หน่วยสมรรถนะ

หน่วยสมรรถนะ

อธิบายหลักการทำงานของปัญญาประดิษฐ์

สมรรถนะสนับสนุนการทำงานด้านการใช้ปัญญาประดิษฐ์


รายละเอียดหน่วยสมรรถนะ


1. รหัสหน่วยสมรรถนะ AI-YNJS-005

2. ชื่อหน่วยสมรรถนะ อธิบายหลักการทำงานของปัญญาประดิษฐ์

3. ทบทวนครั้งที่ / 2568

4. สร้างใหม่ ปรับปรุง

5. สำหรับชื่ออาชีพและรหัสอาชีพ (Occupational Classification)
N/A

6. คำอธิบายหน่วยสมรรถนะ (Description of Unit of Competency)

ผู้ที่ผ่านสมรรถนะนี้จะสามารถอธิบายหลักการทำงานของปัญญาประดิษฐ์ อธิบายกระบวนการทำงานของปัญญาประดิษฐ์ ขอบเขตของเทคโนโลยีปัญญาประดิษฐ์ (AI Technology Landscape) อธิบายความสำคัญของข้อมูลสำหรับการประมวลผลปัญญาประดิษฐ์ ตลอดจนให้คำสั่งกับปัญญาประดิษฐ์เชิงสร้างสรรค์ (Prompt for Generative AI)

7. สำหรับระดับคุณวุฒิ
1 2 3

8. กลุ่มอาชีพ (Sector)
N/A

9. ชื่ออาชีพและรหัสอาชีพอื่นที่หน่วยสมรรถนะนี้สามารถใช้ได้ (ถ้ามี)
N/A

10. ข้อกำหนดหรือกฎระเบียบที่เกี่ยวข้อง (Licensing or Regulation Related) (ถ้ามี)
N/A

11. สมรรถนะย่อยและเกณฑ์การปฏิบัติงาน (Elements and Performance Criteria)
หน่วยสมรรถนะย่อย (EOC) เกณฑ์ในการปฏิบัติงาน (Performance Criteria) รหัส PC
(ตามเล่มมาตรฐาน)		 รหัส PC
(จากระบบ)
70021

อธิบายกระบวนการทำงานของปัญญาประดิษฐ์

1.1 ระบุกระบวนการการรับรู้ของปัญญาประดิษฐ์

 70021.01 230422
70021

อธิบายกระบวนการทำงานของปัญญาประดิษฐ์

1.2 ระบุกระบวนการการแทนค่าและการใช้เหตุผลของปัญญาประดิษฐ์

 70021.02 230423
70021

อธิบายกระบวนการทำงานของปัญญาประดิษฐ์

 1.3 ระบุกระบวนการการเรียนรู้ของปัญญาประดิษฐ์ 70021.03 230424
70021

อธิบายกระบวนการทำงานของปัญญาประดิษฐ์

 1.4 ระบุกระบวนการปฏิสัมพันธ์ตามธรรมชาติของปัญญาประดิษฐ์ 70021.04 230425
70021

อธิบายกระบวนการทำงานของปัญญาประดิษฐ์

 1.5 ระบุกระบวนการผลกระทบทางสังคมของปัญญาประดิษฐ์ 70021.05 230426
70022

อธิบายขอบเขตของเทคโนโลยีปัญญาประดิษฐ์ (AI Technology Landscape)

 2.1 ระบุขอบเขตเทคโนโลยีการเรียนรู้ของเครื่อง (Machine Learning) 70022.01 230431
70022

อธิบายขอบเขตของเทคโนโลยีปัญญาประดิษฐ์ (AI Technology Landscape)

 2.2 ระบุขอบเขตเทคโนโลยีการเรียนรู้เชิงลึก (Deep Learning) 70022.02 230432
70022

อธิบายขอบเขตของเทคโนโลยีปัญญาประดิษฐ์ (AI Technology Landscape)

