Amity เปิดตัวผลิตภัณฑ์ใหม่ ล้ำสมัยด้วยเทคโนโลยีของ ChatGPT เสริมแกร่งศักยภาพองค์กรธุรกิจไทย [Guest Post]

กรุงเทพฯ 8 กุมภาพันธ์ 2566  — แอมิตี (Amity) ผู้ให้บริการโซลูชันด้านการสื่อสาร หรือ โซเชียลฟีเจอร์ (social features) แบบบูรณาการสำหรับองค์กร พร้อมจะเป็นหนึ่งในบริษัทเทคที่ให้บริการซอฟต์แวร์แพลตฟอร์มผ่านระบบคลาวด์ (Platform as a Service: PaaS) รายแรกของประเทศไทยที่นำ GPT-3 เทคโนโลยีซึ่งใช้พัฒนาแชตจีพีที (ChatGPT) มาใช้กับบริการแชตบอตของ Amity สำหรับเทคโนโลยี GPT-3 ของบริษัท โอเพนเอไอ (OpenAI) นั้น คือ ปัญญาประดิษฐ์ (Artificial Intelligence: AI) อันล้ำสมัยที่สร้างข้อความและการตอบสนองได้เหมือนมนุษย์ในแบบเรียลไทม์ ถือได้ว่าเป็นสิ่งที่จะมาปฏิวัติอุตสาหกรรมบริการลูกค้าต่าง ๆ การนำเทคโนโลยีขั้นสูง อีกทั้งยังใช้งานได้ง่ายมาพัฒนาใช้กับ แอมิตีบอตส์ (Amity Bots) จะช่วยให้หลายองค์กรสามารถมอบประสบการณ์เหนือระดับโดยการใช้ AI ให้บริการลูกค้า อีกทั้งยังเป็นแบบเฉพาะบุคคล (personalized) และมีประสิทธิภาพยิ่งขึ้น

Amity เปิดตัวผลิตภัณฑ์ใหม่ที่จะมาปฏิวัติวงการ มีชื่อเรียกว่า “แอมิตีบอตส์พลัส (Amity Bots Plus)” ออกแบบขึ้นโดยใช้พลังของเทคโนโลยี ChatGPT ซึ่งจะมาช่วยขับเคลื่อนองค์กรธุรกิจไทย Amity Bots Plus นั้นใช้ประโยชน์จากโมเดล GPT-3 ขั้นสูงจาก OpenAI นำเสนอโซลูชันแชตบอตที่ทรงพลัง สามารถยกระดับองค์ความรู้เดิมที่มีอยู่ขององค์กรสู่การมอบบริการลูกค้าได้แบบเหนือชั้น และด้วยความสามารถในการทำความเข้าใจ ประกอบกับการใช้องค์ความรู้เดิมที่มีอยู่ในรูปแบบเอกสารได้โดยอัตโนมัติแล้วนั้น Amity Bots Plus สามารถสร้างคำตอบได้ด้วยตัวเอง เพื่อรับมือกับการสอบถามข้อมูลของลูกค้าโดยไม่ต้องอาศัยเนื้อหาหรือแบบฟอร์มแบบที่ต้องเตรียมสคริปต์ไว้ล่วงหน้า เตรียมตัวให้พร้อมสำหรับการให้บริการลูกค้าในรูปแบบใหม่ด้วยเทคโนโลยีอัจฉริยะของ Amity Bots Plus

“การนำเทคโนโลยีอันน่าทึ่งของ ChatGPT มาเสริมกำลังให้กับ Amity Bots นั้นจะทำให้ลูกค้าของเราสามารถใช้พลังของ AI มาขับเคลื่อน เพื่อสร้างข้อความที่ทั้งซับซ้อน และต้องอาศัยการดูแลจัดการได้อย่างง่ายดาย ในขณะเดียวกันก็ช่วยแบ่งเบาภาระปริมาณงาน (workload) ของหน่วยงานต่าง ๆ ในองค์กร” กรวัฒน์ เจียรวนนท์ ผู้ก่อตั้ง และประธานเจ้าหน้าที่บริหารของ Amity กล่าว “ความเป็นไปได้ที่เราได้นำเสนอ โดยเฉพาะอย่างยิ่งเพื่อการให้บริการลูกค้านั้นไม่มีที่สิ้นสุด เรารู้สึกตื่นเต้นที่ได้เป็นหนึ่งในผู้ให้บริการ PaaS รายแรกของประเทศไทยที่สามารถนำเทคโนโลยีของ GPT-3 มาใช้กับแชตบอต และจะได้เห็นความสำเร็จของลูกค้าของเราในการใช้ AI ร่วมกับ Amity Bots Plus”

กรวัฒน์ เจียรวนนท์ ผู้ก่อตั้ง และประธานเจ้าหน้าที่บริหารของ Amity

บริการใหม่ที่เพิ่มเข้ามาในกลุ่มผลิตภัณฑ์ Amity Bots ประกอบไปด้วย แอมิตีบอตส์แพลตฟอร์ม (Amity Bots Platform) แพลตฟอร์ม chat engagement ที่รวบรวมช่องทางการแชต และรวบรวมแชตบอตหลายตัวภายในองค์กรเข้ามาไว้ด้วยกัน แอมิตีบอตส์แชตแอดส์ (Amity Bots ChatAds) ประสบการณ์แบบ interactive engagement สำหรับไลน์แชตแอดส์ (LINE ChatAds) และแอมิตีบอตส์เดสก์ (Amity Bots Desk) เครื่องมือไลฟ์แชตสำหรับเอเจนต์ในการช่วยเหลือสนับสนุนลูกค้าได้อย่างราบรื่นบนช่องทางแชต นับเป็นการตอกย้ำถึงความมุ่งมั่นของ Amity ในการนำเสนอเทคโนโลยีแชตบอตที่ดีที่สุด

