การประยุกต์ใช้งานปัญญาประดิษฐ์

1 รายงานผลการดำเนินงาน การพัฒนางานตามข้อตกลง (Performance Agreement : PA ) ใบความรู้ที่ 10 การประยุกต์ใช้งานปัญญาประดิษฐ์ (AI)

2 รายงานผลการดำเนินงาน การพัฒนางานตามข้อตกลง (Performance Agreement : PA ) ใบความรู้ที่ 10 การประยุกต์ใช้งานปัญญาประดิษฐ์ (AI)

3 รายงานผลการดำเนินงาน การพัฒนางานตามข้อตกลง (Performance Agreement : PA ) ใบความรู้ที่ 10 การประยุกต์ใช้งานปัญญาประดิษฐ์ (AI) ใบความรู้ที่ 10 การประยุกต์ใช้งานปัญญาประดิษฐ์ (AI) AI และ Machine Learning ในโปรแกรม PictoBlox ปัจจุบันเทคโนโลยี Artificial Intelligence (AI) และ Machine Learning (ML) ได้กลายเป็นผู้นำของการ ปฏิวัติอุตสาหกรรมครั้งที่ 4 ซึ่งเทคโนโลยีเหล่านี้เริ่มเข้ามามีบทบาทกับมนุษย์เรามากขึ้นเรื่อย ๆ ไม่ว่าจะเป็น ระบบ ตรวจจับใบหน้า รถยนต์ขับเคลื่อนด้วยตนเอง และระบบผู้ช่วยเสมือน ฯลฯ เหตุผลเหล่านี้เองจึงเป็นสิ่งที่เยาวชนใน ศตวรรษที่ 21 จะต้องเรียนรู้ AI และ ML เพื่อเสริมสร้างความทักษะความเป็นผู้นำ และพัฒนานวัตกรรมแห่งอนาคต เพื่อโลกมนุษย์ต่อไป (ไพสิฐ วิสัตยรักษ์, 2566) PictoBlox เป็นซอฟต์แวร์การเขียนโปรแกรมแบบ Block-base Programming ที่ทำให้การเขียนโค้ดเป็น เรื่องสนุกและง่ายด้วยหน้าจอโปรแกรมที่ใช้งานง่ายและฟังก์ชันการลาก (Drag) และวาง (Drop) ในการสร้างโค้ดแทน การพิมพ์ภาษาโปรแกรม ช่วยลดการจดจำรูปแบบของไวยากรณ์ภาษาโปรแกรมได้ดีเหมาะสมกับการเรียนรู้Coding ในปัจจุบัน สามารถเรียนรู้การเขียนโค้ด สร้างแอนิเมชันและสามารถนำไปพัฒนาต่อยอดสร้างโปรเจกต์ได้อีก หลากหลาย อาทิIoT AI Robot เป็นต้น พัฒนาโดยองค์กร STEMpedia โปรแกรม PictoBlox เวอร์ชัน 3.1.0 หรือที่เรียกว่า PictoBlox AI ได้เพิ่มส่วนเสริม (Add Extension) ที่มี ความสามารถด้านการเรียนรู้และพัฒนา Artificial Intelligence และ Machine Learning สำหรับเด็กและเยาวชน ผ่านการเขียนโปรแกรมแบบ Block Base Coding ที่ทำให้การเรียนรู้ในเรื่องนี้เป็นเรื่องที่ง่าย โดยผู้เรียนสามารถเลือก เรียนรู้หลักการและพัฒนาโปรเจกต์ของ AI ได้หลากหลายแขนงย่อย เช่น 1. Computer Vision : โปรเจกต์นี้จะช่วยให้สามารถ สร้าง AI ที่ใช้วิเคราะห์รูปภาพเพื่อแสดงคุณสมบัติจาก ภาพออกมา เหมือนกับการมองเห็นด้วยตาของมนุษย์ เช่น การวิเคราะห์และจำแนกภาพสัตว์ชนิดต่าง ๆ การ บ่งบอกชื่อของแบรนด์สินค้า วัตถุ เป็นต้น 2. Face Detection : โปรเจกต์นี้จะช่วยให้สามารถ สร้าง AI วิเคราะห์ภาพใบหน้าของมนุษย์ได้เช่น วิเคราะห์เรื่องของอายุ เพศ สีหน้า ความเหมือนของ ใบหน้า เป็นต้น

