ยุคสมัยที่เทคโนโลยีปัญญาประดิษฐ์ (AI) กำลังรุกคืบเข้ามาในทุกแง่มุมของชีวิต การทำความเข้าใจคำศัพท์ที่เกี่ยวข้องจึงเป็นสิ่งสำคัญ บทความนี้ได้รวบรวม 100 คำศัพท์ AI ครอบคลุมตั้งแต่พื้นฐานจนถึงระดับสูง เพื่อเป็นคู่มือสำหรับผู้ที่สนใจ นักศึกษา และผู้ที่ทำงานในแวดวง AI
1. คำศัพท์พื้นฐาน
- Artificial Intelligence (AI): ปัญญาประดิษฐ์ หมายถึง สาขาหนึ่งของวิทยาการคอมพิวเตอร์ที่มุ่งเน้นการสร้างระบบคอมพิวเตอร์ให้มีความสามารถคล้ายมนุษย์ เช่น การเรียนรู้ การแก้ปัญหา และการตัดสินใจ
- Machine Learning (ML): การเรียนรู้ของเครื่อง เป็นสาขาหนึ่งของ AI ที่เน้นการพัฒนาอัลกอริทึมที่ช่วยให้คอมพิวเตอร์สามารถเรียนรู้จากข้อมูล และปรับปรุงประสิทธิภาพการทำงานได้เองโดยอัตโนมัติ โดยไม่ต้องอาศัยการป้อนคำสั่งแบบตายตัว
- Deep Learning (DL): การเรียนรู้เชิงลึก เป็นส่วนขยายของ Machine Learning ที่ใช้โครงข่ายประสาทเทียมที่มีความซับซ้อนสูง เลียนแบบการทำงานของสมองมนุษย์ ในการประมวลผลข้อมูล DL มีความสามารถในการเรียนรู้เชิงลึกจากข้อมูลจำนวนมหาศาล เช่น การจดจำใบหน้า การแปลภาษา หรือการขับขี่รถยนต์อัตโนมัติ
- Algorithm: อัลกอริทึม คือ ชุดคำสั่งหรือขั้นตอนที่ชัดเจนและเป็นลำดับ ใช้ในการแก้ปัญหา หรือประมวลผลข้อมูล ในระบบ AI อัลกอริทึมเป็นส่วนสำคัญที่ช่วยให้ระบบสามารถเรียนรู้ และตัดสินใจได้
- Dataset: ชุดข้อมูล คือ กลุ่มของข้อมูลที่รวบรวมไว้ ซึ่งใช้สำหรับการวิเคราะห์ การฝึกฝนระบบ AI หรือการทดสอบแบบจำลอง ชุดข้อมูลอาจอยู่ในรูปแบบต่างๆ เช่น ข้อความ รูปภาพ เสียง หรือวิดีโอ
- Training: การฝึกฝน คือ กระบวนการที่ป้อนข้อมูล (Dataset) เข้าสู่ระบบ AI เพื่อให้ระบบเรียนรู้และปรับปรุงความแม่นยำในการทำงาน โดยระบบจะปรับแต่งพารามิเตอร์ต่างๆ เพื่อให้สามารถทำนายผลลัพธ์ได้อย่างถูกต้อง
- Neural Network: โครงข่ายประสาทเทียม คือ แบบจำลองทางคณิตศาสตร์ที่ได้รับแรงบันดาลใจจากโครงสร้างและการทำงานของสมองมนุษย์ ประกอบด้วยหน่วยประมวลผล (neurons) ที่เชื่อมต่อกันเป็นเครือข่าย ใช้สำหรับการเรียนรู้และประมวลผลข้อมูลที่ซับซ้อน
- Natural Language Processing (NLP): การประมวลผลภาษาธรรมชาติ คือ สาขาที่ศึกษาเกี่ยวกับการทำให้คอมพิวเตอร์สามารถเข้าใจ ตีความ และประมวลผลภาษาของมนุษย์ได้ เช่น การวิเคราะห์ความรู้สึกจากข้อความ การแปลภาษา หรือการสร้างแชทบอท ที่สามารถสนทนากับมนุษย์ได้อย่างเป็นธรรมชาติ
- Computer Vision: คอมพิวเตอร์วิทัศน์ คือ เทคโนโลยีที่ช่วยให้คอมพิวเตอร์สามารถ “มองเห็น” และตีความภาพได้ เหมือนกับมนุษย์ เช่น การจดจำวัตถุ การวิเคราะห์ภาพถ่ายทางการแพทย์ หรือการควบคุมหุ่นยนต์
