ปัญญาประดิษฐ์ (Artificial Intelligence: AI) อาจจะไม่ไกลตัวอีกต่อไป กับการที่สิ่งไม่มีชีวิตเช่น เครื่องจักร หรือ หุ่นยนต์ สามารถประมวลผลข้อมูล วิเคราะห์ และตัดสินใจแทนมนุษย์ได้ อาจจะเป็นสิ่งที่เราเคยเห็นเฉพาะในภาพยนตร์ โดยที่ไม่คาดคิดว่าเทคโนโลยี และนวัตกรรมใหม่อย่างปัญญาประดิษฐ์ (AI) จะเข้ามามีบทบาทสำคัญในชีวิตจริงของเราได้อย่างรวดเร็ว และทุกอย่างอาจจะเปลี่ยนแปลงแบบก้าวกระโดดกันเลยทีเดียว ปัญญาประดิษฐ์ หรือที่เรียกกันว่า AI คือ โปรแกรมที่ถูกเขียนและพัฒนาให้มีความฉลาด มีความสามารถคิด วิเคราะห์ วางแผน และตัดสินใจได้ โดยการประมวลผลจากฐานข้อมูลขนาดใหญ่ มากไปกว่านั้นยังสามารถดัดแปลงการประมวลผล ประยุกต์ ให้เป็นไปตามสถานการณ์ต่างๆ การนำ AI ไปใช้งาน 1. ด้านการผลิต (Production) 2. การตรวจสอบ (Inspection) 3. การประกอบชิ้นส่วน (Assembly) 4. ด้านบริการ (Field service) 5. ด้านการซ่อมแซมโทรศัพท์ (Telephone repair) 6. การตรวจสอบบัญชี (Auditing) 7. การคิดภาษี (Tax accounting) 8. การวางแผนด้านการเงิน (Financial planning) 9. ด้านการลงทุน (Investments) 10. ด้านบุคคล (Personnel) 11. ด้านการตลาด และการขาย (Marketing and sales) 12. การอนุมัติสินเชื่อ (Credit authorization) 13. หน่วยงานด้านบริการของรัฐ (Human services agency) 14. การทำนายทางการแพทย์ (Medical prognosis) Organisations without a clear AI strategy – and that’s most – run the risk of falling behind as other better organised industry players move forward.

1. ปัญญาประดิษฐ์
Artificial Intelligence
ปัญญาประดิษฐ์
Artificial Intelligence
พลตรี มารวย ส่งทานินทร์
maruays@hotmail.com
2 กุมภาพันธ์ 2562

2. Introduction
เกริ่นนำ
 ปัญญาประดิษฐ์ (Artificial Intelligence: AI) อาจจะไม่ไกลตัวอีก
ต่อไป กับการที่สิ่งไม่มีชีวิตเช่น เครื่องจักร หรือ หุ่นยนต์
สามารถประมวลผลข้อมูล วิเคราะห์ และตัดสินใจแทนมนุษย์ได้
 อาจจะเป็นสิ่งที่เราเคยเห็นเฉพาะในภาพยนตร์ โดยที่ไม่คาดคิด
ว่าเทคโนโลยี และนวัตกรรมใหม่อย่างปัญญาประดิษฐ์ (AI) จะ
เข้ามามีบทบาทสำคัญในชีวิตจริงของเราได้อย่างรวดเร็ว และทุก
อย่างอาจจะเปลี่ยนแปลงแบบก้าวกระโดดกันเลยทีเดียว

3. What is AI?
ปัญญาประดิษฐ์คืออะไร
 ปัญญาประดิษฐ์ หรือที่เรียกกันว่า AI คือ โปรแกรมที่ถูกเขียน
และพัฒนาให้มีความฉลาด มีความสามารถคิด วิเคราะห์
วางแผน และตัดสินใจได้ โดยการประมวลผลจากฐานข้อมูล
ขนาดใหญ่ มากไปกว่านั้นยังสามารถดัดแปลงการประมวลผล
ประยุกต์ ให้เป็นไปตามสถานการณ์ต่างๆ