 2.3 ระบุขอบเขตเทคโนโลยีการประมวลผลภาษาธรรมชาติ (Natural Language Processing-NLP) 70022.03 230433
70022

อธิบายขอบเขตของเทคโนโลยีปัญญาประดิษฐ์ (AI Technology Landscape)

 2.4 ระบุขอบเขตเทคโนโลยีการมองเห็นของเครื่อง (Computer Vision) 70022.04 230434
70022

อธิบายขอบเขตของเทคโนโลยีปัญญาประดิษฐ์ (AI Technology Landscape)

 2.5 ระบุขอบเขตเทคโนโลยีปัญญาประดิษฐ์เชิงสร้างสรรค์ (Generative AI) 70022.05 230435
70022

อธิบายขอบเขตของเทคโนโลยีปัญญาประดิษฐ์ (AI Technology Landscape)

 2.6 ระบุขอบเขตเทคโนโลยีระบบผู้ช่วยปัญญาประดิษฐ์ (Agentic AI) 70022.06 230436
70023

อธิบายความสำคัญของข้อมูลสำหรับการประมวลผลปัญญาประดิษฐ์

 3.1 ระบุประเภทข้อมูลสำหรับการประมวลผลปัญญาประดิษฐ์ 70023.01 230437
70023

อธิบายความสำคัญของข้อมูลสำหรับการประมวลผลปัญญาประดิษฐ์

 3.2 ระบุข้อมูลที่มีคุณภาพสำหรับการประมวลผลปัญญาประดิษฐ์ 70023.02 230438
70023

อธิบายความสำคัญของข้อมูลสำหรับการประมวลผลปัญญาประดิษฐ์

 3.3 ระบุข้อมูลที่ไม่มีคุณภาพสำหรับการประมวลผลของปัญญาประดิษฐ์ 70023.03 230439
70024

ให้คำสั่งกับปัญญาประดิษฐ์เชิงสร้างสรรค์ (Prompt for Generative AI)

 4.1 ให้คำสั่งกับปัญญาประดิษฐ์เชิงสร้างสรรค์แบบไม่กำหนดแนวทางการตอบ (Zero-shot Prompting) 70024.01 230440
70024

ให้คำสั่งกับปัญญาประดิษฐ์เชิงสร้างสรรค์ (Prompt for Generative AI)

 4.2 ให้คำสั่งกับปัญญาประดิษฐ์เชิงสร้างสรรค์แบบกำหนดแนวทางการตอบเพียงเล็กน้อย (Few-shot Prompting) 70024.02 230441

12. ความรู้และทักษะก่อนหน้าที่จำเป็น (Pre-requisite Skill & Knowledge)
N/A

13. ทักษะและความรู้ที่ต้องการ (Required Skills and Knowledge)

(ก) ความต้องการด้านทักษะ

1. สามารถอธิบายพื้นฐานของกระบวนการทำงานของปัญญาประดิษฐ์ 

2. สามารถแยกแยะขอบเขตของเทคโนโลยีปัญญาประดิษฐ์ (AI Technology Landscape)

3. สามารถวิเคราะห์ความสำคัญของข้อมูลสำหรับการประมวลผลของปัญญาประดิษฐ์

4. สามารถให้คำสั่งกับปัญญาประดิษฐ์เชิงสร้างสรรค์ (Prompt for Generative AI)

(ข) ความต้องการด้านความรู้

1. พื้นฐานของกระบวนการทำงานของปัญญาประดิษฐ์

2. ข้อมูลและการประมวลผลของปัญญาประดิษฐ์

3. คำสั่งกับปัญญาประดิษฐ์เชิงสร้างสรรค์ (Prompt for Generative AI)

4. ความหมายของการเรียนรู้ของเครื่อง (Machine Learning)

5. ความหมายของการเรียนรู้เชิงลึก (Deep Learning)

6. ความหมายของการประมวลผลภาษาธรรมชาติ (Natural Language Processing-NLP)

7. ความหมายของการมองเห็นของเครื่อง (Computer Vision)

