วิชาเทคโนโลยี(วิทยาการคำนวณ)
ชั้นมัธยมศึกษาปีที่ 6

          ในปี 1956 , กลุ่มของผู้เชี่ยวชาญแนวหน้าจากหลายๆวงการได้ร่วมกันทำงานวิจัยเกี่ยวกับ AI มีผู้นำทีมได้แก่ John McCarthy (Dartmouth College), Marvin Minsky (Harvard University), Nathaniel Rochester (IBM) และ Claude Shannon (Bell Telephone Laboratories) โดยมีจุดประสงค์หลักของงานวิจัย คือ  การค้นหามุมมองและหลักการต่างๆที่ใช้การเรียนรู้อย่างครอบคลุมเพื่อที่จะนำมาประยุกต์ใช้ให้เครื่องจักรสามารถเรียนรู้ได้เช่นกัน

โดยมีเนื้อหาของโครงการมีดังนี้

1.) คอมพิวเตอร์อัตโนมัติ (Automatic Computers)

2.) จะสามารถเขียนโปรเเกรมคอมพิวเตอร์โดยใช้ภาษาคอมพิวเตอร์ได้อย่างไร ( How Can a Computer Be Programmed to Use a Language?)

3.) โครงข่ายประสาทเทียม (Neural Nets )

4.) การพัฒนาด้วยตนเอง (Self-improvement )

องค์ความรู้เหล่านี้เป็นองค์ความรู้พื้นฐานที่ทำให้คอมพิวเตอร์มีความฉลาดมากขึ้น และยังทำให้ความคิดที่จะการสร้าง AI มีความเป็นไปได้มากยิ่งขึ้น

ชนิดของ AI (Type of Artificial Intelligence)  AI ถูกแบ่งออกเป็น 3 sub field  ได้แก่

1) ปัญญาประดิษฐ์ (Artificial Intelligence)

2) การเรียนรู้ของเครื่อง (Machine learning)

3) การเรียนรู้เชิงลึก (Deep Learning)

1. ปัญญาประดิษฐ์  (AI : Artificial Intelligence)  คือเครื่องจักร (machine) ที่มีฟังก์ชันทีมีความสามารถในการทำความเข้าใจ เรียนรู้องค์ความรู้ต่างๆ อาทิเช่น การรับรู้ การเรียนรู้ การให้เหตุผล และการแก้ปัญหาต่างๆ
AI ถือกำเนิดขึ้นเมื่อเครื่องจักรมีความสามารถที่จะเรียนรู้ ซึ่ง AI ก็ถูกแบ่งออกเป็นหลายระดับตามความสามารถหรือความฉลาด โดยจะวัดจากความสามารถในการ ให้เหตุผล การพูด และทัศนคติของ AI ตัวนั้นๆ เมื่อเปรียบเทียบกับมนุษย์ จำแนกเป็น 3 ระดับดังนี้

1) ปัญญาประดิษฐ์เชิงแคบ (Narrow AI) หรือ ปัญญาประดิษฐ์แบบอ่อน (Weak AI) : คือ  AI ที่มีความสามารถเฉพาะทางได้ดีกว่ามนุษย์ หรือเก่งในเรื่องเฉพาะทางนั่นเอง

2) ปัญญาประดิษฐ์ทั่วไป (General AI) : คือ AI ที่มีความสามารถระดับเดียวกับมนุษย์ สามารถทำทุกๆอย่างที่มนุษย์ทำได้และได้ประสิทธิภาพที่ใกล้เคียงกับมนุษย์

3) ปัญญาประดิษฐ์แบบเข้ม (Strong AI) : คือ AI ที่มีความสามารถเหนือมนุษย์ในหลายๆด้าน

2. การเรียนรู้ของเครื่องจักร (Machine Learning)    เป็นการทำให้เครื่องจักมีความสามารถในการเรียนรู้จากข้อมูลเช่นเดียวกับมนุษย์ เช่น โปรแกรมเล่นหมากรุก สามารถเรียนรู้และตัดสินใจเดินหมากเพื่อเอาชนะคู่ต่อสู้ได้ด้วยตนเอง

