Google Flood Hub เป็นแพลตฟอร์มที่พัฒนาโดย Google เพื่อคาดการณ์และแจ้งเตือนเหตุการณ์น้ำท่วมล่วงหน้า โดยใช้ข้อมูลเชิงลึกจากการวิเคราะห์และประมวลผลข้อมูลหลายประเภท เช่น สภาพอากาศ ภูมิประเทศ และข้อมูลประวัติการเกิดน้ำท่วม เพื่อทำนายระดับน้ำท่วมในพื้นที่เสี่ยง ช่วยในการเตรียมตัวรับมือกับน้ำท่วมล่วงหน้าได้ดีขึ้น เทคนิคที่ใช้ใน Google Flood Hub: Machine Learning (ML): Google Flood Hub ใช้เทคนิคการเรียนรู้ของเครื่องเพื่อสร้างโมเดลการทำนายน้ำท่วม โดยโมเดลนี้จะเรียนรู้จากข้อมูลในอดีต เช่น ปริมาณฝน ระดับน้ำในแม่น้ำ และลักษณะภูมิประเทศ เพื่อคาดการณ์ความเป็นไปได้ของน้ำท่วมในอนาคต Hydrological Modeling: โมเดลที่ใช้ในการจำลองการไหลของน้ำในแม่น้ำและภูมิประเทศ เพื่อทำนายระดับน้ำท่วมในสถานการณ์ต่าง ๆ Satellite Imagery & Remote Sensing: ใช้ข้อมูลจากภาพถ่ายดาวเทียมและเทคโนโลยีตรวจจับระยะไกลเพื่อวิเคราะห์การเปลี่ยนแปลงของน้ำและพื้นที่ รวมถึงการตรวจจับน้ำท่วมที่เกิดขึ้นแล้วในพื้นที่บางส่วน AI for Social Good: Flood Hub เป็นส่วนหนึ่งของโครงการ AI for Social Good ของ Google ซึ่งใช้ปัญญาประดิษฐ์เพื่อแก้ปัญหาทางสังคม โดย Flood Hub เน้นไปที่การช่วยชีวิตและลดความเสียหายจากภัยพิบัติน้ำท่วม Google Flood Hub อัปเดตข้อมูลการคาดการณ์น้ำท่วมเป็นรายวัน โดยข้อมูลคาดการณ์นี้สามารถทำนายได้ล่วงหน้าถึง 7 วัน จากเดิมที่เคยให้ข้อมูลล่วงหน้าได้เพียง 48 ชั่วโมง  โดยใช้ข้อมูลจากแหล่งต่าง ๆ เช่น การพยากรณ์อากาศและภาพถ่ายดาวเทียม  การผสมผสานเทคโนโลยี ช่วยให้ Google Flood Hub สามารถให้การพยากรณ์ที่แม่นยำและเป็นประโยชน์ในการเตรียมการรับมือน้ำท่วม ตัวอย่างการใช้งาน Google Flood Hub  แสดงระดับน้ำท่วมในประเทศไทย  

เทคโนโลยีป้องกันการปลอมแปลงข้อมูลชีวมิติในระบบยืนยันตัวตน (Biometric Anti-Spoofing) คือเทคโนโลยีและกระบวนการที่พัฒนาขึ้นเพื่อป้องกันการโจมตีหรือการปลอมแปลงข้อมูลชีวมิติ เช่น ลายนิ้วมือ ใบหน้า หรือม่านตา ซึ่งเป็นข้อมูลที่ใช้ในระบบยืนยันตัวตนทางชีวมิติ (Biometric Authentication) เพื่อไม่ให้ผู้ไม่หวังดีสามารถเข้าถึงระบบได้โดยการใช้วิธีการเลียนแบบข้อมูลเหล่านี้ เทคโนโลยีที่ใช้ในการป้องกันการปลอมแปลงข้อมูลชีวมิติ มีหลายรูปแบบ เช่น Liveness Detection (การตรวจสอบความมีชีวิต): เป็นวิธีที่ใช้เพื่อตรวจสอบว่าข้อมูลชีวมิติที่ถูกนำมาใช้นั้นมาจากสิ่งที่มีชีวิตอยู่จริง ไม่ใช่จากรูปภาพ วิดีโอ หรือวัตถุเลียนแบบ เช่น การตรวจสอบการเคลื่อนไหวของดวงตา หรือตรวจจับการไหลเวียนของเลือดในนิ้วมือในขณะสแกนลายนิ้วมือ ตัวอย่าง: ระบบสแกนใบหน้าจะขอให้ผู้ใช้กระพริบตาหรือขยับศีรษะเพื่อตรวจสอบว่าเป็นบุคคลจริง ไม่ใช่ภาพถ่าย Multi-modal Biometrics (ชีวมิติแบบหลายรูปแบบ): เป็นการใช้ข้อมูลชีวมิติหลายประเภทในการยืนยันตัวตนพร้อมกัน เช่น การใช้ทั้งลายนิ้วมือและการสแกนใบหน้าในเวลาเดียวกัน ซึ่งช่วยเพิ่มความปลอดภัยเนื่องจากผู้โจมตีจะต้องปลอมแปลงหลายส่วนของข้อมูลชีวมิติ ตัวอย่าง: ระบบประตูอิเล็กทรอนิกส์ที่ต้องใช้ทั้งลายนิ้วมือและการสแกนม่านตาในการเข้าถึง Challenge-Response Systems (ระบบท้าทาย-ตอบสนอง): ระบบนี้จะสร้างคำท้าหรือคำสั่งที่ต้องการการตอบสนองในทันทีจากผู้ใช้ เพื่อให้แน่ใจว่าข้อมูลที่ถูกยืนยันนั้นมาจากบุคคลจริง เช่น การขอให้ผู้ใช้ยิ้ม ขยับนิ้ว หรือมองไปในทิศทางที่กำหนด ตัวอย่าง: การยืนยันตัวตนด้วยใบหน้าที่ขอให้ผู้ใช้ยิ้มเพื่อยืนยันความมีชีวิต Thermal Imaging (การใช้ภาพความร้อน): เป็นการตรวจจับความร้อนจากร่างกายมนุษย์เพื่อยืนยันว่าผู้ที่ถูกสแกนเป็นบุคคลจริง เช่น การใช้กล้องตรวจจับความร้อนเพื่อให้แน่ใจว่าใบหน้าที่ถูกสแกนนั้นเป็นของคนจริง ๆ ตัวอย่าง: การสแกนใบหน้าด้วยกล้องอินฟราเรดเพื่อยืนยันว่ามีอุณหภูมิของร่างกายอยู่จริง 3D Recognition (การรับรู้สามมิติ): การใช้เทคโนโลยีตรวจจับภาพสามมิติ เช่น การสแกนใบหน้าแบบ 3D เพื่อยืนยันตัวตน โดยเทคโนโลยีนี้จะยากต่อการปลอมแปลงด้วยภาพถ่ายสองมิติหรือวิดีโอ ตัวอย่าง: การสแกนใบหน้าด้วยเทคโนโลยี 3D