โครงงานนี้นำเสนอการพัฒนาแชทบอทปัญญาประดิษฐ์ (AI) ที่ออกแบบมาเพื่อจัดการกับช่องโหว่ด้านความปลอดภัยทางไซเบอร์ โดยเฉพาะอย่างยิ่งที่เกี่ยวข้องกับ Common Vulnerabilities and Exposure (CVE) และระบบ Common Vulnerability Scoring System (CVSS) โครงงานนี้มีศักยภาพในการปรับปรุงแนวปฏิบัติด้านความปลอดภัยทางไซเบอร์อย่างมีประสิทธิภาพ โดยการมีเครื่องมือที่เข้าถึงได้ง่ายและให้ข้อมูลสำหรับการทำความเข้าใจและลดความเสี่ยงจากช่องโหว่
ในยุคที่การรักษาความปลอดภัยทางไซเบอร์มีการพัฒนาอย่างรวดเร็ว องค์กรต่างๆต้องเผชิญกับความท้าทายมากมายในการระบุและลดความเสี่ยงจากช่องโหว่ต่างๆ ภัยคุกคามทางไซเบอร์ที่มีความซับซ้อนเพิ่มขึ้นทำให้จำเป็นต้องมีเครื่องมือที่มีประสิทธิภาพและประสิทธิผลเพื่อช่วยให้นักทดสอบเจาะระบบสามารถประเมินช่องโหว่และผลกระทบที่อาจเกิดขึ้นได้ วิธีการปัจจุบันมักเกี่ยวข้องกับการค้นหาด้วยตนเองผ่านฐานข้อมูลขนาดใหญ่ ซึ่งอาจใช้เวลานานและมีโอกาสเกิดข้อผิดพลาดจากมนุษย์ แชทบอทที่ใช้ปัญญาประดิษฐ์สามารถทำให้กระบวนการนี้มีประสิทธิภาพมากขึ้น โดยให้ข้อมูลที่รวดเร็วและแม่นยำเกี่ยวกับช่องโหว่เฉพาะ รวมถึงคำอธิบาย คะแนน CVSS และระดับความรุนแรง
คณะสถาปัตยกรรม ศิลปะและการออกแบบ
งานวิจัยการออกแบบต้นแบบเมตาเวิร์สหอภาพยนตร์ (องค์การมหาชน) เป็นการศึกษารูปแบบการสร้างประสบการณ์เสมือนจริง (Immersive Experience) โดยมีวัตถุประสงค์ 3 ข้อคือ เพื่อ 1) ศึกษารูปแบบแนวคิดและเทคโนโลยีที่ใช้ในการสร้างประสบการณ์การรับรู้ดิจิทัลเสมือนจริง 2) สร้างสรรค์งานออกแบบประสบการณ์การรับรู้ดิจิทัลเสมือนจริงและนำเสนอบนโลกต้นแบบเมตาเวิร์สหอภาพยนตร์ ใช้การวิจัยเชิงปฏิบัติ 3) ประเมินผลการออกแบบและสรุปเป็นองค์ความรู้การออกแบบนิทรรศการเสมือนจริง โดยวิธีวิจัยเชิงคุณภาพ จัดให้มีการทดสอบตัวต้นแบบ พร้อมทั้งสัมภาษณ์แบบกลุ่ม สอบถามทัศนคติและประเมินความพึงพอใจ ผลการวิจัยพบว่า หลักการออกแบบต้นแบบเมตาเวิร์สหอภาพยนตร์นั้น ประกอบไปด้วย 1) การใช้แนวคิดการออกแบบสถาปัตยกรรม 2) แนวคิดการออกแบบนิทรรศการ 3) แนวคิดการออกแบบประสบการณ์ จากนั้นจึงเข้าสู่กระบวนการสร้างงานในโลกเสมือนจริง ประกอบไปด้วย 1) สร้างโมเดลโครงสร้าง3มิติ 2) สร้างการใช้งานปฏิสัมพันธ์ 