Edge AI และ IoT ทำอะไรได้ และทำอะไรไม่ได้

หลักสูตร

Edge AI และ IoT สำหรับการตัดสินใจเชิงผลิตภัณฑ์ · เข้าใจทางเลือก

ระดับ

L1 รู้จัก

เวลาโดยประมาณ

30 นาที (แนวคิด 15 · ฝึก 10 · เช็กความเข้าใจ 5)

อุปกรณ์

ไม่ต้องใช้บอร์ด

ทักษะที่ฝึก

• การตัดสินใจเชิงผลิตภัณฑ์ด้าน AIoT ถึง L1
• พื้นฐานระบบ IoT ถึง L1
• Edge AI พื้นฐาน ถึง L1

ควรเรียนก่อน

ไม่มี

สถานะ

ทดลองใช้ (alpha)

• เปิดสไลด์
• ไฟล์ของบทเรียนบน GitHub

เป้าหมาย

1. จำแนกได้ว่าโจทย์ไหนเหมาะกับ IoT อย่างเดียว IoT ร่วมกับ Edge AI หรือไม่ควรใช้ทั้งคู่
2. อธิบายข้อจำกัดหลักของ Edge AI ได้อย่างน้อย 3 ข้อ
3. เขียนโจทย์ธุรกิจของตัวเองเป็นประโยคเดียวที่ทีมเทคนิคเอาไปทำงานต่อได้

หลักสูตรนี้ไม่ต้องเขียนโค้ดและไม่ต้องมีบอร์ด

ก่อนเริ่ม

ลองนึกถึงปัญหาหนึ่งเรื่องในกิจการของคุณที่ “อยากรู้ก่อนที่จะสายเกินไป” เช่น เครื่องจักรกำลังจะเสีย ของในตู้แช่กำลังจะเสีย หรือลูกค้ากำลังรอคิวนานเกินไป จดไว้หนึ่งบรรทัด เราจะกลับมาใช้ตอนท้ายบท

ดูของจริงก่อน

ตารางนี้เป็นกรณีตัวอย่างสี่แบบ อ่านแล้วลองเดาก่อนว่าแถวไหน “ต้องมี AI” จริง ๆ

อุตสาหกรรม	ปัญหา	สิ่งที่วัด	สิ่งที่ตัดสินใจ	ต้องมี AI ไหม
โรงงาน	มอเตอร์ปั๊มเสียกะทันหัน สายการผลิตหยุด	การสั่นสะเทือนของตัวมอเตอร์	“รูปแบบการสั่นผิดไปจากตอนปกติ” แจ้งช่างก่อนเสีย	มักต้อง เพราะ “ผิดปกติ” ไม่ใช่ตัวเลขตัวเดียว
ฟาร์ม	ผักในโรงเรือนเหี่ยวเพราะร้อนและแห้ง	อุณหภูมิ ความชื้นอากาศ ความชื้นดิน	“ความชื้นต่ำกว่าเกณฑ์” สั่งพ่นหมอกหรือรดน้ำ	มักไม่ต้อง กฎเกณฑ์ธรรมดาก็พอ
สุขภาพ	ผู้สูงอายุอยู่บ้านคนเดียว หกล้มแล้วไม่มีใครรู้	การเคลื่อนไหวในห้องด้วยเรดาร์ ไม่ใช้กล้อง	“เพิ่งมีการล้มและไม่ลุกขึ้น” แจ้งญาติ	มักต้อง เพราะการล้มกับการนั่งลงเร็ว ๆ คล้ายกัน
ค้าปลีก	ของในตู้แช่เสียเพราะประตูปิดไม่สนิททั้งคืน	อุณหภูมิในตู้	“อุ่นเกินเกณฑ์นานเกิน 15 นาที” ส่งข้อความหาผู้จัดการ	ไม่ต้อง กฎเกณฑ์ธรรมดาก็พอ

สองในสี่แถวไม่ต้องใช้ AI เลย นี่คือบทเรียนแรกของหลักสูตรนี้ โจทย์ส่วนใหญ่ต้องการการวัดที่ดีกับกฎที่ชัด ก่อนจะต้องการ AI