Amity Bots Plus นั้นจะเข้ามาช่วยประโยชน์สำคัญหลายประการ ดังนี้

•  ออกแบบมาเพื่อตอบคำถามต่าง ๆ และสร้างข้อความได้เหมือนมนุษย์ ChatGPT ให้การเรียนรู้เชิงลึก (Deep Learning) รวมถึงเทคนิคการประมวลผลภาษาธรรมชาติ (natural language processing: NLP) ล่าสุดเพื่อมอบประสิทธิภาพที่ล้ำสมัย
•  ปฏิบัติงาน (task) ได้หลากหลายซึ่งสามารถพัฒนาความสามารถในการให้บริการลูกค้า ไปจนถึงการตอบคำถาม การสรุป และการสร้างข้อความ
•  ปรับขยายขนาดระบบฐานความรู้ (knowledgebase) ให้เป็นเอกสารหลายพันรายการเพื่อช่วยรองรับการโต้ตอบกับลูกค้านับหลายล้านราย พร้อมกับความแม่นยำและประสิทธิภาพที่ดีขึ้น
• ควบคุมใช้ประโยชน์จากพลังของ GPT-3 เพื่อเรียนรู้เข้าถึงและทำความเข้าใจเอกสาร ตลอดจนเปลี่ยนเอกสารให้เป็นความรู้ที่สามารถสร้างการตอบสนองต่อลูกค้าและพนักงานโดยอัตโนมัติตามข้อมูลขององค์กรที่เพิ่มขึ้น

“ทีมแล็บพัฒนาผลิตภัณฑ์ของเรากำลังร่วมกันทำงานอย่างหนักเพื่อให้แน่ใจว่าการนำเทคโนโลยีมาใช้ และกระบวนการทดสอบนั้นเป็นไปอย่างราบรื่น นอกจากนี้เรายังมั่นใจว่าการเพิ่มเทคโนโลยี GPT-3 จะช่วยเสริมสร้างประสบการณ์ Amity Bots ของคุณให้ก้าวไปอีกขั้น” ทัชพล ไกรสิงขร ผู้ร่วมก่อตั้ง และประธานเจ้าหน้าที่ฝ่ายเทคโนโลยีของ Amity กล่าวถึงการเปิดตัว Amity Bots Plus ในครั้งนี้

GPT-3 โดย OpenAI คืออะไร?

GPT-3 โดย OpenAI คือ หนึ่งในเทคโนโลยี AI ล่าสุดที่ถูกปล่อยออกมาและถือได้ว่าเป็นเทคโนโลยีที่จะเข้ามาเปลี่ยนแปลงวิธีการดำเนินงานของธุรกิจ GPT-3 เป็นโมเดลภาษาแมชชีนเลิร์นนิง (Machine Learning: ML) ที่ได้รับการฝึกฝนโดยใช้ข้อมูลอินเทอร์เน็ตเพื่อสร้างข้อความโดยทันที สิ่งที่ทำให้ GPT-3 ทรงพลังเป็นอย่างมากเมื่อเทียบกับเทคโนโลยีรุ่นก่อนก็คือ ML พารามิเตอร์ โมเดล Natural Language Generation (NLG) ของไมโครซอฟต์ (Microsoft) มีอยู่ 1.7 หมื่นล้านพารามิเตอร์ ในขณะที่ GPT-3 มี 1.75 แสนล้านพารามิเตอร์ และเนื่องจากพารามิเตอร์จำนวนมากที่มาข้องเกี่ยว ข้อความที่สร้างโดย GPT-3 จึงไม่สามารถจำแนกความแตกต่างจากข้อความที่เขียนขึ้นโดยมนุษย์ ChatGPT ที่กำลังเป็นกระแสอยู่นั้นเปิดตัวโดย OpenAI เมื่อเดือนพฤศจิกายน 2022 สร้างขึ้นบนตระกูลของโมเดลภาษาของ GPT-3

ผู้ใช้แพลตฟอร์ม Amity Bots และแอมิตีโซเชียลคลาวด์ (Amity Social Cloud: ASC) ทุกเดือนมีจำนวนมากกว่า 25 ล้านคน และสำหรับหลากหลายอุตสาหกรรมแล้ว ผลิตถัณฑ์ดังกล่าวเรียกได้ว่าเป็นตัวเลือกที่น่าเชื่อถือได้มาตั้งแต่ปี 2020 สำหรับข้อมูลเพิ่มเติมโปรดเยี่ยมชมได้ที่เว็บไซต์ www.amity.co

from:https://www.techtalkthai.com/amity-launches-a-new-product-technology-of-chatgpt-to-strengthen-the-potential-of-thai-businesses/

Facebook ออกโอเพ่นซอร์ส Droidlet เสริมศักยภาพ AI ในหุ่นยนต์

การนำ AI เข้ามาใช้กับหุ่นยนต์มีมานานแล้ว แต่ดูเหมือนว่ายังค่อนข้างยุ่งยาก ซึ่งล่าสุด Facebook จึงได้ออกแพลตฟอร์มโอเพ่นซอร์สที่จะช่วยให้การนำ NLP และ Computer Vision เข้ามาใช้กับหุ่นยนต์เป็นเรื่องง่ายขึ้น

credit : facebook

ปัญหาการนำ NLP หรือการทำ Object Detection นั้นยังต้องพัฒนาอีกมากในหุ่นยนต์ โดย Droidlet คือแพลตฟอร์มที่จะช่วยให้นักพัฒนาสามารถ Integrate อัลกอริทึม Machine Learning เข้ามาได้ง่ายขึ้น โดยมีทั้ง Dashboard สำหรับแก้ไขปัญหา หรือเครื่องมือในการตั้งค่าและปรับจูนค่า

นอกจากนี้แพลตฟอร์มยังถูกออกแบบมาในลักษณะเป็นโมดูล ซึ่งประกอบด้วย 

• Memory System ส่วนเก็บข้อมูลให้แต่ละโมดูลต่างๆ
• Perceptual การประมวลผลข้อมูลจากโลกภายนอกและเก็บต่อไปยัง Memory
• Lower-level Task คำสั่งงานพื้นฐาน เช่น เคลื่อนไปข้างหน้า 3 ฟุต เป็นต้น หรือคำสั่งที่ทำให้เกิดการเปลี่ยนแปลงสภาวะแวดล้อมของหุ่นยนต์
• Controller ตัดสินใจเพื่อ Execute งานโดยพิจารณาจากสถานะใน Memory

ผู้สนใจศึกษาเพิ่มเติมได้ที่ https://github.com/facebookresearch/droidlet

ที่มา : https://venturebeat.com/2021/07/30/facebook-open-sources-robotics-development-platform-droidlet/

from:https://www.techtalkthai.com/facebook-open-sources-droidlet-simplify-ai-integration-in-robot/

[TTT Virtual Summit 2021 Video] [Keynote] งานวิจัยและนวัตกรรมด้าน AI ที่น่าจับตามองในอีก 5 ปีต่อจากนี้ โดยดร. ปรัชญา บุญขวัญ NECTEC