- Robotics: หุ่นยนต์ คือ เครื่องจักรที่สามารถทำงานโดยอัตโนมัติ มักใช้ในงานที่เป็นอันตราย ซ้ำซาก หรือต้องการความแม่นยำสูง AI ถูกนำมาใช้ในหุ่นยนต์เพื่อเพิ่มความสามารถในการรับรู้ การเรียนรู้ และการตัดสินใจ
- Automation: ระบบอัตโนมัติ หมายถึง การใช้เทคโนโลยี เช่น คอมพิวเตอร์ หุ่นยนต์ หรือซอฟต์แวร์ เพื่อควบคุมกระบวนการทำงาน โดยไม่ต้องอาศัยการแทรกแซงจากมนุษย์ ช่วยเพิ่มประสิทธิภาพ ลดต้นทุน และลดข้อผิดพลาด
- Big Data: ข้อมูลขนาดใหญ่ หมายถึง ชุดข้อมูลที่มีขนาดใหญ่ มีความซับซ้อน และมีการเปลี่ยนแปลงอย่างรวดเร็ว เกินกว่าที่ระบบฐานข้อมูลแบบเดิมจะสามารถจัดการได้ AI ถูกนำมาใช้ในการวิเคราะห์ Big Data เพื่อค้นหาข้อมูลเชิงลึก
- Cloud Computing: การประมวลผลแบบคลาวด์ คือ การจัดเก็บ ประมวลผล และเข้าถึงข้อมูล ผ่านเครือข่ายอินเทอร์เน็ต แทนที่จะใช้ฮาร์ดแวร์และซอฟต์แวร์ในเครื่อง AI สามารถใช้ประโยชน์จาก Cloud Computing ในการเข้าถึงทรัพยากร และประมวลผลข้อมูลขนาดใหญ่
- Internet of Things (IoT): อินเทอร์เน็ตในทุกสิ่ง คือ เครือข่ายของอุปกรณ์ เซ็นเซอร์ และระบบต่างๆ ที่เชื่อมต่อกันผ่านอินเทอร์เน็ต AI ถูกนำมาใช้ใน IoT เพื่อวิเคราะห์ข้อมูลจากอุปกรณ์ต่างๆ และควบคุมการทำงานแบบอัตโนมัติ
- Cognitive Computing: การประมวลผลเชิงปัญญา หมายถึง ระบบคอมพิวเตอร์ที่เลียนแบบกระบวนการคิดของมนุษย์ เช่น การเรียนรู้ การให้เหตุผล และการแก้ปัญหา AI เป็นส่วนสำคัญในการพัฒนา Cognitive Computing
- Artificial General Intelligence (AGI): ปัญญาประดิษฐ์ทั่วไป หมายถึง ระบบ AI ที่มีความสามารถในการเรียนรู้ และแก้ปัญหา ในระดับเดียวกับมนุษย์ ซึ่งยังคงเป็นเป้าหมายในอนาคตของการพัฒนา AI
- Super AI: AI ขั้นสูง หมายถึง ระบบ AI ที่มีความสามารถเหนือกว่ามนุษย์ในทุกด้าน ซึ่งเป็นแนวคิดเชิงทฤษฎี และยังไม่มีการพัฒนาขึ้นมาได้จริง
- Narrow AI / Weak AI: AI เฉพาะทาง หมายถึง ระบบ AI ที่ถูกออกแบบมาเพื่อทำงานเฉพาะอย่าง เช่น การเล่นหมากรุก การแปลภาษา หรือการจดจำใบหน้า
- Strong AI: AI ที่เทียบเท่าหรือเหนือกว่ามนุษย์ หมายถึง ระบบ AI ที่มีความสามารถในการเรียนรู้ การแก้ปัญหา และการตัดสินใจ ในระดับเดียวกับมนุษย์ หรือเหนือกว่า
2. ประเภทการเรียนรู้
- Supervised Learning: การเรียนรู้แบบมีผู้สอน คือ การฝึกฝนระบบ AI โดยใช้ชุดข้อมูลที่มี “คำตอบ” กำกับไว้ เพื่อให้ระบบเรียนรู้ความสัมพันธ์ระหว่างข้อมูลเข้า และผลลัพธ์ที่ต้องการ
