Otani AI Logo AICI Logo
หน้าแรก ประโยชน์ของ AI รายงานฟรี ราคา ข่าว AI คำถามที่พบบ่อย ติดต่อ ศัพท์

AI Jargon Buster

ไขความกระจ่างเกี่ยวกับศัพท์เทคนิคปัญญาประดิษฐ์ด้วยอภิธานศัพท์ที่ครอบคลุมของเรา ตั้งแต่การเรียนรู้ของเครื่องไปจนถึงโครงข่ายประสาทเทียม เราจะอธิบายแนวคิด AI ที่ซับซ้อนให้เข้าใจง่าย

การจัดแนว (Alignment) (Alignment)

Alignment
กระบวนการเพื่อให้แน่ใจว่าวัตถุประสงค์ ผลลัพธ์ และพฤติกรรมของระบบ AI สอดคล้องกับเป้าหมายและค่านิยมของมนุษย์ สิ่งนี้มีความสำคัญอย่างยิ่งในระบบขั้นสูงที่อาจพัฒนาพฤติกรรมที่ไม่ได้ตั้งใจไว้โดยเฉพาะ
ตัวอย่าง: การทำให้แน่ใจว่าแชทบอทเพื่อสุขภาพจิตจะไม่แนะนำการกระทำที่เป็นอันตรายไม่ว่าจะได้รับคำสั่งใดก็ตาม

Application Programming Interface (API) (Application Programming Interface (API))

Application Programming Interface (API)
ชุดของกฎและโปรโตคอลที่กำหนดไว้ ซึ่งช่วยให้ระบบซอฟต์แวร์ที่แตกต่างกันสามารถสื่อสารและแลกเปลี่ยนข้อมูลได้
ตัวอย่าง: การใช้ API ของ OpenAI เพื่อส่งคำสั่งและรับการตอบสนองที่สร้างโดยโมเดลภาษาในเว็บแอปของคุณ

ปัญญาประดิษฐ์ทั่วไป (AGI) (Artificial General Intelligence (AGI))

Artificial General Intelligence (AGI)
รูปแบบของ AI ในทางทฤษฎีที่สามารถทำงานด้านสติปัญญาใดๆ ที่มนุษย์สามารถทำได้ มันสามารถเรียนรู้ข้ามโดเมนได้
ตัวอย่าง: ระบบ AGI สามารถเรียนรู้การแต่งเพลง, ทำการผ่าตัด และสอบผ่านวิชาปรัชญาได้โดยไม่ต้องตั้งโปรแกรมเฉพาะสำหรับงาน

ปัญญาประดิษฐ์ (AI) (Artificial Intelligence (AI))

Artificial Intelligence (AI)
การจำลองสติปัญญาของมนุษย์ในเครื่องจักรที่ถูกตั้งโปรแกรมให้คิด, ให้เหตุผล และดำเนินการโดยอัตโนมัติ
ตัวอย่าง: AI ขับเคลื่อนผู้ช่วยส่วนตัวเช่น Siri และระบบขับขี่อัตโนมัติเช่น Tesla Autopilot

จริยธรรม AI (AI Ethics) (AI Ethics)

AI Ethics
สาขาวิชาที่เกี่ยวข้องกับนัยยะทางศีลธรรมของการพัฒนาและการใช้ AI รวมถึงความเป็นธรรม, ความเป็นส่วนตัว, ความรับผิดชอบ และการไม่เลือกปฏิบัติ
ตัวอย่าง: การสร้างแนวทางเพื่อป้องกันอัลกอริทึมการจ้างงานจากการเลือกปฏิบัติตามเพศหรือชาติพันธุ์

ปัญญาเสริม (Augmented Intelligence) (Augmented Intelligence)

Augmented Intelligence
โมเดลการทำงานร่วมกันที่ AI เสริมและเพิ่มพูนสติปัญญาของมนุษย์ แทนที่จะแทนที่
ตัวอย่าง: เครื่องมือรังสีวิทยาที่ขับเคลื่อนด้วย AI ซึ่งเน้นความผิดปกติสำหรับแพทย์ ซึ่งเป็นผู้ทำการวินิจฉัยขั้นสุดท้าย

ตัวแทนอิสระ (Autonomous Agent) (Autonomous Agent)

Autonomous Agent
ระบบ AI ที่สามารถตัดสินใจและดำเนินการเพื่อให้บรรลุเป้าหมายได้โดยไม่ต้องมีการแทรกแซงจากมนุษย์
ตัวอย่าง: หุ่นยนต์ส่งของอัตโนมัติที่นำทางไปตามถนนในเมืองและหลีกเลี่ยงสิ่งกีดขวางได้อย่างอิสระ

Backpropagation (Backpropagation)

Backpropagation
เทคนิคสำหรับการฝึกโครงข่ายประสาทเทียมโดยการปรับปรุงน้ำหนักย้อนกลับจากเลเยอร์เอาต์พุตไปยังเลเยอร์อินพุต เพื่อลดข้อผิดพลาดในการทำนาย
ตัวอย่าง: ใช้ในการฝึกตัวจำแนกรูปภาพเพื่อลดอัตราข้อผิดพลาดในการจดจำตัวเลขที่เขียนด้วยลายมือ

ความเอนเอียง (ความเอนเอียงของอัลกอริทึม) (Bias (Algorithmic Bias))

Bias (Algorithmic Bias)
การสนับสนุนโดยไม่ได้ตั้งใจและเป็นระบบในผลลัพธ์ของ AI อันเนื่องมาจากข้อมูลการฝึกที่ไม่สมดุลหรือไม่เป็นตัวแทน
ตัวอย่าง: ระบบจดจำใบหน้าที่ระบุตัวตนคนผิวสีผิดพลาดบ่อยขึ้นเนื่องจากการเป็นตัวแทนที่น้อยเกินไปในข้อมูลการฝึก