ที่สามารถตรวจจับโครงสร้างของใบหน้าจากหลายมุมได้   ปัจจุบันเทคโนโลยีการยืนยันตัวตนด้วยข้อมูลทางชีวมิติ เช่น ภาพใบหน้า เป็นที่นิยมอย่างแพร่หลายในการยืนยันทำธุรกรรมการเงิน, ใช้จ่ายผ่านแอปคนละครึ่ง เป็นต้น เพื่อป้องกันไม่ให้ใช้ภาพถ่ายใบหน้าในการยืนยันตัวตน ซึ่งอาจมีการปลอมแปลง หรือนำมาแอบอ้างใช้แทนกัน หลาย ๆ แอปพลิเคชันจึงหันไปใช้การตรวจสอบในลักษณะการตอบสนองของผู้ใช้ เช่น กระพริบตา ขยับใบหน้าเข้า-ออก ซึ่งอาจไม่สะดวกสำหรับกลุ่มผู้สูงอายุ หรือผู้ที่มีปัญหาการขยับใบหน้า สำหรับงานวิจัยที่เกี่ยวข้องกับเทคโนโลยีนี้ ทางทีมวิจัยความมั่นคงปลอดภัยสารสนเทศ ศูนย์เทคโนโลยีอิเล็กทรอนิกส์และคอมพิวเตอร์แห่งชาติ (NECTEC)  สำนักงานพัฒนาวิทยาศาสตร์และเทคโนโลยีแห่งชาติ (สวทช.) ได้นำเทคโนโลยีป้องกันการปลอมแปลงข้อมูลชีวมิติในระบบยืนยันตัวตน (Biometric Anti-Spoofing and Deepfake Technology) โดยใช้เทคโนโลยีปัญญาประดิษฐ์ประเภทโครงข่ายประสาทเทียมแบบคอนโวลูชัน (CNN) ที่จะจำลองการมองเห็นของมนุษย์ที่มองพื้นที่เป็นที่ย่อย ๆ มีความแม่นยำสูง มาพัฒนาปรับแต่งโครงสร้างก่อนนำมาใช้เทรนกับชุดข้อมูลภาพ ซึ่งสามารถประยุกต์ใช้กับระบบโมบายแอปพลิเคชันที่ใช้ในการยืนยันตัวตน เพื่อใช้ตรวจจับการปลอมแปลงภาพถ่ายใบหน้าได้ว่าเป็นภาพของผู้ใช้จริง ไม่ใช่ภาพใบหน้าที่มาจากภาพถ่าย (2D) และได้มีการพัฒนา ระบบลงเวลาด้วยการยืนยันตัวตนแบบครบวรจร (AtTime) แอปพลิเคชันที่ช่วยให้การลงเวลางาน เข้า-ออกงาน เป็นเรื่องง่ายด้วยการสแกนใบหน้า แก้ปัญหาการลืมพกบัตรพนักงาน เสียเวลารอคิวต่อแถวลงเวลา ลายนิ้วมือไม่ชัดเจน และยังสามารถลงเวลาได้ทุกที่ ทุกเวลา ตอบโจทย์การทำงานในรูปแบบ Work@Anywhere ด้วยระบบการยืนยันตัวตนอย่างปลอดภัย 4FA (Four-Factors Authentication)ประกอบด้วย ใบหน้า, สถานที่ที่กำหนด, รหัสผ่าน และโทรศัพท์มือถือ สนใจใช้งานระบบ AtTime ติดตามรายละเอียดเพิ่มเติมได้ที่ http://attime.secteam.in.th/

OpenThaiGPT  เทคโนโลยีทางภาษาแบบ ChatGPT (Large Language Model) พัฒนาเพื่อคนไทยทุกคน  เป็นโอเพ่นซอร์ส โมเดลแชทภาษาไทยขนาดใหญ่ขนาด 7, 13 และ 70 พันล้านพารามิเตอร์ ซึ่งพัฒนาต่อยอดจาก Facebook LLaMA v2 ให้มีความสามารถในการเข้าใจและเขียนภาษาไทยได้ เปิดโค้ดและโมเดลอย่างเสรี (Opensource) ให้ทุกคนสามารถนำไปพัฒนาต่อยอดหรือแม้กระทั่งการทำการค้าได้ (Apache 2.0 License) เพื่อเป็น Infrastructure พื้นฐานด้านปัญญาประดิษฐ์สำหรับคนไทยทุกคน  พัฒนาโดยทีมนักวิจัยจาก สมาคมผู้ประกอบการปัญญาประดิษฐ์ประเทศไทย (AIEAT), สมาคมปัญญาประดิษฐ์ประเทศไทย (AIAT) ,  ศูนย์เทคโนโลยีอิเล็กทรอนิกส์และคอมพิวเตอร์แห่งชาติ (NECTEC), ศูนย์ทรัพยากรคอมพิวเตอร์เพื่อการคำนวณขั้นสูง (ThaiSC)  สำนักงานพัฒนาวิทยาศาสตร์และเทคโนโลยีแห่งชาติ (สวทช.) และ Pantip.com โดยรวบรวมจากฐานข้อมูลและกระทู้ต่าง ๆ บนพันทิป.คอม ตั้งแต่อดีตจนถึงปัจจุบันรวม 20 ปี และประมวลผลโดยเครื่องซูเปอร์คอมพิวเตอร์ลันตา (LANTA) ของ สวทช. เว็บไซต์หลัก OpenThaiGPT  https://openthaigpt.aieat.or.th/   จุดเด่น โมเดลภาษาไทย LLM แบบเปิดที่ทันสมัยที่สุด, ทำคะแนนสอบภาษาไทยได้เฉลี่ยสูงสุดเมื่อเทียบกับโมเดลภาษาไทยแบบเปิดอื่นๆ เป็นโมเดลเปิดภาษาไทยที่มีขนาดใหญ่ถึง 70 พันล้านพารามิเตอร์โมเดลแรกของโลก รองรับการสนทนาโต้ตอบหลายครั้งแบบต่อเนื่อง (Multi-turn Conversation) โมเดลมีความสามารถในการค้นหาข้อมูลและสกัดคำตอบบน Prompt ที่มีความยาวได้อย่างมีประสิทธิภาพ  ความเร็วในการตอบคำถามรวดเร็ว ด้วยการเพิ่มคำภาษาไทยที่พบบ่อยมากถึง 10,000 คำลงในพจนานุกรมของโมเดล เรียนรู้บนข้อมูลภาษาไทย (Pretraining) กว่า 65 พันล้านคำ มีการกำจัดข้อมูลภาษาไทยซ้ำซ้อนที่ใช้ในเรียนรู้ (Deduplicated Dataset) และปรับจูนให้ตอบคำถามทั่วไปภาษาไทย (Finetuning) บนมากกว่า 1 ล้านตัวอย่าง สามารถเข้าใจและประมวลผล บริบทของข้อมูลภาษาไทยได้ถึง 4096 คำ, ช่วยให้สามารถให้คำแนะนำที่ละเอียดและซับซ้อนได้   OpenThaiGPT มี 3 เวอร์ชันหลัก  OpenthaiGPT 0.0.4 พูดคุย Chat ได้อยู่บ้าง แต่ยังไม่สามารถตอบคำถามได้ตรงและยังไม่สามารถทำ Few Shot Learning ได้ OpenthaiGPT 0.1.0 แปลภาษา ไทย-อังกฤษ  ได้และทำ Few Shot Learning ได้บางส่วน สามารถพูดคุย Chat ได้เต็มรูปแบบ OpenthaiGPT 1.0.0 สามารถทำ Few shot learningได้ แปลภาษา ไทย-อังกฤษ พูดคุย Chat ได้เต็มรูปแบบและเปิดใช้งานในปัจจุบัน   ผู้สนใจสามารถดาวน์โหลดโมเดล 7b - https://huggingface.co/openthaigpt/openthaigpt-0.0-7b-chat 7b (GGUF) - https://huggingface.co/openthaigpt/openthaigpt-0.0-7b-chat-gguf 13b - https://huggingface.co/openthaigpt/openthaigpt-0.0-13b-chat 70b - https://huggingface.co/openthaigpt/openthaigpt-0.0-70b-chat สำหรับนักพัฒนาการทดลองใช้งานแบบ Colab Demo สามารถใช้ได้แบบในการ Load model, Finetune, Inference  โดย Model Pipeline สามารถโหลดโมเดล และใช้งานโมเดลได้ผ่าน google colab https://colab.research.google.com/drive/1w1giDWhmq3WIUCK4AISFJtGIqiPDtRSC?usp=sharing และ สำหรับการทดลองใช้งานแบบ Web Demo สามารถทดลองได้ที่ https://openthaigpt.openservice.in.th/

    เทคโนโลยี AI โดยเฉพาะด้าน computer vision หรือการประมวลผลภาพเพื่อแยกประเภทวัตถุ ตรวจจับตำแหน่ง หรือระบุพื้นที่ภายในภาพ เป็นหนึ่งในเทคโนโลยีที่น่าจับตาว่าจะมาช่วยเพิ่มประสิทธิภาพให้แก่อุตสาหกรรมต่าง ๆ ในอนาคต เพราะเทคโนโลยีนี้นอกจากจะช่วยลดเวลาการตรวจสอบคุณภาพสินค้าได้แล้ว ยังช่วยประหยัดค่าใช้จ่ายในภาพรวมได้เป็นอย่างดีอีกด้วย     กระทรวงการอุดมศึกษา วิทยาศาสตร์ วิจัยและนวัตกรรม (อว.) โดยศูนย์เทคโนโลยีอิเล็กทรอนิกส์และคอมพิวเตอร์แห่งชาติ (เนคเทค) สำนักงานพัฒนาวิทยาศาสตร์และเทคโนโลยีแห่งชาติ (สวทช.) พัฒนา NomadML (โนแมดเอ็มแอล) แพลตฟอร์มผลิตโมเดล AI ฟังก์ชัน computer vision ในรูปแบบใช้งานง่าย วิธีเทรนไม่ซับซ้อน ที่สำคัญไม่ต้องเขียนโคด เหมาะทั้งการใช้ทดสอบระบบหรือ Proof of Concept (PoC) และการผลิตโมเดล AI เพื่อใช้งานจริง โดยแพลตฟอร์มนี้ได้รับการสนับสนุนทุนวิจัยจาก AI for Thai Platform และโครงการยกระดับแพลตฟอร์มการบริหารจัดการข้อมูลทางการแพทย์ภายใต้ Medical AI Consortium   [caption id="attachment_60791" align="aligncenter" width="750"] ดร.ธีศิษฏ์ ลีลาสวัสดิ์สุข นักวิจัยทีมวิจัยสมองกลอัจฉริยะและความจริงเสมือน เนคเทค สวทช.[/caption]   ดร.ธีศิษฏ์ ลีลาสวัสดิ์สุข นักวิจัยทีมวิจัยสมองกลอัจฉริยะและความจริงเสมือน เนคเทค สวทช. อธิบายว่า NomadML เป็นแพลตฟอร์มสำหรับผลิตโมเดล AI ด้าน computer vision ที่ใช้งานได้ง่ายแค่เพียงทำ 3 ขั้นตอน ขั้นแรกคือการนำชุดข้อมูลภาพที่ผ่านการคัดประเภทแล้วเข้าสู่ระบบ ขั้นที่สองปรับแต่งฟังก์ชันหรือพารามิเตอร์ (parameter) สำหรับประมวลผล หรือเลือกใช้ NomadML-Auto ฟังก์ชันปรับแต่งอัตโนมัติที่ออกแบบให้มีความแม่นยำสูงในการปรับแต่งพารามิเตอร์เสมือนผู้เชี่ยวชาญเป็นผู้ปรับแต่งให้ โดยหลังจากเลือกปรับแต่งเสร็จเรียบร้อยแล้วให้คลิกปุ่มเริ่มเทรนโมเดล เมื่อระบบประมวลผลสร้างโมเดล AI เสร็จแล้ว ขั้นตอนสุดท้ายให้ผู้ใช้งานตรวจสอบความแม่นยำของโมเดลว่าวิเคราะห์ได้มีประสิทธิภาพเพียงไร หากผลเป็นที่พึงพอใจ ผู้ใช้งานสามารถดาวน์โหลดโมเดลไปใช้งานจริงได้โดยไม่เสียค่าใช้จ่าย โดยสามารถเขียนซอฟต์แวร์เรียกใช้งานโมเดลตามตัวอย่างที่ทีมวิจัยเตรียมไว้ให้และต่อยอดนำโมเดลไปใช้งานบนอุปกรณ์อื่น ๆ ได้     “NomadML ผ่านการออกแบบเพื่อแก้ปัญหาการขาดแคลนบุคลากรที่มีความเชี่ยวชาญเฉพาะทาง รวมถึงลดการใช้เวลาและงบประมาณในการพัฒนาระบบ ซึ่งเดิมต้องใช้เวลานานและมีค่าใช้จ่ายสูง ดังนั้นผู้ที่สนใจใช้งานแพลตฟอร์มนี้แต่ไม่มีพื้นฐานด้านการเทรนโมเดล AI มาก่อนก็สามารถเรียนรู้วิธีการใช้งานด้วยตัวเองจากคู่มือที่ทีมวิจัยจัดเตรียมไว้ให้ได้ ส่วนทางด้านโปรแกรมเมอร์ วิศวกรซอฟต์แวร์ หรือ SI (system integrator) NomadML จะเป็นประโยชน์อย่างยิ่งในการลดเวลาการทำงาน ทำให้มีเวลาทำ PoC หลายรูปแบบมากยิ่งขึ้น และได้โมเดล AI ที่ตอบโจทย์การใช้งานในเวลาอันรวดเร็ว “ทั้งนี้ผู้ใช้งาน NomadML ไม่ต้องเป็นกังวลเรื่องความปลอดภัยของข้อมูล