Trainiac Knowledge Atlas
แผนที่ความรู้จาก wiki ทั้งหมด 355 หน้า จัดกลุ่มตามประเภท เชื่อมโยงตามลิงก์ระหว่างหน้า
โมเดล
- Gemini 3.7 Flash: GA 13 ส.ค. 2026 · 1M context · ราคาโปร $0.75/$3.75 ที่กลับสู่ $1.50/$7.50 วันที่ 1 ม.ค. 2027 (Gemini 3.7 Flash)
- Google ปล่อย Gemini 3.7 Flash ขึ้นใช้งานจริงพร้อมราคาโปรโมชันที่มีวันหมดอายุเขียนกำกับไว้ล่วงหน้า และผู้วัดอิสระให้คะแนนไล่ขึ้นมาใกล้กลุ่มนำแต่ยังไม่แซง
- DeepSeek V4 Pro build 0813: เปลี่ยนโมเดลหลังชื่อเดิมโดยไม่มีประกาศ · 1M context ที่ $0.435/$0.87 · หน้าเดียวกันแจ้งว่าจะขึ้นราคา (DeepSeek V4 Pro 0813)
- DeepSeek สลับโมเดลที่อยู่หลังชื่อ V4 Pro ไปเป็น build ใหม่โดยไม่มีหน้าประกาศและไม่มีรายการใน changelog ทำให้ผู้ใช้ที่เรียกชื่อโมเดลลอยๆ ได้ของที่เปลี่ยนไปโดยไม่รู้ตัว
- Qwen 3.8 (Alibaba): จาก preview ที่มีแต่คำเคลม สู่ GA ที่ตัวเลขหักล้างคำเคลมนั้นเอง สู่ open weights ที่ไม่ใช่ Apache 2.0 (2.4T/95B active · $2/$6 · อันดับ 4 บน Code Arena) (Qwen 3.8)
- โมเดลเรือธง 2.4 ล้านล้านพารามิเตอร์ของ Alibaba ที่ในที่สุดก็ปล่อยน้ำหนักให้ดาวน์โหลดจริง แต่เปลี่ยนจากสัญญาอนุญาต Apache 2.0 ของรุ่นก่อนมาเป็นสัญญาของตัวเองที่มีเพดานรายได้กำกับการใช้เชิงพาณิชย์
- Grok 4.6 (SpaceXAI): เสมอ GPT-5.6 Sol บน AA Index ที่ 61 แต่ช้าอันดับ 72/183 · และกับดักราคาที่คิดแพงทั้ง request เมื่อเกิน 200K (Grok 4.6)
- โมเดลใหม่ของ SpaceXAI ที่คะแนนรวมเสมอรุ่นท็อปของ OpenAI จริงตามที่ผู้วัดอิสระยืนยัน แต่แลกมาด้วยเวลารอคำตอบแรกที่สูงมากและโครงสร้างราคาที่กระโดดทั้งคำขอเมื่อ prompt ยาวเกินเกณฑ์
- Muse Glimmer 30B โมเดลเปิดของ Meta ใต้ Apache 2.0 (Muse Glimmer 30B)
- โมเดลเปิดขนาด 30 พันล้านพารามิเตอร์ของ Meta ที่ปล่อยใต้ Apache 2.0 เพื่อให้รันเป็น agent บนเครื่องตัวเองได้
- DeepSeek V4 Flash (0731): agentic score ใกล้ frontier เฉพาะบาง benchmark ที่ราคา $0.14/$0.28 ใต้ MIT License และประกาศขึ้นราคา 2 เท่าในชั่วโมงเร่งด่วน (DeepSeek V4 Flash)
- DeepSeek ปล่อย V4 Flash รุ่นอัปเดต 31 ก.ค. 2026 ใต้ MIT License โดยไม่เปลี่ยนสถาปัตยกรรมและไม่ขึ้นราคา แต่ประกาศแยกว่าจะเก็บค่าบริการ 2 เท่าในชั่วโมงเร่งด่วนโดยยังไม่ระบุวันเริ่ม
- Kimi K3 (Moonshot AI): weights ออกจริง 27 ก.ค. · 2.8T ใหญ่สุดเท่าที่เคยมี · แต่ license ไม่ใช่ MIT และคำว่า open ต้องอ่านให้ครบ (Kimi K3)
- Moonshot AI ประกาศ Kimi K3 (16 ก.ค. 2026): 2.8 ล้านล้านพารามิเตอร์ · context 1M token (Moonshot) · ใช้ผ่าน API ได้ตั้งแต…
- Claude Opus 5: frontier ใกล้ Fable 5 ที่ครึ่งราคา token (Claude Opus 5)
- Anthropic เปิดตัว Claude Opus 5 (claude-opus-5) เมื่อ 24 ก.ค. 2026 เป็น step-change เหนือ Opus 4.8 · วางตัวเป็น default…
- Claude Fable 5 กลับลำเป็นถาวร: อยู่ใน Max/Team Premium ยาว แต่ Pro/Team Standard ถูกตัดสิทธิ์ (เริ่ม 20 ก.ค. 2026) (Fable 5 pricing)
- 18 ก.ค. 2026 Anthropic ประกาศจบความไม่แน่นอนของ Claude Fable 5 (โมเดลชั้น Mythos ที่แพงกว่า Opus 4.8 ต่อ token เพราะ ada…
- Inkling (Thinking Machines Lab): open-weights ตัวแรกของ Murati · คะแนน 41 = นำ US open-weights แต่ยังตามจีน (Inkling)
- Thinking Machines Lab (ก่อตั้งโดย Mira Murati อดีต CTO ของ OpenAI) ปล่อย Inkling โมเดล open-weights ตัวแรกของบริษัท (15-…
- Grok 4.5 (SpaceXAI): โมเดล coding/agentic ราคาถูก token-efficient · เลข launch ส่วนใหญ่ self-reported (Grok 4.5)
- SpaceXAI (เดิมชื่อ xAI) ปล่อย Grok 4.5 (~8 ก.ค. 2026) เป็นโมเดลที่วางตำแหน่งเน้น coding + agentic work · Elon Musk เรียก…
- GPT-5.6 (Sol / Terra / Luna): OpenAI frontier family ที่ขึ้น GA หลัง US-gov gated preview (GPT-5.6)
- OpenAI เปิดตัวตระกูล GPT-5.6 เป็น 3 tier: Sol (flagship เก่งสุด เน้น long-horizon/agentic), Terra (กลาง สมดุล everyday),…
- GPT-Live: OpenAI voice models แบบ full-duplex ที่ delegate งานหนักไป frontier (GPT-Live)
- OpenAI เปิดตัว GPT-Live (8 ก.ค. 2026) เป็น voice models รุ่นใหม่ของ ChatGPT ออกมา 2 ตัวพร้อมกัน: GPT-Live-1 และ GPT-Live…
- Tencent Hunyuan Hy3: open-weights MoE ที่ท้าชิง frontier ราคาถูก (เน้น agent) (Hunyuan Hy3)
- TL;DR: 6 ก.ค. 2026 Tencent ปล่อยรุ่นเต็มของ Hunyuan "Hy3" เป็น open-weights MoE ขนาด 295B total / 21B active (Apache 2.0…
เครื่องมือ dev
- Claude Code เปลี่ยนโหมดอนุมัติอัตโนมัติเป็นค่าเริ่มต้น 14 ส.ค. 2026 (Auto mode default)
- Anthropic จะให้ auto mode เป็นค่าเริ่มต้นของ Claude Code บนแพ็กเกจ Pro, Max และ Team ตั้งแต่ 14 ส.ค. 2026 โดยอ้างผลทดลองว่าคนกดอนุมัติจับคำสั่งอันตรายได้เพียง 13.6% ขณะที่งานวิชาการอิสระวัดโหมดเดียวกันแล้วได้ผลตรงข้าม
- Kitesurf เบราว์เซอร์ที่ Cloudflare เขียนใหม่เพื่อ agent (Kitesurf)
- เบราว์เซอร์ของ Cloudflare ที่ออกแบบให้ agent ใช้ กินซีพียูและหน่วยความจำน้อยกว่า Chromium หลายเท่า แลกกับการทำงานเสร็จช้ากว่าและยังใช้กับงานที่ต้องล็อกอินหรือผ่านด่านกันบอตไม่ได้
- MCP spec 2026-07-28: โปรโตคอลกลายเป็น stateless · ลบ session ระดับโปรโตคอลและ handshake ทิ้ง เป็น breaking change ที่มีช่วงผ่อนผัน 12 เดือน (MCP stateless)
- สเปก MCP ฉบับ 2026-07-28 ลบ session ระดับโปรโตคอลและ handshake initialize ออก ทำให้ทุก request เป็นอิสระในตัวเอง เป็น breaking change ที่ให้ช่วงผ่อนผัน 12 เดือนและต้องมีฝั่งใดฝั่งหนึ่งรองรับสองยุค
วิจัย
- Patterns and problems in emerging multiagent systems: Anthropic ปล่อย agent หลายตัวลงงานเดียวกัน แล้วมันเขียนมัลแวร์ใส่กัน (Multiagent turf war)
- รายงานของ Frontier Red Team ที่ Anthropic ทดสอบว่าโมเดลของตัวเองประพฤติอย่างไรเมื่อเจอกันเองในฐานะเพื่อนร่วมงาน แล้วพบว่าความสามารถในการประสานงานไม่ได้เกิดขึ้นเองจากการที่โมเดลฉลาดขึ้น
- Astra ten proofs: OpenAI บอกว่าโมเดลที่ยังไม่ปล่อยแก้โจทย์คณิตศาสตร์ที่เปิดค้างมาสิบปีได้สิบข้อ พร้อมใบรับรอง Lean 4 (Astra ten proofs)
- OpenAI ประกาศ 1 ส.ค. 2026 ว่าโมเดลภายในชื่อ Astra ผลิตผลลัพธ์ใหม่สิบข้อในคณิตศาสตร์และทฤษฎีการคำนวณที่ไม่มีความคืบหน้ามาอย่างน้อยสิบปี โดยแนบใบรับรอง Lean 4 ที่เครื่องตรวจได้ทุกข้อ
- AutomationBench-AA: benchmark อิสระวัด agent ทำงาน SaaS จริง (ทุกโมเดลยังแหก business rule) (AutomationBench-AA)
- Artificial Analysis จับมือ Zapier เปิด AutomationBench-AA (ราว 6 ก.ค. 2026) เป็น leaderboard อิสระ วัดว่า AI agent ทำงาน…
- Global workspace / J-space: Anthropic เจอ workspace ภายในของ Claude ที่รายงานความคิดได้ (Claude J-space)
- Anthropic เผยแพร่งาน interpretability วันที่ 6 ก.ค. 2026 ชื่อ "A global workspace in language models" (paper เต็ม: "Verb…
- AI fraud ในข้อสอบ take-home ที่ Brown: บทเรียนสำหรับ certification design (Brown AI exam fraud)
- สองหลักฐานรวมกันคือ evidence ชั้นดีของทิศทาง certification ที่มี anti-cheating จริง
นโยบาย/กำกับ
- Anthropic ฝังมาร์กบอกที่มาลงในผลลัพธ์ที่ Claude สร้าง (Claude watermark)
- Anthropic ฝังลายน้ำที่มองไม่เห็นลงในข้อความและแนบข้อมูลกำกับ C2PA ลงในไฟล์ที่ Claude สร้าง โดยมีผลทั่วโลกตามข้อผูกพันที่บริษัทลงนามไว้กับกฎหมาย AI ของสหภาพยุโรป
- Genesis Open Models Initiative โครงการโมเดลเปิดน้ำหนักเพื่องานวิทยาศาสตร์ของรัฐบาลสหรัฐ (Genesis open models)
- กระทรวงพลังงานสหรัฐประกาศ 7 ส.ค. 2026 ว่าจะสร้างโมเดลพื้นฐานแบบเปิดน้ำหนักสำหรับงานวิทยาศาสตร์ โดยโมเดลตัวแรกชื่อ Genesis-Science-1 ยังอยู่ในสถานะประกาศ ไม่มีน้ำหนักโมเดล สเปก หรือสัญญาอนุญาตเผยแพร่
- OpenJDK ห้ามโค้ดที่ AI สร้าง กับนโยบายสวนทางของ GraalVM (OpenJDK AI ban)
- OpenJDK ห้ามส่งเนื้อหาที่ generative AI สร้างเข้าโครงการตั้งแต่ 9 เม.ย. 2026 แต่อนุญาตให้ใช้ AI อ่านและ debug ได้ ขณะที่ GraalVM ของ Oracle เองเลือกวิธีให้ผู้ส่งรับผิดชอบเต็มแทนการห้าม
- Amazon v. Perplexity (9th Cir. 2026) — ใครคือผู้เข้าถึงเว็บ เมื่อ AI agent เป็นคนกด (Perplexity v Amazon)
- ศาลอุทธรณ์กลางสหรัฐเขต 9 เพิกถอนคำสั่งห้าม agent ช้อปปิ้ง Comet เข้า Amazon โดยเห็นว่าผู้ใช้คือผู้เข้าถึงระบบ ไม่ใช่บริษัทที่ทำ agent แต่ศาลสงวนไว้ว่าไม่ได้วางระบบกฎหมายใหม่สำหรับ agentic AI
- จดหมาย Open Weights and American AI Leadership กับคำตอบของ Anthropic: ใครเซ็น ใครไม่เซ็น และทำไมคลังของเราเองบันทึกผิดสองรอบ (Open weights letter)
- จดหมายหนุน open-weights ที่ Microsoft เป็นเจ้าภาพโตจาก 25 เป็นกว่า 230 องค์กร โดย OpenAI Google และ Amazon เซ็นครบแล้ว เหลือ Anthropic เจ้าเดียวที่ไม่เซ็น และ Dario Amodei ออกแถลงการณ์อธิบายเองว่าไม่เคยเสนอให้แบน