4. Putting AI systems to work
การนำ AI ไปใช้งาน
1. ด้านการผลิต (Production)
2. การตรวจสอบ (Inspection)
3. การประกอบชิ้นส่วน (Assembly)
4. ด้านบริการ (Field service)
5. ด้านการซ่อมแซมโทรศัพท์ (Telephone repair)
6. การตรวจสอบบัญชี (Auditing)
7. การคิดภาษี (Tax accounting)
8. การวางแผนด้านการเงิน (Financial planning)
9. ด้านการลงทุน (Investments)
10. ด้านบุคคล (Personnel)
11. ด้านการตลาด และการขาย (Marketing and sales)
12. การอนุมัติสินเชื่อ (Credit authorization)
13. หน่วยงานด้านบริการของรัฐ (Human services agency)
14. การทำนายทางการแพทย์ (Medical prognosis)

5. AI

6. Artificial Intelligence
ปัญญาประดิษฐ์ (Artificial Intelligence: AI)
 หมายถึงความฉลาดเทียมที่สร้างขึ้นให้กับสิ่งที่ไม่มีชีวิต
 ปัญญาประดิษฐ์เป็นสาขาหนึ่งในด้านวิทยาการคอมพิวเตอร์ และ
วิศวกรรมเป็นหลัก แต่ยังรวมถึงศาสตร์ในด้านอื่น ๆ อย่าง
จิตวิทยา ปรัชญา หรือ ชีววิทยา
 ซึ่งสาขาปัญญาประดิษฐ์เป็นการเรียนรู้เกี่ยวกับกระบวนการการ
คิด การกระทำ การให้เหตุผล การปรับตัว หรือ การอนุมาน และ
การทำงานของสมอง

7. History of artificial intelligence
 ปัญญาประดิษฐ์นั้นเริ่มก่อตั้งขึ้นในที่ประชุมวิชาการที่ Dartmouth
College สหรัฐอเมริกา ในช่วงหน้าร้อน ค.ศ. 1956 โดยผู้ร่วมใน
การประชุมครั้งนั้น ได้แก่ Allen Newell (CMU), Herbert
Simon (CMU), John McCarthy (MIT), Marvin Minsky (MIT) และ
Arthur Samuel (IBM) ที่ได้กลายมาเป็นผู้นำทางปัญญาประดิษฐ์
ในอีกหลายสิบปีต่อมา
 นักวิทยาศาสตร์เหล่านี้ เขียนโปรแกรมที่หลายคนทึ่ง ไม่ว่าจะเป็น
คอมพิวเตอร์ที่สามารถเอาชนะคนเล่นหมากรุก แก้ไขปัญหาเกี่ยว
กับคำด้วยพีชคณิต พิสูจน์ทฤษฎีทางตรรกวิทยา หรือแม้กระทั่ง
พูดภาษาอังกฤษได้

8. History of AI (cont.)
 ในช่วงต้นคริสต์ทศวรรษ 1980 งานวิจัยด้านปัญญาประดิษฐ์
ประสบความสำเร็จในเชิงพาณิชย์เป็นครั้งแรก ด้วยระบบที่ชื่อ
ว่า ระบบผู้เชี่ยวชาญ (expert systems) อันเป็นระบบ
คอมพิวเตอร์ที่ช่วยในการหาคำตอบ อธิบายความไม่ชัดเจน ซึ่ง
ปกตินั้นจะใช้ผู้เชี่ยวชาญในแต่ละสาขาตอบคำถามนั้น
 ในปี ค.ศ. 1985 ตลาดของปัญญาประดิษฐ์ทะยานขึ้นไปแตะ
ระดับ 1 พันล้านดอลลาร์สหรัฐ ในขณะเดียวกัน โครงการ
คอมพิวเตอร์รุ่นที่ 5 ของญี่ปุ่ นก็ได้จุดประกายให้รัฐบาล
สหรัฐอเมริกาและสหราชอาณาจักร หันมาให้เงินทุนสนับสนุน
งานวิจัยในสาขาปัญญาประดิษฐ์อีกครั้ง

