถามของผู้ใช้ด้วยข้อมูลที่มีอยู่ ตัวอย่างเช่น การตอบคำถามในภารกิจเกี่ยวกับการ ค้นหาข้อมูลในฐานข้อมูลหรือเว็บไซต์ 7.การถอดรหัส (Decoding): นี้คือประเภทที่มุ่งเน้ นการเข้าใจความหมายที่ถูกซ่อนอยู่ใน ข้อความหรือรหัสลับ ซึ่งอาจมีใช้ในการถอดรหัสภาษาลับ ภาษามือ หรือภาษาที่ถูกเข้า รหัสโดยคนที่มีวิธีเฉพาะตัวในการเขียนเพื่อให้คนเห็นเพียงคนเดียวเท่านั้น การประมวลผลภาษาธรรมชาติของปั ญญาประดิษฐ์มีความหลากหลายและยังคงมีการ พัฒนาและนวัตกรรมอยู่เสมอเพื่อเพิ่มประสิทธิภาพและความสามารถ

19 NLP ทำงานอย่ างไร? การประมวลผลภาษาธรรมชาติของปัญญาประดิษฐ์สามารถแบ่งออกเป็นหลายประเภท ซึ่ง แต่ละประเภทมีการใช้และแนวคิดที่แตกต่างกันตามการประมวลผลและการแก้ไขปั ญหาที่ เกี่ยวข้อง นี่คือประเภทหลัก ๆ ของการประมวลผลภาษาธรรมชาติของปัญญาประดิษฐ์: การแปลภาษา (Machine Translation): นี้คือประเภทที่ใช้ในการแปลข้อความหรือ ประโยคจากภาษาหนึ่งไปยังอีกภาษาหนึ่ง ตัวอย่างเช่น Google Translate ซึ่งสามารถ แปลข้อความภาษาอังกฤษเป็นภาษาอื่น ๆ ได้ การรับรู้ความหมาย (Semantic Understanding): ในประเภทนี้ เป้ าหมายคือให้ คอมพิวเตอร์เข้าใจความหมายของข้อความและรู้ว่าคำหรือประโยคมีความหมาย อย่างไร ซึ่งส่วนหนึ่งของงานนี้คือ Named Entity Recognition (NER) ที่มุ่งหวังที่จะ หาและจำแนกข้อความที่เป็นชื่อเฉพาะ เช่น ชื่อบุคคล สถานที่ หรือองค์กร การสร้างข้อความ (Text Generation): นี้เป็นประเภทที่เน้ นการสร้างข้อความ อัตโนมัติ ตัวอย่างเช่น Chatbot ซึ่งสามารถตอบคำถามหรือสร้างบทสนทนาจาก ข้อความที่ได้รับ การวิเคราะห์ความรู้สึก (Sentiment Analysis): การวิเคราะห์และคำนวณความรู้สึก หรือทัศนคติในข้อความว่าเป็นเชิงบวก ลบ หรือกลาง ซึ่งน่าจะเป็นประโยชน์ในการ วิเคราะห์ความพึงพอใจของลูกค้า หรือการตรวจสอบความคิดเห็นในสังคมออนไลน์ การสร้างสรรค์ (Creative Writing): นี่คือประเภทที่ให้คอมพิวเตอร์สร้างเนื้อเรื่องที่ สร้างสรรค์ขึ้นใหม่ เช่น การเขียนเรื่องราว บทความ หรือนิยายโดยอัตโนมัติ การตอบคำถาม (Question Answering): ในประเภทนี้ คอมพิวเตอร์จะต้องตอบ คำถามของผู้ใช้ด้วยข้อมูลที่มีอยู่ ตัวอย่างเช่น การตอบคำถามในภารกิจเกี่ยวกับการ ค้นหาข้อมูลในฐานข้อมูลหรือเว็บไซต์ การถอดรหัส (Decoding): นี้คือประเภทที่มุ่งเน้ นการเข้าใจความหมายที่ถูกซ่อนอยู่ใน ข้อความหรือรหัสลับ ซึ่งอาจมีใช้ในการถอดรหัสภาษาลับ ภาษามือ หรือภาษาที่ถูกเข้า รหัสโดยคนที่มีวิธีเฉพาะตัวในการเขียนเพื่อให้คนเห็นเพียงคนเดียวเท่านั้น การประมวลผลภาษาธรรมชาติของปั ญญาประดิษฐ์มีความหลากหลายและยังคงมีการ พัฒนาและนวัตกรรมอยู่เสมอเพื่อเพิ่มประสิทธิภาพและความสา

4บท ท ี่ การวิเคราะห์ภาพ และวิดีโอ

21 บทที่4 การวิเคราะห์ภาพและวิดีโอ บทนำเกี่ยวกับปั ญญาประดิษฐ์ในวิศวกรรมคอมพิวเตอร์สำหรับการวิเคราะห์ภาพ และวิดีโอ การใช้ปัญญาประดิษฐ์ในวิศวกรรมคอมพิวเตอร์สำหรับการวิเคราะห์ภาพและ วิดีโอเปิดโอกาสในการสำรวจและตรวจสอบข้อมูลที่ซับซ้อนและให้ความหมาย ความ ก้าวหน้ าของเทคโนโลยีการเรียนรู้เชิงลึกได้ทำให้ปัญญาประดิษฐ์มีความสามารถในการ ระบุวัตถุ การตรวจจับรูปแบบ และการสร้างรูปภาพในมุมมองที่มนุษย์ไม่สามารถทำได้ เนื้ อหาเกี่ยวกับปั ญญาประดิษฐ์ในวิศวกรรมคอมพิวเตอร์สำหรับการวิเคราะห์ภาพ และวิดีโอ การวิเคราะห์ภาพและวิดีโอด้วยปัญญาประดิษฐ์ได้รับความสำคัญในหลากหลาย งาน ซึ่งรวมถึง - การจดจำและตรวจจับวัตถุในภาพและวิดีโอ - การระบุและติดตามวัตถุในเคลื่อนไหว - การทำนามธรรมในภาพและวิดีโอ - การค้นหาและแยกแยะข้อมูลที่ซับซ้อนในภาพและวิดีโอ - การสร้างรูปภาพและวิดีโอที่สมจริง (CGI) และกราฟิกคอมพิวเตอร์ - การตรวจสอบความเสี่ยงและความปลอดภัยในภาพและวิดีโอ

