ในช่วงไม่กี่ปีที่ผ่านมา มีการถกเถียงกันมากว่า AI จะเข้ามาแทนที่มนุษย์ในหลายอุตสาหกรรม แต่ในภาคความบันเทิงและศาสตร์แห่งการพยากรณ์ ดูเหมือนว่า AI จะยังไม่สามารถทดแทนประสบการณ์แบบดั้งเดิมได้ ด้วยเหตุนี้ เราจึงท้าทายขีดจำกัดของ AI ด้วยการพัฒนา โหรา(ย): โมเดลภาษาขนาดใหญ่และอวาตาร์ 3 มิติในการพยากรณ์อนาคตด้วยไพ่ทาโรต์ ที่เชื่อมโยงศาสตร์การทำนายไพ่ทาโรต์แบบดั้งเดิมเข้ากับเทคโนโลยีสมัยใหม่ โครงการนี้ใช้เทคนิคการประมวลผลภาษาธรรมชาติ (NLP) ร่วมกับระบบเสียงพูดเป็นข้อความ (Speech-to-Text: STT) และข้อความเป็นเสียง (Text-to-Speech: TTS) เพื่อสร้างประสบการณ์การพยากรณ์ที่สมจริงและมีความละเอียดอ่อนทางวัฒนธรรม รองรับทั้งภาษาไทยและอังกฤษ ผู้ใช้สามารถป้อนคำถามผ่านเสียง ระบบจะประมวลผลผ่าน STT และ AI จะตอบกลับด้วยคำพยากรณ์ผ่าน TTS พร้อมกับ อวาตาร์ 3 มิติของหมอดู ที่แสดงท่าทางเสมือนจริง แพลตฟอร์มนี้จะถูกพัฒนาให้อยู่ในรูปแบบเว็บไซต์ที่ใช้งานง่าย ทำให้ศาสตร์การพยากรณ์เข้าถึงได้มากขึ้น พร้อมทั้งผสมผสานเทคโนโลยีและวัฒนธรรมเข้าด้วยกันอย่างลงตัว เพื่อให้การพยากรณ์ไพ่ทาโรต์เป็นทั้งประสบการณ์ที่แปลกใหม่ ทันสมัย และน่าดึงดูดสำหรับผู้ใช้ในยุคปัจจุบัน
ในปัจจุบัน AI Chatbots และ LLM ถูกนำมาใช้ในหลายธุรกิจ รวมถึงการให้คำแนะนำและการพยากรณ์ อย่างไรก็ตาม ในตลาดการพยากรณ์ออนไลน์ยังไม่มีระบบ AI ที่สามารถให้บริการพยากรณ์ไพ่ทาโรต์ได้อย่างมีประสิทธิภาพและให้ประสบการณ์ที่ใกล้เคียงกับนักพยากรณ์จริง จากการสังเกตพฤติกรรมของผู้ใช้สื่อโซเชียลในไทย พบว่ามีผู้ใช้จำนวนมากที่นิยมใช้ ChatGPT และ AI อื่น ๆ เพื่อขอคำพยากรณ์เกี่ยวกับอนาคตของตนเอง ซึ่งบ่งบอกถึงความสนใจในบริการลักษณะนี้ อย่างไรก็ตาม ยังไม่มีแพลตฟอร์มที่พัฒนาเพื่อจุดประสงค์ในการดูดวงโดยเฉพาะ ดังนั้น โครงการนี้จึงมีเป้าหมายในการพัฒนา AI ที่สามารถโต้ตอบกับผู้ใช้ได้อย่างสมจริง โดยใช้โมเดลภาษาและเทคโนโลยีที่ทันสมัย
คณะวิศวกรรมศาสตร์
โครงการปริญญานิพนธ์นี้จัดทำขึ้นเพื่อศึกษาหาสภาวะที่เหมาะสมในการผลิตน้ำอัญชันเข้มข้นด้วยกระบวนการระเหยสุญญากาศ โดยเพื่อรักษาคุณภาพของสารสำคัญในดอกอัญชัน เช่น แอนโทไซยานิน ซึ่งเป็นสารสีธรรมชาติที่มีคุณสมบัติต้านอนุมูลอิสระสูง โดยใช้วิธีการวางแผนการทดลองแบบBox-Behnken Design ซึ่งเป็นวิธีทางสถิติที่ช่วยในการวิเคราะห์ปัจจัยหลายตัว การศึกษานี้เน้นการพิจารณาอัตราส่วนของดอกอัญชันแห้งต่อน้ำ อุณหภูมิการสกัด และอุณหภูมิการระเหย ซึ่งมีผลโดยตรงต่อการคงคุณภาพของสารสำคัญ สี กลิ่น และรสชาติ ผลการทดลองแสดงให้เห็นว่า การใช้อัตราส่วนดอกอัญชันแห้งต่อน้ำที่ 1:15 อุณหภูมิการสกัด 60 องศาเซลเซียส และอุณหภูมิการระเหย 40 องศาเซลเซียส ภายใต้ความดันต่ำสามารถลดการสูญเสียสารสำคัญและรักษาคุณสมบัติของน้ำอัญชันเข้มข้นได้ดีที่สุด ข้อมูลที่ได้จากงานวิจัยนี้สามารถใช้เป็นแนวทางในการพัฒนากระบวนการผลิตน้ำอัญชันเข้มข้นในระดับอุตสาหกรรมและเพิ่มศักยภาพในการสร้างผลิตภัณฑ์ใหม่จากดอกอัญชัน