3. การเรียนรู้เชิงลึก (Deep Learning) เป็นการทำให้เครื่องจักรเรียนรู้ด้วยการคำนวณแบบหลายชั้น โดยเลียนแบบการทำงานของระบบเซลล์ประสาทในสมองมนุษย์ เช่น โครงข่ายประสาทเทียม (Artificial neural network) ที่มีชั้นการคำนวณหลายชั้น

แนวคิดด้านปัญญาประดิษฐ์

การใช้ชีวิตของมนุษย์มีความเกี่ยวข้องกับปัญญาประดิษฐ์ในหลาย ๆ ด้าน แนวโน้มที่มนุษย์จะใช้ปัญญาประดิษฐ์ช่วยทั้งในด้านการทำงาน และอำนวยความสะดวกในการใช้ชีวิตประจำวัน องค์กร AI for K-12 (www.AI4K12.org) ได้นำเสนอแนวคิดการจัดการเรียนรู้ปัญญาประดิษฐ์ในระดับขั้นพื้นฐานที่เรียกว่า แนวคิดสำคัญ 5 ประการ สำหรับปัญญาประดิษฐ์ (Five Big Ideas in AI) ในงานประชุมวิชาการของสมาคมครูด้านวิทยากรคอมพิวเตอร์ ที่ประเทศสหรัฐอเมริกา ในปี พ.ศ. 2562 ดังนี้

1. การรับรู้ (perception)
ปัญญาประดิษฐ์จะรับรู้ด้วยการมองเห็นและการได้ยินผ่านอุปกรณ์ที่ทำหน้าที่เป็นเซนเซอร์ เช่น กล้อง ไมโครโฟน หรืออุปกรณ์นำเข้าข้อมูลอื่น ๆ โดยนำเข้าไปเพื่อประมวลผล และเข้าใจสิ่งที่รับรู้ได้ด้วย

2. การแทนความรู้และการให้เหตุผล (representation and reasoning)
ปัญญาประดิษฐ์สาสมารถเก็บองค์ความรู้ในรูปแบบของตัวแทนความรู้ (knowledge representation) เช่น กฎการตัดสินใจที่สร้างมาจากองค์ความรู้ของผู้เชี่ยวชาญ และใช้ตัวแทนความรู้นี้ในการให้เหตุผลโดยการอนุมาน (inference) เป็นกระบวนการหาข้อสรุปจากองค์ความรู้ที่มีอยู่

ตัวอย่างเช่น ปัญญาประดิษฐ์มีตัวแทนความรู้ของการข้ามถนน (คู่มือการข้ามถนน) เมื่อมีการรับข้อมูลนำเข้ามา ปัญญาประดิษฐ์ จะไปตรวจสอบว่าข้อมูลนำเข้าตรงกับตัวแทนความรู้ใด (สถานการณ์ตรงกับกฎการข้ามถนนข้อใดในคู่มือ) จากนั้นจึงตัดสินใจว่าจะข้ามถนนหรือไม่ข้ามถนน

3. การเรียนรู้ (learning)
ปัญญาประดิษฐ์ที่ใช้อัลกอริทึมการเรียนรู้ของเครื่อง (machine learning) จะเรียนรู้จากข้อมูลขนาดใหญ่ (big data) โดยสร้างโมเดล (model) จากข้อมูลฝึกสอน (training data) ที่มนุษย์นำเข้าไป หรือเป็นข้อมูลจากเครื่องจักรที่สร้างข้อมูลฝึกสอนเองได้ 

ตัวอย่างเช่น การพัฒนาตัวแบบปัญญาประดิษฐ์เพื่อใช้จำแนกเพศจากรูปภาพใบหน้าคน โดยอาศัยข้อมูลฝึกสอนที่เป็นรูปใบหน้าคนเพศชาย-หญิง จำนวนมาก ๆ

4. การปฏิสัมพันธ์อย่างเป็นธรรมชาติ (natural interaction)
ปัญญาประดิษฐ์จะต้องเข้าใจปฏิสัมพันธ์ระหว่างมนุษย์กับมนุษย์ก่อน 