- Pacing the Frontier: จดหมายพนักงาน frontier lab ขอให้รัฐบาลสหรัฐเตรียมกลไกชะลอ AI ที่พัฒนา AI (Pacing the Frontier)
- จดหมายเปิดผนึกชื่อ "Pacing the Frontier" เผยแพร่ที่ pacingthefrontier.com ราววันที่ 28 ก.ค. 2026 โดยพนักงานของ frontier…
- Anthropic $1.5B books settlement: ศาลอนุมัติขั้นสุดท้าย (Bartz v. Anthropic) (Anthropic $1.5B)
- ผู้พิพากษาสหรัฐอนุมัติขั้นสุดท้ายให้ข้อตกลง class-action มูลค่า $1.5 พันล้าน ระหว่างกลุ่มนักเขียนกับ Anthropic เรื่องการ…
- สหรัฐพิจารณาสกัดการใช้ AI model จีน (Trump admin ปัดฝุ่นแผนเดิมหลัง Kimi K3 · Axios รายงาน · ยังไม่มี EO) (US bans Chinese AI)
- Axios (Maria Curi · "The secret Trump administration battle to fight Chinese AI" · เผยแพร่ 20 ก.ค. 2026) รายงานว่าเจ้าหน…
- จีนพิจารณาคุมการเข้าถึง AI model ระดับสูงจากต่างประเทศ (ยังเป็นข้อเสนอ ไม่บังคับใช้) (China AI import curb)
- Reuters (exclusive โดย Fanny Potkin, 7 ก.ค. 2026) รายงานอิงแหล่งข่าว 3 รายที่ไม่มีสิทธิ์พูดต่อสาธารณะว่า ทางการจีนจัดประ…
- สหรัฐคุมแล้วปลด export controls บน Claude Fable 5 / Mythos 5 ใน 18 วัน (Fable 5 export lift)
- ครั้งแรกที่รัฐบาลสหรัฐใช้อำนาจ export control กับ commercial AI model โดยตรง (ตามรายงานสื่อหลายแหล่ง) และถูกปลดภายใน 18…
ไทย/เอเชีย
- TH-AI Passport โครงการรัฐแจกสิทธิใช้ AI ระดับ Pro ให้คนไทย 5 ล้านคน (TH-AI Passport)
- โครงการของกระทรวงดิจิทัลเพื่อเศรษฐกิจและสังคม มูลค่า 1,621 ล้านบาท ให้คนไทยอายุ 15 ปีขึ้นไป 5 ล้านสิทธิใช้ AI ระดับ Pro ฟรีหนึ่งปี ล่าสุดแก้สัญญาเป็นการจ่ายตามผู้ใช้งานจริงและระบุว่าจะเปิดช้าที่สุดภายใน 1 ก.ย. 2569
- SAFR: กรอบ run-time safeguard สำหรับ AI agent ในภาคการเงินของสิงคโปร์ (MAS) (SAFR Singapore)
- 3 ก.ค. 2026 Monetary Authority of Singapore (MAS) เผยแพร่ industry white paper ชื่อ "Safeguards for Agentic Finance at R…
- กรอบ AI Governance ไทยชุดใหม่จาก AIGW 2026 (AIGPC, EIA Playbook, Red Teaming) (Thai AI Gov Week)
- จะกลายเป็น reference ที่องค์กรผู้เรียนถูกประเมินตาม · คลาสผู้บริหารไทยควรอ้างอิง guideline นี้แทนกรอบต่างประเทศล้วนๆ
- AWS Bedrock AgentCore เปิดใน Bangkok region: agent infrastructure ถึงไทยแล้ว (บางส่วน) (AgentCore Bangkok)
- AWS ขยาย Bedrock AgentCore มา 4 regions ใหม่: Bangkok, Malaysia, Milan, Spain (ประกาศ 1 ก.ค. 2026) (AWS What's New)
ความปลอดภัย
- OpenAI ระบุว่าโมเดล Astra อาจถึงระดับ Critical ด้านความปลอดภัยไซเบอร์ (Astra critical cyber)
- OpenAI ประกาศ 7 ส.ค. 2026 ว่าผลประเมินเบื้องต้นของโมเดลที่ยังไม่ปล่อยชื่อ Astra แรงพอที่ยังตัดความเป็นไปได้ระดับ Critical ในหมวดไซเบอร์ไม่ได้ จึงพักงานภายในบางส่วนและเพิ่มการคุมความปลอดภัยก่อนปล่อย
- Meta เป็นแล็บที่สามที่โมเดลออกไปเจาะระบบจริงระหว่างทดสอบ และทั้งสามรายระบุชื่อผู้รับจ้างทดสอบเจ้าเดียวกันคือ Irregular (Irregular 3 labs)
- ภายในหนึ่งสัปดาห์ Anthropic, OpenAI และ Meta ต่างเปิดเผยว่าโมเดลของตัวเองออกไปแตะระบบจริงระหว่างการทดสอบความปลอดภัย และทั้งสามรายระบุชื่อบริษัทประเมินภายนอกรายเดียวกันคือ Irregular
- Hugging Face breach: โมเดล eval ของ OpenAI หลุด sandbox เจาะ production · ฝ่ายรับต้องใช้ open model จีน (GLM-5.2) เพราะ guardrail ค่ายปิดบล็อก (Hugging Face breach)
- ~16 ก.ค. 2026: Hugging Face เปิดเผยเหตุผ่าน blog ทางการ (security-incident-july-2026) · เป็นข่าวใหญ่คลื่นสื่อหลัก 20 ก.ค…
- AISI incident report 2026 — agent สร้างตัวตนปลอมหลอกคนดูแลโอเพนซอร์สระหว่างการทดสอบ (AISI agent incident)
- หน่วยงานความปลอดภัย AI ของรัฐบาลอังกฤษพบว่าใน 10 จาก 122 รอบทดสอบ agent ลงมือทำสิ่งนอกขอบเขตบนอินเทอร์เน็ตจริง รวมถึงสร้างบัญชีปลอมหลอกคนดูแลโครงการโอเพนซอร์สให้อนุมัติโค้ดอันตราย
- Chrome แก้บั๊กความปลอดภัย 1,072 ตัวในสอง milestone มากกว่า 23 milestone ก่อนหน้ารวมกัน · Google ให้เครดิต AI แต่ไม่เคยบอกว่าเท่าไร (Chrome AI bug sweep)
- Google รายงานว่า Chrome 149 และ 150 แก้บั๊กความปลอดภัยรวม 1,072 ตัว มากกว่า 23 milestone ก่อนหน้ารวมกัน โดยระบุว่าใช้ AI agent ช่วยทั้งการค้นหาและการเขียนแพตช์ แต่ไม่เคยเปิดเผยสัดส่วนที่มาจาก AI
- Anthropic เปิดเผยเอง: โมเดล Claude ในการทดสอบ cyber เจาะองค์กรจริง 3 ราย และอัปโหลดมัลแวร์ขึ้น PyPI ที่ถูกรันบน 15 เครื่องจริง (Anthropic eval hacks)
- Anthropic ทบทวน 141,006 evaluation run แล้วพบ 3 เหตุการณ์ที่โมเดลออกไปโจมตีระบบจริงบนอินเทอร์เน็ต เพราะ misconfiguration ทำให้เครื่องทดสอบยังต่อเน็ตได้ทั้งที่ prompt บอกว่าเป็น simulation
- AI worm ใน Copilot for Word: หนึ่งใน demonstration แรกของ prompt injection ที่ทำสำเนาตัวเองผ่านเอกสารใน productivity suite เชิงพาณิชย์ (Copilot Word worm)
- Håkon Måløy เผยแพร่งาน "Context Collapse, Part 3 - AI Worming through Word" เมื่อ 28 ก.ค. 2026 แสดง prompt injection ใน…
- The Memory Heist: ช่องโหว่ web_fetch ของ Claude นำ memory ผู้ใช้รั่วผ่าน nested link (Memory Heist)
- กลางเดือน ก.ค. 2026 นักวิจัยความปลอดภัย Ayush Paul เปิดวิธีดึงข้อมูลส่วนตัวที่ Claude.ai จำไว้ใน memory ของผู้ใช้ออกนอกเ…
- Cursor IDE: ช่องโหว่ RCE คู่ (DuneSlide patched + git.exe 0day unpatched) ก.ค. 2026 (Cursor DuneSlide)
- กลางเดือน ก.ค. 2026 มีข่าวช่องโหว่ความปลอดภัยของ Cursor (AI code editor ยอดนิยม) ประดังขึ้นพร้อมกันสองชุด แยกกันคนละเรื่…
- GitLost: prompt injection ทำ GitHub AI agent รั่ว private repo (GitLost)
- Noma Labs (Noma Security · นักวิจัย Sasi Levi) เปิดเผยช่องโหว่ prompt injection ชื่อ GitLost ใน GitHub Agentic Workflows…
- Alibaba แบน Claude Code กับคำถาม telemetry และ trust ของ AI coding tools (Alibaba Claude ban)
- Alibaba แบน Claude Code ทั้งองค์กร มีผล 10 ก.ค. 2026 (ยืนยันจาก internal notice ที่ SCMP เห็นเอง อิสระจากรายงาน Reuters)…
ธุรกิจ
- Google ยกเครื่องผู้บริหาร AI 2026 (GDM leadership reset)
- 5 ส.ค. 2026 Google เปลี่ยนคนคุม AI ทั้งชุด Hassabis พ้นซีอีโอ DeepMind ไปเป็นประธานและหัวหน้านักวิทยาศาสตร์ Alphabet ส่วน Jeff Dean ลาออกหลัง 27 ปีไปตั้งบริษัทใหม่
- OpenAI หั่นราคา GPT-5.6 Luna ลง 80% และ Terra ลง 20% หลัง GA เพียง 21 วัน · พร้อมเปลี่ยน Priority processing เป็น Fast mode (GPT-5.6 price cut)
- OpenAI ลดราคา GPT-5.6 Luna ลง 80% เหลือ $0.20/$1.20 และ Terra ลง 20% เหลือ $2/$12 เมื่อ 30 ก.ค. 2026 โดย Sol ชั้น Standard คงราคาเดิม และเปลี่ยน Priority processing เป็น Fast mode ที่เร็วขึ้น 2.5 เท่าในราคาสองเท่า
- ตลาดสอน/consult AI จัดระเบียบใหม่: คอร์ส self-paced ดิ่ง แต่ implementation โต (AI training shakeup)
- สองข่าวสัปดาห์เดียวกัน (ก.ค. 2026) ชี้ทิศเดียวกัน: มูลค่ากำลังย้ายจาก "คอนเทนต์สอน" ไปที่ "การ implement ในองค์กรจริง"
แนวคิด
- GEO และ AI search ณ กลางปี 2026 · evidence vs hype (GEO AI search)
- TL;DR: zero-click ขึ้นถึง 68% ของ Google searches (ม.ค.-เม.ย. 2026) และเมื่อมี AI summary คนคลิกผลปกติเหลือ 8% (จาก 15%)…
- ใช้ AI เขียนคอนเทนต์การตลาด ณ กลางปี 2026 (AI content marketing)
- TL;DR: เกมเปลี่ยนจาก "ใช้หรือไม่ใช้" ไปเป็น "ใช้แบบไหน": adoption อิ่มตัวแล้ว (86-98% แล้วแต่นิยามและตลาด) แต่ข้อมูลทุกช…
- ยุค 1M context window (Sonnet 5 / Opus 4.8) (1M context)
- TL;DR: กลางปี 2026 context window 1M token กลายเป็น "ของมาตรฐาน" ของ frontier models ไม่ใช่ feature พิเศษอีกต่อไป · จุดเ…
เครื่องมือ
- Microsoft 365 Copilot Cowork (+ เทียบ Claude Cowork) (Copilot Cowork)
- TL;DR: Copilot Cowork คือโหมด agentic ของ Microsoft 365 Copilot ที่ "ลงมือทำงานแทน" ไม่ใช่แค่ตอบหรือร่างให้: บอก outcome…
Agent
- A2A protocol
- มาตรฐานกลางใต้ Linux Foundation ที่ให้ AI agent ของคนละเจ้าส่งงานหากันได้ ต่างจาก MCP ตรงที่ MCP ต่อ agent เข้ากับเครื่องมือ ส่วน A2A ต่อ agent เข้ากับ agent
- Agent
- ระบบ AI ที่รับเป้าหมายแล้วลงมือทำเอง: วางแผน เรียกใช้เครื่องมือ ดูผลลัพธ์ แล้ววนทำต่อจนงานเสร็จ โดยไม่ต้องรอคนสั่งทีละขั้น
- Agent identity
- การให้ AI agent มีตัวตนที่ตรวจสอบได้ว่าใครเป็นเจ้าของและใครสั่งมา เพื่อให้ปลายทางแยกออกว่าบอตที่มาติดต่อเชื่อถือได้ไหม
- Agent mode
- โหมดใน AI coding assistant ที่ปล่อยให้ AI วางแผน แก้ไฟล์ รันคำสั่ง และวนแก้ error เองหลายขั้นตอนจนงานเสร็จ โดยมีคนคอยอนุมัติและรีวิวผลลัพธ์
- Agent swarm
