Pre-Training AI Executive Workshop

123456789101112131415161718192021222324252627282930313233343536373839404142434445
Across
  1. 3. ผู้เชี่ยวชาญด้านการออกแบบและปรับแต่ง Prompt เพื่อให้โมเดล AI สร้างผลลัพธ์ที่ตรงความต้องการ
  2. 9. การเรียนรู้จากข้อมูลที่ไม่มีป้ายคำตอบ เพื่อค้นหารูปแบบหรือกลุ่มในข้อมูลด้วยตัวเอง
  3. 11. การใช้โมเดล AI เพื่อพยากรณ์หรือทำนายเหตุการณ์ในอนาคต เช่น ยอดขายหรือแนวโน้มตลาด
  4. 12. ช่วงตรวจสอบโมเดลด้วยข้อมูลใหม่ที่ไม่เคยเห็นในการฝึก เพื่อประเมินประสิทธิภาพ
  5. 14. การปรับโมเดลที่ฝึกไว้แล้ว (Pretrained) ให้เข้ากับงานเฉพาะด้านด้วยข้อมูลใหม่จำนวนน้อย
  6. 15. โมเดลเข้ารหัส-ถอดรหัสเชิงความน่าจะเป็น ที่สามารถสร้างข้อมูลใหม่ได้อย่างหลากหลาย
  7. 17. ชั้นที่ซ่อนอยู่ระหว่างอินพุตและเอาต์พุตใน Neural Networks ทำหน้าที่สกัดคุณลักษณะเชิงลึก
  8. 22. ชั้นภายในโครงข่ายประสาทเทียม ซึ่งใช้ประมวลผลและถ่ายทอดข้อมูลสู่ชั้นถัดไป
  9. 25. การประมวลผลเสียงพูดเพื่อแปลงเป็นข้อความให้คอมพิวเตอร์เข้าใจ
  10. 28. การแก้ปัญหาโดยลองทุกความเป็นไปได้เท่าที่มี จนกว่าจะพบคำตอบที่ถูกต้อง
  11. 31. ข้อมูลที่สร้างขึ้นโดยโมเดลหรือกระบวนการประดิษฐ์ เพื่อใช้แทนข้อมูลจริงในงานต่างๆ
  12. 34. ข้อมูลที่มีป้ายกำกับชัดเจน เช่น รูปสุนัขพร้อมระบุว่าเป็น ‘สุนัข’ ให้โมเดลใช้ฝึก
  13. 35. เทคนิคทำให้คอมพิวเตอร์ ‘เห็น’ และวิเคราะห์รูปภาพหรือวิดีโอได้
  14. 37. การผสานผลของหลาย Decision Trees เพื่อเพิ่มความแม่นยำของการทำนาย
  15. 41. โมเดลคู่ระหว่างตัวสร้างกับตัวแยกแยะ ที่แข่งขันกันเพื่อผลิตข้อมูลใหม่ที่สมจริง
  16. 42. ข้อมูลที่ไม่มีป้ายกำกับ โมเดลต้องหาความสัมพันธ์หรือโครงสร้างเอง
  17. 43. เทคโนโลยีที่ทำให้เครื่องจักรสามารถเลียนแบบการเรียนรู้หรือพฤติกรรมคล้ายมนุษย์
  18. 44. สถาปัตยกรรมโมเดลที่ใช้กลไกการมุ่งความสนใจ (Attention) ทำงานได้ดีในการประมวลผลข้อความ
  19. 45. ปัญญาประดิษฐ์ที่มีความฉลาดเหนือกว่ามนุษย์ในทุกด้าน (ยังเป็นแนวคิดในอนาคต)
Down
  1. 1. แนวทาง AI ที่มุ่งเน้นการสร้างเนื้อหาใหม่ เช่น ข้อความ ภาพ เสียง แทนการวิเคราะห์อย่างเดียว
  2. 2. การเรียนรู้โดยมีตัวอย่างอินพุตและคำตอบที่ถูกต้อง ให้โมเดลฝึกจับคู่ระหว่างทั้งสอง”
  3. 4. ช่วงที่โมเดลกำลังเรียนรู้และปรับค่าพารามิเตอร์จากตัวอย่างข้อมูลที่จัดเตรียมไว้