8. ความหมายของปัญญาประดิษฐ์เชิงสร้างสรรค์ (Generative AI) 

9. ความหมายของระบบผู้ช่วยปัญญาประดิษฐ์ (Agentic AI)

14. หลักฐานที่ต้องการ (Evidence Guide)

วิธีการประเมิน

ข้อสอบข้อเขียนแบบปรนัยชนิด 4 ตัวเลือก

15. ขอบเขต (Range Statement)

(ก) คำแนะนำ

หน่วยสมรรถนะนี้เป็นเรื่องของพื้นฐานของกระบวนการทำงานของปัญญาประดิษฐ์ ขอบเขตของเทคโนโลยีปัญญาประดิษฐ์ (AI Technology Landscape) ความสำคัญของข้อมูลสำหรับการประมวลผลปัญญาประดิษฐ์ ข้อมูลและการประมวลผลของปัญญาประดิษฐ์ การให้คำสั่งกับปัญญาประดิษฐ์เชิงสร้างสรรค์ (Prompt for Generative AI)

(ข) คำอธิบายรายละเอียด

1. อธิบายกระบวนการทำงานของปัญญาประดิษฐ์ มีขอบเขตครอบคลุม พื้นฐานของกระบวนการทำงานของปัญญาประดิษฐ์ ได้แก่




  • การรับรู้ (Perception) หมายถึง ความสามารถของปัญญาประดิษฐ์ ในการรวบรวมและประมวลผลข้อมูลจากสภาพแวดล้อมผ่านประสาทสัมผัส เช่น การมองเห็นด้วยคอมพิวเตอร์ (Computer Vision), การรู้จำเสียง (Speech Recognition) และการประมวลผลภาษาธรรมชาติ (Natural Language Processing)

  • การแทนค่าและการใช้เหตุผล (Representation & Reasoning) หมายถึง ปัญญาประดิษฐ์ ต้องสามารถจัดเก็บและแสดงข้อมูลในรูปแบบที่ช่วยให้เข้าใจและใช้เหตุผลได้ การเรียนรู้ (Learning) หมายถึง ปัญญาประดิษฐ์ มีความสามารถในการเรียนรู้จากข้อมูลและประสบการณ์ เช่น การเรียนรู้ของเครื่อง (Machine Learning) และโครงข่ายประสาทเทียม (Neural Networks) ซึ่งช่วยให้ระบบสามารถพัฒนาและปรับปรุงความสามารถได้อย่างต่อเนื่อง

  • ปฏิสัมพันธ์ตามธรรมชาติ (Natural Interaction) หมายถึง การที่ปัญญาประดิษฐ์สามารถโต้ตอบกับมนุษย์ได้ในลักษณะที่เป็นธรรมชาติ เช่น การสื่อสารด้วยภาษาธรรมชาติ การรู้จำเสียง และการตอบสนองต่ออารมณ์ของผู้ใช้

  • ผลกระทบทางสังคม (Societal Impact) หมายถึง ปัญญาประดิษฐ์ ส่งผลกระทบต่อสังคมในด้านต่าง ๆ ทั้งในเชิงบวกและลบ เช่น การเพิ่มประสิทธิภาพการทำงาน การสร้างโอกาสทางเศรษฐกิจ แต่ในขณะเดียวกันก็ต้องพิจารณาประเด็นด้านจริยธรรม ความเป็นส่วนตัว และความยุติธรรมของการใช้ปัญญาประดิษฐ์ 



2. อธิบายขอบเขตของเทคโนโลยีปัญญาประดิษฐ์ (AI Technology Landscape) มีขอบเขตครอบคลุม การอธิบายความหมายของเทคโนโลยีปัญญาประดิษฐ์ ได้แก่




  • เทคโนโลยีการเรียนรู้ของเครื่อง (Machine Learning) คือ เทคโนโลยีปัญญาประดิษฐ์ที่สามารถเรียนรู้ด้วยตนเองจากข้อมูลตัวอย่างโดยปราศจากการป้อนคำสั่งของนักพัฒนา

