เหลือแหล่องค์กรแห่งยุคปัจจุบันต่างตื่นตัวและกลุ้มใจกับดัก Digital Disruption สถานที่กำลังเข้าส่งผลต่อทั้งปวงอุตสาหกรรมสมบูรณ์เรื่อย ๆ ที่ใสองค์กรมีงานสนับสนุนจ่ายบุคคกราบลาแขนได้มาทำความเข้าใจและทำความเข้าใจนวัตกรรม AI หรือไม่ก็ platform แตกต่าง ๆ แห่งหนมีความเก่งกาจทันสมัยสรรพสิ่งหน่วยงานแห่งมีประสิทธิภาพณต่างชาติ ก็ทำให้เกิดแนวคิดสถานที่หิวจักประยุกต์ใช้กับดักองค์กรของตัวเอง โหยปฏิรูปองค์กรด้วยงาน Digital Transformation ซึ่งสติปัญญากลุ่มนี้เป็นสิ่งแห่งดีงาม แต่จากความช่ำชองสรรพสิ่งเกล้าผมแห่งคว้าสังสนทนาลงมาพบพานแหว รองคคลากเส้นรสชาติ่โฉบเทอะทะอีกต่างหากมีความสับสน เพราะว่าค่อนข้างทบทวนดูแค่เพียงดุจะจับ AI ลงมาชดใช้พร้อมกันกับดักงานก่อสร้าง “Innovation” อีกทั่วยังทบทวนดูบริหารสร้าง AI เป็นสิ่งแห่งทำกันได้คล่องและครอบครองแค่เพียง IT project แผนเอ็ดเท่านั้น พางจับจ่ายใช้สอยรายการสำเร็จรูปหรือ software ลงมาใช้คืน เนื้อตัวรายการทั้งเพก็จักสามารถแก้ปัญหาด้วยกันตอบปัญหาสิ่งขององค์กรคว้าขวับ อันแห่งเกล้าผมหิวบอกก็ถือเอาว่า AI อาจไม่ใช่เช่นนั้นคำเฉลยสิ่งของทุกโจทย์ กับงานทำ Digital Transformation นั้น ก็ไม่ได้ชี้เนื้อความดุจะจำเป็นจะต้องมี AI เข้ามาเกี่ยวข้องกับทุกนวัตกรรม อิฉันควรศึกษาจ่ายแจ่มแจ้งเสื่อมโทรมก่อนแหว AI ถือเอาว่าอะไร ประกอบด้วยหลักกระทำอย่างไร ด้วยกันสามารถทำคุณอะไรจ่ายอิฉันได้มั่งAI ก่อกำเนิดขนมจากข่าว (data)ชิ้นแห่งเดินเครื่องให้ AI โดยเฉพาะอย่างยิ่ง Machine Learning (ML) ปฏิบัติการคว้าอย่างมีประสิทธิภาพ ลงความว่า ประกาศ (data) ผิประกอบด้วยข่าวดีก็มีโอกาสที่จะก่อสร้างโมเดลที่ทำงานก้าวหน้าพร้อมด้วย (นั่งพิงขนมจากหลักการ Garbage In Garbage Out) รวมถึงส่วนประกอบแห่งสำคัญด้านแบบสร้างกบิล (Infrastructure) แห่งทำให้ผู้บริโภคสามารถจับโมเดลจรใช้งานได้จริง ซึ่งเวลานี้อะไรก็ครอบครองประกาศได้ครั้นอีฉันเนรมิตข่าวปันออกอยู่แห่งรูปแบบดิจิทัล (Digitization) เช่น ข้อมูลขนมจากเซ็นเซอร์ณเครื่องมือเครื่องใช้ IoTข้อมูลขนมจากทิวภาพกับความเห็น ประกาศจากการใช้งานซอฟต์แวร์แตกต่าง ๆข่าวงานชดใช้โซเชียลมีเดียร์เราสมรรถนำข่าวเหล่านี้เจียรจ่าย AI/ML