ในคีย์โน้ตของงาน WWDC23 ที่ผ่านมา มีข้อสังเกตว่าแม้แอปเปิลจะเปิดตัว เฮดเซต Apple Vision Pro ที่ใช้งานโลกเสมือนผสมผสาน Mixed Reality (MR) แต่ในการนำเสนอนั้น กลับไม่มีคำว่า Metaverseออกมาแม้แต่ครั้งเดียว
คำพูดที่ Tim Cook ซีอีโอแอปเปิล และผู้นำเสนอคนอื่นใช้บ่อยครั้งคือการพูดถึงยุคสมัยใหม่ของ Spatial Computingมากกว่า ซึ่งนิยามก็คือการกระทำและโต้ตอบกันระหว่างเครื่องจักร บุคคล วัตถุ และสภาพแวดล้อมบริเวณนั้น
เรื่องนี้ไม่น่าจะเป็นเรื่องบังเอิญแน่เพราะ Tim Cook เองเคยให้ สัมภาษณ์และบอกว่า Metaverse ยังไม่ใช่อนาคตเพราะคนยังไม่เข้าใจกันดี ที่ทำให้ Mark Zuckerberg ซีอีโอ Meta ต้อง ออกมาโต้ ว่า Metaverse ของบริษัทจะดีกว่าที่แอปเปิลกำลังทำแน่เพราะเป็นระบบเปิด
อย่างไรก็ตามเรื่องที่เกิดขึ้นก็มีคนคาดเดาไว้ก่อนหน้าแล้ว โดยมองว่าการพูดคำว่า Metaverse ที่ปัจจุบันเหมือนเป็นคำที่มาจาก Meta ถ้าแอปเปิลใช้คำนี้ก็เท่ากับเดินตาม จึงต้องใช้คำอื่นแทนเพื่อสร้างพื้นที่ใหม่ขึ้นมาเอง
ประเด็นการตั้งใจไม่พูดบางคำนี้ ยังมีอีกคำด้วยคือ AIเพราะแม้แอปเปิลจะนำเสนอชิป M2 ที่ใส่เทคโนโลยีประมวลผลแบบ AI มากมายที่ระดับ on-device แต่แอปเปิลก็ใช้เพียงคำว่า Machine Learning เมื่อพูดถึงฟีเจอร์เช่น Autocorrect ที่ปรับปรุงใหม่, การตรวจไฟล์ PDF ใน iPadOS, Adaptive Audio ใน AirPods, แอปจดบันทึก Journal ไปจนถึงฟีเจอร์ต่าง ๆ ใน Vision Pro ทั้งหมดเน้นด้วยคำว่า Machine Learning นั่นเอง
แม้แต่จังหวะที่น่าจะเป็นคำว่า AI ตอนอธิบายการทำงานของชิป M2 Ultra แอปเปิลก็พูดว่าชิปนี้สามารถเทรนเวิร์กโหลด ML เช่น Large Transformer Modelได้จบภายในตัวเองโดยไม่เกินความจุหน่วยความจำ ซึ่งคำว่า Transformer ถูกใช้แทนคำว่า AI นั่นเอง หากเป็นการนำเสนอของบริษัทอื่น
ที่มา: VentureBeat และ Ars Technica
Comments
I'm too cool to say that.
