5 ปัญญาประดิษฐ์เพื่อการวิเคราะห์ทางการเกษตร (1)

หลกั สูตรการอบรมพฒั นาเกษตรกรดจิ ิทัล
(Digital Farmer Development Training Course)

ปญั ญาประดษิ ฐเ์ พ่ือการวเิ คราะห์ทางการเกษตร
Artificial Intelligence for Smart Farming Analytics

จดั ทำโดย
อาจารย์ ดร.ภทั รมน วุฒพิ ิทยามงคล และคณะ
โครงการวจิ ัยพฒั นารูปแบบการส่งเสรมิ เกษตรกรรนุ่ ใหม่สู่การเป็นเกษตรกรดิจิทัล ฯ

มหาวทิ ยาลัยแมฟ่ ้าหลวง

โครงการ “การวจิ ัยพฒั นารปู แบบการสง่ เสริมเกษตรกรรุน่ ใหมส่ ่กู ารเปน็ เกษตรกรดจิ ทิ ลั โดยการ
ใช้ Essential Fundamental Digital Farming Tools and Collaborative Blended
Learning Approach: กรณีภาคการผลติ ทางการเกษตร

Page |ก

คำนำ

หลักสูตรการอบรมพัฒนาเกษตรกรดิจิทัล (Digital Farmer Development Training Course) เป็น
การรวบรวมความรดู้ า้ นการเกษตรอัจฉริยะ (Smart Farm) ท่เี กี่ยวขอ้ งกับเทคโนโลยดี ิจทิ ัล เพอ่ื ใช้อบรมให้กับ
เกษตรกรในโครงการ และเป็นเนื้อหาที่อาจใช้อบรมให้เกษตรกรรายย่อยทั่วไปที่มีความสนใจในการพัฒนา
ตนเอง การพัฒนาหลักสูตรจะมุ่งเน้นผลลัพธ์ (Outcome Based Learning : OBL) โดยองค์ความรู้พื้นฐาน
ดา้ นเทคโนโลยีดิจทิ ลั ท่เี ก่ยี วขอ้ งกบั การเกษตร ประกอบดว้ ย

• ความรู้พื้นฐานเทคโนโลยีการสื่อสารเพื่อการเกษตร ( Fundamentals of Communication
Technology for Agriculture )

• เทคโนโลยเี ซนเซอร์เพ่ือการเกษตร (Sensor Technology for Smart Farming)
• อินเตอร์เน็ตของสรรพสิ่งและการประยุกต์ใช้ในการเกษตร ( Internet of Things and Its

Applications in Smart Farming )
• สถิตพิ ืน้ ฐานและการวิเคราะห์ทางการเกษตร ( Statistical and Analytics for Agriculture )
• ปัญญาประดิษฐ์เพื่อการวิเคราะห์ทางการเกษตร ( Artificial Intelligence for Smart Farming

Analytics )
• การเรียนรู้ของเครื่องและระบบควบคุมทางการเกษตร ( Machine Learning for Smart Farming

and Control Systems )
• ความร้พู นื้ ฐานขอ้ มูลขนาดใหญเ่ พอื่ การเกษตร ( Fundamentals of Big Data for Agriculture )

เพื่อให้เกษตรกรได้ศึกษาและเกิดแนวคิดในการพัฒนาฟาร์มเกษตรของตนเ องเพื่อนำไปสู่การเป็น
เกษตรกรดิจิทัลรุ่นใหม่ (Young Digital Farmer) นอกจากนั้น เนื่องจากโครงการได้มีความร่วมมือกับ
สถาบันการศึกษาในระดับอาชีวะศึกษาในพื้นที่ คือ วิทยาลัยอาชีวะศึกษาเชียงราย และวิทยาลัยเกษตร
เชียงราย ซ่งึ ถอื เป็นแหลง่ ผลติ บุคลากรดา้ นการเกษตรและแหล่งสนบั สนนุ การเกษตรสมัยใหม่ที่สำคัญ ดังนั้นใน
การออกแบบหลักสูตรในโครงการนี้ จึงนอกจากจะใช้อบรมเกษตรกรในโครงการแล้ว ยังมีเป้าหมายที่จะ
นำไปใชเ้ สริมในการเรยี นการสอนของสถาบนั การศกึ ษาท้ังสองแห่งด้วย

อาจารย์ ดร.ภัทรมน วุฒิพทิ ยามงคล และคณะ

หลักสตู รการอบรมพฒั นาเกษตรกรรุ่นใหม่: ปญั ญาประดษิ ฐ์เพ่อื การวเิ คราะห์ทางการเกษตร อ.ดร.ภัทรมน วุฒิพิทยามงคล

Page |ข

หลักสตู รการอบรมพฒั นาเกษตรกรรนุ่ ใหม่: ปญั ญาประดษิ ฐเ์ พื่อการวเิ คราะห์ทางการเกษตร อ.ดร.ภัทรมน วุฒิพิทยามงคล

Page |ค

สารบัญ
หนา้

คำนำ……………………………………………………………………………………………………….….………………….........ก
สารบัญ…………………………………………………………………………………………………………….........................ข
บทท่ี 1 บทนำรายวชิ าปัญญาประดิษฐเ์ พื่อการวิเคราะห์ทางการเกษตร................................................1

1.1 บทนำปัญญาประดษิ ฐ์เพื่อการวิเคราะหท์ างการเกษตร………………..…………………………….……..1
แบบทดสอบความรูเ้ บ้ืองตน้ ก่อนเรียน………………………….…………………………………………………..…..5
บทท่ี 2 รจู้ ักปัญญาประดิษฐ์..................................................................................................................7
2.1 พนื้ ฐานท่วั ไปและความสำคญั ของปญั ญาประดษิ ฐ์………………………………………………………......7
2.2 คำนิยามและประเภทของปญั ญาประดิษฐ์…………….…………………………………………………..…….9
2.3 แขนงย่อยของปัญญาประดษิ ฐ์………………………….…………………………………………………..……..11
2.4 การประยุกต์ใช้ปญั ญาประดษิ ฐ์……………………………………………………….……………………………12
ผู้เรยี นอภิปรายการการประยุกตใ์ ชป้ ัญญาประดิษฐ์ในชวี ิตประจำวัน….………………………………..…16
บทท่ี 3 ปัญญาประดิษฐ์ขัน้ สูง.............................................................................................................17
3.1 ปัญญาประดิษฐแ์ ละการเรยี นรูข้ องเครอ่ื ง……………………………………………….………….…..……..17
3.2 หลักการเบอื้ งต้นของการเรียนรู้ของเครื่อง……………………………………………………………....……19
3.3 คำศพั ท์ท่ีควรรเู้ ก่ยี วกบั การเรยี นรูข้ องเคร่ือง………………………………………………………….……...22
3.4 ขนั้ ตอนในการสรา้ งโมเดลการเรยี นรู้ของเคร่ือง……………………………………….……………………..23
บทที่ 4 การประยกุ ต์ใช้ปัญญาประดิษฐ์ในการเกษตร………………………………………………………………..…...28
4.1 การเกษตรอัจฉรยิ ะ…………………………………………………………………………………………………….28
ผู้เรียนนำเสนอตัวอย่างการใช้ปัญญาประดิษฐใ์ นการเกษตร….…………………………………………..…..37
บทท่ี 5 การสร้างโมเดลอยา่ งงา่ ย: โมเดลเง่ือนไข (If-Else Models)...................................................38
5.1 หลักการและประโยชนข์ องโมเดลเง่ือนไข…………………………………………………..…………..……..38
5.2 ขั้นตอนการแก้ไขของปญั หา…………………………………………….…………..……..……………………….42
5.2 ตัวอย่างขั้นตอนการแก้ไขปญั หา………………………………………………………….……………………….47
บทท่ี 6 การสรา้ งโมเดลเง่ือนไขใน Microsoft Excel..........................................................................52
6.1 การค้นหาข้อมลู จากศูนย์ขอ้ มลู เกษตรแห่งชาติ…………………………………………………..………....52
6.2 การฝึกปฏบิ ตั กิ บั ข้อมลู จริงดา้ นการเกษตร ………………………………………………………….………..56
บทท่ี 7 โมเดลวเิ คราะห์การถดถอยเชิงเส้น (Linear Regression Models).......................................63
7.1 หลกั การของ Simple Linear Regression…………………………………………………………...………63
7.2 หลักการของ Multiple Linear Regression………………………………………………………….……..65
7.3 ตวั อยา่ งการประยกุ ต์ใชก้ ับข้อมูลจรงิ …………………………………………………………………..………..70

หลักสตู รการอบรมพฒั นาเกษตรกรรุน่ ใหม่: ปญั ญาประดษิ ฐ์เพือ่ การวิเคราะห์ทางการเกษตร อ.ดร.ภทั รมน วฒุ ิพิทยามงคล

Page |ง
บทที่ 8 การสร้างโมเดลวเิ คราะหก์ ารถดถอยเชิงเส้นกับข้อมูลทางการเกษตร......................................79

8.1 การสรา้ งโมเดลวเิ คราะห์การถดถอยเชงิ เสน้ อย่างงา่ ยใน Microsoft Excel……………………….79
8.2 การสร้างโมเดลวิเคราะห์การถดถอยเชงิ เสน้ พหุคณู ………………………………………………………...83
บทที่ 9 ประโยชน์และปัญหาในการใชป้ ัญญาประดิษฐ์เพ่ือการเกษตร.................................................87
9.1 ประโยชน์ในการใช้ปัญญาประดิษฐ์เพอื่ การเกษตร………………………………………………………….87
9.2 ปญั หาในการใช้ปญั ญาประดษิ ฐ์เพือ่ การเกษตร………………………………………………………………90
บทที่ 10 สรุปรายวิชาปัญญาประดษิ ฐ์เพ่ือการวเิ คราะห์ทางการเกษตร...............................................95
แบบทดสอบความรู้หลงั เรยี น………………………….………………………………………………………………….97
เอกสารอ้างอิง.....................................................................................................................................99

หลักสตู รการอบรมพฒั นาเกษตรกรรุ่นใหม่: ปญั ญาประดษิ ฐ์เพ่ือการวเิ คราะหท์ างการเกษตร อ.ดร.ภทั รมน วฒุ พิ ิทยามงคล

Page |1

บทที่ 1
บทนำรายวิชาปญั ญาประดิษฐ์เพอ่ื การวิเคราะห์ทางการเกษตร

วตั ถุประสงค์

1. เพือ่ ให้ผเู้ รยี นมคี วามรู้ความเข้าใจเบอื้ งตน้ เก่ียวกับปญั ญาประดิษฐ์เพ่ือการวิเคราะห์ทาง
การเกษตร

2. เพ่ือให้ผูเ้ รียนตระหนกั ถึงความสำคญั ของปญั ญาประดิษฐเ์ พื่อการวิเคราะหท์ างการเกษตร

1.1 บทนำปัญญาประดษิ ฐเ์ พ่อื การวเิ คราะหท์ างการเกษตร

อุตสาหกรรมการเกษตรเปน็ หน่ึงในภาคธุรกจิ หลกั ท่ีขับเคลื่อนเศรษฐกิจของประเทศไทย ดังนน้ั การ
ส่งเสรมิ ศักยภาพของเกษตรกรไทยและการส่งเสรมิ อุตสาหกรรมการเกษตรให้มคี วามทันสมัยและสามารถ
แขง่ ขันไดใ้ นระดับนานาชาติจึงเป็นสิ่งสำคัญในการพัฒนาประเทศ ในปจั จบุ นั ได้มกี ารนำเทคโนโลยีสมยั ใหมม่ า
ใชใ้ นการยกระดับอุตสาหกรรมการเกษตรในหลายๆประเทศท่วั โลก ปัญญาประดิษฐ์ หรือ Artificial
Intelligence หรอื ท่รี ้จู ักกันอย่างแพร่หลายในชื่อย่อว่า AI น้นั เปน็ เทคโนโลยที ี่ได้รบั ความทน่ี ยิ มในการนำมา
ประยุกตใ์ ช้ในการแก้ปัญหาในชวี ิตประจำวนั และในอุตสาหกรรมตา่ งๆรวมถงึ ทางด้านการเกษตร

เทคโนโลยี AI คือ การรวมความฉลาดของมนุษยส์ เู่ ครื่อง (Machine) ผ่านการออกแบบและเขียน
ชุดคำส่งั เทคนิค หรืออัลกอรทิ มึ ทที่ ำใหร้ ะบบคอมพิวเตอร์สามารถเลียนแบบพฤติกรรมของมนุษย์ได้อยา่ งไม่
มีขอ้ จำกดั ทางชีววทิ ยา หลายคนคนุ้ เคยกบั การตคี วามของ AI วา่ คอื หุ่นยนตท์ สี่ ามารถเลยี นแบบพฤติกรรม
มนษุ ยไ์ ด้ แตใ่ นความเป็นจรงิ แลว้ AI ไมจ่ ำเปน็ ต้องมีรูปรา่ งหรอื หนา้ ตาเหมือนมนุษยห์ รอื อยูใ่ นรปู แบบของ
หุ่นยนต์เสมอไป AI อาจอยู่ในรปู ของโปรแกรมคอมพวิ เตอร์ที่ไดถ้ ูกออกแบบไวแ้ ล้วซ่งึ ทำให้ระบบสามารถทจ่ี ะ
กระทำเกิดขน้ึ เองได้โดยไม่จำเปน็ ท่ีจะต้องมานั่งรอการอนุมัติจากมนษุ ย์ แม้วา่ AI จะถูกพัฒนาขึ้นมาจากความ
ฉลาดของมนุษย์แต่ความสามารถในการประมวลผลของเครื่องนนั้ รวดเรว็ และสามารถรับมือไดก้ ับปัญหาที่
ซบั ซ้อนไดม้ ากกวา่ สมองของมนุษย์ ด้วยเหตุน้ี AI จึงถกู นำมาใช้เป็นเครื่องมือในการแก้ปัญหาทซ่ี บั ซ้อนเกนิ กวา่
ท่ีมนษุ ยจ์ ะสามารถรบั มอื ได้ หรอื ทำงานทีซ่ ้ำซากแทนมนษุ ยไ์ ด้อยา่ งดเี ยีย่ ม

ปัจจุบนั AI ซ่อนอยูใ่ นสง่ิ ของหรือบรกิ ารท่ีใช้กนั โดยทั่วไป และอยู่ร่วมกบั ชวี ิตประจำวันของคนเราได้
อยา่ งกลมกลนื ไม่วา่ จะเป็นการทเี่ ราคน้ หาข้อมลู ในอินเทอร์เนต็ ระบบ AI ก็จะจดจำขอ้ มูลของเราไว้ ทำให้ใน
คร้งั ตอ่ ๆ ไป เม่ือเราพิมพต์ ัวอกั ษรเริ่มต้น 1-2 ตวั เราจะเจอประโยคท่ีเราเคยค้นหาทันที และในระบบ AI ยังมี
อกี มากมายที่อยู่ในชวี ติ ประจำวัน ยกตวั อย่างเชน่ ระบบชว่ ยเหลือลูกคา้ ออนไลนห์ รือทางโทรศัพทท์ ตี่ อบกลบั
แบบอตั โนมัติหรือทีเ่ รียกวา่ แชทบอท (Chatbot) ท่เี หมาะสำหรบั การตอบคำถามท่ีถูกถามบอ่ ย ซงึ่ ทำใหล้ กู คา้
ไดร้ ับคำตอบทร่ี วดเรว็ ตลอดท้ัง 24 ชว่ั โมง และสามารถลดปรมิ าณงานของพนักงานบริการได้ หนุ่ ยนต์ทำความ
สะอาดท่ีมกี ารพฒั นาและจำหนา่ ยอย่างแพรห่ ลายในปัจจบุ ันทำใหม้ ีราคาถูกและเขา้ ถึงได้โดยคนทั่วไป การ

หลักสตู รการอบรมพฒั นาเกษตรกรรุ่นใหม่: ปญั ญาประดษิ ฐ์เพอ่ื การวเิ คราะหท์ างการเกษตร อ.ดร.ภทั รมน วุฒพิ ทิ ยามงคล

Page |2

ระบุตวั ตนด้วยไบโอเมทรกิ ซ์ (Biometrics) เช่น ม่านตา เสียง ลายน้ิวมอื หน้า ภาษากาย เพอื่ ใชใ้ นการสแกน
ลายนว้ิ มือเพื่อบนั ทึกเวลาแทนการตอกบัตร การสแกนมา่ นตาเพื่อเขา้ ใชง้ านสมาร์ทโฟน เป็นตน้

ภาพท่ี 1.1 ระบบชว่ ยเหลอื ลกู ค้าแบบอัตโนมตั หิ รือที่เรียกวา่ แชทบอท (Chatbot)
(ท่มี า https://www.theeleader.com/ai/chatbot-ปัญญาประดษิ ฐ์-thailand/)

จะเหน็ ได้วา่ การประยตุ ์ใช้เทคโนโลยี AI นั้นมปี ระโยชน์มากมายต่อท้ังภาคอตุ สาหกรรม ธุรกิจ และ
ประชาชนท่ัวไปในชวี ิตประจำวัน การนำ AI ไปใชใ้ นทางธรุ กจิ ดงั เชน่ ตัวอย่างข้างตน้ จะช่วยเพ่มิ ศักยภาพของ
ธรุ กิจนน้ั ๆทงั้ ในดา้ นการบรหิ ารจัดการและการตลาดได้ สำหรับประโยชนใ์ นชีวติ ประจำวนั ของ AI ทเ่ี หน็ ไดช้ ดั
คือช่วยเพ่ิมความสะดวกสบาย ประหยัดเวลาและค่าใชจ้ า่ ยได้ แต่ข้อเสยี ของ AI ก็มีเช่นกัน ปญั หาการเลิกจ้าง
เป็นปญั หาหนึง่ ทีส่ ำคัญทีแ่ รงงานถกู แทนทด่ี ้วย AI ทีม่ ีความค้มุ ค่าในดา้ นคา่ ใชจ้ ่ายระยะยาวและมคี วามถกู ต้อง
แม่นยำมากกวา่ ทำให้การปลดพนกั งานเหลา่ น้ีเป็นสิ่งทีม่ ีความจำเปน็ ตอ่ ความกา้ วหนา้ ขององค์กร กลุ่มงานที่
ไดร้ ับผลกระทบมากท่ีสุดคือ ตำแหน่งงานทีต่ ้องใชแ้ รงงาน ยกตัวอยา่ งเช่น สายงานดา้ นการผลติ และขนส่ง
ในทางตรงกนั ขา้ มสาขาอาชพี ท่ีจะได้รับผลดจี ากเทคโนโลยนี ีม้ ากกว่า ได้แก่ งานบรกิ ารดา้ นสขุ ภาพและการ
เรยี นการสอน ในแงข่ องข้อกำจัด AI ยงั ไม่สามารถทำงานท่ีต้องใชส้ ามญั สำนึกและวจิ ารณญาณในการตดั สินใจ
หรอื งานสรา้ งสรรค์เหมือนมนุษยไ์ ด้

