DGA_AI-free-book-thai-ver1

สำ�นกั งานพัฒนารัฐบาลดจิ ทิ ลั (องค์การมหาชน) 149 สร้างบคุ ลากรด้าน AI ภาครัฐ (Government AI Talent) สำ� นักงาน ก.พ. และกระทรวงศกึ ษาธิการควรรว่ มมอื กับสถาบนั การศึกษาในการส่งเสริมหลกั สูตร ผลิตบุคลากรในสาขาด้าน AI และเพ่ิมจ�ำนวนทุนด้านวิทยาศาสตร์และเทคโนโลยีในระดับ มหาวิทยาลัย เช่น โครงการพัฒนาและส่งเสริมผู้มีความสามารถทางวิทยาศาสตร์และเทคโนโลยี (พสวท.) และโครงการในลกั ษณะเดยี วกนั ในหลกั สตู รสรา้ งเสรมิ ทกั ษะทเ่ี กย่ี วขอ้ งกบั การพฒั นา AI เชน่ Programming, Mathematics, Statistics, Data visualization, Database design, Production coding, Data analytics, Machine learning engineering, Cognitive science 4. สง่ เสริมภาคสว่ นที่เกีย่ วข้อง การดึงศกั ยภาพของเทคโนโลยี AI ออกมาให้เกดิ ประสทิ ธภิ าพสูงสดุ หนว่ ยงานภาครฐั จำ� เป็นตอ้ ง อาศัยความร่วมมือจากทุกภาคส่วน โดยเฉพาะในช่วงระยะเริ่มต้น ดังนั้น นอกเหนือจากแนวทาง การพฒั นาศักยภาพภายใน ภาครัฐควรออกมาตรการส่งเสรมิ ความเข้มแขง็ ของภาคสว่ นพันธมิตร ที่เปน็ ส่วนสนับสนนุ ให้เกิดการใช้เทคโนโลยี AI ของภาครัฐด้วย โดยมสี องส่วนท่สี �ำคญั ดังน้ี ผู้ประกอบการวิสาหกจิ เรม่ิ ตน้ ที่ใช้เทคโนโลยรี ะดับสงู (Deep Tech Startups) ผปู้ ระกอบการวสิ าหกจิ เรมิ่ ตน้ หรอื สตารท์ อพั (Startup) เปน็ หนง่ึ ในกลไกสำ� คญั อนั นำ� ไปสวู่ สิ ยั ทศั น์ Thailand 4.0 เนอื่ งจากเปน็ ภาคสว่ นสรา้ งสรรค์นวตั กรรมที่ชว่ ยให้เกิดการพฒั นาทั้งเศรษฐกจิ และ สงั คม อยา่ งไรกต็ าม จากผลการสำ� รวจสตารท์ อพั ไทย ปี 2017 พบวา่ เทคโนโลยสี ำ� คญั ทส่ี ตารท์ อพั นำ� มาใช้ เป็นเทคโนโลยีซอฟท์แวร์ถงึ 59% ในขณะท่เี ทคโนโลยีขอ้ มูลขนาดใหญ่ และ AI มกี ารใช้ เพียง 8% และ 7% ตามล�ำดับ (สวทน., 2561) ดังนั้น ภาครัฐควรส่งเสริมให้เกิด Deep Tech Startup ทีน่ �ำ AI มาใช้มากข้นึ และทำ� ใหส้ ตารท์ อพั ในกลมุ่ ดังกล่าวมขี ีดความสามารถมากขึ้น เช่น มาตรการดังต่อไปนี้ • มาตรการเข้าถึงแหลง่ เงินทุน • มาตรการส่งเสริมใหผ้ ปู้ ระกอบการเขา้ ถงึ ขอ้ มลู ภาครฐั • มาตรการสง่ เสรมิ การมสี ่วนรว่ มในโครงการ AI ภาครฐั • โครงการอบรมผปู้ ระกอบการเกยี่ วกบั การใชเ้ ทคโนโลยี AI เชน่ โครงการพฒั นาธรุ กจิ นวตั กรรม รายใหม่ (Innovative Startup)