คำว่า AI ไม่ค่อยแปลกใจเท่าไร เพราะความหมายมันกว้างมาก ใช้ Machine Learning ถูกแล้ว ชิปเร่งความเร็วการประมวลผล Machine Learning ครอบคลุม Deep learning กับเทคนิคต่าง ๆ ใน Machine Learning และฟีเจอร์ต่าง ๆ ก็ชัดเจนในตัวเอง เน้นโชว์ความสามารถว่าทำอะไรได้บ้าง ส่วนโมเดลแบบ Transformer อันนี้ความหมายน่าจะเจาะจงถึงสถาปัตยกรรมโมเดลเลยว่ารันเทรนได้เร็วกว่า CPU อื่น
บล็อก: wannaphong.com และ Python 3
ออปติมัสไพรม์ถูกใจสิ่งนี้
อาจจะไปสร้างคำใหม่ ๆ ออกมานะ เดี่ยวไปเหมือนคนอื่น
เป็นการหลีกเลี่ยง buzz word ที่ดีเลยของ apple
ภาษามันดิ้นได้ ทำไมต้องไปโฆษณาให้อีกฝั่ง
มองแล้ว อนาคตคงมาแนวนี้กันมากขึ้น เพราะมันสมจริงกว่า metaverse อีก ทั้งเกมและหนังเหมือนได้เข้าไปอยู่ในนั้นจริงๆ ยิ่งตอน video call คุยกันเหมือนกับเราคุยกับคนนั้นจริงๆ (เอาแค่เท่าที่ดูตามวิดีโอที่ present ออกมา) ต่างจาก metavese ที่น่าจะคล้ายๆเกมที่เดินไปนั่นไปนี่ได้แค่นั้น
ที่เขานำเสนอมาทันหมด VR ที่มีในปัจจุบันทำได้แล้วครับ ยกเว้นแสกนหน้าจำลองตัวเราที่ดูผมรู้สึกมันยังอยู่ใน Uncanny valley ไปหน่อยคือเกือบเหมือนแต่ยังไม่ใช่ แว่น Apple เป็น MR ที่เน้นใช้งานในพื้นที่จริง ผมอยากรู้ว่าในโลกจำลองจะใช้การเคลื่อนที่ยังไงที่ไม่ได้จำกัดกับพื้นที่จริง
รอราชบัณฑิตฯ บัญญัติคำภาษาไทย อยากได้ชื่อเท่ๆ แบบเดียวกับจักรวาลนฤมิต
รับไม่ได้กับกระดานฉนวนอิเล็คทรอนิกส์
AI คือ buzzwordML คือ ของจริง
ผมว่ามันก็ถูกต้องแล้วนะครับ ช่วงนี้สื่อมักจะใช้คำว่า Metaverse มากเกินไปจนความหมายมั่วไปหมดละ พอใครไม่ใช้ไปมองว่าเค้าแปลกอีก
แต่บทความนี้ tag ทั้ง AI และ Metaverse
แซวๆครับถ้าไม่นับเรื่องอื่นๆ ส่วนตัวแล้วผมชอบคำตรงไปตรงมาแบบนี้มากกว่า อยากให้บ. อื่นๆพูดแบบนี้บ้าง
การใช้ภาษาของ Apple ยอดเยี่ยมมาตลอด ขนาดรุ่นพี่ใช้คอมไม่เป็น ผ่านไป 3 เดือน นั่งขายของอยู่หน้า iMac บอก ก็มันใช้ง่าย คำอธิบายมันเข้าใจง่าย
ส่วนตัวผมนะ
ML => สิ่งที่เครื่องจักรเรียนรู้และนำเสนอจากข้อมูลที่ได้เรียนรู้
AI => การที่เครื่องจักรเรียนรู้ และทำนายข้อมูลอนาคตจากข้อมูลที่ได้เรียนรู้
ดังนั้นถ้าเครื่องจักรยังไม่สามารถนำข้อมูลมาทำนายผล หรือประมาณการณ์ข้อมูลในอนาคตได้ผมจะไม่เรียกมันว่า AIเพราะฉะนั้น AI > ML และ ML เป็นซับเซตของ AI
เช่น ถามว่าบอลเมื่อคืนนี้ผลเป็นไง ถ้าตอบว่า ผลการแข่งขันเสมอ 0-0 อันนี้ผมถือว่าเป็น ML แต่ถ้ามันบอกต่อว่า เมื่อคืนผลเสมอ 0-0 แต่สัปดาห์หน้าทีมที่คุณชอบมีการแข่งอีกนัดนึง ที่สนาม xxx เวลา xxx ทีมมีแต้มต่อกว่าคู่แข่ง เพราะมีสถิติย้อนหลังชนะมากกว่า ดังนั้นมีโอกาสชนะสูงมาก อันนี้ผมเรียกว่ามันว่า AI