เพราะระบบผ่านการออกแบบด้านการรักษาความปลอดภัยในรูปแบบ SSO (Single-Sign-On) หรือการต้อง log in เข้าสู่ระบบก่อนใช้งานเสมอ โดยผู้ใช้งานและผู้ดูแลระบบจะไม่สามารถเข้าถึงข้อมูลของผู้อื่นได้ การดึงข้อมูลของผู้ใช้งานจากเครื่องแม่ข่ายมาแสดงผลจะเป็นรูปแบบ API (Application Programming Interfaces) ที่ต้องยืนยันตัวตนผ่านระบบ SSO ทุกครั้งที่ขออนุญาตเข้าถึงข้อมูล ดังนั้นระบบจึงมีความปลอดภัยสูง” ปัจจุบัน NomadML เริ่มมีการทดลองใช้งานแล้วในหลายอุตสาหกรรม เช่น อุตสาหกรรมผลิตชิ้นส่วนเหล็ก เป็นการใช้โมเดล AI เพื่อตรวจสอบคุณภาพสินค้าว่ามีตำหนิประเภทต่าง ๆ หรือไม่ อาทิ รอยขีดข่วน การพ่นสีที่ไม่สม่ำเสมอ อุตสาหกรรมอาหารแช่แข็ง คือโมเดล AI เพื่อตรวจสอบคุณภาพสินค้าว่าขนาดและรูปทรงตรงตามที่กำหนดหรือไม่ ส่วนทางด้านอุตสาหกรรมการแพทย์ ทีมวิจัยเคยทดสอบกับฐานข้อมูลแบบเปิด (open source dataset) เช่น การวิเคราะห์ฟิล์มรังสีเอกซ์ เพื่อจำแนกโรคโควิด-19 วัณโรค และปอดอักเสบ หรือประมวลผลภาพถ่ายรูม่านตาเพื่อวิเคราะห์การเป็นโรคต้อชนิดต่าง ๆ เช่น ต้อหิน ต้อลม     ดร.ธีศิษฏ์ เล่าต่อว่า ปัจจุบันแพลตฟอร์ม NomadML เปิดให้ทดสอบใช้งานระบบแล้ว ผู้ที่สนใจใช้บริการได้ที่ www.nomadml.in.th โดยหลังจากเสร็จสิ้นการทดสอบระบบ ทีมวิจัยจะเปิดให้ใช้งาน 2 รูปแบบ คือ แบบไม่เสียค่าใช้จ่ายสำหรับบุคคลทั่วไป และแบบสมาชิกที่จะมีการเรียกเก็บค่าบริการรายปี โดยสิ่งที่สมาชิกจะได้รับคือพื้นที่สำหรับจัดเก็บข้อมูล ระยะเวลาในการเก็บรักษาข้อมูลในระบบ และระยะเวลาในการทำงานสูงสุดต่องานมากกว่าบุคคลทั่วไป รวมถึงไม่ต้องรอคิวในการใช้งานระบบร่วมกับผู้ใช้งานทั่วไปด้วย “ส่วนทางด้านการพัฒนา NomadML ต่อไปในอนาคต ทีมวิจัยมีแผนที่จะอัปเดตประสิทธิภาพระบบ parameter setting อย่างต่อเนื่องทั้งในรูปแบบผู้ใช้งานเป็นผู้ปรับแต่งเอง และแบบฟังก์ชัน NomadML-Auto นอกจากนี้ยังมีแผนที่จะเชื่อมต่อแพลตฟอร์มกับเทคโนโลยี High-Performance Computing (HPC) หรือ Cloud GPU เพื่อเพิ่มประสิทธิภาพและลดเวลาในการประมวลผล” NomadML เป็นหนึ่งในเทคโนโลยีสำคัญภายใต้โพรเจกต์ AI Thailand หรือโพรเจกต์ที่มุ่งสนับสนุนให้คนไทยเข้าถึงการใช้ประโยชน์เทคโนโลยี AI ได้อย่างทั่วถึง ซึ่งจะนำไปสู่การยกระดับการเรียนรู้ การทำงาน การสร้างความเติบโตทางเศรษฐกิจ และที่สำคัญคือการยกระดับคุณภาพของคนไทย ติดตามรายละเอียดเพิ่มเติมเกี่ยวกับเทคโนโลยีนี้ได้ที่ www.nomadml.in.th     เรียบเรียงโดย ภัทรา สัปปินันทน์ ฝ่ายสร้างสรรค์สื่อและผลิตภัณฑ์ สวทช. อาร์ตเวิร์กโดย ภัทรา สัปปินันทน์ คลิปสั้นโดย ภัทรา สัปปินันทน์ และอัครวุฒิ ตู้วชิรกุล ฝ่ายประชาสัมพันธ์ สวทช. ภาพประกอบโดย ภัทรา สัปปินันทน์

การสนับสนุนกองทุนพัฒนาวิทยาศาสตร์และเทคโนโลยีของ สวทช. https://www.nstda.or.th/donation/ เนื่องจาก ดัชนีวิทยาศาสตร์ วิจัยและนวัตกรรม เป็นบันไดสู่การพัฒนาประเทศ เป็นปัจจัยที่ส่งผลต่อการนำวิทยาศาสตร์และเทคโนโลยีไปใช้ในการพัฒนาเศรษฐกิจและสังคมโดยรวมของประเทศ สวทช.ขอเชิญชวนท่านมาร่วมเป็นส่วนหนึ่งในการพัฒนาเศรษฐกิจและสังคมโดยรวมของประเทศได้ที่ https://www.nstda.or.th/donation/ ประเภทการสนับสนุนเงินเข้ากองทุนเพื่อการพัฒนาวิทยาศาสตร์และเทคโนโลยี   ประกอบไปด้วย มาตราการ BOI บริจาคเงินเข้ากองทุนฯ เพื่อรับสิทธิประโยชน์เพิ่มเติมจาก BOI  ตามคณะกรรมการส่งเสริมการลงทุน (สกท.) ได้มีประกาศที่ ๑๐/๒๕๖๕ เรื่อง มาตรการเสริมสร้างขีดความสามารถในการแข่งขัน เมื่อวันที่ ๘ ธันวาคม พ.ศ. ๒๕๖๕ ข้อที่ ๑ ผู้ประกอบการสามารถขอรับสิทธิและประโยชน์เพิ่มเติมเพื่อเสริมสร้างขีดความสามารถในการแข่งขัน กรณีโครงการที่ได้ลงทุนหรือมีค่าใช้จ่าย ในข้อย่อยที่ ๑.๑ (๔) การสนับสนุนองค์กรด้านวิทยาศาสตร์และเทคโนโลยี เช่น สถาบันการศึกษา ศูนย์ฝึกอบรมเฉพาะทาง สถาบันวิจัย หน่วยงานของภาครัฐ เป็นต้น รวมถึง กองทุนด้านต่าง ๆ เช่น ด้านพัฒนาเทคโนโลยีและนวัตกรรม ด้านพัฒนา บุคลากร ตามที่คณะกรรมการเห็นชอบ เพื่อจูงใจและกระตุ้นให้มีการลงทุนหรือการใช้จ่ายในกิจกรรมที่เป็นประโยชน์ต่อประเทศ หรืออุตสาหกรรมโดยรวมมากขึ้น   มาตราการ RDI บริจาคเงินเข้ากองทุนฯ เพื่อลดหย่อนภาษีจากกรมสรรพากร  พระราชกฤษฎีกาออกตามความในประมวลรัษฎากรว่าด้วยการยกเว้นรัษฎากร (ฉบับที่ 770) พ.