สรุปงาน Global AI Bootcamp – Thailand 2023

วันนี้เป็นผู้ชมทาง live ครับ สบายไม่ต้องเดินทาง สำหรับหัวข้อในงานมีดังนี้ครับ

Skills in the new AI era

โลกเมื่อ 10 ปีที่แล้วกับอนาคตจะเปลี่ยนไป ที่เห็นได้ชัดๆ บริษัท Tech เอา AI ใส่เข้าไปใน Product ตัวเองแล้ว เช่น Bing Search + GPT Engine ตอนนี้ AI อยู่ในระดับ Mass Adoption แล้วนะ user มีตัว AI ทำให้การทำงานเปลี่ยนไป

คนที่เกี่ยวข้องกับ AI 3 กลุ่มต้องปรับตัวยังไง ?

• Researcher - คิดค้นงานด้านนี้ งานวิจัย ออกมาเป็น Service
• Engineer - เอา Service มา Adopt เป็น Product skill
  - ฟัง เข้าใจ problem statement เพราะมันซับซ้อนมากขึ้น + ถามให้ได้ความชัดเจน
  - เอา Tech มา Match Business มากขึ้น
  - ยุค Generative AI มีเรื่อง Prompt Engineer มาแล้ว ถามอย่างไรให้ถูกต้องเข้าใจ context เน้นไปส่วนของ Soft skill ไม่ใช่โลกของ Math (ยุค Regression +Autonomous AI) นอกจาก + Make Sense ด้วย
• End User - Work Smart

สุดท้ายทุกคนสนใจการ ถาม และเอ๊ะ (Critical Thinking) แถม Leverage - ทำงานขี้เกียจ แบบ smart เช่น ถาม ChatGPT หรือ ใช้ GitHub Copilot หรือเอาที่มีอยู่แล้วมาตอบโจทย์ให้ไว้ที่สุด

Building your own AI or using AI-enabled service?

History of AI

• ค.ศ. 1760-1950 เกิดทฤษฏี Bayesian (Thomas Bayes) พื้นฐาน ML + Neural Network และมีคำว่าหุ่นยนต์ด้วย
• ค.ศ. 1927 มีกล่าวถึงในภาพยนตร์และ
• ค.ศ. 1943 Neural Network เกิดขึ้น (Warren S. McCulloch / Walter Pitts) ปล. Neural Network อาจจะไม่เหมาะกับทุกโจทย์นะ
• ค.ศ. 1951 SNARC Implementation ของ Neural Network (Mavin Minsky)
• ค.ศ. 1955 คำว่า AI เกิดขึ้น จาก John McCarthy และอยู่ใน Computer Science และ ค.ศ. 1955-1974 เป็นยุค Goldens Age มีงานวิจัยเต็ม
• ค.ศ. 1958 หนังสือ “The computer and the brain” ที่เกี่ยวกับ AI เขียนขึ้นโดย John Von Neumann
• ค.ศ. 1959 Machine Learning เกิดขึ้นมา Arthur Samuel จะมองว่า ML ต่างจาก Logic เพราะเราไม่ต้องมา handle ทุกเงื่อนไข
• ค.ศ. 1961-1980 หุ่นยนต์อุตสาหกรรม
• ค.ศ. 1984 AI Winter ติดที่พลัง compute เลยไม่มีงานด้านนี้ 1987-1993 เพราะคนที่ให้เงินทุนมองว่ามันเอาใช้จริงในชีวิตประจำวันไม่ได้
• ค.ศ. 1997 IBM Deep Blue แข่งหมากรุก //ได้ยินแต่ AlphaGo
• ค.ศ. 2001 AI คำนี้เริ่มกลับมาในอุตสาหกรรมภาพยนตร์อีกครั้ง
• ค.ศ. 2009 นำ GPU มาใช้ในการประมวลผลแทน
• ค.ศ. 2011 IBM Dr watson / Siri - AI ในชีวิตประจำวัน
• ค.ศ. 2012 Google Now / MS Cortana ตาม Siri มา
• ค.ศ. 2014 จีนทำ Social Credit System ใช้เต็มรูปแบบปี 2020
• ค.ศ. 2016 Deepmind AlphaGo > พัฒนาเป็น AlphaZero > AlphaStar (2019) ต่อมา กว่าจะสำเร็จได้ล้มอยู่หลายรอบเหมือนกันในส่วนเงินทุน
• ค.ศ. 2017 OpenAI แม่ของ ChatGPT มาและ โดยตอนนี้สร้าง AI มาแข่ง DOTA2
• ค.ศ. 2022 OpenAI ChatGPT ใช้ Reinforcement Learning with Human Feedback (RLHF) โดยตัว ChatGPT มา Disrupt วงการ AI เลย
• ค.ศ. 2023 AI as a Service > Azure Open AI Service