150 เทคโนโลยปี ัญญาประดษิ ฐ์ ภาควิจยั และพฒั นา (Research and Development Sector) การวจิ ยั และพฒั นา (R&D) นบั ไดว้ า่ เปน็ รากฐานของการพฒั นา AI ซง่ึ ไดม้ กี ารใหค้ วามสำ� คญั รวมถงึ บรรจุอยใู่ นแผนยุทธศาสตร์การพฒั นา AI ของหลายประเทศ ภาครัฐจงึ ควรเพ่ิมงบลงทนุ วิจยั และ พฒั นาดา้ นAIแกส่ ถาบนั การศกึ ษาสถาบนั วจิ ยั ของภาครฐั และภาคเอกชนทง้ั ในดา้ นการประยกุ ตใ์ ช้ ด้านจริยธรรมและผลกระทบจากการใช้เทคโนโลยี AI ตลอดจนวางมาตรการสง่ เสริมให้เกดิ การน�ำ ผลงานวิจัยและนวัตกรรมเหลา่ น้ันมาใชอ้ ยา่ งคุ้มค่า แนวทางการประยกุ ต์ใช้ AI เพ่อื ขบั เคลอื่ นโครงการสำ� คญั ของภาครฐั จากขอ้ มลู ทผี่ า่ นมาเราสามารถนำ� AIมาประยกุ ตก์ บั การทำ� งานภาครฐั ไดห้ ลากหลายรปู แบบ ขน้ึ อยกู่ บั วา่ เราจะมแี นวคดิ การเลอื กรปู แบบ AI ทเ่ี หมาะสมมาใชช้ ว่ ยเหลอื หรอื แกไ้ ขปญั หาทห่ี นว่ ยงานเผชญิ โดยการท�ำงานของรัฐท้ังการให้บริการหรือการท�ำงานตามภารกิจของหน่วยงานจะมีกระบวนการ ท�ำงาน 4 กระบวนการ คือ n การเก็บข้อมูล (Collect) ทกุ หนว่ ยงานจ�ำเปน็ ต้องมีกระบวนการเก็บขอ้ มูลหรอื น�ำเขา้ ข้อมลู เพอื่ เป็นข้อมูลตง้ั ตน้ ในการพิจารณาและตดั สนิ ใจเพอ่ื อนมุ ัติและอนญุ าต หรือเพือ่ ดำ� เนนิ การ ตามภารกิจของหน่วยงานเอง เชน่ การใหบ้ รกิ ารแก่ประชาชน การสำ� รวจขอ้ มูลป่าไม้ เป็นตน้ n การวิเคราะห์ (Analyze) เมือ่ ไดข้ ้อมลู มาแล้วก็จ�ำเปน็ ตอ้ งมีการวิเคราะห์ข้อมลู เพือ่ ยนื ยนั ตัว บุคคล พิจารณาความถูกต้องของข้อมูล วิเคราะห์ความเช่ือมโยงหรือแนวทางการแก้ปัญหา เพ่ือสนับสนุนการตัดสนิ ใจและน�ำไปสกู่ ารดำ� เนินงานในข้ันตอนต่อไป n การดำ� เนนิ การ (Act) เปน็ ผลลพั ธท์ เ่ี กดิ การวเิ คราะหข์ อ้ มลู และพจิ ารณาวา่ ตอ้ งท�ำอยา่ งไรเพอ่ื แก้ปัญหาหรือด�ำเนินการในเรื่องนั้นๆ เช่น การอนุมัติ การอนุญาต การออกมาตรการแก้ไข ปัญหา เป็นต้น n การวางแผน (Forecast) หลังจากมีการด�ำเนินการเรียบร้อยแล้ว หน่วยงานอาจต้องมี การวางแผนเพอ่ื กำ� หนดทศิ ทางทช่ี ดั เจนในการทำ� งานหรอื วางแผนเพอื่ รองรบั ปญั หาทอ่ี าจเกดิ ขน้ึ ในอนาคต เพื่อลดปญั หาจากในอดีตด้วยการเรยี นรูแ้ ละวิเคราะหจ์ ากขอ้ มลู ทีผ่ า่ นมา เพอ่ื สรา้ งแนวคิดใหม่ๆ ให้แกผ่ อู้ า่ น สพร. จงึ ได้วิเคราะห์วา่ รปู แบบของ AI ทม่ี ีในปจั จุบัน สามารถ น�ำมาสนับสนุนการท�ำงานตามกระบวนการของภาครัฐท้ัง 4 กระบวนการได้อย่างไร โดยได้น�ำ การขับเคลอ่ื นประเดน็ เรง่ ด่วนตามแผนแม่บทยทุ ธศาสตรช์ าติ 15 ประเดน็ เปน็ ตวั อยา่ งภารกิจของ ภาครฐั และนำ� กระบวนการทงั้ 4 มาใสใ่ นแตล่ ะประเดน็ เพอ่ื แสดงใหเ้ หน็ ลกั ษณะการทำ� งานของ AI ในแตล่ ะรปู แบบวา่ มคี วามหลากหลาย และเพอื่ สรา้ งแนวคดิ ใหมๆ่ ใหแ้ กก่ ารทำ� งาน การใหบ้ รกิ าร และการด�ำเนนิ โครงการตา่ งๆ ของภาครฐั ได้ โดยมรี ายละเอียดดังน้ี

