พื้นฐาน AI
AI (Artificial Intelligence)
ปัญญาประดิษฐ์ - ระบบคอมพิวเตอร์ที่ทำงานซึ่งปกติต้องใช้สติปัญญาของมนุษย์ เช่น เข้าใจภาษา วิเคราะห์ และตัดสินใจ
Machine Learning (ML)
การเรียนรู้ของเครื่อง - การทำให้คอมพิวเตอร์เรียนรู้รูปแบบจากข้อมูลเพื่อทำนายหรือตัดสินใจ โดยไม่ต้องเขียนกฎตายตัวทุกกรณี
Deep Learning
การเรียนรู้เชิงลึก - แขนงหนึ่งของ ML ที่ใช้โครงข่ายประสาทเทียมหลายชั้น เป็นพื้นฐานของ AI สมัยใหม่
Generative AI
AI เชิงสร้างสรรค์ - AI ที่สร้างเนื้อหาใหม่ได้ เช่น ข้อความ รูปภาพ โค้ด หรือเสียง จากสิ่งที่เรียนรู้มา อ่านเพิ่ม →
LLM (Large Language Model)
โมเดลภาษาขนาดใหญ่ - AI ที่เรียนรู้จากข้อความมหาศาลจนเข้าใจและสร้างภาษาได้อย่างเป็นธรรมชาติ เช่น GPT และ Claude อ่านเพิ่ม →
การใช้งานและคุยกับ AI
Prompt
คำสั่งหรือคำถามที่เราป้อนให้ AI เพื่อให้ได้ผลลัพธ์ที่ต้องการ ยิ่งชัดเจนผลลัพธ์ยิ่งตรง
Prompt Engineering
ทักษะการออกแบบ prompt ให้ AI เข้าใจสิ่งที่ต้องการและให้ผลลัพธ์ที่ใช้งานได้จริง อ่านเพิ่ม →
Token
หน่วยย่อยของข้อความที่ AI ประมวลผล (คำหรือส่วนของคำ) ใช้คิดต้นทุนและขนาดของข้อมูลเข้า-ออก
Context Window
ปริมาณข้อความสูงสุดที่ AI พิจารณาได้ในครั้งเดียว ยิ่งใหญ่ยิ่งรับข้อมูลยาวได้มากขึ้น
Hallucination
อาการที่ AI สร้างข้อมูลที่ฟังดูน่าเชื่อแต่ผิดหรือไม่มีอยู่จริง จึงควรมีคนตรวจสอบผลลัพธ์เสมอ อ่านเพิ่ม →
Fine-tuning
การฝึกโมเดลเพิ่มเติมด้วยข้อมูลเฉพาะทาง เพื่อให้เชี่ยวชาญงานหรือสไตล์ที่องค์กรต้องการ
Few-shot / Zero-shot
การสั่งงาน AI โดยแนบตัวอย่างไม่กี่ชิ้น (few-shot) หรือไม่ให้ตัวอย่างเลย (zero-shot)
Multimodal
AI ที่รับหรือสร้างได้หลายรูปแบบพร้อมกัน เช่น ข้อความ รูปภาพ และเสียง
Agentic AI และระบบ
AI Agent
AI ที่ทำงานเป็น 'ตัวแทน' รับเป้าหมายแล้วเลือกใช้เครื่องมือและลงมือทำเองจนบรรลุผล อ่านเพิ่ม →
Agentic AI
AI ที่ไม่ได้แค่ตอบ แต่วางแผนและลงมือทำงานหลายขั้นตอนแทนคนได้ โดยมีคนกำกับ อ่านเพิ่ม →
RAG (Retrieval-Augmented Generation)
เทคนิคที่ให้ AI ค้นข้อมูลจริงขององค์กรก่อนตอบ ช่วยลดการมั่วและอ้างอิงแหล่งที่มาได้ อ่านเพิ่ม →
Embedding
การแปลงข้อความหรือรูปภาพเป็นเวกเตอร์ตัวเลข เพื่อให้ AI ค้นหาสิ่งที่ 'ความหมายใกล้เคียงกัน' ได้
Vector Database
ฐานข้อมูลที่เก็บ embedding สำหรับค้นหาด้วยความหมาย เป็นหัวใจของระบบ RAG
Knowledge Base
คลังความรู้และเอกสารขององค์กรที่ AI ใช้เป็นแหล่งอ้างอิงในการตอบคำถาม อ่านเพิ่ม →
MCP (Model Context Protocol)
มาตรฐานเปิดสำหรับเชื่อม AI เข้ากับข้อมูลและเครื่องมือภายนอกอย่างเป็นระบบและปลอดภัย
Workflow Automation
การให้ AI หรือระบบทำงานตามขั้นตอนโดยอัตโนมัติ เพื่อลดงานซ้ำซ้อนของคน อ่านเพิ่ม →
API
ช่องทางมาตรฐานให้ซอฟต์แวร์คุยกันได้ ใช้เชื่อม AI เข้ากับระบบเดิมขององค์กร
องค์กรและกลยุทธ์
AI Transformation
การปรับองค์กรทั้งกระบวนการ คน และกลยุทธ์ ให้ทำงานร่วมกับ AI ได้จริง ไม่ใช่แค่การซื้อเครื่องมือ อ่านเพิ่ม →
AI Governance
กรอบการกำกับดูแลการใช้ AI ให้ปลอดภัย โปร่งใส ตรวจสอบได้ และเป็นไปตามกฎ เช่น PDPA อ่านเพิ่ม →
AI Roadmap
แผนเป็นระยะของการนำ AI เข้าองค์กร ตั้งแต่จุดเริ่มต้นจนถึงการขยายผลทั่วองค์กร อ่านเพิ่ม →
Proof of Concept (PoC)
การทดลองในวงจำกัดเพื่อพิสูจน์ว่าไอเดีย AI ใช้ได้จริงและคุ้มค่า ก่อนลงทุนเต็มรูปแบบ อ่านเพิ่ม →
Use Case
กรณีการใช้งาน AI ที่เจาะจง เช่น 'สรุปเอกสารสัญญา' หรือ 'ตอบคำถามลูกค้าอัตโนมัติ'
ROI (Return on Investment)
ผลตอบแทนเทียบกับเงินที่ลงทุน เป็นตัวชี้วัดว่าโครงการ AI คุ้มค่าหรือไม่ อ่านเพิ่ม →
Human-in-the-loop
การออกแบบให้มีคนกำกับหรืออนุมัติในจุดสำคัญ เพื่อความปลอดภัยเมื่อ AI ลงมือทำงานเอง
PDPA
พระราชบัญญัติคุ้มครองข้อมูลส่วนบุคคล พ.ศ. 2562 กฎหมายไทยที่องค์กรต้องปฏิบัติตามเมื่อใช้ข้อมูลกับ AI
Private AI / On-premise AI
ระบบ AI ที่องค์กรควบคุมได้เต็มที่ ข้อมูลไม่รั่วออกนอก เหมาะกับข้อมูลที่อ่อนไหว อ่านเพิ่ม →
ไม่พบคำที่ค้นหา
อยากนำสิ่งเหล่านี้ไปใช้จริงในองค์กร
ปรึกษาทีม Intelevo เรื่องกลยุทธ์ AI การอบรม และการติดตั้งระบบ ปรึกษาเบื้องต้นฟรี
เริ่มต้นปรึกษา →