ในดา้ นการเกษตร การนำเทคโนโลยี AI มาใช้สามารถช่วยผ่อนแรงเกษตรกร เพ่มิ คณุ ภาพและปรมิ าณ
ของผลผลิตด้วยความแมน่ ยำต่อการคำนวนเวลารดน้ำ ตรวจวัดคา่ ดิน จบั ตาดศู ตั รแู ละโรคในพชื การวิเคราะห์
ขอ้ มูลด้านการเกษตรโดยใช้ระบบปญั ญาประดิษฐไ์ ดก้ ลายเป็นทน่ี ยิ มเปน็ อยา่ งมาก โดยเฉพาะนวัตกรรมใน
กลมุ่ ธรุ กจิ เกษตรดจิ ทิ ัล การเกษตรดิจิทัลคอื การใชป้ ระโยชน์จากการเกบ็ ข้อมูลด้านการเกษตรตา่ งๆ ทัง้ สภาพ
ดิน สภาพนำ้ อุณหภมู ิ ความช้นื ปริมาณแสง พนื้ ทเ่ี พาะปลกู สถานการณเ์ จรญิ เตบิ โต ฯลฯ ซึ่งจะทำใหเ้ ขา้ ใจถงึ
ปญั หาและความตอ้ งการที่แตกต่างกันไปในแต่ละพื้นท่ี ช่วยหาแนวทางการทำการเกษตรท่ีเหมาะสม แมน่ ยำ

หลักสตู รการอบรมพฒั นาเกษตรกรรนุ่ ใหม่: ปญั ญาประดิษฐเ์ พอ่ื การวเิ คราะห์ทางการเกษตร อ.ดร.ภทั รมน วฒุ พิ ิทยามงคล

Page |3

และมปี ระสทิ ธิภาพสูงสุดใหก้ ับเกษตรกร ท่ีสำคัญคอื เราสามารถนำข้อมลู ทมี่ ีอยู่มาต่อยอดควบคู่กบั AI เชน่
การใช้ AI ในการช่วยควบคุมดูแลแปลงพืช โดยเกษตรกรแทบจะไม่ต้องลงไปคลุกคลดี ้วยตวั เอง นำมาวเิ คราะห์
ความแตกตา่ งของวชั พชื ในแปลงเกษตร เพื่อหาวิธีกำจัดไดต้ รงจุด หรอื นำมาวเิ คราะห์ความเส่ยี งท่เี กิดจาก
สภาพดินฟา้ อากาศ เพ่ือช่วยลดความเส่ียงการเกิดโรค เพิ่มผลผลิตให้สูงขน้ึ

ภาพท่ี 1.2 การเกษตรดจิ ิทัล (ที่มา https://www.medium.com)
ในหลายประเทศท่ัวโลกได้มีการประยุตใ์ ช้ AI ในการเกษตรที่เกดิ ขึ้นจริงและเอือ้ ประโยชนต์ ่อ
เกษตรกร เช่น ในประเทศอินเดีย โดยท่ี Microsoft และ International Crop Research Institute for the
Semi-Arid Tropics (ICRISAT) องค์กรไม่แสวงหาผลกำไรและไมฝ่ กั ใฝข่ ว้ั การเมืองซ่ึงทำหนา้ ทีว่ ิจัยการเกษตร
พฒั นาในทวีปเอเชียและภูมิภาค sub-Saharan ของแอฟริกา ร่วมกันพฒั นาระบบแจ้งเตือนวันทเ่ี หมาะสมใน
การหว่านเมล็ดผา่ นข้อความ SMS โดยใช้ AI ในการวิเคราะห์วนั ทเ่ี หมาะสมท่สี ุดในการหวา่ นเมลด็ จากข้อมลู
สภาพอากาศย้อนหลงั 30 ปี และข้อมลู พยากรณ์อากาศลว่ งหน้า ข้อมูลเหลา่ น้จี ะถูกนำไปใชใ้ นการคำนวณ
Moisture Adequacy Index (MAI) ซ่ึงเป็นวิธีพ้ืนฐานในการประเมนิ ความเหมาะสมในการหว่านเมล็ด จาก
การทดลองระบบดังกลา่ วกบั เกษตรกร 175 ในพ้นื ที่เกษตรบางแหง่ ในประเทศอินเดยี พบวา่ เกษตรกรในพนื้ ที่
ดังกล่าวผลติ ผลเพ่มิ ขน้ึ เฉลย่ี สูงถงึ รอ้ ยละ 30
จะเห็นไดว้ า่ เทคโนโลยี AI นน้ั มีประโยชนต์ ่อการประกอบอาชพี และดำรงชวี ติ ของมนษุ ย์มากมาย
เทคโนโลยไี ดม้ ีการนำมาใช้อย่างแพร่หลายในประเทศไทยในช่วงหลายปีท่ผี า่ นมา การพัฒนาของ AI ยงั เกิดข้นึ
อย่างต่อเนื่องเชน่ เดยี วกบั การนำมาประยุกต์ใชท้ ม่ี ากเพิม่ ขึ้นเรื่อยๆ สำหรบั ประเทศไทย ภาคการเกษตรนับวา่
มีความสำคญั ต่อเศรษฐกจิ และสังคมเปน็ อยา่ งมาก การพัฒนาศกั ยภาพทางการเกษตรจะชว่ ยให้ประเทศเตบิ โต

หลกั สตู รการอบรมพัฒนาเกษตรกรรุน่ ใหม่: ปญั ญาประดิษฐเ์ พ่ือการวิเคราะหท์ างการเกษตร อ.ดร.ภัทรมน วุฒพิ ิทยามงคล

Page |4

ตามไปด้วย การนำเทคโนโลยสี มยั ใหมอ่ ยา่ ง AI มาช่วยเพม่ิ ประสิทธิภาพในการทำการเกษตรนบั เปน็ ว่าเป็นตวั
ชว่ ยที่ในการพลิกโฉมภาคเกษตรไทยสกู่ ารพฒั นาทย่ี ั่งยืน ท่ามกลางการเปลยี่ นแปลงในหลายมิตขิ องโลกซึง่ จะ

ภาพท่ี 1.3 AI Sowing App (ท่มี า https://www.icrisat.org/)
ส่งผลโดยตรงต่อภาคเกษตรเราอยา่ งหลกี เลี่ยงไม่ได้ ไม่วา่ จะเปน็ การแข่งขันทสี่ ูงข้ึน การเปลย่ี นแปลงรูปแบบ
อุปสงค์ของอาหารทวั่ โลก การเปลยี่ นแปลงสภาพภูมิอากาศ และการปฏวิ ตั ิทางเทคโนโลยี ในการนำเทคโนโลยี
นม้ี าใชใ้ ห้เกดิ ประโยชนส์ ูงสุด ผู้ใชง้ านจะต้องมีความรู้ความเข้าใจในบรบิ ท ความสามารถ ประโยชน์และข้อเสยี
ของ AI อย่างถ่องแท้ รวมทั้งยังตอ้ งสามารถวิเคราะหป์ ระเมินผลการประยุกต์ใชง้ านเทคโนโลยี AI การศึกษา
รายวิชาปัญญาประดษิ ฐ์เพอ่ื การวิเคราะหท์ างการเกษตรนีจ้ ะชว่ ยให้เพิ่มพนู ความรู้ความเข้าใจและทักษะ
ดังกลา่ วของเกษตรกรหรือผู้ท่ีสนใจได้

หลักสตู รการอบรมพัฒนาเกษตรกรรนุ่ ใหม่: ปญั ญาประดษิ ฐเ์ พื่อการวิเคราะห์ทางการเกษตร อ.ดร.ภัทรมน วุฒิพิทยามงคล

Page |5
หลักสตู รการอบรมพฒั นาเกษตรกรรนุ่ ใหม่: ปญั ญาประดษิ ฐเ์ พื่อการวเิ คราะห์ทางการเกษตร อ.ดร.ภัทรมน วุฒิพิทยามงคล

Page |6

แบบทดสอบความรู้เบื้องตน้ ก่อนเรยี น

จงเลือกคำตอบโดยกากบาท () คำตอบท่ีถกู ทส่ี ดุ

1. ข้อใดคือจุดประสงคข์ องการสรา้ ง AI
ก. เพ่ือสอนงานมนุษย์
ข. เพ่ือวิเคราะหข์ ้อมูลหรือทำงานบางอยา่ งแทนมนุษย์
ค. เพอ่ื เข้าใจมนษุ ย์
ง. เพ่ือวางแบบแผนแทนมนุษย์

2. ขอ้ ใดคอื คุณสมบตั ขิ อง AI
ก. สือ่ สารแบบเข้าอกเข้าใจมนษุ ย์ได้อย่างแท้จริง
ข. มีแบบแผนที่มคี วามยดื หย่นุ
ค. มีความคดิ สรา้ งสรรค์ มชี ีวิตชีวา
ง. สามารถสรา้ งความแมน่ ยำและทำงานที่ซบั ซอ้ นได้

3. AI ถกู แบ่งเป็น 3 ประเภทตามขอ้ ใด
ก. ความสามารถหรือความฉลาด
ข. กระบวนการทำงาน
ค. ลักษณะการใชง้ าน
ง. ถูกทกุ ข้อ

4. ในกรณใี ดที่เราสามารถทำการหลอกลวงระบบ AI ได้โดยไม่ผดิ จรยิ ธรรม
ก. เพ่อื นขอร้องใหช้ ่วยหลอกระบบเช็คชอื่ ด้วยใบหนา้ เน่อื งจากเพื่อนโดดเรยี น
ข. พีข่ อให้เราปลดล็อกโทรศพั ทข์ องแมเ่ พ่ือซ้ือเกม
ค. เราปลดลอ็ กโทรศัพท์ของเพอื่ นเพ่ือดูรปู ภาพของเราในโทรศัพท์ของเพือ่ น
ง. เพ่อื นปลดล็อกโทรศพั ท์ของเราเพ่ือโทรใหค้ นมาช่วยเราท่ีกำลงั สำลักอาหาร

5. ขอ้ ใดเป็นผลเสยี ทอ่ี าจเกิดข้ึนเมือ่ กลอ้ งวงจรปิดสามารถระบุตวั ตนไดอ้ ย่างอตั โนมัติ
ก. ตรวจสอบบคุ คลทีท่ ำผดิ กฎหมาย
ข. ตรวจจบั พฤติกรรมที่น่าสงสัย
ค. สูญเสียความเปน็ สว่ นตวั
ง. ใชต้ ิดตามคนหาย

หลกั สตู รการอบรมพฒั นาเกษตรกรรุ่นใหม่: ปญั ญาประดิษฐเ์ พื่อการวเิ คราะหท์ างการเกษตร อ.ดร.ภทั รมน วุฒพิ ิทยามงคล

Page |7

6. ในการสอน AI เพอื่ จำแนกประเภท โดยกระบวนการ machine learning ขอ้ ใดจำเป็นต้องมี “เฉลย”
ก. ข้อมลู ตรวจสอบ
ข. ข้อมูลทดสอบ
ค. ข้อมลู สอน
ง. ถูกทกุ ข้อ

7. สมมติว่าเราสร้าง AI เพื่อแก้โจทย์การจำแนกประเภท (classification) ที่ประกอบด้วยข้อมูลรูปภาพผลไม้
3 ประเภท คือ “สม้ ”, “กลว้ ย” และ “มะละกอ” เมอื่ เราให้ AI ดภู าพของ “แอปเปิล้ ” ข้อใดเปน็ ไปไมไ่ ด้

ก. AI ตอบวา่ เป็น “มะละกอ”
ข. AI ตอบว่าเป็น “กลว้ ย”
ค. AI ตอบวา่ เป็น “สม้ ”
ง. AI ตอบว่าเปน็ “แอปเปิล้ ”

8. เราสามารถใช้ AI เพ่อื การวิเคราะห์ทางการเกษตรในด้านใดได้
ก. การกระจายสินค้า
ข. ตรวจสอบสภาพแวดลอ้ มให้เหมาะสมในการปลูกตน้ ออ่ นและเวลาในการเก็บเก่ียวพืชผลผลติ
ค. ทำนายราคาขายผลผลิต
ง. ถกู ทกุ ข้อ

9. โปรแกรมคอมพิวเตอร์ใดสามารถสรา้ ง AI เพ่อื การวิเคราะห์ทางการเกษตรในดา้ นใดได้
ก. Microsoft Word
ข. Microsoft Excel
ค. Microsoft PowerPoint
ง. Adobe Acrobat

10. ข้อใดที่โมเดลวิเคราะหก์ ารถดถอยเชิงเสน้ ไมส่ ามารถทำได้
ก. ทำนายราคาขายผลผลิต
ข. คาดการณร์ ายได้ของเกษตรกรในปีถัดไป
ค. ทำนายประเภทวชั พชื
ง. ทำนายการโจมตขี องศัตรูพืช

หลักสตู รการอบรมพฒั นาเกษตรกรร่นุ ใหม่: ปญั ญาประดิษฐเ์ พ่อื การวิเคราะห์ทางการเกษตร อ.ดร.ภทั รมน วฒุ ิพทิ ยามงคล

Page |8

บทที่ 2
รจู้ ักปญั ญาประดษิ ฐ์

วัตถปุ ระสงค์

1. เพอ่ื ให้ผเู้ รียนมีความรู้ความเข้าใจเบอ้ื งต้นเก่ยี วกบั ปญั ญาประดิษฐ์
2. เพือ่ ใหผ้ ู้เรยี นตระหนักถงึ ประโยชน์ของการประยุกต์ใช้ปญั ญาประดษิ ฐใ์ นชวี ติ ประจำวนั

2.1 ประวัติของปญั ญาประดิษฐ์
ในปีค.ศ. 1943-1950 วอรเ์ รน แมคคลั ลอช์ และวอลเธอร์ พทิ ซ์ รว่ มกนั สรา้ งแบบจำลองหน่วย

ประสาทเดย่ี ว (neurons) โดยใชค้ วามรเู้ รอื่ งหนา้ ที่ของสมองในเชิงกายภาพ ตรรกศาสตร์ และทฤษฎีการ
คำนวณ ต่อมา โดนลั ด์ เฮ็บบ์ ไดศ้ ึกษาโครงสรา้ งและพฒั นากฎเกณฑ์ ซ่ึงมสี ่วนสำคัญในการพฒั นา “โครงขา่ ย
ประสาทเทียม” มาร์วิน มินสกี และ ดนี เอด็ มอนด์ นกั ศึกษามหาวิทยาลัย Princeton ไดร้ ว่ มกันสร้างระบบ
โครงขา่ ยใยประสาทตัวแรกของโลก โดยใช้ช่อื ว่า “SNARC” สรา้ งจากหลอดสุญญากาศ 3,000 หลอด และ
จำลองหนว่ ยประสาท 40 หนว่ ย

ภาพท่ี 2.1 ประวตั ิของปัญญาประดิษฐ์ (Shi, Z., Yao, W., Li, Z., et al., 2020)

หลกั สตู รการอบรมพฒั นาเกษตรกรรนุ่ ใหม่: ปญั ญาประดษิ ฐเ์ พอ่ื การวิเคราะห์ทางการเกษตร อ.ดร.ภัทรมน วฒุ พิ ิทยามงคล

Page |9

ในปีค.ศ. 1950 นักคณิตศาสตรแ์ ละวิทยาศาสตร์คอมพวิ เตอร์ Alan Touring ซึ่งถูกขนานนามวา่ เปน็
บิดาแห่งวทิ ยาการคอมพิวเตอร์ไดค้ ดิ ค้น “การทดสอบของทวั รงิ ” (Touring Test) ขึน้ เพอื่ ทดสอบ
ความสามารถของโปรแกรมท่ีพัฒนาข้นึ มาเหล่าน้นั วา่ สามารถใช้ความคิดไดใ้ นรูปแบบทใี่ กลเ้ คียงกับมนษุ ย์
หรอื ไม่ โดยทดสอบว่าผคู้ นจะแยกออกได้หรือไมว่ า่ บทสนทนาข้อความทเี่ กดิ ขึ้นน้นั เปน็ ของมนุษย์หรอื หากผู้
ตดั สนิ ท่เี ป็นมนษุ ย์แยกแยะไม่ได้โปรแกรมน้นั ก็จะผา่ นการทดสอบ ทง้ั น้ีการทดสอบดังกล่าวไดร้ บั การยอมรบั
อยา่ งแพรห่ ลายและไดถ้ ูกนำมาใชเ้ ป็นการทดสอบหลักในการวัดขีดความสามารถของเครื่องจกั รที่คดิ เองได้ ใน
เวลาต่อมา และในปคี .ศ. 1956 คำว่า Artificial Intelligence (AI) ได้ถือกำเนิดข้ึน โดยนกั วทิ ยาศาสตร์
คอมพวิ เตอร์ John McCarthy ไดใ้ ห้คำจำกดั ความของคำดังกลา่ วไวใ้ นการประชุม Dartmouth
Conferences รฐั นิวแฮมเชยี ร์ ประเทศสหรฐั อเมริกา

มกี ารสร้างหนุ่ ยนต์ชว่ ยงานในอตุ สาหกรรมครง้ั แรกในปี ปีค.ศ. 1961 โดยบรษิ ัท General Motors
(GM) ไดต้ ดิ ต้งั หุน่ ยนต์อุตสาหกรรมเปน็ คร้งั แรกเพอื่ ยกช้ินส่วนโลหะท่มี ีอณุ หภูมสิ งู ในสายการผลติ มีชื่อว่า
Unimate และในปีค.ศ. 1968 หุน่ ยนตเ์ คล่ือนที่ได้ท่ีมีการตดิ ต้งั ปัญญาประดิษฐแ์ ละควบคมุ โดยคอมพิวเตอร์
ขนาดเท่าห้อง 1 ห้อง

ในปคี .ศ. 1966 ELIZA เปน็ บอทตัวแรกทถ่ี ูกสร้างข้นึ ท่หี ้องปฏบิ ตั กิ าร MIT AI เพือ่ จำลองการสนทนา
ของมนุษย์โดยมีการตง้ั ค่าคำตอบท่เี หมาะสมกบั คสู่ นทนาในรูปแบบถามมาตอบไปเพ่อื การตอบโตใ้ นการ
สนทนา เนอื่ งจาก ณ ตอนทีส่ รา้ งบอทตวั นขี้ น้ึ มาไม่ได้ถกู สรา้ งขน้ึ มาใหเ้ ขา้ ใจบรบิ ทระหว่างค่สู นทนาซ่ึงส่ิงที่
ตามมาจึงทำให้เกิดความเขา้ ใจผิดระหว่างคสู่ นทนา