คณะวิศวกรรมศาสตร์
ระบบขนส่งทางรางมีบทบาทสำคัญในการดำเนินชีวิตของประชาชนรวมทั้งการขับเคลื่อนเศรษฐกิจของประเทศในปัจจุบัน ส่งผลให้เกิดการก่อสร้างโครงการระบบขนส่งทางรางไปทั่วประเทศ ทั้งนี้การขยายตัวแบบก้าวกระโดดดังกล่าว ย่อมส่งผลให้มลภาวะทางเสียงและการสั่นสะเทือนจากทางรถไฟมีมากขึ้นเป็นเงาตามตัว ซึ่งมลภาวะดังกล่าวอาจส่งผลต่อคุณภาพชีวิตของประชาชนที่อาศัยอยู่ในบริเวณใกล้เคียงได้ ในต่างประเทศการแก้ปัญหาทำได้หลายวิธีแต่วิธีที่เป็นที่นิยมกันในปัจจุบันคือการลดเสียงที่แหล่งกำเนิดหรือการปรับการสั่นสะเทือนด้วยการใส่แท่งสลายพลังงาน (Track Damper) ที่รางรถไฟโดยถือเป็นข้อแนะนำในการแก้ปัญหาเรื่องเสียงและการสั่นสะเทือนในหลายประเทศในทวีปยุโรปและออสเตรเลียเนื่องจากมีราคาถูกและได้ผลลัพธ์ที่มีประสิทธิภาพ ทั้งนี้ที่ผ่านมาบริษัท AUT ประเทศไทย เป็นผู้ผลิตชิ้นส่วนสำคัญคือแท่งดังกล่าวให้กับเจ้าของเทคโนโลยีส่งออกไปต่างประเทศมากกว่า 300,000 ชิ้นและมีความต้องการสูงขึ้นเรื่อยๆ จากการขยายตัวของระบบรางทั่วโลก โดยวัสดุส่วนใหญ่จะนำเข้าจากต่างประเทศเป็นวัสดุสังเคราะห์ซึ่งมีแหล่งกำเนิดที่ไม่เป็นมิตรกับสิ่งแวดล้อม ดังนั้นโครงการวิจัยนี้จึงมีวัตถุประสงค์เพื่อพัฒนาต่อยอดจากผลิตภัณฑ์ดังกล่าวโดยเพิ่มความเป็นมิตรกับสิ่งแวดล้อมด้วยการแทนที่เนื้อวัสดุบางอย่างด้วยวัสดุที่ในประเทศสองชนิดคือยางพาราและเศษยางรถยนต์เก่า และเพิ่มฟังก์ชั่นการใช้งานที่มีความอัจฉริยะด้วยการติดตั้งเซ็นเซอร์ตรวจวัดและวิเคราะห์การเคลื่อนผ่านของการรถไฟด้วยระบบปัญญาประดิษฐ์และไอโอที ทำให้นอกจากเพิ่มมูลค่าจากความเป็นมิตรกับสิ่งแวดล้อมแล้วระบบเซ็นเซอร์ฝังตัวอัจฉริยะยังสามารถใช้เป็นระบบตรวจวัดเพื่อการแจ้งเตือนและเป็นข้อมูลเพื่อวางแผนบำรุงรักษาได้อีกด้วย ทั้งนี้ในการดำเนินงานวิจัยจะมีการทำงานร่วมกันกับผู้ประกอบการอย่างใกล้ชิด ตั้งแต่การออกแบบ การผลิตและการทดสอบ ยกระดับจาก TRL 8-9 ในฐานะผู้ผลิตบางชิ้นส่วนของผู้ประกอบการเป็นเจ้าของเทคโนโลยีในระดับ TRL 7-8 เพื่อการแข่งขันในตลาดระบบรางระดับสากลต่อไป
คณะวิศวกรรมศาสตร์
โครงการนี้มีเป้าหมายเพื่อ ตรวจจับและจำแนกประเภทของรอยร้าวบนผนัง โดยใช้ AI และการประมวลผลภาพ ผู้ใช้สามารถ อัปโหลดรูปภาพ และระบบจะ วิเคราะห์ประเภทและความรุนแรงของรอยร้าว โมเดลที่ใช้คือ ResNet-50 ซึ่งมีความแม่นยำ 70.59% การปรับแต่งข้อมูลและการเพิ่มข้อมูลช่วยให้การตรวจจับแม่นยำขึ้น เครื่องมือนี้ช่วย ป้องกันความเสียหายทางโครงสร้าง โดยให้คำแนะนำเบื้องต้นสำหรับการบำรุงรักษา