ส่วน Generative Engine ที่สร้างข้อมูลจากฐานข้อมูลที่มีอยู่แล้ว เพียงนำมาข้อมูลมาเรียบเรียงใหม่ ส่วนตัวผมคิดว่ามันอยู่ในระดับของ ML แต่ถ้ามันสามารถเอาข้อมูลที่มันเคยเรียนรู้มา แล้วทำนายได้ว่าเราอยากได้อะไรนอกเหนือจากที่เราระบุในคำถาม แต่ยังคงสอดคล้อง และเกี่ยวข้องกับคำถามเพื่อสร้างข้อมูลชุดใหม่ ผมจะเรียกมัน ว่า Generative AI
จริงๆนิยามมันง่ายกว่านั้นเยอะมากครับ
AI=Artificial Intelligence = ปัญญาประดิษฐ์
หมายถึงการที่คอมพิวเตอร์สามารถตัดสินใจได้เองครับ
แบบง่ายๆ ในเกม npc ที่เดินได้เอง นั่นก็คือ AI แล้วครับ
AI ในแบบที่ง่ายที่สุดคือ if-else ครับ เรียกแบบสวยๆ ก็ rule based AI
Machine Learning หมายถึงเครื่องจักรที่สามารถเรียนรู้ได้
เป็น subset ของ AI เพราะปลายทางมันคือสามารถคิดได้เองเหมือนกัน
แต่การสร้างการเรียนรู้ของ Machine Learning คือตามชื่อ ต้องมีการ Learn โดยการใส่ข้อมูลเข้าไปเยอะๆ แล้วมันจะเรียนรู้เองว่า ถ้ามี input แบบใหม่มา จะตอบยังไง ซึ่งแบ่งได้เป็นแบบ Supervised Training กับ Unsupervised (ต่างกันแค่แบบนึงคน train จะบอกคำตอบให้ อีกแบบนึงคือไปหาคำตอบเอง)
ส่วน generative ai อันนี้จะเป็นนิยามที่ตา่งจาก machine learning ครับ เพราะ machine learning มันคือการนิยาม ai จากการสร้าง แต่ generative ai มันคือการนิยามจาก สิ่งที่มันทำได้ (คือการสร้างสรรค์)
มันคือ ai ที่สร้างภาพ สร้างข้อความ สร้าง video ครับ
แต่มันก็เป็น machine learning เพราะมันสร้างด้วยการ train model เหมือนกัน
เอ่อ ? อย่าหาว่าผมโง่เลยนะ แต่ผมงง สรุปแล้ว AI ต่างจาก ML ตรงไหนล่ะครับ เพราะมันต้องมีส่วนต่างเนื่องจาก ML มันเป็นซับเซตของ AI ดังนั้นมันมีพื้นที่ที่ AI จะต้องทำได้มากกว่า ถ้าบอกว่าตรง decision เป็นข้อแตกต่าง แล้ว ML ไม่สามารถตัดสินใจในการเลือก tree ของข้อมูลใน model จาก input ที่รับเข้ามาเพื่อหาข้อมูลได้หรือครับ ? ตอนนี้ผมว่าหลายคนก็กำลังคิดว่า AI = ML ไม่ใช่ AI > ML แต่ในหลักความเป็นจริง AI มันเป็นน่าจะเป็นอีกระดับนึงขึ้นไปไม่ใช่หรือครับ
ส่วน Generative AI เท่าที่ผมทราบมันก็ใช้กรอบของ ML นั่นแหล่ะ โดยมันจะดูว่าคำถามเข้ามาว่าชุดข้อมูลที่อยู่ในกลุ่มใกล้เคียงกับคำถามอยู่ตรงไหน แล้วนำข้อมูลนั่นมาสร้างใหม่โดยอาศัย pattern แบบสุ่มจากต้นแบบที่มันเคยได้เรียนรู้มา เช่น ถ้าเป็นการวาดรูปก็อาจเอาแนวทางของ modern art มาเป็น pattern แล้วเอาข้อมูลจากชุดที่มันหาได้มาใส่ลงไป ผมเข้าใจประมาณนี้นะ
