AI, ML, LLM — อธิบายแบบ Engineer
คำว่า AI ถูกใช้กว้างมาก จนบางครั้งสับสนได้ง่าย ลองคิดแบบนี้:
AI
Artificial Intelligence — ระบบที่เลียนแบบความฉลาดมนุษย์ ตัดสินใจ วางแผน แก้ปัญหาได้
ML
Machine Learning — AI ที่เรียนรู้จากข้อมูล ไม่ต้องโปรแกรมทุกกฎ เพิ่มความแม่นยำได้เอง
LLM
Large Language Model — AI ที่เข้าใจและสร้างภาษา เช่น ChatGPT, Claude, Gemini
AI ทำงานยังไง — ทำไมมันถึงฉลาด (และพลาดได้)
LLM ถูก train จาก text จำนวนมหาศาล — หนังสือ, เว็บ, บทความ, code — จนเรียนรู้ pattern ของภาษา มันไม่ได้ "คิด" แบบมนุษย์ แต่ทำนายว่า "คำหรือประโยคต่อไปควรเป็นอะไร" ตาม context ที่ให้ไป
ด้วยเหตุนี้ AI จึง:
- ตอบได้ดีมากเมื่อ context ชัดเจน — เหมือนมีผู้เชี่ยวชาญคอยช่วยตลอดเวลา
- อาจผิดพลาดเมื่อข้อมูลไม่มีใน training data หรือ context ไม่ครบ
- สร้าง "hallucination" ได้ — ตอบมั่นใจแต่ข้อมูลผิด ต้องตรวจสอบเสมอ
Top 10 AI Tools สำหรับ Engineer
เลือก tool ให้ตรงกับงาน — ไม่จำเป็นต้องใช้ทุกตัว:
Workshop: ทดลองใช้ AI ครั้งแรก
ลองถาม AI ด้วยประโยคต่อไปนี้ แล้วสังเกตผลลัพธ์:
- "อธิบายหลักการทำงานของ Ball Mill สำหรับการบด Clinker ให้ฉันเข้าใจแบบง่าย ๆ"
- "ค่า Blaine Fineness คืออะไร และทำไมถึงสำคัญในการผลิต Fiber Cement"
- "ช่วยแปลประโยคนี้จากภาษาอังกฤษเป็นภาษาไทย: [ใส่ข้อความจากคู่มือ equipment]"
สังเกตว่า AI ตอบแบบไหน ตอบถูกหรือผิด และต้องปรับ prompt อย่างไรเพื่อให้ได้คำตอบที่ดีขึ้น — นี่คือ core skill ที่จะเรียนต่อใน M02