4 รายงานผลการดำเนินงาน การพัฒนางานตามข้อตกลง (Performance Agreement : PA ) ใบความรู้ที่ 10 การประยุกต์ใช้งานปัญญาประดิษฐ์ (AI) 3. Optical Character Recognition (OCR) : โ ป ร เจกต์นี้จะช่วยให้สามารถสร้าง AI ที่ใช้ในการตรวจจับ ข้อความหรือตัวอักขระจากรูปภาพออกมาได้ 4. Speech Recognition : โปรเจกต์นี้จะช่วย ให้ สามารถสร้างระบบในการแปลงคำพูด (Speech) เป็น ข้อความ (Text) หรือทำให้ข้อความกลายเป็นเสียงพูด ได้ซึ่งปัจจุบันจะเห็นแอปพลิเคชันรูปแบบนี้อยู่ในโลก แห่งความเป็นจริงมากมาย เช่น Google Assistant Alexa Siri เป็นต้น ตัวอย่าง การพัฒนา Project Artificial Intelligence ด้วยโปรแกรม PictoBlox Project 1 : สร้างระบบ AI ตรวจจับวัตถุ(Object Detection) ด้วย PictoBlox Object Detection คือ AI ตรวจจับวัตถุ (ด้าน Computer Vision) ที่จะตรวจจับวัตถุที่อยู่ในรูป และกำกับ จุดหรือพื้นที่ลงไปในเมื่อตรวจเจอ ซึ่งอัลกอริทึมของ Object Detection สามารถทำได้หลายวิธีการกับจุดหรือพื้นที่ที่ ใช้กันบ่อยและเป็นที่นิยม ได้แก่ วาดกล่องรอบวัตถุ เรียกว่า Bounding Box หรือ จะถมสีให้คลุมทุก Pixel ของวัตถุ นั้น เรียกว่า Segmentation สิ่งที่ต้องเตรียมสำหรับการสร้าง AI Object Detection ▪ คอมพิวเตอร์ PC หรือ Laptop ที่สามารถใช้งานกล้องเว็บแคมได้ ▪ โปรแกรม PictoBlox เวอร์ชัน 3.1.0 ขึ้นไป ▪ การเชื่อมต่อสัญญานอินเทอร์เน็ตที่ดี ▪ ไฟล์ภาพตัวอย่างที่จะใช้ตรวจจับวัตถุ (.jpg .jpeg .png) ▪ Add Extension ที่ชื่อว่า Object Detection

5 รายงานผลการดำเนินงาน การพัฒนางานตามข้อตกลง (Performance Agreement : PA ) ใบความรู้ที่ 10 การประยุกต์ใช้งานปัญญาประดิษฐ์ (AI) ขั้นตอนสร้างระบบ AI ตรวจจับวัตถุ(Object Detection) ด้วย PictoBlox 1. เข้าเว็บไซต์ https://pictoblox.ai/ 2. Login (ล็อกอิน) 3. Add Extension (เพิ่มส่วนเสริม) Object Detection 3.1 คลิกที่ไอคอน บริเวณซ้ายล่างของหน้าจอโปรแกรม เพื่อเปิดบล็อกคำสั่งส่วนเสริม 2.1 คลิกที่กลุ่มบล็อก Object Detection ดังรูป 2.1 คลิกปุ่มไอคอน เพื่อเปิดการใช้งานส่วนเสริม สำหรับการเขียน โค้ด 2.2 คลิกเลือก Object Detection

6 รายงานผลการดำเนินงาน การพัฒนางานตามข้อตกลง (Performance Agreement : PA ) ใบความรู้ที่ 10 การประยุกต์ใช้งานปัญญาประดิษฐ์ (AI) 2.2 รอโหลดส่วนเสริม 2.3 กลุ่มบล็อกคำสั่งส่วนเสริมที่เลือกจะถูกส่งขึ้นมาต่อท้ายจากกลุ่มบล็อกคำสั่งหลัก โดยหลังเพิ่มกลุ่ม บล็อกคำสั่งแล้วเราจะสามารถเรียกใช้งานบล็อกคำสั่งต่าง ๆ ที่อยู่ภายใต้บล็อกคำสั่งนั้นได้