อย่าพึ่งงงกับผม ผมเป็นพวกไม่จำอะไรเลย เนื่องจากข้อบกพร่องทางความจำของผม ดังนั้นผมจะอาศัยความเข้าใจเป็นหลักตรรกะผมจะแปลกๆ หน่อย จะไม่เป๊ะๆ แบบออกมาเป็นข้อความทางทฤษฎี แต่เป็นออกเป็นรูปแบบความเข้าใจส่วนตัวเพื่อให้ผมจำได้
เรื่อง AI กับ ML มันมีศาสตร์ของทางวิทยการคอมพิวเตอร์อยู่แล้วครับ เขามีการจัดกลุ่มพูดถึงความแตกต่างของทั้งสองตัวนี้อย่างชัดเจน ลองหาอ่านเองได้ครับ
งงเหมือนผมเลยครับ ทุกวันนี้ยังแยกไม่ออกระหว่าง machine learning กับ AI
คือมันคนละอันหรือมันคืออันเดียวกัน
หรือมันอยู่คนละ universe เอามาคุยปนกันไม่ได้
แถมอีกคำนึงงาน data sci กับ data mining มันอันเดียวกันมั้ยนะ
ไม่ใช่ไม่หานะครับ แต่หาแล้วบอกไม่เหมือนกันซะทีเดียว เหมือนไปถามผู้รู้ 10 คนแล้วได้คำตอบ 10 อย่าง มันมีอะไรบอกที่มันชัดๆมั้ยนะ แบบมีที่อ้างอิงน่ะครับ หรือว่าต้องไปหาที่ตรงไหนนะ
หรือผมพลังวัตรไม่ถึง —‘
Data science คือ วิทยาศาสตร์ข้อมูล
เอาจริงๆ ผมก็ไม่ค่อยเข้าใจคำนี้เท่าไหร่ ที่ผมเข้าใจ คือการพยายามหาเหตุผลที่มาที่ไปของเหตุการณ์ต่างๆ ด้วยข้อมูลซึ่งมันจะมีอีกคำคือ Data Analytic ซึ่งผมมองว่าคล้ายๆ กัน แค่คำว่า Data Science มันเกิดมาทีหลัง และมันดูเท่กว่า
พวกนี้ก็จะเอาข้อมูลต่างๆ มาทำการจัดกลุ่มด้วยสูตรคำนวณต่างๆ เพื่อหา คำตอบของเหตุการณ์ต่างๆ เช่นตัวอย่างนึงที่นิยมกันมาก คือ ห้างๆ นึง มีการส่งโบรชัวร์ของใช้เด็กอ่อนให้กับคนๆ นึง ซึ่งกลายเป็นว่าลูกสาวที่ใช้ account เดียวกันกำลังตั้งท้องโดยคนเป็นพ่อไม่รู้ โดย ห้างนั้นเขาเอาพฤติกรรมของลูกค้า เช่นการเลือกดูสินค้า หรือการซื้อสินค้า มาวิเคราะห์ว่าคนๆ นี้อาจจะท้อง แล้วก็เลยส่งโบรชัวร์เพื่อ upsell
Data Engineer อันนี้เป็นศาสตร์อีกแบบ ในการเตรียม/ รวบรวม/ แปลงข้อมูล ให้กับทาง Data scientist เอาไปใช้ได้ง่าย พวกนี้ก็จะเตรียม data warehouse หรือ data lake หรือ jargon อะไรที่อาจจะเท่กว่านี้
Data Mining อันนี้ผมว่ามันใช้งานในกลุ่ม hacker มากกว่า เวลามีเกมที่ load ล่วงหน้า พวกนี้ก็จะเอาไฟล์ต่างๆ มาขุด เพื่อดูเนื้อหาในเกม ผมไม่ค่อยเจอคนเอาไปใช้แง่อื่นเท่าไหร่
Data Mining = การวิเคราะห์ข้อมูลในเหมืองข้อมูลหรือฐานข้อมูลสำหรับบันทึกข้อมูลแบบ multi-dimension ครับ เป็นฐานข้อมูลการวิเคราะห์ข้อมูลเช่นกัน คนรุ่นเก่าๆ จะรู้จักเพราะจะใช้กันองค์กรขนาดใหญ่สำหรับงานวิเคราะห์ข้อมูล หรือถ้าจะให้ภาพง่ายๆ ก็คือเป็นการวิเคราะห์ สังเคราะห์ข้อมูลในฐานข้อมูลของซอฟต์แวร์พวก BI นั่นแหล่ะครับ เพียงแต่ BI ในปัจจุบันมันมี Option ให้เลือกเยอะ แต่ถ้าจะใช้งานจริงจังก็จะแนะนำให้ทำ Data Mining