สำ�นกั งานพฒั นารัฐบาลดจิ ทิ ัล (องค์การมหาชน) 151 ตารางท่ี 7 ตัวอย่างรูปแบบของ AI ทส่ี ามารถนำ� มาประยกุ ต์เพ่อื ดำ� เนนิ การตาม 15 ประเดน็ เร่ง ด่วนในแผนแมบ่ ทยทุ ธศาสตรช์ าติ ตวั อยา งประเด็นเรงดวนในแผนแมบทยทุ ธศาสตรช าติ 1. การแกไขปญ หาพ้น� ฐานของประเทศ ระขบอบงกภาราทคำรงฐั าน Speech Vision Robotics LMeaacrnhiinnge NLP Planning SEyxspteermt การเก็บขอ มูล เก็บขอ มลู เกบ็ ขอ มลู หนุ ยนต เร�ยนรูจาก ขอ มูลใบเสร็จ เก็บขอ มูลจาก เก็บขอมูลจาก (Collect) เสยี งการ ภายในโดยจดั จัดการ ธุรกรรม แบบกระดาษ ระบบรบั ระบบจัดการ เอกสาร เรย� กใชงาน เขาสูร ปู แบบ คำรองใชง าน ฐานขอ มลู ประชุม ระดับความลบั ภาครัฐ เอกสาร โครงการตางๆ จากตรายาง ราชการ ดจิ ิทลั เอกสาร อัตโนมัติ สญั ลักษณ การว�เคราะห ยืนยันตวั ตน ประมวล หนุ ยนต ว�เคราะห จัดกลมุ จัดกลุม ว�เคราะห ขอมูล จากเสียงเพ่�อ จัดกลมุ การ สามารถ การใชงาน งบการเงน� เอกสารท่ี ตรวจสอบ จับคูโครงการ ทำงานของ วเ� คราะห เอกสาร เกี่ยวของ การใชง าน (Analyze) กบั ผรู บั ผด� ชอบ กลุมงานตางๆ รปู แบบการ ราชการ เดนิ เอกสาร ขอ มลู ตามชน้ั ทเ่ี หมาะสม ความลบั การดำเนินการ ตรวจสอบ จดั สงเอกสาร ใหหนุ ยนต จดั ฐานขอ มูล หารปู แบบ แนะนำเอกสาร แนะนำการ (Action) ความผ�ดปกติ แกผูมสี ิทธิ ดำเนนิ งาน ตามลำดับ การใช ที่เหมาะสม จัดสรรฐาน โครงการโดย มีขนั้ ตอน ความสำคญั งบประมาณ อัตโนมตั ิ ใชเสยี งท่ี เขา ถงึ ชัดเจนใหม าก ที่เหมาะสม ปรบั เปลย่ี น ขอมลู เกยี่ วของเปน วางแผน จัดทำรูปแบบ อตั โนมัติ ขอมลู ประกอบ ท่สี ดุ การจดั ทำ เอกสารให แนะนำ งบประมาณ เหมาะการใช การจดั ซ้อื การวางแผน ประมวลผล เกบ็ ขอมูล ใชขอ มลู จาก ใชการเรย� นรู สำหรับป งานจร�ง ทรพั ยากร (Forecast) การดำเนนิ งาน เพอ�่ เพ�ม่ หนุ ยนตใน เพอ�่ ลด งบประมาณ ไดอยาง เพอ่� ปรับปรงุ ประสทิ ธภิ าพ การวางแผน ทรัพยากร ถดั ไป เหมาะสม แผนงานใน การทำงาน การดำเนินงาน ในการ ดำเนินงาน ระยะถัดไป โดยกำหนด เงอ่� นไขเพม่� เติม จากปญ หา ทพ่ี บ

152 เทคโนโลยปี ัญญาประดษิ ฐ์ ตวั อยางประเดน็ เรงดวนในแผนแมบ ทยทุ ธศาสตรช าติ 2. การดแู ลยกระดับคุณภาพชีวต� ของประชาชนใหสูงข�น้ สังคมสูงวัย Speech Vision Robotics LMeaacrnhiinnge NLP Planning SEyxspteermt การเก็บขอ มลู เกบ็ ขอ มูลจาก เกบ็ ขอ มูล หนุ ยนตด ูแล เกบ็ ขอ มูล เก็บขอ มลู จาก เก็บขอมูล เก็บขอ มูล (Collect) คำรอ ง จากการ ผสู งู อายุ จากงาน แชทบอท จากแผน จากการจดั ทำ พฒั นา การออม แผนขับเคลอ่ื น ดวยเสยี ง เฝา ระวงั ศักยภาพ ผูสงู อายุ เพอ�่ รองรับ ผูสูงอายุจาก อาสาสมัคร สังคมสูงวัย กลองวงจรปด ดแู ลผสู งู อายุ ท่บี าน การวเ� คราะห ประเมิน ว�เคราะหตาม เก็บขอมลู เก็บขอมลู วเ� คราะห ว�เคราะห เก็บขอมูล ขอมูล สขุ ภาพ เวลาจร�งกับ ตามโปรแกรม การใหแ ละ สภาพจติ ใจ ขอมูลของ ผูส งู วัย ผสู ูงอายทุ ่ี ภาพจาก การดแู ลทาง รบั บร�การ จากขอมูล ผูตองการ มาว�เคราะห (Analyze) รับบรก� าร กลอ งวงจรปด สงั คมจติ ใจ ทีบ่ อทส่ือสาร รวมโครงการ รว มกับ จากเสยี ง มาวเ� คราะห กับผสู งู วยั เพ่อ� วางแผน การปรับตวั เพ�่อหาปญ หา ของระบบ ท่ีได เศรฐกจิ ไทย ประสิทธภิ าพ สูงสุด การดำเนนิ การ ผูสงู อายุ สงทีม การดแู ล จบั คู ใหบ รก� าร เสนอ ใหค ำปร�กษา (Action) สามารถติดตอ ชวยเหลือ สขุ ภาพ ความเหมาะสม พด� คุยกบั แผนโครงการ แนะนำการ หนว ยงาน ผูสงู อายุ ผสู ูงอายุ ระหวา งผูดแู ล ผูสูงอายุ ออมทเี่ หมาะ ปรับตวั ของ เพ�อ่ ขอรับ ไดทนั ทว งที แบบองคร วม และผสู ูงอายุ ดา นสุขภาพ กับผูสงู อายุ ธรุ กจิ ไทย บร�การได วางแผน ในเศรฐกิจ ดว ยเสียง พัฒนาการ แบบองคร วม ดแู ลสุขภาพ สงู วัย ผูสงู อายุ การวางแผน พฒั นา คาดการณ แบบองคร วม แบงกลมุ วเ� คราะห เกบ็ ขอมูล กำหนดทศิ ทาง (Forecast) แผนงานระดับ การเกิดเหตุ โดยอาศัย ผูดูแลเพ�่อ ขอ มูลเพ�อ่ เพ�อ่ พฒั นา นโยบาย/ ทองที่จาก เพ�อ่ สามารถ ขอ มลู ท่ี ยกระดับการ สงตอ ใหศ ูนย ทรพั ยากร แผนงาน เขาชว ยเหลือ รวบรวมจาก ใหบ ร�การ บรก� าร/ สงิ� แวดลอ ม เพ่�อรองรบั ขอมูลที่ หรอ� ระงับเหตุ หุนยนต ผสู ูงอายุ โรงพยาบาล ของชมุ ชน และสนบั สนนุ รวบรวมเพ่อ� ในแตละทอ งที่ และเชอื่ มโยง ดา นเศรฐกิจ ไดกอ น เพอ�่ จดั ทำ ระบบรองรับ พัฒนา แผนงานท่ี สังคมสงู วยั การคาในสังคม เครอ� ขา ยและ เหมาะสมตอ ไป สงู อายุ ภาคที ีเ่ กีย่ วขอ ง กบั ผูสงู อายุ