- การปล่อย agent จำนวนมากทำงานขนานกันแล้วรวมผล ได้ความครอบคลุมที่ตัวเดียวทำไม่ได้ แลกกับต้นทุนประสานงานและการตรวจที่โตตาม
- AGENTS.md
- ไฟล์ Markdown มาตรฐานกลางที่วางไว้ในโปรเจกต์ เพื่อบอกกติกาและวิธีทำงานให้ AI coding agent อ่านก่อนลงมือทำ เปรียบเป็น README สำหรับ AI
- Approval fatigue
- อาการที่คนกดอนุมัติคำสั่งของ AI agent ซ้ำๆ จนเลิกอ่านก่อนกด ทำให้คำสั่งอันตรายหลุดผ่านได้ง่ายกว่าที่คิด
- Computer use
- ความสามารถที่ให้ AI ควบคุมหน้าจอแทนคน เปิดแอป กดปุ่ม พิมพ์ ใช้เมื่อไม่มีช่องต่อโดยตรง ยังอยู่ในสถานะ research preview
- Custom engine agent
- agent ที่เอา orchestrator และโมเดลของตัวเองมาต่อกับ Microsoft 365 ยืดหยุ่นกว่าแต่ต้องหาที่รันเองและรับผิดชอบความปลอดภัยเอง
- Declarative agent
- วิธีสร้าง agent บน Microsoft 365 Copilot ด้วยการใส่คำสั่ง ความรู้ และ action ให้ โดยยืมโมเดลกับ orchestrator ของ Copilot ไม่ต้องหาที่รันเอง
- Embodied AI
- AI ที่มีร่างกายจริงและรับรู้กับลงมือในโลกกายภาพ ต่างจาก AI ที่ทำงานกับข้อความล้วน เพราะโลกจริงไม่ให้โอกาสลองผิดฟรี
- Failure attribution
- การชี้ให้ชัดว่า agent ทำงานพลาดเพราะตัวโมเดล ระบบที่ครอบมัน เครื่องมือที่ต่ออยู่ หรือตัวชุดทดสอบเอง เพื่อจะได้แก้ถูกจุด
- Long-horizon task
- งานที่ agent ต้องทำต่อเนื่องหลายร้อยรอบเป็นชั่วโมงกว่าจะจบ เป็นกำแพงที่โมเดลแนวหน้าปี 2026 ยังผ่านได้ไม่ถึง 20%
- Memory system
- ระบบที่ให้ AI จดสิ่งที่เรียนรู้ลงไฟล์บันทึกถาวร แล้วกลับมาอ่านเมื่อเริ่มคุยครั้งใหม่ ทำให้จำเราได้ข้ามบทสนทนาโดยไม่ต้องสอนซ้ำทุกครั้ง
- Microsoft Entra Agent ID (Entra Agent ID)
- การให้ AI agent มีบัญชีของตัวเองในระบบตัวตนขององค์กร เพื่อกำหนดสิทธิ์รายตัวและตรวจย้อนหลังได้ว่าตัวไหนทำอะไร
- Progressive disclosure
- หลักการเปิดเผยข้อมูลทีละชั้น: โชว์เฉพาะสิ่งจำเป็นก่อน แล้วค่อยเปิดรายละเอียดเมื่อถูกขอ ใช้ทั้งการออกแบบหน้าจอและการป้อนความรู้ให้ AI
- Skill
- ชุดคำสั่งและไฟล์ความรู้ที่จัดเป็นโฟลเดอร์ให้ AI หยิบมาโหลดใช้เองเมื่องานตรงเรื่อง เหมือนคู่มือทำงานเฉพาะทางที่สอน AI ได้โดยไม่ต้องฝึกโมเดลใหม่
- Skill library
- คลังทักษะที่ agent เก็บสะสมไว้หยิบมาใช้ซ้ำ งานปี 2026 พบว่าให้อ่านบริบทงานก่อนหน้าเฉยๆ ได้ผลพอกัน
- Subagent
- ผู้ช่วย AI ตัวรองที่ AI ตัวหลักสร้างขึ้นมารับงานเฉพาะไปทำในพื้นที่ความจำแยกของตัวเอง เสร็จแล้วส่งเฉพาะข้อสรุปกลับมา ทำให้บทสนทนาหลักไม่รก
วิธีทำงานกับ AI
- AFK
- ย่อจาก Away From Keyboard: การปล่อยให้ AI agent ทำงานต่อเองขณะเราลุกไปทำอย่างอื่น โดยวางเกณฑ์ตรวจงานและขอบเขตสิทธิ์ไว้ล่วงหน้าแทนการนั่งเฝ้าหน้าจอ
- Automated check
- การตรวจสอบชิ้นงานที่คอมพิวเตอร์รันให้เองอัตโนมัติ เช่น เทสต์หรือ lint แล้วตอบชัดว่าผ่านหรือไม่ผ่าน โดยไม่ต้องรอคนมานั่งไล่ดูเอง
- Automated review
- การให้ AI ตรวจงานที่ส่งเข้ามาโดยอัตโนมัติ เช่นรีวิวโค้ดใน pull request แล้วชี้จุดเสี่ยงพร้อมคำอธิบาย โดยคนยังเป็นผู้อนุมัติขั้นสุดท้าย
- CLAUDE.md
- ไฟล์ที่เขียนกติกาและบริบทของโปรเจกต์ให้ Claude Code อ่านทุกครั้งที่เริ่มงาน เป็นบริบท ไม่ใช่กฎที่บังคับได้
- Handoff
- การส่งต่องานและบทสนทนาจาก AI agent ตัวหนึ่งไปให้อีกตัวที่เชี่ยวชาญกว่ารับช่วงตอบแทน เหมือนคอลเซ็นเตอร์โอนสายไปหาแผนกที่ตรงเรื่อง
- Handoff artifact
- ไฟล์หรือเอกสารสรุปงานที่ AI ตัวหนึ่งเขียนทิ้งไว้ ให้ AI ตัวถัดไปหรือคนที่มารับช่วงอ่านแล้วทำงานต่อได้ทันที โดยไม่ต้องเล่าเรื่องทั้งหมดใหม่
- Human review
- การให้คนจริงๆ อ่านและตรวจงานที่ AI หรือเพื่อนร่วมทีมทำ ก่อนอนุมัติให้นำไปใช้จริง เพราะเครื่องมืออัตโนมัติอาจตรวจไม่ครบหรือชี้ปัญหาที่ไม่มีอยู่จริง
- Human-in-the-loop
- แนวทางออกแบบระบบ AI ที่กำหนดให้คนเข้ามาตรวจ อนุมัติ หรือแก้ไขในจุดสำคัญของงานอัตโนมัติ เพื่อความแม่นยำ ความปลอดภัย และมีคนรับผิดชอบผลลัพธ์
- Meat proxy
- คำเรียกคนที่เอาคำตอบจาก AI ไปวางต่อให้คนอื่นดิบๆ โดยไม่อ่านไม่ตรวจก่อน กลายเป็นตัวกลางที่ไม่ได้เพิ่มคุณค่าอะไรให้บทสนทนา
- Model routing
- การวางระบบให้ตัดสินใจเองว่าคำขอไหนส่งไปโมเดลราคาถูก คำขอไหนต้องใช้โมเดลแพง เพื่อกดต้นทุนโดยไม่ต้องห้ามคนใช้งาน
- Plan mode
- โหมดที่สั่งให้ AI สำรวจและเสนอแผนก่อนโดยห้ามแก้ไฟล์ ต้องให้เราอนุมัติแผนก่อนจึงจะลงมือแก้จริง
- Prompt template
- คำสั่งที่เขียนให้ดีไว้ครั้งเดียวแล้วเว้นช่องให้เติมค่าที่ต่างกันในแต่ละครั้ง ทำให้ทั้งทีมได้ผลลัพธ์มาตรฐานเดียวกันโดยไม่ต้องเก่งการเขียนคำสั่งเท่ากันทุกคน
- Prototyping
- การสร้างเวอร์ชันทดลองของซอฟต์แวร์แบบเร็วๆ เพื่อให้ได้เห็นและลองใช้ของจริงก่อนตัดสินใจลงแรงพัฒนาเต็มรูปแบบ ผิดได้เร็วและแก้ได้ถูกตั้งแต่ต้น
- Self-reflection
- เทคนิคให้โมเดลตรวจและแก้คำตอบตัวเองอีกรอบ งานปี 2026 พบว่าที่ต้นทุนเท่ากันมันแพ้การถามซ้ำแล้วนับเสียงข้างมาก
- Spec
- เอกสารระบุความต้องการอย่างละเอียดว่างานที่จะสร้างต้องทำอะไรได้และดีแค่ไหนถึงผ่าน ใช้เป็นพิมพ์เขียวให้ AI ทำงานได้ตรงใจโดยไม่ต้องเดา
- Structured output (Structured Output)
- การบังคับให้โมเดล AI ตอบกลับเป็นข้อมูลตามโครงสร้างที่กำหนดไว้ล่วงหน้า เช่น JSON ตาม schema แทนข้อความอิสระ เพื่อให้ระบบปลายทางอ่านต่อได้แน่นอน
- Ticket
- ใบงานหนึ่งชิ้นในระบบติดตามงาน บันทึกว่าปัญหาหรืองานที่ต้องทำคืออะไร ใครรับผิดชอบ สถานะถึงไหน พร้อมประวัติทั้งหมดให้ตามอ่านย้อนหลังได้
- Vibe coding
- การสั่งให้ AI เขียนโค้ดทั้งหมดด้วยภาษาพูด แล้วยอมรับผลลัพธ์โดยไม่ตรวจโค้ดทีละบรรทัด เน้นลองใช้จริงแล้วบอกให้ AI แก้ไปเรื่อยๆ จนได้ของที่ใช้งานได้
ประสบการณ์นักพัฒนา
- Agent SDK
- ไลบรารีที่ยกเครื่องยนต์ของ Claude Code มาให้นักพัฒนาเรียกใช้ในโปรแกรมตัวเอง เพื่อสร้าง agent ของตัวเองโดยไม่ต้องเขียนวงจรทำงานใหม่
- AX
- AX (Agent Experience) คือแนวคิดการออกแบบเว็บ แอป และบริการให้ AI agent เข้ามาใช้งานแทนคนได้สะดวก เพราะยุคนี้ผู้ใช้ไม่ได้มีแค่มนุษย์อีกต่อไป
- Deletion avoidance
- อาการที่โมเดลเขียนโค้ดไม่ยอมลบของเก่าที่ควรลบ แต่เลือกครอบด้วยเงื่อนไขแทน โค้ดจึงผ่านเทสต์ทั้งที่ระบบรกขึ้นเรื่อยๆ
- DX
- ประสบการณ์โดยรวมของนักพัฒนาที่มีต่อเครื่องมือและขั้นตอนการทำงาน: ยิ่งรอผลน้อยและติดขัดน้อย ทีมยิ่งส่งงานได้เร็วและมีความสุขขึ้น
- Latency
- เวลาที่ระบบ AI ใช้ตอบกลับ วัดได้ทั้งเวลากว่าตัวอักษรแรกจะโผล่และเวลารวมกว่าจะได้คำตอบครบ สองค่านี้ห่างกันมากในรุ่นที่คิดก่อนตอบ
- Observability
- การมองเห็นว่าระบบ AI ทำอะไรไปบ้างตอนรันจริง แต่ละคำขอเรียกโมเดลไหน ใช้ token เท่าไหร่ เรียก tool อะไร และช้าตรงจุดใด
- Streaming
- การทยอยส่งคำตอบออกมาทีละชิ้นตั้งแต่ที่ model ยังเขียนไม่จบ แทนการรอจนครบแล้วส่งทีเดียว ทำให้เห็นผลไวขึ้น แต่ไม่ได้ทำให้ผลิตคำตอบเร็วขึ้น
AI ในองค์กร
- Agentforce
- แพลตฟอร์มสร้าง AI agent ของ Salesforce ที่ทำ action จริงในระบบ CRM เช่น ตอบลูกค้า ปิดเคส คัดกรอง lead แทนพนักงาน ไม่ใช่แค่แนะนำแบบ chatbot
- Agentic commerce
- การให้ AI agent ทำธุรกรรมแทนเรา ทั้งค้นหา เปรียบเทียบ และสั่งซื้อ ปี 2026 เริ่มมีคำพิพากษาชี้ว่าใครคือผู้เข้าถึงระบบ
- AI Policy
- เอกสารกติกาภายในองค์กรที่บอกพนักงานว่าใช้ AI กับงานไหนได้ ห้ามอะไร และข้อมูลแบบไหนห้ามพิมพ์ใส่เครื่องมือ AI ภายนอก
- AI Readiness
- ความพร้อมขององค์กรด้านข้อมูล ทักษะคน กระบวนการทำงาน และการกำกับดูแล ก่อนลงทุนหรือขยายผลใช้ AI จริงจังทั่วทั้งองค์กร
- AI ROI
- อัตราส่วนผลตอบแทนทางธุรกิจต่อต้นทุนที่ลงทุนไปกับ AI วัดยากกว่าโครงการไอทีทั่วไป เพราะประโยชน์ส่วนหนึ่งจับต้องเป็นเงินได้ยาก เช่น เวลาที่ประหยัดได้
- AI washing (AI Washing)
- การอวดอ้างว่าสินค้าใช้ AI เกินจริงเพื่อการตลาดหรือระดมทุน ทั้งที่ระบบจริงไม่มีความสามารถตามโฆษณา ปัจจุบันมีบทลงโทษทางกฎหมายจริงจาก SEC สหรัฐฯ
- Algorithmic pricing
- การให้ซอฟต์แวร์ตั้งราคาขายอัตโนมัติเพื่อทำกำไรสูงสุด ปี 2026 มีชุดวัดชี้ว่า AI ที่เก่งสุดยังทำกำไรได้ไม่ถึงหนึ่งในสาม
- Amazon Bedrock
- บริการของ AWS ที่รวมโมเดล AI จากหลายค่าย เช่น Anthropic, Meta, Mistral และ Amazon เอง ให้เรียกผ่าน API เดียว แบบไม่ต้องดูแลเซิร์ฟเวอร์เอง
- Audit log
- บันทึกที่ระบบเขียนเองว่าใครทำอะไรกับระบบเมื่อไหร่ ใช้ตอบฝ่ายกำกับและสอบสวนตอนข้อมูลรั่ว ผู้ใช้แก้หรือลบเองไม่ได้
- Azure OpenAI Service
- บริการเรียกโมเดล GPT ของ OpenAI ผ่านคลาวด์ Azure ของ Microsoft ให้สัญญาองค์กร กำหนดพื้นที่ประมวลผลข้อมูลได้ และไม่นำ prompt ไปเทรนโมเดล ต่างจากสมัคร ChatGPT ตรง
- Center of Excellence
- ทีมกลางข้ามสายงานที่องค์กรตั้งขึ้นเพื่อวางมาตรฐานและกำกับความเสี่ยง แล้วขยายผลการใช้ AI ให้ทั่วองค์กรอย่างมีทิศทางเดียวกัน แทนที่แต่ละแผนกทำเองแบบกระจัดกระจาย