9. History of AI (cont.)
 ในช่วงต้นคริสต์ศตวรรษที่ 21 ปัญญาประดิษฐ์ประสบความ
สำเร็จอย่างสูง มีการนำปัญญาประดิษฐ์มาใช้ในด้านการ
ขนส่ง การทำเหมืองข้อมูล (Data Mining) การวินิจฉัยทางการ
แพทย์ และในอีกหลายสาขาในหลายอุตสาหกรรม
 ความสำเร็จของปัญญาประดิษฐ์นั้นได้รับการผลักดันมาจากหลาย
ปัจจัย ไม่ว่าจะเรื่องของความเร็วของคอมพิวเตอร์ที่มีการ
ประมวลผลที่เร็วขึ้น (Moore's law) การสร้างความเชื่อมโยง
ระหว่างปัญญาประดิษฐ์กับสาขาอื่น ๆ ที่ทำงานคล้าย ๆ กัน

10. History of AI (cont.)
 เมื่อวันที่ 11 พฤษภาคม ค.ศ. 1997 เครื่อง Deep Blue ของ
บริษัท IBM กลายมาเป็นคอมพิวเตอร์เครื่องแรกของโลกที่
สามารถเล่นหมากรุกเอาชนะ Garry Kasparov แชมป์ โลกในขณะ
นั้นได้ และในเดือนกุมภาพันธ์ ค.ศ. 2011 เครื่อง Watson ของ
บริษัท IBM ก็สามารถเอาชนะแชมป์ รายการตอบคำถาม
Jeopardy! (quiz show) ได้แบบขาดลอย
 นอกจากนี้ เครื่องเล่นเกมอย่าง Kinect ก็ใช้เทคโนโลยีของปัญญา
ประดิษฐ์ มาใช้ในการสร้างส่วนติดต่อกับผู้ใช้ ผ่านทางการ
เคลื่อนไหวร่างกายใน 3 มิติเช่นกัน

11. Deep Blue vs Kasparov

12. AI Definitions
คำนิยามของปัญญาประดิษฐ์ มีมากมายหลากหลาย ซึ่งสามารถจัด
แบ่งออกเป็น 4 ประเภท ได้แก่
 1. ระบบที่คิดเหมือนมนุษย์ (Systems that think like humans)
 2. ระบบที่กระทำเหมือนมนุษย์ (Systems that act like humans)
 3. ระบบที่คิดอย่างมีเหตุผล (Systems that think rationally)
 4. ระบบที่กระทำอย่างมีเหตุผล (Systems that act rationally)

13. 1. Systems that think like humans
1. ระบบที่คิดเหมือนมนุษย์
 ปัญญาประดิษฐ์ คือ ความพยายามใหม่อันน่าตื่นเต้นที่จะทำให้
คอมพิวเตอร์คิดได้ ซึ่งเครื่องจักรที่มีสติปัญญาอย่างครบถ้วนและแท้จริง
("The exciting new effort to make computers think ... machines with
minds, in the full and literal sense." [Haugeland, 1985])
 ปัญญาประดิษฐ์ คือ กลไกของกิจกรรมที่เกี่ยวข้องกับความคิดมนุษย์ เช่น
การตัดสินใจ การแก้ปัญหา การเรียนรู้ ("[The automation of] activities
that we associate with human thinking, activities such as decision-
making, problem solving, learning." [Bellman, 1978])

14. 2. Systems that act like humans
2. ระบบที่กระทำเหมือนมนุษย์
 ปัญญาประดิษฐ์ คือ วิชาของการสร้างเครื่องจักรที่ทำงานในสิ่งซึ่งอาศัย
ปัญญาเมื่อกระทำโดยมนุษย์ ("The art of creating machines that perform
functions that requires intelligence when performed by people." [Kurzweil,
1990])
 ปัญญาประดิษฐ์ คือ การศึกษาวิธีทำให้คอมพิวเตอร์กระทำในสิ่งที่มนุษย์
ทำได้ดีกว่าในขณะนั้น ("The study of how to make computers do things at
which, at the moment, people are better." [Rich and Knight, 1991])