- Unsupervised Learning: การเรียนรู้แบบไม่มีผู้สอน คือ การฝึกฝนระบบ AI โดยใช้ชุดข้อมูลที่ไม่มี “คำตอบ” กำกับไว้ เพื่อให้ระบบค้นหารูปแบบ และโครงสร้าง ของข้อมูลด้วยตัวเอง
- Reinforcement Learning: การเรียนรู้แบบเสริมกำลัง คือ การฝึกฝนระบบ AI โดยให้ระบบเรียนรู้จากการลองผิดลองถูก และได้รับรางวัล หรือโทษ ตามผลลัพธ์ของการกระทำ
- Semi-supervised Learning: การเรียนรู้แบบกึ่งมีผู้สอน คือ การฝึกฝนระบบ AI โดยใช้ชุดข้อมูลที่มีทั้งข้อมูลที่มี “คำตอบ” และไม่มี “คำตอบ” ผสมกัน
- Transfer Learning: การถ่ายโอนการเรียนรู้ คือ การนำความรู้ที่ระบบ AI เรียนรู้จากงานหนึ่ง ไปประยุกต์ใช้กับงานอื่นที่คล้ายคลึงกัน
- Active Learning: การเรียนรู้แบบแอคทีฟ คือ การฝึกฝนระบบ AI โดยให้ระบบสามารถเลือกข้อมูล ที่ต้องการเรียนรู้เพิ่มเติมได้เอง
- Federated Learning: การเรียนรู้แบบกระจายศูนย์ คือ การฝึกฝนระบบ AI โดยใช้ข้อมูลจากหลายแหล่ง โดยไม่ต้องรวบรวมข้อมูลไว้ที่เดียว
- Meta Learning: การเรียนรู้วิธีการเรียนรู้ คือ การฝึกฝนระบบ AI ให้สามารถเรียนรู้วิธีการเรียนรู้ เพื่อให้สามารถปรับตัวเข้ากับงานใหม่ๆ ได้อย่างรวดเร็ว
3. โครงข่ายประสาทเทียม
- Perceptron: เพอร์เซปตรอน คือ หน่วยประมวลผลพื้นฐาน ในโครงข่ายประสาทเทียม ทำหน้าที่รับข้อมูล ประมวลผล และส่งต่อผลลัพธ์
- Multilayer Perceptron (MLP): เพอร์เซปตรอนหลายชั้น คือ โครงข่ายประสาทเทียม ที่ประกอบด้วย Perceptron หลายชั้น เชื่อมต่อกัน ใช้สำหรับงานที่ซับซ้อนมากขึ้น
- Convolutional Neural Network (CNN): โครงข่ายประสาทเทียมแบบคอนโวลูชัน คือ โครงข่ายประสาทเทียม ที่ออกแบบมาสำหรับประมวลผลข้อมูลภาพ โดยใช้ Convolutional Layer ในการสกัดคุณลักษณะของภาพ
- Recurrent Neural Network (RNN): โครงข่ายประสาทเทียมแบบเรียกซ้ำ คือ โครงข่ายประสาทเทียม ที่ออกแบบมาสำหรับประมวลผลข้อมูล ที่มีลำดับ เช่น ข้อความ หรือ เสียง โดยมี Feedback Loop ที่ช่วยให้ระบบจดจำข้อมูลในอดีตได้
- Long Short-Term Memory (LSTM): หน่วยความจำระยะสั้นยาว คือ ชนิดพิเศษของ RNN ที่สามารถจดจำข้อมูลในอดีตได้นานขึ้น ใช้ในงาน NLP และ Time Series Analysis
- Generative Adversarial Network (GAN): โครงข่ายประสาทเทียมแบบสร้างสรรค์ คือ โครงข่ายประสาทเทียม ที่ประกอบด้วย Generator และ Discriminator ทำงานแข่งขันกัน เพื่อสร้างข้อมูลใหม่ ที่เหมือนจริง
- Transformer: โครงข่ายประสาทเทียมแบบ Transformer คือ โครงข่ายประสาทเทียม ที่ใช้ Attention Mechanism ในการประมวลผลข้อมูล มีประสิทธิภาพสูง ในงาน NLP เช่น การแปลภาษา
- Autoencoder: ออโตเอนโคเดอร์ คือ โครงข่ายประสาทเทียม ที่ใช้สำหรับการเรียนรู้ แบบ Unsupervised Learning โดยเรียนรู้ การบีบอัด และ คลายการบีบอัด ข้อมูล
- Radial Basis Function Network (RBFN): โครงข่ายฟังก์ชันฐานรัศมี คือ โครงข่ายประสาทเทียม ที่ใช้ Radial Basis Function เป็น Activation Function มักใช้ในงาน Classification และ Regression
NLP (ต่อ)
- Natural Language Understanding (NLU): ความเข้าใจภาษาธรรมชาติ หมายถึง ความสามารถของคอมพิวเตอร์ ในการเข้าใจความหมาย และ เจตนา ของภาษา รวมถึงการวิเคราะห์โครงสร้างทางไวยากรณ์ การระบุตัวตน และการตีความบริบท
- Natural Language Generation (NLG): การสร้างภาษาธรรมชาติ หมายถึง กระบวนการที่คอมพิวเตอร์สร้างข้อความ ที่เป็นภาษาธรรมชาติ เช่น การเขียนบทความ การสรุปข้อความ หรือการสร้างบทสนทนา
- Sentiment Analysis: การวิเคราะห์ความรู้สึก หมายถึง การใช้ NLP ในการวิเคราะห์ความรู้สึก ทัศนคติ หรืออารมณ์ จากข้อความ เช่น การวิเคราะห์ความคิดเห็นของลูกค้า หรือการตรวจจับข้อความที่แสดงความเกลียดชัง
- Text Summarization: การสรุปข้อความ หมายถึง การใช้ NLP ในการสร้างบทสรุป ที่สั้น และกระชับ ของข้อความ โดยยังคงใจความสำคัญไว้
- Machine Translation: การแปลภาษาด้วยเครื่อง หมายถึง การใช้ AI ในการแปลภาษา จากภาษาหนึ่ง ไปยังอีกภาษาหนึ่ง โดยอัตโนมัติ
- Question Answering: การตอบคำถาม หมายถึง ความสามารถของคอมพิวเตอร์ ในการตอบคำถาม ที่เป็นภาษาธรรมชาติ โดยค้นหาคำตอบ จากฐานข้อมูล หรือ เอกสาร
- Chatbot: แชทบอท หมายถึง โปรแกรมคอมพิวเตอร์ ที่สามารถสนทนา โต้ตอบ กับมนุษย์ โดยใช้ภาษาธรรมชาติ มักใช้ในการให้บริการลูกค้า หรือ ตอบคำถาม
- Speech Recognition: การรู้จำเสียง หมายถึง การแปลงเสียงพูด ให้เป็นข้อความ โดยใช้ AI
- Text-to-Speech: การแปลงข้อความเป็นเสียง หมายถึง การแปลงข้อความ ให้เป็นเสียงพูด โดยใช้ AI
- Speech-to-Text: การแปลงเสียงเป็นข้อความ หมายถึง การแปลงเสียงพูด ให้เป็นข้อความ โดยใช้ AI (เหมือนกับ Speech Recognition)
- Word Embedding: การฝังคำ หมายถึง การแทนคำ ด้วยเวกเตอร์ (ตัวเลข) เพื่อให้คอมพิวเตอร์สามารถเข้าใจความหมาย และ ความสัมพันธ์ ระหว่างคำได้
5. Computer Vision
- Image Recognition: การจดจำภาพ หมายถึง ความสามารถของคอมพิวเตอร์ ในการระบุ และ จำแนก วัตถุ หรือ ฉาก ในภาพ
- Object Detection: การตรวจจับวัตถุ หมายถึง การระบุ ตำแหน่ง และ ประเภท ของวัตถุ ในภาพ
- Image Segmentation: การแบ่งส่วนภาพ หมายถึง การแบ่งภาพ ออกเป็นส่วนๆ ตามลักษณะ เช่น การแบ่งภาพคน ออกจากพื้นหลัง