หลังปคี .ศ. 1990 ถือเป็นยุคใหมข่ องการประยุกต์ใช้AI โดยการเช่ือมต่อระบบ AI เข้ากับอินเทอรเ์ นต
ส่งผลให้เปน็ การขยายฐานความร้ทู ป่ี ้อนเขา้ สู่ AI เน่อื งจาก AI สามารถเข้าถึง เรียนรู้ และพัฒนาตนเองจาก
ขอ้ มูลจำนวนมากที่มีอยใู่ นอินเทอรเ์ นตไดจ้ ึงทำใหก้ ารเรยี นรูข้ อง AI รวดเรว็ ข้ึน ในปคี .ศ. 1996 ได้มีการแข่งขนั
หมากรุกระหวา่ งเครื่องคอมพิวเตอร์กบั มนุษย์โดยเปน็ การแขง่ ขนั ระหว่างแชมป์โลกหมากรุก Garry Kasparov
และเคร่ืองคอมพิวเตอร์ของ IBM ท่มี ีช่ือวา่ Deep Blue โดยในการแข่งขันครัง้ แรก Kasparov เป็นผชู้ นะ แต่ใน
ปถี ัดมา Deep Blue สามารถพฒั นาตนเองจนกลบั มาเอาชนะได้การแข่งขนั คร้ังน้ที ำให้เกดิ การยอมรบั
ปญั ญาประดิษฐ์ในสาขาเกมและกอ่ ให้เกดิ ความคิดในการใช้ปัญญาประดษิ ฐ์ในการแกไ้ ขปญั หาทซี่ ับซ้อนยง่ิ ข้นึ

ระหวา่ งปคี .ศ. 1980–2020 มีการเติบโตและประสบความสำเร็จของการเรียนร้ขู องเคร่ือง (Machine
Learning) ซ่ึงถูกพัฒนาขึ้นเพื่อใชง้ านเสมือนเปน็ สมองของ AI เพอื่ ใหส้ ามารถเรยี นรู้ได้ด้วยตนเอง ซึง่ ช่วยเพิม่
ขีดความสามารถของ AI ให้มีความฉลาดมากยงิ่ ขึน้ หลังจากปคี .ศ. 2000 นกั วจิ ัยและนกั พฒั นา AI ไดส้ รา้ ง
ผลิตภณั ฑ์ท่ใี ชร้ ะบบปัญญาประดิษฐอ์ อกมาสู่ตลาดอย่างต่อเนอ่ื งไดแ้ ก่ ROOMBA หนุ่ ยนตด์ ูดฝุ่นท่ีสามารถ
เคล่ือนท่ีไดเ้ องและทำความสะอาดบา้ น ไดถ้ ูกพัฒนาข้นึ ในปีค.ศ. 2002 ซง่ึ เปน็ ครง้ั แรกในการผลติ เชิง
อุตสาหกรรมเปน็ จำนวนมากคร้ังแรก และในปีค.ศ. 2011 บริษทั แอปเปิล (Apple) ได้นำ Siri เข้ามาเปน็ สว่ น
หน่ึงของ IPhone ซึ่งเป็นโปรแกรมสนทนาและได้ถูกพฒั นาจนกลายเป็นโปรแกรมสง่ั งานด้วยเสยี งในปัจจุบัน

หลกั สตู รการอบรมพัฒนาเกษตรกรรุ่นใหม่: ปญั ญาประดิษฐ์เพ่ือการวเิ คราะหท์ างการเกษตร อ.ดร.ภัทรมน วุฒิพทิ ยามงคล

P a g e | 10

ภาพท่ี 2.2 พฒั นาการของปัญญาประดิษฐ์
(ทม่ี า https://www.depa.or.th/en/article-view/tech-series-artificial-intelligence-ai)

2.2 คำนิยามและประเภทของปัญญาประดษิ ฐ์
คำจำกดั ความของปัญญาประดษิ ฐ์ หรือ Artificial Intelligence ท่ี John McCarthy ได้ให้ไว้ในปคี .ศ.

1956 หมายถึง การพฒั นาระบบคอมพิวเตอร์ซึ่งสามารถปฏบิ ตั ิงานที่โดยปกตแิ ล้วจำเป็นต้องใชส้ ตปิ ัญญาของ
มนษุ ย์ เช่น ความสามารถในการจดจำภาพ การร้จู ำเสียงพูด และการตดั สนิ ใจ นอกจากน้ีการใชค้ ำวา่ AI ยังอาจ
สอ่ื ความหมายไปถึงการใชร้ ะบบคอมพิวเตอร์ในการแก้ไขปัญหาหรอื การตัดสนิ ใจ หรือการปฏิบตั งิ านท่ี
จำเปน็ ตอ้ งใช้สตปิ ญั ญาของมนษุ ย์ เช่น การแนะนำภาพยนตรห์ รอื เพลงให้เหมาะสมกับประเภทของผู้ชมและ
ผู้ฟงั การตรวจสอบการปลอมแปลงเอกสาร การใชร้ ะบบควบคุมอุปกรณ์ภายในบา้ นอัจฉริยะ รวมไปถึงการใช้
การจดจำหน้าตาจากรูปภาพใน Facebook การใช้ระบบปัญญาประดิษฐ์ในวดี ีโอเกมส์และการใชผ้ ู้ช่วยสว่ นตวั
อัจฉริยะ

การแบง่ ประเภทของ AI มี 2 รปู แบบ คือ แบง่ ประเภทจากระดับความสามารถของ AI และแบ่ง
ประเภทจากระบบการประมวลผลของ AI

1. แบง่ ประเภทจากระดับความสามารถของ AI มี 3 ประเภท ได้แก่
1) ปัญญาประดิษฐเ์ ชงิ แคบ (Narrow AI) คือ AI ทีเ่ ก่งในเร่ืองเเคบ สามารถทำงานบางอย่างแทน
มนษุ ยไ์ ด้แตจ่ ะจำกดั เฉพาะทางเทา่ นั้น นนั่ คือ ต้องเป็นงานหรอื ทกั ษะทไี่ ด้รบั การโปรแกรมมาให้
ทำเทา่ นัน้ ไม่สามารถทำงานอื่นใดนอกเหนือจากน้ันหรือเรยี นรดู้ ้วยตนเองเพิ่มเติมได้ ที่เราเหน็ ใช้
งานกันอยู่ทุกวันน้ี ทั้งหมดจัดได้ว่าอยูใ่ นประเภทน้ีอาทิ เช่น AI ทช่ี ่วยในการผา่ ตดั (AI-assisted
robotic surgery) ท่ีอาจจะเชย่ี วชาญเร่อื งการผ่าตดั กว่าคุณหมอยุคปัจจุบัน แต่แน่นอนว่า AIตวั
นี้ไม่สามารถทจ่ี ะทำอาหาร ร้องเพลง หรือทำส่ิงอน่ื ทน่ี อกเหนอื จากการผ่าตดั ไดน้ ่ันเอง

หลักสตู รการอบรมพัฒนาเกษตรกรร่นุ ใหม่: ปญั ญาประดิษฐเ์ พ่อื การวิเคราะห์ทางการเกษตร อ.ดร.ภัทรมน วุฒพิ ิทยามงคล

P a g e | 11

ภาพที่ 2.2 ประเภทของปญั ญาประดิษฐ์
(ทีม่ า https://www.javatpoint.com/types-of-artificial-intelligence)

2) ปญั ญาประดิษฐ์ทั่วไป (General AI) คอื AI ทม่ี คี วามสามารถระดับเดยี วกับมนุษย์ สามารถทำ
ทุกๆอย่างท่ีมนุษยท์ ำไดแ้ ละไดป้ ระสทิ ธภิ าพที่ใกล้เคยี งกบั มนุษย์ เชน่ สามารถคดิ วิเคราะห์
วางแผน แกป้ ญั หาทีซ่ บั ซอ้ น เข้าใจเร่อื งราวทเ่ี ปน็ นามธรรม รวมถงึ สามารถเรียนรู้จาก
ประสบการณ์ในอดีตไดเ้ หมอื นกับทีม่ นุษยท์ ำได้ แต่ในปัจจุบนั เรายงั ไม่สามารถพฒั นา AI ชนิด
น้ขี ้นึ มาไดส้ ำเรจ็

3) ปัญญาประดิษฐแ์ บบเข้ม (Strong AI ) : คอื AI ทมี่ ีความสามารถเหนอื มนุษย์ในหลายๆด้าน
ในปจั จุบนั เรายงั ไมส่ ามารถพัฒนา AI ประเภทนข้ี นึ้ มาได้ แต่ไอเดียการมอี ยู่ของ Strong AI
นัน้ มักจะปรากฏอยู่ในสื่อตา่ ง ๆ มากมาย ไมว่ ่าจะเปน็ เกมส์ ภาพยนตร์หรือนวนิยาย

2. แบ่งประเภทจากระบบการประมวลผลของ AI มี 4 ประเภท ไดแ้ ก่
1) Reactive Machines เปน็ AI ที่มคี วามสามารถค่อนข้างจำกดั ไม่มีเมมโมรี่ (memory) เป็น
ของตวั เอง ซ่ึงแปลวา่ จะไมส่ ามารถใชข้ ้อมูลเก่า ๆ ในอดตี มาพฒั นาการตัดสินใจของตวั เองให้
ดขี ้นึ ได้ พดู อีกอย่างหนงึ่ ก็คือ Reactive Machines ไมส่ ามารถทจี่ ะเรียนรู้ได้ด้วยตนเอง ทำได้
แค่มปี ฏกิ ิรยิ าโต้ตอบกับสถานการณ์ตรงหนา้ เทา่ นน้ั ตัวอย่างทมี่ ชี ่ือเสียงมาก ๆ ของ AI
ประเภทน้ี คอื Deep Blue ของ IBM ท่ีสามารถโค่น Garry Kasparov แชมปห์ มากรุกอันดับ
หน่งึ ของโลกสำเร็จในปี 1997
2) Limited Memory จะเป็นแบบทม่ี เี มมโมรใี่ นตัวแต่ทัง้ นี้จะเป็นขอ้ มลู ท่ลี ิมติ โดยท่ีจะเป็นการ
เรยี นรู้จากประสบการณเ์ ดิมท่ีอยู่ในชว่ งระยะเวลาหน่ึง เช่น หากเรานำรูปส้มกบั แตงโมไปให้
AI ประเภทน้ี พร้อมบอกวา่ รูปภาพไหนคือผลไม้ทช่ี อื่ “ส้ม” และรูปไหนคือผลไมท้ ีเ่ รียกว่า
“แตงโม” เมือ่ ได้รับข้อมูลรูปภาพมากขึน้ เรื่อย ๆ AI ประเภท Limited Memory ก็จะสามารถ

หลกั สตู รการอบรมพัฒนาเกษตรกรรุน่ ใหม่: ปญั ญาประดิษฐ์เพือ่ การวิเคราะห์ทางการเกษตร อ.ดร.ภัทรมน วุฒพิ ิทยามงคล

P a g e | 12

บอกเราไดว้ ่าภาพแตล่ ะภาพน้ันคอื สม้ หรือแตงโม โดยหากย่งิ มีขอ้ มลู มากเท่าไร ระดับ
ความถูกตอ้ งแม่นยำกจ็ ะย่ิงเพิ่มสงู ขึ้น
3) Theory of Mind เป็นประเภททจี่ ะมีการใส่อารมณ์ วัฒนธรรม ความเปน็ มนุษยม์ ากยง่ิ ขนึ้
โดยที่ทางดา้ นของนักพัฒนา AI ทอี่ ยใู่ นกลุ่มนีจ้ ะมคี วามต้องการพฒั นา AI ใหม้ ีนสิ ัยรวมไปถงึ
การกระทำต่าง ๆ ทจี่ ะให้มคี วามคลา้ ยกบั มนุษยม์ ากท่ีสดุ แตใ่ นปจั จบุ ัน AI ประเภทนีย้ ังไมม่ ี
ใครสามารถพัฒนาขน้ึ มาได้จริง
4) Self-Awareness ทถ่ี อื ไดว้ า่ เป็นขน้ั สุดของ AI โดยจะมีอารมณ์ความรู้สกึ ความเชื่อ ความ
ตอ้ งการเป็นของตัวเอง รวมถึงสามารถทจ่ี ะคดิ เลือก และกระทำส่ิงต่าง ๆ ได้ด้วยตนเอง
ทงั้ หมด

2.3 แขนงยอ่ ยของปัญญาประดิษฐ์
Artificial intelligence (AI) เปน็ วทิ ยาศาสตร์ในการฝึกฝนเครื่องให้มีทักษะคล้ายคลึงกับมนษุ ย์โดยมี

อยู่หลากหลายวิธีการ ในยุคเริ่มต้นของ AI เราใช้วธิ กี ารทเ่ี รียกว่า hard-coded programs หรือการเขยี นโค้ดท่ี
เป็นตรรกะทุกส่งิ อยา่ งที่คาดว่าเครื่องจะเผชิญกับมนั ตวั อย่างเช่น หุน่ ยนตท์ ีถ่ ูกเขยี นโปรแกรมมาดว้ ยการใช้
เง่ือนไขถ้าแล้ว (if-else condition) เป็นหลักพนั แนน่ อนว่าหนุ่ ยนต์อาจจะสามารถทำงานได้อยา่ งดภี ายใต้
คำส่งั นั้นๆ เเตเ่ ม่ือ ระบบมคี วามซบั ซ้อนมากขึ้น หรือ เราอยากจะเพม่ิ เติมฟงั ก์ชนั ไหน เราจะสามารถทำได้อยา่ ง
ยากลำบาก เพราะต้องจัดการกับโค้ดจำนวนมาก เพื่อท่ีจะแกป้ ญั หานี้จงึ เกิดเปน็ ไอเดียของการเรยี นรูข้ อง
เครือ่ ง (Machine Learning) คือ ศาสตรข์ องการศกึ ษาวิธกี ารคิด (algorithm) ที่ใชใ้ นการเรียนรู้จากตวั อย่าง
และประสบการณ์ โดยมีพ้ืนฐานมาจากหลักการทเี่ ชอื่ วา่ ทกุ ส่ิงอย่างมรี ปู แบบหรือแบบแผนที่สามารถบง่ บอก
ความเป็นไปของสิ่งนนั้ ๆ ซ่ึงเราสามารถท่ีจะนำแบบแผนน้ี มาประยุกต์ใช้เพอื่ ทำการทำนายถงึ ความเป็นไปใน
อนาคตได้อาทิเชน่ การใช้ Machine Learning ในการทำนายราคาหุ้นในอนาคต จากข้อมลู กราฟในอดตี และ
ปัจจบุ นั

ภาพที่ 2.2 เปรยี บเทยี บประสทิ ธิภาพของ Machine Learning และ Deep Learning
(ทม่ี า Mueller & Massaron, 2018)

หลกั สตู รการอบรมพฒั นาเกษตรกรรนุ่ ใหม่: ปญั ญาประดษิ ฐเ์ พ่ือการวิเคราะหท์ างการเกษตร อ.ดร.ภทั รมน วฒุ พิ ทิ ยามงคล

P a g e | 13

การเรยี นรู้เชิงลกึ (Deep Learning) เปน็ ซับเซตของ Machine Learning โดย Deep Learning นน้ั
ไม่ไดห้ มายความถงึ การทำความเข้าใจองค์ความรู้ในเชิงลึก แต่หมายถึงการทเ่ี คร่ืองใช้หน่วยประมวลผลหลายๆ
ชัน้ (layer) ท่ีแตกต่างกนั ในการทำความเขา้ ใจหรือเรยี นรูข้ ้อมูล โดยเลยี นแบบระบบเซลลป์ ระสาทในสมอง
ของมนษุ ย์ (Neural Network) ดงั น้ันความสามารถของมัน ในอนาคตอาจจะเหนือมนุษย์ เน่ืองจากสามารถ
เพมิ่ พลังประมวลผล ได้ไมจ่ ำกัด ข้อดีของ Deep Learning ทีเ่ หนือกว่า Machine Learning ท่วั ไปนนั้ จะ
ชดั เจนมากกบั ข้อมลู ทมี่ ีขนาดใหญ่มากๆ เพราะเครือขา่ ยสมองกลน้ีจะเปน็ ผปู้ ระเมนิ เองว่า จะเลอื กใช้ข้อมูล
และตวั แปรตวั ใดบ้าง Deep Learning ถูกนำมาประยุกตใ์ ชใ้ นงานต่างๆ มากมาย เช่น การแยกแยะใบหน้าแต่
ละคน ตัวอย่างเชน่ ในการตดิ แท็กรปู ภาพเพ่ือนใน Facebook หรอื การแยกวตั ถทุ ่ีไม่ใชค่ น หรอื ใชเ้ ป็นสว่ นหนึง่
ในระบบรถยนต์ไร้คนขบั เป็นต้น

2.4 การประยุกตใ์ ช้ปัญญาประดิษฐ์

เทคโนโลยปี ัญญาประดิษฐถ์ กู นำมาใช้ในอุตสาหกรรมจำนวนมาก โดย McKinsey & Company
บรษิ ัทท่ีปรึกษาดา้ นการบรหิ ารชนั้ นำของโลก ไดก้ ลา่ วไวว้ ่า “AI มศี กั ยภาพในการทำเงินได้ถึง 600 ลา้ น
ดอลลาร์สหรัฐในการขายปลีก สร้างรายไดม้ ากขนึ้ 50 เปอร์เซ็นต์ในการธนาคารเมอ่ื เทียบกับการใช้เทคนิค
วเิ คราะหเ์ เบบอน่ื ๆ และสรา้ งรายไดม้ ากขึน้ กวา่ 89 เปอรเ์ ซ็นตใ์ นการขนส่งและคมนาคม ในปจั จบุ นั เทคโนโลยี
นี้เข้ามามผี ลต่อชวี ติ ประจำวันของมนษุ ย์ค่อนข้างมาก ไมว่ า่ เราจะเดนิ ไปท่ีไหนกม็ ักจะเห็นสิง่ ประดิษฐ์ที่
สรา้ งสรรคข์ นึ้ ด้วยปญั ญาประดิษฐ์เต็มไปหมด ในขณะที่เราใชม้ ือถือและคอมพวิ เตอร์ ภาพและข้อมูลการใชง้ าน
อินเทอรเ์ น็ตเพื่อทำอลั กอริทึมก็ถกู เกบ็ อยตู่ ลอดเวลา จะเหน็ ไดว้ ่าทุกวันนเี้ ทคโนโลยดี ังกลา่ วเรมิ่ ขยายตวั
ออกมาจากห้องทดลองหรอื โรงงานและเริ่มเขา้ มามบี ทบาทในชีวิตประจำวนั ของมนุษย์มากข้นึ