    การเรียนรู้ของเครื่อง (Machine Learning) ประกอบได้ด้วยข้อมูลและเครื่องมือทางสถิติเพื่อทำนายผลลัพธ์ออกมา ผลลัพธ์ในที่นี้ถูกใช้เพื่อทำประโยชน์กับภายในองค์กรเชิงลึก

  • เทคโนโลยีการเรียนรู้เชิงลึก (Deep Learning) คือ เทคโนโลยีปัญญาประดิษฐ์ที่เลียนแบบการทำงานของสมองมนุษย์ในกระบวนการประมวลผลข้อมูลและเป็นการสร้างรูปแบบ สำหรับใช้ในการตัดสินใจ 

  • เทคโนโลยีการประมวลผลภาษาธรรมชาติ (Natural Language Processing-NLP) คือ เทคโนโลยีปัญญาประดิษฐ์ที่ทำให้คอมพิวเตอร์สามารถตีความและเข้าใจภาษาของมนุษย์ ทำให้สื่อสารและวิเคราะห์ข้อมูลต่าง ๆ ออกมาได้เหมือนกับภาษาที่มนุษย์ใช้ 

  • เทคโนโลยีการมองเห็นของเครื่อง (Computer Vision) คือ เทคโนโลยีปัญญาประดิษฐ์ที่ทำให้คอมพิวเตอร์สามารถเข้าใจและตีความข้อมูลจากภาพถ่ายหรือวิดีโอได้ โดยใช้เทคนิคการประมวลผลภาพและการเรียนรู้ของเครื่องเพื่อทำงานต่าง ๆ เช่น การรู้จำวัตถุ การตรวจจับใบหน้า และการวิเคราะห์ภาพทางการแพทย์

  • เทคโนโลยีปัญญาประดิษฐ์เชิงสร้างสรรค์ (Generative AI) คือ เทคโนโลยีปัญญาประดิษฐ์ที่มีความสามารถในการสร้างเนื้อหาใหม่ในหลากหลายรูปแบบ เช่น ข้อความ ภาพ วิดีโอ ซอร์สโค้ด หรือรูปแบบอื่น เป็นต้น ตามข้อความหรือคำสั่ง (Prompt) ที่มนุษย์เป็นผู้กำหนด

  • เทคโนโลยีระบบผู้ช่วยปัญญาประดิษฐ์ (Agentic AI) คือ เทคโนโลยีปัญญาประดิษฐ์ที่สามารถดำเนินการและตัดสินใจด้วยตนเอง โดยมีลักษณะคล้าย “ตัวแทน” (Agent) ที่เข้าใจ

    เป้าหมาย รวมถึงมีความสามารถในการปรับตัวตามสถานการณ์ต่าง ๆ ได้



3. อธิบายความสำคัญของข้อมูลสำหรับการประมวลผลปัญญาประดิษฐ์ มีขอบเขตครอบคลุม การอธิบายความหมายของบทบาทของข้อมูลที่ใช้สร้างปัญญาประดิษฐ์ ความแตกต่างระหว่างข้อมูล

ที่มีคุณภาพและข้อมูลที่ไม่มีคุณภาพ ข้อมูลเป็นองค์ประกอบที่สำคัญที่สุดของระบบปัญญาประดิษฐ์ เนื่องจากระบบปัญญาประดิษฐ์อาศัยข้อมูลในการเรียนรู้ ทำความเข้าใจ และตัดสินใจเกี่ยวกับปัญหาต่าง ๆ




  • ข้อมูลที่มีคุณภาพ คือ ข้อมูลที่ครบถ้วน ถูกต้อง และมีความสมดุล สามารถเรียนรู้ได้แม่นยำ ลดความผิดพลาดในการคาดการณ์หรือการตัดสินใจ ลดความเข้าใจผิดของผู้ใช้งาน

