Please enable JavaScript.

Coggle requires JavaScript to display documents.

ปัญญาประดิษฐ์, IMG_2012, IMG_2009, IMG_2014, การแปลงเสียงพูดให้เป็นข้อความ…

- - - - deep learning คือซอฟแวร์คอมพิวเตอร์ที่่เลียนแบบการทำงานของระบบโครงข่ายประสาท (neurons )ในสมองมนุษย์ ถือเป็นซับเซ็ตของ machine learning
- - - - Machine Learning นี้ทำให้เกิด NLP (Natural Language Processing) ชื่อในภาษาไทยคือการประมวลผลภาษาธรรมชาติ โดยปกติแล้วมนุษย์มีการใช้ภาษาที่กำกวม แต่คอมพิวเตอร์ใช้ภาษาที่มีลักษณะแน่นอนในการสื่อสาร จึงทำให้มีความยากในการประมวลผล ซึ่ง NLP ก็มีหลายแขนง ใช้การเขียนโปรแกรมแบบใช้เงื่อนไขมาประมวลผลภาษา แต่ด้วยความเป็นไปของภาษาที่เร็วมาก คำใหม่หรือรูปแบบประโยคใหม่ ๆ เกิดขึ้นเร็วมาก การนำ Machine Learning มาช่วยในปัจจุบันจึงทำให้ NLP แม่นยำขึ้นและตามทันโลกได้ไวขึ้น ซึ่งเทคโนโลยีนี้นำมาใช้ใน Siri
    - - นี่เป็นอีกตัวอย่างหนึ่งในการใช้ Machine Learning เพราะว่า Apple จะใช้วิธียิงจุดอินฟราเรดออกไป และใช้การตรวจสอบรูปของหน้า และแม้ว่าหน้าตาจะเปลี่ยนไปเล็กน้อย เปลี่ยนทรงผม ใส่แว่น Face ID ก็ยังคงสามารถตรวจสอบได้ และถึงจะใช้หน้ากากก็ไม่รอด Face ID เพราะว่า Apple ใช้ Machine Learning เรียนรู้รูปแบบหน้าที่แตกต่างกันมาเยอะมาก และสร้างโมเดลให้คอมพิวเตอร์เรียนรู้
    - - อีกหนึ่งนวัตกรรมที่ Machine Learning ได้เข้ามามีส่วนพัฒนาความสามารถเช่นกัน ไม่ว่าจะเป็นการรับฟังคำสั่งด้วยเสียงที่แม่นยำมากขึ้นสามารถรองรับได้หลายสำเนียงพูด
    - - Google ใช้ Machine Learning ในการประมวลข้อมูลไปกับบริการอื่นของบริษัท เช่น บริการแนะนำวิดีโอที่ผู้ใช้งานอาจจะชอบ หรือ วิดีโอที่คุณดูแล้วบน YouTube ซึ่งเหล่านี้ระบบเรียนรู้จากพฤติกรรมการรับชมของเรา
- - - - 1) การรับรู้ (perception)
        
        ความสามารถในการมองเห็นและการได้ยินของคอมพิวเตอร์เป็นสิ่งที่มีความสําคัญต่อการพัฒนา ปัญญาประดิษฐ์ให้ประสบความสําเร็จ โดยปกติปัญญาประดิษฐ์จะรับรู้ด้วยการมองเห็นและการได้ยินผ่าน อุปกรณ์ที่ทําหน้าที่เป็นเซนเซอร์ เช่น กล้องไมโครโฟน หรืออุปกรณ์นําเข้าข้อมูลอื่น ๆ โดยอุปกรณ์เหล่านี้ จะรับข้อมูลเข้าไปเพื่อประมวลผล นอกจากการรับรู้ผ่านทางเซนเซอร์แล้วปัญญาประดิษฐ์จะต้องเข้าใจสิ่ง ที่รับรู้ได้ด้วย เช่น เข้าใจความหมายของสิ่งที่เห็น หรือสิ่งที่ได้ยินด้วย
      - 2) การแทนความรู้และการให้เหตุผล (representation and reasoning)
        
        ปัญญาประดิษฐ์จะต้องสามารถเก็บองค์ความรู้ในรูปแบบของตัวแทนความรู้ (Knowledge representation) เช่น กฎการตัดสินใจที่สร้างมาจากองค์ความรู้ของผู้เชี่ยวชาญ และใช้ตัวแทนความรู้นี้ใน การให้เหตุผลโดยการอนุมาน (inference) ซึ่งเป็นกระบวนการหาข้อสรุปจากองค์ความรู้ที่มีอยู่
      - 3) การเรียนรู้ (learning)
        
        ปัญญาประดิษฐ์ที่ใช้อัลกอริทึมการเรียนรู้ ของเครื่อง (machine learning) จะเรียนรู้จาก ข้อมูลขนาดใหญ่ (big data) โดยการสร้างโมเดล (model) จากข้อมูลฝึกสอน (training data) ที่นําเข้าโดยมนุษย์ หรือเครื่องจักร (machine) ที่สามารถสร้างข้อมูลฝึกสอนเองได้ ตัวอย่าง แอปพลิเคชันปัญญาประดิษฐ์ที่ใช้การเรียนรู้ของ เครื่องจากข้อมูลฝึกสอน ซึ่งประกอบด้วย ข้อมูล นําเข้าและข้อมูลส่งออก ดังตาราง
        
        4) การปฏิสัมพันธ์อย่างเป็นธรรมชาติ (natural interaction)
        
        นักพัฒนาปัญญาประดิษฐ์พยายามสร้าง ปัญญาประดิษฐ์ให้สามารถปฏิสัมพันธ์กับมนุษย์ได้อย่างเป็นธรรมชาติ โดยปัญญาประดิษฐ์จะต้อง เข้าใจปฏิสัมพันธ์ระหว่างมนุษย์กับมนุษย์ก่อน เช่น การพูดคุยกันระหว่างมนุษย์ จึงจะทําให้ปัญญา ประดิษฐ์สามารถเลียนแบบมนุษย์ได้อย่างเป็นธรรมชาติ
        
        5) ผลกระทบทางสังคม (Social impact)
        
        ปัญญาประดิษฐ์นั้นอาจจะเป็นประโยชน์ หรือเป็นอันตรายต่อสังคมก็ได้ขึ้นอยู่กับการนําไป ใช้งาน การใช้งานปัญญาประดิษฐ์จะต้องคํานึงถึง จริยธรรม (ethics) ความปลอดภัย (security) และ ความเป็นส่วนตัว (privacy) เนื่องจากปัญญา ประดิษฐ์สามารถตัดสินใจหรือกระทําสิ่งที่อาจจะ ส่งผลกระทบต่อมนุษย์ได้ ดังนั้นจะต้องกําหนด กฎเกณฑ์ทางจริยธรรมให้ปัญญาประดิษฐ์ปฏิบัติ ตามอย่างเคร่งครัด