  4. 5. ตัวแปรภายในโมเดล (เช่น น้ำหนักหรือเวคเตอร์) ที่โมเดลปรับค่าเพื่อให้ทำนายได้ดีขึ้น
  5. 6. โมเดลสร้างข้อมูลใหม่โดยจำลองกระบวนการกระจายแล้วย้อนกลับ จนได้ผลงานที่มีความละเอียด”
  6. 7. การทำนายตัวเลขต่อเนื่อง เช่น ราคาหุ้น หรืออุณหภูมิในอนาคต
  7. 8. ปัญญาประดิษฐ์ที่มีความสามารถกว้างเทียบเท่ามนุษย์ในหลากหลายงานและสถานการณ์
  8. 10. การเรียนรู้ด้วยรางวัลและบทลงโทษ เพื่อปรับพฤติกรรมของเอเจนต์ให้บรรลุเป้าหมาย
  9. 13. การทำให้คอมพิวเตอร์เรียนรู้จากข้อมูลเพื่อคาดการณ์หรือจำแนกผลลัพธ์โดยอัตโนมัติ
  10. 16. โปรแกรมโต้ตอบข้อความหรือเสียงกับผู้ใช้ โดยเลียนแบบพฤติกรรมการสนทนาของมนุษย์
  11. 18. โมเดลภาษาขนาดใหญ่ที่สร้างข้อความได้หลากหลาย โดยฝึกล่วงหน้าบนข้อมูลจำนวนมาก
  12. 19. การจัดกลุ่มข้อมูลที่มีลักษณะคล้ายกันเข้าด้วยกัน โดยไม่มีป้ายกำกับล่วงหน้า
  13. 20. โมเดลที่ใช้โครงสร้างแตกแขนงเหมือนต้นไม้ เพื่อแบ่งข้อมูลตามคุณสมบัติทีละขั้น
  14. 21. หน่วยประมวลผลกราฟิกที่เก่งงานประมวลผลขนาน นิยมใช้เร่งความเร็วในการฝึกโมเดล AI
  15. 23. ระบบหรือซอฟต์แวร์ที่ทำงานด้วยตัวเองโดยอัตโนมัติ พร้อมตัดสินใจและเรียนรู้ได้อย่างอิสระ
  16. 24. ปัญญาประดิษฐ์ที่เก่งหรือเชี่ยวชาญเฉพาะด้าน เช่น แยกแยะภาพ แม่นยำกว่ามนุษย์ในงานจำเพาะ
  17. 26. โครงข่ายประสาทเทียมที่ใช้ฟิลเตอร์สไลด์ผ่านข้อมูล (โดยเฉพาะรูปภาพ) เพื่อดึงคุณลักษณะ
  18. 27. โครงข่ายที่จำลองการทำงานของเซลล์ประสาทในสมอง เพื่อประมวลผลข้อมูลแบบเชิงลึก
  19. 29. การให้โมเดล AI แสดงลำดับการคิดหรือเหตุผลกลางคัน เพื่อคาดการณ์คำตอบได้โปร่งใสขึ้น
  20. 30. การเรียนรู้เชิงลึกด้วย Neural Networks หลายชั้น เพื่อสกัดข้อมูลเชิงซับซ้อน
  21. 32. การจัดข้อมูลให้อยู่ในหมวดหมู่ต่าง ๆ เช่น จำแนกอีเมลเป็นสแปมหรือไม่สแปม
  22. 33. โมเดลภาษาขนาดใหญ่ที่ผ่านการฝึกด้วยข้อมูลจำนวนมาก เพื่อเข้าใจและสร้างข้อความ
  23. 36. ขั้นตอนแบ่งข้อความออกเป็นหน่วยย่อย เช่น คำหรือสัญลักษณ์ ก่อนป้อนเข้าระบบ AI
  24. 38. อาการที่โมเดล Generative AI สร้างคำตอบหรือข้อมูลที่ไม่ตรงกับข้อเท็จจริงโดยไม่ตั้งใจ
  25. 39. ข้อความหรือคำสั่งนำที่เราป้อนให้โมเดล เพื่อกระตุ้นให้สร้างหรือโต้ตอบตามเป้าหมาย
  26. 40. ระบบ AI ที่มีความสามารถในการใช้ตรรกะหรือกฎความรู้ เพื่อสรุปผลหรือให้คำแนะนำ