หนังสือทั่วไป-ai เทคโนโลยีปัญญาประดิษฐ์

ส�ำ นกั งานพัฒนารัฐบาลดจิ ทิ ลั (องค์การมหาชน) 149 สร้างบคุ ลากรด้าน AI ภาครัฐ (Government AI Talent) ส�ำนักงาน ก.พ. และกระทรวงศึกษาธิการควรรว่ มมอื กับสถาบันการศึกษาในการส่งเสริมหลกั 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 าพสงู สดุ หนว่ ยงานภาครฐั จำ� เป็นตอ้ ง อาศัยความร่วมมือจากทุกภาคส่วน โดยเฉพาะในช่วงระยะเริ่มต้น ดังนั้น นอกเหนือจากแนวทาง การพฒั นาศักยภาพภายใน ภาครัฐควรออกมาตรการส่งเสรมิ ความเข้มแขง็ ของภาคสว่ นพันธมิตร ที่เปน็ ส่วนสนับสนนุ ให้เกิดการใช้เทคโนโลยี AI ของภาครัฐด้วย โดยมสี องส่วนท่สี �ำคญั ดังน้ี ผปู้ ระกอบการวสิ าหกจิ เรม่ิ ตน้ ที่ใช้เทคโนโลยรี ะดับสงู (Deep Tech Startups) ผปู้ ระกอบการวสิ าหกจิ เรมิ่ ตน้ หรอื สตารท์ อพั (Startup) เปน็ หนงึ่ ในกลไกสำ� คญั อนั นำ� ไปสวู่ สิ ยั ทศั น์ Thailand 4.0 เน่อื งจากเปน็ ภาคสว่ นสรา้ งสรรค์นวตั กรรมทช่ี ่วยใหเ้ กิดการพฒั 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 ทคโนโลยีข้อมูลขนาดใหญ่ 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 n มาตรการเข้าถึงแหลง่ เงินทุน n มาตรการส่งเสริมใหผ้ ปู้ ระกอบการเขา้ ถงึ ขอ้ มลู ภาครฐั n มาตรการสง่ เสรมิ การมสี ่วนรว่ มในโครงการ AI ภาครฐั n โครงการอบรมผปู้ ระกอบการเกยี่ วกบั การใชเ้ ทคโนโลยี AI เชน่ โครงการพฒั นาธรุ กจิ นวตั กรรม รายใหม่ (Innovative Startup)

150 AI for Government ภาควจิ ัยและพัฒนา (Research and Development Sector) การวจิ ยั และพฒั นา (R&D) นบั ไดว้ า่ เปน็ รากฐานของการพฒั นา AI ซงึ่ ไดม้ กี ารใหค้ วามสำ� คญั รวมถงึ บรรจอุ ยใู่ นแผนยทุ ธศาสตร์การพัฒนา AI ของหลายประเทศ ภาครัฐจงึ ควรเพิ่มงบลงทุนวิจยั และ พฒั นาดา้ นAIแกส่ ถาบนั การศกึ ษาสถาบนั วจิ ยั ของภาครฐั และภาคเอกชนทง้ั ในดา้ นการประยกุ ตใ์ ช้ ด้านจรยิ ธรรมและผลกระทบจากการใชเ้ ทคโนโลยี AI ตลอดจนวางมาตรการสง่ เสรมิ ให้เกดิ การน�ำ ผลงานวิจยั และนวตั กรรมเหลา่ น้นั มาใช้อยา่ งคุ้มคา่ แนวทางการประยกุ ต์ใช้ AI เพือ่ ขับเคลอื่ 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 ทเี่ หมาะสมมาใชช้ ว่ ยเหลอื หรอื แกไ้ ขปญั หาทหี่ นว่ ยงานเผชญิ โดยการท�ำงานของรัฐทั้งการให้บริการหรือการท�ำงานตามภารกิจของหน่วยงานจะมีกระบวนการ ทำ� งาน 4 กระบวนการ คอื n การเก็บข้อมลู (Collect) ทกุ หนว่ ยงานจ�ำเป็นตอ้ งมีกระบวนการเก็บขอ้ มูลหรือนำ� เขา้ ข้อมูล เพ่อื เปน็ ขอ้ มลู ตง้ั ตน้ ในการพิจารณาและตัดสนิ ใจเพือ่ อนมุ ัตแิ ละอนญุ าต หรือเพือ่ ดำ� เนินการ ตามภารกจิ ของหนว่ ยงานเอง เช่น การให้บริการแกป่ ระชาชน การสำ� รวจขอ้ มูลปา่ ไม้ เปน็ ต้น n การวิเคราะห์ (Analyze) เมอ่ื ไดข้ ้อมลู มาแล้วกจ็ �ำเป็นตอ้ งมกี ารวิเคราะหข์ อ้ มลู เพ่อื ยนื ยนั ตัว บุคคล พิจารณาความถูกต้องของข้อมูล วิเคราะห์ความเช่ือมโยงหรือแนวทางการแก้ปัญหา เพอื่ สนับสนนุ การตัดสนิ ใจและนำ� ไปสูก่ ารดำ� เนนิ งานในข้ันตอนต่อไป n การดำ� เนนิ การ (Act) เปน็ ผลลพั ธท์ เ่ี กดิ การวเิ คราะหข์ อ้ มลู และพจิ ารณาวา่ ตอ้ งท�ำอยา่ งไรเพอ่ื แก้ปัญหาหรือด�ำเนินการในเร่ืองนั้นๆ เช่น การอนุมัติ การอนุญาต การออกมาตรการแก้ไข ปัญหา เป็นตน้ n การวางแผน (Forecast) หลังจากมีการด�ำเนินการเรียบร้อยแล้ว หน่วยงานอาจต้องมี การวางแผนเพอื่ กำ� หนดทศิ ทางทช่ี ดั เจนในการทำ� งานหรอื วางแผนเพอื่ รองรบั ปญั หาทอี่ าจเกดิ ขน้ึ ในอนาคต เพ่ือลดปญั หาจากในอดตี ดว้ ยการเรียนรแู้ ละวิเคราะหจ์ ากขอ้ มลู ทผี่ ่านมา เพื่อสรา้ งแนวคดิ ใหม่ๆ ใหแ้ กผ่ อู้ า่ น สพร. จึงได้วิเคราะห์วา่ รปู แบบของ AI ท่ีมีในปจั จุบัน สามารถ น�ำมาสนับสนุนการท�ำงานตามกระบวนการของภาครัฐทั้ง 4 กระบวนการได้อย่างไร โดยได้น�ำ การขบั เคลอ่ื นประเด็นเร่งด่วนตามแผนแม่บทยทุ ธศาสตร์ชาติ 15 ประเดน็ เป็นตัวอย่างภารกิจของ ภาครฐั และนำ� กระบวนการทง้ั 4 มาใสใ่ นแตล่ ะประเดน็ เพอื่ แสดงใหเ้ หน็ ลกั ษณะการทำ� งานของ AI ในแตล่ ะรปู แบบวา่ มคี วามหลากหลาย และเพอ่ื สรา้ งแนวคดิ ใหมๆ่ ใหแ้ กก่ ารทำ� งาน การใหบ้ รกิ าร และการดำ� เนนิ โครงการตา่ งๆ ของภาครัฐได้ โดยมีรายละเอยี ดดังน้ี

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 AI for Government ตัวอยา งประเดน็ เรงดวนในแผนแมบทยทุ ธศาสตรชาติ 2. การดูแลยกระดบั คุณภาพชีว�ตของประชาชนใหส งู ขน�้ สังคมสงู วัย Speech Vision Robotics LMeaacrnhiinnge NLP Planning SEyxspteermt การเก็บขอมลู เกบ็ ขอมูลจาก เกบ็ ขอ มลู หุนยนตดูแล เก็บขอ มลู เกบ็ ขอ มลู จาก เกบ็ ขอ มูล เก็บขอ มลู (Collect) คำรอ ง จากการ ผสู ูงอายุ จากงาน แชทบอท จากแผน จากการจดั ทำ พัฒนา การออม แผนขับเคลอ่ื น ดวยเสียง เฝาระวัง ศักยภาพ ผูสงู อายุ เพ่อ� รองรับ ผสู งู อายุจาก อาสาสมคั ร สงั คมสูงวยั กลองวงจรปด ดูแลผสู ูงอายุ ทบ่ี าน การว�เคราะห ประเมิน ว�เคราะหต าม เก็บขอ มลู เก็บขอ มลู ว�เคราะห ว�เคราะห เกบ็ ขอมลู ขอมลู สุขภาพ เวลาจรง� กับ ตามโปรแกรม การใหแ ละ สภาพจิตใจ ขอมูลของ ผสู ูงวยั ผูสูงอายทุ ี่ ภาพจาก การดแู ลทาง รับบรก� าร จากขอมูล ผตู อ งการ มาว�เคราะห (Analyze) รับบร�การ กลอ งวงจรปด สงั คมจติ ใจ ท่บี อทสือ่ สาร รวมโครงการ รว มกับ จากเสียง มาว�เคราะห กบั ผูสงู วัย เพ�อ่ วางแผน การปรับตวั เพ่�อหาปญ หา ของระบบ ท่ีได เศรฐกจิ ไทย ประสิทธภิ าพ สงู สดุ การดำเนินการ ผูสงู อายุ สง ทีม การดูแล จับคู ใหบรก� าร เสนอ ใหค ำปร�กษา (Action) สามารถตดิ ตอ ชวยเหลือ สขุ ภาพ ความเหมาะสม