Type of AI

• มองจากข้อมูลที่เรียนรู่
  - Reactive Machines - พวกหุ่นยนต์ ทำงานตาม logic ที่กำหนดไว้
  - Limited Memory - ChatGPT / Self-Driving Car << เราอยู่ตรงนี้
  - Theory of mind - อ่านสาร หรือคลื่นสมอง neuralink
  - Self Awareness - เรียนรู้ได้เอง
• มองจาก Field ที่สนใจ Machine Learning / NLP / Computer Vision / Speech เป็นต้น

ตอนนี้เรียกได้ว่า AI อยู่รอบตัวเราแล้ว โดยสังเกตุได้ว่าทุกเจ้าอย่าง Google / MS / Apple มี AI-Assistance แต่จะเก่งไหมขึ้นกับมี Data มาแค่ไหน อย่าง Google น่าจะมีเยอะสุด เพราะคน Search บ่อย หรือจะเป็นเคสจับหน้า ป้ายทะเบียน / chat bot (Rule Based - text classification หรือ AI-NLP เป็นต้น

การพัฒนา

• ต้องมี Data (Training Set Testing Set) / Algorithm / System / Expert ด้านต่างๆ เช่น Dev, Test, UX และ Use Case
• AI มีหลายมุมมาก ควรเน้นด้านใดด้านหนึ่ง จน Expert เช่น Machine Learning / NLP / Computer Vision
• Building your own AI or using AI-enabled service?

โจทย์ own AI or using AI-enabled service ดูจาก Data ถ้าเราต้องการงานที่ต้องใช้ DataSet ที่มี Data เยอะมาก อันนี้ควรใช้ AI-enabled service แต่ถ้่ามี Data พิเศษชัดเจน own AI เช่น ร้านค้าปลีก กับปั๊มน้ำมัน อาจจะต้องแยกกัน

สุดท้าย AI มีผลกับชีวิตประจำวันของเรามากขึ้นทุกวัน

Augmenting Human Intelligence with Artificial Intelligence

BOTNOI - บริษัทที่เอา AI มาใช้กับทั้งภาคธุรกิจ และรัฐ โดยมีส่วนสำคัญ AI / Data / Analytic / Talent (คนทีทำ 3 ด้านก่อนหน้า)

AI existence - AI เกิดจากเราพยายามเลียนแบบธรรมชาติ ให้สลาบขึ้น เช่น ควาย > รถแทรคเตอร์ จากยุค HW เริ่มเข้ามา SW เรื่อยๆ เลียนแบบสมองคนเรา เช่น รถแทรคเตอร์ทำงานร่วมกัน IOT หรือ เคส Call Center (ตอบไม่รู้เรื่อง หรือช้า) จะได้เป็นตัว Neural Network เรียนรู้จาก Feedback

Human Intelligence - Speaker ลองมาสังเกตุที่ลูกของตัวเอง จะพบว่า คนเราเรียนรู้ Observe จาก Data / Reinforcement Learning / imitation learning (จดจำ และนำมา Apply)
ปล. ลูกของ Speaker น่ารัก

AI BOTNOI ตอนนี้ Detect ภาษา และน้ำเสียงได้ระดับนึงและ ตอนฟัง Demo ตกใจเลย นึกว่าแค่แปลกเฉยๆ มาทั้งน้ำเสียงเลย Text to Speech เสียงตามภาษา และภาษาถิ่น / Visual (AI Celebrity) / Lip Sync (ซับ) / Motion แต่การทำพวกนี้ อาจจะต้องใส่ลายน้ำ เช่น ของเสียง / อารมณ์ มีเริ่องกฏหมาย หรือ PDPA ด้วย

HI vs AI - เรียกว่า AI ชนะคนเราหมดเลย แต่มุนษย์เรายังมีความคิดสร้างสรรค์ที่ดีกว่านะ

HI x AI ในเมื่อ AI และ HI มีจุดเด่นต่างกัน มาร่วมมือกันดีกว่า

• Learn & Research เช่น ChatGPT
• Leverage occupation เช่น ให้บอทตอบ common q&a problem / Voice Actor เป็นต้น
• Product - Self driving car

Generative AI (ChatGPT) - Language Model

ตอนแรกผมเข้าใจว่า BOTNOI มี Line Chatbot ให้ลองไปเล่น อย่างเดียว ตอนนี้มาไกลมากแล้ว ดูจากนี้ BOTNOI อนาคตเราคงได้ดูหนังเกาหลีเสียงแบบต้นฉบับ แต่พูดไทย