7 รายงานผลการดำเนินงาน การพัฒนางานตามข้อตกลง (Performance Agreement : PA ) ใบความรู้ที่ 10 การประยุกต์ใช้งานปัญญาประดิษฐ์ (AI) คำอธิบายการใช้งานกลุ่มบล็อกคำสั่ง Object Detection บล็อกคำสั่ง ความหมาย กำหนดการเปิด - ปิด วิดีโอที่อยู่บนเวที ด้วย สามารถปรับค่า Transparency (ค่าความ โปร่งใส) ได้ กำหนดให้แสดง (Show) หรือ ไม่แสดง (Hide) กล่องรอบวัตถุ (Bounding Box) สามารถก าหนดค่า Threshold (เป็นเกณฑ์ ค่าความมั่นใจในศาสตร์ด้าน AI) ของการ ตรวจจับ (Detection) จะมีค่าระหว่าง 0 ถึง 1 โดยค่า 0 คือความมั่นใจต่ำ และ 1 คือความมั่นใจสูง โดยปกติค่านี้จะนิยมใช้กันอยู่ที่ 0.3 – 0.5 กำหนดให้วิเคราะห์ภาพที่ต้องการตรวจสอบ โดยสามารถเลือกภาพจากกล้อง (Camera) หรือรูปภาพบนเวที(Stage) ได้ รับค่าของจำนวนของวัตถุ (Object) ที่ตรวจ เจอ ค่าคุณลักษณะของวัตถุ (ชื่อ Class, x position, y position, width, height และ ค่า Confidence) ** Confidence คือ เปอร์เซ็นต์ที่จะได้จาก การวิเคราะห์วัตถุว่ามีความถูกต้องตาม Class ของโมเดลกี่ % เงื่อนไขในการตรวจสอบว่าวัตถุที่อยู่ในภาพ คืออะไร โดยเราสามารถเลือกเป็นรายชื่อ Class ของโมเดลได้เอง เช่น person bicycle car motorcycle airplane ฯลฯ รับค่าของจำนวน Class วัตถุที่ตรวจเจอ ** การใช้ส่วนเสริมของ Object Detection จะเป็นการนำโมเดลที่ผ่านการ Train แล้ว นำมาใช้งานได้ทันที โดยโมเดลที่กล่าวมานี้ถูก Train โดยใช้ชุดข้อมูล (Dataset) ชื่อว่า COCO Dataset ซึ่งชุดข้อมูลนี้ ถือว่า เป็นชุดข้อมูลพื้นฐานที่นิยมใช้ในการตรวจจับวัตถุทั่วไป มีจำนวนทั้งสิ้น 80 Class (ดูเพิ่มเติมได้ที่เว็บไซต์ https://opencv.org/introduction-to-the-coco-dataset)

8 รายงานผลการดำเนินงาน การพัฒนางานตามข้อตกลง (Performance Agreement : PA ) ใบความรู้ที่ 10 การประยุกต์ใช้งานปัญญาประดิษฐ์ (AI) 4. เขียนโค้ดเพื่อตรวจกับการเคลื่อนไหว เมื่อกดปุ่ม Space bar บนคีย์บอร์ด ลบข้อมูลในรายการทั้งหมดออกจากรายการ หลังจากโค้ดนี้ ทำงาน จะได้ตัวแปรรายการว่าง (Empty)