15. 3. Systems that think rationally
3. ระบบที่คิดอย่างมีเหตุผล
 ปัญญาประดิษฐ์ คือ การศึกษาความสามารถในด้านสติปัญญาโดยการใช้
โมเดลการคำนวณ ("The study of mental faculties through the use of
computational model." [Charniak and McDermott, 1985])
 ปัญญาประดิษฐ์ คือ การศึกษาวิธีการคำนวณที่สามารถรับรู้ ใช้เหตุผล
และกระทำ ("The study of the computations that make it possible to
perceive, reason, and act" [Winston, 1992])

16. 4. Systems that act rationally
4. ระบบที่กระทำอย่างมีเหตุผล
 ปัญญาประดิษฐ์ คือ การศึกษาเพื่อออกแบบตัวกระทำแทนที่มีปัญญา
("Computational Intelligence is the study of the design of intelligent
agents" [Poole et al., 1998])
 ปัญญาประดิษฐ์ เกี่ยวข้องกับพฤติกรรมที่แสดงปัญญาในสิ่งที่มนุษย์สร้าง
ขึ้น ("AI ... is concerned with intelligent behavior in artifacts" [Nilsson,
1998])

17. AI & Machine Learning

18. AI Research
การวิจัยด้านปัญญาประดิษฐ์ พยายามศึกษาระบบเหล่านี้ ได้แก่
 1. การหักลบ การให้เหตุผล และการแก้ไขปัญหา (deduction,
reasoning, problem solving)
 2. ตัวแทนด้านความรู้ (knowledge representation)
 3. ระบบผู้เชี่ยวชาญ (expert system)
 4. การวางแผนอัตโนมัติ (automated planning)
 5. การเรียนรู้ของเครื่องกล (machine learning)
 6. การประมวลผลภาษาธรรมชาติ (natural language processing)
 7. การรับรู้ของเครื่องกล (machine perception)
 8. การเคลื่อนไหวและการจัดการ (motion and manipulation)

19. 1. Deduction, reasoning, problem solving
1. การหักลบ การให้เหตุผล และการแก้ไขปัญหา
 งานวิจัยด้านปัญญาประดิษฐ์ในช่วงแรก ๆ นั้นเริ่มต้นมาจากการ
ให้เหตุผลแบบทีละขั้น ๆ เป็นการให้เหตุผลแบบเดียวกับที่
มนุษย์ใช้ในการไขปัญหา หรือหาข้อสรุปทางตรรกศาสตร์
 เทคนิคที่นิยมใช้กันมากก็คือ การเขียนโปรแกรมเชิง
ตรรกะ (logic programming) เมื่อเราแทนความรู้ของเครื่อง
ด้วย first-order logic และ bayesian inference ด้วย bayesian
networks

20. 2. Knowledge representation
2. ตัวแทนด้านความรู้
 เป็นหัวใจสำคัญของงานวิจัยด้านปัญญาประดิษฐ์ เป็นการศึกษา
ด้านเก็บ ความรู้ (knowledge) ไว้ในเครื่องจักร
 เราเชื่อกันว่าหากจะให้เครื่องจักรแก้ไขปัญหาให้ จะต้องใช้ความ
รู้จำนวนมหาศาลบนโลกนี้ สิ่งที่ปัญญาประดิษฐ์ต้องการหา
สัญลักษณ์มาแทนได้แก่ วัตถุ คุณสมบัติ ประเภท ความสัมพันธ์
ระหว่างวัตถุ ไม่ว่าจะเป็นสถานการณ์ เหตุการณ์ สถานะ และ
เวลา ตลอดจนเหตุและผล ความรู้เกี่ยวกับความรู้ (รู้ว่าคนอื่นรู้
อะไร) และอื่น ๆ อีกมากมาย

