ระบบประเมินโมเดลภาษาขนาดใหญ่แบบออฟไลน์ในภาษาไทยถูกออกแบบมาเพื่อช่วยให้ผู้เชี่ยวชาญสามารถทดสอบและประเมินประสิทธิภาพของโมเดลภาษาขนาดใหญ่ (Large Language Models: LLMs) ได้อย่างสะดวก รวดเร็ว และไม่ต้องพึ่งพาการเชื่อมต่อภายนอก ช่วยเพิ่มความคล่องตัวในการเลือกใช้ LLMs ที่เหมาะสมกับความต้องการขององค์กรหรือระบบผู้เชี่ยวชาญ (Expert System: ES) ระบบสามารถทำงานบนคอมพิวเตอร์ส่วนบุคคลโดยไม่ต้องกังวลเรื่องการเก็บข้อมูลภายนอก ส่งผลให้มีความปลอดภัยของข้อมูลสูง นอกจากนี้ ยังรองรับการทดสอบและพัฒนาโมเดลด้วยเทคนิคการดึงข้อมูลเสริม (Retrieval-Augmented Generation: RAG) เพื่อให้สามารถเข้าถึงข้อมูลเฉพาะทางและประมวลผลได้อย่างแม่นยำ มีประสิทธิภาพด้านพลังงาน และตอบสนองความต้องการขององค์กรและระบบผู้เชี่ยวชาญได้อย่างเหมาะสม
ในปัจจุบัน โมเดลภาษาขนาดใหญ่ (Large Language Models: LLMs) ได้รับความนิยมและถูกนำไปใช้งานในหลากหลายด้าน ทั้งในองค์กรและภาคอุตสาหกรรม โดยเฉพาะในการพัฒนาระบบผู้เชี่ยวชาญ (Expert System: ES) ที่ช่วยให้ผู้ใช้สามารถทำงานได้อย่างมีประสิทธิภาพสูงขึ้น ไม่ว่าจะเป็นการวิเคราะห์ข้อมูล การให้คำแนะนำ หรือการประมวลผลข้อมูลเฉพาะทางในแต่ละสาขา อย่างไรก็ตาม การใช้โมเดลภาษาขนาดใหญ่จากภายนอกอาจมีข้อจำกัดด้านความปลอดภัยของข้อมูล และบางองค์กรจำเป็นต้องประมวลผลภายในระบบของตนเองเพื่อลดความเสี่ยงจากการเชื่อมต่อภายนอก ดังนั้น การพัฒนาระบบทดสอบโมเดลภาษาขนาดใหญ่แบบออฟไลน์ในภาษาไทยจึงมีความสำคัญ ทั้งในแง่ของการรักษาความปลอดภัยข้อมูล ลดการพึ่งพาบริการจากภายนอก และเพิ่มความยืดหยุ่นในการเลือกใช้โมเดลที่เหมาะสมกับงานเฉพาะด้าน อย่างไรก็ตาม การทดสอบและประเมินประสิทธิภาพของ LLMs ในสภาพแวดล้อมแบบออฟไลน์ถือเป็นความท้าทาย เนื่องจากต้องคำนึงถึงปัจจัยต่าง ๆ เช่น ความแม่นยำของโมเดล ทรัพยากรที่ใช้ในการประมวลผล และความสามารถในการรองรับภาษาไทยได้อย่างมีประสิทธิภาพ
คณะอุตสาหกรรมอาหาร
งานวิจัยนี้มีวัตถุประสงค์เพื่อศึกษาการหมักร่วม (Co-fermentation) ระหว่างแบคทีเรียกรดแลคติก (Lactic Acid Bacteria, LAB) และยีสต์ Saccharomyces cerevisiae ในการผลิตเบียร์เปรี้ยว (Sour Beer) โดยมุ่งเน้นผลกระทบของการหมักร่วมต่อคุณภาพของผลิตภัณฑ์ ได้แก่ ค่า pH ปริมาณกรดอินทรีย์ ปริมาณน้ำตาล และคุณลักษณะทางประสาทสัมผัส ในการทดลอง ใช้แบคทีเรียกรดแลคติกสายพันธุ์ที่คัดเลือก และยีสต์ S. cerevisiae ในสภาวะการหมักที่ควบคุม อัตราส่วนของจุลินทรีย์ถูกปรับให้เหมาะสมเพื่อส่งเสริมการเจริญเติบโตและการสร้างสารสำคัญ ผลการทดลองพบว่า การหมักร่วมสามารถลดค่า pH ได้อย่างมีนัยสำคัญเมื่อเทียบกับการหมักด้วยยีสต์เพียงอย่างเดียว นอกจากนี้ ยังมีการเพิ่มขึ้นของกรดแลคติกเนื่องจากการใช้น้ำตาลของเชื้อLAB ซึ่งส่งผลต่อรสชาติที่เป็นเอกลักษณ์ของเบียร์เปรี้ยว