สำหรับผู้ที่ไม่ได้เข้าฟังการบรรยาย TTT Virtual Summit ในหัวข้อเรื่อง “[Keynote] งานวิจัยและนวัตกรรมด้าน AI ที่น่าจับตามองในอีก 5 ปีต่อจากนี้ โดยดร. ปรัชญา บุญขวัญ NECTEC” สามารถรับชมวิดีโอบันทึกย้อนหลังได้ที่บทความนี้ครับ

ผู้ที่สนใจสามารถรับชมคลิปต่างๆ เกี่ยวกับเทคโนโลยีทางด้าน Enterprise IT รวมถึง Webinar ย้อนหลังจากทาง TechTalkThai ได้ที่ https://www.youtube.com/channel/UCfPhExRni82PH-N7-5Eyq2g?sub_confirmation=1

from:https://www.techtalkthai.com/ttt-virtual-summit-2021-video-keynote-thai-ai-trends-and-usage-by-nectec/

Cisco เผยทิศทางการใช้ AI เสริมความสามารถให้ Intent-based Networking ทุกสิ่งจะเป็นอัตโนมัติมากยิ่งขึ้นไปอีก

ถึงแม้ทุกวันนี้ แนวคิดของ Intent-based Networking หรือ IBN นั้นจะเข้ามาช่วยให้ระบบเครือข่ายขนาดใหญ่นั้นสามารถถูกบริหารจัดการและแก้ไขการตั้งค่าต่างๆ ได้อย่างง่ายดายยิ่งขึ้น แต่นั่นก็ยังไม่สามารถตอบโจทย์ทางธุรกิจได้อย่างครอบคลุมนัก ทาง Cisco จึงได้ออกมาเล่าถึงแนวคิดในการนำ AI เข้ามาใช้เสริมขีดความสามารถของ IBN ให้การจัดการเครือข่ายกลายเป็นเรื่องที่ง่ายดายและอัตโนมัติยิ่งขึ้นไปอีก

Credit: Cisco

แนวคิดของ AI ใน IBN ของ Cisco นั้นจะแบ่งออกเป็น 3 ส่วนหลักๆ ได้แก่

1. Translation นำ Natural Language Processing (NLP), Machine Learning (ML), Machine Reasoning (MR) เข้ามาใช้ในการรับคำสั่งจากผู้ดูแลระบบเครือข่ายที่พิมพ์เข้ามาเป็นภาษาอังกฤษ เพื่อทำความเข้าใจวัตถุประสงค์ของคำสั่งนั้นๆ และนำไปแปลงเป็นการตั้งค่าระบบเครือข่ายที่เหมาะสม
2. Activation นำข้อมูลที่ได้จากข้อที่แล้ว มาแปลงเป็นการตั้งค่าในเชิง Network และ Security และนำไปตั้งค่าโดยอัตโนมัติให้กับระบบเครือข่ายส่วนที่เกี่ยวข้อง โดยอาจมีการนำข้อมูลแบบ Real-time หรือข้อมูลสถิติย้อนหลังมาช่วยใช้ในการตั้งค่าให้ตอบโจทย์แก้ไขปัญหาได้ดีขึ้น เช่น การปรับ QoS หรือการกำหนดปริมาณ Bandwidth ให้เหมาะสมต่อความต้องการในการใช้งานจริงโดยที่ผู้ดูแลระบบอาจไม่ต้องระบุค่าเอง แต่ระบบเลือกค่าที่ดีที่สุดหรือทำนายค่าที่เหมาะสมมาให้เลย
3. Assurance ทำการติดตามผลหลังจากปรับแต่งการตั้งค่า ว่าแนวโน้มในการเชื่อมต่อเครือข่ายและใช้งานของผู้ใช้งานนั้นดีขึ้นไปตามวัตถุประสงค์หรือไม่ หรือมีเหตุการณ์ผิดปกติอะไรที่เพิ่มขึ้นอย่างมีนัยยะสำคัญหรือเปล่า

Cisco นั้นใช้ทั้งความเชี่ยวชาญด้านระบบเครือข่ายและการแก้ไขปัญหาในระบบเครือข่ายที่ตนเองมีอยู่ ผสานเข้ากับข้อมูลปริมาณมหาศาลที่เกิดขึ้นในระบบเครือข่ายซึ่งถูกสร้างขึ้นจาก ASIC, OS และ Software มาใช้ร่วมกับข้อมูลเดิมที่ Cisco มีทางด้านข้อมูลเครือข่าย เพื่อนำไปวิเคราะห์ในระบบ AI ซึ่งเป็นนวัตกรรมใหม่ที่ Cisco ได้เริ่มพัฒนาขึ้นมาได้ระยะหนึ่ง ทำให้ระบบเครือข่ายนั้นมี AI สำหรับใช้เพื่อช่วยผู้ดูแลระบบให้ทำงานได้อย่างง่ายดายยิ่งขึ้นเรื่อยๆ

Cisco ได้ทิ้งท้ายเอาไว้ว่าหลังจากนี้ Cisco ก็จะผลักดันเพื่อสร้างนวัตกรรมใหม่ๆ ทางด้าน AI มาตอบโจทย์วงการ Networking ต่อไปในอนาคต

ที่มา: https://blogs.cisco.com/enterprise/improving-networks-with-ai

from:https://www.techtalkthai.com/cisco-talks-about-ai-in-intent-based-networking/

5 โปรเจ็คบน GitHub ด้าน Machine Learning ที่น่าสนใจเดือนตุลาคม 2018

ทาง Analyticsvidhya ได้จัดทำรายชื่อของโปรเจ็คด้าน Machine Learning ที่น่าสนใจประจำเดือนตุลาคม 2018 มาให้ได้ติดตามกันทางเราจึงขอหยิบยกมานำเสนอครับ

1.Faster R-CNN and Mask R-CNN in PyTorch 1.0

โปรเจ็คจากทีมงานของ Facebook ที่นำเสนอการสร้าง Block เพื่อทำโมเดล Segmentation และ Detection โดยใช้ PyTorch 1.0 ซึ่งทางทีมงานคุยว่าเร็วกว่าการใช้ Detectron ถึง 2 เท่า นอกจากนี้ยังได้ให้โมเดลที่เทรนมาบ้างแล้วพร้อมกับเอกสารที่เพียงพอต่อการนำไปศึกษาต่อได้เลย สามารถเข้าไปดูต่อได้ที่นี่