ตวั อยา่ งการประยุกตใ์ ช้ AI ในชีวิตจรงิ เช่น
1. ด้านการคมนาคมอัจฉริยะ โดยมีการใชร้ ะบบ AI เขา้ มาควบคมุ การทำงานของรถหรือยานพาหนะ

เพื่อให้เกดิ เป็นจักรกลอัจฉริยะ ทส่ี ามารถควบคมุ ความช้นื ภายในรถยนต์ หรอื อุณหภูมภิ ายในรถยนต์
เพ่ือใหเ้ กิดความเหมาะสมกับตัวของผู้ขบั ขี่น้ัน และระบบ AI หรอื ปัญญาประดิษฐน์ ั้น ยงั สามารถค้นหา
ตำแหน่ง หรอื เสน้ ทางทใี่ ช้ในการสัญจรไปยงั ปลายทางที่ดีที่สุดโดยใช้เวลาอนั สั้นที่สุดซง่ึ สำคัญต่อ
เทคโนโลยกี ับชวี ติ ประจำวันสำหรับผู้ที่เดินทางดว้ ยรถหรือยานพาหนะ ซ่งึ ระบบ AI จะเป็นตวั เชอื่ มโยง
กบั ดาวเทยี มเพือ่ หาตำแหน่งของถนน ทห่ี ลีกเลยี่ งการตดิ ขัดจากปัญหาจราจรหนาแนน่ รวมไปถงึ แจ้ง
อบุ ัตเิ หตบุ นท้องถนนได้อกี ด้วย รถยนตข์ ับเคลื่อนอัตโนมัติ (self-driving car) คืออีกหน่ึงเทคโนโลยีท่ี
กำลงั เป็นกระแสและมีบรษิ ัทช่อื ดังหลายแห่ง เช่น Tesla GM และ Ford ทำการพฒั นาอยูใ่ นปจั จบุ ัน
เทคโนโลยที างดา้ น AI ทีใ่ ช้อยภู่ ายในรถยนต์อัตโนมัติมีอยเู่ ปน็ จำนวนมาก ตัวอย่างหลัก ๆ ทเ่ี หน็ ได้
ชดั เจนกค็ ือ การใชเ้ ทคนิคดา้ น Image recognition และ Deep Learning เพ่ือชว่ ยตรวจจบั วตั ถจุ าก
ภาพท่เี ห็นผ่านกล้อง และข้อมูลท่วี ัดจากเซน็ เซอร์ คำนวณระยะหา่ งของวัตถตุ า่ ง ๆ จากรถ และจำลอง
การตัดสนิ ใจของผขู้ ับ นอกจากนี้ AI ยงั สามารถใชใ้ นเรื่องอืน่ ๆ เชน่ การวางแผนการจราจรและฃ

หลักสตู รการอบรมพัฒนาเกษตรกรรุ่นใหม่: ปญั ญาประดิษฐเ์ พ่อื การวเิ คราะห์ทางการเกษตร อ.ดร.ภัทรมน วุฒิพทิ ยามงคล

P a g e | 14

เสน้ ทางการเดนิ ทางไดอ้ ีกด้วย โดยเมืองเซินเจิ้น ประเทศจนี ได้ร่วมกับบริษทั Huawei ติดตง้ั เครือข่าย
“Traffic Brain” เพ่ือทำหน้าทีเ่ กบ็ ขอ้ มลู จากกลอ้ งวงจรปิดจำนวนมหาศาลมาใช้ตรวจดสู ภาพ
การจราจร และวิเคราะหแ์ ก้ไขสภาพรถติด รวมท้ังใช้เทคโนโลยใี นดา้ น image recognition ตรวจจบั
ทะเบยี นและลักษณะรถ เพ่ือชว่ ยเหลือตำรวจในการรักษากฎจราจรอีกทางหน่ึง

ภาพที่ 2.3 รถยนต์ขับเคล่ือนอัตโนมตั ิ
(ทีม่ า https://www.roboticsbusinessreview.com/unmanned/unmanned-ground/pbs-

science-show-nova-shines-its-spotlight-on-self-driving-cars/)
2. ดา้ นการประมวลผลภาษา โดยระบบ AI ปัญญาประดิษฐ์ในการประมวลผลทางด้านภาษา จะแปลง

ภาษาจากภาษาหน่งึ เปน็ อีกภาษาหน่งึ เพ่ือให้ผฟู้ ังหรอื ผ้ทู ี่ตอ้ งการรับข่าวสารน้นั ได้เข้าใจถงึ ข้อความ
ทตี่ ้องการจะแปลงของข้อความนั้น ๆ กเ็ ป็นอกี ทางเลอื กหนึ่งของเทคโนโลยกี บั ชีวติ ประจำวันในกรณีท่ี
ไมเ่ ข้าใจภาษานน้ั เช่น Apple Siri ที่มี Speech Recognition หรอื การฟังเสยี งและถอดความ เพื่อรบั
ฟงั คำส่งั ด้วยเสียงทีแ่ มน่ ยำมากข้ึนและสามารถรองรบั ไดห้ ลายสำเนียงพูด The Trevor Project เป็น
องค์กรที่สนบั สนนุ ด้านสขุ ภาพจติ ของวัยรุ่นในกลุ่ม LGBTQ ซงึ่ ในสหรฐั อเมริกาถือว่าเป็นกล่มุ ที่มีความ
เสยี่ งฆ่าตวั ตายสงู ทางองค์กรได้เปดิ ช่องทางตดิ ตอ่ ให้คำปรึกษาผา่ นทางโทรศัพท์ ข้อความมอื ถือและ
แชท โดยใช้เทคนิคทาง AI ประมวลผลข้อความและวิเคราะหอ์ ารมณ์ความรสู้ กึ ของผสู้ ง่ เพอ่ื ช่วยใหท้ ี่
ปรึกษาขององค์กรสามารถประเมินระดับความเสี่ยงในการฆ่าตวั ตายของวัยร่นุ ท่ีติดตอ่ เข้ามา และช่วย
เลอื กใหบ้ ริการทีเ่ หมาะสมท่ีสุดแกค่ นแต่ละคนอีกดว้ ย

หลักสตู รการอบรมพัฒนาเกษตรกรรุ่นใหม่: ปญั ญาประดษิ ฐ์เพ่อื การวิเคราะหท์ างการเกษตร อ.ดร.ภัทรมน วุฒิพิทยามงคล

P a g e | 15

3. ด้านระบบเครือข่ายต่าง ๆ เชน่ การคน้ หาขอ้ มลู หรอื ขา่ วสารข้อความท่ีต้องการอยากรูบ้ นระบบ
เครอื ข่าย โดยใชค้ ีย์เวิร์ดในการคน้ หา กจ็ ะสามารถหาไดโ้ ดยไมย่ าก ซึ่งเปน็ เทคโนโลยกี บั
ชวี ติ ประจำวันท่ีผ้คู นให้ความสำคัญมาก ในเรอื่ งของการค้นหาขอ้ มูลต่าง ๆ บนระบบเครือข่าย

4. ดา้ นการแพทย์หรือด้านสุขภาพตา่ ง ๆ โดยไม่มใี ครท่ีจะปฏเิ สธไดว้ ่า ไมเ่ คยปว่ ยหรือไมเ่ คยไป
โรงพยาบาล ซงึ่ เป็นเทคโนโลยีกบั ชวี ติ ประจำวันทเี่ ราทกุ คนไดส้ มั ผสั กนั แทบจะทกุ คน ตวั อย่างเช่น
การวดั ความดันของผู้ป่วยหรือผู้ที่มารบั บริการนนั้ ๆ โดยระบบจักรกลอัจฉรยิ ะน้ี จะมีการเรยี นรู้โดย
การบบี รัดจากตน้ แขนของผปู้ ่วยหรือผ้รู บั บรกิ าร แลว้ นำค่าท่ีได้มาน้นั นำมาวเิ คราะห์และแปลงเป็น
ตวั เลขให้เราไดเ้ ขา้ ใจกนั ในเชิง AI ปญั ญาประดิษฐท์ ่ีคอมพวิ เตอรส์ ามารถคิดและประมวลผลเองได้
รวมไปถงึ การสแกนร่างกายของผูป้ ว่ ยหรือผูม้ ารับบริการเพ่ือค้นหาจุดผิดปกตขิ องรา่ งกาย อกี ทัง้ ยงั
สามารถพินิจวิเคราะห์ถึงโรคท่เี ป็นและวธิ ีการแก้ไขและรักษาตวั ได้ เช่น บรษิ ทั สัญชาตไิ ทย
Perceptra ไดน้ ำ AI มาใช้ตรวจจับ COVID-19 จากภาพ X-ray ชอ่ งปอด นอกจากนยี้ ังมีการนำ AI มา
ใช้ร่วมกบั เทคโนโลยี Cloud Computing เพื่อลดเวลาในการประมวลผล และทำ MRI ดูการเตน้ ของ
หวั ใจและการทำงานของปอด โดยบริษทั Arterys ท่จี ดั ทำเทคโนโลยีนี้กล่าวว่า ผลลพั ธ์มีความถกู ต้อง
เทียบเคยี งกับผู้ชำนาญการ อย่างไรก็ดี การวิเคราะห์ทางการแพทยน์ ้นั ยังไม่สามารถทำไดอ้ ยา่ ง
สมบรู ณแ์ บบ โดยเฉพาะในกรณที ีม่ ีความเสี่ยงสงู ยังจำเป็นต้องใช้ความเห็นของแพทย์ผเู้ ชยี่ วชาญเข้า
มาประกอบด้วย

ภาพท่ี 2.4 โรงพยาบาลธรรมศาสตรเ์ ฉลิมพระเกียรติ เปิดตัวแชทบอท “ยงู ทอง”
(ทม่ี า https://www.right-livelihoods.org/ai-artificial-intelligence-หรอื -ปญั ญาประดษิ ฐ์-ในโลกยคุ -

technology-disruption/)

หลกั สตู รการอบรมพัฒนาเกษตรกรรุ่นใหม่: ปญั ญาประดิษฐเ์ พื่อการวิเคราะห์ทางการเกษตร อ.ดร.ภทั รมน วุฒิพิทยามงคล

P a g e | 16

เมอ่ื เดือนพฤษภาคม 2563 ท่ีผ่านมา โรงพยาบาลธรรมศาสตร์เฉลิมพระเกยี รติ เปดิ ตวั ห่นุ ยนตท์ ม่ี ชี ่ือ
ว่า “ยงู ทอง” AI แชทบอทภาษาไทย ถูกนำมาทดลองใชใ้ นสถานการณโ์ ควิด-19 เพ่อื ลดลดการ
แพร่กระจายการตดิ เชื้อจากคนสู่คน และสร้างความปลอดภัยใหแ้ กบ่ ุคลากรทางการแพทย์ โดย
ห่นุ ยนต์ยงู ทอง สามารถทำกิจกรรมได้แทนบคุ ลากรทางการแพทย์ เชน่ วัดไข้ แจกอาหาร/ยา บนั ทึก
ประวัติของผปู้ ว่ ย รวมถงึ การสื่อสารระหว่างบคุ ลากรทางการแพทย์กับผปู้ ่วย เพือ่ ติดตาม อาการผู้ปว่ ย
ขณะรักษาพยาบาลในโรงพยาบาล เรยี กได้วา่ เป็นนวัตกรรมการรกั ษาพยาบาลทีเ่ ติบโต และก้าวหน้า
ซึ่งเราอาจจะพบเจออย่างแพร่หลายได้ในอนาคต
5. ด้านการค้าในเชิงธุรกจิ พาณชิ ย์ ซงึ่ AI ปญั ญาประดิษฐ์จะเข้ามามสี ่วนชว่ ยในการวิเคราะหแ์ ละ
ประมวลผลไดร้ วดเรว็ กว่ามนุษย์ เปรยี บเสมอื นจักรกลอัจฉริยะ เพ่ือคำนวณหาค่า Supply Demand
หรอื เพื่อใหค้ วามสัมพนั ธข์ องสงิ่ ที่ตอ้ งการกบั องคก์ รอยู่ในจุดทสี่ ามารถหาโอกาสในการทำกำไรให้
ไดม้ ากท่ีสุดให้กบั องคก์ รนั้นๆ เช่น การคน้ หาและเชือ่ มโยงคอนเทนตท์ แ่ี ต่ละคนนา่ จะถูกใจท่ี Netflix
ทำเพ่ือพยายามชักจูงให้เราตัดสนิ ใจชมคอนเทนตน์ ั้นให้ได้ โดยเฉพาะกับเน้ือเรื่องทีเ่ ราอาจไม่ค่อยคุ้น
โดยนำเสนอด้วยภาพกราฟกิ ท่ีเหมาะกบั แตล่ ะคน เชน่ ภาพฉากการกระทำของตวั ละครท่นี า่ จะตรงใจ
เรามากขนึ้ ภาพนกั แสดงที่เรานา่ จะคนุ้ เคย เป็นตน้
6. ดา้ นระบบรกั ษาความปลอดภัย ตวั อย่างที่ไดเ้ ห็นกัน น่ันคือ จักรกลอัจฉริยะในการสแกนหรอื ตรวจจบั
ส่งิ ผดิ ปกตินัน้ ๆ โดยทางผตู้ รวจสอบไดน้ ำมาเปน็ สว่ นหน่ึงของเทคโนโลยีกบั ชีวิตประจำวันเพ่ือหาวัตถุ
ตอ้ งสงสัยหรือไม่พึงประสงค์ โดยใชเ้ วลาในการตรวจสอบไม่นานอกี ด้วย อีกตวั อยา่ งเช่น การระบุ
ตวั ตนด้วยไบโอเมทริกซ์ ยกตัวอยา่ ง มา่ นตา เสยี ง ลายน้วิ มอื หน้า ภาษากาย ถอื เป็นส่วนหน่งึ ของ
การนำเทคโนโลยี AI ที่ใชไ้ บโอเมทริกซใ์ นการจดจำรปู แบบและแยกแยะ มาใช้เพื่อยนื ยนั ตวั ตนหรือ
ระบตุ วั ตนได้ ซง่ึ หลาย ๆ อย่างก็อยู่ในชวี ิตประจำวันของเราอย่แู ล้ว อยา่ งการสแกนลายนิ้วมอื เพื่อ
บนั ทกึ เวลาแทนการตอกบัตร การสแกนม่านตาเพื่อเขา้ ใช้งานสมารท์ โฟน เปน็ ต้น
7. ด้านการเกษตร เทคโนโลยี AI สามารถนำมาใช้เพ่ือดแู ลแปลงเกษตร และวเิ คราะหว์ ่า พืชแปลงไหนมี
วชั พชื หรอื ขาดแคลนน้ำและป๋ยุ ได้ ดว้ ยการป้อนข้อมลู ที่ได้จากเซ็นเซอร์ต่าง ๆ ไม่ว่าจะเปน็ ระดับ
ความชมุ่ ช้ืน ค่า pH ของดิน อตั ราการเตบิ โตของพชื สีของใบ และอนื่ ๆ เขา้ ไปให้ AI วเิ คราะหส์ ภาพ
ของดนิ หลงั จากระบบวินิจฉยั แล้ว ผลลัพธท์ ไ่ี ดย้ ังสามารถนำไปใช้ร่วมกบั เทคโนโลยีอตั โนมตั ิ
(Automation Technology) เพอ่ื ช่วยให้เกษตรกรดูแลแปลงเพาะปลกู ได้ โดยไม่ต้องพึ่งแรงงาน
มนษุ ย์ เช่น ระบบสงั่ ใหโ้ ดรนบนิ ไปรดนำ้ ตรงจุดทีม่ คี วามตอ้ งการไดโ้ ดยอัตโนมัติ นอกจากน้ี AI ยัง
สามารถกำหนดปรมิ าณและสถานทท่ี ตี่ ้องการยาฆ่าวัชพืชหรือป๋ยุ ได้อย่างแม่นยำ จึงช่วยลดปริมาณ
สารตกค้าง ซง่ึ เปน็ พิษต่อส่ิงแวดล้อม ผู้บริโภค และตวั เกษตรกรเองได้อีกด้วย อีกประโยชน์หนึ่งของ
การใช้ AI ในดา้ นการเกษตรกค็ อื การนำมาใช้ในระบบควบคุมและตัดสนิ ใจของหนุ่ ยนตส์ ำหรับการ
เกบ็ เกย่ี วผลิตผลต่างๆ ทำใหส้ ามารถเกบ็ เกีย่ วผลไมท้ ่สี ุกพอดีได้อย่างแม่นยำ และนำไปส่กู ารลด
ปริมาณผลไมเ้ น่าเสยี ได้

หลกั สตู รการอบรมพฒั นาเกษตรกรรนุ่ ใหม่: ปญั ญาประดิษฐ์เพือ่ การวเิ คราะหท์ างการเกษตร อ.ดร.ภัทรมน วุฒพิ ิทยามงคล

P a g e | 17

8. ดา้ นอื่น ๆ เช่น มีการใช้ระบบ AI โดยการฝังไว้ในหุ่นยนต์ ท่ีคนเราเข้าใจกันวา่ โรบอท (Robot) น้ี ก็
คือจกั รกลอจั ฉริยะชนิดหน่งึ ท่ผี ้คู นส่วนใหญ่ตา่ งให้ความสำคัญเปน็ เทคโนโลยีกับชีวติ ประจำวนั โดย
ทำใหเ้ ครื่องจกั รกลนี้ มคี วามคดิ แบบ AI ปัญญาประดิษฐท์ ำให้สามารถทำหน้าท่แี ทนคนได้ ตวั อยา่ งที่
ไดเ้ หน็ กัน เชน่ หุ่นยนต์ทำความสะอาด โดยท่ีหนุ่ ยนต์จะสามารถเรยี นรู้และตรวจจบั ขยะไดเ้ องโดยท่ี
เราไม่ต้องจับหุ่นยนต์ไปหาขยะนั้น ๆ

กิจกรรมในห้องเรียน
ให้ผู้เรียนแบ่งกลุ่มเพื่ออภิปรายตัวอย่างการนำเทคโนโลยี AI ไปใช้ในชีวิตประจำวันที่ยังไม่ได้กล่าวถึงใน
ตวั อย่างข้างตน้ พรอ้ มทั้งขอ้ ดขี อ้ เสยี และนำเสนอแนวคดิ ของกล่มุ เพ่ืออภิปรายในชนั้ เรยี น

หลักสตู รการอบรมพฒั นาเกษตรกรร่นุ ใหม่: ปญั ญาประดษิ ฐ์เพื่อการวิเคราะห์ทางการเกษตร อ.ดร.ภทั รมน วุฒพิ ิทยามงคล