ตัวอย่างเช่น การพูดคุยกันระหว่างมนุษย์ จึงจะทำให้ปัญญาประดิษฐ์สามารถเลียนแบบมนุษย์ได้อย่างเป็นธรรมชาติ

5. ผลกระทบทางสังคม (social impact)
การใช้งานปัญญาประดิษฐ์จะต้องคำนึงถึงจริยธรรม (ethics) และความปลอดภัย (security) และความเป็นส่วนตัว (privacy) เนื่องจากปัญญาประดิษฐ์สามารถตัดสินใจหรือกระทำสิ่งอาจส่งผลกระทบต่อมนุษย์ได้ 

นวัตกรรมที่ใช้ปัญญาประดิษฐ์

การแปลงเสียงพูดให้เป็นข้อความ (speech to text)

             ถูกนำมาใช้ในการนำข้อมูลเข้าด้วยเสียงพูดแทนการพิมพ์ข้อความด้วยคีย์บอร์ด นวัตกรรมนี้ใช้ระบบรู้จำเสียงพูด (speech recognition system) ที่เรียนรู้การเปลี่ยนแปลงเสียงพูดให้เป็นข้อความจากข้อมูลนำเข้า คือ คลิปเสียงพูด (speech) และข้อมูลส่งออกคือ ข้อความที่ถอดมาจากคลิปเสียงนั้น ซึ่งหลายคนอาจเคยใช้ระบบรู้จำเสียงพูดที่มากับแอพพลิเคชันของสมาร์ทโฟน เช่น voice typing

เครื่องแปลภาษา (machine translation)

       เป็นโปรแกรมที่ใช้สำหรับแปลภาษาของมนุษย์จากภาษาหนึ่งไปเป็นอีกภาษาหนึ่ง  เช่น แปลภาษาอังกฤษไปเป็นภาษาไทย โดยระบบจะเรียนรู้การแปลภาษาจากข้อมูลจำนวนมาก จนกระทั่งสามารถแปลภาษาได้อย่างถูกต้อง เช่น google translate

การระบุตัวตนด้วยใบหน้า (facial identification)

             การระบุตัวตนด้วยใบหน้า เป็นการระบุว่า ภาพใบหน้าที่พิจารณาเป็นบุคคลใด โดยใช้ระบบรู้จำใบหน้า (Facial recognition system) ซึ่งเป็นโปรแกรมที่ใช้สำหรับวิเคราะห์ภาพใบหน้าของบุคคลแล้วบอกว่าภาพใบหน้านั้นเป็นของบุคคลใด โดยผ่านการเรียนรู้จากใบหน้าของบุคคลได้อย่างแม่นยำ เช่น การปลดล็อกด้วยใบหน้าของสมาร์ทโฟน การเปรียบเทียบใบหน้าผู้ต้องสงสัยกับภาพจากกล้องวงจรปิด การแท็ก(tag)ชื่อคนจากใบหน้าคนที่อยู่ในภาพ

รถยนต์ขับเคลื่อนอัตโนมัติ (self-driving car)

             เป็นรถยนต์ที่สามารถขับเคลื่อนได้เองโดยไม่จำเป็นต้องมีคนขับ แต่จำเป็นต้องม่ปัญญาประดิษฐ์สำหรับขับเคลื่อนรถ ซึ่งจะรับข้อมูลนำเข้าจากเซนเซอร์ เช่น กล้อง เรดาร์(radar) และไลดาร์(lidar) และมีข้อมูลส่งออก คือ การกระทำเพื่อควบคุมรถยนต์ เช่น เลี้ยวซ้าย เลี้ยวขวา เพิ่มความเร็ว ลดความเร็ว หรือหยุดรถ โดยโปรแกรมจะเรียนรู้การขับเคลื่อนรถยนต์จากข้อมูลจำนวนมากจนกระทั่งรถยนต์สามารถขับเคลื่อนได้เองอย่างปลอดภัย