2.Tancent ML Images (Largest Open-Source Multi-Label Image Database)

โปรเจ็คนี้ได้แจก Dataset รูปใหญ่มากคือ 17,609,752 รูปสำหรับเรียนรู้และ 88,739 รูปสำหรับตรวจสอบ ทั้งหมดนี้แบ่งเป็นประเภทได้ 11,166 ประเภทเลยทีเดียว ภายในโปรเจ็คได้ให้โมเดล Resnet-101 ที่เทรนมาแล้วซึ่งมีความแม่นยำ 80.73% กับ ImageNet ด้วยการ Transfer Learning นอกจากนี้ภายในยังมีข้อมูลอื่นๆ อีกมากมายไปลองเล่นกันได้ตามลิงก์นี้

3. Google AI’s BERT(NLP)

BERT ย่อมาจาก Bidirectional Encoder Representations from Transformers หรือวิธีการใหม่ในการทำ Pre-Training Langauge representation ซึ่งเป็นผลลัพธ์มาจากการใช้ NLP Task ที่เรียงลำดับอย่างกว้างๆ โดยภายในโปรเจ็คมีการสร้างขึ้นด้วยโค้ด PyTorch นอกจากนี้นักวิจัยจาก Google Brain ยังคุยว่านี่เป็นก้าวใหม่ของ NLP เลยทีเดียว สามารถศึกษาเพิ่มเติมได้ที่นี่

4. DeepMimic

โปรเจ็คนี้เป็นผลงานมาจากงานวิจัยชื่อ “DeepMimic : Example-Guided Deep Reinforcement Learning of Physics-Based Character Skill” ที่ตีพิมพ์ไว้ใน SIGGRAPH 2018 โดยนักวิจัยได้ใช้วิธีการ Reinforcement Learning เพื่อสอนหุ่นยนต์เลียนแบบท่าทางมนุษย์ ลองเข้าไปดูตามลิงก์นี้บน GitHub

5. Extracting Latest Arxiv Research Papers and their Abstracts

ความหมายจริงๆ ก็คือ Arxiv.org เป็นเว็บที่นำเสนองานวิจัยตีพิมพ์ต่างๆ อันที่จริงแล้วโปรเจ็คนี้ชื่อ Sotawhat ที่เป็นเครื่องมือค้นหาเปเปอร์ใหม่ๆ ในเว็บข้างต้นเพราะใครที่เคยค้นหา Paper จะรู้ว่ามีเยอะมากเพิ่มขึ้นทุกวัน ทั้งหมดถูกเขียนด้วย Python 3.x ลองเข้าไปดูได้ที่นี่

ที่มาและเครดิตรูปภาพ : https://www.analyticsvidhya.com/blog/2018/11/best-machine-learning-github-repositories-reddit-threads-october-2018/

from:https://www.techtalkthai.com/5-ml-projects-that-should-not-miss-on-github-oct2018/

IBM เผยออกแบบสถาปัตยกรรมประมวลผลใหม่ รองรับงาน AI และ Deep Learning โดยเฉพาะ

IBM ได้ออกมาเผยถึงการพัฒนาชิปรุ่นล่าสุดในแบบ Prototype เพื่อแก้ปัญหาในโลกของ AI และ Deep Learning ในงาน IEEE VLSI Symposia ซึ่งสามารถใช้ทำหน้าที่ได้ทั้งการ Train Model และการ Execute Function พร้อมๆ กันได้ด้วย Utilization ระดับสูง

 

Credit: ShutterStock.com

 

ปัญหาที่วงการ AI และ Deep Learning พบอยู่ในตอนนี้คือหน่วยประมวลผลในสถาปัตยกรรมปัจจุบันนี้ยังไม่สามารถทำหน้าที่ทั้งในส่วนของการ Train ระบบ Neural Net และการ Execute Function หรือที่เรียกว่า Inference พร้อมๆ กันได้ดีนัก เพราะการ Train ที่แม่นยำนั้นจะต้องใช้ความแม่นยำทางคณิตศาสตร์สูง ในขณะที่การทำ Inference นั้นมักจะนิยมใช้การประมาณด้วยการใช้ความแม่นยำที่ต่ำลงในการคำนวน เพื่อให้ประหยัดพลังงาน

ชิปใหม่ล่าสุดที่ทาง IBM กำลังพัฒนาอยู่นี้จะรองรับการคำนวนได้ทั้งที่ความแม่นยำสูงและต่ำพร้อมๆ กัน โดยรองรับได้ตั้งแต่ระดับ 32-bit, 16-bit, 2-bit, 1-bit ซึ่งเทคโนโลยีในปัจจุบันนี้จะทำการ Train อย่างแม่นยำสูงสุดที่ 16-bit ในขณะที่การทำ Inference จะทำได้ถึง 2-bit

นอกจากนี้อีกปัญหาหนึ่งก็คือสถาปัตยกรรมของหน่วยความจำ ที่มักแยกไปอยู่ในส่วนของ Cache นอกหน่วยประมวลผล ทำให้ Utilization ในการประมวลผลนั้นอยู่ที่เพียง 20-30% เท่านั้น แต่ชิปใหม่ของ IBM นี้ได้นำหน่วยความจำเข้ามาใส่ในหน่วยประมวลผลเลย ทำให้มี Utilization มากถึง 90%

ชิปดังกล่าวนี้รองรับได้ทั้งการทำ Convolutional Neural Networks (CNN), Multilayer Perceptrons (MLP) และ Long Short-Term Memory (LSTM) ในหนึ่งเดียว ทำให้สามารถนำไปใช้ได้ในงานด้าน Speech, Vision, Natural Language Processing (NLP) ได้อย่างครบถ้วน โดยปัจจุบันนี้ได้มีการทดสอบประสิทธิภาพของชิปในรุ่น Prototype นี้แล้วและพบว่าสามารถทำงานได้ที่ 1.5 ล้านล้าน Floating Point Operations per Second สำหรับความแม่นยำที่ระดับ 16-bit และประสิทธิภาพระดับ 12 ล้านล้าน Floating Point Operations per Second สำหรับความแม่นยำที่ระดับ 2-bit

 

ที่มา: https://spectrum.ieee.org/tech-talk/semiconductors/processors/ibms-new-doitall-deep-learning-chip

from:https://www.techtalkthai.com/ibm-is-inventing-new-computing-architecture-for-ai-and-deep-learning/