What's new in Microsoft AI

Bing (Data) + ChatGPT (Engine) มาให้ Search ดีขึ้น โดยมันจะสรุปข้อมูลให้ก่อนด้วย พออยากดูเพิ่ม จะไปหา Reference มาให้ ถ้านึกภาพเมื่อก่อน บางทีเราจะได้คำตอบอาจจะต้องกดหลาย Link จาก Result ของ Search Engine

• Bing + ChatGPT Join Wait List ลองกดเรียบร้อยแล้ว
• นอกจาก Feature Search ยังมี Chat ด้วยเหมือน ChatGPT Feature เช่น
• summarize มันอ่านเว็บ / PDF / Video ที่มี transcript ด้วย มี Limit ตามนี้ ไมโครซอฟท์จำกัดการแชท Bing ครั้งละไม่เกิน 5 ข้อความ มากสุด 50 ข้อความ/วัน ป้องกันพฤติกรรมเพี้ยน | Blognone
• compose เขียนเมล์ / Blog หรือลองทำ Agenda เป็นต้น
• Analytic Insight สำหรับงาน Marketing เป็นต้น
• ถ้าอยากลองให้ลง Edge (Dev Version) บนมือถือก็มีนะ Android / IOS เพิ่งรู้ว่า App มันมีตัวตอนตอนนี้แหละ //จากเดิมใช้ Edge เพราะดู Coupon ที่มีในเว็บนั้นๆได้

นอกจาก BingGPT ยังมี

• Designer Microsoft - จากเดิมเป็น text ตอนนี้เป็นภาพเลย
• Microsoft Reward - Search ได้ points //เอามาแปะ Blog ได้ไหมหว่า 5555
• MS 365 - พวก Word PowerPoint ทยอยมี เช่น summarize / Power Automate เราพูดให้มัน Generate Flow มาเลย
• MS Team - Intelligent Recap

The power of ChatGPT: Maximizing work efficiency and productivity

ChatGPT - AI Language Model ที่เทรนจากข้อมูลขนาดใหญ่ โดยที่เจ้าตัว GPT (Generative Pre-Trained Transformer) Transformer จะเป็นหนึ่งใน NLP ตัว GPT เรื่มตั้งแต่ 2010 แล้ว

ตัว ChatGPT ทำงานหลักๆได้ ดังนี้ Answer Question / Translation / Writing / Conversational Agent / Speech Recognition / Sentimental Analysis อื่นๆมันกทำได้ แต่ไม่เก่ง

ChatGpt Development Steps

1. Empty Weight
2. GPT-3
3. InstructGPT ทำให้ BOT เข้าใจสิ่งที่คนป้อนเข้ามาได้ดีขึ้น ให้คนมา Label ว่าสิ่งที่ตอบนั้นดี หรือไม่ //40คน ส่วนใหญ่เป็นคนฟิลิบฟินส์
4. Reinforcement Learning with Human Feedback (RLHF) - ใช้คนจาก Label จาก Chat ให้รางวัลว่าคำคอบนั้นดี หรือไม่ดี
5. ChatGPT - ตัว UI Chat
6. Safety Net เอาไว้คอยกัน ไม่ให้ตอบอะไรที่ไม่ดี

DAN (Do Anything Now)

• การสร้าง Persona เพื่อปลดตัว SafetyNet ออกไป มันมีเวอร์ชันด้วยนะ ใน DEMO จะให้มาลองทำ/อธิบาย โจทย์ kaggle dataset titanic
• 9arm มีทำอธิบายไว้ครับ

• และก็ตอนใช้ ChatGPT ถ้าเรื่องเดิมกันใช้หน้าต่างเดิม

How to draw anything with Azure AI and Stable Diffusion

Stable Diffusion - เป็น Model ที่ได้แรงบันดาลใจมาจาก DALL-E เรียกใช้ผ่านเว็บ หรือ API โดยเจ้า Stable Diffusion แตกต่าง DALL-E ตรงที่มันเป็น Open-Source Model

Challenge ของ Stable Diffusion - งงๆเรื่อง mac รุ่นเก่า แต่ลองหาดูน่าจะเป็นเรื่องของ GPU Stable Diffusion PC system requirements: what do you need to run it? | Digital Trends

Demo

• ใช้ Azure ML น่าจะอันนี้ How to run Stable Diffusion Web UI on Azure ML compute instances | Vlad Iliescu
• ลอง Search เล่นๆ มีแบบเว็บด้วยนะ Stable Diffusion Online (stablediffusionweb.com) //End User แบบเราใช้แบบนี้ก็พอแล้ว

แนะนำงาน Hackathons ที่น่าสนใจ

• BOTNOI x Microsoft Thailand ตามข่าวได้ใน Meta Communiversity
• Code without Barriers Hackathon 2023 (Woman in Tech)

How to create a text summarization app from knowledge base with Azure OpenAI Service