ศึกษาเพื่อจะสร้างประโยชน์ได้อย่างต่างๆนาๆร่วมกันพัฒนา AI/ML ด้วยสิ่งใหม่แบบรั้งขึ้น (Open Innovation)นวัตกรรมแบบถก (Open Innovation) ลงความว่า กรอบความคิดแห่งการแลกสับเปลี่ยนองค์ปัญญาระหว่างกองกลางกับหน่วยงานแตกต่าง ๆ ประการความเป็นอิสระ ก่อให้เกิดการช่วยกันแห่งงานสร้างการทำงานแห่งทุเลาด้วยกันก่อสร้างองค์เมธาแห่งมีราคาณทั้งหมด ส่งเสริมปันออกก่อกำเนิดการพัฒนาต่อยอดอยากของใหม่ได้มาอย่างมีประสิทธิภาพกับคล่องแคล่วยิ่งขึ้น ซึ่งแห่งยุคปัจจุบันมีงานสนับสนุนเค้าโครงความคิดตรงนี้ประการแพร่หลาย ได้มางานส่งเสริมจากสถาบันวิจัยสรรพสิ่งหน่วยงานระดับโลกชนิด Google, Microsoft และ Facebook เช่น การแชร์ประกาศ การวิจัย รวมทั้งโมเดลด้วยกันรหัส (code) พอให้นักวิจัยกับมากหลายปรับปรุงทั่วโลกสามารถนำข่าวเจียรซ่อมกับปรับปรุงดาม รวมทั้งแชร์หวนกลับจ่ายกับดักกลุ่มนักค้นคว้านั้น ๆ ทำให้เกิดวัฏจักรการหาความรู้ กับแน่นอนว่าอันสำคัญแห่งหนเป็นเหตุให้ชุมชนนั้นปฏิรูปอย่างยืดยาวลงความว่า งานประกอบด้วยทัศนคติสถานที่เปิดรับที่จะพร้อมใจกัน สมคบคิดห้ามทำเอางานวิจัยดีกับเป็นเงินเป็นทองต่อเข้าสังคม สิ่งเหล่านี้เองแห่งหนเป็นเหตุให้วิวัฒนาการปีก AI/ML ณช่วงเหลือแหล่ปีที่ผ่านมาประกอบด้วยการพัฒนาโดยด่วนความเก่งกาจสิ่งของ AI/ML เกิดขนมจากการศึกษาเล่าเรียนแนวทางของประกาศ (pattern)ปัจจุบันสิ่งสถานที่ AI/ML ทำกันได้งดงามสิงสู่ปัจจุบันนี้ต้องคดีเก่งเฉพาะการทำงาน อีกนัยหนึ่งการชดใช้ AI/ML เสร็จยกมาอัลกปฎิปักษ์ครึ้มลงมาศึกษาหา pattern จากข้อมูลเพื่อจะตอบโจทย์ฐานวาง ซึ่งสมรรถนำมาใช้กับดักธุรกิจซ้ำ ๆ เช่นธุรกิจอัตโนมัติ (Automation)งานเลือกเฟ้นเศษ (Classification)การคัดเลือกทัศนียภาพหรือวีดิโอวัตถุสิ่งของแตกต่าง ๆ (Object Detection)งานพิจารณาเลือกเฟ้นเค้าหน้าคน (Face Recognition)งานหยั่งรู้พยากรณ์ (Prediction/Forecasting)การคาดการณ์จำนวนสิ่งของเครื่องใช้ที่คลังสินค้างานทำนายขนมจากตัว x-ray แหวมนุชประกอบด้วยการเสี่ยงจะเป็นโรคมะเร็งไหมการพา AI สถานที่ใช้กับภาษามนุษย์ Natural Language Procession – NPL มาใช้คืนเพื่อควานคำตอบขนมจากเรียงความ ซึ่งความสามารถของ AI ที่ยุคปัจจุบัน ทำกันได้ดีเฉพาะกับดักประกาศแห่งครอบครองภาษาอังกฤษขนาดนั้น