เหตุผล 7 ข้อที่ควรใช้ Chatbot ในปี 2018

สำหรับองค์กรที่กำลังศึกษาหรือวางแผนการใช้งาน Chatbot อยู่ วันนี้เราได้สรุปบทความซึ่งนำเสนอถึงข้อดี 7 ข้อของการลงทุนใช้งาน Chatbot มาเพื่อประกอบการตัดสินใจครับ

Credit: maxuser/ShutterStock

1.ลูกค้าเข้าถึงอยู่แล้ว 

ผลสำรวจพบว่าคนเยอรมันอายุ 19-64 ปีกว่า 80% ใช้บริการแชท เช่น WhatsApp, Facebook Messenger หรืออื่นๆ ในชีวิตประจำวันอยู่แล้วและบริการเหล่านี้ยังสามารถส่งสติ้กเกอร์ ภาพเคลื่อนไหว วีดีโอ ได้อีกด้วย ดังนั้นผู้ใช้งานไม่ต้องปรับตัวอะไรเพิ่มเติมเลยเพราะคุ้นเคยดี

2.ลูกค้าได้รับความพึงพอใจจากการใช้งาน

Chatbot ใช้เทคโนโลยี NLP อยู่แล้ว ซึ่งลูกค้าจะสามารถถามคำถามเหมือนคุยกับเพื่อนได้ นอกจากนี้มันยังช่วยลดกระบวนการค้นหาข้อมูลที่ต้องทำซ้ำหลายๆ ครั้งในแอปพลิเคชันหรือเว็บไซต์ได้ด้วย

3.ลูกค้าได้รับบริการอย่างรวดเร็ว

ยุคสมัยก่อนเราคงเคยเจอการนั่งรอสายโทรศัพท์กี่ครั้งต่อกี่ครั้งกว่าจะได้ข้อมูลที่เข้าที แต่ Chatbot สามารถค้นหาข้อมูลได้ตรงประเด็นดังนั้นลูกค้าแทบไม่ต้องรอเลย

4.ได้ข้อมูลตรงจุด

ยกตัวอย่างเช่น คุณหาสัญญาโปรโมชันจากค่ายมือถือที่ปกติแล้วมักจะน่าสับสนอย่างมาก ถ้าคุณรู้ว่าอยากใช้โปรโมชันขั้นต่ำกี่ GB ต่อเดือน Chatbot ก็สามารถมาคัดกรองข้อมูลเพื่อแสดงโปรโมชันที่ตรงใจได้ทันที

5.เกิดภาพลักษณ์ในเชิงบวก

Chatbot ที่ใช้ AI เข้ามาจะมีการเรียนรู้การปฏิสัมพันธ์ของผู้ใช้ทุกรายจึงเกิดความชาญฉลาดมากขึ้นๆ ทำให้ผู้ใช้เกิดความประทับใจต่อแบรนด์และมีภาพในเชิงบวก

6.ธุรกิจดูน่าสนใจขึ้นทันที

การใช้งานแอปพลิเคชันนั้นมีมานานแล้วและยังได้รับการยอมรับอย่างมาก แต่หากบริษัทของคุณอ้างว่าเป็นผู้นำเทคโนโลยีด้วยแล้วหล่ะก็ ไม่ควรพลาดการใช้งาน Chatbot เพราะมันถือว่ายังใหม่และสร้างความตื่นเต้นให้ผู้ใช้งานได้ไม่น้อย

7.ทำงานได้ตลอดเวลา

Chatbot ไม่มีการหยุดพักทำงาน 24×7 ไม่มีพักเสาร์อาทิตย์เพราะมันไม่ใช่คน ดังนั้นลูกค้าสามารถได้รับการตอบสนองเบื้องต้นและบางครั้งอาจจะแก้ปัญหาง่ายๆ ได้โดยไม่ต้องรอพึ่งคน

ที่มา : https://chatbotsmagazine.com/7-reasons-why-you-should-invest-in-chatbots-in-2018-29f91f447581

from:https://www.techtalkthai.com/7-advantages-why-you-need-chatbot/

สรุปเทรนด์ด้านการเขียนโปรแกรมที่น่าสนใจในฝั่ง Open Source ของปี 2016 ที่ผ่านมา

OpenSource.com ได้ออกมาสรุปแนวโน้มที่น่าสนใจทางด้านการพัฒนาโปรแกรมในปี 2016 ที่ผ่านมา ซึ่งทีมงาน TechTalkThai เห็นว่าเค้าสรุปเอาไว้ได้ไม่เหมือนค่ายอื่นดี จึงขอนำมาสรุปให้ได้อ่านกันดังนี้ครับ

Credit: ShutterStock.com

 

1. ภาษาต่างๆ รองรับการพัฒนา AI มากขึ้นอย่างชัดเจน

เทคโนโลยีอย่าง Machine Learning, Deep Learning, Natural Language Processing, Auto Speech Recognition และอื่นๆ นั้นได้เป็นที่กล่าวถึงเป็นอย่างมากในปี 2016 ที่ผ่านมา และมีโครงการ Open Source เกิดขึ้นมากมาย ในขณะที่ค่ายใหญ่ๆ เองก็ปล่อยเครื่องมือการพัฒนา AI, Machine Learning และ Deep Learning อย่าง Google TensorFlow, OpenAI (ของ Elon Musk), Apache Spark, Microsoft CNTK, Amazon DSSTNE และอื่นๆ ในขณะที่ธุรกิจที่เกิดขึ้นมาเพื่อผลักดันวงการ AI ก็เกิดขึ้นอย่างต่อเนื่อง ไม่ว่าจะเป็น Nervana หรือ Theano ก็ตาม

ภาษา Python เองได้ก้าวนำภาษาอื่นๆ และได้รับความนิยมอย่างสูงในหมู่ Data Engineer เป็นอย่างมากสำหรับการพัฒนา AI ตามมาด้วย R, Java และ Scala

 