21. 3. Expert system
3. ระบบผู้เชี่ยวชาญ
 เป็นการศึกษาเรื่องสร้างระบบความรู้ของปัญหาเฉพาะอย่าง เช่น
การแพทย์หรือวิทยาศาสตร์ จุดประสงค์ของระบบนี้ คือ ทำให้
เสมือนมีมนุษย์ผู้เชี่ยวชาญคอยให้คำปรึกษา และคำตอบเกี่ยว
กับปัญหาต่าง ๆ
 งานวิจัยด้านนี้ มีจุดประสงค์หลักว่า เราไม่ต้องพึ่งมนุษย์ในการ
แก้ปัญหา แต่อย่างไรก็ตามในทางปฏิบัติแล้ว ระบบผู้เชี่ยวชาญ
ยังต้องพึ่งมนุษย์ เพื่อให้ความรู้พื้นฐานในช่วงแรก

22. 4. Automated planning
4. การวางแผนอัตโนมัติ
 เครื่องที่ฉลาด จะต้องมีความสามารถในการตั้งเป้าหมายและ
บรรลุเป้าหมายได้เอง จะต้องมีวิธีการนึกภาพของอนาคต (จะ
ต้องสามารถมองเห็นสถานะต่าง ๆ บนโลก และสามารถคาด
การณ์ได้ว่าโลกจะเปลี่ยนไปอย่างไรได้) และสามารถที่จะตัดสิน
ใจเลือกทางเลือกที่มีประโยชน์ (หรือมีค่า) มากที่สุดได้

23. 5. Machine learning
5. การเรียนรู้ของเครื่องกล
 เป็นการศึกษาอัลกอริทึมคอมพิวเตอร์ที่ขั้นตอนวิธีจะถูกปรับปรุง
อย่างอัตโนมัติ ผ่านการเรียนรู้จากประสบการณ์ เป็นหัวใจหลัก
ของงานวิจัยด้านปัญญาประดิษฐ์ นับตั้งแต่มีการก่อตั้งสาขานี้ มา
 การเรียนรู้ของเครื่องจักร ถือว่าเป็นหัวใจสำคัญของการพัฒนา
หุ่นยนต์เช่นกัน ทำให้หุ่นยนต์มีทักษะใหม่ ๆ ได้ ผ่านการสำรวจ
ด้วยตนเอง การติดต่อกับผู้สอนที่เป็นมนุษย์ การเลียนแบบ และ
อื่น ๆ

24. 6. Natural language processing
6. การประมวลผลภาษาธรรมชาติ
 คือการทำให้เครื่องมีความสามารถที่จะอ่านและเข้าใจภาษาที่
มนุษย์พูดในชีวิตประจำวัน
 ระบบที่สามารถประมวลผลภาษาธรรมชาติได้มีประสิทธิภาพ
เพียงพอ จะทำให้เรามีส่วนติดต่อกับผู้ใช้ที่ใช้ภาษาธรรมชาติ
และหาความรู้ได้โดยตรง จากแหล่งข้อมูลที่มนุษย์เขียน เช่น
หนังสือพิมพ์
 นอกจากนี้ ยังสามารถนำไปประยุกต์ใช้ได้โดยตรงกับการค้น
ข้อมูล การตอบคำถาม และการแปล

25. 7. Machine perception
7. การรับรู้ของเครื่องกล
 คือ ความสามารถในการอ่านข้อมูลขาเข้าจากเซนเซอร์ (เช่น
กล้อง ไมโครโฟน เซนเซอร์สัมผัส โซนาร์ หรืออื่น ๆ ) เพื่อจะ
เข้าใจบริบทของโลกภายนอก ตัวอย่างของงานวิจัยด้านนี้ ได้แก่
 คอมพิวเตอร์วิทัศน์ (computer vision)
 การรู้จำคำพูด (speech recognition)
 การรู้จำใบหน้า (facial recognition)
 การรู้จำวัตถุ (object recognition)

26. 8. Motion and manipulation
8. การเคลื่อนไหวและการจัดการ
 สาขาวิทยาการหุ่นยนต์ มีความคล้ายคลึงกับสาขาปัญญา
ประดิษฐ์
 หุ่นยนต์ต้องการความฉลาดเพื่อจัดการกับสิ่งต่าง ๆ เช่น การ
จัดการวัตถุ ระบบนำทาง การแก้ปัญหาย่อย เช่นการหาที่อยู่ตัว
เองหรือหาที่อยู่ของสิ่งอื่น ๆ การทำแผนที่ การวางแผนการ
เคลื่อนไหวหรือเส้นทาง