แนวคิด

1. สองคำที่มักถูกใช้ปนกัน

• IoT (Internet of Things) คืออุปกรณ์ที่มีเซนเซอร์ วัดค่าได้เอง และส่งข้อมูลผ่านเครือข่าย ทำให้เรารู้สิ่งที่เกิดขึ้นโดยไม่ต้องมีคนไปยืนดู
• Edge AI คือการรันโมเดล AI ที่ฝึกมาแล้ว บนตัวอุปกรณ์เอง ใกล้เซนเซอร์ แทนที่จะส่งข้อมูลดิบทั้งหมดขึ้นคลาวด์ไปให้คอมพิวเตอร์ที่อื่นคิด

ชิปรุ่นใหม่สำหรับงานนี้เล็กลงและเก่งขึ้นมาก ตัวอย่างเช่นบอร์ด TESAIoT Dev Kit ที่ใช้ในหลักสูตรของ TESA ใช้ชิป Infineon PSoC™ Edge E84 ซึ่งมีหน่วยประมวลผล Arm® Cortex®-M55 ร่วมกับหน่วยเร่ง AI (NPU) Ethos™-U55 และมีเซนเซอร์ความเคลื่อนไหว เรดาร์ 60 GHz ไมโครโฟน และเซนเซอร์สภาพแวดล้อมอยู่บนบอร์ด ตามที่ระบุใน README ของ SDK เราไม่ได้ยกตัวอย่างนี้เพื่อให้คุณซื้อบอร์ดรุ่นนี้ แต่เพื่อให้เห็นว่า “AI บนอุปกรณ์ตัวเล็ก” เป็นของที่มีอยู่จริงแล้ว

2. บันไดสามขั้นก่อนพูดถึง AI

ถามตามลำดับนี้ ถ้าตอบได้ที่ขั้นไหน หยุดที่ขั้นนั้น

1. วัดได้ไหม ปัญหานี้มีสัญญาณอะไรที่เซนเซอร์จับได้ ถ้าไม่มีสัญญาณ ไม่มีเทคโนโลยีไหนช่วยได้
2. กฎธรรมดาพอไหม ถ้าตัดสินใจได้ด้วย “ค่าเกินเกณฑ์” หรือ “เกินเกณฑ์นานกว่า X นาที” ใช้ IoT กับกฎก็พอ ถูกกว่าและอธิบายง่ายกว่า
3. ต้องจำรูปแบบไหม ถ้า “ผิดปกติ” ไม่ใช่ตัวเลขตัวเดียว แต่เป็นรูปแบบของสัญญาณ เช่น เสียง การสั่น หรือท่าทาง นั่นคือที่ที่ Edge AI คุ้มค่า

3. สิ่งที่ Edge AI ทำไม่ได้ หรือทำได้ไม่ดี

• ไม่ถูกร้อยเปอร์เซ็นต์ โมเดลทุกตัวมีทั้งเตือนผิด (false alarm) และพลาดเหตุการณ์จริง ต้องออกแบบว่าผิดแล้วใครรับผิดชอบ และต้นทุนของการผิดแต่ละแบบเป็นเท่าไร
• ไม่มีข้อมูล ไม่มีโมเดล โมเดลเรียนจากตัวอย่าง ต้องมีข้อมูลจากหน้างานจริง ทั้งตอนปกติและตอนผิดปกติ การเก็บข้อมูลมักเป็นงานที่นานที่สุดของโครงการ
• ไม่ใช่ติดตั้งแล้วจบ สภาพหน้างานเปลี่ยน เครื่องจักรเปลี่ยน ฤดูเปลี่ยน โมเดลที่แม่นวันนี้อาจแม่นน้อยลงในปีหน้า ต้องมีแผนดูแลและอัปเดต
• ไม่แทนการแก้กระบวนการ ถ้าเตือนแล้วไม่มีใครรู้ว่าต้องทำอะไรต่อ ระบบที่แม่นแค่ไหนก็ไม่มีประโยชน์

4. โจทย์ที่ดีมีสามส่วน

ประโยคโจทย์ที่ทีมเทคนิคเอาไปทำงานต่อได้ ต้องตอบครบสามส่วน วัดอะไร ตัดสินใจอะไร และ ใครทำอะไรต่อ เช่น

วัดอุณหภูมิในตู้แช่ทุกตู้ ถ้าอุ่นเกินเกณฑ์นานกว่า 15 นาที ให้ส่งข้อความหาผู้จัดการกะ เพื่อไปตรวจประตูตู้ภายใน 30 นาที