2. Container และภาษา Go กลายเป็นคู่ที่ขาดกันไปไม่ได้อีกแล้ว

ภาษา Go ที่เกิดขึ้นมาในป 2012 เพื่อเป็นหัวใจของ IT Infrastructure นั้น ได้กลายไปเป็นแกนหลักในการพัฒนา Docker และ Kubernetes ซึ่งเป็นสองเทคโนโลยีทางด้าน Container ที่ได้รับความนิยมสูงสุดในปัจจุบันไปแล้ว ด้วยความสามารถในการพัฒนาโปรแกรมในรูปแบบที่ Java หรือ C++ ไม่สามารถตอบโจทย์ได้ ทำให้ Go นั้นมีความโดดเด่นและน่าสนใจมากในฐานะของเทคโนโลยีที่จะกลายมาเป็นโครงสร้างหลักของหลายๆ Application ได้ในอนาคต

 

3. Swift กลายเป็นเสาหลักใหม่ของระบบนิเวศสำหรับ Apple

หลังจากที่ Apple ได้ประกาศเปิด Open Source ให้กับ Swift ไปเมื่อปี 2015 การใช้งาน Swift ก็เป็นที่แพร่หลายมากขึ้นในหมู่ iOS Developer และ Mac OS X Developer โดยมีเป้าหมายที่จะทดแทน Objective-C และ C++ ให้ได้ในอนาคต ซึ่งภาษา Swift เองนี้ก็มีแนวโน้มจะเติบโตต่อไปเรื่อยๆ ในอนาคต

 

4. การแข่งขันกันระหว่าง Java 8 และ Functional Language บน JVM

การรองรับการทำ Functional ได้ใน Java 8 ภายใต้ความสามารถที่มีชื่อว่า Lambdas นั้นทำให้ภาษา JVM อื่นๆ อย่าง Scala หรือ Clojure ได้รับผลกระทบไม่น้อย โดย Java 8 นี่รองรับทั้งการจัดการ Concurrency ได้ และยังรองรับการใช้งานในระบบ Big Data Analytics ในตัว ทำให้ปี 2017 นั้น งาน OSCON ที่จะจัดขึ้นอาจจะมีหัวข้อของ Scala และ Clojure น้อยลงเพราะเหล่าวิทยากรนั้นหันมาให้ความสนใจกับเทคโนโลยีอื่นๆ มากกว่าแทนแล้ว

 

5. วิเคราะห์ 5 ภาษาที่น่าสนใจในปี 2017

ทาง OpenSource.com ได้สรุปถึง 5 ภาษาที่น่าสนใจในปี 2017 เอาไว้ดังนี้

1. Rust: ภาษาสำหรับฝั่ง Systems ที่มีจุดเด่นด้านความเร็วและความปลอดภัย
2. Elixir: ภาษา Functional ที่มีคุณสมบัติทั้ง Dynamic และ Fault-tolerant ในตัวสำหรับรองรับ Application ขนาดใหญ่
3. Elm: ภาษา Functional สำหรับใช้สร้างโค้ด JavaScript ที่มีความเร็วสูง และมุ่งเน้นในการความง่ายในการใช้งาน
4. Kotlin: หนึ่งในภาษาตระกูล Java ที่กำหนด Static Type ได้ มีความปลอดภัย และทำงานร่วมกับ Java ได้
5. Perl 6: Perl รุ่นล่าสุดที่เพิ่มความสามารถใหม่ๆ น่าสนใจเข้ามามากมาย

 

ถือเป็นมุมมองจากฝั่ง Open Source ที่ไม่เหมือนค่ายอื่นจริงๆ ครับ

 

ที่มา: https://opensource.com/article/16/12/yearbook-top-programming-trends-2016

from:https://www.techtalkthai.com/programming-trends-in-2016-and-2017-from-opensource-dot-com/

Microsoft Office อัปเดตใหม่ นำเสนอสไลด์แบบไม่เรียงลำดับได้, มี AI ช่วยเขียนเนื้อหา

Microsoft Office อัปเดตล่าสุดนี้ถือว่าเพิ่มฟีเจอร์ใหญ่ๆ ที่น่าสนใจเข้ามาด้วยกันถึง 3 ฟีเจอร์บน Microsoft Word และ Microsoft PowerPoint ดังนี้ครับ

Credit: Microsoft.com

 

Researcher – ค้นหางานวิจัยและเอกสารอ้างอิงได้ทันทีจากใน Microsoft Word

Microsoft Word สามารถทำการเพิ่มเอกสารอ้างอิงและเอกสารที่เกี่ยวข้องเข้าไปในแต่ละ .docx เพื่อใช้อ้างอิงถึงในระหว่างการเขียนเนื้อหาบทความต่างๆ ได้ทันที รวมถึงจัดรูปแบบของการทำ Citation ให้แบบมาตรฐานภายในการคลิกเพียงแค่ครั้งเดียว โดยฟีเจอร์นี้อาศัยความสามารถของ Bing Knowledge Graph เพื่อนำเนื้อหาที่เกี่ยวข้อบงและน่าเชื่อถือมาให้เราใช้อ้างอิงได้ด้วย โดยในอนาคตจะมีการเพิ่มแหล่งอ้างอิงต่างๆ ให้มากขึ้น รวมถึงจะเปิดให้ใช้ฟีเจอร์นี้ได้จาก Mobile Device อีกด้วย

 

Editor – AI ช่วยตรวจคำผิดและแก้ไขสำนวนการเขียนให้ถูกต้องบน Microsoft Word

Editor เป็นบริการ Cloud ที่จะช่วยตรวจเนื้อหางานเขียนต่างๆ ด้วยเทคโนโลยี Machine Learning และ Natural Language Processing เพื่อให้การเรียบเรียงคำและประโยคต่างๆ รวมถึงการแก้ไขคำผิดและไวยากรณ์ที่ผิดพลาดให้เราได้ รวมถึงแนะนำคำที่สามารถใช้เป็นทางเลือกในการเขียนให้ดูดีขึ้นได้ โดยในอนาคต Editor จะเพิ่มความสามารถในการให้เหตุผลด้วยว่า ทำไมคำหรือประโยคไหนถึงควรจะถูกเปลี่ยน

 

Zoom – Microsoft PowerPoint สามารถนำเสนอแบบไม่เรียงลำดับสไลด์ได้แล้ว

สำหรับใครที่ต้องพรีเซนต์งานกันบ่อยๆ คงจะมีเบื่อๆ เหมือนกันที่ต้องทำสไลด์นำเสนอแบบเรียงลำดับ และเปิดไล่แต่ละหน้าไปแบบ Linear ทาง Microsoft เลยออกอัปเดตใหม่บน Microsoft Office ให้เราสามารถนำเสนองานได้ด้วยฟีเจอร์ใหม่ที่ชื่อว่า Zoom ครับ โดยเราสามารถข้ามลำดับการนำเสนอไปหน้าไหนยังไงก็ได้ตามใจเราเลย