22 การวิเคราะห์ภาพและวิดีโอเป็ นกระบวนการที่ใช้เทคนิคและอัลกอริทึมทางคอมพิวเตอร์ เพื่อตรวจจับและวิเคราะห์สิ่งต่างๆ ในภาพและวิดีโอเพื่อทำความเข้าใจและค้นหาลักษณะ ต่างๆ ซึ่งอาจเป็นวัตถุ บุคคล การเคลื่อนไหว การเปลี่ยนแปลง และอื่นๆ ที่มีอยู่ในสื่อนั้น วิเคราะห์ภาพและวิดีโอมักนำมาใช้ในหลากหลายงานทางวิทยาศาสตร์และการประยุกต์ ต่างๆ รวมถึงในด้านอุตสาหกรรมและการบริการด้วยเช่นกัน นอกจากนี้ยังมีการพัฒนา อย่างต่อเนื่ องในส่วนของการใช้งานอัลกอริทึมและเทคนิคที่มีประสิทธิภาพในการดำเนิน การวิเคราะห์เหล่านี้ด้วย นายแห่งวิเคราะห์ภาพและวิดีโอ (Computer Vision) ใช้ในงานต่างๆ ได้แก่: 1.การตรวจจับวัตถุ: การตรวจจับวัตถุในภาพหมายถึงการค้นหาและระบุตำแหน่งของ วัตถุที่อยู่ในภาพ เช่น การตรวจจับหน้ ามนุษย์ การตรวจจับรถยนต์ หรือการตรวจจับ สินค้าในบรรจุภัณฑ์ 2.การติดตามวัตถุ: การติดตามและตรวจสอบการเคลื่อนไหวของวัตถุในภาพหรือวิดีโอ เช่น การติดตามวัตถุในวิดีโอคลิปหรือการตรวจสอบการเคลื่อนไหวของยานอวกาศ 3.การรู้จำและการจำแนก: การรู้จำตัวตนของบุคคลหรือวัตถุในภาพ และการจำแนก วัตถุตามคลาสต่างๆ เช่น การจำแนกพืช สัตว์ หรืออื่นๆ 4.การแยกแยะและการสกัดคุณลักษณะ: การแยกแยะคุณลักษณะเฉพาะของวัตถุใน ภาพ เช่น การตรวจจับและสกัดคุณลักษณะใบหน้ า เพื่อใช้ในการระบุตัวตนหรือการวิ เคราะห์อื่นๆ 5.การระบุสิ่งที่ไม่พึงประสงค์: การตรวจจับสิ่งที่ไม่พึงประสงค์ในภาพหรือวิดีโอ เช่น การตรวจจับภาพส่วนน้ำตาลในอาหาร หรือการตรวจจับสัญญาณที่ไม่พึงประสงค์ใน วิดีโอ 6.การแยกแยะภาพและวิดีโอ: การแยกแยะภาพหรือวิดีโอออกเป็นส่วนย่อยๆ เพื่อให้ ง่ายต่อการวิเคราะห์และการทำซ้ำ การวิเคราะห์ภาพและวิดีโอเป็ นองค์ประกอบสำคัญในการพัฒนาและประยุกต์งานทางด้าน AI และการเข้าใจและประมวลผลภาพและวิดีโอนั้นยังคงเป็นความสำคัญในอนาคตเพื่อให้ สามารถแก้ไขปั ญหาที่ซับซ้อนขึ้นได้ในแวดวงต่างๆ

23 ขั้นตอนการวิเคราะห์ภาพเเละวิดิโอ การวิเคราะห์ภาพและวิดีโอด้วยปัญญาประดิษฐ์มีขั้นตอนหลายขั้นตอนที่ซับซ้อน โดยทั่วไป แล้ว ขั้นตอนการวิเคราะห์ภาพและวิดีโอโดยใช้ปัญญาประดิษฐ์สามารถแบ่งออกเป็นขั้นตอน หลัก ๆ ดังนี้: 1.การประมวลผลพื้นฐาน (Preprocessing): ขั้นตอนแรกคือการทำความสะอาดข้อมูล ภาพและวิดีโอ โดยทำการปรับขนาดภาพ, ลดสัญญาณรบกวน, และปรับความคมชัด เพื่อให้ข้อมูลพร้อมสำหรับการวิเคราะห์ 2.การสกัดลักษณะเด่น (Feature Extraction): ในขั้นตอนนี้เราจะสกัดลักษณะเด่นของ ภาพหรือวิดีโอเพื่อแทนคุณสมบัติที่สำคัญในรูปแบบที่เครื่องประมวลผลเข้าใจได้ เช่น การสกัดลักษณะทางสถิติ, การประมวลผลภาพตามช่วงสี (color channel), การตรวจ จับขอบ เป็นต้น 3.การสร้างแบบจำลอง (Model Building): ในขั้นตอนนี้ เราจะสร้างและเลือกแบบจำลอง ปัญญาประดิษฐ์ที่เหมาะสมกับงานวิเคราะห์ภาพและวิดีโอ เช่น Convolutional Neural Networks (CNN) สำหรับการวิเคราะห์ภาพ เป็นต้น 4.การฝึกและปรับแบบจำลอง (Model Training and Fine-Tuning): ในขั้นตอนนี้ เราจะ ใช้ชุดข้อมูลที่มีป้ ายกำกับ (labeled data) เพื่อฝึกและปรับแบบจำลอง โดยการให้ เครื่องประมวลผลเรียนรู้และปรับค่าพารามิเตอร์ในแบบจำลอง 5.การทดสอบและประเมิน (Testing and Evaluation): เมื่อแบบจำลองถูกฝึกและปรับ แล้ว เราจะทดสอบความสามารถของมันด้วยข้อมูลที่ไม่เคยเห็นมาก่อน เพื่อวัด ประสิทธิภาพและความแม่นยำของแบบจำลอง 6.การปรับแต่งและการพัฒนาต่อเนื่อง (Refinement and Continuous Development): ขึ้นอยู่กับผลลัพธ์ที่ได้จากการทดสอบ

24 บทสรุปเกี่ยวกับปั ญญาประดิษฐ์ในวิศวกรรมคอมพิวเตอร์สำหรับการวิเคราะห์ภาพและวิดีโอ ปั ญญาประดิษฐ์ในวิศวกรรมคอมพิวเตอร์เปิ ดโอกาสให้การวิเคราะห์ภาพและวิดีโอเกิดความ ก้าวหน้ าที่น่าตื่นตาตื่นใจ การใช้เทคโนโลยีการเรียนรู้เชิงลึกช่วยเพิ่มความแม่นยำในการระบุ และวิเคราะห์ข้อมูล และเปิดทางให้เกิดนวัตกรรมใหม่ๆ ในงานด้านภาพและวิดีโอ ปัญญา ประดิษฐ์ยังสามารถให้ข้อมูลที่เป็นประโยชน์ในหลากหลายอุตสาหกรรม เช่น การแพทย์ การ อุตสาหกรรมการผลิต การสื่อสารและบันเทิง และงานด้านนวัตกรรมเพิ่มเติม การพัฒนา ปั ญญาประดิษฐ์ในวิศวกรรมคอมพิวเตอร์ย่อมน่าติดตามเพื่ อเห็นโอกาสและความเป็ นไปได้ใน อนาคต

5บทที่ หุ่นยนต์และ ระบบอัตโนมัติ

26 บทที่5 หุ่นยนต์และระบบอัตโนมัติ บทนำเกี่ยวกับปั ญญาประดิษฐ์ในวิศวกรรมคอมพิวเตอร์ในหัวข้อหุ่นยนต์และระบบ อัตโนมัติ ปัญญาประดิษฐ์ในวิศวกรรมคอมพิวเตอร์ในหัวข้อหุ่นยนต์และระบบอัตโนมัติเป็น เทคโนโลยีที่ใช้ประโยชน์ในการพัฒนาและสร้างหุ่นยนต์และระบบที่สามารถทำงาน อัตโนมัติโดยใช้ความสามารถของปั ญญาประดิษฐ์ในการตัดสินใจและประมวลผลข้อมูล เนื้ อหาเกี่ยวกับปั ญญาประดิษฐ์ในวิศวกรรมคอมพิวเตอร์ในหัวข้อหุ่นยนต์และ ระบบอัตโนมัติ การประยุกต์ใช้ปัญญาประดิษฐ์ในวิศวกรรมคอมพิวเตอร์ในหัวข้อหุ่นยนต์ และระบบอัตโนมัติมีความหลากหลาย ระบบหุ่นยนต์และอุปกรณ์ที่สามารถทำงานอัตโนมัติ สามารถพัฒนาเพื่อให้เหมาะสมกับงานและภารกิจที่ต้องการความเชื่อถือและความแม่นยำ ในส่วนของระบบอัตโนมัติ เช่น ระบบควบคุมการจราจร ระบบควบคุมอากาศยาน ระบบ ผลิตอัตโนมัติ และอื่นๆ นอกจากนี้ยังมีการนำปัญญาประดิษฐ์มาใช้ในการปรับปรุงและ พัฒนาหุ่นยนต์และระบบอัตโนมัติให้มีความสามารถที่ยิ่งใหญ่และครอบคลุมกว่าเดิม ส่วนประกอบของหุ่นยนต์ ประกอบด้วย 3 ส่วนหลัก ดังนี้ 1.ส่วนการควบคุม เป็นเทคโนโลยีที่เน้ นศึกษาด้านการออกแบบชิ้นส่วนหุ่นยนต์การ ประกอบหุ่นยนต์ และการควบคุมการเคลื่อนที่ของหุ่นยนต์ 2.ส่วนการรับรู้ เป็นเทคโนโลยีที่เน้ นพัฒนาส่วนของการรับรู้ข้อมูลของหุ่นยนต์จากอุปกรณ์ เซ็นเซอร์ต่างๆ รวมทั้งระบบ Computer Vision ที่ทำให้หุ่นยนต์มองเห็น หรือตรวจสอบ ระยะใกล้ไกลของวัตถุ โดยข้อมูลที่ได้มานั้นจะนำมาประมวลผลและส่งต่อคำสั่งไปที่ตัว ขับเคลื่อนต่างๆ 3.ส่วนการเข้าใจ เป็นเทคโนโลยีที่เน้ นการพัฒนาระบบการตัดสินใจของหุ่นยนต์เมื่อได้รับ ข้อมูลจากตัวตรวจจับ ซึ่งเป็นการใช้หลักการของวิศวกรรมคอมพิวเตอร์และมีความ เกี่ยวข้องกับเทคโนโลยี AI และศาสตร์ Machine Learning

