Course 0 · บทที่ 06/10 · Interactive guide
AI รอบตัวเราที่ไม่ใช่ ChatGPT
AI จำนวนมากไม่ได้คุยกับเรา แต่มันคอยจัดอันดับ จำแนก และคาดการณ์อยู่หลังปุ่มที่เราใช้ทุกวัน
- บทเรียน
- 06 / 10
- เวลา
- ประมาณ 8 นาที
- ระดับ
- เริ่มต้น · 0/5
- วิชาก่อนหน้า
- บทที่ 05 · AI เรียนจากตัวอย่างยังไง
01 · เริ่มจากสิ่งใกล้ตัว
AI ไม่จำเป็นต้องมีช่องแชต
เวลาแอปแผนที่บอกว่าจะถึงกี่โมง กล่องอีเมลแยกจดหมายขยะ หรือกล้องช่วยหาใบหน้า ระบบกำลังมองหารูปแบบจากสัญญาณจำนวนมาก แล้วให้ผลลัพธ์ที่เป็นประโยชน์กับงานนั้น
คาดการณ์เวลาเดินทาง
ใช้ระยะทาง ความเร็วบนถนน ช่วงเวลา และเหตุการณ์ที่ตรวจพบ เพื่อประมาณ ETA
กรองสแปม
ใช้รูปแบบข้อความ ผู้ส่ง และประวัติการรายงาน เพื่อประมาณว่าอีเมลควรอยู่กล่องไหน
02 · ลองสำรวจ
จากสัญญาณ ไปสู่สิ่งที่ระบบคาดการณ์
เลือกสถานการณ์ แล้วสังเกตสามอย่าง: ระบบรับสัญญาณอะไร ให้ผลลัพธ์อะไร และเหมาะกับกฎ, ML หรือการผสมทั้งสองแบบ
ผสมกฎ + ML
เวลาเดินทางโดยประมาณ
- สัญญาณ
- ตำแหน่ง ระยะทาง ความเร็วบนถนน และช่วงเวลา
- ผลที่คาดการณ์
- เวลาไปถึงและเส้นทางที่น่าจะเร็วกว่า
- ทำไมใช้แบบนี้
- กฎช่วยเรื่องถนนปิดและข้อห้าม ส่วน ML ช่วยประมาณเวลาจากรูปแบบการเดินทางเดิม
ปุ่มทั้งหมดใช้ Tab และ Enter/Space ได้ ผลลัพธ์เปลี่ยนจริงในกรอบด้านขวา
03 · อย่าเรียกทุกอย่างว่า AI
ระบบอัตโนมัติธรรมดาก็มีประโยชน์
กฎ
ถ้าเกิด X ให้ทำ Y
ตั้งนาฬิกาให้เปิดไฟ 18:00 น. ทำตามเงื่อนไขที่คนเขียนไว้ ไม่ต้องเรียนจากตัวอย่าง
ML
หารูปแบบจากตัวอย่าง
จัดกลุ่มรูปที่น่าจะมีคนเดียวกันจากลักษณะภาพ ผลลัพธ์เป็นการคาดการณ์และอาจผิดได้
ผสม
ใช้จุดแข็งของทั้งคู่
ระบบแจ้งธุรกรรมอาจใช้ ML หาความผิดปกติ แล้วใช้กฎกำหนดวงเงินหรือขั้นตอนยืนยัน
คำถามสั้น ๆ: ถ้าโจทย์เขียนเป็นกฎชัดเจนและต้องได้ผลเหมือนเดิมทุกครั้ง โปรแกรมธรรมดามักง่ายกว่า ตรวจสอบได้ง่ายกว่า และเหมาะกว่า AI
04 · ชั้นที่ลึกขึ้น
งานต่างกัน ใช้คำเรียกต่างกัน
ข้อแลกเปลี่ยน: การคาดการณ์ที่สะดวกอาจใช้ข้อมูลส่วนบุคคลและอาจเสื่อมเมื่อพฤติกรรมเปลี่ยน ผู้สร้างจึงต้องเลือกข้อมูลเท่าที่จำเป็น ทดสอบกลุ่มผู้ใช้ที่หลากหลาย และเปิดทางให้คนแก้ผลลัพธ์ได้
05 · จำสามเรื่องนี้
มอง AI รอบตัวให้ออก
- 1
มองหาสัญญาณและผลลัพธ์ ระบบรับอะไร แล้วกำลังจัดอันดับ จำแนก หรือคาดการณ์อะไร
- 2
AI ไม่เท่ากับระบบอัตโนมัติทุกชนิด งานที่มีกฎชัดอาจไม่ต้องใช้ ML เลย
- 3
ของจริงมักเป็นระบบผสม ML ช่วยประเมิน ส่วนกฎและคนช่วยกำหนดขอบเขตและตรวจกรณีสำคัญ
06 · เช็กความเข้าใจ
ตอบให้ครบ 3 ข้อ
1. แอปแผนที่ประมาณเวลาไปถึง ระบบกำลังทำอะไรเป็นหลัก?
เหตุผล — ETA เป็นค่าคาดการณ์จากตำแหน่ง ระยะทาง การจราจร และรูปแบบในข้อมูล จึงเปลี่ยนได้เมื่อสัญญาณเปลี่ยน
2. ตั้งให้ไฟเปิดเวลา 18:00 น. ทุกวัน จำเป็นต้องใช้ AI ไหม?
เหตุผล — “อัตโนมัติ” ไม่ได้แปลว่า “AI” เสมอ กฎคงที่ทำงานนี้ได้ชัดเจนและตรวจสอบง่าย
3. ทำไมระบบตรวจธุรกรรมจึงมักผสม ML กับกฎ?
เหตุผล — ML ช่วยจัดความเสี่ยง แต่กฎและการตรวจของคนยังจำเป็น โดยเฉพาะเมื่อผลลัพธ์กระทบผู้ใช้