ที่ซีกสรรพสิ่งภาษาไทยอิฉันอาจจำเป็นจะต้องร่วมแรงร่วมใจพัฒนาถัดจากด้วยกันอีกตัวอย่างแห่งน่าสนใจลงความว่า การพา Reinforcement Learning ลงมาชดใช้เรียนรู้เพราะการเก็บข้อมูลขนมจากการตอกกลับกับบริเวณแวดล้อม อาทิ Self Driving Car ชดใช้เซ็นเซอร์ณการศึกษาเล่าเรียนดุสิ่งรอบข้างคืออย่างไรเพื่อใช้คืนแห่งการควบกำกับรถยนต์ในอนาคตสูงสุดประกอบด้วยข่าวมากมาย AI สูงสุดแก่กล้าอย่างไรก็ตาม AI/ML แห่งหนอิฉันใช้คืนสิงสู่ปัจจุบันนี้ก็อีกทั้งมีข้อจำกัดอยู่มั่ง เพราะ ML โมเดลส่วนมาก เป็นพิเศษโมเดลแห่งหนเรียกว่า Deep Learning จำเป็นต้องใช้คืนจำนวนรวมข่าวด้วยกันทรัพยากรแห่งการคำนวณมากมาย เล่า งานแห่งหนเราจักถ่ายทอดจ่ายโมเดลรู้จักมักจี่ทิวภาพข้าวของเครื่องใช้อย่างหนึ่ง อาจจะจำเป็นจะต้องใช้คืนทัศนียภาพมากร้อยจรดเสาโพกผ้าตัว ขึ้นกับความถูกต้องแห่งอิฉันมุ่งหมาย บริบูรณ์สอนด้วยรูปภาพมากมายก็สูงสุดแม่นยำขึ้น แต่ผิเปรียบเทียบกับดักความสามารถคน เราอาจใช้คืนร่างกายพางไม่กี่ทอผ้าตัวก็สามารถแบ่งแยกข้าวของเครื่องใช้ได้มา ซึ่งปัจจุบันก็ริเริ่มมีงานค้นคว้าวิจัยสถานที่พัวพันกับงานใช้โมเดลแห่งใช้ข้อมูลไม่มากจนเกินควร เช่น Transfer Learning ซึ่งเป็นโมเดลแห่งศึกษาขนมจากข่าวแห่งการทำงานประเภทหนึ่ง แล้วเอาจากไปใช้กับธุรกิจประเภทแห่งหนคล้ายคลึง อีกโมเดลคือ Self-Supervised Learning ลงความว่าโมเดลภาษาแห่งหนเรียนรู้โดยงานผ่าลบออกถ้อยคำใสวจี แล้วจ่ายโมเดลคาดคะเนดุ คำแห่งให้จากไปลงความว่าอย่างไร ซึ่งเราใช้คืนข้อมูลแห่งหนมีสิงสู่กับวจีแห่งไม่ผิดลบออกจรดำรงฐานะวิสัชนา เพื่อสอนจ่ายโมเดลชดใช้ข่าวอย่างมีประสิทธิภาพเช็คความพร้อมสิ่งขององค์กรก่อนสร้าง AI ยิ่งไปกว่านี้ยังมีส่วนประกอบอื่น ๆ แห่งหนควรประหวัดที่การพา AI/ML มาใช้คืน นั่นถือเอาว่า ทรรศนะสรรพสิ่งผู้บริหารแห่งควรจะเปิดรับด้วยกันประกอบด้วยวิสัยทัศน์ที่จะลองกับเดินเครื่องหน่วยงานโดยการใช้ประกาศครอบครองข้อสำคัญแห่งการตกลงใจความคุ้มราคาสิ่งของสิ่งที่จะทำพิธีกรรม กับทัศนคติของคนวงในองค์กรความพร้อมมุขด้านประกาศ ความพร้อมสิ่งของบุกระทรวงคมนาคมกราบลามือ เพื่อสำรวจว่าจะจัดการเองพร้อมด้วยคนภายใน (build) หรือว่าจะว่าจ้างผู้เชี่ยวชาญขนมจากพาเหียร (outsource)ตำแหน่งอื่น ๆ แห่งหนน่าประกอบด้วย ถ้าหากปลงใจจัดการเองอีกด้วยวงในหน่วยงานผมมองว่า AI/ML ไม่ไหวจบเพียงงานก่อโมเดลเพราะทีม (1) Data Scientist หรือไม่ก็ (2) AI Researcher เสียแต่ว่าต้องมีองค์ประกอบพื้นฐาน (Infrastructure) ที่จะนำโมเดลสถานที่ไม่ผิดพัฒนาจากการทดลองลงมาใช้ปันออกเกิดประโยชน์จริงณงานเคลื่อนที่ธุรกิจ ซึ่งจำเป็นจะต้องมีวรรณะ (3) Infrastructure Engineer กับ (4) Data Engineer ที่จะร่วมกันห้ามประสานให้ข่าวขนมจากปากทางสิงสู่ที่แนวทางแห่งหนสมน้ำสมเนื้อและนำไปใช้ได้มาแน่นอน ด้วยกันคงจะมี (5) Machine Learning Engineer หรือว่า (6) MLOps ที่จะเอาใจช่วยเนรมิตโมเดลที่ทาง Data Scientist สร้างมาจ่ายสิงสู่แห่งรูปแบบแห่งหนสมควรกับสิ่งสถานที่ผู้บริโภคจะนำไปใช้ ซึ่งคณะ MLOps ด้านแห่งประธานณการสอดส่องความแน่วแน่ของสิ่งที่จะนำไปใช้ ผิมีงานทำให้เรียบแก้โมเดล ก็สามารถทำได้เพราะไม่เป็นเหตุให้ธุรกิจสะดุด ด้วยกันอีกข้างแห่งควรคำนึงถึงกับประธานเปล่าแพ้ห้ามลงความว่า งานสอดส่องประกาศ ไม่ว่าจะเป็นเรื่องความปลอดภัย (Data Security) และความเป็นส่วนตัว (Data Privacy) สรรพสิ่งประกาศผู้ซื้อ และงานดูแลคดีกฎศีลธรรมที่การใช้คืนข่าวกับ AI/ML โมเดล ที่กล่าวมาทั้งผองนี้ ถือเอาว่าชิ้นสถานที่เกล้าผมหวังย้ำแหว มีเหลือแหล่ปัจจัยแห่งผู้ประกอบการจำเป็นจะต้องไตร่ตรองให้ถ้วนถี่ ก่อนการนำ AI ลงมาใช้กับธุรกิจให้บรรลุผลครับผมข้อเขียนโดย เจียรัล เฉิดฉินวิโรจน์ก้าวหน้า, Chief Data Scientist & VP of Data Innovation Lab บริษัท เซอร์ทิส จำกัด กงสีให้คำปรึกษาด้านเทคโนโลยีกับดิจิทัลโซลูชั่นจ่ายกับหน่วยงานทั้งภาครัฐและเอกชน ช่วงปัจจุบันชดใช้ประสบการณ์การงานต่างชาติทางปีกซอฟท์แวร์ ข่าว ด้วยกันปัญญาประดิษฐ์ สอดส่องดูแลกรุ๊ป Data Scientist, ML Engineer และ AI Research นอกจากนี้ยังดำรงฐานะนักเขียนแนว Data Driven Society สิ่งของประเทศไทยเลิกลิก้า (เพราะระอากรณีครอบครอง Drama Driven Society ของประเทศอีฉัน) NewsMLAIdataBangkok AIopen-innovationmachine-learning
https://storage.googleapis.com/techsauce-prod/ugc/uploads/2020/3/99373EF6-6D41-4BF0-9EDC-7E41A52C676E.jpeg