ข้อมูลขนาดใหญ่ (Big Data) (Big Data)

Big Data
ชุดข้อมูลขนาดใหญ่มากที่ต้องใช้เครื่องมือพิเศษในการจัดเก็บ วิเคราะห์ และดึงคุณค่าออกมา ซึ่งมักใช้ในการฝึกโมเดล AI
ตัวอย่าง: การใช้การโต้ตอบของผู้ใช้หลายล้านครั้งเพื่อฝึกเครื่องมือแนะนำสำหรับแพลตฟอร์มอีคอมเมิร์ซ

โมเดลกล่องดำ (Black Box Model) (Black Box Model)

Black Box Model
ประเภทของโมเดล AI หรือการเรียนรู้ของเครื่องที่ตรรกะภายในไม่สามารถตีความได้ง่ายโดยมนุษย์ ทำให้ยากที่จะเข้าใจว่าการตัดสินใจเกิดขึ้นได้อย่างไร
ตัวอย่าง: โครงข่ายประสาทเทียมเชิงลึกที่ใช้ในการอนุมัติสินเชื่อ แต่ไม่มีคำอธิบายที่ชัดเจนว่าเหตุใดผู้สมัครคนหนึ่งจึงได้รับการยอมรับและอีกคนหนึ่งถูกปฏิเสธ

การประมวลผลทางปัญญา (Cognitive Computing) (Cognitive Computing)

Cognitive Computing
ระบบ AI ที่ออกแบบมาเพื่อจำลองกระบวนการคิดของมนุษย์ เช่น การให้เหตุผลและการเรียนรู้ โดยใช้เทคนิคต่างๆ เช่น NLP และการจดจำรูปแบบ
ตัวอย่าง: ระบบการประมวลผลทางปัญญาที่ช่วยผู้เชี่ยวชาญด้านกฎหมายในการวิเคราะห์กฎหมายคดีและคาดการณ์ผลลัพธ์

คอมพิวเตอร์วิทัศน์ (Computer Vision) (Computer Vision)

Computer Vision
สาขาหนึ่งของปัญญาประดิษฐ์ที่ช่วยให้คอมพิวเตอร์สามารถตีความและประมวลผลข้อมูลภาพ เช่น รูปภาพและวิดีโอได้
ตัวอย่าง: ระบบจดจำใบหน้าที่ระบุตัวบุคคลในฟุตเทจรักษาความปลอดภัยโดยใช้คอมพิวเตอร์วิทัศน์

คลังข้อมูล (Corpus) (Corpus)

Corpus
ชุดข้อความที่เขียนหรือพูดจำนวนมากที่ใช้ในการฝึกโมเดลภาษา
ตัวอย่าง: ชุดข้อมูล Common Crawl เป็นคลังข้อมูลเว็บสาธารณะที่ใช้ในการฝึกโมเดลภาษาขนาดใหญ่เช่น GPT

Data Drift (Data Drift)

Data Drift
ปรากฏการณ์ที่ข้อมูลอินพุตเปลี่ยนแปลงไปตามกาลเวลา ทำให้ประสิทธิภาพของโมเดลเสื่อมลง
ตัวอย่าง: โมเดลการบำรุงรักษาเชิงคาดการณ์สำหรับอุปกรณ์อุตสาหกรรมมีความแม่นยำน้อยลงเมื่อมีการนำเทคโนโลยีเซ็นเซอร์ใหม่มาใช้

การติดป้ายข้อมูล (Data Labelling) (Data Labelling)

Data Labelling
กระบวนการใส่คำอธิบายประกอบข้อมูลด้วยแท็กหรือป้ายกำกับเพื่อให้เหมาะสมกับการเรียนรู้แบบมีผู้สอน
ตัวอย่าง: การติดป้ายกำกับรูปภาพเนื้องอกหลายพันภาพว่าเป็นเนื้องอกชนิดไม่ร้ายแรงหรือร้ายแรงเพื่อฝึกโมเดลตรวจหามะเร็ง

การทำเหมืองข้อมูล (Data Mining) (Data Mining)

Data Mining
กระบวนการค้นหารูปแบบ, ความสัมพันธ์ และความผิดปกติที่มีความหมายในชุดข้อมูลขนาดใหญ่
ตัวอย่าง: ผู้ค้าปลีกใช้การทำเหมืองข้อมูลเพื่อระบุว่าผู้ที่ซื้อผ้าอ้อมมักจะซื้อเบียร์ด้วย

การเรียนรู้เชิงลึก (Deep Learning) (Deep Learning)

Deep Learning
สาขาย่อยของการเรียนรู้ของเครื่องที่ใช้โครงข่ายประสาทเทียมหลายชั้นเพื่อสร้างแบบจำลองรูปแบบที่ซับซ้อนในข้อมูล
ตัวอย่าง: การเรียนรู้เชิงลึกใช้ในโมเดลภาษาเช่น GPT-4 และโมเดลสร้างรูปภาพเช่น Stable Diffusion

โมเดลการแพร่กระจาย (Diffusion Models) (Diffusion Models)

Diffusion Models
กลุ่มของโมเดลสร้างที่เรียนรู้ที่จะสร้างข้อมูลโดยการแปลงสัญญาณรบกวนแบบสุ่มให้เป็นผลลัพธ์ที่มีโครงสร้างอย่างค่อยเป็นค่อยไป
ตัวอย่าง: Stable Diffusion สร้างรูปภาพที่เหมือนจริงจากคำสั่งข้อความโดยใช้เทคนิคการแพร่กระจาย

การฝัง (Embedding) (Embedding)

Embedding
การแสดงข้อมูลในรูปแบบเวกเตอร์เชิงตัวเลข ซึ่งมักใช้เพื่อจับความหมายเชิงความหมายของคำ, รูปภาพ หรือประโยค
ตัวอย่าง: ใน NLP คำว่า 'bank' อาจมีการฝังที่คล้ายกับ 'money' แต่แตกต่างจาก 'riverbank' ขึ้นอยู่กับบริบท