27 หุ่นยนต์ประกอบด้วยส่วนประกอบหลายอย่างที่ทำให้มันสามารถทำงานได้ตามที่ถูก ออกแบบมา แต่ละส่วนมีบทบาทและหน้ าที่ที่แตกต่างกัน นี่คือส่วนประกอบหลักของหุ่น ยนต์: 1.โครงสร้าง (Body): เป็นส่วนที่รองรับและเชื่อมต่อส่วนประกอบอื่น ๆ ของหุ่นยนต์ โครงสร้างอาจถูกออกแบบมาในรูปแบบต่าง ๆ ขึ้นอยู่กับการใช้งานและภารกิจของหุ่น ยนต์ 2.ขอบเขตการเคลื่อนที่ (Joints and Actuators): ส่วนนี้ช่วยให้หุ่นยนต์สามารถเคลื่อนที่ ได้ มีข้อต่อ (joints) ที่เป็นจุดต่อให้เกิดการเคลื่อนที่ เช่น ข้อต่อหมุน, ข้อต่อเหวี่ยง และ มีตัวขับ (actuators) เช่น เซอร์โวมอเตอร์ (servomotors) หรือมอเตอร์ไฟฟ้ า 3.เซนเซอร์ (Sensors): เซนเซอร์ช่วยในการรับรู้สิ่งแวดล้อมและสภาวะต่าง ๆ ของหุ่น ยนต์ เช่น เซนเซอร์วัดระยะ, เซนเซอร์ตรวจจับแสง, เซนเซอร์อุณหภูมิ เป็นต้น 4.แผงวงจร (Circuit Boards): แผงวงจรคอนโทรลหรือบอร์ดวงจรเป็นส่วนที่ควบคุมและ ดูแลคำสั่งของหุ่นยนต์ แผงวงจรนี้สร้างเส้นทางในการส่งสัญญาณระหว่างส่วนประกอบ ต่าง ๆ 5.คอมพิวเตอร์หรือเบรน (Computer or Brain): เป็นหน่วยประมวลผลหลักของหุ่นยนต์ คอมพิวเตอร์จะเป็ นที่รวมข้อมูลจากเซนเซอร์และตัดสินใจว่าจะดำเนินการอย่างไร 6.การสื่อสาร (Communication): ส่วนนี้เป็นทางการสื่อสารระหว่างหุ่นยนต์กับมนุษย์หรือ หุ่นยนต์กับหุ่นยนต์อื่น ๆ สามารถใช้เทคโนโลยีไร้สาย, เสียง, หรือสัญญาณอื่น ๆ 7.เครื่องแต่งกาย (End Effectors): เป็นส่วนประกอบที่ใช้ในการดำเนินการหรือปฏิบัติ งาน เช่น มือหุ่นยนต์, คีมหุ่นยนต์, หรือเครื่องจับของ ส่วนประกอบเหล่านี้ทำงานร่วมกันเพื่อให้หุ่นยนต์สามารถปฏิบัติหน้ าที่และกิจกรรมต่าง ๆ ได้ตามการออกแบบและการโปรแกรมที่กำหนดไว้

28 หุ่นยนต์คืออะไร? หุ่นยนต์ คือ เครื่องจักรกลหรือหุ่นที่มีเครื่องกลไกอยู่ภายใน สามารถทำงานร่วมกับมนุษย์หรือ ทำงานแทนมนุษย์ได้ สามารถจัดลำดับการทำงานก่อนหลังได้ ระดับขั้นตอนการทำงานของหุ่นยนต์ จำแนกได้ 6 ระดับ ตามเกณฑ์มาตรฐานของ สมาคมหุ่นยนต์อุตสาหกรรมแห่งญี่ปุ่น (Japanese Industrial Robot Association : JIRA) ได้ดังนี้ ระดับที่ 1 กลไกที่ถูกควบคุมโดยมนุษย์ (Manual Handling Device) เป็นเครื่องจักรกลโดย ต้องมีผู้ควบคุมบังคับการทำงานตลอดเวลา ระดับที่ 2 หุ่นยนต์ที่ทำงานตามแผนล่วงหน้ าตามที่กำหนด โดยไม่สามารถปรับแผนงานได้ (Fixed Sequence Robot) หุ่นยนต์หรือเครื่องจักรกลที่ถูกออกแบบให้ทำงานโดยที่มีเครื่อง ควบคุมแบบ Sequencer ทำหน้ าที่สั่งงานเรียงตามลำดับ เช่น ถ้ามี Sequencer 5 ตัว เมื่อตัว แรกสั่งทำงานเมื่อทำงานเสร็จแล้ว ตัวที่ 2 ก็จะเริ่มทำงาน โดยทำงานเรียงตามลำดับกันไป ระดับที่ 3 หุ่นยนต์ที่ทำงานตามแผนล่วงหน้ าที่กำหนด โดยสามารถปรับเปลี่ยนแผนงานได้ (Variable Sequence Robot) หลักการทำงานคล้ายกับระดับที่ 2 ต่างกันที่สามารถปรับเปลี่ยน วงจรได้โดยง่าย ระดับที่ 4 ผู้ควบคุมเป็นผู้สอนงานแก่หุ่นยนต์ หุ่นยนต์จะทำงานเล่นย้อนกลับ ตามหน่วยความ จำที่บันทึกได้ (Playback Robot) ชุดคำสั่งจะถูกบันทึกในเครื่องบันทึกความจำ โดยชุดคำสั่ง จะถูกเรียกใช้มาสั่งให้หุ่นยนต์ทำงานตามที่บันทึกไว้ เมื่อสอนเสร็จหุ่นยนต์ก็สามารถเลียนแบบ สิ่งที่เรียนมาได้ ระดับที่ 5 ผู้ควบคุมบันทึกข้อมูลเชิงตัวเลขการเคลื่อนที่ให้แก่หุ่นยนต์ และหุ่นยนต์สามารถ ทำงานได้เองโดยไม่ต้องสอน (Numerical Control Robot) หุ่นยนต์แบบนี้คำสั่งบังคับการ ทำงานมีลักษณะเป็นตัวเลข โดยชุดคำสั่งอยู่ในแถบหรือจานแม่เหล็กเป็นต้น ระดับที่ 6 หุ่นยนต์ที่มีความฉลาดสามารถเรียนรู้สภาพแวดล้อมและตัดสินใจทำงานได้ด้วยตัว เอง (Intelligence Robot) เป็นหุ่นยนต์ที่มีประสาทรับรู้ เช่นสามารถมองเห็น สามารถตัดสินใจ เกี่ยวกับขั้นตอนการทำงานได้ เป็นต้น