สำ�นกั งานพฒั นารัฐบาลดิจทิ ลั (องคก์ ารมหาชน) 153 ตัวอยา งประเด็นเรงดวนในแผนแมบทยทุ ธศาสตรช าติ 3. การรองรับการเจรญ� เติบโตอยา งเปนระบบและยง่ั ยืน การโพลจฒั สิ ตนกาิ รสะบบ Speech Vision Robotics LMeaacrnhiinnge NLP Planning SEyxspteermt การเก็บขอมูล เก็บขอ มูล เก็บขอมลู ภาพ หนุ ยนต เก็บขอมลู เกบ็ ขอ มูล เก็บขอ มูล เก็บขอมลู (Collect) จากการ เพ่�อจดั ทำ เกบ็ ขอ มลู การใชงาน ทเ่ี ก่ยี วของ เอกสาร การขนสง ตรวจจบั ระบบตรวจ เพอ่� พัฒนา กบั การจดั ทำ ราชการ จากรัฐและ การทำงาน ระบบ มาตรฐาน อัตโนมตั ิ เอกชน ของรถไฟ สนิ คาอัตโนมัติ คลังสนิ คา ระบบ ในการขนสง ดวยเสยี ง โครงสรา ง พ�้นฐานดิจิทัล การวเ� คราะห หาจด� ชำรุด วเ� คราะหข อ มลู หนุ ยนต วเ� คราะห วเ� คราะห ตรวจสอบ ว�เคราะห ขอ มูล จากเสียง ใบอนุญาต จัดสนิ คา ใน ความจำเปน ปญ หาเพ�่อ ใบคำรอ งและ ขอมูลเพอ่� สินคา โดย จ�ดท่ชี วย ของการ พจ� ารณา บูรณาการ (Analyze) เปร�ยบเทยี บ ประหยดั แนวทางที่ เอกสาร การทำงาน ใชงาน เหมาะสม ประกอบ ขนสง ของ ขอมลู พลังงานสูงสุด ขอมลู เกา ประเทศ ท่เี กยี่ วขอ ง การดำเนินการ ตดิ ตั้ง ติดตง้ั ระบบ ตดิ ตงั้ ใชง าน ระบจุ �ดติดตงั้ พัฒนา อนุมตั /ิ ระบบ (Action) เครอ่� งตรวจ ตรวจสินคา แขนกลในโกดัง ระบบ โครงสราง อนญุ าต ใหคำปร�กษา จับเสยี งรถไฟ ในชอ งทางที่ พ้�นฐานจาก ใบคำรอง และแลกเปลย่ี น เพ�่อตรวจจบั เปนจด� เส่ียง เพ�อ่ เพม�่ สาธารณูปโภค ผลการ เพ่อ� ขนสง ขอมลู ดา น ความเสียหาย ประสิทธภิ าพ ทเี่ หมาะสม ว�เคราะห สินคา การขนสง กอ นเกดิ ในการขนยาย กับขนาด อุบตั เิ หตุ สินคา โครงการ การวางแผน นำขอมูล ว�เคราะห เรย� นรขู อมลู นำเสนอ ว�เคราะหผ ล ว�เคราะห ว�เคราะห (Forecast) มาใชในการ ขอ มลู เพ�อ่ หา การใชง าน แผนการติดต้ัง ดำเนินการ ปร�มาณงาน คำถามและ เรย� นรเู พ่�อ จ�ดทเ่ี หมาะสม เพ�่อใชคำนวณ สาธารณปู โภค เพ่อ� ทำการ เพอ่� วางแผน ขอ มลู เพ�อ่ คาดการณ ในการตดิ ต้งั และวางแผน ทจ่ี ำเปน ใน วางแผนงาน การทำงาน พัฒนาระบบ ปญ หาทีจ่ ะ ระบบเฝาระวงั การทำงาน อนาคต ในอนาคต ในอนาคต ใหค ำปรก� ษา เกดิ ข�้น สินคา ตอไป