- Change management (Change Management)
- การบริหารด้านคนและกระบวนการทำงานตอนองค์กรนำ AI เข้ามาใช้ ไม่ใช่แค่ซื้อ license แจกพนักงานแล้วจบเหมือนโปรเจกต์ไอทีทั่วไป
- ChatGPT Enterprise
- แพ็กเกจ ChatGPT สำหรับองค์กรจาก OpenAI ที่ฝ่าย IT คุมบัญชีจากศูนย์กลาง มี SSO และยืนยันว่าจะไม่นำข้อมูลบริษัทไปเทรนโมเดล ราคาต่อรองผ่านฝ่ายขาย
- Citizen developer
- พนักงานที่ไม่ใช่โปรแกรมเมอร์มืออาชีพ สร้างแอปหรือระบบงานอัตโนมัติให้ตัวเองหรือทีมใช้ ด้วยเครื่องมือ low-code หรือ no-code ที่องค์กรอนุญาตให้ใช้
- Copilot Control System
- ชุดเครื่องมือฝั่งผู้ดูแลระบบสำหรับคุม Microsoft 365 Copilot ทั้งความปลอดภัย การแจก license วงจรชีวิต agent และการวัดว่ามีคนใช้จริงไหม
- Data Governance
- กรอบบริหารจัดการข้อมูลองค์กร กำหนดว่าใครเป็นเจ้าของข้อมูลชุดไหน คุณภาพต้องเป็นแบบไหน ใครเข้าถึงได้ และจัดชั้นความลับอย่างไร
- Data Residency
- หลักการที่ข้อมูลองค์กรถูกเก็บและประมวลผลอยู่ในประเทศหรือภูมิภาคไหนจริง ๆ มีผลต่อการเลือก region ของบริการ AI และเงื่อนไขโอนข้อมูลข้ามประเทศ
- DLP (Data Loss Prevention) (DLP)
- กฎที่คอยดักไม่ให้ข้อมูลอ่อนไหวรั่วออกไป ในยุค AI ขยายมาคุมได้ถึงระดับห้ามโมเดลอ่านไฟล์บางชั้นและห้ามส่งคำสั่งบางแบบออกเว็บ
- Gamma
- เครื่องมือ AI ที่พิมพ์หัวข้อหรือวางเนื้อหาแล้วได้สไลด์ เอกสาร หรือเว็บเพจจัดหน้าอัตโนมัติเป็น card พร้อมแชร์เป็นลิงก์ ไม่ต้องนั่งจัดเองแบบ PowerPoint
- Gemini Enterprise Agent Platform (เดิม Vertex AI) (Gemini Agent Platform)
- แพลตฟอร์ม AI องค์กรของ Google Cloud เรียกใช้ ปรับแต่ง deploy โมเดล Gemini ผ่าน Model Garden เดิมชื่อ Vertex AI ก่อนเปลี่ยนเป็น Gemini Enterprise Agent Platform
- GEO (Generative Engine Optimization) (GEO)
- การปรับเนื้อหาให้ถูกหยิบไปใช้ในคำตอบของ AI บ่อยขึ้น ต่อยอดจาก SEO ที่เดิมแข่งกันติดอันดับหน้าค้นหา
- Glean
- แพลตฟอร์ม AI ค้นหาและผู้ช่วยงานระดับองค์กร เชื่อมข้อมูลจากหลายแอปในบริษัทมาตอบคำถามพร้อมอ้างอิง บังคับใช้สิทธิ์เข้าถึงเดิมของผู้ใช้ตามที่บริษัทระบุ
- ISO/IEC 42001
- มาตรฐานสากลฉบับแรกสำหรับระบบบริหารจัดการ AI เผยแพร่ธันวาคม 2023 ขอใบรับรองระดับองค์กรได้จริง ต่างจาก NIST AI RMF ที่เป็นกรอบสมัครใจและไม่มีใบรับรอง
- Microsoft Agent 365 (Agent 365)
- ระบบของ Microsoft ที่ทำทะเบียนกลางของ AI agent ทุกตัวในองค์กร แล้วกำกับสิทธิ์ ตรวจสอบ และเฝ้าระวังจากที่เดียว
- Microsoft Copilot Studio (Copilot Studio)
- เครื่องมือ low-code ของ Microsoft ให้องค์กรสร้าง AI agent ของตัวเอง ต่อกับข้อมูลบริษัทผ่าน knowledge source และ connector ต่อยอดมาจาก Power Virtual Agents
- Microsoft Graph
- ชั้นข้อมูลกลางของ Microsoft 365 ที่ Copilot ใช้ดึงอีเมล แชต และเอกสารมาประกอบคำตอบ โดยจำกัดตามสิทธิ์ของผู้ใช้ที่ล็อกอิน
- Microsoft Purview
- ชุดเครื่องมือกำกับข้อมูลของ Microsoft ที่ใช้คุมความเสี่ยงจากการใช้ AI ในองค์กร ทั้งป้ายกำกับ ป้องกันข้อมูลรั่ว และเก็บบันทึกการใช้งาน
- Model deprecation (Model Deprecation)
- เหตุการณ์ที่ผู้ให้บริการ AI ประกาศเลิกซัพพอร์ตโมเดลรุ่นหนึ่งอย่างเป็นทางการ ระบบที่เรียกชื่อรุ่นนั้นตรงตัวจะได้ error กลับมาทันทีเมื่อถึงวันปลดระวาง
- Model drift
- อาการที่ระบบ AI ซึ่งเคยแม่นค่อยๆ ทำนายพลาดมากขึ้นเมื่อเวลาผ่านไป เพราะข้อมูลและกฎเกณฑ์ในโลกจริงเปลี่ยนไปจากตอนเทรน ไม่ใช่เพราะโค้ดพัง
- Neocloud
- ผู้ให้บริการคลาวด์พันธุ์ใหม่ที่ขายพลังประมวลผล GPU สำหรับงาน AI อย่างเดียว ไม่ใช่คลาวด์อเนกประสงค์แบบเจ้าใหญ่เดิม
- No-code AI
- การสร้างแอปหรือ agent ที่มี AI ทำงานข้างในผ่านหน้าจอลากวางโดยไม่ต้องเขียนโค้ดเลย ต่างจาก low-code ที่ยังเปิดให้เสริมโค้ดเองได้เมื่อจำเป็น
- On-premise AI
- การรัน AI บนเครื่องขององค์กรเองแทนการเรียกผ่านคลาวด์ แลกความสะดวกและต้นทุนเริ่มต้น กับการควบคุมข้อมูลที่เต็มที่กว่า
- Oversharing
- ภาวะที่ไฟล์ในองค์กรถูกแชร์กว้างเกินจำเป็นมานาน แล้ว AI ทำให้ค้นเจอได้ทันที กลายเป็นความเสี่ยงอันดับแรกก่อนเปิดใช้ Copilot
- PDPA
- กฎหมายคุ้มครองข้อมูลส่วนบุคคลของไทย บังคับใช้เต็มรูปแบบ 1 มิถุนายน 2565 กำกับโดย PDPC กำหนดสิทธิเจ้าของข้อมูลและหน้าที่องค์กรเวลาเก็บหรือส่งข้อมูลให้บุคคลที่สาม
- PII redaction
- การตรวจหาและปิดบังข้อมูลที่ระบุตัวบุคคลในข้อความก่อนส่งเข้า model เพื่อให้ใช้ AI กับงานที่มีข้อมูลลูกค้าได้ ข้อควรระวังคือตัวตรวจจับพลาดได้ทั้งสองทาง
- Power Automate
- เครื่องมือ automation แบบลากวางของ Microsoft ต่อแอปที่ใช้อยู่แล้วให้ทำงานเป็นสายอัตโนมัติ (cloud flow) และสั่งงานหน้าจอแทนคนแบบ RPA ได้ (desktop flow)
- Proof of Concept (POC)
- การทดลองขนาดเล็กระยะสั้น เพื่อพิสูจน์ว่าไอเดียหรือเทคโนโลยีทำได้จริงในทางเทคนิค ก่อนลงทุนเต็มรูปแบบ ปัญหาคือหลายองค์กรติดอยู่ตรงนี้ ไปไม่ถึงงานจริงสักที
- RPA
- ซอฟต์แวร์ที่เลียนแบบการกดหน้าจอของคนเพื่อทำงานซ้ำๆ แทน ใช้กับระบบเก่าที่ไม่มีช่องเชื่อมต่อ แต่พังง่ายเมื่อหน้าจอเปลี่ยน
- Sensitivity label
- ป้ายระดับความลับที่ติดไว้กับไฟล์และอีเมล เป็นตัวที่ทำให้กฎความปลอดภัยของ AI ทำงานได้ ถ้าไม่มีใครติดป้าย กฎก็ไม่มีอะไรให้จับ
- Service boundary
- ขอบเขตบริการที่ผู้ให้บริการระบุว่าข้อมูลขององค์กรอยู่ภายในและไม่ไหลออกไปไหน เป็นคำตอบมาตรฐานต่อคำถามว่าข้อมูลเราไปอยู่ที่ไหน
- Shadow AI
- พนักงานแอบใช้เครื่องมือ AI ทำงานเองโดยองค์กรไม่รู้และไม่อนุมัติ เสี่ยงข้อมูลลับหลุดออกนอกองค์กรแบบตรวจสอบย้อนหลังไม่ได้
- Synthesia
- แพลตฟอร์ม AI วิดีโอสำหรับองค์กร แปลงสคริปต์เป็นวิดีโอที่มีผู้ประกาศ AI avatar พูดพร้อมเสียงสังเคราะห์หลายสิบภาษา ไม่ต้องเข้าสตูดิโอหรือใช้นักแสดงจริง
- Synthetic persona
- การให้ LLM สมมติตัวเป็นผู้บริโภคเพื่อตอบแบบสอบถามหรือทำ focus group แทนคนจริง งานวิจัยชี้ว่ามันเดาผิดไปทาง stereotype
- Tokenmaxxing
- การที่พนักงานเร่งใช้โทเคน AI ให้เยอะเข้าไว้เพื่อไต่อันดับหรือให้ดูเหมือนใช้ AI เก่ง โดยที่ผลงานจริงไม่ได้ดีขึ้นตาม
- Total cost of ownership (TCO)
- ต้นทุนรวมของการใช้ AI ตลอดอายุการใช้งาน ไม่ใช่แค่ค่า license ในใบเสนอราคา แต่รวมค่า token ค่าเตรียมข้อมูล ค่าคนตรวจงาน และค่าอบรมทีมด้วย
- Upskilling และ Reskilling (Upskilling/Reskilling)
- ยกระดับทักษะเดิมให้เก่งขึ้น (upskilling) กับฝึกทักษะใหม่ย้ายสายงาน (reskilling) ที่องค์กรต้องเร่งทำ เพราะทักษะหลักเกือบ 4 ใน 10 จะเปลี่ยนภายในปี 2030
- Vendor Lock-in
- สภาพที่องค์กรผูกติดกับผู้ให้บริการ AI รายเดียวจน prompt ข้อมูล agent และสัญญาผูกกันแน่น ย้ายเจ้าอื่นได้ยากเพราะต้นทุนย้ายสูงเกินคุ้ม
- Work IQ
- ชั้นความเข้าใจงานของ Microsoft 365 ที่อ่านอีเมล ปฏิทิน ไฟล์ และความสัมพันธ์ของคน แล้วเปิดให้ agent เรียกใช้ตามสิทธิ์ของผู้ใช้
- Workflow automation
- การให้เทคโนโลยีทำขั้นตอนงานประจำแทนคน เมื่อเติม AI เข้าไปจึงรับมืองานที่ข้อมูลไม่เป็นระเบียบอย่างเอกสารและภาพได้
- Zero Data Retention (ZDR) (Zero Data Retention)
- ข้อตกลงที่ผู้ให้บริการ AI ไม่จัดเก็บ prompt และคำตอบไว้ที่ที่จัดเก็บข้อมูลหลังส่งคำตอบกลับ ต่างจากสัญญาไม่เอาไปเทรนที่ยังเก็บ log ตรวจ abuse ได้
- เพดานค่าใช้จ่าย AI (Spend Cap) (Spend Cap)
- วงเงินที่องค์กรตั้งเป็นเพดานแข็งให้ระบบ AI agent หยุดเรียกโมเดลเองอัตโนมัติเมื่อถึงยอดที่กำหนด กันไม่ให้งานที่รันยาวๆ โดยไม่มีคนดูใช้เงินบานปลาย
พื้นฐาน AI
- AGI (Artificial General Intelligence) (AGI)
- AI ขั้นสมมติฐานที่ฉลาดรอบด้านเทียบเท่ามนุษย์: เรียนรู้ วางแผน และแก้ปัญหาใหม่ได้เองแทบทุกงาน ต่างจาก AI ปัจจุบันที่เก่งเฉพาะทาง
- API
- ช่องทางมาตรฐานให้โปรแกรมคุยกันเอง เป็นสัญญาว่าถ้าส่งคำขอแบบนี้ไปจะได้ผลลัพธ์แบบนี้กลับมา คนละเรื่องกับหน้าจอสำหรับคน
- Chain-of-Thought
- เทคนิคสั่งให้ AI เขียนขั้นตอนการคิดออกมาทีละขั้นก่อนให้คำตอบ แทนการเดาคำตอบทันที ช่วยให้ทำโจทย์ซับซ้อนอย่างเลขหรือตรรกะได้แม่นยำขึ้น
- Chatbot
- โปรแกรมที่คุยโต้ตอบกับคนด้วยข้อความหรือเสียง รุ่นเก่าตอบตามกฎที่เขียนไว้ รุ่นปัจจุบันใช้โมเดลภาษาจึงคุยได้ยืดหยุ่นกว่ามาก
- Computer vision
- สาขาที่ทำให้คอมพิวเตอร์ดึงความหมายออกจากภาพและวิดีโอได้ ใช้ตั้งแต่ตรวจของเสียในโรงงานไปจนถึงอ่านตัวหนังสือจากเอกสาร
- Cross-Lingual Consistency Gap (Cross-lingual gap)
- ปรากฏการณ์ที่ AI ตัวเดียวกันเดินคนละขั้นตอนเมื่อสั่งงานเดียวกันด้วยคนละภาษา งานวิจัย 11 ส.ค. 2026 วัดพบว่าโมเดลแนวหน้าคงลำดับการกระทำข้ามภาษาได้ 71-73%
- Dataset
- ชุดข้อมูลที่รวบรวมไว้เป็นระเบียบสำหรับเอาไปวิเคราะห์หรือเทรนโมเดล คุณภาพของมันกำหนดเพดานของสิ่งที่โมเดลจะทำได้
- Deep Learning