ศ. ๒๕๖๖ กำหนดมาตรการเพื่อยกเว้นภาษีให้แก่บุคคลธรรมดาและบริษัทหรือห้างหุ้นส่วนนิติบุคคล สำหรับการบริจาคเงินผ่านระบบอิเล็กทรอนิกส์ให้แก่กองทุนเพื่อการพัฒนาระบบมาตรวิทยา กองทุนเพื่อการพัฒนาระบบสาธารณสุข กองทุนเพื่อการพัฒนาวิทยาศาสตร์และเทคโนโลยี หรือกองทุนส่งเสริมวิทยาศาสตร์ วิจัยและนวัตกรรมที่ได้กระทำตั้งแต่วันที่ 1 มกราคม พ.ศ. 2566 ถึงวันที่ 31 ธันวาคม พ.ศ. 2568 สวทช. เป็นขุมพลังหลักของประเทศ ในการใช้ประโยชน์จากวิทยาศาสตร์ เทคโนโลยี และนวัตกรรม ของรัฐ เอกชน และชุมชน เพื่อพัฒนาและสร้างความเข้มแข็งของระบบนิเวศ วิจัย และนวัตกรรม ให้ตอบโจทย์สำคัญ นำสู่การพัฒนาประเทศอย่างก้าวกระโดด และ มุ่งผลักดันให้ประเทศไทยแข็งแกร่งและเจริญรุ่งเรืองบนเวทีเศรษฐกิจระดับโลก โดยการนำความสามารถอันเหนือชั้นด้านวิทยาศาสตร์และเทคโนโลยีมาช่วยให้ภาคการ เกษตรและภาคอุตสาหกรรมสามารถดำเนินงานได้ดี มีประสิทธิภาพสูงขึ้น ซึ่ง สวทช. ได้ดำเนินงานผ่านการทำงานร่วมกันของศูนย์ทั้ง 5 ศูนย์แห่งชาติ ได้แก่ ศูนย์พันธุวิศวกรรมและเทคโนโลยีชีวภาพแห่งชาติ (BIOTEC) มุ่งพัฒนางานด้านเทคโนโลยีชีวภาพ ศูนย์เทคโนโลยีโลหะและวัสดุแห่งชาติ (MTEC) มุ่งพัฒนางานด้านเทคโนโลยีที่เกี่ยวข้องกับวัสดุต่างๆ ศูนย์เทคโนโลยีอิเล็กทรอนิกส์และคอมพิวเตอร์แห่งชาติ (NECTEC) มุ่งพัฒนางานด้านอิเล็กทรอนิกส์และเทคโนโลยีคอมพิวเตอร์ ศูนย์นาโนเทคโนโลยีแห่งชาติ (NANOTEC) มุ่งพัฒนางานด้านนาโนเทคโนโลยี ศูนย์เทคโนโลยีพลังงานแห่งชาติ (ENTEC) มุ่งวิจัยและพัฒนาเทคโนโลยีพลังงานของประเทศ   สำหรับการนำเงินบริจาคไปใช้ มีกิจกรรมตาม 4 พันธกิจหลักประกอบด้วย ด้านการวิจัย พัฒนา และวิศวกรรม ด้านการพัฒนาบุคลากรทางเทคนิค ด้านการพัฒนาเทคโนโลยีของผู้ประกอบการขนากกลางและย่อม (SMEs) ในประเทศ ด้านการพัฒนาโครงสร้างพื้นฐานทางเทคโนโลยี เพื่ออุตสาหกรรมและบริการ   ติดต่อสอบถามเพิ่มเติมได้ที่ งานสนับสนุนการวิจัยพัฒนาภาคเอกชน (PSR) 111 อุทยานวิทยาศาสตร์ประเทศไทย ถ.พหลโยธิน ต.คลองหนึ่ง อ.คลองหลวง จ.ปทุมธานี 12120 โทรศัพท์ : 0-2564-7000 ต่อ 1308, 1335 อีเมล : ipd-psr@nstda.or.th

Low Code Development Platforms คือแพลตฟอร์มการพัฒนาซอฟต์แวร์ที่ช่วยให้สามารถสร้างแอปพลิเคชันได้โดยใช้การเขียนโค้ดน้อยที่สุด  มีอินเทอร์เฟซแบบกราฟิก (GUI) ที่ผู้ใช้สามารถลากและวางเครื่องมือหรือคอมโพเนนต์ต่าง ๆ เพื่อสร้างแอปพลิเคชันได้อย่างรวดเร็ว โดยไม่ต้องพึ่งพาการเขียนโค้ดแบบดั้งเดิม คุณสมบัติหลักของ Low Code Development Platforms:  Visual Development : นักพัฒนาสามารถออกแบบอินเทอร์เฟซและกระบวนการทำงานของแอปพลิเคชันได้ด้วยการลากและวางคอมโพเนนต์  Pre-Built Modules : มีคอมโพเนนต์และโมดูลที่สร้างไว้ล่วงหน้า เช่น ส่วนของอินเทอร์เฟซผู้ใช้ ตัวเชื่อมต่อฐานข้อมูล และเครื่องมือสำหรับการทำงานเชิงตรรกะ ซึ่งสามารถปรับแต่งได้ง่าย  Automation : แพลตฟอร์มจะช่วยลดขั้นตอนการทำงานที่ซ้ำซ้อน เช่น การเชื่อมต่อข้อมูลและการนำแอปพลิเคชันไปใช้งาน  Integration Capabilities : มักมีระบบการเชื่อมต่อกับฐานข้อมูล, API และบริการอื่น ๆ ที่ง่ายต่อการรวมเข้าด้วยกัน  Rapid Prototyping : สามารถสร้างและทดสอบต้นแบบแอปพลิเคชันได้อย่างรวดเร็วผ่านการใช้เครื่องมือที่มีอยู่   Low Code Development Platforms สามารถแบ่งตามลักษณะการใช้งาน ดังนี้: 1.General-Purpose Low Code Platforms ลักษณะ: แพลตฟอร์มที่ออกแบบมาเพื่อการพัฒนาแอปพลิเคชันที่หลากหลาย ทั้งเว็บและมือถือ โดยไม่ได้เจาะจงสำหรับอุตสาหกรรมใดอุตสาหกรรมหนึ่ง ตัวอย่าง: OutSystems, Mendix, Microsoft Power Apps   2.Business Process Management (BPM) Platforms ลักษณะ: เน้นการจัดการและปรับปรุงกระบวนการทางธุรกิจ (Business Processes) โดยให้ความสำคัญกับการทำงานร่วมกันและการปรับปรุงการไหลของข้อมูล ตัวอย่าง: Appian, Pega, ProcessMaker   3.Database-Centric Platforms ลักษณะ: แพลตฟอร์มที่เน้นการสร้างแอปพลิเคชันที่เชื่อมต่อกับฐานข้อมูลอย่างง่ายดาย ช่วยให้ผู้ใช้สามารถสร้างแอปพลิเคชันที่จัดการและประมวลผลข้อมูลได้อย่างรวดเร็ว ตัวอย่าง: Knack, Caspio, Airtable   4.Request Handling and Form-Based Platforms ลักษณะ: แพลตฟอร์มที่ออกแบบมาสำหรับการสร้างแอปพลิเคชันที่เกี่ยวข้องกับการจัดการคำร้องขอ (Request Handling) หรือฟอร์มต่างๆ ที่สามารถรวบรวมและจัดการข้อมูลได้ ตัวอย่าง: Zoho Creator, Nintex, Quick Base   5.Integration-Focused Platforms ลักษณะ: แพลตฟอร์มที่เน้นการเชื่อมต่อและผสานรวมระบบต่างๆ ภายในองค์กร เพื่อสร้างแอปพลิเคชันที่สามารถเข้าถึงข้อมูลจากหลายแหล่งและประสานงานระหว่างระบบได้ ตัวอย่าง: Boomi, MuleSoft, Retool   6.Customer Relationship Management (CRM) Platforms ลักษณะ: แพลตฟอร์ม Low Code ที่เน้นการพัฒนาแอปพลิเคชันเพื่อจัดการและพัฒนาความสัมพันธ์กับลูกค้าโดยเฉพาะ ซึ่งสามารถเชื่อมต่อกับข้อมูลลูกค้าและกระบวนการขายได้ ตัวอย่าง: Salesforce Lightning, Zoho CRM, Creatio   7.Open Source Low Code Platforms ลักษณะ: แพลตฟอร์ม Low Code ที่เป็นโอเพนซอร์ส ซึ่งสามารถปรับแต่งและพัฒนาต่อยอดได้อย่างอิสระ โดยชุมชนผู้ใช้งานหรือองค์กร ตัวอย่าง: Budibase, Joget, Appsmith   8.Industry-Specific Low Code Platforms ลักษณะ: แพลตฟอร์มที่ถูกออกแบบมาสำหรับการพัฒนาแอปพลิเคชันในอุตสาหกรรมเฉพาะ เช่น การเงิน การแพทย์ หรือการผลิต ตัวอย่าง: Vantiq (สำหรับ IoT และ AI), Unqork (สำหรับภาคการเงินและประกันภัย)  

ปัญญาประดิษฐ์ (AI) หมายถึง ศาสตร์ที่รวบรวมองค์ความรู้ในหลายสาขาวิชา โดยเฉพาะอย่างยิ่งด้านวิทยาศาสตร์และวิศวกรรมศาสตร์ มาพัฒนาให้เครื่องจักรหรือระบบคอมพิวเตอร์มีความชาญฉลาด สามารถคิด คำนวณ วิเคราะห์ เรียนรู้ และตัดสินใจโดยใช้เหตุผลได้เสมือนสมองของมนุษย์ และสามารถเรียนรู้ พัฒนา และปรับปรุงกระบวนการทำงานเพื่อเพิ่มศักยภาพของปัญญาประดิษฐ์เองได้ ประเภทของ AI ANI (Narrow AI): AI ที่ถูกออกแบบมาเพื่อทำงานเฉพาะทาง เช่น การจดจำเสียง (Voice Recognition) การวิเคราะห์ข้อมูล หรือการเล่นเกมโกะ AI ประเภทนี้พบได้ในชีวิตประจำวัน เช่น ผู้ช่วยส่วนตัวดิจิทัล (Siri, Alexa) และระบบแนะนำสินค้าของเว็บไซต์ช้อปปิ้งออนไลน์ AGI (General AI): AI ที่สามารถทำงานได้หลากหลายคล้ายมนุษย์  โดยสามารถนำมาใช้งานหลากหลาย เช่น การสร้างภาพ การประมวลผล การสร้างเสียงดนตรี ASI (Superintelligent AI): แนวคิดที่ AI จะมีความฉลาดที่เหนือกว่ามนุษย์ในทุกด้าน แต่ยังคงเป็นเพียงทฤษฎีและอยู๋ระหว่างการพัฒนาอย่างเป็นรูปธรรม ขั้นตอนหลักในการทำงานของ AI มีดังนี้: การเก็บรวบรวมข้อมูล (Data Collection): AI ต้องการข้อมูลจำนวนมากในการฝึกฝน เช่น ข้อมูลภาพ เสียง ข้อความ หรือข้อมูลดิบอื่น ๆ ข้อมูลเหล่านี้จะถูกใช้เป็นตัวอย่างเพื่อให้ระบบเรียนรู้และพัฒนาตนเอง การประมวลผลข้อมูล (Data Processing): ข้อมูลที่ได้รับจะถูกประมวลผลและแปลงให้อยู่ในรูปแบบที่เหมาะสมสำหรับการวิเคราะห์ AI จะทำการค้นหาแบบแผนและความสัมพันธ์ในข้อมูลเหล่านี้ การเรียนรู้ (Learning): AI จะใช้ อัลกอริทึมการเรียนรู้ เพื่อทำการวิเคราะห์ข้อมูลและปรับปรุงตนเอง ตัวอย่างเช่น การเรียนรู้แบบจำแนกประเภท (Classification) หรือการเรียนรู้แบบจับกลุ่ม (Clustering) การทำนายหรือการตัดสินใจ (Prediction/Decision Making):  AI สามารถทำการทำนายหรือการตัดสินใจได้ เมื่อระบบได้เรียนรู้แล้ว เช่น การทำนายแนวโน้มของตลาดหุ้นหรือการแนะนำสินค้าตามพฤติกรรมการซื้อของผู้ใช้ การปรับปรุงตนเอง (Self-Improvement): AI  ที่ทำการปรับปรุงตนเองอย่างต่อเนื่องโดยการเรียนรู้จากข้อมูลใหม่ๆ ที่ได้รับเข้ามา ซึ่งทำให้มันมีความแม่นยำและสามารถตอบสนองต่อสถานการณ์ใหม่ ๆ ได้ดีขึ้น ตัวอย่างของการประยุกต์ใช้ AI เช่น: ผู้ช่วยส่วนตัวดิจิทัล: เช่น Siri, Google Assistant ที่สามารถช่วยตอบคำถาม จัดการปฏิทิน หรือควบคุมอุปกรณ์อัจฉริยะในบ้าน การวิเคราะห์ข้อมูล: AI ถูกใช้ในการวิเคราะห์ข้อมูลขนาดใหญ่ในธุรกิจเพื่อช่วยในการตัดสินใจและสร้างกลยุทธ์ การรักษาทางการแพทย์: AI ช่วยในการวินิจฉัยโรคและการพัฒนายาใหม่ ๆ ที่มีความแม่นยำสูง การพัฒนารถยนต์ไร้คนขับ: ที่ใช้ AI ในการนำทางและตัดสินใจในสภาพแวดล้อมจริง ดังนั้นการเข้าใจพื้นฐานและการทำงานของ AI จึงเป็นสิ่งสำคัญที่จะช่วยให้เราปรับตัวและใช้ประโยชน์จากเทคโนโลยีนี้ได้อย่างเต็มที่ อย่างไรก็ตาม การพัฒนา AI ยังมาพร้อมกับความท้าทายทั้งด้านเทคโนโลยีและจริยธรรมที่ต้องพิจารณาอย่างรอบคอบ