154 เทคโนโลยีปญั ญาประดิษฐ์ ตัวอยางประเดน็ เรงดวนในแผนแมบ ทยุทธศาสตรชาติ 4. การสรา งรายไดใหก ับประเทศ การทองเท่ยี ว Speech Vision Robotics LMeaacrnhiinnge NLP Planning SEyxspteermt การเกบ็ ขอมูล เก็บขอ มลู รบั ขอมูลภาพ พฒั นา รวบรวมขอมลู เก็บขอ มูล เกบ็ ขอ มูล เกบ็ ขอมลู จาก (Collect) เสยี งของ สถานที่ หนุ ยนตรักษา ดานความ ความคดิ เห็น การเดนิ ทาง ผเู ชย่ี วชาญ นักทอ งเที่ยว ทอ งเท่ียวท่ี ความปลอดภัย หลากหลาย ในหลากหลาย เขา มาทองเท่ียว เพอ�่ สงเสร�ม จากการ เพ่�อสอดสอง ในการ ภาษาในส่อื เพ่�อเพม่� MICE สอบถามหร�อ นักทอ งเทยี่ ว และเก็บขอมลู ทอ งเทยี่ ว สงั คมออนไลน ประสิทธิภาพ ใชบรก� าร ตองการ ตามสถานที่ เพอ�่ สราง การใหบ รก� าร ผา นระบบ สอบถาม ทองเทยี่ ว การเร�ยนรู การวเ� คราะห รับคำรองและ ใช Image วเ� คราะห เรย� นรูแ ละ วเ� คราะหภ าษา ประมวลผล ว�เคราะห ขอมลู ว�เคราะห recognition ขอมลู ท่จี าก ประมวลผล ท่หี ลากหลาย และว�เคราะห ขอมูลจาก ความตอ งการ วเ� คราะหภาพ หนุ ยนตเพ�อ่ จากขอมูล เพ่อ� เขา ใจ เอกสารสำคญั ผูเ ชีย่ วชาญ (Analyze) ของนัก จากฐานขอ มูล ระบเุ หตุท่ี เพ�่อว�เคราะห ความตองการ ทมี่ ีขอ มูล รวมกับขอมลู เกดิ ข้�นและ รูปแบบที่ ทองเทย่ี วใน เกี่ยวของ ทเ่ี ก่ยี วขอ ง ทอ งเทีย่ ว ท่มี ี แจง เจาหนาที่ เหมาะสมใน การทองเทยี่ ว ปจจบ� นั เพอ�่ หาแนวทาง ท่เี หมาะสม การดำเนนิ การ ใหขอ มูล บรก� ารขอ มลู เจา หนา ที่ จัดกิจกรรม รบั ขอ คิดเหน็ / ปรับปรงุ มีรูปแบบ (Action) หรอ� ใหบ รก� าร และคำแนะนำ ใหความ สงเสรม� ขอเสนอแนะ กระบวนการ การใหบรก� าร แกนกั ทองเทย่ี ว แกน กั ทองเทย่ี ว ชวยเหลือแก การทอ งเท่ยี ว ของนัก ใหบรก� าร MICE ได ตามความ ตามสถานท่ี นกั ทองเท่ยี ว หรอ� ออก ทอ งเท่ียว เพอ่� อำนวย ครอบคลมุ ตอ งการ ทอ งเทย่ี วใน ตามจด� แพค็ เกจ ทกุ ชาติ และ ความสะดวก กลมุ เปา หมาย ภาพทีส่ อบถาม เกิดเหตุ ทองเท่ยี วที่ ชว ยเจา หนา ที่ แกนกั ทองเทยี่ ว หลกั ที่ครบ เหมาะสมตาม ดานการ ทุกความ ความตองการ ทอ งเที่ยว ตอ งการ ในการสื่อสาร การวางแผน นำขอมูล วเ� คราะห ว�เคราะห คาดการณ วเ� คราะห ประเมิน ว�เคราะห (Forecast) มาว�เคราะห แนวโนม การ แนวโนมเหตุ แนวโนม และคาดการณ นกั ทองเทีย่ ว ความตองการ เพ่อ� วางแผน สอบถาม และปญ หาที่ สถานที่ เพ�อ่ วางแผน การใหบ รก� าร ขอ มูลสถานที่ เกิดข�้นเพ่�อ ทอ งเทยี่ วและ ขอมูลเพ�อ่ การใหบรก� าร ของผูใช ทเี่ หมาะสม ทองเท่ียว วางแนวทาง วางแผน พัฒนา/ ทเี่ หมาะสม บรก� ารและ ในอนาคต เพ�อ่ วางแผน การรับมือ พัฒนา ออกแบบ ในอนาคต ผูประกอบการ บร�หารจดั การ ในอนาคต สถานท่ี การทองเทย่ี ว MICE เพอ่� ทองเท่ียว ของประเทศ วางแผน สถานท่ี อยางยง่ั ยนื ทอ งเท่ยี ว ตอ ไป ในอนาคต

