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
คณะสถาปัตยกรรม ศิลปะและการออกแบบ
-
คณะสถาปัตยกรรม ศิลปะและการออกแบบ
ในโลกของการบริจาคโลหิต มีผู้คนอยู่ 2 ประเภท คือ ผู้บริจาคโลหิตอยู่แล้วและผู้ไม่คิดบริจาค ผู้รณรงค์ส่วนใหญ่มักเน้นย้ำถึงวิธีการโน้มน้าวให้ผู้คนบริจาคโลหิตมากขึ้น และดึงดูดผู้บริจาคโลหิตรายใหม่เข้ามามากขึ้น เราเชื่อว่าแม้ว่าการให้ความสำคัญดังกล่าวจะเป็นสิ่งสำคัญ แต่ยังมีประเด็นสำคัญอื่นๆ อีกหลายประการที่อาจถูกละเลยไป นั่นคือ สำหรับผู้ที่ตัดสินใจบริจาคโลหิตแล้ว พวกเขาจะบริจาคโลหิตได้สำเร็จเมื่อถึงเวลาหรือไม่ จากการศึกษาของเรา พบว่าผู้บริจาคโลหิตที่บริจาคสำเร็จมีเพียงร้อยละ 63 เท่านั้น น่าเสียดายที่อีกร้อยละ 37 ต้องกลับบ้านด้วยความผิดหวังเนื่องจากร่างกายของพวกเขาไม่พร้อมสำหรับเงื่อนไขที่เจ้าหน้าที่ทางการแพทย์ของสภากาชาดกำหนดไว้ที่ศูนย์รับบริจาคโลหิต (ซึ่งรวมถึงการเตรียมตัวขั้นพื้นฐาน เช่น รับประทานอาหารไขมันต่ำและนอนหลับพักผ่อนให้เพียงพอ 8 ชั่วโมงในคืนก่อนหน้า) แคมเปญ "Blood in Need, Buddy Indeed" เน้น 2 ประเด็น ประเด็นแรก เพื่อโน้มน้าวให้ผู้คนบริจาคโลหิตมากขึ้น ประเด็นที่สอง เป็นบริการสำหรับผู้ที่ตัดสินใจมาบริจาคโลหิต เพื่อให้พวกเขามีความพร้อมและประสบความสำเร็จในการบริจาคโลหิตเมื่อถึงวันบริจาค เราจะให้การสนับสนุนที่จำเป็น (ทั้งร่างกายและจิตใจ) ผ่านเครือข่ายระบบ เจ้าหน้าที่ และต้นแบบของแอปพลิเคชันใหม่ ‘Blood D’ แคมเปญของเราครอบคลุมประสบการณ์ "ก่อน/ระหว่าง/หลัง" ของผู้บริจาคโลหิตการสนับสนุนจะรวมถึงการประเมินสภาพร่างกายปัจจุบันของพวกเขาว่าอยู่ในเกณฑ์ที่ธนาคารเลือดของสภากาชาดกำหนดหรือไม่ Blood D จะให้ข้อมูลที่เกี่ยวข้องเกี่ยวกับกิจกรรมการบริจาคโลหิต เช่น สถานที่ และการจองเวลา เมื่อสมัครแล้ว แอปพลิเคชัน Blood D จะส่งคำเตือนที่เป็นมิตรและอินโฟกราฟิกที่ชัดเจนเกี่ยวกับการเตรียมร่างกายของพวกเขาเป็นการแจ้งเตือนรายวันในช่วง 7 วันนับจากนี้ ทั้งนี้เพื่อให้แน่ใจว่าเลือดของผู้ใช้จะ "D" (คำพ้องเสียงกับคำภาษาไทยที่แปลว่า "ดี" และล้อกับคำว่า ‘Buddy’ ในคราวเดียวกัน) หรือเป็น "เลือดที่ดี" ที่สามารถช่วยชีวิตผู้ที่ต้องการได้ หลังจากจัดกิจกรรมบริจาคโลหิต 4 ครั้งทั้งภายในและภายนอก KMITL จำนวนผู้บริจาคโลหิตสำเร็จเพิ่มขึ้นจาก 63% เป็น 78% (ตัวเลขนี้เป็นค่าเฉลี่ยของ 4 กิจกรรม โดยกิจกรรมที่ประสบความสำเร็จสูงสุดคือ 89%) แคมเปญนี้ได้รับรางวัลรองชนะเลิศอันดับ 1 ระดับประเทศในการแข่งขันแคมเปญบริจาคโลหิตเพื่อสภากาชาด คาดว่าเมื่อเปิดตัวแอปพลิเคชัน “Blood D” เต็มรูปแบบ จะช่วยเพิ่มปริมาณเลือดที่รวบรวมได้มากถึง 15% จากจำนวนผู้บริจาคเดิม
คณะวิทยาศาสตร์
มะเร็งยังคงเป็นอีกหนึ่งปัญหาด้านสุขภาพที่สำคัญระดับโลก โดยเป็นสาเหตุการเสียชีวิตอันดับสองของคนทั่วโลก ในปัจจุบันนอกเหนือจากการผ่าตัดรักษาโรคมะเร็งแล้ว ยังมีการรักษามะเร็งด้วยวิธีต่างๆ ได้แก่ การฉายรังสี และเคมีบำบัด อย่างไรก็ตามการรักษาด้วยวิธีดังกล่าวทำให้เกิดผลข้างเคียงที่รุนแรงต่อผู้ป่วยได้ เนื่องจากทั้งเซลล์มะเร็งและเซลล์ปกติต่างถูกกำจัดไปพร้อมกัน ดังนั้นจึงมีการใช้โมโนโคลนอลแอนติบอดีที่สามารถจับกับโมเลกุลที่มะเร็งใช้ยับยั้งภูมิคุ้มกันของร่างกาย (immune checkpoint molecule) โดยเฉพาะอย่างยิ่ง TIGIT/PVR (T-cell immunoglobulin and ITIM domain/poliovirus receptor) ซึ่งเป็นโมเลกุลที่เป็นเป้าหมายในการการพัฒนายารักษามะเร็ง การใช้โมโนโคลนอลแอนติบอดีในการยับยั้ง TIGIT แม้จะมีประสิทธิภาพในการรักษาที่ดี แต่จากการทดลองในผู้ป่วยพบว่าสามารถเกิดผลข้างเคียงจากการใช้แอนติบอดีและไปขัดขวางการทำงานตามปกติของร่างกาย และแอนติบอดีมีต้นทุนในการผลิตที่สูง ดังนั้นเพื่อแก้ไขปัญหาเหล่านี้ จึงมีการใช้สารประกอบขนาดเล็กแทน ซึ่งมีข้อดีในเรื่องของความสามารถในการดูดซึมเข้าสู่กระแสเลือดผ่านการรับประทานเข้าไปและคาดว่าสามารถจัดการเนื้องอกได้ดีกว่าโมโนโคลนอลแอนติบอดีเนื่องจากมีขนาดที่เล็กกว่า โดยในการทดลองนี้เราศึกษาตัวยาที่มีความสามารถในการจับกับ TIGIT โดยคัดกรองจากตัวยาที่ผ่านการอนุมัติจาก FDA (Food and Drug Administration) ผ่านวิธี virtual screening และ molecular docking ได้สารประกอบ 100 ตัว และนำมาคัดกรองต่อจนเหลือ 10 ตัว ซึ่งมีค่าความสามารถในการจับ TIGIT อยู่ในช่วง -9.152 to -7.643 kcal/mol จากนั้นสารประกอบเหล่านี้จะถูกประเมินคุณสมบัติทางเภสัชจลนศาสตร์โดยใช้การวิเคราะห์ ADMET (Absorption, Distribution, Metabolism, Excretion, และ Toxicity) เพื่อแสดงให้เห็นว่าตัวยาแต่ละตัวมีคุณสมบัติที่เหมาะสมสำหรับการใช้เป็นยา สารประกอบที่ผ่านเกณฑ์จะถูกวิเคราะห์ต่อโดยคาดคะเนการเปลี่ยนแปลงทางโครงสร้างและความเสถียรในการจับกับ TIGIT ผ่านการใช้ molecular dynamics (MD) เพื่อให้มั่นใจว่าโครงสร้างของโปรตีนจะไม่เปลี่ยนแปลงไป การศึกษานี้แสดงให้เห็นว่าการใช้วิธีการทางคอมพิวเตอร์และการนำยากลับมาใช้ใหม่ (Drug repurposing) สามารถเป็นแนวทางในการค้นหายาที่มีประสิทธิภาพ ซึ่งจะช่วยเร่งกระบวนการพัฒนายารักษามะเร็งใหม่ได้รวดเร็วขึ้น