P a g e | 18

บทท่ี 3

ปญั ญาประดิษฐ์ขน้ั สงู
วตั ถปุ ระสงค์

1. เพอ่ื ใหผ้ ู้เรยี นมคี วามรู้ความเข้าใจเบื้องต้นเก่ยี วกับปัญญาประดิษฐ์ขน้ั สงู
2. เพื่อให้ผู้เรียนตระหนักถึงประโยชนข์ องการประยกุ ต์ใช้ปญั ญาประดิษฐ์ในชีวติ ประจำวัน
3.1 ปญั ญาประดิษฐแ์ ละการเรยี นรขู้ องเครอื่ ง
ขน้ั ตอนกระบวนการคดิ วิเคราะห์ของ AI บางประเภทใช้การเรียนรขู้ องเคร่ือง (Machine Learning)
เปรียบเสมือนสมองของ AI เปน็ สว่ นสำคญั ทท่ี ำให้เกดิ การเรียนรู้คิดวิเคราะห์และประมวลผลขอ้ มลู ดังนัน้ การ
เรียนรู้ของเคร่อื งเปน็ สว่ นหน่งึ ของปัญญาประดิษฐแ์ ละเปน็ เพียงเทคนิคในการนำแนวคดิ ของ AI ไปใช้
Machine Learning เปน็ วธิ ีการทีจ่ ะชว่ ยใหค้ อมพิวเตอร์มคี วามสามารถในการเรียนรู้เชน่ เดยี วกับมนุษย์ ใน
สาระสำคัญอลั กอรทิ ึมจะไดร้ ับข้อมลู เพอื่ เรยี นรูจ้ ากการใชเ้ ทคนิคทางสถิตจิ ากน้ันทำการคาดการณ์ ความ
แมน่ ยำของการคาดการณ์เหล่าน้ีข้ึนอยู่กับคุณภาพของขอ้ มูลและอลั กอรทิ ึมเอง แทนทจ่ี ะใช้อัลกอริทมึ การ
เข้ารหสั ด้วยชุดคำสงั่ ทส่ี ร้างการคาดการณเ์ ครื่องไดร้ บั การฝึกฝนกบั ข้อมลู โดยใชอ้ ัลกอริทมึ เฉพาะทำให้เกิด
ความสามารถในการเรียนรูว้ ธิ กี ารทำงานเดยี วได้อย่างแม่นยำ เครอ่ื งจะไม่ได้รบั การต้งั โปรแกรมให้ทำงานน้ี
โดยเฉพาะซงึ่ ไม่จำเปน็ ต้องเขียนโคด้ จำนวนมาก อย่างไรกต็ ามจนถึงขณะนอ้ี ลั กอริทึมปจั จุบันสามารถให้
พลังงานแก่โซลชู ัน AI แบบแคบเท่านัน้ Machine Learning เปน็ เคร่อื งมอื ที่ดที ส่ี ุด ณ ปจั จบุ ันเพ่ือวิเคราะห์
เข้าใจ และหา pattern ของข้อมูล

ภาพท่ี 3.1 องคป์ ระกอบของ Traditional Programming และ Machine Learning
(ท่มี า https://www.thaiprogrammer.org/2018/12)

หลักสตู รการอบรมพฒั นาเกษตรกรรุ่นใหม่: ปญั ญาประดษิ ฐเ์ พ่อื การวิเคราะห์ทางการเกษตร อ.ดร.ภทั รมน วฒุ ิพิทยามงคล

P a g e | 19

AI ท่ีไม่ใช้การเรียนรู้ของเคร่ืองในการประมวลผลจะใช้การเขยี นโปรแกรมทั่วไป (Traditional
Programming) ความแตกต่างระหว่าง Machine Learning และการเขียนโปรแกรมท่ัวไป คือ ในการเขียน
โปรแกรมท่ัวไปนัน้ โคด้ ทง้ั หมดจะตอ้ งถูกกำหนดแนวทางไว้ชดั เจนดว้ ยกฎจากผ้เู ชี่ยวชาญ โดยแต่ละกฎจะ
ขึ้นอยูก่ ับพืน้ ฐานความเขา้ ใจด้านตรรกศาสตร์ (Logic Foundation) เคร่อื งจะทำงานและส่งผลลพั ธอ์ อกมา
ตามคำสง่ั ตามตรรกะ (Logical statement) เม่อื ระบบเริม่ ซบั ซ้อนมากขน้ึ ยงิ่ จำเปน็ ตอ้ งมกี ฎมากขึ้นที่ถกู
เขยี นขนึ้ แต่การบำรงุ รักษาระบบจะไม่เสถยี ร

ในการแกป้ ัญหาแบบ Traditional Programming น้นั Programmer จะต้องทำความเข้าใจปญั หา
และเง่ือนไขทโี่ ปรแกรมจะตอบสนอง หรือใหผ้ ลลัพธ์เมื่อมีการรับขอ้ มูลแบบต่างๆ เขา้ มา แล้วจงึ เขียน
โปรแกรม เช่น เมอ่ื ต้องการคำนวณปัญหาการเพิ่มค่าตัวเลขแบบจำนวนเต็มขึ้นอีก 1 Programmer จะต้อง
ออกแบบ Function เพ่ือทำให้ไดผ้ ลลัพธต์ ามท่ตี ้องการ น่ันคอื ได้ฟงั กช์ นั เปน็ X + 1 แลว้ จงึ แปลงเป็น
โปรแกรมนำไปรนั ในคอมพวิ เตอร์ ซงึ่ เม่ือมีการรบั เลขจำนวนเตม็ 5 มันจะบวกคา่ อีก 1 ไดผ้ ลลัพธเ์ ทา่ กับ 6

ภาพท่ี 3.2 ตัวอยา่ งของ Traditional Programming และ Machine Learning
(ทีม่ า https://blog.pjjop.org/intro-to-ai-machine-learning-and-ai-tool/)

ขณะท่ใี นการแกป้ ัญหาแบบ Machine Learning เราจะนำ Data มาสอนโดยใชเ้ ทคนิคอยา่ งเช่น
Deep Learning ในการสอนเราอาจตอ้ งใส่ Input Data และผลเฉลยที่ถูกตอ้ ง เช่น Input Data = 5 ผลเฉลย
คอื 6 ด้วยการเรียนรู้จากจำนวนขอ้ มลู ที่มากพอ มันจะสรา้ ง Model ทีค่ ล้ายกับฟังก์ชัน X + 1 ซึง่ สามารถ
ทำนายคำตอบที่ใกล้เคยี งกบั ผลเฉลยท่ไี ดส้ อนมนั (Predictive Model)

หลักสตู รการอบรมพัฒนาเกษตรกรรุ่นใหม่: ปญั ญาประดิษฐเ์ พ่อื การวเิ คราะห์ทางการเกษตร อ.ดร.ภัทรมน วฒุ พิ ิทยามงคล

P a g e | 20

ซง่ึ เทคนิคทาง Machine Learning จะมีประโยชนอ์ ย่างมากเมื่อปัญหาทีต่ ้องการแก้ เปน็ ปญั หาท่ี
มนษุ ยตอ้ งคิดกฎหรือเง่ือนไขจำนวนมากเพ่ือให้ครอบคลมุ เพยี งพอ อย่างเช่น การจะบอกว่าภาพที่รับเข้ามา
เป็นเป็ดหรอื ไม่ใชเ่ ปด็ ซึง่ เป็นงานท่ีค่อนข้างยากเม่ือต้องเขียนโปรแกรมแบบ Traditional Programming
3.2 หลักการเบอื้ งต้นของการเรียนรูข้ องเครอื่ ง

Machine Learning คอื การทเี่ ครอื่ งเรียนร้จู ากสิ่งทเี่ ราสง่ เข้าไปกระตุ้น แลว้ จดจำเอาไว้เป็นมันสมอง
สง่ ผลลัพธอ์ อกมาเป็นตวั เลข หรือ code ท่สี ง่ ต่อไปแสดงผล หรอื ให้เจา้ ตัว AI นำไปแสดงการกระทำ
Machine Learning เองสามารถเอาไปใชง้ านไดห้ ลายรูปแบบ ตอ้ งอาศยั กลไกทเี่ ปน็ โปรแกรม หรอื เรียกวา่
Algorithm ท่ีมีหลากหลายแบบ โดยมีนักวิทยาศาสตรข์ ้อมลู (Data Scientist) เปน็ ผู้ออกแบบ หน่ึงใน
Algorithm ท่ไี ดร้ บั ความนิยมสูง คอื Deep Learning ซึ่งถูกออกแบบมาให้ใช้งานไดง้ ่าย และประยุกต์ใช้ได้
หลายลกั ษณะงาน อย่างไรก็ตาม ในการทำงานจรงิ Data Scientist จำเป็นตอ้ งออกแบบตวั แปรต่างๆ ทั้งใน
ตัวของ Deep Learning เอง และตอ้ งหา Algorithm อื่นๆ มาเป็นค่เู ปรียบเทยี บ เพื่อมองหา Algorithm ที่
เหมาะสมท่สี ดุ ในการใช้งานจริง หลกั การเรยี นรูข้ องเคร่ืองมี 3 หลัก ดว้ ยกันดังต่อไปน้ี

ภาพท่ี 3.3 ประเภทของการเรียนรขู้ องเคร่ือง
(ท่มี า www.pi-tech.biz/เจาะลกึ เรอ่ื ง-ai-ทำความรูจ้ ักกับ-machine-learning-กับ-deep-learning)

หลักสตู รการอบรมพัฒนาเกษตรกรรนุ่ ใหม่: ปญั ญาประดิษฐ์เพ่ือการวเิ คราะหท์ างการเกษตร อ.ดร.ภัทรมน วุฒพิ ิทยามงคล

P a g e | 21

1) การเรียนรูแ้ บบมผี ู้สอน (Supervised learning) คือเม่อื อัลกอรทิ ึมได้รบั การ "ฝึกฝน" ด้วยการใช้
ตัวอย่างแบบมีเปา้ หมายหรือ labeled example เชน่ การใหข้ ้อมลู ขาเข้า (inputs) โดยระบถุ งึ
ผลลพั ธ์ขาออก (outputs) ที่ต้องการให้ทราบ ตัวอย่างเชน่ อุปกรณช์ ้นิ หน่งึ อาจเรียนรู้โดยกำหนด
ผลลัพธเ์ ป็นสองทางคอื "F = failed" และ "R = runs" โดยอัลกอริทมึ การฝกึ ฝนดังกลา่ วจะไดร้ บั
ข้อมูลขาเข้าจำนวนหน่ึง พร้อมกบั ผลลัพธข์ าออกท่ีถูกต้อง และให้ระบบเรยี นรูด้ ้วยการ
เปรยี บเทียบผลลัพธ์ทต่ี นประเมินออกมาได้ เปรียบเทยี บกับ "เฉลย" เพื่อหาความแตกตา่ งและจดุ
ทผี่ ดิ พลาด จากนนั้ ระบบจงึ ปรบั แก้แบบจำลองการวเิ คราะหข์ องตนเองตามข้อมูลนนั้ โอยอาศัย
เทคนคิ หลากหลายประเภท ไม่ว่าจะเป็นการจำแนกแยกแยะข้อมูล การทำสมการถดถอย การ
คาดการณ์ หรือเทคนคิ gradient boosting ซ่ึงเปน็ การท่ีกระบวนการ supervised learning นี้
ใชร้ ูปแบบตา่ ง ๆ ทีต่ นพบเพื่อคาดการณ์ "คา่ " ของตัวแปรหรือ labels ต่าง ๆ เม่ือใดก็ตามท่ีพบ
กบั ข้อมลู ทยี่ งั ไมม่ ีการเฉลยชุดต่อ ๆ ไปในอนาคต โดยกระบวนการ supervised learning นี้
เปน็ ท่นี ิยมใชก้ นั ในสถานการณท์ ่ีข้อมูลในอดตี สามารถเป็นเครอ่ื งทำนายเหตุการณ์ในอนาคตได้
อย่างมีประสิทธิภาพ เช่น ระบบท่ีฝึกฝนอย่างดีแล้วจะสามารถคาดการณล์ ว่ งหนา้ ได้ว่าธรุ กรรม
ทางบตั รเครดติ ใดบ้างทม่ี ีแนวโนม้ จะเป็นการทจุ ริต หรือคาดการณ์ไดว้ า่ ผูเ้ อาประกันภัยรายใดมี
โอกาสท่ีจะเบิกค่าประกันภัยมากกวา่ รายอน่ื ๆ เป็นตน้

ภาพท่ี 3.4 การเรยี นรู้แบบมีผสู้ อน (ซา้ ย) และแบบไมม่ ีผ้สู อน (ขวา)
(ท่ีมา https://blog.westerndigital.com/machine-learning-pipeline-object-storage/)

หลักสตู รการอบรมพัฒนาเกษตรกรร่นุ ใหม่: ปญั ญาประดษิ ฐ์เพอ่ื การวเิ คราะหท์ างการเกษตร อ.ดร.ภทั รมน วฒุ พิ ิทยามงคล

P a g e | 22

2) การเรยี นรแู้ บบไม่มีผูส้ อน (Unsupervised learning) คือการเรยี นรู้แบบ ท่ีใชก้ ับข้อมลู ทไ่ี ม่มี
label สำหรับข้อมูลในอดีตมากอ่ น ระบบจะไม่ไดร้ บั การบอก "เฉลย" และต้องทำการเรียนรู้ หา
คำตอบด้วยตัวของมันเอง เป้าหมายของการทำเช่นน้ี คอื การสำรวจชดุ ขอ้ มูล และคน้ หารูปแบบ
หรอื โครงสร้างบางอยา่ งที่ซ่อนอยู่ภายใน การเรยี นรแู้ บบ unsupervised learning นั้น ทำงาน
ไดด้ สี ำหรับการจดั การข้อมูลการทำธุรกรรม ตัวอย่างเชน่ ระบบสามารถทำการระบุกลุ่มลูกคา้ ทม่ี ี
พฤติกรรมหรือคุณลกั ษณะคล้าย ๆ กัน ซง่ึ จะนำไปสู่การตอบสนองทีค่ ล้ายคลึงกนั สำหรบั ลูกค้าท่ี
มลี ักษณะใกลเ้ คยี งกัน เม่ือมีการทำโครงการด้านการตลาด เป็นตน้ หรือระบบสามารถทำการ
ค้นหาลกั ษณะสำคัญท่ีเปน็ ตวั แบง่ แยกลูกคา้ แตล่ ะกลุ่มออกจากกนั ก็ได้เช่นกนั เทคนคิ ท่ีเปน็ ท่ี
นยิ มใชใ้ นการเรยี นรปู้ ระเภทน้ี เชน่ การทำ self-organizing maps, nearest-neighbor
mapping, k-means clustering และเทคนคิ singular value decomposition เป็นตน้ โดย
อลั กอริทึมเหล่าน้ีนน้ั ยังถกู นำมาใช้เพื่อแบ่งแยกหัวเรือ่ งของขอ้ ความต่าง ๆ ทำการแนะนำรายการ
หรือสงิ่ ต่าง ๆ และตรวจหาข้อมลู ทีผ่ ดิ ปกตไิ ด้อกี ดว้ ย

3) การเรยี นรแู้ บบเสรมิ กำลัง (Reinforcement learning) มักนำมาใช้กับดา้ นห่นุ ยนต์ การเล่นเกม
ต่าง ๆ และการนำทางและการเคล่ือนท่ี ดว้ ยการเรียนรูช้ นิดน้ี อัลกอริทึมจะลองผิดลองถกู และ
เรียนรูว้ ่าเสน้ ทางการทำงานแบบใดทีใ่ ห้ผลตอบแทนดีทสี่ ดุ การเรียนรู้ประเภทน้จี ะแบ่ง
องค์ประกอบออกเป็นสามส่วน คอื agent (ผเู้ รยี นร้หู รือตัดสินใจ น่ันคอื ระบบ), environment
(ทกุ สิง่ ท่ี agent มปี ฏสิ ัมพันธ์ด้วย) และ actions (ส่ิงที่ agent สามารถเลอื กปฏบิ ตั ิได้) เปา้ หมาย
ของกระบวนการน้ี คือการให้ agent เลอื กหนทางการปฏิบัตทิ ีใ่ ห้รางวลั หรือผลตอบแทนสงู ทส่ี ดุ
ในช่วงเวลาที่กำหนด โดย agent หรือตัวระบบนั้นจะสามารถบรรลุเป้าหมายได้รวดเร็วขึ้นมาก
หากมนั มแี นวทางการทำงานทมี่ ีประสทิ ธภิ าพ ดงั นัน้ เป้าหมายของเทคนิค reinforcement
learning คอื การสอนใหร้ ะบบเรียนร้วู ิถที างไปส่เู ปา้ หมายทีด่ ีทีส่ ดุ

ภาพท่ี 3.5 การเรียนรแู้ บบเสรมิ กำลัง
(ทม่ี า https://becominghuman.ai/the-very-basics-of-reinforcement-learning-154f28a79071)

หลกั สตู รการอบรมพฒั นาเกษตรกรรุ่นใหม่: ปญั ญาประดษิ ฐ์เพอื่ การวิเคราะหท์ างการเกษตร อ.ดร.ภทั รมน วุฒพิ ทิ ยามงคล

P a g e | 23

3.3 คำศัพทท์ ค่ี วรรู้เกยี่ วกับการเรียนรู้ของเครอื่ ง
Training Set: ชดุ ข้อมลู ฝึก เป็นชุดขอ้ มลู สำหรับฝึกฝนโมเดล Machine Learning โดยจะฝึกใหผ้ ลลพั ธ์
ออกมาเปน็ ไปตามชดุ ขอ้ มูลต้นฉบับ “หากข้อมลู ภายในชดุ ข้อมลู ฝกึ มคี า่ ผิดหรือค่าท่ีไม่ถูกตอ้ ง ผลลัพธท์ ี่
ออกมาก็จะผิด” ยกตัวอย่างเช่น ขอ้ มูลคนไข้ (นำ้ หนัก, ส่วนสงู , ความดนั ), ขอ้ มลู คนทีช่ ้ือของผ่าน Lazada
(เพศ, อายุ, อาชพี , ความสนใจพเิ ศษ)
Test Set: ชุดข้อมลู เอาไว้ทดสอบ โดย Test Set ไม่ควรเอาไปใช้รว่ มกบั Training Set เพราะถา้ ทำแบบน้ัน
มันคือการเอาเฉลยของข้อสอบมาใหอ้ า่ นแลว้ จากนนั้ จงึ ให้ทำข้อสอบกจ็ ะเกิดในเรื่องของ Model Over fitting
กบั ข้อมลู ชุดน้นั ๆดว้ ย
Label, Non Label หรอื Class: เปน็ ตัวบง่ บอกวา่ ข้อมลู ที่ใหฝ้ ึกเปน็ อะไร โดยแบบ Label จะใช้กบั Machine
Learning แบบมีผชู้ ่วยสอน (Supervised) และ Non Label ใช้กบั แบบไม่มีผชู้ ่วยสอน (Unsupervised) เชน่
ขอ้ มูลของคนไขโ้ ดยมี Label/Class บอกวา่ คนไข้คนนี้ป่วยหรือไม่, ข้อมลู คนที่ชอ้ื ของผา่ น Lazada โดย
Label/Class บอกว่าเขาช้อื ของใชห้ รือของกิน
Feature: ภายในชุดข้อมูลฝกึ /ทดสอบจะมลี กั ษณะเดน่ ทีป่ รากฏอยู่ภายในข้อมลู เช่น ข้อมลู คนไขท้ ่ีปว่ ยเปน็
ไขห้ วดั ใหญ่ โดยลักษณะสำคัญคือ ไข้ขนึ้ สงู กว่า 35 องศา, คนทีช่ อื้ ของผา่ น Lazada โดยเขาชือ้ ของใช้ โดย
ลักษณะสำคญั คือ ของชิ้นที่ชื้อกำลังลดราคา ซ่ึงภายในข้อมลู กจ็ ะมีขอ้ มูลท่ีไมส่ ำคญั อยู่ด้วย เราจะตอ้ งคัด
ออกไปจากข้อมลู ของเรา เหลือไว้เฉพาะอนั ที่สง่ ผลข้อมูลจริงๆเท่านน้ั