โครงการขับเคลื่อนผลงานวิจัยสู่เชิงพาณิชย์ (https://www.thailandtechshow.com/) จัดทำขึ้นเพื่อเป็นตลาดเทคโนโลยีที่เข้าถึงได้ง่าย ผู้ซื้อพบผู้ขาย ส่งเสริมการใช้ประโยชน์ผลงานวิจัยและพัฒนาในเชิงพาณิชย์ เป็นโครงการที่เชื่อมโยงภาคเอกชนให้สามารถเข้าถึงและนำผลงานวิจัย เทคโนโลยีและนวัตกรรมที่พัฒนาจากสถาบันวิจัยและมหาวิทยาลัยออกสู่การใช้ประโยชน์ในเชิงพาณิชย์ได้อย่างเป็นรูปธรรม หน่วยงานของรัฐที่ทำหน้าที่สร้างคุณค่าให้แก่เศรษฐกิจและสังคมของประเทศโดยอาศัยวิทยาศาสตร์และเทคโนโลยีเป็นฐาน ได้ตระหนักถึงความสำคัญในการใช้ประโยชน์ผลงานวิจัยออกสู่เชิงพาณิชย์เสริมศักยภาพและยกระดับผู้ประกอบการ เพื่อก่อให้เกิดผลประโยชน์ต่อเศรษฐกิจและสังคมไทย โดยมีวัตถุประสงค์ ดังนี้ เพื่อกระตุ้นให้เกิดการใช้ประโยชน์จากผลงานวิจัยในภาคเอกชน เพื่อส่งเสริมให้เกิดการวิจัยและพัฒนาต่อยอดในภาคเอกชน เพื่อยกระดับผู้ประกอบการให้เข้าถึงแหล่งรวมงานวิจัยและพัฒนา เพื่อให้เกิดการขับเคลื่อนผลงานวิจัยสู่เชิงพาณิชย์ เพื่อรับทราบข้อมูล ปัญหา อุปสรรค และข้อจำกัดของเทคโนโลยี เพื่อนำไปสู่การพัฒนาผลงานวิจัยให้ตอบโจทย์อุตสาหกรรม สำหรับรายชื่อเผลงานวิจัย เทคโนโลยีและนวัตกรรมที่พัฒนาจากสถาบันวิจัยและมหาวิทยาลัย มีรายละเอียดแบ่งตาม แบ่งเป็นหมวดหมู่  8 หมวดด้วยกันประกอบไปด้วย เกษตร/ประมง เครื่องมือ /เครื่องจักร เวชสำอาง /เวชภัณฑ์ การแพทย์ อาหาร/เครื่องดื่ม อิเล็กทรอนิกส์ สื่อการเรียน เครื่องประดับ ผู้ใช้งานสามารถดูแต่ละสถานภาพการคุ้มครองทรัพย์สินทางปัญญาทั้งหมด ประกอบไปด้วย องค์ความรู้ ลิขสิทธิ์ สิทธิบัตร (granted) อนุสิทธิบัตร (granted) คำขอสิทธิบัตร (filed) คำขออนุสิทธิบัตร (filed) อยู่ระหว่างดำเนินการขอรับความคุ้มครอง ความลับทางการค้า รวมถึงแสดงสถานภาพของผลงานวิจัยทั้งหมด ประกอบไปด้วย ผลการทดลองระดับห้องปฏิบัติการได้รับการพิสูจน์ว่าเป็นไปได้ ได้ต้นแบบในระดับห้องปฏิบัติการ ต้นแบบระดับห้องปฏิบัติการได้ถูกทดสอบในสภาวะจำลอง ได้ต้นแบบระดับ pilot scale ต้นแบบระดับ pilot scale ได้ถูกทดสอบในสภาวะทำงานจริง ตัวอย่างข้อมูลผลงานวิจัย เทคโนโลยีและนวัตกรรม ที่ปรากกฎ ทั้งนี้หากผู้ที่สนใจต้องการขอรับการถ่ายทอดเทคโนโลยี เหมาะสำหรับผู้สนใจ, นักลงทุน, ผู้ประกอบการเพื่อการผลิตและจำหน่ายท่านสามารถดูรายละเอียด ผ่าน www.thailandtechshow.com  จะมีข้อมูลคุณสมบัติของผู้รับอนุญาตให้ใช้สิทธิ รูปแบบการถ่ายทอดเทคโนโลยี และการยื่นความจำนงเพื่อขอถ่ายทอดเทคโนโลยี

  ประเทศไทยผลิตและส่งออกผลิตภัณฑ์มันสำปะหลังแปรรูปมากเป็นอันดับต้นของโลก โดยในปี 2564 กรมการค้าต่างประเทศรายงานว่าประเทศไทยส่งออกมันสำปะหลังแปรรูปเป็นมูลค่ารวมสูงกว่า 1.23 แสนล้านบาท แต่ทว่าหลังจากช่วงปี 2562 ที่ไทยเริ่มพบรอยโรคใบด่างมันสำปะหลัง (Cassava ​Mosaic Disease: CMD) และประกาศการระบาดอย่างเป็นทางการในปี 2565 อุตสาหกรรมมันสำปะหลังกลับต้องเผชิญกับความสั่นคลอนจากการขาดแคลนวัตถุดิบเรื่อยมา เพราะโรค CMD นอกจากจะทำให้หัวมันแคระแกร็นและคุณภาพผลผลิตตกต่ำแล้ว ยังเป็นโรคที่แพร่ระบาดได้ง่าย รวดเร็ว แต่ยับยั้งการแพร่ระบาดยากเพราะมีแมลงหวี่ขาวเป็นตัวกระจายโรค พื้นที่เพาะปลูกมันสำปะหลังส่วนใหญ่ของไทยจึงกลายไปเป็นพื้นที่สีแดงหรือพื้นที่ที่ต้องเผชิญปัญหาโรค CMD ระบาดภายในระยะเวลาเพียง 2-3 ปี อย่างไรก็ตามท่ามกลางวิกฤตใหญ่ที่ทำให้ผู้มีส่วนเกี่ยวข้องกับอุตสาหกรรมต้องแบกรับภาระต้นทุนที่สูงขึ้น ยังมีผู้มีส่วนได้ส่วนเสียทั้งภาครัฐ ภาคเอกชน รวมถึงเกษตรกรผู้เพาะปลูกมันสำปะหลังที่เลือกยืนหยัดหาแนวทางฝ่าฟันวิกฤตนี้ เพราะพวกเขาเชื่อว่า ‘การสู้ไปด้วยกันจะนำไปสู่การผ่านพ้นวิกฤตได้’   [caption id="attachment_60352" align="aligncenter" width="650"] ลักษณะต้นมันสำปะหลังติดโรค CMD[/caption]   [caption id="attachment_60353" align="aligncenter" width="650"] ลักษณะต้นมันสำปะหลังติดโรค CMD[/caption] ปัญหาเกิด ‘ตัวกลางเร่งขยับ’ [caption id="attachment_60344" align="aligncenter" width="650"] ชวินทร์ ปลื้มเจริญ นักวิชาการ สถาบันการจัดการเทคโนโลยีและนวัตกรรมเกษตร (สท.) สวทช.