พ�ดคุยกับ แผนโครงการ แนะนำการ หนวยงาน ผูสงู อายุ ผสู ูงอายุ ระหวางผูดูแล ผสู งู อายุ ออมทเ่ี หมาะ ปรับตวั ของ เพอ่� ขอรบั ไดท นั ทว งที แบบองคร วม และผูสูงอายุ ดา นสขุ ภาพ กับผสู งู อายุ ธุรกจิ ไทย บรก� ารได วางแผน ในเศรฐกิจ ดวยเสียง พัฒนาการ แบบองครวม ดูแลสุขภาพ สูงวยั ผสู งู อายุ การวางแผน พัฒนา คาดการณ แบบองคร วม แบงกลุม วเ� คราะห เกบ็ ขอ มลู กำหนดทศิ ทาง (Forecast) แผนงานระดับ การเกดิ เหตุ โดยอาศัย ผูด ูแลเพอ�่ ขอ มูลเพอ่� เพ�อ่ พัฒนา นโยบาย/ ทองทจ่ี าก เพ�่อสามารถ ขอ มลู ที่ ยกระดับการ สง ตอใหศนู ย ทรัพยากร แผนงาน เขาชวยเหลือ รวบรวมจาก ใหบ รก� าร บรก� าร/ ส�งิ แวดลอ ม เพ่�อรองรับ ขอ มลู ท่ี หร�อระงับเหตุ หนุ ยนต ผูส งู อายุ โรงพยาบาล ของชุมชน และสนบั สนนุ รวบรวมเพ�่อ ในแตละทองที่ และเช่ือมโยง ดานเศรฐกจิ ไดกอน เพ�อ่ จดั ทำ ระบบรองรบั พัฒนา แผนงานท่ี สงั คมสงู วัย การคาในสงั คม เคร�อขายและ เหมาะสมตอ ไป สูงอายุ ภาคีทเ่ี กี่ยวของ กับผสู งู 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 AI for Government ตวั อยา งประเด็นเรงดว นในแผนแมบทยุทธศาสตรชาติ 4. การสรางรายไดใหกบั ประเทศ การทอ งเทีย่ ว Speech Vision Robotics LMeaacrnhiinnge NLP Planning SEyxspteermt การเก็บขอมูล เกบ็ ขอมูล รบั ขอมลู ภาพ พัฒนา รวบรวมขอมลู เก็บขอ มูล เกบ็ ขอมูล เกบ็ ขอมลู จาก (Collect) เสียงของ สถานที่ หุนยนตร ักษา ดา นความ ความคดิ เหน็ การเดนิ ทาง ผเู ช่ียวชาญ นักทอ งเท่ียว ทองเท่ยี วท่ี ความปลอดภัย หลากหลาย ในหลากหลาย เขา มาทองเที่ยว เพ่อ� สงเสรม� จากการ เพ่�อสอดสอ ง ในการ ภาษาในสอ่ื เพอ่� เพ่ม� MICE สอบถามหรอ� นักทองเทีย่ ว และเก็บขอมลู ทองเท่ยี ว สังคมออนไลน ประสทิ ธิภาพ ใชบร�การ ตองการ ตามสถานท่ี เพอ�่ สราง การใหบร�การ ผานระบบ สอบถาม ทองเทีย่ ว การเร�ยนรู การวเ� คราะห รบั คำรอ งและ ใช Image ว�เคราะห เรย� นรแู ละ วเ� คราะหภ าษา ประมวลผล ว�เคราะห ขอ มูล ว�เคราะห recognition ขอ มูลท่จี าก ประมวลผล ทีห่ ลากหลาย และวเ� คราะห ขอ มูลจาก ความตองการ วเ� คราะหภาพ หนุ ยนตเพ่อ� จากขอมูล เพ่�อเขา ใจ เอกสารสำคญั ผเู ช่ียวชาญ (Analyze) ของนัก จากฐานขอมลู ระบุเหตทุ ่ี เพ�อ่ วเ� คราะห ความตอ งการ ทม่ี ีขอมลู รว มกับขอ มูล เกิดขน้� และ รปู แบบที่ ทองเที่ยวใน เกย่ี วขอ ง ทเี่ ก่ียวของ ทอ งเทย่ี ว ทมี่ ี แจง เจา หนา ท่ี เหมาะสมใน การทอ งเท่ียว ปจจ�บัน เพ�อ่ หาแนวทาง ทเี่ หมาะสม การดำเนินการ ใหขอมูล บรก� ารขอมลู เจาหนาที่ จัดกจิ กรรม รับขอคดิ เหน็ / ปรบั ปรงุ มีรปู แบบ (Action) หรอ� ใหบ ร�การ และคำแนะนำ ใหค วาม สงเสร�ม ขอ เสนอแนะ กระบวนการ การใหบ รก� าร แกน กั ทอ งเทย่ี ว แกน ักทองเท่ียว ชว ยเหลอื แก การทองเทยี่ ว ของนัก