Monthly Archives: July 2026

AI อ่าน PDF ภาษาไทยได้ไหม? เทียบ ChatGPT, Gemini Notebook, Gemini และ Claude ด้วยเนื้อหาเดียวกัน 3 แบบ

SHIRO ผู้ตรวจคุณภาพ AI กำลังเปรียบเทียบ PDF ภาษาไทยสามสภาพ ตั้งแต่ไฟล์คมชัดถึงภาพสแกนมีรอยพับ เพื่อค้นหาความผิดพลาดของ OCR

ChatGPT, Gemini Notebook, Gemini และ Claude อ่าน PDF ภาษาไทยได้แค่ไหน? ดูผลทดสอบ 3 รอบด้วยคำถามเดียวกัน รวม Failure Case เมื่อภาพสแกนเสื่อมคุณภาพ

Diffusion Model คืออะไร? จากการเติม Noise สู่การสร้างข้อมูลด้วยสมการความน่าจะเป็น

REN วิเคราะห์ลำดับภาพที่ค่อย ๆ เปลี่ยนเป็น Gaussian Noise และพื้นผิวความน่าจะเป็นของ Diffusion Model ในห้องทดลอง AI

เข้าใจ Diffusion Model ผ่านสมการ Forward–Reverse การเติม Gaussian Noise การทำนาย Noise และ Reverse Sampling พร้อมข้อจำกัดที่ต้องตรวจ

Machine Learning คืออะไรในงานจริง? จากโจทย์สู่โมเดลที่ตรวจสอบได้

SHIRO ตรวจสอบตัวอย่างมะม่วง โครงข่ายโมเดล การยืนยันคุณภาพ และกราฟเฝ้าระวังในวงจร Machine Learning

Machine Learning ไม่ใช่แค่การฝึกโมเดล แต่เป็นวงจรตั้งแต่กำหนดการตัดสินใจ เตรียมข้อมูล แยกชุดฝึกและทดสอบ เลือกเกณฑ์วัด ไปจนถึงดูแลระบบเมื่อโลกจริงเปลี่ยน

ยุคของ Machine Learning: เมื่อคอมพิวเตอร์เริ่มเรียนจากข้อมูล

เมื่อมนุษย์เขียนกฎให้ครอบคลุมโลกจริงไม่ไหว นักวิจัยจึงเปลี่ยนวิธีสร้าง AI จากการบอกคำตอบทีละข้อ เป็นการให้คอมพิวเตอร์เรียนรูปแบบจากข้อมูล ย้อนเส้นทางของ Machine Learning ตั้งแต่หมากฮอสของ Arthur Samuel จนถึงยุคที่ข้อมูล การวัดผล และการนำโมเดลไปใช้กลายเป็นหัวใจของระบบ AI

ยุคของ Rule-based AI: เมื่อมนุษย์สอนเครื่องจักรให้คิดด้วยกฎ

Rule-based AI คืออะไร ย้อนยุคที่มนุษย์ถ่ายทอดความรู้เป็นกฎผ่าน DENDRAL, MYCIN และ XCON พร้อมเข้าใจกลไกอนุมาน จุดแข็ง ข้อจำกัด และบทบาทใน AI ปัจจุบัน

AI คืออะไร? เข้าใจจากข้อมูลสู่ผลลัพธ์ และวิธีตรวจว่าเชื่อได้แค่ไหน

LUMI อธิบายระบบ AI ที่รับข้อมูลมะม่วงและสร้างผลลัพธ์หลายรูปแบบผ่านแกนอนุมานกลาง

เข้าใจ AI ผ่านระบบคัดแยกมะม่วง ตั้งแต่เป้าหมาย ข้อมูล การอนุมาน และผลลัพธ์ ไปจนถึงวิธีทดสอบความผิดพลาดและบทบาทของมนุษย์

แผนที่ทักษะของผู้พัฒนา AI: Roadmap จากพื้นฐานสู่ระบบใช้งานจริง

สำรวจทักษะผู้พัฒนา AI ตั้งแต่ Software Engineering ข้อมูล โมเดล และ Evaluation ไปจนถึง Deployment, MLOps และ Responsible AI

เป้าหมายการเรียนรู้ด้าน AI: แผนที่ 1,500 หัวข้อ จากพื้นฐานสู่ระบบใช้งานจริง

ทำความเข้าใจเป้าหมายของหลักสูตร AI ภาษาไทย 1,500 หัวข้อ ซึ่งแบ่งเป็น 30 เส้นทางการเรียนรู้และ 6 หมวดหลัก เรียงจากพื้นฐานสู่การสร้างและนำระบบ AI ไปใช้งานจริง