ปัญญาประดิษฐ์

🚀 🤖 💡 🎯

ผศ.ดร.ณัฐโชติ พรหมฤทธิ์

ภาควิชาคอมพิวเตอร์ คณะวิทยาศาสตร์ ม.ศิลปากร

🚀 Introduction to AI

และความรับผิดชอบ

🤖 ☁️ 🎯 💡

Introduction to AI, Responsible AI

🚀 AI ในปี 2025

🎨 💬 🎵

"AI ที่วาดรูป คุยเหมือนมนุษย์ แต่งเพลงได้!"

  • Midjourney/DALL-E 3 สร้างภาพ
  • ChatGPT-4o ตอบคำถามซับซ้อน
  • AI Voice Cloning

🤔 AI คืออะไร?

Artificial Intelligence

"ศาสตร์ในการทำให้ระบบคอมพิวเตอร์มีความฉลาดเหมือนมนุษย์"

ตัวอย่างในชีวิตประจำวัน:

  • 📱 Siri, Google Assistant
  • 📺 Netflix Recommendations
  • 🚗 Tesla Autopilot
  • 🏥 AI วินิจฉัยโรค

🎯 AI Landscape

      🧠 AI
       │
   ┌───┴───┐
 🤖 ML   🎯 Rule
   │
 ┌─┴─┐
 │   │
📊 DL 📈 Trad
 │
🎨 GenAI

🔍 AI → ML → DL → GenAI

Level คำอธิบาย ตัวอย่าง
AI ระบบที่ต้องใช้ความฉลาด Chess, Expert systems
ML AI ที่เรียนรู้จากข้อมูล Spam filter
DL ML ใช้ Neural Networks Image recognition
GenAI DL ที่สร้างเนื้อหาใหม่ ChatGPT, DALL-E

💡 GenAI ⊂ DL ⊂ ML ⊂ AI

🧠 ประเภทของ AI

ANI (Narrow)

  • AI เฉพาะทาง
  • ทุก AI ปัจจุบัน
  • Siri, ChatGPT

AGI (General)

  • เท่ามนุษย์ทุกด้าน
  • ยังไม่มี
  • คาด 10-20 ปี

ASI (Super AI)

  • ฉลาดกว่ามนุษย์ | แนวคิดทฤษฎี | Sci-Fi

📜 AI History - 5 Milestones

🏛️ 🤖 🎮 🏆 💬
  1. 1943-46: 🖥️ คอมพิวเตอร์เครื่องแรก
  2. 1957-58: 🧠 ML & NN เกิด!
  3. 1997: ♟️ Deep Blue ชนะหมากรุก
  4. 2015: 🏆 AI > Human
  5. 2022: 💬 ChatGPT บูม!

🖥️ 1943-1946: Foundation

Colossus (1943)

  • 🇬🇧 ดิจิทัลแรก
  • ถอดรหัสสงคราม

ENIAC (1946)

  • 🇺🇸 เอนกประสงค์
  • 30 ตัน

💡 Insight

"คิดเลข" → "คิดได้"

1950: Turing Test

🧠 1957-1958: Birth of ML

✨ ปีที่ AI เรียนรู้ได้! ✨

1957: Perceptron

  • Frank Rosenblatt
  • Algorithm แรก
  • จุดเริ่ม ML

1958: Mark I

  • Hardware NN แรก!
  • 400 photocells
  • ใหญ่เท่าตู้เย็น

📌 จำ: 1957-58 = เกิด ML & NN

❄️ AI Winters

Winter I (73-80)

  • Perceptron limits
  • XOR problem
  • Funding หาย

Winter II (87-93)

  • Expert Systems ล้ม
  • แพง/ดูแลยาก
  • ตลาด AI ล่ม

🎯 บทเรียน: อย่า hype เกิน!

🎮 Modern Era

1997: Deep Blue ♟️

  • ชนะ Kasparov
  • 200M ตา/วินาที

2012: AlexNet 💥

  • ImageNet: 16.4% error
  • GPU training
  • เริ่ม DL Era

🏆 2015: AI > Human!

Microsoft ResNet

AI: 3.57% vs Human: 5.1%

152 layers deep!

🌟 ครั้งแรกที่ AI เก่งกว่ามนุษย์!

🚀 2022-Now: GenAI Era

2022

  • 🎨 DALL-E 2
  • 💬 ChatGPT
    • 1M users (5 days)
    • 100M (2 months)

2023-2025

  • GPT-4, Claude
  • Open source

💡 ทำไมบูม?

  1. ใช้ง่าย
  2. ทำได้หลายอย่าง
  3. ราคาถูกลง
  4. คุณภาพสูง

🤖 ML vs DL

Machine Learning

Input → Features 
      → Classify → Output
  • ต้องบอก features
  • Data น้อยกว่า

Deep Learning

Input → Auto Extract
      → Output
  • หา features เอง
  • ต้อง data มาก

📊 Discriminative vs Generative

Discriminative

"จำแนก"

  • ✅ Detection
  • 📸 Segmentation
  • 💭 Sentiment
  • 🎯 Recommend

Generative

"สร้าง"

  • 💬 Chatbots
  • 📝 Summarize
  • 🖼️ Text→Image
  • 🎬 Text→Video

📈 Scaling Laws

OpenAI's Discovery (2020)

"ยิ่งใหญ่ ยิ่งฉลาด!"

3 ปัจจัยหลัก:

  1. 🖥️ Compute - พลังประมวลผล
  2. 📊 Data - ขนาดข้อมูล
  3. 🧠 Parameters - ขนาดโมเดล

🔐 Data Sources

General AI

  • 📚 Books/Wiki
  • 💻 GitHub
  • 🌐 Web Crawl

Specialized

  • 🏥 Medical data
  • 📊 Curated sets
  • 🔬 Research

⚠️ Quality > Quantity

⚖️ Responsible AI

"AI ที่เก่งอย่างเดียวไม่พอ ต้องดีด้วย"

⚖️ 🎯 🔍 🔒

4 หลักการสำคัญ

🎯 1. Bias (ความลำเอียง)

ปัญหาจริง:

  • Amazon - ระบบ HR มีอคติ
  • Face Recognition - คนผิวสีมีปัญหา
  • Google Photos - แท็กผิด

💡 Solution:

  • Diverse data
  • Bias testing
  • Inclusive teams

⚖️ 2. Fairness

Case: COMPAS

ระบบคาดการณ์อาชญากรรม

  • ❌ อคติต่อคนผิวดำ 2x
  • ❌ False positive สูง
  • ❌ กระทบการตัดสิน

💡 หลักการ:

"โอกาสเท่าเทียม"

🔍 3. Transparency

"Black Box" Problem

คำถาม:

  • ทำไมไม่อนุมัติสินเชื่อ?
  • AI วินิจฉัยจากอะไร?
  • ทำไม Resume ถูกปฏิเสธ?

💡 XAI Solutions

  • LIME, SHAP, Feature importance

🔒 4. Privacy

ประเด็น:

  • 📱 ข้อมูลส่วนตัว → Train AI?
  • 🏥 Medical AI & Privacy
  • 📸 Face Recognition

🇹🇭 PDPA ไทย

  • ขอ consent
  • Right to forget
  • Data minimization