คณะเทคโนโลยีการเกษตร
การวิจัยนี้มีวัตถุเพื่อศึกษาเปรียบเทียบระหว่างโรงเรือนพรางแสงและโรงเรือนอีแวปสำหรับการ ผลิตพิทูเนียกระถางที่เหมาะสมต่อการเจริญเติบโต การออกดอกและประสิทธิภาพการสังเคราะห์ ด้วยแสงของพิทูเนีย โดยแบ่งออกเป็น 2 กลุ่มประชากรดังนี้ 1) โรงเรือนอีแวป (evaporative cooling house) 2) โรงเรือนพรางแสง (shade net house) โดยแต่ละกลุ่มใช้พิทูเนียจำนวน 50 กระถางในการบันทึกผล ผลการทดลองพบว่า การปลูกพิทูเนียในโรงเรือนอีแวปส่งผลให้ลำต้นมี ความสูงมากที่สุด ดอกมีขนาดใหญ่และบานได้นานกว่า แต่การปลูกในโรงเรือนพรางแสงส่งผลให้ พิทูเนียแทงตาดอก ออกดอกได้เร็วกว่า รวมถึงดอกมีสีเข้มกว่า และมีจำนวนดอกใหม่ต่อต้น มากกว่าเท่าตัวหลังการย้ายปลูก 21 วัน ในส่วนของประสิทธิภาพการสังเคราะห์แสงในรอบวันหลัง การย้ายปลูก 30 วัน พบว่าในช่วงเวลา 12.00 น. ทำให้อัตราการสังเคราะห์ด้วยแสงสุทธิทั้ง 2 โรงเรือนสูงสุด และทำให้ค่าการนำไฟฟ้าของปากใบและอัตราการคายน้ำเพิ่มขึ้นสูงสุดในโรงเรือน อีแวป หลังการย้ายปลูก 60 วัน พบว่าอัตราการสังเคราะห์ด้วยแสงสุทธิ ค่าการนำไฟฟ้าของปาก ใบและค่าการคายน้ำมีค่าสูงสุดในโรงเรือนพรางแสงในช่วงเวลา 10.00 น. ส่วนการสังเคราะห์ด้วย แสงในความเข้มแสงที่แตกต่างกัน หลังการย้ายปลูก 30 วัน พบว่าอัตราการสังเคราะห์ด้วยแสง สุทธิ ค่าการนำไฟฟ้าปากใบและอัตราการคายน้ำสูงสุดเมื่อให้ความเข้มแสงที่ 2000 µmol m-2 s-1 โดยมีค่าสูงสุดในโรงเรือนพรางแสง หลังการย้ายปลูก 60 วัน อัตราการสังเคราะห์ด้วยแสงสุทธิ สูงสุดเมื่อให้ความเข้มแสงที่ 1400 µmol m-2 s-1 โดยมีค่าสูงสุดในโรงเรือนพรางแสง จากการศึกษา จึงสรุปผลได้ว่า การปลูกพิทูเนียในโรงเรือนพรางแสง เหมาะสมสำหรับการผลิตพิทูเนียกระถาง และมีประสิทธิภาพการสังเคราะห์ด้วยแสงของพิทูเนียมากกว่าการปลูกพิทูเนียในโรงเรือนอีแวป
คณะวิทยาศาสตร์
โครงงานนี้พัฒนาตู้รับซื้ออัตโนมัติสำหรับขวดพลาสติกและกระป๋อง โดยใช้ Machine Learning ในการจำแนกประเภทบรรจุภัณฑ์ผ่านการประมวลผลภาพ ร่วมกับระบบเซนเซอร์อัจฉริยะในการตรวจสอบคุณภาพของบรรจุภัณฑ์และควบคุมการทำงาน ระบบเชื่อมต่อกับ Web Application เพื่อแสดงผลและควบคุมการทำงานแบบเรียลไทม์ เมื่อยืนยันประเภทบรรจุภัณฑ์แล้ว จะคำนวณราคาและจ่ายเงินผ่าน e-wallet หรือออกคูปองแลกเงินสดโดยอัตโนมัติ ระบบนี้สามารถติดตั้งในพื้นที่สาธารณะเพื่อส่งเสริมการคัดแยกขยะตั้งแต่ต้นทาง ช่วยลดการปนเปื้อนและเพิ่มประสิทธิภาพการรีไซเคิล อีกทั้งยังสร้างแรงจูงใจทางการเงินให้ประชาชนมีส่วนร่วมในการจัดการขยะมากขึ้น โครงงานนี้แสดงให้เห็นถึงศักยภาพของการผสมผสาน Machine Learning และระบบเซนเซอร์อัจฉริยะในการพัฒนาโซลูชันการจัดการขยะที่แม่นยำ สะดวก และยั่งยืน **