9 รายงานผลการดำเนินงาน การพัฒนางานตามข้อตกลง (Performance Agreement : PA ) ใบความรู้ที่ 10 การประยุกต์ใช้งานปัญญาประดิษฐ์ (AI) Project 2 :ระบบคัดกรองคนที่สวมหน้ากากอนามัยด้วย Machine Learning ด้วย PictoBlox ในโลกของเทคโนโลยีปัจจุบัน Machine Learning ถูกนำมาใช้ในงานหลายรูปแบบ เช่น การเฝ้าระวัง การ ดูแล สุขภาพ การเล่นเกม และอื่น ๆ อีกมากมาย ซึ่งในโปรเจกต์นี้จะลองสอนวิธีการสร้างระบบตรวจจับหน้ากาก อนามัย โดยใช้PictoBlox ร่วมกับโมเดล Machine Learning จากโปรแกรม Teachable Machine with Google โดยตัวของระบบนั้นจะ สามารถตรวจจับใบหน้าของมนุษย์ผ่านกล้องและรายงานออกว่าบุคคลนั้นสวมหน้ากาก อนามัยปิดจมูกและปากของเขาหรือไม่ สิ่งที่ต้องเตรียมสำหรับการสร้างระบบคัดกรองคนที่สวมหน้ากากอนามัย ▪ คอมพิวเตอร์PC หรือ Laptop ที่สามารถใช้งานกล้องเว็บแคมได้ ▪ โปรแกรม PictoBlox เวอร์ชัน 3.1.0 ขึ้นไป ▪ Teachable Machine with Google (Online) ▪ การเชื่อมต่อสัญญานอินเทอร์เน็ตที่ดี ▪ หน้ากากอนามัย หรือรูปภาพคนสวมหน้ากากอนามัย และคนที่ไม่สวมหน้ากากอนามัย ขั้นตอนการสร้างโมเดล Machine Learning ด้วย Teachable Machine with Google และการสร้าง ระบบคัดกรองคนที่สวมหน้ากากอนามัย ด้วย PictoBlox 1. เปิดเว็บเบราว์เซอร์แล้วเข้าไปที่เว็บไซต์https://teachablemachine.withgoogle.com จากนั้นให้ คลิก ไปที่ปุ่ม เริ่มต้นใช้งาน (Get Started) แล้วเลือกโปรเจกต์รูปภาพ (Image Project) 2. คลิกที่ปุ่มเริ่มต้นใช้งาน (Get Started)

10 รายงานผลการดำเนินงาน การพัฒนางานตามข้อตกลง (Performance Agreement : PA ) ใบความรู้ที่ 10 การประยุกต์ใช้งานปัญญาประดิษฐ์ (AI) ขั้นตอนสร้างระบบ AI ตรวจจับวัตถุ(Object Detection) ด้วย PictoBlox 5. เข้าเว็บไซต์ https://pictoblox.ai/ 2. ในส่วนของ Class 1 ให้เปลี่ยนชื่อ Class เป็นคำว่า Mask จากนั้นให้คลิกที่ปุ่ม เว็บแคม (Webcam) โดยจะจับภาพตัวเราที่ใส่หน้ากากอนามัย มาเป็นชุดข้อมูล (Dataset) เพื่อสร้าง Model 3. จากนั้น ให้คลิก กดค้างเพื่อบันทึก จะเป็นการจับภาพจากกล้องเข้าระบบใน Class UnMask โดยในรูป ตัวอย่างนี้ จะใช้เป็นจำนวน 200 รูป เลือกที่ “โปรเจ็กต์รูปภาพ” (Image Project)

11 รายงานผลการดำเนินงาน การพัฒนางานตามข้อตกลง (Performance Agreement : PA ) ใบความรู้ที่ 10 การประยุกต์ใช้งานปัญญาประดิษฐ์ (AI) 4. ในส่วนของ Class 2 ให้ทำเช่นเดียวกับ Class 1 แต่ให้เปลี่ยนชื่อ Class เป็นคำว่า mask และจับภาพ ตัวเราที่ไม่ได้ใส่หน้ากากอนามัยอยู่ 5. จากนั้น ให้คลิก กดค้างเพื่อบันทึก จะเป็นการจับภาพจากกล้องเข้าระบบใน Class mask โดยในรูป ตัวอย่างนี้จะใช้เป็นจำนวน 200 รูป เท่ากันกับใน Class Mask 6. เมื่อเตรียมชุดข้อมูลครบทั้ง 2 Class แล้ว ให้คลิกที่ปุ่ม ฝึกโมเดล เพื่อเริ่มการสร้างโมเดลจำแนกระหว่าง คนที่สวม ใส่หน้ากากอนามัย และไม่สวมใส่หน้ากากอนามัย คลิก ฝึกโมเดล