ภาพที่ 3.6 ข้ันตอนการสรา้ งโมเดลการเรยี นรขู้ องเครอื่ งและคำศพั ทส์ ำคัญ
(ที่มา https://www.sas.com/th_th/insights/analytics/machine-learning.html)

หลักสตู รการอบรมพฒั นาเกษตรกรรุน่ ใหม่: ปญั ญาประดษิ ฐเ์ พอื่ การวิเคราะห์ทางการเกษตร อ.ดร.ภทั รมน วุฒพิ ิทยามงคล

P a g e | 24

Machine Learning Algorithm / Machine Learning Model: จดุ สำคญั สำหรบั บทความ Machine
Learning น้ีก็คือ ML Model โดยเจา้ ตัว ML Model จะเปน็ การนำชดุ ข้อมลู ฝกึ ฝน (Training Set) ท่ขี า้ งในมี
การระบุ Class (Label or Non Label) โดยจะตอ้ งเลือกลักษณะเด่น (Feature) ของข้อมลู นน้ั มาก่อนแล้ว
จากน้นั เอาขอ้ มลู เหลา่ น้นั มาคำนวณผา่ นหลักคณิตศาสตรแ์ ละสถิตขิ นึ้ อยโู่ มเดลท่ีเราเลือกโดยข้ันตอนน้ีเรา
เรยี กวา่ การฝกึ ฝนโมเดล (Train Model) โดยเม่อื ฝึกฝนเสร็จเราก็จะโมเดลท่ีสามารถทำนาย Class/Label
จาก input ออกมาได้น้นั เอง

3.4 ขัน้ ตอนในการสร้างโมเดลการเรียนรู้ของเคร่ือง
ขัน้ ตอนท่ีใชใ้ นการสร้างโมเดลการเรียนร้ขู องเครื่องเพอ่ื ตอบโจทยเ์ ฉพาะทาง มีดังนี้
1. ตีกรอบปัญหาและมองภาพใหญ่
1) กำหนดวัตถุประสงค์
2) solution ของคณุ จะถกู นำไปใชอ้ ยา่ งไร
3) วธิ แี ก้ปญั หาท่ีใช้อยู่ในปัจจุบนั มีอะไรบ้าง
4) คณุ ควรแก้ปญั หานี้อยา่ งไร (supervised/unsupervised, online/offline…)
5) จะวดั ประสทิ ธิภาพอยา่ งไร และการวดั ประสิทธภิ าพสอดคลอ้ งกบั วตั ถุประสงคห์ รือไม่
6) ประสทิ ธภิ าพขน้ั ต่ำทีจ่ ำเป็นในการบรรลเุ ป้าหมายคืออะไร
7) ปญั หาทีใ่ กลเ้ คยี งคล้ายคลึงกันมีอะไรบ้าง และจะสามารถนำประสบการณ์หรือเคร่ืองมือมาใชซ้ ้ำ
ไดห้ รอื ไม่
8) ตอ้ งใช้ความชำนาญของมนุษยห์ รือไม่
9) ถา้ จะแกป้ ัญหาด้วยวิธี manual จะทำอย่างไร
10) ทำลสิ ต์รายการสมมตุ ิฐานทั้งหมดทคี่ ุณไดต้ ้ังไว้
11) ทำการทดสอบสมมุตฐิ านเหลา่ นัน้ ทงั้ หมด ถ้าเปน็ ไปได้
2. รวบรวมข้อมูล
ควรสรา้ งระบบการเกบ็ รวบรวมข้อมลู ให้เป็นระบบอัตโนมตั ิให้มากท่สี ดุ เทา่ ท่ีจะทำได้
1) ให้ทำลิสต์รายการข้อมลู ที่จำเปน็ ต้องใชแ้ ละปรมิ าณข้อมูลท่ีตอ้ งการ
2) หาแหลง่ ขอ้ มลู และทำการจดบนั ทกึ ไว้
3) ต้องใชพ้ นื้ ทเ่ี กบ็ ข้อมลู เท่าไร
4) ตรวจสอบขอ้ ผูกมดั ดา้ นกฎหมายต่างๆ
5) ทำการขอสิทธิเพื่อเข้าถงึ ข้อมูล
6) สร้าง workspace ในการทำงาน ทม่ี ีพ้นื ทเี่ กบ็ ขอ้ มูลเพยี งพอ
7) ทำการรวบรวมข้อมูลจากแหล่งขอ้ มลู
8) แปลงขอ้ มูลใหอ้ ยู่ในรปู แบบท่ีจดั การได้ง่าย โดยท่ีเนอื้ หาของข้อมลู ไม่เปล่ียน

หลักสตู รการอบรมพัฒนาเกษตรกรรุ่นใหม่: ปญั ญาประดษิ ฐ์เพื่อการวิเคราะห์ทางการเกษตร อ.ดร.ภทั รมน วุฒิพิทยามงคล

P a g e | 25

9) ขอ้ มูลท่ี sensitive ควรทำการลบออกหรือปกปอ้ งขอ้ มูลไว้ (เช่น ไมร่ ะบชุ ่อื )
10) ตรวจสอบขนาดและประเภทของขอ้ มูล
11) แบง่ ข้อมูลออกมาเป็นชดุ ทดสอบ (Test Set) แล้ววางไวเ้ ฉยๆโดยไม่ต้องไปยุ่งหรือแอบสอ่ งมัน
3. สำรวจขอ้ มูล
ในข้ันตอนน้ี อาจต้องปรกึ ษาผเู้ ช่ยี วชาญเพอ่ื ใหไ้ ด้มาซ่ึงข้อมูลเชิงลึก
1) สร้างสำเนาของขอ้ มูลเพื่อทำการสำรวจ (หากข้อมลู มีปริมาณมาก อาจแบ่งกลมุ่ ตวั อยา่ งมา

ศกึ ษา)
2) ศกึ ษาแต่ละตวั แปรและคุณลักษณะ
3) สำรวจช่ือและประเภทของตวั แปรแตล่ ะตวั
4) สำรวจความผดิ ปกตขิ องข้อมูล เชน่ ขอ้ มลู ทไ่ี ม่สมบูรณ์ ข้อมลู รบกวน
5) การกระจายของข้อมูลเป็นรปู แบบใด (Guassian, uniform , logarithm)
6) กรณีท่ีทำ supervised learning ให้กำหนด target attribute (attribute ทีเ่ ปน็ คำตอบ)
7) Visualize ขอ้ มลู (plot กราฟ)
8) ศกึ ษาความสัมพันธ์ (correlation) ระหวา่ ง attribute ตา่ งๆ
9) สามารถนำข้อมูลมา transform แบบใดไดบ้ ้างท่ีอาจเป็นประโยชน์
10) ดวู ่ายงั ต้องการข้อมลู อะไรเพิ่มเตมิ อีกที่อาจเปน็ ประโยชน์

ภาพที่ 3.7 เข้าใจขนั้ ตอนการสรา้ งโมเดลการเรยี นรู้ของเคร่ือง
(ท่ีมา https://hrdatamining.com/data-cleaning-with-azure-ml-studio/)

หลักสตู รการอบรมพัฒนาเกษตรกรรนุ่ ใหม่: ปญั ญาประดิษฐเ์ พอ่ื การวเิ คราะหท์ างการเกษตร อ.ดร.ภทั รมน วฒุ พิ ทิ ยามงคล

P a g e | 26

4. เตรยี มขอ้ มูลให้พร้อมสรา้ งโมเดล
ในขั้นตอนนีใ้ ห้สรา้ งไฟลส์ ำรองของข้อมูลตน้ ฉบบั เกบ็ ไว้กอ่ นการเปล่ยี นแปลงใดๆบนข้อมูลนี้ โดย

วิธกี ารเตรียมข้อมูลใหพ้ ร้อมสร้างโมเดล เช่น
1) Data Cleaning
2) เอาข้อมูลทีเ่ ปน็ outlier ออก
3) จัดการกบั missing values (เชน่ การ เติม 0 , mean, median, … ) หรือ drop แถว หรือ
column ออก
4) ทำ feature selection โดยการ drop attribute ท่ีไมม่ ีขอ้ มูลทเ่ี ป็นประโยชน์ออก
5) ทำ Feature Engineering
6) Discretize continuous features
7) Decompose features (Categorical, date/time, …)
8) Data transformation เชน่ log(x), sqrt(x)
9) Aggregate feature บางตัวให้เปน็ feature ใหม่ เชน่ การเอามาบวกลบคูณหารกนั
10) Feature Scaling โดยการทำ standardize หรอื normalize เพ่ือใหข้ ้อมลู แตล่ ะ feature อยู่
ใน scale ทใี่ กลเ้ คยี งกัน

ภาพท่ี 3.8 เวลาใชใ้ นการเตรียมขอ้ มลู ก่อนการสร้างโมเดลจากการศึกษานักวิทยาศาสตรข์ ้อมูลกลุ่มหนึ่ง
(ที่มา https://www.topbots.com/data-preparation-for-machine-learning/)

5. ใช้ model ทหี่ ลากหลาย เพื่อเลือก model ทด่ี ที ีส่ ุด
หากขอ้ มลู มีขนาดใหญ่มาก คุณอาจต้องทำการสม่ เลอื กขอ้ มูลใหเ้ ล็กลง เพ่ือจะได้เอามา train ด้วย

model

หลักสตู รการอบรมพฒั นาเกษตรกรรนุ่ ใหม่: ปญั ญาประดษิ ฐ์เพอื่ การวิเคราะห์ทางการเกษตร อ.ดร.ภทั รมน วฒุ พิ ิทยามงคล

P a g e | 27

1) train model ดว้ ยหลายๆอัลกอรธิ มึ เช่น ใช้ Linear Regression, Naive Bayes, SVM ,
Random Forest, Neural Network โดยใช้ parameter มาตรฐานของแตล่ ะอลั กอริธมึ

2) วดั ผลและเปรยี บเทยี บ performance โดยอาจใชว้ ธิ ี N-Fold cross-validation และคำนวณ
mean หรือคา่ SD ของ N-Folds

3) วิเคราะห์ตวั แปรทสี่ ำคญั ท่สี ุดของแตล่ ะอลั กอรธิ มึ
4) วเิ คราะห์ประเภทของ error ของแต่ละ model
5) ทำ feature selection และ feature engineering
6) ทำซำ้ ขั้นที่ 1-5 เลอื ก model ที่ไดผ้ ลดที สี่ ุดมา 3-5 model ถา้ จะให้ดีควรเลือก model ทมี่ ี

error ในรปู แบบทแี่ ตกตา่ งกัน
6. ปรบั จูนโมเดลและนำมารวมเข้าด้วยกันเพอื่ ให้ไดผ้ ลลัพธ์ท่ีดขี ึน้

1) ปรับจูน hyperparameter โดยวธิ ีการเช่น cross-validation
2) วิธีการ transform data โดยเฉพาะอยา่ งยง่ิ เมื่อไม่แน่ใจ เช่น ควรจะแทนท่ี missing value

ด้วย 0 หรือคา่ median ดี หรอื วา่ ควรจะท้ิงข้อมลู ตัวอย่างน้ันๆไปเลย
3) ถา้ หาก hyperparameter ไม่ได้มนี ้อยจนเกนิ ไป ลองทำ random search ดว้ ย grid search
4) หากการ train ใชเ้ วลานานเกินไป ลองใช้ Baysian optimization (เชน่ Guassian)
5) ลองใช้วธิ ี Ensemble คอื การรวมกันของ model ทด่ี หี ลายๆ model มักจะได้ความแม่นยำ

ของโมเดลท่ีมากขนึ้ ไปอีก
6) เมื่อได้ model สุดทา้ ยแล้ว ใหว้ ัดประสทิ ธภิ าพกับขอ้ มูล test set เพ่ือหาความแมน่ ยำของ

model

ภาพท่ี 3.5 ขน้ั ตอนการเรียนรขู้ องเครื่องและการทดสอบ
(ท่ีมา https://medium.com/@doohpim/01-supervised-machine-learning-การเรียนรู้ของ

เครื่องแบบมผี ูส้ อน-c18e58bedc10)

หลกั สตู รการอบรมพฒั นาเกษตรกรรุ่นใหม่: ปญั ญาประดิษฐเ์ พื่อการวเิ คราะหท์ างการเกษตร อ.ดร.ภัทรมน วุฒิพทิ ยามงคล

P a g e | 28

7. นำเสนอ Solution ของ
1) ทำการจดบันทึกและอธิบายส่ิงทท่ี ำท้ังหมด
2) สรา้ ง presentation โดยจำไวว้ า่ ต้องให้เห็นภาพใหญ่ก่อนเสมอ (ปญั หาหลักที่เราทำ solution
นมี้ าแก้)
3) อธบิ ายใหช้ ัดเจนวา่ ทำไม solution นี้จงึ ทำใหบ้ รรลวุ ตั ถุประสงค์
4) สร้างรายการข้อสนั นษิ ฐานรวมถึงข้อจำกัดของโมเดลทีน่ ำเสนอ
5) นำการคน้ พบที่สำคัญมาส่ือสารผ่านการ visualization ทสี่ วยงาน หรอื ดว้ ยข้อความท่ีง่ายต่อ
การจดจำ เชน่ “รายได้เฉลยี่ เป็นตัวแปรอนั ดับหนงึ่ ในการใชค้ าดการณร์ าคาบ้าน”

หลกั สตู รการอบรมพฒั นาเกษตรกรร่นุ ใหม่: ปญั ญาประดิษฐ์เพอื่ การวิเคราะห์ทางการเกษตร อ.ดร.ภัทรมน วุฒพิ ทิ ยามงคล

P a g e | 29

บทท่ี 4

การประยกุ ต์ใช้ปัญญาประดิษฐใ์ นการเกษตร
วตั ถปุ ระสงค์

1. เพ่อื ให้ผเู้ รยี นมคี วามรู้ความเข้าใจในการนำปัญญาประดิษฐ์มาประยุกตใ์ ชใ้ นดา้ นการเกษตร
2. เพอ่ื ใหผ้ ้เู รียนตระหนกั ถงึ ประโยชนใ์ นการนำปัญญาประดษิ ฐไ์ ปใชใ้ นด้านการเกษตร
4.1 ความสำคัญของเทคโนโลยกี ารเกษตร
ทำไมต้องพูดถึงการใช้เทคโนโลยีสมัยใหม่ในภาคเกษตรไทย คำตอบคือ ระบบการเกษตรของไทย
กำลังเผชิญความท้าทายที่สำคัญ เกษตรกรไทยส่วนใหญ่ยังมีรายได้ต่อคน (หรือผลิตภาพแรงงาน) ต่ำ แม้ว่า
ผลิตภัณฑ์ประชาชาติต่อหัวจากภาคเกษตรจะมีแนวโน้มสูงขึ้น และช่องว่างระหว่าง ผลิตภัณฑ์ประชาชาติต่อ
หัวจากภาคเกษตรกบั นอกภาคเกษตรจะมแี นวโน้มลดลง แตผ่ ลติ ภณั ฑ์ ประชาชาติตอ่ หวั ของแรงงานนอกภาค
เกษตรยังสูงกว่าผลิตภณั ฑป์ ระชาชาตติ ่อหัวของภาคเกษตรถึง กวา่ 5 เท่าตวั (ภาพท่ี 4.1) ช่องว่างรายไดต้ ่อหัว
ดังกล่าวสะท้อนว่าผลิตภาพแรงงาน (labor productivity) ของเกษตรกรไทยอยู่ในระดับต่ำ ด้วยเหตุนี้ภาค
เกษตรจึงมีคนจนจำนวนมาก ข้อมูลในภาพที่ 4.2 แสดงให้เห็นว่า อัตราส่วนของเกษตรกรในประเทศไทยต่อ
อาชีพอน่ื ยังคงมีมากต้ังแต่อดีตถึงปัจจุบัน ถงึ แม้จะมีแนวโน้มทีล่ ดลงอย่างต่อเน่ือง สว่ นหน่ึงเน่ืองจากปัจจัยใน
ดา้ นรายได้

ภาพที่ 4.1 กราฟแสดงรายได้ต่อหัวภาคเกษตรตำ่ กวา่ นอกภาคเกษตรมาก
(ท่มี า : นโยบายเทคโนโลยีการเกษตร-Nov20 - TDRI: Thailand Development Research

Institute )

หลกั สตู รการอบรมพฒั นาเกษตรกรรนุ่ ใหม่: ปญั ญาประดษิ ฐเ์ พ่ือการวิเคราะห์ทางการเกษตร อ.ดร.ภทั รมน วฒุ พิ ิทยามงคล

P a g e | 30

ภาพท่ี 4.2 สัดส่วนของเกษตรกรตอ่ อาชพี อน่ื ๆในประเทศ (ที่มา : นโยบายเทคโนโลยกี ารเกษตร-
Nov20 - TDRI: Thailand Development Research Institute)

เทคโนโลยเี ป็นปจั จัยสำคญั ท่ีสุดทีจ่ ะช่วยยกระดบั รายไดต้ ่อหัวของเกษตรกร และเพม่ิ ความสามารถใน
การแขง่ ขัน อมั มาร สยามวาลา (2541) เคยพดู ถึงความสำคัญของเทคโนโลยีดังน้ี

“ที่สำคัญที่สุด รัฐจะต้องขยายการลงทุนของตนในด้านการลงทุนวิจัยเพื่อสร้างเทคโนโลยีใหม่
ทางด้านการเกษตร และเพอื่ ยกระดบั ความสามารถของไทยในด้านเทคโนโลยชี วี ภาพ "