- Facial Recognition: การจดจำใบหน้า หมายถึง การระบุ และ ยืนยันตัวตน บุคคล จากใบหน้า
- Optical Character Recognition (OCR): การรู้จำตัวอักษรด้วยแสง หมายถึง การแปลงภาพ ที่มีตัวอักษร ให้เป็นข้อความ
- Edge Detection: การตรวจจับขอบ หมายถึง การระบุ ขอบ ของวัตถุ ในภาพ ซึ่งเป็นขั้นตอนสำคัญ ในการประมวลผลภาพ
6. เทคนิคและแนวคิด
- Data Mining: การทำเหมืองข้อมูล หมายถึง กระบวนการ ค้นหา รูปแบบ ความสัมพันธ์ และ ข้อมูลเชิงลึก จากข้อมูลขนาดใหญ่
- Data Analytics: การวิเคราะห์ข้อมูล หมายถึง กระบวนการ ตรวจสอบ ทำความสะอาด แปลง และ สร้างแบบจำลอง ข้อมูล เพื่อให้ได้ข้อมูลเชิงลึก และ สนับสนุนการตัดสินใจ
- Predictive Modeling: การสร้างแบบจำลองเชิงทำนาย หมายถึง การใช้ ข้อมูลในอดีต เพื่อสร้างแบบจำลอง ที่สามารถทำนายเหตุการณ์ หรือ ผลลัพธ์ ในอนาคต
- Clustering: การจัดกลุ่ม หมายถึง การแบ่งข้อมูล ออกเป็นกลุ่มๆ ตามลักษณะ ที่คล้ายคลึงกัน
- Classification: การจำแนกประเภท หมายถึง การแบ่งข้อมูล ออกเป็น ประเภทต่างๆ ตามลักษณะ ที่กำหนด
- Regression: การถดถอย หมายถึง การวิเคราะห์ ความสัมพันธ์ ระหว่างตัวแปร เพื่อทำนายค่า ของตัวแปรหนึ่ง จากค่า ของตัวแปรอื่น
- Optimization: การหาค่าเหมาะที่สุด หมายถึง การหาค่า ของตัวแปร ที่ทำให้ ฟังก์ชัน มีค่าสูงสุด หรือ ต่ำสุด
- Feature Engineering: วิศวกรรมคุณลักษณะ หมายถึง กระบวนการ เลือก แปลง และ สร้าง คุณลักษณะ (features) จากข้อมูล เพื่อปรับปรุงประสิทธิภาพ ของแบบจำลอง AI
- Dimensionality Reduction: การลดมิติ หมายถึง การลดจำนวน ตัวแปร หรือ คุณลักษณะ ของข้อมูล เพื่อลดความซับซ้อน และ เพิ่มประสิทธิภาพ ในการประมวลผล
- Overfitting: การเรียนรู้เกินพอดี หมายถึง ปัญหาที่แบบจำลอง AI เรียนรู้ รูปแบบ ของข้อมูลฝึกฝน มากเกินไป จนไม่สามารถ ทำนาย ข้อมูลใหม่ ได้อย่างถูกต้อง
- Underfitting: การเรียนรู้ไม่เพียงพอ หมายถึง ปัญหาที่แบบจำลอง AI เรียนรู้ รูปแบบ ของข้อมูลฝึกฝน ไม่เพียงพอ จนไม่สามารถ ทำนาย ข้อมูล ได้อย่างถูกต้อง
- Bias: อคติ หมายถึง ความลำเอียง ของระบบ AI ที่เกิดจากข้อมูลที่ใช้ในการฝึกฝน ซึ่งอาจส่งผลให้ระบบตัดสินใจ อย่างไม่เป็นธรรม
- Explainable AI (XAI): AI ที่อธิบายได้ หมายถึง การพัฒนา ระบบ AI ที่สามารถอธิบาย เหตุผล เบื้องหลัง การตัดสินใจ ได้ เพื่อเพิ่มความโปร่งใส และ ความน่าเชื่อถือ
- Ethics: จริยธรรม หมายถึง หลักการ และ แนวทางปฏิบัติ ที่ถูกต้อง ในการพัฒนา และ ใช้งาน AI เพื่อให้มั่นใจว่า เทคโนโลยีนี้จะถูกนำไปใช้ในทางที่ถูกต้อง และไม่ก่อให้เกิดอันตรายต่อมนุษย์