29 ประยุกต์ใช้งานหุ่นยนต์ เเละ AI กับการการทำงานกลับการ ทำงานในชีวิตประจำวัน หุ่นยนต์และปัญญาประดิษฐ์ (AI) มีการประยุกต์ใช้งานในชีวิตประจำวันอย่างหลากหลายที่มี ผลกระทบต่อการทำงานและรูปแบบการดำเนินชีวิตของเรา นี่คือตัวอย่างการประยุกต์ใช้งาน หุ่นยนต์และ AI ในชีวิตประจำวัน: 1.รถยนต์ที่คุณขับ: หุ่นยนต์และเทคโนโลยี AI ถูกใช้ในรถยนต์เพื่อช่วยในการขับขี่อย่าง ปลอดภัย เช่น ระบบช่วยเตือนการชนกัน, ระบบช่วยจอดรถ, และอื่น ๆ. 2.แชทบอท: AI ใช้ในการสร้างและพัฒนาแชทบอท (chatbots) เพื่อให้การบริการลูกค้า อย่างมีประสิทธิภาพ ในการตอบคำถาม, ให้ข้อมูล, และแก้ปัญหาพื้นฐาน. 3.แอปพลิเคชันสุขภาพ: มีแอปพลิเคชันที่ใช้เทคโนโลยี AI เพื่อตรวจวินิจฉัยอาการสุขภาพ ทำนายโรค, และแนะนำการดูแลสุขภาพตามความต้องการของแต่ละบุคคล. 4.การซื้อสินค้าออนไลน์: ระบบแนะนำสินค้า (recommendation system) ที่ใช้ AI สามารถ ทำการแนะนำสินค้าที่เหมาะสมตามความสนใจและพฤติกรรมการซื้อของผู้ใช้. 5.การค้นหาสารสนเทศ: เทคโนโลยี AI มีบทบาทในการปรับปรุงการค้นหาข้อมูลและการจัด เรียงผลการค้นหาในเว็บไซต์และแอปพลิเคชันต่าง ๆ. 6.การจัดการสถานการณ์ฉุกเฉิน: หุ่นยนต์และเทคโนโลยี AI สามารถใช้ในการตรวจสอบ และประเมินสถานการณ์ฉุกเฉิน เช่น การใช้หุ่นยนต์สำหรับการค้นหาและการช่วยเหลือใน เหตุการณ์ภัยพิบัติ. 7.การทำงานในอุตสาหกรรม: หุ่นยนต์ที่อัตโนมัติใช้เทคโนโลยี AI เพื่อปฏิบัติงาน อุตสาหกรรมที่ต้องการความแม่นยำและความเร็ว เช่น การผลิตสินค้า, การเชื่อมต่อ, และ การทดสอบสินค้า. 8.การใช้งานในบ้าน: หุ่นยนต์เช่น หุ่นยนต์ทำความสะอาด, หุ่นยนต์ช่วยกำจัดวัชพืช, และ เครื่องใช้ที่ควบคุมด้วยเทคโนโลยี AI เช่น ลำโพงอัจฉริยะ. 9.การการศึกษาและการสอน: AI และหุ่นยนต์สามารถนำเสนอเนื้อหาการเรียนรู้ที่ปรับตัว ตามความสามารถและระดับของผู้เรียน. 10.การตรวจจับความผิดปกติ: เทคโนโลยี AI สามารถใช้ในการตรวจสอบความผิดปกติใน ภาพการรักษาสุขภาพ เช่น การตรวจจับมะเร็งผ่านรังสีเอกซ์.

30 หุ่นยนต์และระบบอัตโนมัติเป็นเทคโนโลยีที่ก้าวไปข้างหน้ าในการทำงานและชีวิต ประจำวันของคนหลายคนในสมัยปัจจุบัน โดยเฉพาะในอุตสาหกรรมและสายงานที่ ต้องการความแม่นยำ รวดเร็ว และลดความเสี่ยงในการทำงาน นอกจากนี้ยังมีการนำมา ใช้ในชีวิตประจำวัน เช่น หุ่นยนต์ทำความสะอาดบ้าน หรือแอปพลิเคชันในสมาร์ทโฮมที่ ทำให้เกิดความสะดวกสบายในการใช้ชีวิตในบ้านอย่างอัตโนมัติ หุ่นยนต์ (Robot) คือ อุปกรณ์หรือเครื่องจักรที่สามารถประมวลผลข้อมูลและดำเนินการ ตามข้อมูลนั้น ๆ โดยไม่ต้องมีคนควบคุมตลอดเวลา มันสามารถอยู่ในรูปของเครื่องจักร หรืออุปกรณ์ที่คล้ายคลึงกับร่างกายคนหรือสัตว์ อาทิ หุ่นยนต์อุตสาหกรรมในการผลิต หุ่นยนต์สำหรับการทำความสะอาด หุ่นยนต์ที่ใช้ในการซ่อมแซม และหุ่นยนต์ที่ใช้ใน งานวิจัยและการศึกษา หุ่นยนต์มีความหลากหลายในทุกส่วนของโลกและมีการพัฒนา และนวัตกรรมใหม่ ๆ ที่เกิดขึ้นอย่างต่อเนื่อง ระบบอัตโนมัติ (Automation) คือ การใช้เทคโนโลยีและระบบคอมพิวเตอร์ในการ ควบคุมและดำเนินการทำงานโดยอัตโนมัติ โดยไม่ต้องมีความเข้าใจหรือแก้ไขของ มนุษย์ ระบบอัตโนมัติทำให้การทำงานเกิดขึ้นอย่างรวดเร็วและลดความผิดพลาดที่เกิด จากมนุษย์ที่อาจเกิดขึ้นได้ ตัวอย่างของระบบอัตโนมัติได้แก่ ระบบอัตโนมัติในโรงงาน ผลิต เครื่องจ่ายอาหารอัตโนมัติในร้านอาหาร หรือระบบจองตั๋วออนไลน์ที่ทำให้เกิด ความสะดวกสบายในการใช้งานและลดเวลาในการทำธุรกรรม การนำหุ่นยนต์และระบบอัตโนมัติมาใช้ในชีวิตประจำวันและอุตสาหกรรมมีประโยชน์ หลายอย่าง อาทิ 1.เพิ่มความปลอดภัย: การใช้หุ่นยนต์ในงานที่อันตรายหรือความเสี่ยงสู่ชีวิตของ มนุษย์สามารถลดความเสี่ยงและบรรเทาปั ญหาความเสี่ยงที่อาจเกิดขึ้นได้ 2.เพิ่มประสิทธิภาพและความแม่นยำ: การใช้ระบบอัตโนมัติสามารถทำให้ กระบวนการทำงานเกิดขึ้นได้อย่างรวดเร็วและแม่นยำกว่าการทำงานด้วยมนุษย์ 3.ลดต้นทุน: การใช้หุ่นยนต์และระบบอัตโนมัติสามารถลดต้นทุนในการดำเนินงานใน ระยะยาว แม้ว่าค่าลงทุนแรกคร