การนำเสนอสไลด์แบบนี้ก็จะเหมาะกับงานที่เน้นการพูดคุยวิเคราะห์ข้อมูลต่างๆ มากขึ้น และช่วยทำให้รูปแบบการนำเสนอมีความยืดหยุ่นมากขึ้นไปด้วยในเวลาเดียวกัน

 

ที่มา: http://www.theregister.co.uk/2016/07/27/powerpoint_microsoft_zoom/, https://blogs.office.com/2016/07/26/the-evolution-of-office-apps-new-intelligent-services-such-as-researcher-and-editor-in-word-and-outlook-focused-inbox-as-well-as-continued-powerpoint-innovation-with-zoom/

from:https://www.techtalkthai.com/microsoft-office-has-3-new-features/

4 เหตุผลหลัก ทำไมวงการสาธารณสุขจึงต้องการ Data Science

ในอุตสาหกรรมสาธารณสุขจะมีอะไรที่สำคัญไปกว่าผลลัพธ์ด้านสุขภาพ? ในทุกวันผู้ให้บริการด้านสาธารณสุขทั่วโลกต่างพยายามค้นหาวิถีทางที่จะปรับปรุงคุณภาพชีวิตของพวกเรา แต่ก็นั่นแหละปัจจุบันโลกได้เปลี่ยนไปพูดได้ว่าโลกเปลี่ยนแปลงไปเร็วเกินกว่าที่เราจะตามทันด้วยซ้ำ การทำงานคนเดียวคงมิอาจปรับปรุงคุณภาพชีวิตคนไข้ได้อีกต่อไปเพราะจำนวนข้อมูลด้านสาธารณสุขได้เติบโตอย่างรวดเร็วเรียกได้ว่า เพิ่มขึ้นทุกๆ วินาทีก็ว่าได้ ซึ่งนั่นมันทำให้เพิ่มความยากในการค้นหารูปแบบที่เหมาะสมกับข้อมูล ข้อมูลขนาดใหญ่หรือที่เรียกกันว่า Big Data ไม่ใช่สิ่งที่น่าเย้ายวนนักหรอก เพราะมันสามารถเป็นพรอันประเสริฐหรือเป็นสาเหตุของความหายนะก็ได้ในเวลาเดียวกัน มันมีความเป็นไปได้ทั้งสองทางไม่ว่าจะเป็นทำให้เราเข้าใจอย่างลึกซึ้งหรือเป็นม่านหมอกที่คอยบดบังทาง

Credit: ShutterStock.com

ความจริงแล้ว Data Science ได้กำลังปรับปรุงผลลัพธ์ในทางที่ดีขึ้นจนเรียกได้ว่าไม่อาจประเมินค่าได้ เนื่องจากได้สร้างความความเป็นอัตโนมัติมากมายที่ทำให้พัฒนาการต่างๆดีขึ้นตามลำดับ ทั้งความเร็ว ความสามารถในการย่อและขยายข้อมูล รวมถึงความถูกต้องแม่นยำ สิ่งที่ควรพิจารณาอย่างยิ่งคือการมองไปที่ความสามารถในการพยากรณ์โรคระบาด ความก้าวหน้าในการรักษา และการทำให้คนไข้พักรักษาตัวในโรงพยาบาลอย่างสะดวกสบายและปลอดภัย โดยในทางสาธารณสุขแล้ว Data Science ควรจะถูกพิจารณาความเป็นอัจฉริยะในแง่คุณประโยชน์มากกว่าการเป็นเพียงปัญญาประดิษฐ์เท่านั้น ซึ่งแผนการเตรียมการในการเพิ่มบริการเหล่านี้แก่ผู้เชี่ยวชาญทางสาธารณสุขได้เริ่มขึ้นแล้ว

เหตุผลที่ 1 ข้อมูลค่ารักษาพยาบาล

จากผลการสำรวจการปฏิบัติหน้าที่ของโรงพยาบาลแห่งชาติพบว่า ในปี 2010 ได้มีผู้ป่วยที่ได้รับอนุญาตให้ออกจากโรงพยาบาล (Discharge) จำนวน 35.1 ล้านคนภายในระยะเวลาที่อยู่ในโรงพยาบาลเฉลี่ย4.8 วัน และมีการรายงามเพิ่มเติมว่ายังมีผู้ป่วยอีกจำนวน 51.4 ล้านคนที่ยังอยู่ในขั้นตอนรักษา จากผลการสำรวจการรักษาพยาบาลผู้ป่วยนอกในปี 2011 พบว่ามีผู้ป่วยนอกจากแผนกดูแลผู้ป่วยนอกจำนวน 125.7ล้านคน และแผนกผู้ป่วยฉุกเฉินจำนวน 136.3 ล้านคน และยังมีข้อมูลพื้นฐานเพิ่มเติมอีกจำนวนหนึ่งแสดงข้อมมูลการรักษาพยาบาลในระบบสาธารณสุขของสหรัฐอเมริกาอีกด้วย การนำ Data Science มาประยุกต์ใช้กับข้อมูลเหล่านี้จะทำให้เกิดความเข้าใจข้อมูลมากยิ่งขึ้นและสร้างความเป็นไปได้ในการลดหรือหลีกเลี่ยงการแพร่กระจายของเชื้อโรคหรือแม้กระทั่งจัดการการลุกลามได้ด้วย การรวมเข้าด้วยกันของสถิติ การสำรวจวิเคราะห์ข้อมูลและการพยากรณ์ข้อมูลจะนำไปสู่การบริหารต้นทุนให้มีประสิทธิภาพสำหรับอาการป่วยที่เฉพาะเจาะจงและลดความซ้ำซ้อนที่ไม่จำเป็นในการรักษาได้อีกด้วย การสร้างพลังแห่งการคาดการณ์ที่มีประโยชน์เหล่านี้คือการใช้ความรู้ที่จะเปลี่ยนแปลงรูปแบบพฤติกรรมของวันนี้