12 รายงานผลการดำเนินงาน การพัฒนางานตามข้อตกลง (Performance Agreement : PA ) ใบความรู้ที่ 10 การประยุกต์ใช้งานปัญญาประดิษฐ์ (AI) 7. หลังจากฝึกฝนโมเดลเสร็จแล้ว ให้ลองทดสอบบจากทางด้านขวา ว่าผลลัพธ์ของโมเดลสอดล้องกับความ ต้องการหรือไม่ หากถูกต้องตามที่ต้องการแล้ว เราจะนำโมเดลนี้มาใช้ร่วมกับโปรแกรม PictoBlox ต่อไป 8. วิธีการนำโมเดลนี้ไปใช้งานต่อในโปรเจกต์นี้ให้กดปุ่ม ส่งออกโมเดล แล้วเลือก อัปโหลดเป็นลิงก์ที่แชร์ได้กด คัดลอก เตรียมเก็บไว้ใช้งานต่อไป คลิก ส่งออกโมเดล คลิก อัปโหลดโมเดล คลิก คัดลอก

13 รายงานผลการดำเนินงาน การพัฒนางานตามข้อตกลง (Performance Agreement : PA ) ใบความรู้ที่ 10 การประยุกต์ใช้งานปัญญาประดิษฐ์ (AI) 9. เปิดโปรแกรม ที่หน้าจอคอมพิวเตอร์หรือไปที่ เว็บไซต์ www.pictoblox.ai ให้ล็อกอินเข้าระบบ ผู้เรียนสามารถใช้ Username และ Password ที่ผู้สอนเตรียมไว้ให้ - Username = kci25142514 - Password = kci25142514 10. เพิ่มส่วนเสริม (Add Extension) ที่ชื่อว่า Machine Learning ล็อกอิน (Login) เพิ่มส่วนเสริม (Add Extension)

14 รายงานผลการดำเนินงาน การพัฒนางานตามข้อตกลง (Performance Agreement : PA ) ใบความรู้ที่ 10 การประยุกต์ใช้งานปัญญาประดิษฐ์ (AI) 11. ใน Extension Machine Learning นี้ จะยังไม่ปรากฏบล็อกมาให้ใช้ งานได้ทันที เราจำเป็นต้องสร้างโมเดล (Create Model) หรือ นำเข้า โมเดล (Load Model) Machine Learning เข้ามาก่อน ซึ่งเราได้สร้างโมเดลไว้แล้วใน ข้อ 8 ให้คลิกที่ปุ่ม Load a Model ได้เลย 12. จากนั้น นำลิงก์ที่ได้คัดลอกไว้ ในข้อ 8 มากดปุ่ม วาง (Paste) และเลือก Model Type เป็น Image จากนั้น กดปุ่ม Load Model 13. เมื่อนำเข้าโมเดลเสร็จสิ้น จะสังเกตได้ว่า จะมีบล็อกของ Extension Machine Learning เพิ่มขึ้นมา คลิก Load a Model

15 รายงานผลการดำเนินงาน การพัฒนางานตามข้อตกลง (Performance Agreement : PA ) ใบความรู้ที่ 10 การประยุกต์ใช้งานปัญญาประดิษฐ์ (AI) คำอธิบายการใช้งานกลุ่มบล็อกคำสั่ง Machine Learning บล็อกคำสั่ง ความหมาย ใช้สำหรับเปิด Recognition Window เก็บค่าของชื่อ Class จากโมเดล (เช่น Class Mask) เก็บค่าของ Model URL และรูปแบบ (Type) ของโมเดล ตรวจสอบว่าภาพที่วิเคราะห์ (จากกล้อง หรือ เวที) ตรงกับ Class ในโมเดลหรือไม่ เก็บค่าที่ได้จากการตรวจสอบภาพที่ วิเคราะห์ มาแล้ว (จากกล้อง หรือเวที) รับค่า Confidence จากคลาสที่ระบุ (จาก กล้อง หรือเวที) โดยมีค่าระหว่าง 0 ถึง 1 กำหนดการเปิด - ปิด วิดีโอที่อยู่บนเวที ด้วยสามารถปรับค่า Transparency (ค่า ความโปร่งใส) ได้ 14. จากนั้น ต่อ Code Script ตัวอย่างดังรูป (สามารถศึกษาเพิ่มเติมได้ที่เว็บไซต์www.krujirach.in.th www.ครู จิรัช.ไทย คลิป Youtube การเขียนโปรแกรม AI คัดกรองคนที่สวมหน้ากากอนามัย ด้วย Machine Learning โดย ใช้โปรแกรม pictoblox : https://www.youtube.com/watch?v=zKNaLwvx39g )