- AI Safety: ความปลอดภัยของ AI หมายถึง การวิจัย และ พัฒนา มาตรการ เพื่อป้องกัน ความเสี่ยง ที่อาจเกิดขึ้น จาก AI เช่น การป้องกัน ไม่ให้ AI ทำร้ายมนุษย์ หรือ ควบคุม AI ที่อันตราย
- Human-in-the-Loop: มนุษย์ในวงจร หมายถึง การออกแบบ ระบบ AI ที่ให้มนุษย์ มีส่วนร่วม ในการตัดสินใจ หรือ ควบคุม การทำงาน ของระบบ
- Reinforcement Learning: การเรียนรู้แบบเสริมกำลัง (ซ้ำกับข้อ 22) คือ การฝึกฝนระบบ AI โดยให้ระบบเรียนรู้จากการลองผิดลองถูก และได้รับรางวัล หรือโทษ ตามผลลัพธ์ของการกระทำ
คำศัพท์เฉพาะทาง
- Hyperparameter: ไฮเปอร์พารามิเตอร์ คือ พารามิเตอร์ ที่ใช้ในการควบคุม กระบวนการเรียนรู้ ของแบบจำลอง AI เช่น Learning Rate หรือ จำนวน Hidden Layers ใน Neural Network
- Loss Function: ฟังก์ชันการสูญเสีย คือ ฟังก์ชัน ที่ใช้วัด ความแตกต่าง ระหว่าง ผลลัพธ์ที่ทำนาย โดยแบบจำลอง AI กับ ผลลัพธ์ที่แท้จริง
- Gradient Descent: การลดระดับแบบไล่ระดับ คือ อัลกอริทึม ที่ใช้ ในการหาค่าเหมาะที่สุด ของ Loss Function โดยการปรับ พารามิเตอร์ ของแบบจำลอง AI
- Backpropagation: การแพร่กระจายย้อนกลับ คือ อัลกอริทึม ที่ใช้ ในการคำนวณ Gradient ของ Loss Function ใน Neural Network
- Activation Function: ฟังก์ชันกระตุ้น คือ ฟังก์ชัน ที่ใช้ ในการแปลง ผลลัพธ์ ของ Neuron ใน Neural Network เพื่อให้ Neural Network สามารถเรียนรู้ รูปแบบ ที่ซับซ้อน ได้
- Regularization: การทำให้เป็นมาตรฐาน คือ เทคนิค ที่ใช้ ในการป้องกัน Overfitting โดยการเพิ่ม ข้อจำกัด ให้กับ แบบจำลอง AI
- Cross-validation: การตรวจสอบไขว้ คือ เทคนิค ที่ใช้ ในการประเมิน ประสิทธิภาพ ของแบบจำลอง AI โดยการแบ่ง Dataset ออกเป็น ส่วนๆ และ ใช้ ส่วนต่างๆ ในการฝึกฝน และ ทดสอบ แบบจำลอง
- Accuracy: ความแม่นยำ คือ สัดส่วน ของ จำนวน การทำนายที่ถูกต้อง ต่อ จำนวน การทำนายทั้งหมด
- Precision: ความเที่ยงตรง คือ สัดส่วน ของ จำนวน การทำนายที่ถูกต้อง ใน ประเภทที่สนใจ ต่อ จำนวน การทำนายทั้งหมด ใน ประเภทนั้น
- Recall: ความระลึก คือ สัดส่วน ของ จำนวน การทำนายที่ถูกต้อง ใน ประเภทที่สนใจ ต่อ จำนวน ข้อมูลทั้งหมด ใน ประเภทนั้น
- F1-score: คะแนน F1 คือ ค่าเฉลี่ย ฮาร์มอนิก ของ Precision และ Recall
- AUC (Area Under the Curve): พื้นที่ใต้กราฟ คือ ตัวชี้วัด ประสิทธิภาพ ของแบบจำลอง AI ใน งาน Classification
8. แพลตฟอร์มและเครื่องมือ
- TensorFlow: เทนเซอร์โฟลว์ คือ ไลบรารี Open-source สำหรับ Machine Learning พัฒนาโดย Google