Epoch (Epoch)

Epoch
การวนซ้ำเต็มรูปแบบผ่านชุดข้อมูลการฝึกทั้งหมดในระหว่างกระบวนการฝึกโมเดลการเรียนรู้ของเครื่อง
ตัวอย่าง: หากชุดข้อมูลมี 1,000 ตัวอย่าง และโมเดลเห็นทั้งหมดหนึ่งครั้งระหว่างการฝึก นั่นคือหนึ่ง epoch

AI ที่มีจริยธรรม (Ethical AI) (Ethical AI)

Ethical AI
ปรัชญาการออกแบบและการใช้งานที่ทำให้แน่ใจว่าเทคโนโลยี AI ดำเนินการอย่างโปร่งใส, ยุติธรรม และสอดคล้องกับค่านิยมของสังคม
ตัวอย่าง: เครื่องมือการจ้างงาน AI ที่รวมการตรวจสอบความเอนเอียงเพื่อป้องกันการเลือกปฏิบัติต่อผู้สมัครที่เป็นชนกลุ่มน้อย

ระบบผู้เชี่ยวชาญ (Expert System) (Expert System)

Expert System
ระบบ AI ที่เลียนแบบความสามารถในการตัดสินใจของผู้เชี่ยวชาญของมนุษย์ในโดเมนเฉพาะ โดยใช้กฎและตรรกะ
ตัวอย่าง: ระบบผู้เชี่ยวชาญที่ใช้ในการเกษตรเพื่อแนะนำการรักษาพืชผลตามข้อมูลดินและประวัติศัตรูพืช

AI ที่อธิบายได้ (Explainable AI - XAI) (Explainable AI (XAI))

Explainable AI (XAI)
ระบบ AI ที่ออกแบบมาเพื่อให้กระบวนการภายในและการตัดสินใจสามารถเข้าใจได้โดยมนุษย์ เพิ่มความไว้วางใจและความรับผิดชอบ
ตัวอย่าง: AI วินิจฉัยทางการแพทย์ที่ไม่เพียงแต่ให้คำแนะนำ แต่ยังอธิบายด้วยว่าอาการใดที่นำไปสู่ข้อสรุปนั้น

การเรียนรู้แบบ Few-shot (Few-shot Learning) (Few-shot Learning)

Few-shot Learning
วิธีการเรียนรู้ของเครื่องที่โมเดลได้รับการฝึกหรือปรับละเอียดโดยใช้ตัวอย่างที่มีป้ายกำกับเพียงไม่กี่ตัวอย่าง
ตัวอย่าง: การปรับแต่ง LLM ให้เขียนอีเมลทางกฎหมายหลังจากแสดงตัวอย่างเพียง 10 ตัวอย่าง

การปรับละเอียด (Fine-tuning) (Fine-tuning)

Fine-tuning
กระบวนการนำโมเดลที่ฝึกไว้ล่วงหน้ามาฝึกเพิ่มเติมบนชุดข้อมูลใหม่ที่เล็กกว่า เพื่อให้เชี่ยวชาญสำหรับงานเฉพาะ
ตัวอย่าง: การปรับละเอียด LLM ทั่วไปเช่น GPT บนเอกสารภายในองค์กรเพื่อสร้างผู้ช่วยร่างเอกสารทางกฎหมาย

โมเดลพื้นฐาน (Foundation Model) (Foundation Model)

Foundation Model
โมเดลขนาดใหญ่ที่ฝึกบนข้อมูลที่หลากหลายและกว้างขวาง ซึ่งสามารถปรับให้เข้ากับงานปลายทางได้หลายอย่าง
ตัวอย่าง: GPT-4 และ PaLM 2 เป็นโมเดลพื้นฐานที่สามารถสรุป, ตอบคำถาม, แปลภาษา และอื่นๆ ได้

ตรรกะฟัซซี (Fuzzy Logic) (Fuzzy Logic)

Fuzzy Logic
รูปแบบของตรรกะที่จัดการกับค่าประมาณแทนที่จะเป็นตรรกะแบบจริง/เท็จ (ไบนารี) ที่ตายตัว ซึ่งมีประโยชน์สำหรับการให้เหตุผลภายใต้ความไม่แน่นอน
ตัวอย่าง: ใช้ในระบบควบคุมสภาพอากาศเพื่อปรับอุณหภูมิโดยอิงจากอินพุตแบบฟัซซีเช่น 'ร้อนเล็กน้อย' หรือ 'หนาวมาก'

Generative Adversarial Network (GAN) (Generative Adversarial Network (GAN))

Generative Adversarial Network (GAN)
สถาปัตยกรรมโมเดลสร้างที่เครือข่ายสองเครือข่าย—ตัวสร้างและตัวแยกแยะ—แข่งขันกันเพื่อปรับปรุงคุณภาพของผลลัพธ์
ตัวอย่าง: GAN ใช้ในการสร้างวิดีโอ deepfake หรือสร้างรูปภาพผลิตภัณฑ์ที่เหมือนจริงจากภาพร่าง

Generative AI (Generative AI)

Generative AI
ประเภทของปัญญาประดิษฐ์ที่สามารถสร้างเนื้อหาใหม่—เช่น ข้อความ, รูปภาพ, เพลง หรือวิดีโอ—จากข้อมูลการฝึก
ตัวอย่าง: ChatGPT สร้างโพสต์บล็อก หรือ Midjourney สร้างงานศิลปะดิจิทัลจากคำสั่งข้อความ

Generative Pre-trained Transformer (GPT) (Generative Pre-trained Transformer (GPT))