31 บทสรุปเกี่ยวกับปั ญญาประดิษฐ์ในวิศวกรรมคอมพิวเตอร์ในหัวข้อหุ่นยนต์และ ระบบอัตโนมัติ การนำเอาปัญญาประดิษฐ์มาใช้ในหุ่นยนต์และระบบอัตโนมัติเปิดโอกาสใน การพัฒนาและปรับปรุงเทคโนโลยีในส่วนนี้อย่างมาก ปัญญาประดิษฐ์ช่วยเพิ่มความ ยืดหยุ่นและความสามารถให้กับหุ่นยนต์ ทำให้สามารถทำงานในสภาพแวดล้อมที่ท้าทาย และเชื่อถือได้มากขึ้น ในส่วนของระบบอัตโนมัติ ปัญญาประดิษฐ์ช่วยลดความเสี่ยงและ เพิ่มประสิทธิภาพในการทำงาน เช่น การควบคุมการจราจรให้มีความปลอดภัย การนำ เอาการวิเคราะห์ข้อมูลในเชิงลึกมาใช้ในระบบการผลิตอัตโนมัติเพื่อเพิ่มประสิทธิภาพและ ความถูกต้อง ในอนาคตยังคงมีโอกาสในการพัฒนาและนำเอาปัญญาประดิษฐ์มาใช้ในหุ่น ยนต์และระบบอัตโนมัติอย่างก้าวหน้ า ซึ่งจะเป็นประโยชน์ในการแก้ไขปัญหาที่ซับซ้อนและ ช่วยให้ก้าวสู่อนาคตที่มีเทคโนโลยีที่มีประสิทธิภาพและมีความสามารถที่ยิ่งใหญ่กว่าใน ปั จจุบัน

6บท เรียนรู้เเละ ปรับปรุง ท ี่ ตนเอง

33 บทที่6 เรียนรู้เเละปรับปรุงตนเอง บทนำเกี่ยวกับปั ญญาประดิษฐ์ในวิศวกรรมคอมพิวเตอร์ในหัวข้อเรียนรู้และปรับปรุง ตนเองปั ญญาประดิษฐ์ในวิศวกรรมคอมพิวเตอร์เกี่ยวกับเรียนรู้และปรับปรุงตนเองเป็ นกระ บวนการที่นำเอาเทคโนโลยีการเรียนรู้เชิงลึกมาใช้ในการพัฒนาและปรับปรุงความสามารถของ ระบบและโปรแกรมคอมพิวเตอร์ เพื่อให้สามารถเรียนรู้และปรับปรุงตนเองอย่างอัตโนมัติ เนื้ อหาเกี่ยวกับปั ญญาประดิษฐ์ในวิศวกรรมคอมพิวเตอร์ในหัวข้อเรียนรู้และปรับปรุง ตนเองการประยุกต์ใช้ปั ญญาประดิษฐ์ในวิศวกรรมคอมพิวเตอร์ในหัวข้อเรียนรู้และปรับปรุง ตนเองคือการใช้เทคนิคการเรียนรู้เชิงลึกเพื่อสร้างระบบและโปรแกรมคอมพิวเตอร์ที่สามารถ เรียนรู้และปรับปรุงตนเอง โดยสามารถประมวลผลข้อมูล วิเคราะห์แนวโน้ ม และทำความ เข้าใจเกี่ยวกับพฤติกรรมและการดำเนินชีวิตของผู้ใช้ การใช้ปั ญญาประดิษฐ์ในเรียนรู้และปรับปรุงตนเองมีการนำเอาข้อมูลที่เกี่ยวข้องและสิ่งที่เรียน รู้มาใช้ในการปรับปรุง การวิเคราะห์และแนะนำสิ่งที่ควรปรับปรุงให้มีประสิทธิภาพมากยิ่งขึ้น โดยความสามารถของปัญญาประดิษฐ์ในการระบุรูปแบบและแนวโน้ มจะช่วยให้เกิดการแนะนำ และแก้ไขปั ญหาที่ซับซ้อนและไม่เป็ นรูปแบบ บทสรุปเกี่ยวกับปั ญญาประดิษฐ์ในวิศวกรรมคอมพิวเตอร์ในหัวข้อเรียนรู้และปรับปรุง ตนเองการใช้ปั ญญาประดิษฐ์ในวิศวกรรมคอมพิวเตอร์เพื่ อเรียนรู้และปรับปรุงตนเองเปิ ด โอกาสในการพัฒนาและปรับปรุงเทคโนโลยีในส่วนนี้อย่างใกล้ชิด การนำเอาเทคโนโลยีการ เรียนรู้เชิงลึกมาใช้ในระบบและโปรแกรมคอมพิวเตอร์ที่สามารถเรียนรู้และปรับปรุงตนเอง อย่างอัตโนมัติมีการเพิ่มขึ้น นอกจากนี้ยังสามารถช่วยให้ผู้ใช้เรียนรู้และพัฒนาความสามารถ ในระดับที่ยิ่งใหญ่ขึ้น อนาคตยังคงมีโอกาสในการพัฒนาและใช้ปัญญาประดิษฐ์ในวิศวกรรม คอมพิวเตอร์ในหัวข้อนี้อย่างก้าวหน้ า ซึ่งจะเป็นประโยชน์ในการแก้ไขปัญหาที่ซับซ้อนและช่วย ให้ก้าวสู่อนาคตที่มีเทคโนโลยีที่มีประสิทธิภาพและมีความสามารถที่ยิ่งใหญ่กว่าในปั จจุบัน

บทที่7 การวางเเผนการ ตัดสินใจ

35 บทที่7 การวางเเผนการตัดสินใจ ปั ญญาประดิษฐ์ในวิศวกรรมคอมพิวเตอร์เป็ นกระบวนการที่ใช้เทคโนโลยีและอัล กอริทึมในการสร้างโมเดลที่สามารถเรียนรู้และทำนายผลลัพธ์ด้วยข้อมูลที่มีอยู่ หัวข้อที่น่า สนใจเกี่ยวกับปัญญาประดิษฐ์ในวิศวกรรมคอมพิวเตอร์คือการวางแผนการตัดสินใจ ใน การใช้ปั ญญาประดิษฐ์ในการวางแผนการตัดสินใจเราสามารถปรับปรุงความถูกต้องและ ประสิทธิภาพในการตัดสินใจในสถานการณ์ที่ซับซ้อนได้ การวางแผนการตัดสินใจด้วยปั ญญาประดิษฐ์เป็ นกระบวนการที่น่าสนใจที่ช่วย ให้เราสามารถทำเลือกตัดสินใจที่ดีขึ้น โดยใช้ข้อมูลที่มีอยู่ในขณะนั้นเพื่อวิเคราะห์และ ทำนายผลลัพธ์ สิ่งที่ทำให้ปัญญาประดิษฐ์นั้นเป็นเครื่องมือที่มีประสิทธิภาพคือการเรียนรู้ จากข้อมูลที่เกิดขึ้นในอดีตเพื่อนำมาประมวลผลในปัจจุบันและอนาคต นอกจากนี้ยังมี ความสามารถในการจำลองสถานการณ์เพื่อทดสอบแผนการตัดสินใจในสถานการณ์ที่ยังไม่ เกิดขึ้น การนำปัญญาประดิษฐ์มาใช้ในการวางแผนการตัดสินใจช่วยลดความเสี่ยงและเพิ่ม โอกาสในการสำเร็จของกิจกรรมและโครงการต่าง ๆ ที่เกี่ยวข้อง การใช้ปั ญญาประดิษฐ์ในหัวข้อการวางแผนการตัดสินใจในวิศวกรรมคอมพิวเตอร์ เป็นแนวทางที่น่าสนใจและมีความสำคัญ โดยเราสามารถปรับปรุงการตัดสินใจให้ถูกต้อง และมีประสิทธิภาพมากขึ้นโดยใช้ข้อมูลที่มีอยู่ในขณะนั้น การทำนายและจำลอง สถานการณ์ในอนาคต สรุปได้ว่าปัญญาประดิษฐ์เป็นเครื่องมือที่มีความสามารถที่น่าทึ่งใน การช่วยในการวางแผนการตัดสินใจในหัวข้อนี้ การวางแผนการตัดสินใจในการประยุกต์ปัญญาประดิษฐ์ (Artificial Intelligence - AI) เป็ นกระบวนการที่สำคัญที่จะช่วยให้ระบบประมวลผลข้อมูลและการตัดสินใจในภาวะที่ซับ ซ้อนมีความถูกต้องและมีประสิทธิภาพสูง นอกจากนี้ยังช่วยลดเวลาและค่าใช้จ่ายในการ ทำความเข้าใจและตัดสินใจที่สำคัญ การวางแผนการตัดสินใจในปัญญาประดิษฐ์มัก ประกอบด้วยขั้นตอนหลายขั้นตอนดังนี้ 1.การกำหนดปั ญหา (Problem Definition): ขั้นแรกในการวางแผนการตัดสินใจคือ การระบุปัญหาที่ต้องการแก้ไข และระบุวัตถุประสงค์หรือเป้ าหมายที่ต้องการให้ระบบ AI ทำงาน