เพื่อให้สามารถเรียกดูข้อมูลที่อยู่ในแนวแกนลึกได้เร็วขึ้น ถ้าจะอ้างอิงให้ชัดเจน Data Mining มันก็เป็นส่วนหนึ่งของ Data Warehouse เมื่อก่อนนั่นแหล่ะครับ ถ้าต้องการศึกษาเองไปค้นหาคำว่า Data Warehouse ก็จะเจอเรื่อง Data Mining รวมถึงคำแปลกๆ ที่ผมใช้ด้วย ถ้าจะหาหนังสือคงต้องหาหนังสือเก่าๆ หน่อยเพราะปัจจุบันเขาจะเรียกรวมว่าเป็น Data Science ไปแล้ว
ส่วน Data Science ก็คือคำที่พัฒนามาจากนักวิเคราะห์ข้อมูลสมัยก่อนนั่นแหล่ะครับ มันรวมทุกศาสตร์ที่เกี่ยวกับข้อมูลเข้าด้วยกันทั้ง Data Integration, Data Management , Data Analysis, Data Decision เข้าไว้ด้วยกัน ถ้าเป็นนักวิเคราะห์ข้อมูลสมัยก่อนจะมองแยกกัน
สรุปคือ Data Mining คือองค์ประกอบนึงของ Data Science เพียงแต่เราจะเลือกใช้หรือไม่ก็เป็นอีกเรื่องนึงเพราะการทำ Data Science เราสามารถทำ Data Management หรือถึง Data Analysis ได้หลายแบบ แต่ถ้าต้องการในเชิงข้อมูลแบบ multi-dimension ก็ควรออกแบบทำ Data Mining หรือทำ Data Warehouse สำหรับจัดการข้อมูลไปเลย
ความเชื่อมโยงระหว่างการทำ Data Mining กับ Data Science สมัยปัจจุบันคือคำว่า Data Model มันเป็นผลผลิตที่นักวิเคราะห์ข้อมูลมักใช้เรียก result ที่เกิดจากการทำ Data Mining
AI คือศาสตร์ใหญ่ ไม่ได้เจาะจงแค่ ML เริ่มตั้งแต่ยัน if else (ไม่ได้เล่นตลก มีรวมอยู่ในนี้จริง), FSM, fuzzy logic, search algorithm ,ฯลฯ
ML คือศาสตร์ย่อยจาก AI อีกนั่นแหละ เป็นอีกขั้นกว่า แต่คนชอบเข้าใจผิดว่า AI คืออีกขั้นหนึ่งของ ML ซึ่งตามนิยามของวิทยาการคอมพิวเตอร์แล้วมันไม่ใช่ มันเป็นศาสตร์ย่อยลงมาอีก
งั้นเทียบง่ายๆ แบบนี้ครับ
ถ้าเทียบกับรถAI = ยานพาหนะ
ML = รถซีดาน
อธิบายแบบไม่เทียบ
AI = ระบบคอมพิวเตอร์ที่สามารถคิดได้เองทั้งหมด
ML = ระบบคอมพิวเตอร์ที่คิดได้เอง ผ่านการเรียนรู้จากข้อมูลที่ป้อนเข้าไป
AI ทั้งหมด ไม่ว่าจะ ML, NN, if-else หรืออะไรก็ตาม มันจะตัดสินใจจากการป้อน input parameter เข้าไป เช่น สมมติ ตัวละครในเกมที่เป็น AI เราป้อนตำแหน่งของตัวที่เราบังคับเข้าไป มันก็จะไปตัดสินใจเองว่าจะเดินไปทางไหน
ถ้าเป็น AI แบบ if-else ก็จะมีกฎตายตัว เช่น ถ้าอยู่ใกล้เกิน 10 เมตร ให้เดินหนี นอกเหนือจากนั้นจะเดินยังไงก็ได้ ซึ่งคนสร้างจะกำหนดมาให้
แต่ AI แบบ ML มันจะทำงานเหมือนกันครับ คือป้อนตำแหน่งตัวเราเข้าไป มันก็จะตัดสินใจได้เองว่าจะเดินไปทางไหน แต่สิ่งที่ต่างคือ คนสร้าง จะไปหา หรือสร้างชุดข้อมูลมาเยอะๆ อาจจะเป็นตำแหน่งของตัวละคร กับทิศทางที่เดินเป็นผลลัพธ์ ใส่ไปเยอะๆ ตัว ML มันก็จะเอาไปประมวลและสร้างเป็น model ขึ้นมา จากนั้นก็เอา model ที่ทำเสร็จไปรับ input เป็นตำแหน่งตัวละครเหมือนเดิม แล้วมันก็คิดทิศทางที่มันจะเดิน