Generative Pre-trained Transformer (GPT)
กลุ่มของโมเดลภาษาขนาดใหญ่ที่พัฒนาโดย OpenAI ซึ่งใช้สถาปัตยกรรม Transformer และได้รับการฝึกเบื้องต้นบนข้อมูลข้อความจำนวนมหาศาลเพื่อทำงานภาษาต่างๆ
ตัวอย่าง: GPT-4 สามารถเขียนเรียงความ, แปลภาษา และสรุปเอกสารได้ด้วยคำสั่งเพียงเล็กน้อย

อัลกอริทึมพันธุกรรม (Genetic Algorithm) (Genetic Algorithm)

Genetic Algorithm
เทคนิคการเพิ่มประสิทธิภาพที่ได้รับแรงบันดาลใจจากการคัดเลือกโดยธรรมชาติ ซึ่งโซลูชันจะวิวัฒนาการไปตามกาลเวลาผ่านการกลายพันธุ์, การผสมข้าม และการคัดเลือก
ตัวอย่าง: ใช้ในการออกแบบสถาปัตยกรรมโครงข่ายประสาทเทียมที่มีประสิทธิภาพโดยการจำลองการอยู่รอดของผู้ที่เหมาะสมที่สุด

การหลอน (Hallucination) (Hallucination)

Hallucination
การสร้างเนื้อหาที่ฟังดูสมเหตุสมผลแต่ไม่ถูกต้องตามข้อเท็จจริงหรือไร้สาระโดยโมเดล AI
ตัวอย่าง: โมเดลภาษาประดิษฐ์การอ้างอิงที่ไม่มีอยู่จริงหรือให้ข้อเท็จจริงทางประวัติศาสตร์ที่เป็นเท็จ

Heuristic (Heuristic)

Heuristic
แนวทางปฏิบัติในการแก้ปัญหาที่ไม่รับประกันผลลัพธ์ที่สมบูรณ์แบบ แต่เพียงพอสำหรับเป้าหมายในทันที
ตัวอย่าง: การใช้กฎทั่วไปเพื่อประมาณเวลาจัดส่งในระบบ AI ด้านโลจิสติกส์

Hyperparameter (Hyperparameter)

Hyperparameter
ค่าการกำหนดค่าที่ตั้งไว้ก่อนการฝึกโมเดลการเรียนรู้ของเครื่อง เช่น อัตราการเรียนรู้หรือจำนวนเลเยอร์
ตัวอย่าง: การปรับขนาดแบทช์จาก 32 เป็น 128 เพื่อปรับปรุงความเร็วในการฝึกและประสิทธิภาพของโมเดล

การอนุมาน (Inference) (Inference)

Inference
กระบวนการใช้โมเดลการเรียนรู้ของเครื่องที่ฝึกแล้วเพื่อทำการคาดการณ์หรือสร้างผลลัพธ์จากข้อมูลอินพุตใหม่
ตัวอย่าง: การใช้โมเดล GPT ที่ปรับละเอียดเพื่อร่างอีเมลสำหรับทีมสนับสนุนลูกค้า

การตรวจจับเจตนา (Intent Detection) (Intent Detection)

Intent Detection
งานในการทำความเข้าใจภาษาธรรมชาติที่ระบบระบุเป้าหมายหรือวัตถุประสงค์ของผู้ใช้ในข้อความ
ตัวอย่าง: ในแชทบอท การรับรู้ 'ฉันต้องการจองเที่ยวบิน' เป็นเจตนาการจองการเดินทาง

Internet of Things (IoT) (Internet of Things (IoT))

Internet of Things (IoT)
เครือข่ายของอุปกรณ์ทางกายภาพที่เชื่อมต่อกันซึ่งฝังเซ็นเซอร์, ซอฟต์แวร์ และเทคโนโลยีอื่นๆ เพื่อรวบรวมและแลกเปลี่ยนข้อมูล
ตัวอย่าง: เทอร์โมสตัทอัจฉริยะและตู้เย็นที่รายงานข้อมูลการใช้งานและปรับการตั้งค่าโดยใช้การวิเคราะห์ AI

การตีความ (Interpretability) (Interpretability)

Interpretability
ระดับที่มนุษย์สามารถเข้าใจกลไกภายในของโมเดลการเรียนรู้ของเครื่องและกระบวนการตัดสินใจของมัน
ตัวอย่าง: ต้นไม้ตัดสินใจสามารถตีความได้มากกว่าโครงข่ายประสาทเทียมเชิงลึก เนื่องจากสามารถติดตามการตัดสินใจได้

Jupyter Notebook (Jupyter Notebook)

Jupyter Notebook
สภาพแวดล้อมการคำนวณแบบโต้ตอบแบบโอเพนซอร์สที่ช่วยให้ผู้ใช้สามารถเขียนโค้ด, แสดงผลลัพธ์ และจัดทำเอกสารการวิเคราะห์ในอินเทอร์เฟซเดียว
ตัวอย่าง: นักวิทยาศาสตร์ข้อมูลใช้ Jupyter Notebooks เพื่อสร้างต้นแบบโมเดลการเรียนรู้ของเครื่องและแบ่งปันผลลัพธ์

K-Nearest Neighbours (KNN) (K-Nearest Neighbours (KNN))

K-Nearest Neighbours (KNN)
อัลกอริทึมการเรียนรู้ของเครื่องแบบง่ายๆ ที่ไม่ใช่พารามิเตอร์ ซึ่งใช้สำหรับการจำแนกประเภทและการถดถอย มันทำการตัดสินใจโดยอิงจากตัวอย่างการฝึกที่ใกล้ที่สุดในพื้นที่คุณลักษณะ
ตัวอย่าง: ในการจำแนกผลไม้ใหม่ว่าเป็นแอปเปิ้ลหรือลูกแพร์ KNN จะตรวจสอบว่าผลไม้ที่มีป้ายกำกับใดที่ใกล้เคียงที่สุดในด้านรูปร่างและสี