- PyTorch: ไพทอร์ช คือ ไลบรารี Open-source สำหรับ Machine Learning พัฒนาโดย Facebook
- Keras: เคอรัส คือ ไลบรารี Open-source สำหรับ Deep Learning ที่ใช้งานง่าย สามารถทำงาน ร่วมกับ TensorFlow และ PyTorch ได้
- Scikit-learn: ไซคิท-เลิร์น คือ ไลบรารี Open-source สำหรับ Machine Learning ใน ภาษา Python
- OpenCV: โอเพ่นซีวี คือ ไลบรารี Open-source สำหรับ Computer Vision
- Google Cloud AI: กูเกิล คลาวด์ AI คือ แพลตฟอร์ม Cloud Computing ของ Google ที่ให้บริการ เครื่องมือ และ บริการ สำหรับ AI
- Amazon Web Services (AWS) AI: อะเมซอน เว็บ เซอร์วิส AI คือ แพลตฟอร์ม Cloud Computing ของ Amazon ที่ให้บริการ เครื่องมือ และ บริการ สำหรับ AI
- Microsoft Azure AI: ไมโครซอฟท์ อะชัวร์ AI คือ แพลตฟอร์ม Cloud Computing ของ Microsoft ที่ให้บริการ เครื่องมือ และ บริการ สำหรับ AI
9. แอปพลิเคชัน
- Self-driving cars: รถยนต์ไร้คนขับ คือ รถยนต์ ที่สามารถขับเคลื่อน ได้เอง โดยไม่ต้อง มีคนขับ
- Virtual Assistant: ผู้ช่วยเสมือน คือ โปรแกรมคอมพิวเตอร์ ที่สามารถ ช่วยเหลือ ผู้ใช้ ใน การทำงาน ต่างๆ เช่น การค้นหาข้อมูล การตั้ง เตือน หรือ การควบคุม อุปกรณ์ Smart Home
- Fraud Detection: การตรวจจับการทุจริต คือ การใช้ AI ในการ ตรวจจับ ธุรกรรม ที่ น่าสงสัย ว่า อาจเป็น การทุจริต
- Medical Diagnosis: การวินิจฉัยทางการแพทย์ คือ การใช้ AI ในการ ช่วย แพทย์ วินิจฉัยโรค จาก ข้อมูล เช่น ภาพถ่ายทางการแพทย์ หรือ ผล Lab
- Personalized Medicine: ยาเฉพาะบุคคล คือ การใช้ AI ในการ พัฒนายา และ การรักษา ที่ เหมาะสม กับ แต่ละบุคคล
- Recommendation System: ระบบแนะนำ คือ ระบบ ที่ใช้ AI ในการ แนะนำ สินค้า หรือ บริการ ที่ ผู้ใช้ อาจสนใจ
- Smart Home: บ้านอัจฉริยะ คือ บ้าน ที่ใช้ เทคโนโลยี เช่น AI และ IoT ในการ ควบคุม และ จัดการ อุปกรณ์ ต่างๆ ในบ้าน โดยอัตโนมัติ
- Precision Agriculture: เกษตรกรรมแม่นยำ คือ การใช้ เทคโนโลยี เช่น AI และ IoT ในการ เพิ่ม ประสิทธิภาพ การ ผลิต ทางการเกษตร
- Smart City: เมืองอัจฉริยะ คือ เมือง ที่ใช้ เทคโนโลยี เช่น AI และ IoT ในการ ปรับปรุง คุณภาพชีวิต ของ ประชาชน และ เพิ่ม ประสิทธิภาพ การ บริหารจัดการ เมือง
- Industry 4.0: อุตสาหกรรม 4.0 คือ การปฏิวัติ อุตสาหกรรม ครั้งที่ 4 ที่ เน้น การ นำ เทคโนโลยี ดิจิทัล เช่น AI และ IoT มาใช้ ใน กระบวนการผลิต
ครบแล้วกับ 100 คำศัพท์ AI หวังว่าจะเป็นประโยชน์ และช่วยให้คุณเข้าใจ โลกของ AI ได้มากขึ้นนะ