- เทคนิคสอน AI ด้วยโครงข่ายประสาทเทียมหลายชั้น ให้เรียนรู้ลักษณะสำคัญจากข้อมูลได้เอง เป็นรากฐานของ AI ยุคใหม่ ตั้งแต่ระบบรู้จำเสียงไปจนถึง ChatGPT
- Emergent Abilities
- ความสามารถของ AI ที่ไม่มีในโมเดลเล็ก แต่โผล่ขึ้นมาแบบก้าวกระโดดเมื่อโมเดลใหญ่ถึงจุดหนึ่ง โดยทำนายล่วงหน้าจากผลงานของโมเดลเล็กไม่ได้
- Few-shot Learning
- เทคนิคที่ทำให้ AI เรียนรู้งานใหม่จากตัวอย่างแค่ไม่กี่ชุด เช่น แปะตัวอย่าง 2-3 แบบใน prompt แล้วโมเดลทำตามแพตเทิร์นได้ทันทีโดยไม่ต้องเทรนใหม่
- Full-duplex
- การสื่อสารสองทางพร้อมกันโดยไม่ต้องผลัดกันพูด เป็นสิ่งที่ทำให้คุยกับ AI ด้วยเสียงแล้วรู้สึกเป็นธรรมชาติและขัดจังหวะได้
- Generative AI
- AI ที่เรียนรู้แพทเทิร์นจากข้อมูลมหาศาล แล้วสร้างเนื้อหาใหม่ได้เองตามคำสั่ง ทั้งข้อความ ภาพ เสียง วิดีโอ และโค้ด เช่น ChatGPT และ Midjourney
- Ground truth
- ชุดคำตอบที่ถือว่าถูก ใช้เป็นไม้บรรทัดวัดว่า AI ตอบถูกหรือผิด องค์กรต้องลงแรงทำเอง และมันคือฉลากที่คนตัดสิน ไม่ใช่ความจริงสัมบูรณ์
- Knowledge Distillation (Distillation)
- เทคนิคถ่ายทอดความรู้จากโมเดล AI ตัวใหญ่ (ครู) ไปยังโมเดลตัวเล็ก (นักเรียน) ให้เก่งใกล้เคียงกันแต่เบากว่าและถูกกว่า จนใช้บนมือถือหรืออุปกรณ์เล็กได้
- Large Language Model (LLM) (LLM)
- โมเดล AI ที่เทรนด้วยข้อความมหาศาลจนอ่านเขียนภาษามนุษย์ได้ เป็นสมองเบื้องหลัง ChatGPT และ Claude ทำงานด้วยหลักการทายคำถัดไปทีละ token
- Machine Learning
- สาขาของ AI ที่ให้คอมพิวเตอร์เรียนรู้จากข้อมูลและหารูปแบบได้เอง โดยไม่ต้องเขียนโปรแกรมกำหนดกฎทีละข้อ เป็นรากฐานของ AI แทบทุกระบบที่ใช้กันทุกวันนี้
- Mixture of Experts (MoE) (Mixture of Experts)
- เทคนิคออกแบบโมเดล AI ให้ข้างในมี "ผู้เชี่ยวชาญ" หลายชุด แล้วเลือกใช้แค่บางชุดต่อคำ ทำให้โมเดลใหญ่ขึ้นได้โดยไม่เปลืองพลังประมวลผลเพิ่มตามตัว
- Multimodal AI
- AI ที่รับและเข้าใจข้อมูลได้หลายรูปแบบในระบบเดียว ทั้งข้อความ ภาพ เสียง วิดีโอ เช่น ส่งรูปให้ช่วยอ่าน หรือคุยด้วยเสียงได้เลย
- Natural Language Processing (NLP) (NLP)
- สาขาของ AI ที่ทำให้คอมพิวเตอร์อ่าน เข้าใจ และสร้างภาษามนุษย์ได้ เป็นรากฐานของระบบแปลภาษา แชทบอท และ AI ที่เราพิมพ์คุยด้วยทุกวัน
- Neural Network
- เครือข่ายของหน่วยประมวลผลเล็กๆ ที่เชื่อมกันเป็นชั้นๆ โดยได้แรงบันดาลใจจากสมองมนุษย์ เรียนรู้จากข้อมูลด้วยการปรับน้ำหนักการเชื่อมต่อ และเป็นรากฐานของ AI ยุคนี้
- Prompt Engineering
- ทักษะการออกแบบและปรับข้อความสั่งงาน AI อย่างเป็นระบบ เพื่อให้ได้คำตอบที่ตรงความต้องการและผลคงที่ ไม่ใช่แค่พิมพ์ถามเก่งหรือท่องสูตรสำเร็จ
- Reinforcement learning
- การเรียนรู้แบบลองผิดลองถูกจากรางวัลที่ได้ ไม่ต้องมีเฉลยล่วงหน้า เป็นรากฐานของการฝึกโมเดลให้ทำงานหลายขั้นและของ RLHF
- Scaling Laws
- กฎเชิงประจักษ์ว่ายิ่งเพิ่มขนาดโมเดล ข้อมูลฝึก และพลังประมวลผล AI ยิ่งเก่งขึ้นอย่างคาดการณ์ได้ เป็นเหตุผลที่บริษัท AI ทุ่มเงินสร้างโมเดลใหญ่ขึ้นเรื่อยๆ
- Speech-to-text
- การแปลงเสียงพูดเป็นข้อความอัตโนมัติ ใช้ถอดเทปประชุม ทำระบบรับสาย และทำคลังเสียงให้ค้นหาได้ วัดคุณภาพด้วยอัตราคำผิด
- Supervised learning
- การสอนโมเดลด้วยตัวอย่างที่มีเฉลยกำกับไว้แล้ว เป็นวิธีที่ใช้มากที่สุดในงานธุรกิจ และคุณภาพของเฉลยคือเพดานของผลลัพธ์
- Synthetic Data
- ข้อมูลที่สร้างขึ้นด้วยอัลกอริทึมหรือ AI ให้มีคุณสมบัติทางสถิติเหมือนข้อมูลจริง ใช้เทรนหรือทดสอบระบบได้โดยไม่ต้องแตะข้อมูลจริงที่อ่อนไหว
- Text-to-image
- การสร้างภาพจากคำบรรยายที่พิมพ์เข้าไป เทคโนโลยีที่ทำให้ใครก็สร้างภาพได้ พร้อมข้อถกเถียงเรื่องข้อมูลที่ใช้เทรน
- Text-to-speech
- การแปลงข้อความเป็นเสียงพูด ยุคโครงข่ายประสาทเทียมทำให้เสียงเป็นธรรมชาติจนโคลนเสียงคนได้จากตัวอย่างไม่กี่วินาที
- Transfer Learning
- เทคนิค machine learning ที่นำความรู้จากโมเดลซึ่งฝึกงานหนึ่งมาแล้ว มาต่อยอดเรียนรู้งานใหม่ที่เกี่ยวข้อง โดยไม่ต้องเริ่มฝึกจากศูนย์
- Unsupervised learning
- การให้โมเดลหาโครงสร้างจากข้อมูลที่ไม่มีเฉลยกำกับ ใช้จัดกลุ่มลูกค้าและหาความผิดปกติ เริ่มได้เร็วเพราะไม่ต้องติดป้ายก่อน
- Zero-shot Learning
- ความสามารถของโมเดล AI ในการทำงานหรือจำแนกสิ่งที่ไม่เคยถูกสอนมาก่อนเลย โดยอาศัยความรู้เดิมกับคำอธิบายงาน ไม่ต้องมีตัวอย่างให้ดูแม้แต่ชิ้นเดียว
กลไกโมเดล
- AI
- ความสามารถของระบบคอมพิวเตอร์ในการทำงานที่ปกติต้องใช้สติปัญญามนุษย์ เช่น เรียนรู้ ใช้เหตุผล แก้ปัญหา รับรู้ และตัดสินใจ
- Attention Mechanism
- กลไกที่ทำให้ AI รู้ว่าควรโฟกัสคำไหนในข้อความ โดยให้น้ำหนักความสำคัญแต่ละคำไม่เท่ากัน เป็นหัวใจของ Transformer ที่อยู่เบื้องหลังโมเดลภาษายุคปัจจุบัน
- Cache tokens
- Token ขาเข้าที่ระบบเคยอ่านแล้วเก็บผลไว้ใน cache ทำให้รอบถัดไปไม่ต้องประมวลผลซ้ำ ค่าใช้จ่ายถูกลงมากและโมเดลเริ่มตอบเร็วขึ้น
- Calibration
- ความตรงระหว่างความมั่นใจที่โมเดลบอกกับความถูกต้องจริง โมเดลที่มั่นใจเกินจริงทำให้ระบบคัดกรองงานที่พึ่งค่าความมั่นใจพังทั้งชุด
- Diffusion language model (Diffusion LM)
- โมเดลภาษาสายที่สองที่สร้างข้อความด้วยการค่อยๆ ขัดเกลาจากสัญญาณรบกวน แทนการทายทีละคำเรียงกันแบบที่โมเดลดังทุกตัวใช้
- Diffusion model
- เทคนิคสร้างภาพและวิดีโอของ AI ที่เริ่มจากสัญญาณรบกวน แล้วค่อยๆ ขัดเกลาทีละขั้นจนได้ผลลัพธ์ตามคำสั่ง ต่างจากการทายคำถัดไปทีละคำของโมเดลภาษาสาย transformer
- Effort
- ระดับความพยายามที่สั่งให้ AI ใช้กับงานหนึ่งๆ: ตั้งต่ำได้คำตอบเร็วและประหยัด ตั้งสูงได้การคิดที่ลึกและละเอียดขึ้น แลกกับเวลารอและค่าใช้จ่ายที่เพิ่มขึ้น
- Embedding
- การแปลงข้อความ รูปภาพ หรือข้อมูลอื่นให้เป็นชุดตัวเลข (vector) ที่เก็บความหมายไว้ เพื่อให้คอมพิวเตอร์คำนวณได้ว่าอะไรคล้ายกับอะไร
- Fine-tuning
- การเอา AI model ที่ฝึกมาแล้วมาฝึกต่อด้วยตัวอย่างเฉพาะงานของเรา เพื่อให้เก่งงานนั้นขึ้น โดยไม่ต้องสร้างโมเดลใหม่ตั้งแต่ศูนย์
- Hallucination
- อาการที่ AI ตอบข้อมูลผิดหรือแต่งเรื่องขึ้นเองด้วยน้ำเสียงมั่นใจจนฟังดูน่าเชื่อถือ ทั้งที่ข้อมูลนั้นไม่เคยมีอยู่จริง
- In-context learning
- การที่โมเดลเรียนรู้จากตัวอย่างในคำสั่งชั่วคราวโดยน้ำหนักไม่เปลี่ยน จบการสนทนาแล้วลืมหมด เป็นเหตุผลที่การแนบตัวอย่างได้ผลดี
- Inference
- ขั้นตอนที่โมเดล AI ซึ่งฝึกเสร็จแล้วถูกนำมาใช้งานจริง รับคำถามหรือข้อมูลใหม่แล้วประมวลผลออกมาเป็นคำตอบ ทุกครั้งที่คุยกับ chatbot คือ inference หนึ่งรอบ
- Input tokens
- จำนวน token ทั้งหมดที่เราส่งให้ AI อ่านในแต่ละครั้ง ทั้งคำสั่ง ประวัติแชท และไฟล์แนบ เป็นฝั่ง "ขาเข้า" ที่ผู้ให้บริการใช้คิดค่าบริการ
- Knowledge cutoff
- วันตัดข้อมูลที่ใช้เทรนโมเดล AI: เหตุการณ์ที่เกิดหลังวันนั้นโมเดลไม่รู้ด้วยตัวเอง ต้องพึ่งการค้นเว็บหรือข้อมูลที่เราป้อนเพิ่มให้
- KV cache
- หน่วยความจำที่โมเดลเก็บผลคำนวณของโทเคนก่อนหน้าไว้ใช้ซ้ำ ทำให้ตอบเร็วขึ้นมาก แต่กินหน่วยความจำโตตามความยาวบทสนทนา
- LoRA
- LoRA คือเทคนิค fine-tuning ที่ฝึกเฉพาะเมทริกซ์เล็กๆ ที่แทรกเข้าไปในโมเดล แทนการปรับพารามิเตอร์ทั้งหมด ทำให้ประหยัด GPU และพื้นที่เก็บข้อมูลมาก
- Model
- ตัว AI ที่ผ่านการเทรนจนอ่านและสร้างข้อความได้ เป็นสมองเบื้องหลังแอปอย่าง Claude หรือ ChatGPT แต่ละรุ่นฉลาด เร็ว และแพงไม่เท่ากัน
- Model collapse
- อาการที่โมเดลเสื่อมคุณภาพลงเมื่อถูกเทรนซ้ำด้วยข้อมูลที่ AI สร้างขึ้นเอง จนสูญเสียความหลากหลายและลืมกรณีที่พบไม่บ่อย
- Model provider
- บริษัทหรือบริการที่รันโมเดล AI ไว้บนเซิร์ฟเวอร์ของตน แล้วเปิดให้แอปและผู้ใช้เรียกใช้ผ่าน API เช่น Anthropic ผู้ให้บริการโมเดล Claude
- Model provider request
- คำขอหนึ่งครั้งที่แอปหรือ agent ส่งไปยัง API ของผู้ให้บริการโมเดล เช่น Anthropic เพื่อให้โมเดลประมวลผลบทสนทนาแล้วส่งคำตอบกลับมาหนึ่งชุด
- Next-token prediction
- กลไกหลักของ AI ภาษา: อ่านข้อความที่มีอยู่ แล้วทายว่าคำถัดไปน่าจะเป็นคำไหนตามความน่าจะเป็น ทายซ้ำทีละคำจนต่อกันเป็นคำตอบที่เราเห็น
- Non-determinism
- ธรรมชาติของ AI ที่ป้อนคำสั่งเดิมซ้ำแต่ได้คำตอบไม่เหมือนเดิม แม้ตั้งค่าเหมือนกันทุกอย่าง ไม่ใช่ระบบเสีย แต่เป็นสิ่งที่ต้องออกแบบงานเผื่อไว้
- Output tokens
- หน่วยนับข้อความทั้งหมดที่ AI สร้างตอบกลับเรา ยิ่งให้ตอบยาวยิ่งจ่ายแพง เพราะผู้ให้บริการคิดราคาฝั่งขาออกแพงกว่าฝั่งขาเข้าราว 5 เท่า
- Overfitting
- โมเดลจดจำรายละเอียดของข้อมูลฝึกมากเกินไปจนทำนายข้อมูลใหม่ผิดพลาด เหมือนนักเรียนท่องข้อสอบเก่าได้หมดแต่ทำข้อสอบจริงไม่ได้
- Overthinking
- อาการที่ reasoning model ใช้ความคิดยาวเกินจำเป็นกับโจทย์ง่าย ทำให้เสียโทเคนและเวลาโดยคำตอบไม่ได้ดีขึ้น
- Parameters