กราฟความรู้ (Knowledge Graph) (Knowledge Graph)

Knowledge Graph
โครงสร้างข้อมูลที่ใช้โหนดและเส้นเชื่อมเพื่อแสดงและจัดเก็บคำอธิบายที่เชื่อมโยงกันของเอนทิตีและความสัมพันธ์
ตัวอย่าง: แผงความรู้ของ Google ขับเคลื่อนด้วยกราฟความรู้ที่เชื่อมโยงเอนทิตีต่างๆ เช่น ผู้คน สถานที่ และเหตุการณ์

การเพิ่มประสิทธิภาพโมเดลภาษา (LLMO) (Language Learning Model Optimisation (LLMO))

Language Learning Model Optimisation (LLMO)
เทคนิคที่ใช้ในการปรับปรุงประสิทธิภาพ, ประสิทธิผล หรือความสามารถในการปรับตัวของโมเดลภาษาขนาดใหญ่สำหรับงานหรือโดเมนเฉพาะ
ตัวอย่าง: การใช้ quantisation และ instruction tuning เพื่อเพิ่มประสิทธิภาพ LLM สำหรับการใช้งานในองค์กร

Large Language Model (LLM) (Large Language Model (LLM))

Large Language Model (LLM)
ประเภทของโมเดลการเรียนรู้เชิงลึกที่ฝึกบนข้อมูลข้อความจำนวนมหาศาล ซึ่งสามารถสร้าง, ทำความเข้าใจ และให้เหตุผลกับภาษามนุษย์ได้
ตัวอย่าง: ChatGPT และ Claude เป็น LLM ที่ฝึกมาเพื่อช่วยในการเขียน, การเขียนโค้ด และการตอบคำถาม

Latent Space (Latent Space)

Latent Space
การแสดงข้อมูลเชิงนามธรรมที่มีมิติสูง ซึ่งข้อมูลอินพุตที่คล้ายกันจะถูกจัดกลุ่มไว้ใกล้กัน ใช้ในโมเดลสร้างและ embeddings
ตัวอย่าง: ในการสร้างรูปภาพ การจัดการ latent space สามารถเปลี่ยนแปลงคุณลักษณะต่างๆ เช่น ความสว่างหรืออารมณ์

อัตราการเรียนรู้ (Learning Rate) (Learning Rate)

Learning Rate
ไฮเปอร์พารามิเตอร์ที่สำคัญในการฝึก ซึ่งควบคุมว่าน้ำหนักของโมเดลจะถูกปรับเปลี่ยนมากน้อยเพียงใดเมื่อเทียบกับความชันของความสูญเสีย
ตัวอย่าง: อัตราการเรียนรู้ที่สูงอาจนำไปสู่การข้ามจุดต่ำสุด ในขณะที่อัตราที่ต่ำเกินไปจะทำให้ความคืบหน้าในการฝึกช้าลง

Machine Learning (ML) (Machine Learning (ML))

Machine Learning (ML)
สาขาหนึ่งของ AI ที่ช่วยให้ระบบสามารถเรียนรู้จากข้อมูลและปรับปรุงประสิทธิภาพได้โดยไม่ต้องตั้งโปรแกรมอย่างชัดเจน
ตัวอย่าง: ตัวกรองสแปมใช้ machine learning ในการจำแนกอีเมลว่าเป็นสแปมหรือไม่ โดยอิงจากตัวอย่างในอดีต

Model Drift (Model Drift)

Model Drift
ปรากฏการณ์ที่ความแม่นยำของโมเดลลดลงเมื่อเวลาผ่านไป เนื่องจากการเปลี่ยนแปลงของข้อมูลหรือสภาพแวดล้อม
ตัวอย่าง: โมเดลตรวจจับการฉ้อโกงมีความแม่นยำน้อยลงเมื่อกลยุทธ์การฉ้อโกงมีการพัฒนา

การฝึกโมเดล (Model Training) (Model Training)

Model Training
กระบวนการป้อนข้อมูลให้กับโมเดลการเรียนรู้ของเครื่องและปรับพารามิเตอร์เพื่อลดข้อผิดพลาด
ตัวอย่าง: การฝึกเครื่องมือแนะนำตามประวัติการซื้อของลูกค้าเพื่อแนะนำผลิตภัณฑ์ใหม่

Multimodal AI (Multimodal AI)

Multimodal AI
ระบบ AI ที่สามารถประมวลผลและรวมประเภทข้อมูลหลายประเภท เช่น ข้อความ, รูปภาพ, เสียง และวิดีโอ
ตัวอย่าง: โมเดลเช่น GPT-4 Vision ที่สามารถอ่านข้อความและตีความรูปภาพได้พร้อมกัน

การประมวลผลภาษาธรรมชาติ (NLP) (Natural Language Processing (NLP))

Natural Language Processing (NLP)
สาขาย่อยของ AI ที่มุ่งเน้นการโต้ตอบระหว่างคอมพิวเตอร์และภาษามนุษย์ (ธรรมชาติ) ช่วยให้เครื่องจักรสามารถอ่าน, ทำความเข้าใจ และตอบสนองเป็นภาษามนุษย์ได้
ตัวอย่าง: NLP ใช้ในผู้ช่วยเสียง, แอปแปลภาษา และแชทบอท

โครงข่ายประสาทเทียม (Neural Network) (Neural Network)

Neural Network
โมเดลการเรียนรู้ของเครื่องที่ได้รับแรงบันดาลใจจากโครงสร้างของสมองมนุษย์ ประกอบด้วยเลเยอร์ของโหนดที่เชื่อมต่อกัน (เซลล์ประสาท)
ตัวอย่าง: โครงข่ายประสาทเทียมอยู่เบื้องหลังโมเดลการเรียนรู้เชิงลึกที่ใช้ในการจดจำรูปภาพและเสียง

สัญญาณรบกวน (Noise) (Noise)