36 2.เก็บข้อมูล (Data Collection): เมื่อปัญหาได้รับการกำหนดแล้ว จำเป็นต้องเก็บ ข้อมูลที่เกี่ยวข้องกับปัญหาที่ต้องการแก้ไข ซึ่งข้อมูลเหล่านี้จะถูกนำไปใช้ในกระบวนการ ฝึกโมเดล AI 3.ตรวจสอบและเตรียมข้อมูล (Data Preprocessing): ข้อมูลที่เก็บมาอาจมีข้อผิด พลาด ข้อมูลที่หายไป หรืออาจจำเป็นต้องแปลงรูปแบบให้เหมาะสมก่อนนำมาใช้ในการฝึก โมเดล AI การทำความสะอาดข้อมูลและเตรียมข้อมูลเป็นขั้นตอนที่สำคัญในการตัดสินใจ 1.เลือกและสร้างโมเดลประมวลผลข้อมูล (Model Selection and Building): การเลือก โมเดลที่เหมาะสมในการแก้ปัญหาที่กำหนดไว้ หรือสร้างโมเดลที่เหมาะสมสำหรับ ปัญหานั้นๆ เช่น โมเดลปัญญาประดิษฐ์แบบเชิงลึก (Deep Learning Models) เป็ นต้น 2.ฝึกและปรับโมเดล (Model Training and Tuning): ในขั้นตอนนี้ โมเดล AI จะถูกฝึก ด้วยข้อมูลที่เตรียมไว้ก่อนหน้ านี้ และปรับพารามิเตอร์ของโมเดลเพื่อให้สามารถ ทำนายหรือตัดสินใจในรูปแบบที่ถูกต้องมากที่สุด 3.การทำนาย (Inference): เมื่อโมเดล AI ได้รับการฝึกและปรับแต่งเสร็จสิ้นแล้ว จะ สามารถนำมาใช้ในการทำนายผลลัพธ์หรือตัดสินใจของปั ญหาที่เกิดขึ้นในสภาพ แวดล้อมจริง 4.ประเมินและพัฒนาความสามารถ (Evaluation and Iteration): เมื่อได้รับผลลัพธ์จาก การใช้งานของโมเดล AI ควรทำการประเมินประสิทธิภาพของโมเดลว่ามีความ แม่นยำและสามารถแก้ไขปัญหาอย่างไร้ข้อผิดพลาดหรือไม่ หากพบปัญหาหรือความ ไม่เสถียรในการทำงาน อาจต้องทำการปรับปรุงและพัฒนาโมเดลต่อไป กระบวนการตัดสินใจในการประยุกต์ใช้ปั ญญาประดิษฐ์มักต้องมีการวางแผนและการเริ่ม ต้นใหม่ (Iterative Process) เพื่อทำให้โมเดล AI

บท8 การประมวลผล ภาพเเละวิดิโอ

38 บทที่8 การประมวลผลภาพและวิดีโอ ปั ญญาประดิษฐ์ในวิศวกรรมคอมพิวเตอร์เกี่ยวกับการประมวลผลภาพและวิดีโอเป็ นหัวข้อ ที่ได้รับความสนใจมากขึ้นในช่วงหลายปีที่ผ่านมา เทคโนโลยีปัญญาประดิษฐ์ช่วยเพิ่มความ สามารถในการตรวจจับและวิเคราะห์ภาพ และวิดีโออย่างมีประสิทธิภาพมากขึ้น ส่วนของปั ญญาประดิษฐ์ในวิศวกรรมคอมพิวเตอร์เกี่ยวกับการประมวลผลภาพและวิดีโอ สามารถแบ่งออกเป็น 5 ส่วนดังนี้: 1 การตรวจจับวัตถุ (Object Detection): - ปัญญาประดิษฐ์ใช้โมเดลและอัลกอริทึมที่สามารถตรวจจับวัตถุในภาพหรือวิดีโอได้ แบ่งแยก วัตถุที่แตกต่างกันออกมา และระบุตำแหน่งและขอบเขตของวัตถุเหล่านั้น 2 การประมวลผลภาพและวิดีโอที่เกี่ยวข้องกับการเข้าใจความหมาย (Computer Vision): - ปัญญาประดิษฐ์สามารถทำความเข้าใจเนื้อหาของภาพและวิดีโอ อาทิเช่น การจำแนกวัตถุ การติดตามวัตถุ และการรู้จักแนวทางการเคลื่อนไหว 3 การประมวลผลภาพและวิดีโอที่เกี่ยวข้องกับการเพิ่มซึ่งภาพ (Image Augmentation): - ปัญญาประดิษฐ์สามารถทำภาพขยายความหมายและปรับปรุงภาพให้มีความชัดเจนขึ้น ซึ่ง นำไปใช้ในการปรับปรุงและเพิ่มประสิทธิภาพในการประมวลผลภาพและวิดีโอ 4 การตรวจจับความผิดปกติ (Anomaly Detection): - ปัญญาประดิษฐ์สามารถตรวจจับความผิดปกติในภาพและวิดีโอ เช่น การตรวจจับภาพที่เสีย หาย การแยกวิดีโอที่มีความผิดปกติ 5 การทำความเข้าใจภาษาธรรมชาติและคำถามในภาพ (Natural Language Understanding and Image Captioning): - ปัญญาประดิษฐ์สามารถทำความเข้าใจภาษาธรรมชาติที่เกี่ยวข้องกับภาพและวิดีโอ และ สามารถสร้างคำบรรยายภาพอัตโนมัติจากภาพและวิดีโอ ปั ญญาประดิษฐ์ในวิศวกรรมคอมพิวเตอร์ที่เกี่ยวข้องกับการประมวลผลภาพและวิดีโอมีความ สำคัญและประโยชน์มากมายในหลากหลายด้าน ทั้งในการตรวจจับวัตถุ การเข้าใจความหมาย ในภาพและวิดีโอ การปรับปรุงภาพ การตรวจจับความผิดปกติ และการทำความเข้าใจภาษา ธรรมชาติเกี่ยวกับภาพและวิดีโออย่างเป็ นอัตโนมัติ