27. AI Development

28. Philosophy and ethics of AI
ปรัชญาและจริยธรรมของปัญญาประดิษฐ์
 1. ปัญญาประดิษฐ์ทั่วไป (general AI) เกิดขึ้นได้หรือไม่? เครื่องกล
สามารถแก้ไขปัญหาใด ๆ ที่มนุษย์สามารถแก้ไขได้โดยใช้สติปัญญา
ได้หรือไม่? หรือมีข้อจำกัดสำหรับสิ่งที่เครื่องกลสามารถทำได้?
 2. เครื่องกลอัจฉริยะอันตรายหรือไม่? เราจะมั่นใจได้อย่างไรว่า
เครื่องกลมีการทำงานอย่างมีจริยธรรมและใช้งานอย่างมีจริยธรรม?
 3. เครื่องกลมีความคิด สติ และสภาพจิตใจในลักษณะเดียวกับที่
มนุษย์ทำได้หรือไม่? เครื่องกลสามารถมีความรู้สึกและสมควรได้รับ
สิทธิบางอย่างหรือไม่? เครื่องกลทำให้เกิดอันตรายกับมนุษย์โดย
เจตนาได้หรือไม่?

29. Existential risk
ความเสี่ยงของปัญญาประดิษฐ์
 Stephen Hawking นักฟิ สิกส์, Bill Gates ผู้ก่อตั้งไมโครซอฟท์, และ Elon
Musk ผู้ก่อตั้ง SpaceX ได้แสดงความกังวลเกี่ยวกับความเป็นไปได้ที่
AI สามารถพัฒนาจนถึงจุดที่มนุษย์ไม่สามารถควบคุมมันได้ ซึ่งอาจ
เป็น การสูญพันธุ์ของมนุษยชาติ (spell the end of the human race)
 เมื่อมนุษย์พัฒนาปัญญาประดิษฐ์ต่อ ๆ ไป มันก็จะเป็นอิสระและ
ออกแบบตัวมันเองได้ในอัตราที่เพิ่มมากขึ้นเรื่อย ๆ ขณะที่มนุษย์ถูก
จำกัดด้วยวิวัฒนาการทางชีววิทยาที่ช้า ไม่สามารถแข่งขันได้และจะ
ถูกแทนที่

30. AI-first
Now’s the time to go beyond first steps with artificial intelligence and
machine learning
AI-first
Now’s the time to go beyond first steps with artificial intelligence and
machine learning
By Dr. Tariq Khatri
Disruption, Winter 2018 edition

31. AI Strategy
กลยุทธ์ด้าน AI
 แม้ว่าการปรับใช้ AI ขององค์กรเริ่มเพิ่มจำนวนขึ้น แต่กิจกรรม
ส่วนใหญ่ยังคงเป็นโครงการนำร่องเพียงไม่กี่โครงการ ที่แยกออก
มาในรูปแบบเฉพาะกิจ
 องค์กรที่ไม่มีกลยุทธ์ AI ที่ชัดเจน จะเสี่ยงต่อการตามไม่ทันกับผู้ที่
อยู่ในอุตสาหกรรมเดียวกัน

32. AI (Machine Learning)
การเรียนรู้ของเครื่อง
 ผู้คนชอบคำว่า 'การเรียนรู้ของเครื่อง (machine learning)'
มากกว่า 'ปัญญาประดิษฐ์ (AI)' เพราะทำให้เข้าใจได้ดีกว่า
 และยังดีกว่าคำว่า 'การทำนายด้วยเครื่องจักร (machine
prediction)' เนื่องจากในความจริงแล้ว สิ่งที่ชุมชนการเรียนรู้ของ
เครื่อง ก็ใช้คำว่า 'การเรียนรู้ (learning)' ซึ่งหมายถึงการปรับรูป
แบบข้อมูล