Noise
ข้อมูลแบบสุ่มหรือไม่เกี่ยวข้องในข้อมูลที่อาจบดบังรูปแบบที่มีความหมายและส่งผลเสียต่อประสิทธิภาพของโมเดล
ตัวอย่าง: ข้อผิดพลาดของเซ็นเซอร์หรือข้อมูลที่ป้อนผิดอาจถือเป็นสัญญาณรบกวน

ออนโทโลยี (Ontology) (Ontology)

Ontology
กรอบการทำงานที่มีโครงสร้างซึ่งจัดหมวดหมู่และกำหนดความสัมพันธ์ระหว่างแนวคิดภายในโดเมน ซึ่งมักใช้ในระบบ AI เชิงความหมาย
ตัวอย่าง: ออนโทโลยีทางการแพทย์อาจกำหนดว่าอาการต่างๆ เกี่ยวข้องกับโรคและการรักษาอย่างไร

Overfitting (Overfitting)

Overfitting
ข้อผิดพลาดในการสร้างแบบจำลองที่โมเดลการเรียนรู้ของเครื่องจับสัญญาณรบกวนในข้อมูลการฝึกและทำงานได้ไม่ดีกับข้อมูลใหม่
ตัวอย่าง: โมเดลที่จำคำตอบการฝึกได้ แต่ไม่สามารถจัดการกับข้อมูลทดสอบที่ไม่เคยเห็นมาก่อนได้ ถือว่าเกิด overfitting

การวิเคราะห์เชิงคาดการณ์ (Predictive Analytics) (Predictive Analytics)

Predictive Analytics
การใช้ข้อมูล, อัลกอริทึม และ AI เพื่อระบุความเป็นไปได้ของผลลัพธ์ในอนาคตโดยอิงจากข้อมูลในอดีต
ตัวอย่าง: ผู้ค้าปลีกใช้การวิเคราะห์เชิงคาดการณ์เพื่อคาดการณ์ความต้องการผลิตภัณฑ์บางอย่าง

การฝึกเบื้องต้น (Pre-training) (Pre-training)

Pre-training
กระบวนการฝึกโมเดลเบื้องต้นบนชุดข้อมูลขนาดใหญ่ทั่วไป ก่อนที่จะปรับละเอียดสำหรับงานเฉพาะ
ตัวอย่าง: โมเดล GPT ได้รับการฝึกเบื้องต้นบนคลังข้อมูลขนาดใหญ่ก่อนที่จะปรับแต่งสำหรับแชทบอทบริการลูกค้า

Prompt Engineering (Prompt Engineering)

Prompt Engineering
ศิลปะและวิทยาศาสตร์ในการสร้างคำสั่งที่มีประสิทธิภาพเพื่อชี้นำผลลัพธ์ของโมเดลภาษาขนาดใหญ่
ตัวอย่าง: การเพิ่มคำแนะนำระบบเช่น 'ตอบในฐานะติวเตอร์ที่สุภาพ' เป็นตัวอย่างของ prompt engineering

Quantisation (Quantisation)

Quantisation
เทคนิคการบีบอัดโมเดลที่ลดจำนวนบิตที่ใช้ในการแสดงน้ำหนักและการกระตุ้น ซึ่งช่วยเพิ่มประสิทธิภาพ
ตัวอย่าง: การ quantise โมเดลจาก 32 บิตเป็น 8 บิต ช่วยปรับปรุงประสิทธิภาพบนอุปกรณ์มือถือ

Quantum Computing (Quantum Computing)

Quantum Computing
กระบวนทัศน์ใหม่ของการคำนวณที่อิงตามกลศาสตร์ควอนตัม ซึ่งมีศักยภาพสำหรับความสามารถในการประมวลผลแบบทวีคูณ
ตัวอย่าง: Quantum computing อาจเร่งการฝึก AI ให้เหนือกว่าขีดจำกัดแบบดั้งเดิมในอนาคต

Reasoning Engine (Reasoning Engine)

Reasoning Engine
ระบบใน AI ที่อนุมานข้อสรุปเชิงตรรกะจากชุดข้อเท็จจริงหรือข้อมูลโดยใช้กฎหรืออัลกอริทึมการอนุมาน
ตัวอย่าง: เครื่องมือวินิจฉัย AI ใช้ reasoning engine เพื่ออนุมานสภาวะทางการแพทย์ที่เป็นไปได้ตามอาการ

Reinforcement Learning (RL) (Reinforcement Learning (RL))

Reinforcement Learning (RL)
สาขาหนึ่งของการเรียนรู้ของเครื่องที่เอเจนต์เรียนรู้โดยการโต้ตอบกับสภาพแวดล้อมเพื่อเพิ่มรางวัลสะสม
ตัวอย่าง: หุ่นยนต์เรียนรู้ที่จะเดินโดยการลองผิดลองถูกโดยใช้เทคนิค RL

Reinforcement Learning with Human Feedback (RLHF) (Reinforcement Learning with Human Feedback (RLHF))

Reinforcement Learning with Human Feedback (RLHF)
วิธีการเรียนรู้ที่ความชอบของมนุษย์ชี้นำสัญญาณรางวัลของ AI ซึ่งมักใช้ในการปรับละเอียดโมเดลภาษา
ตัวอย่าง: ChatGPT ได้รับการฝึกด้วย RLHF เพื่อสร้างการตอบสนองที่เป็นประโยชน์และปลอดภัยยิ่งขึ้น

Retrieval-Augmented Generation (RAG) (Retrieval-Augmented Generation (RAG))

Retrieval-Augmented Generation (RAG)
วิธีการรวมการดึงข้อมูลกับการสร้าง โดยที่ LLM จะดึงเอกสารที่เกี่ยวข้องเพื่อปรับปรุงการตอบสนอง
ตัวอย่าง: ผู้ช่วย AI ดึงและอ้างอิงข้อมูลจำเพาะของผลิตภัณฑ์ขณะสร้างคำตอบสำหรับคำถามทางเทคนิค