9บทที่ การเเปลภาษา

40 บทที่9 การแปลภาษา ปั ญญาประดิษฐ์ในวิศวกรรมคอมพิวเตอร์ที่เกี่ยวกับการแปลภาษาเป็ นหัวข้อที่น่าสนใจมากในยุค ปัจจุบัน การแปลภาษาด้วยปัญญาประดิษฐ์ช่วยให้เราสามารถแปลภาษาอัตโนมัติจากภาษาหนึ่งไปสู่ อีกภาษาหนึ่ งโดยคำนึงถึงความหมายและเนื้ อหาของข้อความอย่างถูกต้องและมีประสิทธิภาพมาก ขึ้น ส่วนของปัญญาประดิษฐ์ในวิศวกรรมคอมพิวเตอร์ที่เกี่ยวกับการแปลภาษาสามารถแบ่งออกเป็น 5 ส่วนดังนี้: 1 แนวทางการแปลภาษาด้วยปัญญาประดิษฐ์ (Machine Translation Approaches): - นำเสนอแนวทางการใช้งานปัญญาประดิษฐ์ในการแปลภาษา อาทิเช่น การใช้โมเดลสำหรับแปล ภาษาด้วยการเรียนรู้ของเครื่อง (Machine Learning) และการใช้ข้อมูลขนาดใหญ่ (Big Data) เพื่อ ปรับปรุงความแม่นยำในการแปล 2 การใช้โครงข่ายประสาทเทียมในการแปลภาษา (Neural Network Translation): - อธิบายถึงวิธีการใช้โครงข่ายประสาทเทียม (Neural Networks) ในกระบวนการแปลภาษา อาทิ เช่น การใช้โมเดลแบบ Transformer ที่เป็นที่นิยมในปัจจุบัน 3 ปัญญาประดิษฐ์ในการแปลภาษาแบบสองทิศทาง (Bidirectional Translation): - อธิบายเกี่ยวกับปัญญาประดิษฐ์ที่สามารถแปลภาษาในทิศทางทั้งจากภาษาต้นทางไปยังภาษา ปลายทางและจากภาษาปลายทางกลับมายังภาษาต้นทาง 4 การใช้งานปัญญาประดิษฐ์ในโครงการการแปลภาษา (Applications of Machine Translation): - แสดงตัวอย่างการนำปัญญาประดิษฐ์ในการแปลภาษามาใช้ในชีวิตประจำวัน อาทิเช่น ใน เทคโนโลยีแปลภาษาอัตโนมัติบนแพลตฟอร์มและแอปพลิเคชันต่างๆ 5 การทำความเข้าใจปัญญาประดิษฐ์ในการแปลภาษา (Understanding Machine Translation): - อธิบายเกี่ยวกับข้อจำกัดและความสามารถของระบบแปลภาษาด้วยปัญญาประดิษฐ์ รวมถึง แนวทางในการปรับปรุงและการพัฒนาในอนาคต ปั ญญาประดิษฐ์ในวิศวกรรมคอมพิวเตอร์เกี่ยวกับการแปลภาษาเป็ นเทคโนโลยีที่สำคัญและมีความ สำคัญในสาขาต่างๆ ทำให้เราสามารถแปลภาษาอัตโนมัติได้ในรูปแบบที่ถูกต้องและมีประสิทธิภาพ ระบบการแปลภาษาด้วยปั ญญาประดิษฐ์ช่วยให้มีความเป็ นไปได้ในการสื่ อสารและเรียนรู้ระหว่าง ภาษาที่แตกต่างกัน อีกทั้งยังมีความสำคัญในการพัฒนาเทคโนโลยีและสังคมในยุคดิจิตอลที่เชื่อม โยงกันทั่วโลก

บทที่ 10 การค้นหาเเละ การเเนะนำ

42 บทที่10 การค้นหาและการแนะนำ ปั ญญาประดิษฐ์ในวิศวกรรมคอมพิวเตอร์เป็ นกระบวนการที่ควรได้รับความสำคัญในยุค ปัจจุบัน เนื่องจากมีความสามารถในการเรียนรู้และประมวลผลข้อมูลอย่างอัตโนมัติ ซึ่ง สามารถปรับปรุงและพัฒนาแอปพลิเคชันและระบบให้มีประสิทธิภาพมากขึ้นในการค้นหาและ แนะนำสิ่งต่างๆ ให้กับผู้ใช้งาน - ประวัติความเป็นมาของปัญญาประดิษฐ์ในวิศวกรรมคอมพิวเตอร์: ประวัติความเป็นมาของ ปัญญาประดิษฐ์เริ่มต้นขึ้นในปี 1950 จากการพัฒนาคอมพิวเตอร์และตัวคำนวณที่สามารถ จำลองการทำงานของมนุษย์ได้ อาทิโปรแกรม \"เทลเฟอริทจ์\" (Turing Test) ของ อลัน ทูริง ที่ถูกพูดถึงเป็นที่แรกในการวิเคราะห์ปัญญาประดิษฐ์กับตัวคำถามของการจำลองคนในปี 1950 ในยุคที่ผ่านมา ปัญญาประดิษฐ์ได้รับการพัฒนาและก้าวหน้ าอย่างต่อเนื่อง ตั้งแต่การสร้างโครง ข่ายประสาทเทียม (Artificial Neural Networks) ในปี 1960 ไปจนถึงการประยุกต์ใช้ เทคโนโลยี Deep Learning ในปี2010 เพื่อสร้างระบบปัญญาประดิษฐ์ที่มีความฉลาดและ เรียนรู้เอง เทคโนโลยีปัญญาประดิษฐ์ได้ทำการกระจายไปยังหลากหลายด้านงาน ไม่ว่าจะเป็นการใช้ใน การตัดสินใจทางธุรกิจ การพัฒนาแอปพลิเคชันที่มีความสามารถเสมือนมนุษย์ การใช้ในระบบ อัตโนมัติในอุตสาหกรรม และด้านการแพทย์ เพื่อช่วยในการวินิจฉัยโรคและการรักษาผู้ป่วย อย่างแม่นยำ - หลักการและกระบวนการทำงานของระบบปัญญาประดิษฐ์ในการค้นหาและแนะนำ: แนะนำตัวแรกในกระบวนการทำงานของระบบปั ญญาประดิษฐ์ในการค้นหาและแนะนำคือ \"การรับรู้ข้อมูล\" ซึ่งเป็นกระบวนการที่ระบบปัญญาประดิษฐ์เก็บรวบรวมข้อมูลจากแหล่งต่าง ๆ เช่น ฐานข้อมูลออนไลน์ โซเชียลมีเดีย หรือแหล่งข้อมูลอื่น ๆ ซึ่งมากขึ้นเพื่อให้ระบบมีข้อมูล เพียงพอในการวิเคราะห์และค้นหาสิ่งที่ต้องการ หลังจากนั้น ระบบปัญญาประดิษฐ์จะนำข้อมูลที่เก็บมาใช้ในกระบวนการ \"เรียนรู้\" โดยใช้เท คนิคและอัลกอริทึมที่เกี่ยวข้อง ซึ่งอาจเป็นการใช้ Deep Learning เพื่อสร้างแบบจำลองที่ สามารถตัดสินใจและให้คำแนะนำได้ การค้นหาและแนะนำจากระบบปั ญญาประดิษฐ์ขึ้นอยู่กับความฉลาดของระบบในการระบุและ ทำความเข้าใจกับความต้องการของผู้ใช้ ซึ่งอาจใช้วิธีการทำความเข้าใจภาษาธรรมชาติ (Natural Language Processing) หรือการประมวลผลภาพเพื่อระบุข้อมูลในภาพ