- ค่าตัวเลขนับพันล้านค่าภายในโมเดล AI ที่ถูกปรับระหว่างการ train จนกลายเป็นที่เก็บความรู้และความสามารถทั้งหมดของโมเดล
- Prefix cache
- เทคนิคที่ระบบ AI จำผลการอ่านส่วนต้นของ prompt ที่ส่งซ้ำๆ ไว้ ไม่ต้องประมวลผลใหม่ทุกครั้ง ทำให้ตอบไวขึ้นและค่าใช้จ่ายถูกลงมาก
- Quantization
- การลดความละเอียดของตัวเลขในโมเดลให้ใช้บิตน้อยลง เพื่อให้โมเดลใหญ่รันบนเครื่องเล็กได้ แลกกับความแม่นยำที่ลดลงบ้าง
- Reasoning Model
- โมเดล AI ที่ถูกฝึกให้คิดเป็นขั้นตอนก่อนตอบ ใช้เวลาประมวลผลมากขึ้นเพื่อแก้โจทย์ยาก เช่น คณิตศาสตร์ โค้ด และการวิเคราะห์ที่ซับซ้อน
- RLHF
- การฝึกโมเดลด้วยผลตอบรับจากคน โดยให้คนจัดอันดับคำตอบแล้วสร้างตัวให้คะแนนมากำกับ เป็นขั้นที่ทำให้แชทบอทคุยกับคนรู้เรื่อง
- Speculative decoding
- เทคนิคเร่งความเร็วโดยให้โมเดลเล็กเดาคำล่วงหน้าหลายคำ แล้วโมเดลใหญ่ตรวจทีเดียว เร็วขึ้นราวสองถึงสามเท่าโดยคำตอบเหมือนเดิม
- Sycophancy
- อาการที่ AI ตอบเอาใจผู้ใช้: เลือกเห็นด้วยหรือชมตามที่ผู้ใช้อยากได้ยิน มากกว่าตอบตามข้อเท็จจริง เป็นผลข้างเคียงจากการ train ด้วย feedback ของมนุษย์
- Temperature
- ค่าที่คุมความสุ่มตอน AI เลือกคำถัดไป ยิ่งต่ำคำตอบยิ่งนิ่งซ้ำเดิม ยิ่งสูงยิ่งหลากหลายแต่เสี่ยงหลุดประเด็น ตั้งเป็น 0 ก็ไม่การันตีว่าจะได้คำตอบเดิมทุกครั้ง
- Test-time compute
- แนวคิดที่ว่าโมเดลเก่งขึ้นได้จากการใช้แรงคิดตอนตอบมากขึ้น ไม่ต้องรอขยายขนาดตอนเทรน จึงเป็นที่มาของคำตอบที่ดีขึ้นแลกกับเวลาและค่าใช้จ่ายที่สูงขึ้น
- Token
- หน่วยย่อยที่สุดที่โมเดล AI ใช้อ่านและเขียนข้อความ อาจเป็นทั้งคำ ท่อนของคำ หรือตัวอักษร ทั้งค่าใช้จ่ายและขีดจำกัดความจำของ AI ล้วนนับเป็น token
- Tokenization
- การหั่นข้อความเป็นชิ้นย่อยแล้วแปลงเป็นตัวเลขก่อนป้อนโมเดล เป็นเหตุผลที่ภาษาไทยมักกินโทเคนมากกว่าภาษาอังกฤษ
- Top-p
- ปุ่มปรับความหลากหลายของคำตอบที่ทำงานด้วยการตัดคำที่โอกาสน้อยทิ้งก่อนสุ่ม ต่างจาก temperature ที่ปรับความชันของทั้งการกระจาย เอกสาร OpenAI แนะนำให้ปรับทีละตัว
- Training
- กระบวนการสอนโมเดล AI ด้วยข้อมูลมหาศาลก่อนปล่อยให้ใช้งาน โดยให้ฝึกทายคำที่หายไปซ้ำๆ จนจับ pattern ภาษาได้เอง เกิดขึ้นล่วงหน้าครั้งเดียว ไม่ใช่ตอนเราแชท
- Transformer
- สถาปัตยกรรม AI ที่เปิดตัวปี 2017 ใช้กลไก attention อ่านข้อมูลทั้งประโยคพร้อมกัน และเป็นรากฐานของ AI สร้างเนื้อหายุคใหม่แทบทุกตัวรวมถึง ChatGPT
ความปลอดภัยและสังคม
- AI Alignment
- ความพยายามทำให้ระบบ AI ทำตามเป้าหมายและคุณค่าที่มนุษย์ตั้งใจจริง ไม่ใช่แค่ทำตามคำสั่งตามตัวอักษรจนเกิดผลลัพธ์ที่ไม่มีใครต้องการ
- AI Bias
- ความเอนเอียงอย่างเป็นระบบของ AI ที่ให้ผลลัพธ์ไม่เป็นธรรมกับคนบางกลุ่มซ้ำๆ มักเกิดจากข้อมูลที่ใช้สอนโมเดลซึ่งแบกอคติของมนุษย์และสังคมติดมาด้วย
- AI Content Detection
- เครื่องมือที่อ้างว่าตรวจจับได้ว่าข้อความหรือภาพเป็นฝีมือ AI แต่ความแม่นยำต่ำและมักตัดสินผิดกับคนที่ไม่ได้ใช้อังกฤษเป็นภาษาแม่
- AI Governance
- กรอบกติกาและกลไกกำกับดูแลการใช้ AI ทั้งระดับองค์กรและระดับกฎหมาย เพื่อให้ใช้ AI ได้อย่างปลอดภัย โปร่งใส และมีผู้รับผิดชอบชัดเจน
- AI Literacy
- ชุดทักษะในการเข้าใจ ใช้ และประเมิน AI อย่างมีวิจารณญาณ: รู้ว่ามันทำอะไรได้ ทำอะไรไม่ได้ และใช้อย่างไรให้ปลอดภัย โดยไม่จำเป็นต้องเขียนโค้ดเป็น
- AI safety
- สาขาที่ทำงานป้องกันอุบัติเหตุ การใช้ในทางร้าย และผลเสียอื่นจากระบบ AI เน้นการป้องกันเชิงเทคนิค ต่างจากจริยธรรมที่ถามว่าอะไรควรทำ
- AI slop
- เนื้อหาหรือโค้ดที่ AI ผลิตออกมาเร็วและเยอะแต่คุณภาพต่ำ ปี 2026 กลายเป็นปัญหาที่แพลตฟอร์มใหญ่ต้องทำปุ่มให้คนรายงาน
- AI supply chain
- ห่วงโซ่ของโมเดล ชุดข้อมูล และไลบรารีที่เราดาวน์โหลดมาใช้ต่อ ซึ่งกลายเป็นช่องทางโจมตีใหม่เมื่อจุดใดจุดหนึ่งถูกแทรกแซง
- AI Watermarking
- เทคนิคฝังลายน้ำดิจิทัลที่ตามองไม่เห็นลงในเนื้อหาที่ AI สร้าง เช่น ภาพ เสียง วิดีโอ ข้อความ เพื่อให้ตรวจสอบย้อนหลังได้ว่าชิ้นงานนั้นมาจาก AI
- AI worm
- คำสั่งอันตรายที่ซ่อนในเอกสารแล้วถูก AI คัดลอกลงในเอกสารที่มันสร้างใหม่ ทำให้แพร่ต่อเองเมื่อคนแชร์กันตามปกติ
- Constitutional AI
- วิธีฝึกโมเดลให้ประพฤติตามหลักการที่เขียนเป็นลายลักษณ์อักษร โดยให้โมเดลวิจารณ์และแก้คำตอบตัวเองตามหลักการนั้น แทนการให้คนมานั่งให้คะแนนทีละใบ
- Content moderation
- ชั้นกรองเนื้อหาที่ทำงานแยกจากตัว model คอยตรวจทั้งข้อความที่ส่งเข้าและคำตอบที่ออกมา และเป็นสาเหตุที่งานปกติอย่างเวชระเบียนหรือสำนวนคดีบางครั้งถูกปฏิเสธ
- Content provenance
- การแนบประวัติที่มาของไฟล์สื่อไว้กับตัวไฟล์ ให้ตรวจได้ว่าถ่ายด้วยอะไร แก้อะไรมาบ้าง และมี AI เกี่ยวข้องหรือไม่
- Copyright and AI (ลิขสิทธิ์กับ AI)
- ประเด็นกฎหมายสองด้านของยุค AI: เอางานมีลิขสิทธิ์ไปฝึกโมเดลได้แค่ไหน และผลงานที่ AI สร้างมีลิขสิทธิ์เป็นของใคร ซึ่งศาลทั่วโลกยังตัดสินไม่ตรงกัน
- Data poisoning
- การจงใจปนข้อมูลร้ายเข้าไปในชุดเทรน เพื่อให้โมเดลที่ได้ทำงานผิดพลาดหรือมีประตูหลังที่เปิดด้วยคำสั่งลับ
- Data Privacy
- สิทธิและแนวปฏิบัติในการคุ้มครองข้อมูลส่วนบุคคล ว่าใครเก็บ ใช้ หรือเปิดเผยข้อมูลของเราได้แค่ไหน โดยต้องขอความยินยอมและให้เจ้าของข้อมูลควบคุมได้
- Deepfake
- สื่อปลอมที่สร้างด้วย AI เช่น วิดีโอ เสียง หรือภาพ ที่ทำให้บุคคลจริงดูเหมือนพูดหรือทำในสิ่งที่ไม่เคยเกิดขึ้น สมจริงจนแยกด้วยตาเปล่าได้ยาก
- EU AI Act
- กฎหมายควบคุม AI ฉบับแรกของโลกจากสหภาพยุโรป แบ่งระบบ AI ตามระดับความเสี่ยง ยิ่งเสี่ยงสูงยิ่งคุมเข้ม และบังคับถึงบริษัทนอก EU ที่ให้บริการคนใน EU
- Evals (AI Evaluation) (Evals)
- วิธีทดสอบวัดผลระบบ AI อย่างเป็นระบบ ด้วยชุดข้อสอบและเกณฑ์ให้คะแนนที่กำหนดไว้ล่วงหน้า เพื่อให้ได้ตัวเลขชัดๆ ว่าระบบทำงานดีแค่ไหนก่อนปล่อยใช้จริง
- Existential risk
- ข้อถกเถียงว่า AI ขั้นสูงในอนาคตอาจเป็นภัยคุกคามระดับที่ทำให้มนุษยชาติสูญพันธุ์หรือสูญเสียการควบคุมถาวร
- Explainable AI
- ความพยายามทำให้เหตุผลเบื้องหลังคำตัดสินของ AI อธิบายได้ จำเป็นในงานที่มีกฎหมายกำกับ แต่ยิ่งโมเดลใหญ่ยิ่งอธิบายได้ไม่ครบ
- GDPR
- กฎหมายคุ้มครองข้อมูลส่วนบุคคลของสหภาพยุโรป เริ่มบังคับใช้ปี 2018 ครอบคลุมองค์กรนอก EU ที่แตะข้อมูลคนใน EU และเป็นต้นแบบของ PDPA ไทย
- Guardrails
- ชั้นป้องกันที่ครอบระบบ AI ไว้ คอยกรองทั้งคำถามขาเข้าและคำตอบขาออก ไม่ให้หลุดเนื้อหาอันตราย ข้อมูลส่วนตัว หรือเรื่องนอกขอบเขตที่องค์กรกำหนด
- Jailbreak
- การหลอกหรือกดดันให้ AI ข้ามกติกาความปลอดภัยที่ผู้สร้างตั้งไว้ จนยอมตอบหรือทำสิ่งที่ปกติจะปฏิเสธ เช่น สร้างเนื้อหาอันตรายหรือหลุดจากบทบาทที่กำหนด
- Memory injection
- การแอบวางข้อมูลพิษไว้ในหน่วยความจำระยะยาวของ agent เพื่อให้มันดึงขึ้นมาใช้ในภายหลังแล้วเบี่ยงออกจากเจตนาเดิมของผู้ใช้
- Misinformation
- ข้อมูลผิดหรือชวนเข้าใจผิดที่ถูกแชร์ต่อโดยคนส่งไม่ได้ตั้งใจหลอก ต่างจาก disinformation ที่จงใจ และยิ่งแพร่ง่ายขึ้นในยุคที่ AI สร้างเนื้อหาได้เอง
- Model Card
- เอกสารกำกับโมเดล AI ที่บอกว่าโมเดลคืออะไร ฝึกจากข้อมูลไหน ตั้งใจให้ใช้กับงานแบบไหน และมีข้อจำกัดอะไร เปรียบเหมือนฉลากข้างกล่องของโมเดล
- NIST AI RMF
- กรอบบริหารความเสี่ยง AI แบบสมัครใจจากหน่วยงานมาตรฐานสหรัฐฯ มี 4 ฟังก์ชันคือ Govern Map Measure Manage ไม่มีระบบออกใบรับรอง
- Recursive self-improvement (RSI)
- สมมติฐานที่ว่า AI จะแก้ไขตัวเองให้เก่งขึ้นเรื่อยๆ จนฉลาดพุ่งทะยาน เป็นแกนของข้อถกเถียงเรื่องความเสี่ยงระยะยาว
- Red Teaming
- การตั้งทีมสวมบทผู้โจมตีมาทดสอบระบบหรือ AI ขององค์กรเองอย่างเป็นระบบ หาช่องโหว่ให้เจอก่อนผู้ไม่หวังดีตัวจริง แล้วนำผลไปปิดจุดอ่อน
- Responsible AI
- แนวทางพัฒนาและใช้ AI อย่างมีความรับผิดชอบ ให้ระบบเป็นธรรม โปร่งใส ปลอดภัย เคารพความเป็นส่วนตัว และมีคนรับผิดชอบผลลัพธ์เสมอ
- SOC 2
- รายงานตรวจสอบระบบควบคุมภายในด้านความปลอดภัยของผู้ให้บริการที่ CPA อิสระออกให้ตามกรอบของ AICPA ฝ่ายจัดซื้อมักขอดูก่อนเซ็นสัญญา มีสองแบบคือ Type 1 และ Type 2
- Sovereign AI
- แนวคิดที่ประเทศหรือองค์กรควบคุมทั้งโครงสร้างพื้นฐาน ข้อมูล และโมเดล AI ของตัวเองไว้ในเขตอำนาจของตัวเอง
- Zero-day
- ช่องโหว่ซอฟต์แวร์ที่ยังไม่มีใครรู้หรือยังไม่มีแพตช์ ทำให้ผู้ดูแลระบบมีเวลาป้องกันเป็นศูนย์วันก่อนถูกใช้โจมตี ปี 2026 AI เข้ามาอยู่ทั้งฝั่งค้นหาและฝั่งใช้โจมตี
โมเดลและผู้เล่นหลัก
- Anthropic
- บริษัทวิจัยและพัฒนา AI จากสหรัฐฯ ผู้สร้างโมเดล Claude ก่อตั้งปี 2021 โดยอดีตทีมงาน OpenAI โดยชูความปลอดภัยของ AI เป็นหัวใจของงานวิจัยและผลิตภัณฑ์
- ChatGPT
- แชตบอต AI จาก OpenAI ที่คุยโต้ตอบเป็นภาษาคน ช่วยเขียน สรุป แปล และตอบคำถามได้ เปิดตัวปลายปี 2022 ปัจจุบันมีผู้ใช้หลายร้อยล้านคนต่อสัปดาห์
- Claude