ในปัจจุบันสินค้าเกษตรส่งออกของไทย (โดยเฉพาะข้าว) เริ่มสูญเสียความสามารถในการ แข่งขัน
เพราะต้นทุนและราคาสูงกว่าคู่แข่ง เทคโนโลยีสามารถช่วยลดต้นทุน (โดยการใช้ปัจจัยการ ผลิตที่มี
ประสิทธิภาพมากขึ้น) เพิ่มผลิตภาพ และผลิตสินค้าที่มีคุณภาพสูงขึ้น รวมทั้งสินค้าใหม่ๆที่ตลาดต้องการได้
นอกจากนั้นเทคโนโลยีดิจิทัลยังสามารถช่วยลดต้นทุนโลจิสติกส์ตลอดห่วงโซ่อุปทาน อาหาร เช่น การใช้
บล็อกเชน (Blockchain) ควบคุมการผลิตและกระจายสินค้าปลอดภัยและเศรษฐกิจแบบแบ่งปัน (Sharing
economy) และการผลิตอาหารชนดิ ใหม่ได้อีกดว้ ย

4.2 เกษตรอจั ฉรยิ ะ (Smart Farming)
การเกษตรอัจฉรยิ ะเป็นพ้ืนฐานของเกษตรกรรม 4.0 ซ่งึ จะตอ้ งมีการใชข้ ้อมูลและระบบ AI ในการ

ทำงาน เกษตรกรรม 4.0 (Farming 4.0) เป็นการทำเกษตรกรรมในอนาคตท่ีอาศยั วิทยาศาสตร์และเทคโนโลยี
เปน็ แกน เกษตรกรรม 4.0 เริ่มเกิดขนึ้ ในทวีปยุโรปในทศวรรษ 2000 (หลัง พ.ศ. 2543) เป้าหมายคือ การเพ่มิ
ผลผลิตการเกษตรและอาหารให้พอกบั ประชากรโลกทเ่ี พม่ิ ข้ึนแตใ่ ช้ปจั จยั การผลิตลดลง ลดผลกระทบต่อ
สิ่งแวดล้อม ตลอดจนสามารถรับมือกบั การเปลยี่ นแปลงของภมู ิอากาศ และลดปญั หาขยะอาหาร เกษตร
อัจฉริยะจะเปลย่ี นแปลงระบบเกษตรกรรมและหว่ งโซ่อาหารของ โลก จากเดิมท่ีเกษตรกรให้น้ำ ใส่ปุ๋ยและใช้
สารกำจัดศตั รูพชื เหมอื นๆกันทัง้ ฟาร์ม มาเป็นการใชป้ ัจจัยการผลติ ที่แตกต่างกันและเหมาะสมกับสภาพภูมิ
ประเทศในแต่ละพ้นื ท่ีของฟาร์มในระดับโลก เกษตรกรสามารถเพาะปลูกในทะเลทราย หรอื นำทรพั ยากรที่มี
ราคาถกู มาใช้ประโยชน์ ไมว่ า่ จะเปน็ น้ำทะเล การเพาะเลี้ยงสาหร่ายทน่ี ำมาใช้เปน็ อาหารสตั ว์ หรอื พลังงาน
จากแสงอาทิตย์ ยงิ่ กว่าน้ัน เทคโนโลยใี หมจ่ ะมผี ลต่อห่วงโซอ่ ปุ ทานของอาหาร เช่น การทำเกษตรแนวตัง้ ใน
เมือง การใชว้ ัสดุหบี หอ่ ท่ีเปน็ มิตรกับสง่ิ แวดล้อมเกษตรกรรมในอนาคตจะเปน็ “เกษตรเขยี ว” การเกษตร

หลักสตู รการอบรมพฒั นาเกษตรกรรุ่นใหม่: ปญั ญาประดษิ ฐเ์ พอื่ การวเิ คราะห์ทางการเกษตร อ.ดร.ภัทรมน วุฒพิ ิทยามงคล

P a g e | 31

แม่นยำ หรือ precision agriculture ได้กลายมาเปน็ เทรนด์การเกษตรสมัยใหม่โดยแอพพลิเคชัน่ ดา้ นการเกบ็
เกีย่ วผลผลิตการเกษตรที่แมน่ ยำไดร้ ับความนิยมสูงมากขน้ึ

4.2.1 เกษตรแมน่ ยำ (Precision Agriculture)
เกษตรแมน่ ยำ คือการบริหารจัดการภายในฟาร์มโดยการสงั เกต การตรวจวดั และตอบสนองต่อความ
เปลี่ยนแปลงของปัจจัยภายในและปัจจัยภายนอกฟาร์มที่กระทบ ต่อพืชและสัตว์ในฟาร์ม วัตถุประสงค์ของ
การบริหารจัดการฟาร์มคือการเพิ่มประสิทธิภาพการผลิตให้ ได้ผลสูงสุด (Optimization) ทำให้เกษตรกรได้
กำไรสูงสุด โดยไม่ต้องเพิ่มปรมิ าณการใช้ปจั จัยการผลิต (ดิน น้ำ ปุ๋ย ยากำจัดศัตรพู ืช) และรักษาทรัพยากรใน
ขณะเดียวกนั เกษตรแม่นยำเริ่มเกดิ ข้นึ ในช่วงทศวรรษ 1990s (พ.ศ. 2533-2543) โดยการเชอ่ื มโยงเทคโนโลยี
เครื่องจักรกลการเกษตรกับคอมพวิ เตอรผ์ า่ นการใช้ประโยชน์จากข้อมูลท่ีไดจ้ ากจาก GPS และเครื่องวัดตา่ งๆ
(sensors) เกษตรแม่นยำได้พัฒนาอย่างต่อเนื่องควบคู่กับพัฒนาการทางวิทยาศาสตร์และเทคโนโลยีจน
กลายเป็นองค์ประกอบสำคัญของเกษตรอจั ฉริยะ

ภาพที่ 4.3 เกษตรแม่นยำโดยการใช้แอปพลิเคชนั บนมือถือ (ท่ีมา : GAO. | GAO-20-128SP)
4.2.2 การทำการเกษตรสมัยใหม่
การปรับการทำการเกษตรให้เป็นการเกษตรสมยั ใหม่มีการดำเนนิ การ ดงั น้ี

- มกี ารใช้วิทยาศาสตร์ เทคโนโลยี และนวัตกรรมที่มคี วามเหมาะสมและ สอดคล้องวิถีชีวิต
ของผู้ประกอบการธุรกิจการเกษตร มาใช้ในการเพมิ่ ศักยภาพการผลิตกับการพฒั นาคุณภาพมาตรฐานรวมถึง
การสร้างมูลค่าเพิ่มให้กับผลผลิต ตอบสนองความตอ้ งการของกลุ่มลูกคา้

- มีการปรบั แนวคดิ จากการทำการเกษตรเพ่ือยงั ชพี สู่การเป็นผปู้ ระกอบการธุรกิจการเกษตร
ทใี่ ชก้ ารตลาดเป็นตัวนำ

- มีการใช้ข้อมลู องคค์ วามรู้ เป็นองคป์ ระกอบสำคัญในการตัดสินใจผลิต รวมถงึ บริหาร
จัดการพื้นท่กี ารเกษตรไดอ้ ย่างมปี ระสิทธภิ าพ

หลกั สตู รการอบรมพัฒนาเกษตรกรร่นุ ใหม่: ปญั ญาประดษิ ฐ์เพือ่ การวเิ คราะห์ทางการเกษตร อ.ดร.ภทั รมน วุฒิพิทยามงคล

P a g e | 32

- มกี ารรวมกลุ่มหรือเครือขา่ ยเพอื่ สรา้ งพลงั การแบ่งปัน รวมถงึ เก้ือหนุนกัน
องค์ประกอบ 5 ประการของการกา้ วสู่ Farming 4.0

1. Measurement จดบนั ทกึ ข้อมูลเพ่ือการวเิ คราะห์ ตดั สนิ ใจอย่างถูกตอ้ ง ตามการ
เปล่ยี นแปลงของสถานการณไ์ ดอ้ ย่างรวดเรว็ แม่นยำมีประสิทธภิ าพ

2. High Technology ใชเ้ ทคโนโลยี นวัตกรรมเพมิ่ ประสทิ ธภิ าพในการ วางแผนจดั การผลิต
และการตลาดอย่างเป็นระบบชว่ ยเพิ่มผลผลิต และ ลดต้นทนุ

3. Value Base มงุ่ เน้นการผลิตเพื่อการสร้างมูลค่าเพ่ิม
4. Integrated คิดและมองแบบองค์รวมท้งั ห่วงโซอ่ ุปทาน (Supply Chain) เพ่ือเพม่ิ มูลคา่
สนิ คา้ ในแตล่ ะชว่ งของหว่ งโซ่
5. High Investment ลงทุนในดา้ นวิทยาศาสตร์ เทคโนโลยี และนวัตกรรม เครอ่ื งจกั ร
อุปกรณ์ท่เี หมาะสมกับการผลิต เพอื่ การเพ่ิมผลติ ภาพ และคณุ ภาพ

ภาพท่ี 4.4 แนวคดิ เกษตรกรรม 4.0 หรอื เกษตรอจั ฉรยิ ะ
(ทีม่ า : https://www.sme.go.th/upload/mod_download/download-

20201026085334.pdf)

Farming 4.0 เปน็ ระบบช่วยเกษตรกรตัดสนิ ใจ (decision support system: DSS) ทใี่ ช้ เทคโนโลยี
ดจิ ทิ ัลและเทคโนโลยีสารสนเทศ มีองค์ประกอบ 3 ส่วน ได้แก่ เทคโนโลยเี ก็บข้อมูลทั้งใน ฟารม์ และนอกฟารม์
เทคโนโลยีสื่อสารและบรหิ ารข้อมลู และเทคโนโลยปี ระมวลผลดา้ นสถิติ และซอฟตแ์ วร์ช่วยการตัดสินใจ

หลกั สตู รการอบรมพฒั นาเกษตรกรรนุ่ ใหม่: ปญั ญาประดษิ ฐ์เพ่ือการวิเคราะหท์ างการเกษตร อ.ดร.ภทั รมน วุฒิพิทยามงคล

P a g e | 33

ความก้าวหนา้ ของ farming 4.0 เกดิ จากเทคโนโลยีหลายดา้ นดงั กล่าวแล้ว แตเ่ ทคโนโลยีการ เกบ็
ขอ้ มูลทสี่ ำคัญท่สี ุดในดา้ น hardware ไดแ้ ก่ sensors และเทคโนโลยีดจิ ิทลั /สารสนเทศทสี่ ำคัญ ได้แก่การ
พัฒนาระบบชว่ ยตดั สนิ ใจ (decision support system) ทอี่ าศัยขอ้ มูลขนาดใหญ่ (big data)

ภาพท่ี 4.5 องค์ประกอบสำคัญของเทคโนโลยดี ิจิทัลและการสื่อสารใน Farming 4.0
(ทม่ี า : นโยบายเทคโนโลยีการเกษตร-Nov20 - TDRI: Thailand Development Research

Institute)

4.2.3 ระบบช่วยตัดสินใจ (Decision Support System)
ระบบช่วยตัดสินใจ (Decision Support System) : ระบบช่วยตัดสินใจเป็นหัวใจของ Farming 4.0
วัตถปุ ระสงคห์ ลกั ของ Farming 4.0. คอื การใช้เทคโนโลยดี จิ ิทลั สร้างระบบการ ตดั สนิ ใจเกษตรกรเพื่อให้
สามารถเพ่ิมประสิทธิภาพการผลิตให้มากท่สี ุด ในปัจจบุ ันหมายรวมถงึ การ เพมิ่ คณุ ภาพของผลผลติ ทาง
การเกษตร การใชป้ ัจจยั การผลติ อยา่ งมปี ระสิทธภิ าพ และการลด ผลกระทบต่อทรัพยากรธรรมชาติ ไดแ้ ก่ ดิน
น้ำ และอากาศ ระบบช่วยตดั สินใจใน Farming 4.0 ได้มี พัฒนาการจนมีความซับซ้อนจากการประยกุ ต์ใช้
เทคโนโลยีหลายแขนงโดยเฉพาะอย่างย่ิงเทคโนโลยี สมองกล (AI) จนมีระบบการทำงานทีม่ ศี ักยภาพสงู กว่า
เกษตรแมน่ ยำ
ข้อมูลขนาดใหญ่ (Big Data)
ข้อมลู ขนาดใหญ่ (Big Data) เปน็ องค์ประกอบสำคัญท่ีทำให้การทำงานของระบบชว่ ยตัดสินใจเป็นไป
ได้อย่างถูกต้องแม่นยำ ประกอบด้วยข้อมูลตามเวลาจริง Real Time ที่มีความละเอียดสูงทางกายภาพและ
ชวี ภาพ (bio-physical) ท้ังภายในฟารม์ และภายนอกฟารม์ ดังนี้
(1) ข้อมูลภายในฟาร์ม เชน่

หลกั สตู รการอบรมพัฒนาเกษตรกรรนุ่ ใหม่: ปญั ญาประดิษฐเ์ พื่อการวิเคราะหท์ างการเกษตร อ.ดร.ภัทรมน วฒุ ิพทิ ยามงคล

P a g e | 34

- สภาพดิน เช่น เนอื้ ดิน ความลึก ความช้ืนในดิน ระดับไนโตรเจน และแร่ธาตุอน่ื ๆ
- สภาพน้ำ เชน่ ปริมาณน้ำ แหลง่ น้ำ คณุ ภาพของน้ำ ค่า pH
- สภาพของพืช เช่น เช้ือโรค ศัตรูพืช วัชพืช ผลผลิตทีไ่ ด้ และสถานะของพืช เช่น กำลังออก
ดอกออกผล
- ระบบการบรหิ ารจัดการฟารม์ เชน่ ระบบส่งนำ้ พลงั งานทีใ่ ช้ เครื่องจักร แรงงาน คา่ เช่า
(2) ปัจจัยภายนอกฟาร์ม ได้แก่
- สภาพอากาศ เชน่ ปริมาณนำ้ ฝน ความช้นื ความเขม้ แสง อุณหภูมิ ความเร็วและทิศทางลม
- ข้อมูลการใชป้ ระโยชนท์ ่ีดนิ ในอาณาบรเิ วณ
- ปริมาณและคุณภาพน้ำจากแหล่งน้ำภายนอก เช่น น้ำที่สามารถใชก้ ารได้ ข้อมูลจากระบบ
จดั การนำ้ ข้อมลู นำ้ ฝน
- สภาพตลาด เช่น ราคาปัจจัยการผลติ และราคาผลผลิต ความต้องการของตลาด/ผู้บริโภค
ทงั้ ในเชิงปรมิ าณ และเชิงคุณภาพ
- ข้อมูลทางเศรษฐกิจสังคม (socio-economic) เช่น จำนวนเกษตรกรและแรงงาน ลักษณะ
ประชากรของครวั เรอื นเกษตร ฯลฯ

ภาพที่ 4.6 ตวั อยา่ ง Big Data ทีใ่ ชใ้ นระบบเกษตรอจั ฉริยะ
(ท่มี า : Big Data — Down to Earth. Big Data Sowing the Seed of Smart… | by Rinu Gour

| Becoming Human: Artificial Intelligence Magazine)

หลักสตู รการอบรมพฒั นาเกษตรกรรุน่ ใหม่: ปญั ญาประดิษฐเ์ พอ่ื การวิเคราะห์ทางการเกษตร อ.ดร.ภัทรมน วุฒพิ ทิ ยามงคล

P a g e | 35

4.2.4 พัฒนาการของ Farming 4.0
พฒั นาการระยะแรกของ Farming 4.0 เกิดจากการใช้เทคโนโลยีการเกษตร (Farming Technology
หรือ Agritech) เพียงด้านใดด้านหนึง่ (เช่น การใช้ GPS ควบคุมการทำงานของรถไถดัง) แต่ปัจจุบัน farming
4.0 พัฒนามาเป็น“ระบบเชิงซ้อน” ที่ประกอบขึ้นด้วยระบบ เทคโนโลยีหลายระบบซ้อนกัน (System of
systems) รวมทั้งการนำเทคโนโลยีใหมๆ่ มาประยุกต์ใช้ เช่น การใช้ข้อมูลจากดาวเทียมพยากรณ์อากาศ การ
ใช้ GPS, soil monitors และ VRT21 เปน็ ต้น ดังน้นั Farming 4.0 จึงต่างจาก “เกษตรแม่นยำ” ที่เนน้ เฉพาะ
การวัดปริมาณ (measurement) เพื่อการใช้ปัจจัยการผลิตอย่างแม่นย าเพียงมิติเดียว ขณะที่ Farming 4.0
เป็น มากกว่าการเพิ่มความแม่นยำในการท าเกษตร เนื่องจากมีการใช้ข้อมูลหลายมิติและเทคโนโลยีท่ี
สลับซับซ้อนหลายๆ ด้านมาวิเคราะห์เพื่อสร้างระบบช่วยตัดสินใจให้เกษตรกรแบบองค์รวม ทำให้ส่วน ต่างๆ
ของกระบวนการผลิตในฟาร์มมีความสอดคล้องกันและเชื่อมโยงกัน โดยมีแอปพลิเคชั่น (Application) เป็น
เครื่องมือที่ควบคุมการทำงานของระบบเหล่านี้ผ่านการสื่อสารข้อมูลและคำสั่ง แล้วประมวลผลออกมาเป็น
ระบบที่ช่วยให้เกษตรกรสามารถตัดสินใจใด้ถูกต้อง แม่นยำ ทันท่วงที รวมถึงการพยากรณ์และป้องกันปัญหา
ได้ลว่ งหน้า

ภาพที่ 4.6 System of systems
(ทีม่ า : DIGITAL AGRICULTURE: OVERCOMING WORLD HUNGER - Megatech Thailand)

4.3 ตวั อย่างเกษตรอัจฉรยิ ะในต่างประเทศ
นวัตกรรมทางการเกษตรในประเทศสหรัฐอเมริกากับแนวคิดของเกษตรในร่ม (Indoor Agriculture)

การทำฟาร์มแนวต้ังในอาคาร (Vertical Farm) ฟารม์ แนวต้งั หรือ Vertical Farm

หลกั สตู รการอบรมพัฒนาเกษตรกรรุ่นใหม่: ปญั ญาประดษิ ฐ์เพอื่ การวิเคราะห์ทางการเกษตร อ.ดร.ภทั รมน วฒุ ิพิทยามงคล