33. Identifying opportunities
ศักยภาพในการใช้การเรียนรู้ของเครื่องกล:
1. ปรับปรุงการคาดการณ์ 'ธุรกิจหลัก' (Enhanced ‘core business’
prediction)
2. ระบบอัตโนมัติ (Automation)
3. ข้อเสนอใหม่ให้ลูกค้า (New customer propositions)
4. การค้า (Commercialization)
5. โมเดลก่อกวน (Disruptive models)

34. Five areas where corporates are exploiting machine
learning

35. 1. Enhanced ‘core business’ prediction
1. ปรับปรุงการคาดการณ์ 'ธุรกิจหลัก'
 การวิเคราะห์เชิงทำนายได้ถูกนำมาใช้เป็นเวลาหลายปี เพื่อ
สนับสนุนการตัดสินใจทางธุรกิจ โดยเฉพาะในด้านการตลาด
และการบริหารความเสี่ยง
 การเรียนรู้ของเครื่อง สามารถรองรับตัวแปรทำนายจำนวนมาก
และรองรับความสัมพันธ์ของตัวแปรของข้อมูลทั้งที่มีโครงสร้าง
และไม่มีโครงสร้าง

36. 2. Automation
2. ระบบอัตโนมัติ มีการปรับใช้ระบบอัตโนมัติอย่างน้อยสาม
ประเภท
 1. Extractive - การดึงข้อมูลโครงสร้างจากแหล่งที่ไม่มี
โครงสร้างโดยอัตโนมัติ
 2. Orchestrative - ทำให้กระบวนการหรือกิจกรรมโดยอัตโนมัติ
เป็นไปอย่างง่ายดาย
 3. Generative - โมเดลเหล่านี้ ถูกใช้เพื่อสร้าง 'หน้าใหม่' โดย
อัตโนมัติ เพื่อใช้สร้างคำอธิบายผลิตภัณฑ์อีคอมเมิร์ซ

37. 3. New customer propositions
3. ข้อเสนอใหม่ให้ลูกค้า
 ใน B2B (business to business) ของ John Deere ได้ใช้บริการของ
Blue River เพื่อแก้ปัญหาทางการเกษตรที่มีความแม่นยำ ในการปรับ
ค่าใช้จ่ายและประสิทธิผลของสารกำจัดศัตรูพืชให้เหมาะสมที่สุด ใน
ขณะที่การแก้ปัญหาลูกหนี้ อัจฉริยะของ Bank of America การชำระ
เงินด้วยใบแจ้งหนี้ มีการปรับตัวกับความสามารถในการชำระหนี้
 ใน B2C (business to customer) หูฟัง Pixel ของ Google ใช้แปล
ภาษาแบบในเวลาจริง ในขณะที่การมองเห็นด้วยกลไกของ Amazon
Go ช่วยให้ไม่ต้องเสียเวลากับการจ่ายเงินในการช็อปปิ้ ง

38. 4. Commercialization
4. การค้า
 โอกาสอาจมีอยู่เพื่อสร้างธุรกิจใหม่ที่ก่อตั้งขึ้ น บนความได้
เปรียบทางการแข่งขันที่ขับเคลื่อนด้วยการเรียนรู้ของเครื่อง
 เทคนิคใหม่ ๆ เช่น การเรียนรู้ด้วยการทำให้ตรงไปตรงมามาก
ขึ้น ในการรวมสินทรัพย์ข้อมูลของบริษัทกับของบุคคลที่สามที่
เกี่ยวข้อง เพื่อสนับสนุนประสิทธิภาพการทำงานในพื้นที่ที่ไม่ใช่
ธุรกิจหลัก

39. 5. Disruptive models
5. โมเดลก่อกวน
 การเรียนรู้ของเครื่อง มีศักยภาพที่จะแก้ไขรูปแบบธุรกิจที่มีอยู่
ก่อน และ/หรือต้นทุนในการแข่งขัน
 ตัวอย่างเช่นวิธีการทำงานอัตโนมัติคลังสินค้าของ Ocado ซึ่ง
ขณะนี้ มีการใช้งานอย่างสมบูรณ์ ไม่เพียงแต่การสั่งซื้ อโดย
อัตโนมัติอย่างสมบูรณ์เท่านั้น แต่ยังทำให้ลดจำนวนชิ้นส่วนที่
เกี่ยวข้อง (ลดการบำรุงรักษาและซ่อมแซม) และเพิ่ม
ประสิทธิภาพด้านต้นทุนสูงสุด