Self-Supervised Learning (Self-Supervised Learning)

Self-Supervised Learning
แนวทางการฝึกที่โมเดลเรียนรู้รูปแบบโดยการสร้างป้ายกำกับของตนเองจากข้อมูลดิบ ซึ่งช่วยลดการพึ่งพาข้อมูลที่มนุษย์ใส่คำอธิบายประกอบ
ตัวอย่าง: BERT ได้รับการฝึกด้วย self-supervised learning โดยการคาดการณ์คำที่หายไปในข้อความ

Semantic Search (Semantic Search)

Semantic Search
เทคนิคการค้นหาที่เข้าใจเจตนาของผู้ใช้และความหมายเชิงบริบท ไม่ใช่แค่การจับคู่คำหลัก
ตัวอย่าง: การค้นหา 'วิธีซ่อมก๊อกน้ำรั่ว' จะแสดงคู่มือแม้ว่าคำว่า 'ก๊อกน้ำรั่ว' จะไม่ปรากฏในเอกสารก็ตาม

Sentiment Analysis (Sentiment Analysis)

Sentiment Analysis
กระบวนการระบุอารมณ์, ความคิดเห็น หรือทัศนคติในข้อความ ซึ่งมักจะจำแนกเป็นเชิงบวก, เชิงลบ หรือเป็นกลาง
ตัวอย่าง: การวิเคราะห์ทวีตเพื่อวัดการตอบสนองของสาธารณชนต่อผลิตภัณฑ์ใหม่

Stochastic (Stochastic)

Stochastic
เกี่ยวข้องกับพฤติกรรมสุ่มหรือความน่าจะเป็น ซึ่งมักใช้ใน AI สร้างและอัลกอริทึมการเพิ่มประสิทธิภาพ
ตัวอย่าง: ผลลัพธ์ของ GPT-4 แตกต่างกันสำหรับอินพุตเดียวกันเนื่องจากกระบวนการถอดรหัสแบบ stochastic

Strong AI (Strong AI)

Strong AI
หรือที่เรียกว่า Artificial General Intelligence (AGI) หมายถึงเครื่องจักรที่มีความสามารถทางปัญญาเทียบเท่ามนุษย์ในทุกโดเมน
ตัวอย่าง: AI ในอนาคตที่สามารถเขียนนวนิยาย, วางแผนเมือง และแก้ไขปัญหาทางจริยธรรมได้อย่างเท่าเทียมกัน

Super Artificial Intelligence (SAI) (Super Artificial Intelligence (SAI))

Super Artificial Intelligence (SAI)
AI ในทางทฤษฎีที่เหนือกว่าสติปัญญาของมนุษย์ในทุกด้าน—การให้เหตุผล, ความคิดสร้างสรรค์, ความฉลาดทางอารมณ์ ฯลฯ
ตัวอย่าง: SAI สามารถพัฒนาวิทยาศาสตร์และปรัชญาใหม่ๆ ได้อย่างอิสระในทางทฤษฎี

Supervised Learning (Supervised Learning)

Supervised Learning
เทคนิคการเรียนรู้ของเครื่องที่โมเดลได้รับการฝึกบนข้อมูลที่มีป้ายกำกับเพื่อเรียนรู้การจับคู่ระหว่างอินพุตและเอาต์พุต
ตัวอย่าง: การสอนโมเดลให้จำแนกอีเมลว่าเป็นสแปมหรือไม่ โดยใช้ตัวอย่างในอดีต

Synthetic Data (Synthetic Data)

Synthetic Data
ข้อมูลที่สร้างขึ้นเทียมซึ่งจำลองข้อมูลในโลกแห่งความเป็นจริง มักใช้ในการฝึกเมื่อข้อมูลจริงมีน้อยหรือเป็นความลับ
ตัวอย่าง: การสร้างรูปภาพทางการแพทย์สังเคราะห์เพื่อฝึกโมเดลวินิจฉัยโดยไม่ละเมิดความเป็นส่วนตัวของผู้ป่วย

Token (Token)

Token
หน่วยของข้อความที่ประมวลผลโดย LLM—โดยทั่วไปคือคำหรือส่วนของคำ
ตัวอย่าง: ประโยค 'Hello world!' ถูกแบ่งออกเป็น 3 โทเค็น: 'Hello', 'world', และ '!'

Tokenisation (Tokenisation)

Tokenisation
กระบวนการแบ่งข้อความออกเป็นโทเค็นเพื่อประมวลผลโดยโมเดล
ตัวอย่าง: ใน NLP 'ChatGPT is great' จะกลายเป็น ['Chat', 'G', 'PT', 'is', 'great']

Transfer Learning (Transfer Learning)

Transfer Learning
การใช้ความรู้จากงานหนึ่งเพื่อเพิ่มการเรียนรู้ในงานอื่นที่เกี่ยวข้อง ซึ่งช่วยลดเวลาในการฝึกและความต้องการข้อมูล
ตัวอย่าง: การปรับละเอียดโมเดลที่ฝึกบนข้อความภาษาอังกฤษเพื่อทำการวิเคราะห์ความรู้สึกในภาษาอื่น

Transformer (Transformer)

Transformer
สถาปัตยกรรมโครงข่ายประสาทเทียมที่ใช้กลไกการใส่ใจ (attention mechanisms) เพื่อสร้างแบบจำลองข้อมูลลำดับ ซึ่งใช้กันอย่างแพร่หลายใน LLM
ตัวอย่าง: BERT, GPT และ T5 ล้วนเป็นโมเดลที่ใช้สถาปัตยกรรม Transformer

Underfitting (Underfitting)