3) การออกแบบนิทรรศการ 4) ดำเนินการทดสอบตัวต้นแบบ จากนั้นทดสอบพร้อมประเมินผล โดยมีขั้นตอนคือ 1) ทดสอบโดยผู้ทดสอบ 10 คน 2) สัมภาษณ์แบบกลุ่มทั้ง 4 ประเด็นคือ ประเด็นหมวดประสบการณ์โดยรวม ประเด็นหมวดหอภาพยนตร์เนื้อหาคุณค่า ประเด็นหมวดการออกแบบเมตาเวิร์ส และประเด็นหมวดส่งเสริมการเรียนรู้ในพิพิธภัณฑ์ ผลการประเมินการออกแบบหมวดที่หนึ่ง 1) หมวดประสบการณ์โดยรวม ได้รับประสบการณ์ที่ดี ร้อยละ 70 การใช้งานเสถียร ร้อยละ 50 อุปสรรคในการรับชมร้อยละ 90 เสียงบรรยายดังรบกวนร้อยละ 50 รับชมภาพยนตร์ติดขัดร้อยละ 40 มีความต้องการคำอธิบายการใช้งาน ร้อยละ 60 ต้องการสัญลักษณ์นำทางร้อยละ 70 หมวดที่สอง 2) หมวดหอภาพยนตร์ สามารถรับรู้และเข้าใจเนื้อหาร้อยละ 80 หมวดที่สาม 3) หมวดเมตาเวิร์ส ได้มีการสื่อสารพูดคุยปฏิสัมพันธ์ร้อยละ 70 หมวดที่สี่ 4) หมวดการส่งเสริมการเรียนรู้ในพิพิธภัณฑ์ เห็นว่าสามารถส่งเสริมให้เกิดการเรียนรู้ได้ร้อยละ 90 จากผลสรุปการประเมินการออกแบบต้นแบบเมตาเวิร์สหอภาพยนตร์เพื่อสร้างประสบการณ์ดิจิทัลเสมือนจริง พบว่าประสบการณ์ที่ผู้ทดสอบได้รับ อยู่ในเกณฑ์ดี คือร้อยละ 70 แต่ปัญหาที่พบจะอยู่ที่ระบบและอุปกรณ์ที่รองรับการทดสอบยังไม่เสถียรเนื่องจากความพร้อมของเทคโนโลยีในปัจจุบัน (2566) ส่วนอุปสรรคในการใช้งานประสบการณ์ปฏิสัมพันธ์ภายในจำเป็นต้องมีการทดสอบและปรับปรุงซ้ำหลายครั้ง ส่วนเรื่องของคุณค่าการสนับสนุนการเรียนรู้ถือว่าอยู่ในเกณฑ์ดี
คณะวิทยาศาสตร์
ปัญหาพิเศษนี้มีวัตถุประสงค์เพื่อศึกษาและเปรียบเทียบประสิทธิภาพการทำนายดัชนีคุณภาพอากาศ (AQI) ด้วยวิธีการเรียนรู้ของเครื่องแบบรวมกลุ่ม 5 วิธี ได้แก่ วิธีป่าสุ่ม วิธี XGBoost วิธี CatBoost วิธีรวมกลุ่มป่าสุ่มและ XGBoost และวิธีรวมกลุ่มป่าสุ่ม SVR และ MLP โดยใช้ชุดข้อมูลจากกรมควบคุมมลพิษกลางของประเทศอินเดีย (CPCB) ซึ่งชุดข้อมูลประกอบด้วยตัวแปรด้านมลพิษ 15 ตัวแปร และข้อมูลด้านสภาพอากาศ 9 ตัวแปร เก็บรวบรวมตั้งแต่มกราคม ค.ศ. 2021 ถึงธันวาคม ค.