ประโยคนี้ไม่มีคำว่า AI เลย และนั่นไม่ใช่ข้อเสีย

ฝึกเติม

กลับไปที่ปัญหาที่คุณจดไว้ตอนต้นบท เขียนใหม่ให้ครบสามส่วน แล้วเดินบันไดสามขั้น บอกว่าโจทย์ของคุณหยุดที่ขั้นไหน

ส่วน	โจทย์ของคุณ
วัดอะไร
ตัดสินใจอะไร
ใครทำอะไรต่อ
หยุดที่ขั้น (1 วัดได้ไหม / 2 กฎพอไหม / 3 ต้องจำรูปแบบ)

เช็กความเข้าใจ

ตอบคำถามใน quiz.yaml ถูกตั้งแต่ 80% ขึ้นไปถือว่าผ่าน

ไปต่อ

ถ้าอยากเห็นกับตาว่าอุปกรณ์ตัวเล็ก “วัดแล้วตัดสินใจ” อย่างไร ลองหลักสูตร Explorer บทเรียนเรื่องอ่านเซนเซอร์ ใช้เวลาราวครึ่งชั่วโมงในเบราว์เซอร์ ไม่ต้องมีบอร์ด

สะท้อนคิด

ถ้าระบบของคุณเตือนผิดสัปดาห์ละครั้ง พนักงานจะยังเชื่อมันไหม แล้วถ้าพลาดเหตุการณ์จริงเดือนละครั้ง ความเสียหายเป็นอย่างไร คำตอบของสองคำถามนี้บอกได้ว่าคุณต้องการความแม่นแค่ไหน

คำถามทบทวน

ลองตอบเองก่อน แล้วค่อยเปิดดูเฉลย

1. ร้านขายยาอยากรู้เมื่อตู้เย็นเก็บวัคซีนอุ่นเกิน 8 องศานานกว่า 10 นาที ควรใช้อะไร (เป้าหมายข้อ 1)

   1. Edge AI ที่ฝึกจากข้อมูลหลายเดือน
   2. IoT วัดอุณหภูมิกับกฎเกณฑ์ธรรมดา
   3. ไม่ต้องใช้อะไร ให้พนักงานเดินดูทุกชั่วโมง
   4. กล้องวงจรปิดกับ AI จดจำใบหน้า
   ดูเฉลย

   คำตอบ: B. IoT วัดอุณหภูมิกับกฎเกณฑ์ธรรมดา

   เงื่อนไขเป็นตัวเลขกับเวลาที่ชัดเจน กฎธรรมดาทำได้ครบ ถูกกว่าและอธิบายง่ายกว่าการใช้ AI

2. โรงงานอยากรู้ล่วงหน้าว่ามอเตอร์พัดลมระบายอากาศเริ่มสั่นผิดจากปกติ ข้อใดเหมาะที่สุด (เป้าหมายข้อ 1)

   1. IoT กับกฎ "ค่าการสั่นเกินเกณฑ์เดียว"
   2. IoT ร่วมกับ Edge AI ที่เรียนรูปแบบการสั่นตอนปกติแล้วแจ้งเมื่อผิดรูป
   3. ไม่ควรใช้ทั้งคู่ เพราะการสั่นวัดไม่ได้
   4. ส่งวิดีโอขึ้นคลาวด์ตลอด 24 ชั่วโมง
   ดูเฉลย

   คำตอบ: B. IoT ร่วมกับ Edge AI ที่เรียนรูปแบบการสั่นตอนปกติแล้วแจ้งเมื่อผิดรูป

   ความผิดปกติของการสั่นมักเป็นรูปแบบ ไม่ใช่ตัวเลขตัวเดียว งานแบบนี้คือที่ที่ Edge AI คุ้มค่า

3. ผู้บริหารอยากให้ AI ทำนายว่ายอดขายเดือนหน้าจะเท่าไร โดยติดเซนเซอร์ในร้าน ข้อใดตรงที่สุด (เป้าหมายข้อ 1)

   1. เหมาะกับ Edge AI เพราะต้องคิดเร็ว
   2. โจทย์นี้ไม่ใช่งานของ IoT หรือ Edge AI เป็นหลัก ควรเริ่มจากข้อมูลการขายและระบบวิเคราะห์ที่มีอยู่
   3. ใช้ IoT กับกฎเกณฑ์ธรรมดาก็พอ
   4. ต้องติดเรดาร์ทุกชั้นวาง
   ดูเฉลย