Underfitting
เมื่อโมเดลมีความเรียบง่ายเกินไปที่จะจับรูปแบบในข้อมูลการฝึก ส่งผลให้ประสิทธิภาพต่ำ
ตัวอย่าง: โมเดลเชิงเส้นที่พยายามคาดการณ์การจำแนกรูปภาพที่ซับซ้อนอาจเกิด underfitting

Unsupervised Learning (Unsupervised Learning)

Unsupervised Learning
แนวทางการเรียนรู้ที่โมเดลระบุรูปแบบหรือกลุ่มในข้อมูลที่ไม่มีป้ายกำกับ
ตัวอย่าง: การจัดกลุ่มลูกค้าตามพฤติกรรมการซื้อโดยไม่มีป้ายกำกับที่กำหนดไว้ล่วงหน้า

User Intent (User Intent)

User Intent
เป้าหมายหรือวัตถุประสงค์เบื้องหลังการสอบถามหรือการโต้ตอบของผู้ใช้
ตัวอย่าง: ผู้ใช้ที่พิมพ์ 'วิธีอบเค้ก' น่าจะมีเจตนาที่จะค้นหาสูตรอาหาร

Validation Set (Validation Set)

Validation Set
ชุดข้อมูลย่อยที่ใช้ในการประเมินประสิทธิภาพของโมเดลระหว่างการฝึกและปรับแต่งไฮเปอร์พารามิเตอร์
ตัวอย่าง: ใช้เพื่อตรวจจับ overfitting ก่อนการทดสอบขั้นสุดท้าย

Vector Database (Vector Database)

Vector Database
ฐานข้อมูลที่ออกแบบมาเพื่อจัดเก็บและค้นหา vector embeddings ที่ใช้ในงาน AI เช่น การค้นหาความคล้ายคลึงและ RAG
ตัวอย่าง: Pinecone และ Weaviate เป็นฐานข้อมูลเวกเตอร์สำหรับจัดเก็บ embeddings ข้อความหรือรูปภาพ

Vector Embedding (Vector Embedding)

Vector Embedding
การแสดงข้อมูลเชิงตัวเลขที่รักษาความหมายเชิงความหมายและความสัมพันธ์ในพื้นที่เวกเตอร์
ตัวอย่าง: คำว่า 'king' และ 'queen' มี embeddings ที่คล้ายกันโดยมีความแตกต่างทางเพศเล็กน้อย

Virtual Assistant (Virtual Assistant)

Virtual Assistant
ซอฟต์แวร์เอเจนต์ที่ขับเคลื่อนด้วย AI ซึ่งช่วยผู้ใช้ทำงานให้สำเร็จผ่านการสนทนาหรือคำสั่งเสียง
ตัวอย่าง: Siri, Alexa และ Google Assistant เป็น virtual assistant ที่ได้รับความนิยม

Voice Recognition (Voice Recognition)

Voice Recognition
เทคโนโลยีที่ตีความและแปลงภาษาพูดให้เป็นข้อความหรือการกระทำ
ตัวอย่าง: การพิมพ์ด้วยเสียงและคำสั่งเสียงอาศัยระบบ voice recognition

Weak AI (Weak AI)

Weak AI
ระบบ AI ที่ออกแบบมาเพื่อทำงานเฉพาะอย่างโดยไม่มีสติปัญญาทั่วไป
ตัวอย่าง: AI เล่นหมากรุกที่ไม่สามารถเข้าใจภาษาหรือขับรถได้ เป็นตัวอย่างของ weak AI

Web Scraping (Web Scraping)

Web Scraping
การดึงข้อมูลจากเว็บไซต์โดยอัตโนมัติ ซึ่งมักใช้ในการรวบรวมข้อมูลการฝึกหรือตรวจสอบเนื้อหา
ตัวอย่าง: การขูดข้อมูลรายการอสังหาริมทรัพย์เพื่อฝึกโมเดลประเมินมูลค่าทรัพย์สิน

Weight (Weight)

Weight
พารามิเตอร์ในโครงข่ายประสาทเทียมที่กำหนดความแข็งแกร่งของอิทธิพลที่โหนดหนึ่งมีต่ออีกโหนดหนึ่ง
ตัวอย่าง: น้ำหนักจะปรับระหว่างการฝึกเพื่อลดข้อผิดพลาดของโมเดล

Whisper (Whisper)

Whisper
โมเดลแปลงเสียงเป็นข้อความที่พัฒนาโดย OpenAI ซึ่งสามารถถอดเสียงได้หลายภาษา
ตัวอย่าง: Whisper สามารถถอดเสียงการบรรยายและพอดแคสต์ได้อย่างแม่นยำสูง

YAML (YAML)

YAML
รูปแบบที่มนุษย์อ่านได้สำหรับการอนุกรมข้อมูล ซึ่งมักใช้สำหรับไฟล์การกำหนดค่าในเวิร์กโฟลว์การเรียนรู้ของเครื่อง
ตัวอย่าง: การกำหนดพารามิเตอร์โมเดลในไฟล์ YAML สำหรับการฝึกใน PyTorch

Zero-shot Learning (Zero-shot Learning)

Zero-shot Learning
ความสามารถของโมเดลในการทำงานที่โมเดลไม่เคยได้รับการฝึกฝนอย่างชัดเจน โดยอาศัยความรู้ทั่วไป
ตัวอย่าง: โมเดลตอบคำถามทางกฎหมายแม้ว่าจะไม่ได้รับการฝึกเฉพาะข้อมูลทางกฎหมายก็ตาม

Zettabyte (Zettabyte)

Zettabyte
หน่วยของข้อมูลดิจิทัลเท่ากับหนึ่ง sextillion (10^21) ไบต์ ซึ่งมักใช้เพื่ออธิบายขนาดของข้อมูลอินเทอร์เน็ต
ตัวอย่าง: การรับส่งข้อมูลอินเทอร์เน็ตทั่วโลกเกิน 1 zettabyte ต่อปีในปี 2016