ใหบ ร�การ MICE ได ตามความ ตามสถานที่ นักทอ งเท่ยี ว หร�อออก ทองเทีย่ ว เพ�่ออำนวย ครอบคลุม ตอ งการ ทอ งเทยี่ วใน ตามจ�ด แพค็ เกจ ทกุ ชาติ และ ความสะดวก กลุม เปาหมาย ภาพทส่ี อบถาม เกิดเหตุ ทอ งเทีย่ วที่ ชว ยเจา หนา ท่ี แกนักทองเท่ียว หลักที่ครบ เหมาะสมตาม ดานการ ทุกความ ความตองการ ทองเที่ยว ตองการ ในการส่ือสาร การวางแผน นำขอมลู ว�เคราะห ว�เคราะห คาดการณ วเ� คราะห ประเมิน วเ� คราะห (Forecast) มาวเ� คราะห แนวโนมการ แนวโนมเหตุ แนวโนม และคาดการณ นักทอ งเที่ยว ความตอ งการ เพ่�อวางแผน สอบถาม และปญ หาท่ี สถานที่ เพอ่� วางแผน การใหบรก� าร ขอมลู สถานท่ี เกิดข้�นเพ�่อ ทองเทย่ี วและ ขอ มลู เพ�อ่ การใหบ ร�การ ของผูใช ทเี่ หมาะสม ทองเทย่ี ว วางแนวทาง วางแผน พัฒนา/ ทเ่ี หมาะสม บรก� ารและ ในอนาคต เพ�่อวางแผน การรับมือ พฒั นา ออกแบบ ในอนาคต ผูประกอบการ บร�หารจัดการ ในอนาคต สถานที่ การทอ งเทย่ี ว MICE เพอ่� ทอ งเทยี่ ว ของประเทศ วางแผน สถานท่ี อยางยงั่ ยืน ทองเทีย่ ว ตอ ไป ในอนาคต

บรรณานกุ รม

156 AI for Government Adi Robertson. (11 December 2018). Sundar Pichai had to explain to Congress why Googling ‘idiot’ turns up pictures of Trump. เข้าถงึ ไดจ้ 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. เข้าถึงไดจ้ 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. เข้าถงึ ไดจ้ าก internet of business: https://internetofbusiness.com/zurich-insurance-ai-iot-ar/ Amazon. (ม.ป.ป.). C-SPAN Case Study. เขา้ ถึงไดจ้ าก aws.Amazon: https://aws.amazon.com/solutions/case-studies/cspan/ Anand S. Rao. (January 2018). Advanced Applications of AI in Enterprises. เข้าถึงไดจ้ าก Slideshare: https://www.slideshare.net/AnandSRao1962/advanced-ai-applications-in-enterprises Andrew Ng. (ม.ป.ป.). https://www.coursera.org/learn/ai-for-everyone. เข้าถึงไดจ้ 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 AI for Government CFB Bots. (6 January 2018). 11 Myths About Robotic Process Automation. เข้าถึงไดจ้ 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’. เข้าถึงไดจ้ าก 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. เข้าถึงได้จาก 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. เข้าถงึ ได้จาก 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. เขา้ ถึงได้จาก 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? เขา้ ถงึ ไดจ้ 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 AI for Government Leena Koshenlaakso. (2018). Combining Finnish Educational Expertise and Artificial Intelligence. เข้าถงึ ได้จาก 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. เข้าถึงไดจ้ าก 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? เขา้ ถึงไดจ้ 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. เข้าถึงไดจ้ าก 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. เข้าถึงไดจ้ าก 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 AI for Government 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 ได้จาก joinup: https://joinup.ec.europa.eu/document/report-high-value-datasets-eu-institutions Shanck15. (19 April 2018). The Lords Want to Ban Unexplainable AI. เข้าถึงไดจ้ 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. เขา้ ถึงไดจ้ าก 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 (หน้า 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 AI for Government William D. Eggers, David Schatsky, และ Peter Viechnicki. (2017). AI-augmented Govern- ment: Using Cognitive Technologies to Redesign Public Sector Work. Deloitte University Press. กรุงเทพธุรกิจ. (23 มถิ ุนายน 2562). กเู กิล-รพ.ราชวถิ ี ดึงเอไอช่วยคัดกรองเบาหวานขน้ึ ตา. เขา้ ถงึ ไดจ้ าก กรงุ เทพธุรกจิ : https://www.bangkokbiznews.com/news/detail/821229 กลมุ่ ประชาสมั พันธ์ กรมโรงงานอตุ สาหกรรม. (7 กนั ยายน 2018). กรอ. จับมอื สอท. เปิดตวั ระบบออโต้ อี-ไลเซนส์ ระบบจดั การกากฯ 4.0 ไวเพียง 3 วนิ าที มน่ั ใจปนี ก้ี ากเข้าระบบไดต้ ามเป้า. เข้าถงึ ได้จาก ศูนย์ขอ้ มูลขา่ วสารกรมโรงงานอุตสาหกรรม: oaep.diw.go.th/diw_info/ขา่ วประชาสัมพนั ธ์/กรอ-จับมอื -สอท-เปิดตัวระบบออโต้อ-ี ไลเซนส-์ ระบบจดั การกากฯ-4-0-ไวเพียง-3-วนิ าท-ี มน่ั ใจปีน้กี ากเข้าระบบได้ตามเป้า ปณชัย อารีเพมิ่ พร. (17 มกราคม 2561). จนั ทบรุ นี ำ� รอ่ งใช้ปัญญาประดิษฐส์ ัญชาติไทยจบั กมุ คนรา้ ย. เขา้ ถงึ ได้จาก The Standard: https://thestandard.co/chanthaburi-smart-city-surveillance-cctv/ สพร. (15 มถิ ุนายน 2561). กรอบการกำ� กบั ดแู ลข้อมลู . เขา้ ถงึ ได้จาก https://www.dga.or.th/upload/download/file_c53fa657a1ff80e5e54b5f8b762fa2e3.pdf สรอ. (13 กรกฎาคม 2561). แนวปฏบิ ตั แิ ละมาตรฐานเชงิ เทคนคิ สำ� หรบั ศนู ย์กลางขอ้ มลู เปดิ ภาครัฐ (Data.go.th). เขา้ ถึงไดจ้ าก สพร.: https://www.dga.or.th/th/profile/986/ สวทน. (30 มนี าคม 2561). สวทน. เผยผลส�ำรวจสตาร์ทอพั ไทย ปี 60 พบใชเ้ ทคโนโลยีซอฟทแ์ วรส์ รา้ ง ธรุ กจิ ถงึ 59% เลง็ ปนั้ Deep Tech เสริม รบั ! ยงั ขาดแคลนโปรแกรมเมอรแ์ ละผเู้ ชีย่ วชาญเทคโนโลย.ี เขา้ ถึงไดจ้ 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