บรรณานกุ รม

156 เทคโนโลยปี ญั ญาประดษิ ฐ์ Adi Robertson. (11 December 2018). Sundar Pichai had to explain to Congress why Googling ‘idiot’ turns up pictures of Trump. เข้าถึงไดจ้ าก The Verge: https://www.theverge.com/2018/12/11/18136114/trump-idiot-image-search-result- sundar-pichai-google-congress-testimony AI NOW. (October 2018). Algorithmic Accountability Policy Toolkit. เข้าถงึ ไดจ้ าก AI Now Institute: https://ainowinstitute.org/aap-toolkit.pdf Alexandra Brown. (13 Febuary 2017). How Zurich Insurance went from pilot to project with AI, IoT and AR. เขา้ ถึงไดจ้ าก internet of business: https://internetofbusiness.com/zurich-insurance-ai-iot-ar/ Amazon. (ม.ป.ป.). C-SPAN Case Study. เขา้ ถงึ ได้จาก aws.Amazon: https://aws.amazon.com/solutions/case-studies/cspan/ Anand S. Rao. (January 2018). Advanced Applications of AI in Enterprises. เขา้ ถงึ ได้จาก Slideshare: https://www.slideshare.net/AnandSRao1962/advanced-ai-applications-in-enterprises Andrew Ng. (ม.ป.ป.). https://www.coursera.org/learn/ai-for-everyone. เขา้ ถงึ ไดจ้ าก Deeplearning.ai: https://www.coursera.org/learn/ai-for-everyone Andrwe Ng. (2018). (Draft) Machine Learning Yearning. Deeplearning.ai.

ส�ำ นักงานพัฒนารฐั บาลดิจิทลั (องคก์ ารมหาชน) 157 Aneek Das. (26 March 2017). The very basics of Reinforcement Learning. เข้าถงึ ไดจ้ าก Becominghuman.ai: https://becominghuman.ai/the-very-basics-of-reinforcement-learning-154f28a79071 Asahay Sachdeva. (7 March 2017). Deep Learning for Computer Vision for the average person. เขา้ ถงึ ไดจ้ าก Medium: https://medium.com/diaryofawannapreneur/deep-learning-for-computer-vision-for-the- average-person-861661d8aa61 BBC. (6 March 2019). Uber ‘not criminally liable’ for self-driving death. เขา้ ถงึ ได้จาก BBC News: https://www.bbc.com/news/technology-47468391 Camillo Lamanna, และ Lauren Byrne. (September 2018). Should Artificial Intelligence Augment Medical Decision Making? The Case for an Autonomy Algorithm. เขา้ ถงึ ไดจ้ าก AMA Jounal of Ethics: https://journalofethics.ama-assn.org/article/should-artificial-intelligence-augment- medical-decision-making-case-autonomy-algorithm/2018-09 Carnegie Mellon University. (2012). Smart Traffic Signals. เข้าถึงไดจ้ าก Carnegie Mellon University: https://www.cmu.edu/homepage/computing/2012/fall/smart-traffic-signals.shtml Carylyne Chan. (9 Febuary 2017). This is how we built the first-ever gov.sg chatbot. เข้าถึงได้จาก Tech in Asia: https://www.techinasia.com/talk/built-first-ever-sg-government-chatbot

158 เทคโนโลยีปญั ญาประดษิ ฐ์ CFB Bots. (6 January 2018). 11 Myths About Robotic Process Automation. เข้าถงึ ไดจ้ าก Medium: https://medium.com/@cfb_bots/11-myths-about-robotic-process-automation- b3bb019263fd Damien Gayle. (6 Febuary 2017). Robots ‘could replace 250,000 UK public sector workers’. เขา้ ถึงได้จาก The Guardian: https://www.theguardian.com/technology/2017/feb/06/robots-could-replace-250000- uk-public-sector-workers David Schatsky, Craig Muraskin, และ Ragu Gurumurthy. (26 January 2015). Cognitive technologies: The real opportunities for business. เข้าถึงไดจ้ าก Deloitte Insights: https://www2.deloitte.com/insights/us/en/deloitte-review/issue-16/cognitive-technolo- gies-business-applications.html European Commission. (15 April 2019). Digital Single Market, AI Policy. เขา้ ถึงได้จาก European Commission: https://ec.europa.eu/digital-single-market/en/artificial-intelligence George Nott. (24 January 2018). Unexplainable algos? Get off the market, says IBM chief Ginni Rometty. เข้าถึงไดจ้ าก CIO: https://www.cio.com.au/article/632519/unexplainable-algos-get-off-market-says-ibm- chief-ginni-rometty/ House of Lords. (16 April 2018). AI in the UK: ready, willing and able? เข้าถึงไดจ้ าก https://publications.parliament.uk/pa/ld201719/ldselect/ldai/100/100.pdf

สำ�นักงานพัฒนารัฐบาลดจิ ทิ ัล (องคก์ ารมหาชน) 159 Ivan T. Ciric, Zarko M. Cojbasic, Danikela D. Ristic-Durrant, Vlastimir D. Nikolic, Milica V. Ciric, Milos B. Simonovic, และ Ivan R. Pavlovic. (2016). Thermal Vision Based Intelli- gent System for Human Detection and Tracking in Mobile Robot Control System. Thermal Science, Vol.20, S1553-S1559. Jeffrey Dastin. (10 October 2018). Amazon scraps secret AI recruiting tool that showed bias against women. เขา้ ถึงไดจ้ าก Reuters: https://www.reuters.com/article/us-amazon-com-jobs-automation-insight/amazon-scraps- secret-ai-recruiting-tool-that-showed-bias-against-women-idUSKCN1MK08G John P. Mueller, และ Luca Massaron. (2018). Artificial Intelligence for dummies. For Dummies. Jon Christian. (4 Febuary 2019). China Built an AI to Detect Corruption and Officials Shut it Down. เขา้ ถึงไดจ้ าก the_byte: https://futurism.com/the-byte/china-ai-corruption Kelley M. Sayler. (30 January 2019). Artificial Intelligence and National Security. เข้าถงึ ได้จาก Federation of American Scientists: https://fas.org/sgp/crs/natsec/R45178.pdf Kellogg Brengel. (9 May 2016). Cortana Intelligence Suite hopes to help predict floods and prevent disaster. เข้าถึงได้จาก onMSFT: https://www.onmsft.com/news/cortana-intelligence-suite-hopes-help-predict-floods-pre- vent-disaster