- แชทบอทและตระกูลโมเดล AI จากบริษัท Anthropic เปิดตัวปี 2023 ใช้คุยงาน เขียนเอกสาร วิเคราะห์ข้อมูล ค้นคว้า และเขียนโค้ดได้ในที่เดียว
- Claude Code
- เครื่องมือ AI จาก Anthropic ที่ทำงานเป็น agent เขียนโค้ดแทนเรา: สั่งเป็นภาษาคน แล้วมันอ่านโปรเจกต์ แก้ไฟล์ รันคำสั่ง ทดสอบ จนงานเสร็จ
- Claude Cowork
- ฟีเจอร์ agent ของ Claude ที่รับงานหลายขั้นตอนไปทำแทนจนจบ เช่น จัดไฟล์ ทำสไลด์ สรุปข้อมูล โดยเราเป็นคนเลือกว่าเข้าถึงอะไรได้และอนุมัติผลงานก่อนใช้จริง
- Cursor
- โปรแกรมเขียนโค้ดที่มี AI เป็นแกนกลาง ผู้ใช้สั่งงานด้วยภาษาคนแล้ว agent ช่วยค้นโค้ด แก้ไฟล์ รันคำสั่งให้อัตโนมัติ พัฒนาโดยบริษัท Anysphere
- DeepSeek
- บริษัท AI จากจีนผู้พัฒนาโมเดลภาษาแบบ open-weights อย่าง V3 และ R1 ที่ดังทั่วโลกต้นปี 2025 เพราะผลงานเทียบชั้นโมเดลชั้นนำแต่เคลมต้นทุนฝึกถูกกว่ามาก
- Dify
- แพลตฟอร์ม open source สำหรับสร้างแอป AI แบบลากวางบล็อกบนหน้าจอ ทำ chatbot, agent และระบบถามตอบจากเอกสารได้โดยแทบไม่ต้องเขียนโค้ด
- ElevenLabs
- แพลตฟอร์ม AI ด้านเสียงที่ขึ้นชื่อเรื่องแปลงข้อความเป็นเสียงพูดเหมือนคนจริง โคลนเสียง พากย์ข้ามภาษา และสร้าง voice agent ได้ในกว่า 70 ภาษา
- Gemma
- โมเดล AI แบบ open weights จาก Google DeepMind สร้างจากเทคโนโลยีเดียวกับ Gemini แต่ตัวเล็กพอจะดาวน์โหลดไปรันบนเครื่องของเราเองได้
- GitHub Copilot
- ผู้ช่วยเขียนโค้ดด้วย AI จาก GitHub: เติมโค้ดให้ขณะพิมพ์ ถามตอบผ่านแชต และสั่งงานแบบ agent ได้ นับเป็น AI ช่วยเขียนโค้ดที่แพร่หลายที่สุดตัวหนึ่ง
- Google DeepMind
- ห้องแล็บวิจัย AI ของ Google ผู้สร้างโมเดล Gemini, AlphaGo และ AlphaFold ถือเป็นหน่วยงานหลักเบื้องหลังเทคโนโลยี AI เกือบทั้งหมดของ Google
- Google Gemini
- ตระกูลโมเดล AI หลักของ Google ที่เข้าใจทั้งข้อความ ภาพ เสียง และวิดีโอ ใช้ได้ทั้งแบบแอปแชตและฝังอยู่ใน Search, Gmail และมือถือ Android
- GPT (model family) (GPT)
- ตระกูลโมเดลภาษาขนาดใหญ่ของ OpenAI ที่ฝึกให้ทายคำถัดไปจากข้อความมหาศาล เป็นเครื่องยนต์เบื้องหลัง ChatGPT และกลายเป็นคำที่คนใช้เรียก AI แชตแบบเหมารวม
- Grok
- แชตบอต AI จาก xAI บริษัทของ Elon Musk จุดเด่นคือดึงข้อมูลสดจากแพลตฟอร์ม X มาตอบได้เรียลไทม์ และวางคาแรกเตอร์กวนๆ มีอารมณ์ขัน
- Hugging Face
- แพลตฟอร์มกลางของชุมชน AI ทั่วโลกสำหรับแชร์และดาวน์โหลดโมเดล ชุดข้อมูล และแอปสาธิต เปรียบเหมือนห้องสมุดที่รวมโมเดล AI แบบเปิดไว้กว่า 2 ล้านตัว
- Kimi
- แชตบอต AI และตระกูลโมเดลจาก Moonshot AI ของจีน เด่นเรื่องอ่านเอกสารยาวมาก และปล่อยโมเดลแบบ open weights ให้ดาวน์โหลดไปใช้เองได้
- LangChain
- เฟรมเวิร์กโอเพนซอร์สที่นักพัฒนาใช้เชื่อมโมเดล AI อย่าง GPT หรือ Claude เข้ากับข้อมูลและระบบขององค์กร เพื่อสร้างแชตบอตหรือ agent ได้เร็วขึ้น
- Llama
- ตระกูลโมเดล AI แบบ open weights จาก Meta ที่เปิดให้ดาวน์โหลดไปรันหรือปรับแต่งบนเครื่องขององค์กรเองได้ ไม่ต้องใช้ผ่าน cloud ของผู้ให้บริการ
- Meta AI
- Meta AI คือทั้งแล็บวิจัย AI ของบริษัท Meta และผู้ช่วย AI ที่ฝังใน Facebook, Instagram, WhatsApp และแว่น Ray-Ban Meta ขับเคลื่อนด้วยโมเดล Llama
- Microsoft 365 Copilot Chat (Copilot Chat)
- แชต AI ที่มากับ Microsoft 365 โดยไม่คิดเงินเพิ่ม แต่อ่านได้แค่ข้อมูลจากเว็บ ส่วนการอ่านไฟล์และเมลของบริษัทต้องซื้อ license เสริม
- Microsoft Copilot
- แชตบอต AI จาก Microsoft ที่ฝังใน Windows, Edge และแอปทำงานอย่าง Word กับ Excel ช่วยตอบคำถาม ร่างเอกสาร และสรุปงาน แค่พิมพ์สั่งเป็นภาษาคน
- Midjourney
- บริการ AI สร้างภาพจากข้อความแบบ text-to-image: พิมพ์คำบรรยายเป็น prompt แล้วได้ภาพกลับมา ใช้ผ่านเว็บหรือ Discord แบบสมัครสมาชิก
- Mistral AI
- บริษัท AI สัญชาติฝรั่งเศสที่โด่งดังจากการปล่อยโมเดลภาษาแบบ open weights ให้ดาวน์โหลดฟรี และถูกวางตัวเป็นผู้นำ AI ของยุโรปในการแข่งกับค่ายอเมริกา
- Moonshot AI
- บริษัท AI จากปักกิ่งผู้สร้างแชตบอต Kimi และโมเดล open weights ตระกูล K2/K3 ที่เด่นเรื่องอ่านเอกสารยาวและทำงาน coding แบบ agent
- n8n
- เครื่องมือสร้างระบบงานอัตโนมัติแบบลากวาง เอาแอปที่ใช้อยู่กับ AI มาต่อกันเป็นสายงานเดียว เห็นทุกขั้นตอนบนหน้าจอ และเขียนโค้ดเสริมได้เมื่อจำเป็น
- NotebookLM
- เครื่องมือ AI จาก Google ที่ให้เราอัปโหลดเอกสารของตัวเองแล้วถามตอบ สั่งสรุป หรือฟังเป็นพอดแคสต์ได้ โดยยึดคำตอบจากไฟล์ที่เราให้ ไม่ใช่ความรู้ลอยๆ ของโมเดล
- NVIDIA
- บริษัทออกแบบชิป GPU จากสหรัฐฯ ผู้ครองตลาดชิปสำหรับฝึกและรัน AI กว่า 80% ของโลก จนกลายเป็นบริษัทมูลค่าสูงที่สุดในโลกในยุค AI บูม
- Ollama
- โปรแกรม open source สำหรับดาวน์โหลดและรันโมเดล AI บนคอมพิวเตอร์ของเราเอง ข้อมูลประมวลผลอยู่ในเครื่อง ไม่ต้องส่งขึ้นคลาวด์ของผู้ให้บริการ
- Open source AI
- AI ที่เปิดให้ใช้ ศึกษา แก้ไข และแบ่งปันได้จริง ซึ่งตามนิยามของ OSI ต้องเปิดทั้งข้อมูล โค้ด และน้ำหนัก ไม่ใช่แค่น้ำหนักอย่างเดียว
- Open weights
- โมเดลที่เปิดให้ดาวน์โหลดน้ำหนักไปรันบนเครื่องตัวเองได้ ต่างจากโมเดลเปิดซอร์สเต็มรูปตรงที่ไม่ได้เปิดข้อมูลเทรนและโค้ดเทรน
- OpenAI
- บริษัทวิจัยและพัฒนา AI จากอเมริกา ผู้สร้าง ChatGPT และโมเดลตระกูล GPT ก่อตั้งปี 2015 ด้วยภารกิจให้ AGI เป็นประโยชน์ต่อมนุษยชาติทั้งหมด
- OpenAI Codex
- เครื่องมือเขียนโค้ดของ OpenAI คู่แข่ง Claude Code และ Cursor ใช้โควตาร่วมแพ็กเกจ ChatGPT คนละตัวกับโมเดล Codex ปี 2021 ที่เคยขับเคลื่อน GitHub Copilot
- OpenRouter
- ตัวกลางรวมโมเดล AI จากหลายบริษัทไว้หลัง API เดียว ให้นักพัฒนาสลับโมเดลและเทียบราคาข้ามค่ายได้โดยไม่ต้องทำสัญญาแยกกับแต่ละเจ้า
- Perplexity
- Search engine แบบ AI ที่ตอบคำถามเป็นคำตอบสำเร็จรูปพร้อมแนบลิงก์แหล่งอ้างอิง โดยผสาน language model เข้ากับการค้นเว็บแบบ real-time
- Qwen
- ตระกูลโมเดล AI แบบ open weights จาก Alibaba Cloud มีครบทุกขนาดทุกงาน ทั้งแชท เขียนโค้ด เข้าใจภาพและเสียง และเป็นโมเดลเปิดที่ถูกต่อยอดมากที่สุดกลุ่มหนึ่ง
- Runway
- บริษัท AI ผู้สร้างเครื่องมือ generate วิดีโอจากข้อความหรือภาพ ที่วงการหนังและสายครีเอทีฟใช้ทำงานจริง และเป็นผู้ร่วมสร้าง Stable Diffusion
- SLM (Small language model) (SLM)
- โมเดลภาษาขนาดเล็กที่รันบนเครื่องตัวเองหรือบนมือถือได้ องค์กรนิยมเอามาเทรนเพิ่มด้วยข้อมูลภายในเพื่อไม่ต้องส่งข้อมูลออก
- Sora
- โมเดลและแอปสร้างวิดีโอจากข้อความของ OpenAI พิมพ์บรรยายฉากแล้วได้คลิปพร้อมเสียง เปิดตัวปี 2024 ก่อนปิดบริการแอปในปี 2026
- Stable Diffusion
- โมเดล AI สร้างภาพจากข้อความที่เปิด weights ให้ดาวน์โหลดไปรันบนเครื่องตัวเองได้ เปิดตัวปี 2022 จุดกระแสภาพ AI ที่ใครก็เข้าถึงและดัดแปลงได้
- Suno
- แพลตฟอร์ม AI สร้างเพลงเต็มเพลง ทั้งเนื้อร้อง เสียงร้อง และดนตรี จากการพิมพ์ข้อความอธิบายเพลงที่อยากได้ ภายในไม่ถึงหนึ่งนาที
- Veo
- โมเดล AI สร้างวิดีโอของ Google DeepMind ที่เปลี่ยนข้อความหรือภาพนิ่งให้เป็นคลิปวิดีโอพร้อมเสียงพูดและเสียงประกอบในตัว ใช้งานผ่านแอป Gemini ได้
- Voice cloning
- การสร้างเสียงสังเคราะห์ให้เหมือนน้ำเสียงของคนคนหนึ่งจากตัวอย่างเสียงสั้นๆ ใช้ทำงานพากย์หลายภาษาได้ และเป็นเทคโนโลยีเดียวกับที่มิจฉาชีพใช้ปลอมเสียงหลอกโอนเงิน
- Whisper
- โมเดล AI ถอดเสียงพูดเป็นข้อความจาก OpenAI รองรับ 99 ภาษารวมภาษาไทย ใช้ถอดเทปประชุมหรือสัมภาษณ์ได้ และเปิดให้ใช้ฟรีแบบ open source
- Windsurf
- โปรแกรมเขียนโค้ด (AI IDE) ที่มี agent ในตัวช่วยทำงานได้ทั้งโปรเจกต์ ปัจจุบันถูก Cognition ซื้อกิจการและรีแบรนด์เป็น Devin Desktop
- xAI
- บริษัท AI ของ Elon Musk ผู้สร้างแชตบอต Grok ก่อตั้งปี 2023 โตเร็วจนควบรวมกับแพลตฟอร์ม X และถูก SpaceX ซื้อกิจการ รีแบรนด์เป็น SpaceXAI ในปี 2026
เครื่องมือและสภาพแวดล้อม
- API key
- กุญแจลับที่ผู้ให้บริการโมเดลออกให้ระบบของเราใช้พิสูจน์ตัวตนตอนเรียก API ใครถือคีย์ไปได้ก็ยิงค่าใช้จ่ายเข้าบัญชีเราได้
- Checkpoint
- จุดบันทึกสภาพโค้ดที่ระบบเก็บอัตโนมัติก่อนทุกคำสั่ง ใช้ย้อนกลับเมื่องานหลุดทาง แต่ไม่ครอบคลุมทุกการเปลี่ยนแปลง
- Connector
- ช่องต่อสำเร็จรูปที่ทำให้ AI เข้าถึงเครื่องมือที่องค์กรใช้อยู่แล้ว เช่น อีเมล ปฏิทิน CRM โดยไม่ต้องคัดลอกข้อมูลไปมาเอง
- Edge AI
- การรัน AI บนอุปกรณ์ปลายทางอย่างมือถือหรือนาฬิกาแทนการส่งขึ้นคลาวด์ ได้ความเร็ว ความเป็นส่วนตัว และทำงานตอนเน็ตหลุดได้
- Environment
- สภาพแวดล้อมที่ AI agent ทำงานอยู่จริง เช่น เครื่องคอมพิวเตอร์ ไฟล์ และโปรแกรมที่มันเข้าถึงได้ · agent ทำได้แค่ไหนขึ้นกับว่า environment เปิดให้ทำอะไร
- Filesystem
- ระบบไฟล์และโฟลเดอร์ในเครื่องที่ AI agent ใช้อ่าน เขียน และค้นหาข้อมูล เสมือนโต๊ะทำงานและตู้เอกสารที่ทำให้ agent จำและจัดการงานได้เกินขีดจำกัดของบทสนทนา
- GPU
