Category Archives: ระดับเริ่มต้น

เส้นทางระดับเริ่มต้นสำหรับทำความเข้าใจพื้นฐาน AI การเลือกเครื่องมือ Prompt พื้นฐาน การตรวจคำตอบ และการใช้อย่างปลอดภัย

บทบาทของมนุษย์ในระบบ AI: ใครกำหนด ใครตรวจ และใครรับผิดชอบ

TERRA แสดงบทบาทของมนุษย์รอบระบบ AI ตั้งแต่ตั้งเป้าหมายถึงช่วยผู้ได้รับผลกระทบ

มนุษย์ไม่ได้มีหน้าที่เพียงกดใช้ AI บทเรียนนี้พาแกะระบบคัดกรองทุนตั้งแต่คนกำหนดเป้าหมาย เลือกข้อมูล ตรวจผล ช่วยผู้ได้รับผลกระทบ ไปจนถึงรับผิดชอบและหยุดระบบ

บทบาทของการประมวลผลในระบบ AI: เส้นทางจากข้อมูลดิบสู่ผลลัพธ์

SHIRO ตรวจสายงานประมวลผล AI ตั้งแต่ข้อมูลดิบผ่านการแปลงจนเป็นผลลัพธ์

การประมวลผลในระบบ AI ไม่ได้เกิดเฉพาะในโมเดล บทเรียนนี้พาแกะระบบอ่านใบเสร็จตั้งแต่รับภาพ ตรวจคุณภาพ เตรียมข้อมูล เรียกโมเดล ใช้กฎ ไปจนถึงติดตามและกู้คืนเมื่อผลผิด

บทบาทของโมเดลในระบบ AI: กลไกที่แปลงข้อมูลเป็นผลลัพธ์

MIRA อธิบายโมเดล AI ที่รับอินพุตและแปลงเป็นผลลัพธ์หลายรูปแบบ

โมเดลคือกลไกที่เรียนรูปแบบจากข้อมูลและแปลงอินพุตเป็นผลลัพธ์ แต่การตัดสินใจจริงยังขึ้นกับข้อมูล เกณฑ์ กฎ อินเทอร์เฟซ และมนุษย์ บทเรียนนี้พาแกะระบบกรองสแปมตั้งแต่ต้นจนจบ

บทบาทของข้อมูลในระบบ AI: สิ่งที่ระบบเห็น เรียน และใช้ตัดสินใจ

MIRA ตรวจสอบเส้นทางข้อมูลจากแหล่งต่าง ๆ ผ่านการเตรียม ป้ายกำกับ โมเดล และการติดตามผล

ข้อมูลไม่ใช่เชื้อเพลิงที่ยิ่งมากยิ่งดี แต่เป็นหลักฐานที่กำหนดสิ่งซึ่ง AI มองเห็น เรียนรู้ ประเมิน และเปลี่ยนแปลง บทเรียนนี้พาแยกบทบาทตลอดวงจร

วงจรชีวิตของโครงการ AI: จากโจทย์แรกจนถึงการติดตามและเลิกใช้งาน

SOLA ประสานวงจรโครงการ AI ตั้งแต่โจทย์ ข้อมูล การพัฒนา ทดสอบ Deploy ติดตาม และเลิกใช้

Deploy ไม่ใช่เส้นชัย บทเรียนนี้พาเดินครบวงจรโครงการ AI ผ่านกรณี Campus Help พร้อมประตูอนุมัติ เจ้าของงาน แบบฝึก และทางหยุดที่ตรวจสอบได้

องค์ประกอบของระบบ AI มีอะไรบ้าง? จากข้อมูลและโมเดลถึงคนที่รับผิดชอบ

SHIRO ตรวจสอบองค์ประกอบระบบ AI ตั้งแต่ข้อมูล โมเดล การประเมิน ไปจนถึงการติดตามผล

ระบบ AI ไม่ได้มีแค่โมเดล บทเรียนนี้พาเปิดดูเป้าหมาย ข้อมูล กฎ ซอฟต์แวร์ คน การประเมิน Monitoring และทางหยุดผ่านกรณี Campus Help

Discriminative Model และ Generative Model ต่างกันอย่างไร? เส้นแบ่งกับภาพรวมข้อมูล

REN เปรียบเทียบเส้นแบ่งข้อมูลของ Discriminative Model กับกลุ่มการกระจายของ Generative Model

Discriminative Model เรียนความสัมพันธ์จากข้อมูลไปคำตอบ ส่วน Generative Model เรียนการกระจายของข้อมูล บทเรียนนี้อธิบาย P(y|x), P(x,y), กลไก จุดพลาด และการเลือกใช้ผ่านกรณี FruitLine

Predictive AI และ Generative AI ต่างกันอย่างไร? ทำนายอนาคตกับสร้างสิ่งใหม่

REN เปรียบเทียบระบบทำนายผลลัพธ์กับระบบสร้างข้อความ ภาพ เสียง และโค้ด

Predictive AI ประมาณค่า หมวดหมู่ หรือความน่าจะเป็น ส่วน Generative AI สร้างเนื้อหาจากรูปแบบที่เรียนรู้ บทเรียนนี้พาแยกกลไก หลักฐาน Metric และความเสี่ยงผ่านกรณี Campus Guide

Narrow AI และ General AI ต่างกันอย่างไร? จากผู้เชี่ยวชาญงานเดียวสู่ความสามารถทั่วไป

AIKO เปรียบเทียบเครื่องมือ AI เฉพาะทางหลายชนิดกับแนวคิดระบบความสามารถทั่วไปที่ยังอยู่ระหว่างการวิจัย

Narrow AI เก่งในขอบเขตที่กำหนด ส่วน General AI เป็นเป้าหมายของระบบที่ถ่ายโอนความรู้ เรียนงานใหม่ และปรับตัวข้ามบริบทได้ บทเรียนนี้ช่วยแยกคำโฆษณาออกจากหลักฐานด้วยกรณีศึกษา แบบฝึก และแบบทดสอบ

AI, Machine Learning และ Deep Learning ต่างกันอย่างไร? เข้าใจด้วยสามวงที่ซ้อนกัน

REN วิเคราะห์แผนภาพสามวงซ้อนที่แสดง AI ครอบคลุม Machine Learning และ Deep Learning

AI คือขอบเขตใหญ่ของระบบที่อนุมานเพื่อสร้างผลลัพธ์ Machine Learning คือวิธีให้ระบบเรียนจากข้อมูล และ Deep Learning คือกลุ่มวิธี ML ที่ใช้โครงข่ายหลายชั้น บทเรียนนี้พาแยกสามคำผ่านระบบคัดกรองอีเมลเดียว ตั้งแต่กลไก ความผิดพลาด ไปจนถึงวิธีเลือกคำให้ตรงกับงาน