ศ. 2023 มีจำนวนข้อมูล 1,024,920 ค่า และวิธีการที่ใช้วัดประสิทธิภาพ 3 วิธี ได้แก่ รากของค่าคลาดเคลื่อนกำลังสองเฉลี่ย (Root Mean Square Error : RMSE) ค่าคลาดเคลื่อนสัมบูรณ์เฉลี่ย (Mean Absolute Error : MAE) และสัมประสิทธิ์การกำหนด (Coefficient of Determination) ผลการศึกษาพบว่าวิธีรวมกลุ่มป่าสุ่มและ XGBoost มีค่าวัดประสิทธิภาพทั้ง 3 วิธีดีที่สุด โดยมีค่า RMSE น้อยที่สุดเท่ากับ 0.1040 ค่า MAE น้อยที่สุดเท่ากับ 0.0675 และค่า มากที่สุดเท่ากับ 0.8128 แล้วทำการอธิบายผลลัพธ์จากการเรียนรู้ของเครื่องสำหรับสร้างแผนภาพด้วย SHAP ของวิธีการเรียนรู้ของเครื่องทั้ง 5 วิธี ทุกวิธีได้ข้อสรุปในทำนองเดียวกันคือตัวแปรที่มีผลกระทบต่อ ค่าทำนายโดยรวมมากที่สุด 2 อันดับแรกคือตัวแปร PM2.5 และ PM10 ตามลำดับ
คณะวิศวกรรมศาสตร์
ระบบสร้างภาษามือไทยเชิงกำเนิดมีเป้าหมายในการพัฒนาแพลตฟอร์ม การสร้างแบบจำลอง 3 มิติและแอนิเมชัน ที่สามารถแปลง ประโยคภาษาไทยเป็นท่าทางภาษามือไทย (TSL) ที่ถูกต้องและเป็นธรรมชาติ โครงการนี้ช่วยเสริมสร้างการสื่อสารสำหรับ ชุมชนผู้บกพร่องทางการได้ยินในประเทศไทย โดยใช้แนวทางที่อิงกับ แลนมาร์ก (Landmark-Based Approach) ผ่านการใช้ Vector Quantized Variational Autoencoder (VQVAE) และ Large Language Model (LLM) ในการสร้างภาษามือ ระบบเริ่มต้นด้วยการ ฝึกโมเดล VQVAE โดยใช้ข้อมูลแลนมาร์กที่สกัดจากวิดีโอภาษามือ เพื่อให้โมเดลเรียนรู้ การแทนค่าแบบแฝง (Latent Representations) ของท่าทางภาษามือไทย หลังจากนั้น โมเดลที่ฝึกแล้วจะถูกใช้เพื่อ สร้างลำดับแลนมาร์กของท่าทางเพิ่มเติม ซึ่งช่วยขยายชุดข้อมูลฝึกโดยอ้างอิงจาก BigSign ThaiPBS Dataset เมื่อชุดข้อมูลได้รับการขยายแล้ว ระบบจะทำการ ฝึก LLM เพื่อสร้างลำดับแลนมาร์กที่ถูกต้องจากข้อความภาษาไทย โดยลำดับแลนมาร์กที่ได้จะถูกนำไปใช้ สร้างแอนิเมชันของโมเดล 3 มิติใน Blender เพื่อให้ได้ท่าทางภาษามือที่ลื่นไหลและเป็นธรรมชาติ โครงการนี้ถูกพัฒนาด้วย Python โดยใช้ MediaPipe สำหรับการสกัดแลนมาร์ก OpenCV สำหรับการประมวลผลภาพแบบเรียลไทม์ และ Blender’s Python API สำหรับสร้างแอนิเมชัน 3 มิติ ด้วยการผสานเทคโนโลยี AI, การเข้ารหัสผ่าน VQVAE และการสร้างแลนมาร์กด้วย LLM ระบบนี้มุ่งหวังที่จะ เชื่อมช่องว่างระหว่างข้อความภาษาไทยและภาษามือไทย เพื่อมอบแพลตฟอร์มการแปลภาษามือแบบโต้ตอบ ในเวลาจริง ให้กับชุมชนผู้บกพร่องทางการได้ยินในประเทศไทย