SMART PNRU

The University Of Generative AI

 

อัพเดตข่าวสารเกี่ยวกับ Generative AI

อ่านบทความ

ดาวน์โหลดเอกสาร

• Generative AI (Artificial Intelligence) คืออะไร ?

    1. เพื่อให้คณาจารย์ บุคลากร และนักศึกษาของมหาวิทยาลัยราชภัฏพระนครมีทักษะด้าน Generative AI
    2. เพื่อเป็นแนวทางในการพัฒนาสู่มหาวิทยาลัยแห่ง AI

• Generative AI (Artificial Intelligence) คืออะไร ?

       Generative AI (Artificial Intelligence) หมายถึง ระบบคอมพิวเตอร์ที่สามารถสร้างข้อมูลใหม่ๆ ที่ดูเหมือนมาจากมนุษย์ โดยใช้โมเดลเรียนรู้เชิงลึก (deep learning) และเทคนิคการสร้างข้อมูล (data generation) ซึ่งเป็นส่วนย่อยของสาขาปัญญาประดิษฐ์ (AI) ที่เรียกว่าปัญญาประดิษฐ์ที่มีการสร้างเนื้อหาแบบอัตโนมัติ โดยโมเดลเรียนรู้เชิงลึกที่ใช้ใน generative AI มักเรียกว่า "generative models" หรือ "generative neural networks" โดยพวกนี้รวมถึงโมเดลอินเทรนส์และโมเดลแบบรวมทั้งอื่นๆ ที่สามารถสร้างข้อมูลภาพ ข้อความ หรือเสียงใหม่ๆ ที่มีคุณภาพและความคล้ายคลึงกับข้อมูลต้นฉบับได้.

โมเดล generative AI ที่น่ารู้จักได้แก่:

1. **Generative Adversarial Networks (GANs)**: GANs เป็นโมเดลที่ประกอบด้วยสองส่วนหลักคือ Generator และ Discriminator ที่ต่อสู้กันในกระบวนการการเทรน โดย Generator พยายามสร้างข้อมูลใหม่ให้คล้ายข้อมูลต้นฉบับมากที่สุด ในขณะที่ Discriminator พยายามจำแนกว่าข้อมูลเหล่านั้นเป็นของจริงหรือไม่ กระบวนการแข่งขันนี้ช่วยปรับปรุงคุณภาพข้อมูลที่ถูกสร้างขึ้น.

2. **Variational Autoencoders (VAEs)**: VAEs เป็นโมเดลที่ใช้ในการสร้างข้อมูลใหม่โดยใช้แนวคิดของการเรียนรู้แบบเข้าใจโครงสร้างข้อมูล (unsupervised learning) โดย VAEs มักถูกใช้ในงานสร้างรูปภาพ.

3. **Transformer Models**: Transformer models เช่น GPT (Generative Pre-trained Transformer) นับเป็นโมเดล generative AI ที่มีความสามารถในการสร้างข้อมูลที่มีความหลากหลาย และมักถูกนำมาใช้ในงานสร้างข้อความ เช่น การเขียนบทความหรือแปลภาษา.

Generative AI มีการนำไปใช้ในหลายงานต่างๆ เช่น สร้างรูปภาพศิลปะ, การเขียนเนื้อหาที่ปรับแต่งได้, การสร้างเสียง, และประยุกต์ใช้ในด้านการสร้างข้อมูลที่ต้องการความสร้างสรรค์และความคล้ายคลึงกับมนุษย์.

• ROAD MAP :: PNRU : UNIVERSITY OF GENERATIVE AI

  

 

•  7-STEPs for SMART-PNRU

 

• 1. กำหนดแผนยุทธศาสตร์มหาวิทยาลัยอัจฉริยะ

  2. จัดทำแผนปรับปรุงโครงสร้างพื้นฐาน

  3. จัดทำแผนพัฒนาบุคลากรด้านมหาวิทยาลัยอัจฉริยะ

  4. จัดแผนปฎิบัติงานด้านมหาวิทยาลัยอัจฉริยะ

  5. สร้างเครือข่ายความร่วมมือทั้งในและต่างประเทศ

  6. ดำเนินการมหาวิทยาลัยอัจฉริยะ

  7. ประเมินผล ติดตาม และสรุปผลการดำเนินการ

ขั้นตอนที่กำหนดไว้ด้านบนเป็นขั้นตอนหลักที่มหาวิทยาลัยอัจฉริยะสามารถดำเนินการเพื่อพัฒนาและปรับปรุงตัวเองได้ ดังนี้:

1. กำหนดแผนยุทธศาสตร์มหาวิทยาลัยอัจฉริยะ:
- การกำหนดแผนยุทธศาสตร์เป็นขั้นตอนแรกที่มหาวิทยาลัยต้องทำ ซึ่งจะต้องกำหนดวิสัยทัศน์และพันธกิจของมหาวิทยาลัยอัจฉริยะให้ชัดเจน
- จะต้องกำหนดเป้าหมายที่ต้องการทำให้เป็นจริงในระยะยาวและระยะสั้น
- ประเมินสภาวะภายนอกและภายในมหาวิทยาลัย เช่น การวิเคราะห์ SWOT (Strengths, Weaknesses, Opportunities, Threats)