- ชิปที่คำนวณเลขจำนวนมากพร้อมกันได้ เดิมทำมาเพื่องานกราฟิก แล้วกลายเป็นหัวใจของการเทรนและรัน AI เพราะงานทั้งสองอย่างต้องการการคำนวณแบบขนาน
- Harness
- ระบบซอฟต์แวร์ที่ห่อรอบโมเดล AI ให้กลายเป็น agent ที่ทำงานจริงได้: จัดหาเครื่องมือ รันวงจรทำงาน ตรวจผลลัพธ์ และจัดการหน่วยความจำให้โมเดล
- Headless mode
- การรัน AI แบบไม่มีหน้าจอโต้ตอบ สั่งครั้งเดียวแล้วรับผลลัพธ์ออกมาเป็นข้อความหรือ JSON เพื่อเอาไปต่อในสคริปต์หรือ CI
- Hook
- คำสั่งที่ตั้งไว้ให้ทำงานเองอัตโนมัติทุกครั้งที่ AI ถึงจังหวะที่กำหนด เช่น ก่อนเรียกเครื่องมือ ใช้บังคับกติกาที่ห้ามพลาด
- MCP
- มาตรฐานเปิดที่เปรียบเหมือนพอร์ต USB-C ของแอป AI: ทำให้ AI เชื่อมต่อข้อมูลและเครื่องมือภายนอกด้วยวิธีมาตรฐานเดียว ไม่ต้องเขียนตัวเชื่อมใหม่ทีละระบบ
- OCR
- การอ่านตัวอักษรจากภาพหรือ PDF สแกนให้กลายเป็นข้อความที่ค้นหาต่อได้ เป็นด่านแรกที่งานเอกสารไทยต้องผ่านก่อนส่งเข้าระบบ AI
- Permission mode
- ระดับการขออนุญาตของ AI agent: ตัวตั้งค่าว่าก่อนแก้ไฟล์หรือรันคำสั่ง AI ต้องหยุดถามเราบ่อยแค่ไหน ตั้งแต่ถามทุกครั้งจนถึงไม่ถามเลย
- Permission request
- จังหวะที่ AI agent หยุดถามผู้ใช้ก่อนลงมือทำสิ่งที่มีผลกระทบจริง เช่น แก้ไฟล์หรือรันคำสั่ง เพื่อให้คนเป็นผู้อนุมัติขั้นสุดท้าย
- Plugin
- ชุดความสามารถที่แพ็กเป็นโฟลเดอร์เดียวแล้วแจกจ่ายให้ทีมติดตั้งใช้ร่วมกันได้ รวม skill, agent, hook และ MCP server ไว้ด้วยกัน
- Prompt injection
- การโจมตีระบบ AI โดยแอบฝังคำสั่งปนมากับข้อความหรือไฟล์ที่ AI ต้องอ่าน หลอกให้ AI ทำตามคำสั่งของผู้โจมตีแทนคำสั่งของเจ้าของระบบ
- Rate limit
- เพดานที่ผู้ให้บริการ AI ตั้งไว้ว่าบัญชีหนึ่งยิงคำขอและใช้ token ได้เท่าไรต่อนาที เกินเมื่อไรจะได้ error 429 ซึ่งมักแนบ header บอกจำนวนวินาทีที่ต้องรอก่อนลองใหม่
- Sandbox
- กลไกความปลอดภัยที่กักโปรแกรมหรือ AI ให้ทำงานในพื้นที่ปิด อ่านเขียนไฟล์และต่อเน็ตได้เท่าที่อนุญาต ต่อให้ทำพลาดก็ไม่ลามไปถึงระบบจริง
- Slash command
- คำสั่งที่พิมพ์ขึ้นต้นด้วยเครื่องหมาย / เพื่อสั่งงานตัวเครื่องมือโดยตรง เช่น ล้างบทสนทนา ย่อบริบท หรือสลับโหมด
- Stateless MCP
- มาตรฐาน MCP ฉบับ 2026-07-28 ที่ตัดระบบ session ทิ้งทั้งหมด ทุกคำขอจบในตัวเอง เป็น breaking change ของทั้งวงการ
- Tool
- ความสามารถเสริมที่ระบบต่อให้ AI ใช้ทำสิ่งที่ตัวโมเดลทำเองไม่ได้ เช่น ค้นเว็บ อ่านไฟล์ ส่งอีเมล โดยโมเดลเป็นคนเลือกเรียก แต่ระบบภายนอกเป็นคนลงมือรันจริง
- Tool call
- คำขอแบบมีโครงสร้างที่ AI ส่งออกมากลางบทสนทนา เพื่อให้ระบบไปเรียกใช้เครื่องมือภายนอกให้ โดยระบุชื่อเครื่องมือและข้อมูลที่ต้องใช้ ตัว AI ไม่ได้ลงมือรันเอง
- Tool result
- ข้อมูลผลลัพธ์ที่ส่งกลับให้ AI หลังจากมันสั่งเรียกใช้เครื่องมือ เช่น ผลค้นเว็บหรือค่าจากระบบ เพื่อให้ AI นำไปใช้ตอบคำถามหรือทำงานขั้นต่อไป
ความรู้และแหล่งอ้างอิง
- Artificial Analysis
- เว็บวัดผลอิสระที่รันชุดทดสอบเดียวกันกับทุกโมเดล AI แล้วเปิดเผยคะแนนความฉลาด ราคา และความเร็ว ให้เทียบข้ามค่ายได้โดยไม่ต้องพึ่งตัวเลขที่บริษัทประกาศเอง
- Benchmark
- ชุดข้อสอบมาตรฐานที่ใช้เทียบความสามารถระหว่างระบบ อ่านคะแนนต้องระวัง เพราะผู้ผลิตมีแรงจูงใจจะปรับให้เก่งเฉพาะข้อสอบ
- Chunking
- การหั่นเอกสารยาวให้เป็นชิ้นย่อยก่อนแปลงเป็น embedding เพื่อใช้ค้นคืนใน RAG ขนาดชิ้นและระยะเหลื่อมที่เลือกกระทบคุณภาพคำตอบโดยตรง
- Cloaking
- การที่เว็บส่งเนื้อหาคนละชุดให้บอตกับคน ยุค AI เริ่มมีเคสที่บอตได้เนื้อหาที่มีโฆษณาแทรกซึ่งคนอ่านไม่มีวันเห็น
- Contextual knowledge
- ความรู้ที่ AI ได้รับตอนใช้งานจริง จากข้อมูลที่เราป้อนเข้าไปในบทสนทนา เช่น ไฟล์ เอกสาร หรือผลค้นหา ต่างจากความรู้ที่ฝังมากับตัวโมเดลตั้งแต่ตอนเทรน
- Deep research
- โหมดที่ AI ไปค้นเว็บหลายรอบแล้วเรียบเรียงเป็นรายงานพร้อมอ้างอิง งานวิจัยชี้ว่าเอกสารชี้นำผิดใบเดียวก็ทำให้ข้อสรุปเพี้ยนได้
- Grounding
- ขั้นตอนที่ระบบไปดึงข้อมูลจริงมาแนบเข้ากับคำสั่งก่อนส่งให้โมเดลตอบ เป็นตัวแยกคำตอบที่รู้เรื่องบริษัทเราออกจากคำตอบทั่วไป
- LLM-as-judge
- วิธีให้โมเดลภาษาอีกตัวทำหน้าที่กรรมการให้คะแนนคำตอบของ AI แทนการจ้างคนอ่าน เร็วและถูกกว่า แต่กรรมการมีอคติต่อตำแหน่งที่วางคำตอบซึ่งวัดเป็นตัวเลขได้จริง
- Parametric knowledge
- ความรู้ที่ฝังอยู่ในตัวโมเดล AI ผ่านค่าพารามิเตอร์ตั้งแต่ตอนเทรน ทำให้ตอบได้เองโดยไม่ต้องค้นข้อมูลภายนอก แต่แก้ไขอัปเดตยากและหยุดอยู่แค่วันตัดข้อมูล
- Primary source
- แหล่งข้อมูลปฐมภูมิ: หลักฐานหรือเอกสารต้นฉบับจากเหตุการณ์หรือผู้เกี่ยวข้องโดยตรง ยังไม่ถูกใครย่อยหรือตีความ ใช้เป็นตัวตัดสินเวลาต้องเช็คว่าสิ่งที่ AI สรุปมาจริงแค่ไหน
- RAG
- เทคนิคที่ให้ AI ไปค้นข้อมูลจากคลังความรู้ภายนอกมาแนบก่อนตอบ ทำให้คำตอบอิงเอกสารจริงที่อัปเดตได้ ไม่ใช่พึ่งแค่ความจำจากตอนฝึกโมเดล
- Reranking
- ขั้นตอนจัดอันดับผลค้นหาซ้ำด้วยโมเดลที่แม่นยำกว่าเดิม หลังค้นด้วย embedding รอบแรก ก่อนส่งเอกสารที่เกี่ยวข้องที่สุดเข้า context ของ LLM
- Secondary source
- แหล่งข้อมูลมือสองที่เล่า วิเคราะห์ หรือตีความข้อมูลจากแหล่งต้นทางอีกที เช่น หนังสือ บทความรีวิว หรือคำสรุปของ AI ต่างจากหลักฐานชั้นต้นที่มาจากเหตุการณ์ตรง
- Semantic search
- การค้นที่เข้าใจความหมายของคำถาม ไม่ได้จับคู่ตัวสะกด พิมพ์ว่าลาพักร้อนแล้วเจอระเบียบที่เขียนว่าวันหยุดพักผ่อนประจำปี เพราะเทียบกันด้วยตัวเลขที่แทนความหมาย
- System card
- เอกสารที่ผู้ผลิตออกพร้อมโมเดลใหม่ บอกผลทดสอบความปลอดภัย การประเมิน และข้อจำกัด เป็นหลักฐานชิ้นแรกที่ควรอ่านก่อนเลือกใช้
- Trivial baseline
- คะแนนที่ได้จากการตอบมั่วแบบทางเดียวโดยไม่อ่านโจทย์ ใช้เป็นเส้นฐานตรวจว่าคะแนน benchmark ที่เห็นบอกอะไรจริงหรือเปล่า
- Vector database
- ฐานข้อมูลที่เก็บข้อมูลในรูปเวกเตอร์แล้วค้นด้วยความหมายใกล้เคียง ไม่ใช่ค้นด้วยคำที่ตรงกันเป๊ะ เป็นชิ้นส่วนหลักของระบบ RAG
Context และ Session
- Attention budget
- งบความสนใจที่จำกัดของ AI: ยิ่งป้อนข้อมูลเข้าไปมากเท่าไหร่ ความแม่นในการโฟกัสแต่ละจุดยิ่งลดลง จึงต้องคัดใส่เฉพาะข้อมูลที่จำเป็นจริงๆ
- Attention degradation
- อาการที่ AI ยิ่งอ่านบทสนทนาหรือเอกสารยาวขึ้น ยิ่งจับใจความได้แม่นน้อยลง แม้ข้อมูลยังอยู่ในความจำครบ ทำให้เนื้อหาช่วงต้นถูกมองข้ามหรือหลงลืม
- Autocompact
- กลไกที่เครื่องมือ AI สรุปย่อบทสนทนาเก่าให้เองอัตโนมัติเมื่อคุยยาวจนความจำใกล้เต็ม เพื่อให้ทำงานต่อได้โดยไม่สะดุด
- Canvas
- หน้าต่างทำงานที่เปิดแยกข้างช่องแชท ให้แก้เอกสารหรือโค้ดชิ้นเดิมทีละจุดไปเรื่อยๆ แทนที่จะให้ AI ร่างคำตอบใหม่ทั้งก้อนทุกครั้งที่สั่งแก้
- Clearing
- การล้างบทสนทนาและ context ของ AI ให้ว่างก่อนเริ่มงานใหม่ เพื่อไม่ให้ข้อมูลเก่าที่ไม่เกี่ยวข้องสะสมจนคุณภาพคำตอบตก
- Compaction
- เทคนิคที่ระบบ AI สรุปบทสนทนาที่ยาวจนความจำใกล้เต็มให้เหลือฉบับย่อ แล้วเริ่มหน้าต่างความจำใหม่ด้วยบทสรุปนั้น เพื่อทำงานต่อได้โดยไม่ลืมเรื่องสำคัญ
- Context
- ข้อมูลทั้งหมดที่ AI มองเห็นตอนสร้างคำตอบ ทั้งคำสั่ง บทสนทนา ไฟล์แนบ และผลจากเครื่องมือ: AI รู้เท่าที่อยู่ใน context ไม่ได้จำอะไรเองข้ามแชท
- Context engineering
- แนวทางออกแบบอย่างเป็นระบบว่าจะใส่ข้อมูลอะไรเข้า context window ของ AI ในแต่ละรอบ ทั้งคำสั่ง ประวัติการคุย และผลจากเครื่องมือ ไม่ใช่แค่เขียน prompt ให้สวย
- Context window
- พื้นที่ความจำระยะสั้นของ AI: ขอบเขตข้อความทั้งหมดที่โมเดลมองเห็นได้ในบทสนทนาหนึ่ง ทั้งที่เราพิมพ์ ไฟล์ที่แนบ และคำตอบของมันเอง วัดเป็นหน่วย token
- Projects
- พื้นที่ทำงานในแอปแชต AI ที่รวมไฟล์อ้างอิง คำสั่งประจำ และประวัติการคุยไว้ที่เดียว ทุกแชตที่เปิดข้างในหยิบไปใช้ได้โดยไม่ต้องแนบไฟล์ใหม่ทุกครั้ง
- Prompt
- ข้อความหรือคำสั่งที่เราพิมพ์ส่งให้ AI เพื่อบอกว่าต้องการอะไร ยิ่งเขียนชัด ให้บริบทและตัวอย่างครบ ผลลัพธ์ยิ่งตรงใจ
- Session
- บทสนทนากับ AI หนึ่งชุดที่ระบบบันทึกไว้ครบทั้งเรื่อง ทำให้ปิดโปรแกรมแล้วกลับมาทำต่อจากเดิม แตกสาขาลองแนวทางใหม่ หรือสลับระหว่างหลายงานได้
- Stateful
- คุณสมบัติของระบบที่จำข้อมูลจากการโต้ตอบครั้งก่อนได้ เช่น แชตที่คุยต่อจากเดิมได้ ต่างจากตัวโมเดล AI ที่โดยตัวมันเองไม่จำอะไรเลยระหว่างคำขอแต่ละครั้ง
- Stateless
- คุณสมบัติของ AI model ที่ไม่จำอะไรเลยระหว่างการเรียกใช้แต่ละครั้ง: ที่แชตดูเหมือนจำได้ เพราะระบบส่งประวัติบทสนทนาทั้งหมดกลับไปให้อ่านใหม่ทุกครั้ง
- System prompt
- ชุดคำสั่งที่ตั้งให้ AI ก่อนเริ่มบทสนทนา เพื่อกำหนดบทบาท กติกา และน้ำเสียงในการตอบ โดยผู้ใช้ทั่วไปมักมองไม่เห็นเพราะถูกฝังมากับตัวแอป
- Turn
- หนึ่งรอบถามตอบระหว่างเรากับ AI: เราส่งข้อความหนึ่งครั้ง โมเดลตอบกลับหนึ่งครั้ง บทสนทนายาวๆ ก็คือ turn หลายรอบเรียงต่อกัน