สำหรับ Session นี้เป็นเว็บ Application ลองทำ Summarize จาก xxx ด้วย Azure Open AI โดยมองว่า GPT Model เป็นสมอง และนำแนวคิดของ Paper [2005.11401] Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks (arxiv.org)

1. Information Retrieval - จาก Azure Cognitive Search รับจาก user input มาหา document ที่เกี่ยวข้อง ทำ Weight (พวก tf–idf มั้งลืมไปหมดและ 555) ดูว่า Document ไหนใกล้เคียงกับ Keyword เลือกมา 10 ตัว
2. Summarize จาก Azure Open AI (GPT-3 Davinci Model) - เอา 10 ตัวมาทำ Text Summarize หรือ เอามาตอบคำถาม

resource: Azure OpenAI Service models - Azure OpenAI | Microsoft Learn

Responsible AI: Great power comes with great responsibility

Responsible AI - Concept ให้ใช้ AI ถูกหลัก มีจริยธรรม เพราะ AI Difference (AI มัน Copy จากความคิดของมนุษย์เรามันมีทั้งดี และไม่ดี มาด้วย) โดยจะเห็นว่า AI มีวิวัฒนากาารมาดังนี้ เป็นภาพอธิบาย Session เมื่อเช้า

Opportunity with AI เอามาใช้หลายด้าน เช่น Financial (เอาข้อมูลมาประเมิน Credit) / Manufacturing / Retail / Healthcare แต่ที่นี้พอเอา AI มาใช้มีประเด็นที่กังวลกัน Data Security

ดังนั้นคนทำงานด้านนี้เลยมีข้อตกลงของ Microsoft มีตัว Microsoft AI Principle 6 ข้อ

• Fairness - AI ควรตัดสินเท่ากัน ไม่เลือกพนักงานตามกลุ่มใดกลุ่มนึง Reliability & Safety - นึกถึง Self-Driving Car
• Privacy Security - PDPA ข้อมูลเก็บนานเท่าไหร่ แล้วจะเอามาใช้ต้องมีขอ Consents
• Transparency - ต้องรู้ว่ามันทำอะไร มายังไง เห็นทุกขั้นตอน
• Accountability - สร้างแล้วรับผิดชอบด้วยนะ
• Inclusiveness - AI ทำมาแล้วต้องครอบคลุมทุกคนนะ เช่น สำเนียง สีผิว

ใน Blog ผมมีเขียน Microsoft AI principles เตรียมไว้ตอน AI-900 ครับ

Guideline for young data and AI Professional

• Error Analysis - วิเคราะห์ หาคำอธิบายตัว Model ถึงคำตอบ และปรับ Model

• Explanation - อธิบายได้ว่าจะ Data ที่ใส่เข้าไป แต่ละอัน คือ อะไร + อธิบายตอนใช้ modelรวมถึงเลือกการใช้ Model แบบต่างๆ

• Fairness AI ใช้กับคนทุกกลุ่มได้

Arrr …ummm… my … GPT-3 powered by Azure OpenAI Service

เว็บเวอร์ชันที่ปรับเติมจาก National Coding Day + Line API ดู Blog ต่อ Line เพิ่มเติมได้จาก

Lead the AI era with Microsoft Azure

AI ตอนนี้ใช้ในวงกว้าง ลด Cost เวลา ตอนนี้จาก Digital Transformation มาเป็น keyword ใหม่ AI Transformation ซึ่ง Service AI Azure มีดังนี้

• Azure Machine Learning
• Azure Cognitive Service รองรับภาษาไทยตั้งแต่งาน MS Ignite 2022
  - Question & Answer - รองรับภาษาไทยแล้ว
  - Text-to-speech เสียงเนียนเหมือนกัน - ปรับ Pitch / Speed ได้ มีเสียง 3 model เปรมวดี / นิวัฒน์ / อัจฉรา
  - Video Indexer - มาทำ Label ของใน Video / Emotion - Sentimental / Sub-Title
  - Form Recognizer - อ่านเอกสารที่มีภาษาไทยได้แล้ว กรณี Custom Model ใช้ประมาณ 5 ไฟล์เรียนรู้

• Azure AI Infrastructure - เทรน Model ด้วย VM ที่ Optimize สำหรับแต่ละงาน
• Azure Open AI-Service - ข้อมูลที่เพิ่มเข้ามา จะไม่ถูกเข้ามา Train เพิ่มตามข้อมูลลูกค้า มี Model 3 แบบ GPT-3 / codex / dall-e2

Built-in AI ใน product เพิ่มจากช่วงเช้า

• GitHub Coplilot
• Power BI - แนะนำสูตร DAX

Reference

• Global AI Bootcamp – Thailand | Eventpop | Eventpop
• สรุปงาน Global AI Bootcamp – Thailand 2022 | naiwaen@DebuggingSoft