2. จัดทำแผนปรับปรุงโครงสร้างพื้นฐาน:
- การจัดทำแผนปรับปรุงโครงสร้างพื้นฐานเป็นขั้นตอนที่ใช้ในการปรับปรุงสิ่งสำคัญในมหาวิทยาลัย เช่น สิ่งก่อสร้าง อาคาร สิ่งอำนวยความสะดวก และเทคโนโลยี
- การปรับปรุงโครงสร้างพื้นฐานจะต้องใช้งบประมาณและแผนงานที่เหมาะสมตามการพัฒนาแผนยุทธศาสตร์

3. จัดทำแผนพัฒนาบุคลากรด้านมหาวิทยาลัยอัจฉริยะ:
- การจัดทำแผนพัฒนาบุคลากรเน้นการพัฒนาความรู้และทักษะของบุคลากรมหาวิทยาลัย
- การสร้างโครงสร้างองค์กรที่เหมาะสมและมีการบริหารจัดการที่มีประสิทธิภาพ
- การสร้างโอกาสในการฝึกอบรมและการพัฒนาอาจารย์และเจ้าหน้าที่

4. จัดแผนปฎิบัติงานด้านมหาวิทยาลัยอัจฉริยะ:
- การจัดแผนปฎิบัติงานเป็นขั้นตอนที่เกี่ยวข้องกับการดำเนินการตามแผนยุทธศาสตร์และแผนที่กำหนด
- การตรวจสอบและประเมินผลการดำเนินการเพื่อตรวจสอบว่ามหาวิทยาลัยกำลังดำเนินงานตามแผนที่กำหนดหรือไม่

5. สร้างเครือข่ายความร่วมมือทั้งในและต่างประเทศ:
- การสร้างเครือข่ายความร่วมมือทั้งในและต่างประเทศเป็นขั้นตอนที่เน้นการร่วมมือกับมหาวิทยาลัย หน่วยงานภาครัฐและเอกชน ที่มีสนใจและเข้าร่วมในงานทางวิชาการหรือโครงการวิจัย

6. ดำเนินการมหาวิทยาลัยอัจฉริยะ:
- การดำเนินการมหาวิทยาลัยอัจฉริยะเป็นขั้นตอนที่แนะนำให้มหาวิทยาลัยต้องทำตามแผนยุทธศาสตร์และแผนการที่กำหนด
- การดำเนินการอาจเป็นการจัดการหลายด้าน เช่น การบริหารจัดการทั้งด้านการเรียนการสอน การวิจัย และบริการวิชาการ

7. ประเมินผล ติดตาม และสรุปผลการดำเนินการ:
- การประเมินผลเป็นขั้นตอนสุดท้ายที่มหาวิทยาลัยควรทำเพื่อตรวจสอบว่าแผนการที่กำหนดไว้มีผลสำเร็จหรือไม่
- การติดตามคือการตรวจสอบและบันทึกข้อมูลของผลการดำเนินการ
- การสรุปผลจะช่วยให้มหาวิทยาลัยสามารถปรับปรุงแผนการดำเนินการในอนาคตได้ดียิ่งขึ้น

ขั้นตอนทั้ง 7 นี้เป็นกระบวนการที่สามารถทำซ้ำๆ ในระยะเวลาเพื่อให้มหาวิทยาลัยอัจฉริยะมีการพัฒนาและปรับปรุงตนเองอย่างต่อเนื่องเพื่อให้ตอบสนองกับความเปลี่ยนแปลงและความต้องการในสังคมและวงการวิชาการในปัจจุบันและอนาคต

 

 

กิจกรรมการอบรม Generative AI

กิจกรรมการอบรม Generative AI เพื่องานวิจัย การอบรมประกอบไปด้วย 4 คอร์ส
      ครั้งที่  1) การประยุกต์ใช้ Generative AI เพื่องานวิจัย {วันที่ 25.07.2566}
      ครั้งที่ 2) การประยุกต์ใช้ Generative AI เพื่องานวิจัยและนวัตกรรมด้านสุขภาพ {วันที่ 01.09.2566}
      ครั้งที่ 3 ) การประยุกต์ใช้ Generative AI เพื่อสร้างคอนเทนต์และอินโฟกราฟิก {วันที่ 13.09.2566}
      ครั้งที่ 4) การประยุกต์ใช้ Generative AI เพื่อการนำเสนองานวิจัย และเพื่อตีพิมพ์เผยแพร่ในวารสาร

( chatGPT , Bard AI , Alisa , canva , Adobe FireFly, ฯลฯ)

 

 

 

 

 

 

กิจกรรมการอบรม

บทความล่าสุด

 

ภาพกิจกรรมการอบรม Generative AI เพื่องานวิจัย รุ่นที่ #1 : วันที่ 25 ก.ค. 2566