40. Machine learning today vs tomorrow
การเรียนรู้ของเครื่องในปัจจุบันและอนาคต
 การวิจัยการเรียนรู้ด้วยเครื่องจักรกำลังดำเนินไปในทิศทางที่
หลากหลาย
 อย่างไรก็ตาม มีสองประเด็นสำคัญของการพัฒนาเพื่อเพิ่ม
ขอบเขตการใช้ทางธุรกิจ:
 1. การยอมรับแนวทาง การเรียนรู้แบบเบย์ (Bayesian
learning) มากขึ้นเรื่อย ๆ
 2. ลดข้อมูลการฝึกอบรมที่จำเป็น

41. 1. Growing adoption of Bayesian learning approaches
1. การยอมรับแนวทางการเรียนรู้แบบเบย์มากขึ้นเรื่อย ๆ
 อัลกอริธึมการเรียนรู้ด้วยเครื่องไม่ได้ทำได้ถูกต้องเสมอไป และ
ในสถานการณ์การใช้งานจำนวนมากไม่จำเป็นต้องทำ เพราะ
พวกเขาสามารถวัดความน่าจะเป็นของความมั่นใจในผลงาน
ของพวกเขาได้
 แต่ความซับซ้อนที่เพิ่มมากขึ้นและการยอมรับของวิธีการแบบ
เบย์ ให้โอกาสในการกระจายความน่าจะเป็นมากกว่าผลลัพธ์ที่
เป็นไปได้ เพื่อแก้ไขข้อจำกัดแบบดั้งเดิมเหล่านี้ ซึ่งเป็นกุญแจ
สำคัญในการปรับใช้ในองค์กรให้กว้างขึ้ น

42. 2. Reducing the training data required
2. ลดข้อมูลการฝึกอบรมที่จำเป็น
 เนื่องจากความสามารถในการจำลองสภาพแวดล้อมในโลกแห่ง
ความเป็นจริงดีขึ้น ดังนั้นทำให้การฝึกอบรมโมเดลที่มีความ
ต้องการข้อมูลการฝึกอบรมที่น้อยลง
 ถ่ายโอนการเรียนรู้ - รูปแบบการฝึกอบรมพร้อมกับการทำงาน
- ส่งผลให้การฝึกอบรมใด ๆ ทำได้เร็วขึ้น
 ในทำนองเดียวกัน การถ่ายโอนแบบจำลองที่ผ่านการฝึกอบรม
มาล่วงหน้าจากสภาพแวดล้อมที่เกี่ยวข้องไปยังอีกรุ่นหนึ่ง ทำให้
เสียเวลาน้อยกว่าการฝึกอบรมใหม่ตั้งแต่เริ่มต้น

43. In summary
สรุป
 บริษัทในทุกอุตสาหกรรม ต้องสร้างกลยุทธ์ AI ของตัวเอง
 ในการทำด้วยวิธีการที่รอบคอบ จะให้ผลตอบแทนสูงสุดและมีสิ่ง
ที่ไม่พึงประสงค์น้อยที่สุด
 การทำเช่นนั้น จำเป็นต้องใช้ความคิดจินตนาการที่มีข้อมูลและมี
โครงสร้าง พร้อมกับการใช้วิจารณญาณบนพื้นฐานของ
ประสบการณ์ ซึ่งทั้งสองอย่างนี้ จะเป็นการอนุรักษ์มนุษย์ไว้อีกสัก
ระยะหนึ่ง

44. Whatever words we utter should be chosen with care for
people will hear them and be influenced by them for good or
ill.
Whatever words we utter should be chosen with care for
people will hear them and be influenced by them for good or
ill.
Buddha