    สร้างความเชื่อถือได้ เป็นกลางและมีความยุติธรรม ลดปัญหาความลำเอียง (Bias) ที่อาจนำไปสู่การเลือกปฏิบัติ

  • ข้อมูลที่ไม่มีคุณภาพ คือ ข้อมูลที่ไม่ครบถ้วน ไม่ถูกต้อง ไม่สมดุล หรือมีความลำเอียง (Bias) ซึ่งอาจทำให้ปัญญาประดิษฐ์ตัดสินใจไม่เป็นธรรม ได้ผลลัพธ์ที่ไม่แม่นยำ นอกจากนี้

    ยังอาจทำให้เกิดความล่าช้าและการใช้ทรัพยากรมากเกินไป เนื่องจากต้องใช้เวลามากในการทำความสะอาดข้อมูล (Cleansing Data)



4. ให้คำสั่งกับปัญญาประดิษฐ์เชิงสร้างสรรค์ (Prompt for Generative AI) มีขอบเขตครอบคลุม การให้คำสั่งกับปัญญาประดิษฐ์แบบไม่กำหนดแนวทางการตอบ (Zero-shot Prompting)

และการให้คำสั่งกับปัญญาประดิษฐ์แบบกำหนดแนวทางการตอบเพียงเล็กน้อย (Few-shot Prompting)




  • Zero-shot Prompting คือ การให้คำสั่งหรือคำถามกับปัญญาประดิษฐ์เชิงสร้างสรรค์ (Generative AI) โดยไม่ให้แนวทาง ตัวอย่าง หรือข้อจำกัดในการตอบ ในระบบปัญญาประดิษฐ์ จะต้องใช้ความรู้ที่มีอยู่ในการประมวลผลและสร้างคำตอบขึ้นมาเอง โดยผู้ใช้งานต้องเข้าใจหลักการพื้นฐาน เพื่อให้ระบบปัญญาประดิษฐ์ทำงานได้โดยไม่ต้องเรียนรู้คำสั่งที่ซับซ้อน

  • Few-shot Prompting คือ การให้คำสั่งกับปัญญาประดิษฐ์เชิงสร้างสรรค์ (Generative AI) โดยมีตัวอย่างหรือแนวทางการตอบบางส่วน เพื่อช่วยให้ปัญญาประดิษฐ์ เข้าใจบริบทและตอบสนองได้แม่นยำยิ่งขึ้น โดยผู้ใช้งานต้องเข้าใจคำถาม เพื่อลดความสับสนและความผิดพลาดของคำตอบ โดยเฉพาะคำตอบที่ต้องการกำหนดรูปแบบเฉพาะ

16. หน่วยสมรรถนะร่วม (ถ้ามี)
N/A

17. อุตสาหกรรมร่วม/กลุ่มอาชีพร่วม (ถ้ามี)
N/A

18. รายละเอียดกระบวนการและวิธีการประเมิน (Assessment Description and Procedure)

1. เครื่องมือการประเมิน อธิบายกระบวนการทำงานของปัญญาประดิษฐ์

    ข้อสอบข้อเขียนแบบปรนัยชนิด 4 ตัวเลือก

2. เครื่องมือการประเมิน อธิบายขอบเขตของเทคโนโลยีปัญญาประดิษฐ์ (AI Technology Landscape)

    ข้อสอบข้อเขียนแบบปรนัยชนิด 4 ตัวเลือก

3. เครื่องมือการประเมิน อธิบายความสำคัญของข้อมูลสำหรับการประมวลผลปัญญาประดิษฐ์

    ข้อสอบข้อเขียนแบบปรนัยชนิด 4 ตัวเลือก

4. เครื่องมือการประเมิน ให้คำสั่งกับปัญญาประดิษฐ์เชิงสร้างสรรค์ (Prompt for Generative AI)

    ข้อสอบข้อเขียนแบบปรนัยชนิด 4 ตัวเลือก

กลับ

ยินดีต้อนรับ