P a g e | 36

ภาพที่ 4.7 Vertical Farm
(ทีม่ า : Endeared - Singapore Vertical Farm Produces 1.5 Ton Of Greens Daily)
นวัตกรรมน้ำทะเลเพื่อการเกษตรและการเกษตรในเมืองในประเทศแอฟริกา โครงการ Integrated
Seawater Agriculture System (ISAS) ได้น าร่องในแอฟริกา ประกอบด้วย คือ การเลี้ยงสัตว์น้ำ การปลูก
โกงกาง (Mangroves) ซง่ึ สามารถกกั เกบ็ คาร์บอนไดด้ ี และการปลกู Salicornia ซึ่งเปน็ พืชทนเค็ม

ภาพท่ี 4.8 ข้นั ตอนการทำงานระบบ ISAS
(ท่ีมา:https://www.icao.int/Meetings/altfuels17/Documents/6%20-%20Alexander%20Ri

os%20G.pdf)

หลักสตู รการอบรมพฒั นาเกษตรกรรนุ่ ใหม่: ปญั ญาประดษิ ฐ์เพอ่ื การวิเคราะห์ทางการเกษตร อ.ดร.ภัทรมน วุฒิพทิ ยามงคล

P a g e | 37

นวตั กรรมฟาร์มลอยนำ้ อจั ฉริยะในประเทศสงิ คโปร์ ฟาร์มลอยน้ำอจั ฉริยะ หรอื Smart Floating
Farms คอื ฟาร์มปลกู พืชแบบไฮโดรไปนิกสเ์ ป็นการปลูกพืชโดยไมใ่ ช้ดนิ โดยให้ รากแชอ่ ยู่ในนำ้ ทม่ี ธี าตุอาหาร
พืชละลายอยู่

ภาพที่ 4.9 โครงสร้างของ Smart Floating Farms
(ที่มา : Smart Floating Farms)

บริษัท OPTIM ความร่วมมืออย่างใกล้ชิดกับนักวิจัยของมหาวิทยาลัยซางะ กับหน่วยงาน ภาครัฐใน
ระดับจังหวัดการพัฒนาระบบ AI ควบคู่กับการใช้โดรน (Drone) สําหรับวิเคราะห์ปรับปรุงระบบ เพาะปลูกที่
เหมาะสมและมปี ระสิทธภิ าพสงู อาทกิ ารใช้โดรนบนิ ตรวจดพู ืน้ ท่เี พาะปลูกเพ่ือหาตน้ เหตุ หรือพืชผลท่ถี กู แมลง
พืชเร่ิมเข้าทําลาย เพือ่ ปอ้ งกันการลกุ ลามและกาํ จดั

ภาพที่ 4.10 การทำงานของ Drone ของบริษทั OPTIM
(ท่มี า : https://www.icao.int/Meetings/altfuels17/Documents/6%20-%20Alexander%20Rios%20G.pdf)

หลกั สตู รการอบรมพัฒนาเกษตรกรร่นุ ใหม่: ปญั ญาประดิษฐ์เพอ่ื การวเิ คราะห์ทางการเกษตร อ.ดร.ภทั รมน วุฒพิ ิทยามงคล

P a g e | 38

เป่ยต้าฮวง เป็นรัฐวิสาหกิจท่ีช่วยส่งเสริมกรรมวิธีการเพาะปลูก และรับซื้อผลผลติ จาก เกษตรกร ถือ
ว่าเป็นกลุ่มธุรกิจการเกษตรที่ใหญ่สุดของประเทศ โดยใช้ IoT เข้ามาทํางานผ่านแอปพลิเคชั่น ชื่อ “Modern
Agriculture” เพ่ือใหเ้ กษตรกรสามารถควบคุม การจัดการสงิ่ แวดล้อม การเพาะปลูกแสงสว่าง ระดับความชื้น
และอุณหภูมิจากนั้นจะประมวลผลวิเคราะห์ และตรวจสอบข้อมูลนําไปสู่การปลูกเพื่อให้ได้ผลผลิตตรงตาม
เป้าหมายที่ต้องการ ช่วยให้การเฝ้าติดตาม การเติบโตของพืชผักช่วงเวลาที่ต้องรดน้ำ ให้ปุ๋ยและคาดการณ์
ช่วงเวลาเก็บเกี่ยวได้อย่างแม่นยํา ส่งผลต่อ การเพิ่มปริมาณ คุณภาพ และรายได้รวมถึงสร้างความเชื่อมั่นต่อ
ความมนั่ คงทางอาหารใหก้ ับประเทศ

ภาพที่ 4.11 ภาพการทำงานของแอพ Modern Agriculture
(ท่มี า : ‘เปย่ ต้าฮวง’ ต้นแบบเกษตรอัจฉรยิ ะ 'เฮยห์ ลงเจยี ง' (bangkokbiznews.com))

หลกั สตู รการอบรมพัฒนาเกษตรกรร่นุ ใหม่: ปญั ญาประดิษฐเ์ พือ่ การวิเคราะห์ทางการเกษตร อ.ดร.ภทั รมน วุฒพิ ทิ ยามงคล

P a g e | 39

บทท่ี 5
การสรา้ งโมเดลอย่างงา่ ย: โมเดลเงือ่ นไข (If-Else Models)

วตั ถุประสงค์
1. เพื่อให้ผู้เรียนไดเ้ รียนรู้การสรา้ งโมเดลเงอื่ นไขแบบงา่ ยผา่ นภาษาคอมพวิ เตอร์
2. เพอื่ ให้ผ้เู รียนวเิ คราะหป์ ัญหาของงานไปเป็นผงั งานได้

5.1 หลักการและประโยชน์ของโมเดลเง่อื นไข
ในการเขียนโปรแกรมเรามักจะเจอกรณีที่จะต้องมีการตัดสินใจ หรือมีเงื่อนไขต่างๆ ซึ่ง คำส่ัง

ตรวจสอบเงื่อนไข if, if else, else ถือว่าเป็นคำส่ังพืน้ ฐานสำหรบั คนที่เขียนโปรแกรม จะต้องรู้ โดยในเนื้อหา
บทน้ีเราจะมาเรียนรกู้ ารใชง้ านใน 2 ภาษา ได้แก่ ภาษาไพทอน (Python) และ ภาษาซี (C)

คำสง่ั แรกคือ คำส่ังตรวจสอบเง่ือนไข if คำสงั่ if เป็นคำสง่ั ที่ใช้ตรวจสอบ เง่ือนไขท่เี ปน็ จริง(true) หรือ
เป็นเท็จ (false) หากเงื่อนไขเป็น จริง (true) โปรแกรมก็จะทำงานภายใต้วงเลบ็ หลัง if แต่ถ้าหากเงื่อนไขเปน็
เท็จ(true) กจ็ ะไม่เกดิ อะไรกับเง่อื นไขนี้ โปรแกรมจะขา้ มไปทำงานในคำสง่ั ถดั ไป โดยมรี ปู แบบคำส่ังเปน็ ดังนี้

ภาพท่ี 5.1 ภาพการทำงานคำสงั่ if ในภาษาไพทอน (Python)

ภาพที่ 5.2 ภาพการทำงานคำส่งั if ในภาษาซี (C)

หลกั สตู รการอบรมพฒั นาเกษตรกรรุน่ ใหม่: ปญั ญาประดิษฐ์เพื่อการวเิ คราะห์ทางการเกษตร อ.ดร.ภทั รมน วุฒิพิทยามงคล

P a g e | 40

ในขณะที่คำสั่ง if ใช้สำหรับกำหนดเพื่อให้โปรแกรมทำงานเม่ือเงื่อนไขเป็นจริง นอกจากนี้ ยังมีคำสง่ั
else ที่ใช้เพื่อกำหนดให้โปรแกรมทำงานในกรณีที่เงื่อนไขไม่เป็นจริงได้ ในรูปแบบการใช้งาน เรากำหนด
condition ซึ่งเป็นเงื่อนไขให้กับคำสั่ง if และถ้าเงื่อนไขเป็นจริงโปรแกรมจะทำงานในบล็อคของคำสั่ง if และ
ในทางตรงกันข้าม ในกรณีที่เงื่อนไขไม่เป็นจริง โปรแกรมจะทำงานในบล็อคของคำสั่ง else แทน กล่าวคือใน
การใช้งานคำสั่ง if else ทำให้เราสามารถกำหนดทิศทางการทำงานของโปรแกรมออกเป็นสองทางเลือกได้
น่ันเอง

ภาพท่ี 5.3 ภาพการทำงานคำสงั่ if else ในภาษาไพทอน (Python)

ภาพที่ 5.4 ภาพการทำงานคำสัง่ if else ในภาษาซี (C)
ในกรณีที่การทำงานของโปรแกรมมีทางเลือกที่เป็นไปได้มากกว่าสอง จะมีคำสั่ง else-if ให้เราใช้งาน
ได้ ในการใช้งานคำสั่ง else if นั้นจะต้องใช้ร่วมกับคำสั่ง if เสมอ โดยโปรแกรมจะเริ่มตรวจสอบจากเงื่อนไข
แรกจนถงึ คำสงั่ สุดทา้ ยของโปรแกรมและจะทำงานในบล็อคแรกทีท่ ำให้เง่ือนไขเป็นจริงเทา่ น้นั เราสามารถเพ่ิม
เงื่อนไขเพิ่มเติมเข้ามาเท่าไหร่ก็ได้ด้วยคำสั่ง else if นอกจากนี้ึ คุณยังสามารถใช้คำสั่ง else สำหรับกำหนด
เพื่อใหโ้ ปรแกรมทำงานในกรณีไมม่ ีเงื่อนไขใดเปน็ จรงิ เลยโดยใสม่ ันไวใ้ นตอนท้ายไดเ้ ชน่ เดิม

หลักสตู รการอบรมพฒั นาเกษตรกรรนุ่ ใหม่: ปญั ญาประดษิ ฐเ์ พอ่ื การวิเคราะหท์ างการเกษตร อ.ดร.ภทั รมน วฒุ พิ ิทยามงคล

P a g e | 41

ภาพท่ี 5.5 ภาพการทำงานคำสัง่ if else-if ในภาษาไพทอน (Python)
(จะสงั เกตได้วา่ ในภาษา Python จะมกี ารใช้คำสง่ั เป็น elif แทน
เพราะแตล่ ะภาษาจะมเี อกลกั ษณท์ ี่แตกตา่ งกนั ไป)

ภาพที่ 5.6 ภาพการทำงานคำส่ัง if else-if ในภาษาซี (C)
ในการใช้งานคำสัง่ if, if-else และ else-if ที่คุณได้เรียนรู้มาแล้วในตัวอย่างกอ่ นหน้านั้น มันสามารถ
นำมาใช้ร่วมกันและซ้อนกนั ได้ ยกตัวอย่างเช่น คุณสามารถใช้คำส่ัง if เพื่อตรวจสอบเงื่อนไขด้านนอก และถ้า
หากเงื่อนไขเป็นจริงก็ให้ทำงานคำสั่ง if ที่อยู่ด้านในอีกครั้ง เราสามารถนำมาเขียนใหม่ได้โดยใช้การซ้อนกัน
ของคำสั่ง if else ในบางครั้ง และจะช่วยให้โปรแกรมสั้นและกระชับลงและอาจช่วยเพิ่มประสิทธิภาพการ
ทำงานของโปรแกรมได้

หลกั สตู รการอบรมพัฒนาเกษตรกรรุ่นใหม่: ปญั ญาประดษิ ฐเ์ พ่อื การวิเคราะห์ทางการเกษตร อ.ดร.ภัทรมน วุฒพิ ทิ ยามงคล

P a g e | 42

ภาพที่ 5.6 ภาพการทำงานคำสงั่ nested if ในภาษาไพทอน (Python)

ภาพที่ 5.7 ภาพการทำงานคำส่ัง nested if ในภาษาซี (C)

หลักสตู รการอบรมพฒั นาเกษตรกรรุ่นใหม่: ปญั ญาประดษิ ฐเ์ พ่อื การวเิ คราะห์ทางการเกษตร อ.ดร.ภัทรมน วฒุ พิ ิทยามงคล

P a g e | 43

5.2 ข้นั ตอนการแกไ้ ขของปัญหา
การแก้ปัญหาดว้ ยกระบวนการเทคโนโลยีสารสนเทศ ไมไ่ ด้หมายถึงเพยี งแค่การใช้คอมพวิ เตอร์ในการ

แก้ปัญหา แต่หมายถึงการแก้ปัญหาอย่างเป็นระบบ (systematically) และมีประสิทธิภาพ (efficiently) ใน
ประสิทธิภาพ หมายถึง การที่สามารถคิดวิธีแก้ปัญหาที่รวดเร็ว ใช้ทรัพยากรของระบบน้อย เช่น ใช้
หน่วยความจำนอ้ ย ใช้ฮาร์ดดิสก์น้อย หรือสามารถใช้ซพี ียทู ี่มีความเร็วตำ่ ในการประมวลผลเพ่ือแก้ปัญหานีไ้ ด้
เปน็ ต้น

5.2.1 การกำหนดปัญหา
การวิเคราะห์และกำหนดรายละเอียดของปัญหา (State the problem) ขั้นตอนนี้เป็นขั้นตอนแรก
สุดก่อนที่จะลงมือแก้ปัญหา แต่ผู้แก้ปัญหามักจะมองข้ามความสำคัญของขั้นตอนนี้อยู่เสมอ จุดประสงค์ของ
ขั้นตอนนี้ คือ การทำความเข้าใจกับปัญหาเพื่อแยกให้ออกว่า ข้อมูลที่กำหนดมาในปัญหาหรือเงื่อนไขของ
ปัญหาคืออะไร สิ่งที่ต้องการคืออะไร และวิธีการที่ใช้ประมวลผลเป็นอย่างไร โดยสรุป องค์ประกอบในการ
วิเคราะห์ปญั หามดี ังนี้
1. กำหนดขอบเขตของปัญหา โดยกำหนดรายละเอียดให้ชัดเจนว่าจะให้คอมพิวเตอร์ทำอะไร ตัวแปร
คา่ คงทท่ี ่ีตอ้ งใช้เป็นลกั ษณะใด ถา้ หากเราไม่กำหนดขอบเขตของปญั หาจะทำให้คอมพวิ เตอร์ตัดสินได้
ยากวา่ ข้อมูลตา่ งๆ ที่เกดิ ข้ันน้ันถกู หรือผดิ
2. กำหนดลักษณะของขอ้ มูลเข้าและออกจากระบบ (Input/Output Specification) โดยต้องรู้ว่าข้อมูล
ที่จะส่งเข้าไปเป็นอย่างไร เพื่อให้โปรแกรมทำการประมวลผล และแสดงผลลัพธ์ เช่น การรับค่าจาก
คียบ์ อรด์ การใช้เมาส์ การกำหนดปุ่มต่างๆ ลักษณะการแสดงผลทางหน้าจอ ว่าจะให้มีรูปร่างอย่างไร
โดยคำนึงถึงผ้ใู ช้เปน็ หลักในการออกแบบโปรแกรม
3. กำหนดวิธีการประมวลผล (Processing Specification) โดยต้องรู้ว่าจะให้คอมพิวเตอร์ทำการ
ประมวลผลอย่างไร จึงได้ผลลัพธ์ตามต้องการ

ตัวอยา่ ง : แสดงวิธีการวิเคราะหก์ ารทำงานของการหาคา่ ทีน่ อ้ ยกว่า โดยกำหนด 2 คา่ คอื 3 และ 5 จากนั้น
ทำการเทียบคา่ ทั้งสองค่าว่าค่าแรกนอ้ ยกว่าค่าทส่ี องหรือไม่ จากองคป์ ระกอบในการวิเคราะหแ์ ละกำหนด
รายละเอยี ดของปัญหา

1. การระบุข้อมลู เขา้ : ในโจทยก์ ำหนดใหค้ า่ แรกคือเลข 3 และค่าสองคอื เลข 5
2. การระบุขอ้ มูลออก : จากโจทยส์ ่งิ ทีเ่ ป็นคำตอบของปญั หา คอื แสดงคา่ ผลลพั ธท์ อี่ อกมา
3. การกำหนดวธิ ีการประมวลผล : จากโจทย์ ส่งิ ทต่ี ้องการคือ การตรวจสอบค่า หมายถึง การ

เปรยี บเทยี บท้งั สองค่าว่า คา่ แรกนอ้ ยกวา่ ค่าทสี่ องจริงไหม ดงั น้นั ขนั้ ตอนในการประมวลผลคอื
รับค่าจำนวนทง้ั 2 จำนวน
นำคา่ แรกมาเปรียบเทียบกบั ค่าทีส่ องว่านอ้ ยกวา่ ไหม
ถา้ เปน็ จรงิ จะแสดงผลลพั ธ์ของคำตอบออกมาคือ เป็นจริง

หลักสตู รการอบรมพฒั นาเกษตรกรรุ่นใหม่: ปญั ญาประดษิ ฐ์เพ่ือการวเิ คราะห์ทางการเกษตร อ.ดร.ภทั รมน วุฒพิ ทิ ยามงคล

P a g e | 44

หรือถา้ เป็นเทจ็ จะแสดงผลลัพธข์ องคำตอบออกมาคอื เปน็ เท็จ
5.2.2 การเขียนผังงาน (Flowchart)
หลังจากทไี่ ด้วิเคราะห์ปัญหาแล้ว ข้ันตอนตอ่ ไปจะต้องใช้เคร่ืองมือท่ีช่วยในการออกแบบโปรแกรม ซึ่ง
ยังไม่ได้เป็นโปรแกรมจริง ๆ แต่จะช่วยให้เขียนโปรแกรมได้ง่ายขึน้ และทำให้ผู้อื่นนำโปรแกรมไปพัฒนาต่อได้
งา่ ยข้นึ โดยเขียนเปน็ ลำดับข้ันตอนการทำงานของโปรแกรม ซ่ึงจะแสดงข้ันตอนการแก้ปัญหา โดยใชป้ ระโยคท่ี
ชัดเจน ไม่คลุมเครือ และมีรายละเอียดการทำงานพอสมควรเพียงพอที่จะนำไปเขียนเป็นโปรแกรมให้ทำงาน
จริง โดยอาจเขียนใหอ้ ยใู่ นรูปผังงาน (Flowchart) โดยจะใช้สัญลักษณ์ตา่ ง ๆ แทนการทำงานและทิศทางของ
โปรแกรม ดงั นี้

ภาพที่ 5.8 ภาพสว่ นประกอบของสญั ลักษณ์ในผงั งาน
ทม่ี า : (http://www.surasak.ac.th/Document/webprogramc/images/flowchart.jpg)

หลักสตู รการอบรมพฒั นาเกษตรกรรนุ่ ใหม่: ปญั ญาประดิษฐ์เพื่อการวเิ คราะห์ทางการเกษตร อ.ดร.ภทั รมน วฒุ ิพิทยามงคล