160 เทคโนโลยีปญั ญาประดิษฐ์ Leena Koshenlaakso. (2018). Combining Finnish Educational Expertise and Artificial Intelligence. เขา้ ถึงได้จาก this is FINLAND: https://finland.fi/business-innovation/combining-finnish-educational-expertise-and-artifi- cial-intelligence/ Macy Bayern. (2 July 2018). DeepMind, NHS use anonymized patient data in AI to avoid regulatory hurdles. เข้าถงึ ได้จาก TechRepublic: https://www.techrepublic.com/article/deepmind-nhs-use-anonymized-patient-data-in-ai-to- avoid-regulatory-hurdles/ Michael Copeland. (29 July 2016). What’s the Difference Between Artificial Intelligence, Machine Learning, and Deep Learning? เข้าถงึ ไดจ้ าก NVIDIA: https://blogs.nvidia.com/blog/2016/07/29/whats-difference-artificial-intelligence-ma- chine-learning-deep-learning-ai/ Microsoft. (9 November 2018). City Uses AI to Analyze Citizen Data and Proactively Deliver Health and Social Services. เขา้ ถงึ ได้จาก Microsoft: https://customers.microsoft.com/en-gb/story/city-of-espoo-government-azure Microsoft. (6 March 2019). AI technology speeds up historical image handling at Hungary’s National Archive. เขา้ ถึงได้จาก Microsoft: https://customers.microsoft.com/en-us/story/nava-civilian-government-azure-ser- vices-hungary

สำ�นักงานพัฒนารัฐบาลดิจิทัล (องคก์ ารมหาชน) 161 Mueller, J. P., & Massaron, L. (2018). AI for Dummies. For Dummies. National Science Foundation. (7 March 2016). Fighting food poisoning in Las Vegas with machine learning. เข้าถึงได้จาก PHYS.ORG: https://phys.org/news/2016-03-food-poisoning-las-vegas-machine.html NECTEC. (2 มีนาคม 2562). ทีมวจิ ัยการประมวมลสัญญาณประสาท. เขา้ ถงึ ได้จาก NECTEC: https://www.nectec.or.th/research/research-unit/ainru-nsp.html Nuance Communications, Inc. (21 January 2016). ATO Implements Nuance Voice Biometrics to Become the First Organization to Offer Multi-Channel Voice Biometrics Authentication. เขา้ ถึงได้จาก Nuance: https://www.nuance.com/about-us/newsroom/press-releases/ato-implements- nuance-voice-biometrics.html Paige Backlund Jarquin. (2012). Data Sharing: Creating Agreements in support of community-academic partnerships. Colorado Clinical and Translational Sciences Institute & Rocky Mountain Prevention Research Center. Sales Design Studio. (July 2018). Innovation at Alberta V2 (SDS). เข้าถึงได้จาก Vimeo: https://vimeo.com/290930847 Scott Lowe. (ม.ป.ป.). How IoT Can Help Smart Cities Solve Major Traffic Problems. เขา้ ถงึ ได้จาก SEAGATE Blog: https://blog.seagate.com/intelligent/iot-can-help-smart-cities-solve-major-traffic- problems/

162 เทคโนโลยปี ัญญาประดิษฐ์ Sebastian Raschka. (2015). Python Machine Learning. Birmingham, United Kingdom: Packt Publishing Limited. Sebastian Raschka. (2016). Python Machine Learning. Birmingham: Packt Publishing Ltd. SEMIC. (16 June 2014). Report on high-value datasets from EU Institutions. เข้าถงึ ไดจ้ าก joinup: https://joinup.ec.europa.eu/document/report-high-value-datasets-eu-institutions Shanck15. (19 April 2018). The Lords Want to Ban Unexplainable AI. เขา้ ถงึ ไดจ้ าก Shack15: https://news.shack15.com/lords-want-ban-unexplainable-ai/ Siobhan Treacy. (15 June 2017). Video: ‘K-Eye’ Facial Recognition System Developed for Smartphones. เข้าถงึ ได้จาก Electronics 360: https://electronics360.globalspec.com/article/8971/video-k-eye-facial-recognition- system-developed-for-smartphones Stephen Chen. (4 Febuary 2019). Is China’s Corruption-busting AI System ‘Zero Trust’ being Turned off for being too Efficient? เข้าถึงได้จาก South China Morning Post: https://www.scmp.com/news/china/science/article/2184857/chinas-corruption-busting-ai- system-zero-trust-being-turned-being Stephen F. Smith, Gregory J. Barlow, Xiao-Feng Xie, และ Zachary B. Rubinstein. (2013). Smart Urban Signal Networks: Initial Application of the SURTRAC Adaptive Traffic Signal Control System. Twenty-Third International Conference on Automated Planning and Scheduling (หนา้ 434-442). Association for the Advancement of Artificial Intelligence.