เหตุผลที่ 2 ข้อมูลด้านการรักษา

แหล่งข้อมูลได้รวบรวมมาจากบันทึกการรักษาของแพทย์ ผลการทดลองจากห้องแล๊บ และการเก็บข้อมูลจากเทคโนโลยีการฉายภาพทางการแพทย์ในระหว่างการตรวจรักษาคนไข้ ตัวอย่างเช่นในทุกวันโรงพยาบาลใช้อัลกอริทึมของการประมวลผลภาษาธรรมชาติ (Natural language processing algorithms) ในการวิเคราะห์ประวัติคนไข้ ซึ่งพวกเขาอาจจะระบุถึงความเสี่ยงที่แน่นอนของอาการป่วยในคนไข้แต่ละบุคคลได้ และเมื่อไม่นานมานี้ก็ได้มีรายงานว่าผู้ให้บริการทางสาธารณสุขไม่ยอมรับการอ่านผลความดันเลือดที่ผ่านการอ่านสามครั้งโดยไม่ต่อเนื่องกันจากการตรวจสอบ 26% ของผู้ป่วยในแผนกกุมารเวช ซึ่งถูกตรวจสอบโดยสมาคมการแพทย์อเมริกัน (The American Medical Association) ซึ่งการยอมรับนี้จะต้องผ่านการวิเคราะห์จากข้อมูลที่เพิ่มขึ้นจำนวนมากซึ่งอาจจจะเป็นงานที่ยากขึ้นสำหรับผู้ให้บริการทางสาธารณสุข

เหตุผลที่ 3 ข้อมูลด้านการวิจัยและพัฒนายา

เมื่อไม่นานมานี้ ได้เกิดความร่วมมือในการพัฒนาระหว่างบริษัทยา ซึ่งได้พิจารณาโครงการ Data Sphere, การเริ่มต้นการแชร์ความรู้และข้อมูล, การรวมข้อมูล, รวมถึงการวิเคราะห์ข้อมูลประวัติการรักษาโรคมะเร็งเพื่อวัตถุประสงค์ในการรวบรวมข้อมูลในการวิจัยเพื่อเพิ่มความรวดเร็วในการค้นหาและการรักษาโรคมะเร็ง พลังแห่งข้อมูลอันมากมายมหาศาลคือการวิเคราะห์และการโฟกัสไปยังการค้นหาวิธีการรักษาสำหรับผู้ป่วยโรคมะเร็ง

เหตุผลที่ 4 ข้อมูลพฤติกรรมคนไข้รวมถึงความคิดเห็น

จากผลการศึกษาของสมาคมการแพทย์อเมริกันคาดว่า Wearable หรืออุปกรณ์สวมใส่อิเล็กทรอนิกส์จะมีจำนวน 52 ล้านชิ้นภายในปี 2019 ซึ่ง Wearable สามารถรายงานและตรวจจับอัตราการเต้นหัวใจ รูปแบบการนอน การเดิน และอีกมากมาย ขณะที่มีการเพิ่มมิติอื่นๆ ที่เกี่ยวข้องในหลายบริบทเข้ามา ทั้งการค้นหาพิกัด รูปแบบพฤติกรรม รวมถึงสถิติชีวภาพ การรวมสิ่งเหล่านี้เข้ากับข้อมูลวิถีชีวิตหรือ Lifestyle ที่ไม่มีโครงสร้างผ่านSocial media กลายเป็นศูนย์รวมอำนาจ ซึ่งนั่นมันมากกว่าแค่จำนวนและการส่งเสียง (Tweet)

Credit: ShutterStock.com

จะเห็นได้อย่างชัดเจนว่าเราจะมีประสบการณ์lสำหรับการใช้ประโยชน์มากมายที่มาจากการวิเคราะห์ข้อมูลทั้งในและนอกวงการสาธารณสุข เราจะเห็นความต่อเนื่องในการผลักดันการป้องกันผ่านการรักษาซึ่งมุ่งประเด็นไปที่การพยายากรณ์ผลลัพธ์การรักษาเป็นสำคัญ

มันอาจจะยังไม่เป็นที่นิยมแพร่หลายหรือเป็นที่กล่าวขานในตอนนี้ แต่ในอนานคตเมื่อเรามองย้อนกลับมาที่ Data Science มันจะกลายเป็นสิ่งที่สำคัญและมีความหมายในวงการสาธารณสุขมาก มันจึงดูสมเหตุสมผลที่จะคาดหวังว่ามีความเป็นไปได้ที่จะฟื้นฟูเยียวยาอาการเจ็บป่วยและบาดเจ็บได้เร็วขึ้น มีอายุยืนยาว เพราะการค้นพบยาใหม่ๆ ที่มีประโยชน์และสร้างประสิทธิภาพกับการผ่าตัดที่โรงพยาบาล สิ่งเหล่านี้เกิดขึ้นได้เพราะการวิเคราะห์ Big Data

อะไรที่ทำให้การอยู่ในยุคของ Big Data เป็นเรื่องที่น่ายินดี นั่นคือสิ่งที่เป็นแรงผลักดันให้วงการสาธารณสุข การค้นหาเครื่องมือ ทักษะ และเทคนิคต่างๆ เพื่อให้สามารถทำงานกับข้อมูลผู้ป่วยที่มีอย่างท่วมท้นมากมายคือความเข้าใจอย่างลึกซึ่งในธรรมชาติของข้อมูล เมื่อวงการสาธารณสุขได้นำ Data Science มาใช้อย่างเต็มรูปแบบ มันจะเปลี่ยนแปลงอนาคตของคุณทุกคน

ที่มา: http://www.cio.com/article/3001216/analytics/4-big-reasons-why-healthcare-needs-data-science.html

เกี่ยวกับ Data Science Thailand

Data Science Thailand เป็นแหล่งรวมข้อมูล Data Science เพื่อการพัฒนา Data Science ในประเทศไทย

ทางทีมงานยังได้จัดตั้ง Data Sci Lab, Thailand เพื่อให้บริการด้านงานวิจัย ให้คำปรีกษา และ จัดอบรม ที่เกี่ยวกับ Data Science โดยใน Lab ของเราจะแบ่งงานเป็นสามส่วนคือ (1) การเรียนรู้และพัฒนาเทคโยโลยีที่เกี่ยวกับ Big Data (2) การทำ Data mining ซิ่งรวมถีง Predictive Analytics และ (3) การทำ Data Visualization สนใจติดต่อได้ที่ komes@datascienceth.com

https://www.facebook.com/DataScienceTh
http://datascienceth.com/

from:https://www.techtalkthai.com/4-reasons-why-healthcare-needs-data-science/