   คำตอบ: B. โจทย์นี้ไม่ใช่งานของ IoT หรือ Edge AI เป็นหลัก ควรเริ่มจากข้อมูลการขายและระบบวิเคราะห์ที่มีอยู่

   การพยากรณ์ยอดขายไม่ได้ขึ้นกับสัญญาณที่เซนเซอร์หน้างานจับได้โดยตรง และไม่ต้องตัดสินใจภายในเสี้ยววินาทีบนอุปกรณ์

4. ข้อใดคือข้อจำกัดของ Edge AI (เลือกได้มากกว่าหนึ่งข้อ) (เป้าหมายข้อ 2)

   1. มีโอกาสเตือนผิดและพลาดเหตุการณ์จริงเสมอ
   2. ต้องมีข้อมูลจากหน้างานจริงมาฝึกและทดสอบ
   3. ติดตั้งครั้งเดียวแล้วแม่นตลอดไป ไม่ต้องดูแล
   4. ถ้าเตือนแล้วไม่มีขั้นตอนรับมือ ระบบก็ไม่มีประโยชน์
   ดูเฉลย

   คำตอบ: A. มีโอกาสเตือนผิดและพลาดเหตุการณ์จริงเสมอ · B. ต้องมีข้อมูลจากหน้างานจริงมาฝึกและทดสอบ · D. ถ้าเตือนแล้วไม่มีขั้นตอนรับมือ ระบบก็ไม่มีประโยชน์

   สภาพหน้างานเปลี่ยนตามเวลา โมเดลต้องมีแผนดูแลและอัปเดต ข้อที่บอกว่าติดตั้งครั้งเดียวจบจึงผิด

5. ประโยคโจทย์ใดครบทั้งสามส่วน "วัดอะไร ตัดสินใจอะไร ใครทำอะไรต่อ" (เป้าหมายข้อ 3)

   1. เราอยากใช้ AI ให้ทันสมัย
   2. วัดความชื้นดินในแปลง ถ้าต่ำกว่าเกณฑ์ให้เปิดปั๊มน้ำ 10 นาที และแจ้งผู้ดูแลแปลงถ้าปั๊มเปิดเกินวันละสามครั้ง
   3. ติดเซนเซอร์ให้ครบทุกจุดก่อนแล้วค่อยคิด
   4. ทำแดชบอร์ดให้สวยที่สุด
   ดูเฉลย

   คำตอบ: B. วัดความชื้นดินในแปลง ถ้าต่ำกว่าเกณฑ์ให้เปิดปั๊มน้ำ 10 นาที และแจ้งผู้ดูแลแปลงถ้าปั๊มเปิดเกินวันละสามครั้ง

   ข้อที่ถูกบอกครบว่าวัดอะไร เกณฑ์การตัดสินใจคืออะไร และใครหรืออะไรทำอะไรต่อ ทีมเทคนิคเอาไปออกแบบได้ทันที

อ้างอิงบทเรียนนี้

ถ้านำบทเรียนนี้ไปสอน ทำสไลด์ หรือทำเอกสารต่อ ให้อ้างอิงด้วยข้อความนี้ ถ้าดัดแปลงเนื้อหา ให้เติม (ดัดแปลง)ต่อท้ายชื่อบทเรียน

"Edge AI และ IoT ทำอะไรได้ และทำอะไรไม่ได้" จาก TESA Open Knowledge โดยสมาคมสมองกลฝังตัวไทย (Thai Embedded Systems Association: TESA) https://github.com/tesaiot/tesa-qualification-program สัญญาอนุญาต CC BY-NC 4.0

ข้อความอ้างอิงภาษาอังกฤษ: "What edge AI and IoT can and cannot do" from TESA Open Knowledge by the Thai Embedded Systems Association (TESA), https://github.com/tesaiot/tesa-qualification-program, licensed under CC BY-NC 4.0

ลิงก์บทเรียน: https://tesaiot.github.io/tesa-qualification-program/courses/edge-ai-iot-for-business/m01-understand-the-options/l01-what-it-can-do/

วิธีอ้างอิง TESA ฉบับเต็ม