43 นอกจากนี้ ความฉลาดและประสิทธิภาพของระบบปัญญาประดิษฐ์สามารถพัฒนาต่อไปเมื่อมี ข้อมูลเพิ่มเติม และการส่งเสริมให้กับระบบที่เกิดขึ้นจากการเรียนรู้ (Reinforcement Learning) ซึ่งเป็นกระบวนการที่ระบบได้รับรางวัลหรือค่าคะแนนในการดำเนินการที่ถูกต้อง เพื่อเสริมสร้างการเรียนรู้และปรับปรุงพฤติกรรมในอนาคต สรุปคือ หลักการและกระบวนการของระบบปัญญาประดิษฐ์ในการค้นหาและแนะนำคือ การ รับรู้ข้อมูลจากแหล่งต่าง ๆ การเรียนรู้เพื่อปรับปรุงและพัฒนาความฉลาด และกระบวนการ ทำซ้ำเพื่อประสิทธิภาพในการแนะนำข้อมูลและสิ่งที่ผู้ใช้ต้องการค้นหา - การเรียนรู้แบบแสดงเรียนรู้ (Supervised Learning) และแบบไม่แสดงเรียนรู้ (Unsupervised Learning) ที่มีบทบาทในการสร้างระบบค้นหาและแนะนำ: แนะนำความ หมายของ Supervised Learning และUnsupervised Learning ก่อน: 1. Supervised Learning (การเรียนรู้แบบแสดงเรียนรู้): การเรียนรู้แบบแสดงเรียนรู้เป็นการฝึกสอนระบบด้วยข้อมูลที่มีคำตอบ (label) อยู่แล้ว เช่น ให้ระบบเรียนรู้จากตัวอย่างของภาพที่มีคำบรรยายเกี่ยวกับว่าภาพนั้นคือสิ่งใด ขั้นตอนการ เรียนรู้จะใช้ข้อมูลนี้เพื่อให้ระบบสามารถทำนายผลลัพธ์สำหรับข้อมูลใหม่ได้ 2. Unsupervised Learning (การเรียนรู้แบบไม่แสดงเรียนรู้): การเรียนรู้แบบไม่แสดงเรียนรู้ไม่ต้องมีข้อมูลที่มีคำตอบ (unlabeled data) แต่เพียงแค่ให้ ระบบเรียนรู้จากโครงสร้างและลักษณะของข้อมูลที่มีอยู่เพื่อกลุ่มหรือจัดกลุ่มข้อมูลที่มีความ คล้ายคลึงกัน เมื่อเข้าใจความหมายของ Supervised Learning และ Unsupervised Learning แล้ว สามารถนำความรู้นี้ไปใช้ในการสร้างระบบค้นหาและแนะนำที่เกี่ยวกับวิศวกรรมคอมพิวเตอร์ ได้ ตัวอย่างการใช้งานคือ: - Supervised Learning: ในระบบค้นหาหรือแนะนำของเว็บไซต์ สามารถใช้ Supervised Learning เพื่อทำนายความต้องการของผู้ใช้ จากประวัติการใช้งานของผู้ใช้ที่มีคำตอบเช่น การคลิกหรือซื้อสินค้าในอดีต - Unsupervised Learning: ในระบบค้นหาหรือแนะนำ การใช้ Unsupervised Learning สามารถจัดกลุ่มหรือค้นหาความคล้ายคลึงของข้อมูลในชุดข้อมูล อาจช่วยในการแนะนำสิ่งที่ คล้ายคลึงกับสิ่งที่ผู้ใช้ต้องการ กรุณาทราบว่าระบบแนะนำที่จะสร้างขึ้นอาจใช้การเรียนรู้แบบแสดงเรียนรู้และแบบไม่แสดง เรียนรู้ร่วมกันเพื่อให้มีความแม่นยำและความรู้สึกที่น่าพอใจให้กับผู้ใช้งาน

44 เเอพพลิเคชั่นปัญญาประดิษฐ์มีหลากหลายประเภท ดังนี้คือ 1.แปลภาษา (Language Translation): เป็นแอปพลิเคชันที่ใช้ปัญญาประดิษฐ์ในการแปล ข้อความหรือประโยคจากภาษาหนึ่งไปยังอีกภาษาหนึ่ง ตัวอย่างเช่น Google Translate และ Microsoft Translator ซึ่งสามารถแปลข้อความในหลายภาษาได้. 2.รูปภาพและวิดีโอ (Image and Video Analysis): แอปพลิเคชันประเภทนี้ใช้ปัญญา ประดิษฐ์ในการวิเคราะห์รูปภาพและวิดีโอ เพื่อตรวจจับวัตถุ การทำนายสิ่งของ การระบุ ใบหน้ า การคัดแยกสิ่งที่เกิดขึ้นในวิดีโอ ตัวอย่างเช่น Facebook ใช้ปัญญาประดิษฐ์ในการ ระบุใบหน้ าของผู้ใช้และการแนะนำการแท็กในรูปภาพ 3.ระบบการเสนอแนะและซื้อขาย (Recommendation Systems): แอปพลิเคชันประเภทนี้ ใช้ปัญญาประดิษฐ์ในการวิเคราะห์และแนะนำเนื้อหาที่เกี่ยวข้องกับผู้ใช้ เช่น สินค้าที่ควร ซื้อ ภาพยนตร์และซีรีส์ที่ควรรับชม วิดีโอและเพลงที่ควรฟัง เป็นต้น ตัวอย่างเช่น Netflix ใช้ปั ญญาประดิษฐ์ในการแนะนำภาพยนตร์และซีรีส์ให้กับผู้ใช้ 4.ควบคุมและยานยนต์อัตโนมัติ (Autonomous Control and Robotics): แอปพลิเคชัน ประเภทนี้ใช้ปัญญาประดิษฐ์ในการควบคุมยานยนต์และอุปกรณ์อัตโนมัติ เช่น รถยนต์ อัตโนมัติ โดรน หุ่นยนต์ และเครื่องจักรอัตโนมัติ การใช้ปัญญาประดิษฐ์ในแอปพลิเคชัน เหล่านี้ช่วยให้สามารถตรวจจับสิ่งแวดล้อม วางแผนเส้นทาง และทำงานตามเกณฑ์ที่ กำหนดได้เอง 5.ภาษาธรรมชาติ (Natural Language Processing - NLP): แอปพลิเคชันประเภทนี้ใช้ ปัญญาประดิษฐ์ในการวิเคราะห์และทำนายภาษาธรรมชาติ เช่น ตอบคำถามที่ถูกต้องจาก ข้อความ ค้นหาข้อมูลในเว็บ วิเคราะห์ความรู้ในข้อความ เป็นต้น ตัวอย่างเช่น Siri และ Google Assistant ใช้ปัญญาประดิษฐ์ในการตอบคำถามของผู้ใช้ 6.การแนะนำการเรียนรู้ (Educational Learning): แอปพลิเคชันประเภทนี้ใช้ปัญญา ประดิษฐ์ในการวิเคราะห์และแนะนำการเรียนรู้ให้กับผู้ใช้ เช่น แนะนำบทเรียนที่เหมาะสม สำหรับนักเรียน ตัวอย่างเช่น Duolingo ใช้ปัญญาประดิษฐ์ในการตรวจสอบและแนะนำบท เรียนสำหรับผู้ที่ต้องการเรียนภาษา

45 เอกสารอ้างอิง https://tuemaster.com/blog/ai-ปั ญญาประดิษฐ์/ http://monacny.blogspot.com/p/blog-page.html https://www.modify.in.th/17128 https://www.ciscocatalog.com/ https://mgronline.com/smes/detail/9620000097095 https://www.datawow.co.th/blogs/how-smart-is-ai-today-and-how-can-we- apply-it-in-organization https://blog.ibcon.com/?p=1429 https://www.ceochannels.com/ai-replaces-banker-in-next-5-years/ https://www.truedigitalpark.com/insights/articles/64/how-ai-help-businesses- accelerate-growth https://www.nupress.grad.nu.ac.th/องค์ประกอบหนังสือ/ https://www.istockphoto.com/th/เวคเตอร์/ai-ปั ญญาประดิษฐ์ในฮิวแมนนอยด์พร้อม อินเทอร์เฟซโฮโลแกรม-3-มิติ-gm1476727112-505696993 https://www.engineeringtoday.net/บทบาทของปั ญญาประดิษฐ์-ai/ https://www.depa.or.th/th/article-view/tech-series-robotics-and-automation- system