สำ�นักงานพัฒนารัฐบาลดิจิทลั (องค์การมหาชน) 163 Strategic Concil for AI Technology. (2017). Artificial Intelligence Technology Strategy. เขา้ ถึงไดจ้ าก New Energy and Industrial Technology Development Organization: https://www.nedo.go.jp/content/100865202.pdf Tara Qian Sun, และ Rony Medaglia. (2018). Mapping the challenges of Artificial Intelligence in the public sector: Evidence from public healthcare. Government Information Quaterly, 1-16. The Computing Center. (30 July 2018). Machine Learning & Deep Learning 101. เข้าถงึ ได้จาก The Computing Center: http://www.compcenter.com/client/index.cfm/2018/7/30/Machine-Learning--Deep- Learning-101 The Tesla Team. (30 June 2016). A Tragic Loss. เขา้ ถึงได้จาก Tesla: https://www.tesla.com/blog/tragic-loss Tim Dutton. (29 June 2018). An Overview of National AI Strategies. เข้าถงึ ได้จาก Medium: https://medium.com/politics-ai/an-overview-of-national-ai-strategies-2a70ec6edfd Victor Tangermann. (25 March 2019). Estonia is Building a “Robot Judge” to Help Clear Legal Backlog. เข้าถงึ ไดจ้ าก the_byte: https://futurism.com/the-byte/estonia-robot-judge William Ainsworth. (1976). Speech Analysis. ใน William Ainsworth, Mechanism of Speech Recognition (หนา้ 34-58). Pergamon: Elsevier.

164 เทคโนโลยีปัญญาประดิษฐ์ William D. Eggers, David Schatsky, และ Peter Viechnicki. (2017). AI-augmented Govern- ment: Using Cognitive Technologies to Redesign Public Sector Work. Deloitte University Press. กรงุ เทพธุรกิจ. (23 มิถนุ ายน 2562). กูเกิล-รพ.ราชวิถี ดึงเอไอชว่ ยคัดกรองเบาหวานข้นึ ตา. เข้าถึงได้จาก กรงุ เทพธรุ กิจ: https://www.bangkokbiznews.com/news/detail/821229 กลุ่มประชาสัมพนั ธ์ กรมโรงงานอุตสาหกรรม. (7 กนั ยายน 2018). กรอ. จบั มือ สอท. เปดิ ตวั ระบบออโต้ อี-ไลเซนส์ ระบบจดั การกากฯ 4.0 ไวเพียง 3 วินาที มน่ั ใจปีน้กี ากเขา้ ระบบได้ตามเป้า. เข้าถงึ ไดจ้ าก ศูนย์ขอ้ มูลขา่ วสารกรมโรงงานอตุ สาหกรรม: oaep.diw.go.th/diw_info/ขา่ วประชาสมั พันธ์/กรอ-จบั มอื -สอท-เปิดตัวระบบออโต้อี-ไลเซนส์-ระบบจัด การกากฯ-4-0-ไวเพยี ง-3-วินาที-มนั่ ใจปนี กี้ ากเข้าระบบได้ตามเป้า ปณชยั อารีเพิ่มพร. (17 มกราคม 2561). จันทบรุ ีนำ� รอ่ งใชป้ ัญญาประดษิ ฐส์ ญั ชาตไิ ทยจบั กมุ คนร้าย. เข้าถงึ ได้จาก The Standard: https://thestandard.co/chanthaburi-smart-city-surveillance-cctv/ สพร. (15 มิถนุ ายน 2561). กรอบการกำ� กับดูแลขอ้ มลู . เข้าถึงไดจ้ าก https://www.dga.or.th/upload/download/file_c53fa657a1ff80e5e54b5f8b762fa2e3.pdf สรอ. (13 กรกฎาคม 2561). แนวปฏบิ ตั ิและมาตรฐานเชิงเทคนิคสำ� หรบั ศนู ย์กลางขอ้ มลู เปิดภาครฐั (Data.go.th). เขา้ ถงึ ไดจ้ าก สพร.: https://www.dga.or.th/th/profile/986/ สวทน. (30 มีนาคม 2561). สวทน. เผยผลส�ำรวจสตารท์ อพั ไทย ปี 60 พบใชเ้ ทคโนโลยีซอฟท์แวร์สรา้ ง ธรุ กจิ ถึง 59% เลง็ ป้ัน Deep Tech เสริม รบั ! ยงั ขาดแคลนโปรแกรมเมอร์และผ้เู ชย่ี วชาญเทคโนโลยี. เข้าถึงไดจ้ าก สวทน.: http://www.sti.or.th/sti/news-detail.php?news_type=2&news_id=318&



สำนกั งานพัฒนารฐั บาลดิจทิ ลั (องคการมหาชน) (สพร.) DGA Thailand ชัน้ 17 อาคารบางกอกไทยทาวเวอร DGA Thailand 108 ถนนรางน้ำ แขวงถนนพญาไท เขตราชเทว� กรงุ เทพฯ 10400 DGA Thailand โทรศพั ท : 0 2612 6000 โทรสาร : 0 2612 6011, 0 2612 6012 dgathailand