แล้วแบบนี้มันดีกว่ายังไง มันคือการที่เราเชื่อว่า กฏง่ายๆ อย่างเข้ามาใกล้ให้เดินหนี อาจจะไม่ดีกับทุกสถานการณ์ ถ้าเจอกำแพงทำไง มันก็เพิ่ม input ไปเรื่อยๆ คิด algorithm ไปเรื่อยๆ เพื่อให้ได้ประสิทธิภาพแต่ ML คือ ก็ให้คอมพิวเตอร์มันเรียนรู้เองเลย เพราะมันประมวลผลข้อมูลจำนวนมากๆ ได้เร็วกว่าเราอยู่แล้ว
Generative AI ที่ผมบอกคือ มันไม่ได้มีความหมาย ในระนาบเดียวกับ ML
ML มันบอกวิธีการสร้าง
Generative AI มันบอกว่ามันทำอะไรได้ (สร้างสิ่งใหม่ เช่นแต่งประโยค สร้างรูป)
แต่ Generative AI มันมาเกิดในยุคที่ ML ครองโลกอยู่ ทั้งหมดเลยถูกสร้างด้วยวิธี ML
แต่ข้อจำกัดของ ML คือ มันก็จะตัดสินใจ หรือสร้าง โดยอิงจากข้อมูลที่เคยมี ไม่ใช่การเลือกข้อมูลที่เรียนมา แต่จะสร้างคำตอบที่อิงจากข้อมูลที่เรียนมา
ส่วนการสร้างจากคำพูด การแปลคำพูด หรือข้อความเป็นคำสั่งมันก็ใช้ AI อีกตัวครับ (ซึ่งก็สร้างด้วยวิธีการแบบ ML) ถ้าเรียกแบบเก่าๆ คือ text recognition
ผมลองเปรียบอีกแบบละกัน อันนี้น่าจะเห็นภาพง่ายสุด
เปรียบกับทีมฟุตบอลละกัน
นักเตะแต่ละคนคือ AI เพราะต่างคนต่างเตะได้เอง ตัดสินใจเอง
ถ้านักเตะเป็น AI แบบ rule based (if-else) นั่นคือ โค้ชจะโยนตำราให้เล่มนึง ซึ่งจะบอกว่า ถ้าคู่แข่งขยับแบบไหน ในสถานการณ์ไหน แล้วต้องทำอย่างไร ซึ่งนักเตะแต่ละคนมีหน้าที่จำและปฏิบัติตามอย่างเคร่งครัด
ถ้านักเตะ เป็น AI แบบ machine learning คือ โค้ชจะโยนวีดีโอการเล่นของคู่แข่งจำนวนมากให้ แล้วนักเตะก็ไปดูและศึกษาเอาเอง
ขอบคุณสำหรับคำแนะนำครับ แต่ถ้าคุณต้องการนำพวกนี้ไปใช้จริง หรือต้องการเข้าใจเชิงลึกแนะนำให้ไปศึกษาวิชา Statistic เพิ่มขึ้นครับ แล้วคุณจะเข้าใจเองว่าคำว่า Decision มันมีที่มาที่ไปอย่างไร ผมสรุปได้แล้วว่าเราเข้าใจคำว่า Decision ไม่ตรงกันนี่เอง
ผมแค่เช็คเฉยๆ ว่าผมเข้าใจอะไรผิดหรือเปล่า เพราะอย่างที่บอกผมมีปัญหาในเรื่องความจำ คุณก็ไม่ได้ผิดอะไรเพราะคุณอธิบายในเชิงทฤษฏี แต่ผมอธิบายในเชิง Statistic ซึ่งมักใช้คำว่า predict ในการอธิบายชุดข้อมูลร่วมในพื้นที่กราฟเดียวกันกับข้อมูลในโมเดล แต่ไม่ใช่เป็นข้อมูลชุดเดียวกันข้อมูลที่ได้ train ไป ถ้าคุณรับฟังความคิดเห็นผมแล้วนำไปศึกษาต่อคุณก็จะพัฒนาขึ้นไปได้อีกระดับนึง
ในขณะที่หม้อหุงข้าวบ้านผม ติดคำว่า AI ตัวเบิ้ม...
ถูกแล้วครับ ถ้าหม้อหุงข้าวไม่มี AI ก็จะเป็นเหมือนคำตอบจาก กระทู้พันทิป
หม้อหุงข้าวมีจับเวลา แล้วดีดจากโหมด cook เป็น warm แค่นี้ก็ AI แล้วครับ