[/caption]   ชวินทร์ ปลื้มเจริญ นักวิชาการ สถาบันการจัดการเทคโนโลยีและนวัตกรรมเกษตร (สท.) สำนักงานพัฒนาวิทยาศาสตร์และเทคโนโลยีแห่งชาติ (สวทช.) เล่าว่า นับตั้งแต่เริ่มพบโรค CMD ในประเทศไทยเมื่อปี 2562 ศาสตราจารย์เกียรติคุณ ดร.มรกต ตันติเจริญ ที่ปรึกษาอาวุโสของ สท. ณ ขณะนั้น ได้มอบแนวทางให้บุคลากร สท. สร้างความตระหนักเกี่ยวกับโรคให้ผู้เกี่ยวข้องทราบ และผสานการนำเทคโนโลยีการผลิตต้นพันธุ์มันสำปะหลังปลอดโรคที่นักวิจัยศูนย์พันธุวิศวกรรมและเทคโนโลยีชีวภาพแห่งชาติ (ไบโอเทค) สวทช. พัฒนาไว้มาช่วยรับมือกับปัญหานี้ทันที ในปีนั้น สท. จึงได้ร่วมกับไบโอเทคจัดการประชุมเพื่อสร้างความตระหนักถึงโรคนี้ให้ภาครัฐและภาคเอกชนที่เกี่ยวข้อง โดย สท. ได้เชิญนักวิชาการด้านการเกษตรจากหน่วยงานต่าง ๆ มาให้ความรู้เกี่ยวกับโรคใบด่างมันสำปะหลัง ส่วนนักวิจัยไบโอเทคได้นำเสนอเทคโนโลยีรับมือกับการระบาดของโรคทั้งในส่วนเทคโนโลยีการผลิตต้นพันธุ์ปลอดโรคและอุปกรณ์ตรวจโรค “ผลจากการประชุมครั้งนั้นก่อให้เกิดความร่วมมือครั้งใหญ่กับภาคเอกชน คือ กลุ่มพูลผล โดยบริษัทพูลอุดม จำกัด กลุ่มธุรกิจที่มีความเกี่ยวข้องกับผลิตภัณฑ์มันสำปะหลังหลายรูปแบบ ในการนำร่องสร้างกระบวนการรับมือโรค CMD อย่างเป็นรูปธรรม ด้วยผู้บริหารของบริษัทมีวิสัยทัศน์ว่าโรค CMD ไม่น่าใช่ปัญหาเล็ก และมีแนวโน้มจะลุกลามไปเป็นวิกฤตการณ์โรคระบาดใหญ่ได้ในไม่ช้า ซึ่งผลจากการเตรียมความพร้อมตั้งแต่เนิ่น ๆ ของบริษัท ทำให้ขณะนี้บริษัทมีเทคโนโลยี ระบบโครงสร้างพื้นฐาน และความเข้มแข็งด้านองค์ความรู้ สำหรับสร้างระบบการผลิตขนาดใหญ่เพื่อรองรับการเติบโตของอุตสาหกรรมมันสำปะหลังอย่างยั่งยืนมากยิ่งขึ้น และใช้ประคับประคองเกษตรกรพันธมิตรของบริษัทกว่า 2,000 ครัวเรือน ไม่ให้ล้มพับในวันที่พื้นที่เพาะปลูกหลายแสนไร่ทั่วประเทศกลายเป็นพื้นที่สีแดงอย่างทุกวันนี้ได้”         หลังจากบริษัทพูลอุดมฯ รับถ่ายทอดเทคโนโลยีจากไบโอเทคในปี 2563 บทบาทของนักวิชาการจาก สท. ได้ขยับปรับเปลี่ยนจากการเป็นหนึ่งในกระบอกเสียงเพื่อสร้างความตระหนัก มาเป็นฟันเฟืองตัวหนึ่งที่จะช่วยยับยั้งการระบาดของโรค CMD เพื่อรักษาพื้นที่สีเขียวหรือพื้นที่ปลอดโรคเอาไว้ให้ได้นานที่สุด จนกว่าจะมีเทคโนโลยีที่เป็นจุดเปลี่ยนสำคัญมาช่วยพลิกสถานการณ์นี้ ชวินทร์ เล่าว่า ตั้งแต่วันแรกที่บริษัทพูลอุดมฯ และนักวิจัยจากไบโอเทค สวทช. ตัดสินใจดำเนินงานร่วมกัน นักวิชาการจาก สท. ยังคงทำหน้าที่ช่วยประสานการดำเนินงานเสมอมา นอกจากนี้ยังทำหน้าที่เป็นฟันเฟืองตัวเล็ก ๆ ที่ช่วยเชื่อมโยงการดำเนินงานระหว่างภาครัฐ ภาคเอกชน ภาควิจัย และเกษตรกรด้วย เพราะตระหนักดีว่าโรค CMD ไม่ใช่ปัญหาเล็กที่จะแก้ไขได้ด้วยใครเพียงคนใดคนหนึ่งเท่านั้น แต่เป็นปัญหาระดับประเทศที่ต้องการกำลังจากผู้มีส่วนได้ส่วนเสียทุกภาคส่วน ดังนั้น สท. จะไม่หยุดหมุนเฟืองจนกว่าประเทศไทยจะผ่านพ้นวิกฤตนี้ได้     เทคโนโลยีรักษาพื้นที่สีเขียว ‘เอาน้ำดีไล่น้ำเสีย’ [caption id="attachment_60341" align="aligncenter" width="650"] ดร.ยี่โถ ทัพภะทัต นักวิจัยทีมวิจัยนวัตกรรมโรงงานผลิตพืชสมุนไพร ไบโอเทค สวทช.[/caption]   ดร.ยี่โถ ทัพภะทัต นักวิจัยทีมวิจัยนวัตกรรมโรงงานผลิตพืชสมุนไพร ไบโอเทค สวทช. เล่าต่อในมุมไบโอเทคว่า เดิมทีก่อนจะพบการระบาดโรค CMD ในประเทศไทย นักวิจัยไบโอเทคนำโดย ดร.ธราธร ทีรฆฐิติ หน่วยวิจัยเทคโนโลยีชีวภาพพืชและการจัดการแบบบูรณาการ ได้พัฒนาเทคโนโลยีเพาะเลี้ยงเนื้อเยื่อมันสำปะหลังพันธุ์เศรษฐกิจของไทยไว้ก่อนแล้วด้วย 2 เหตุผลหลัก คือ การอนุรักษ์ต้นพันธุ์แท้ปลอดโรค และการเตรียมพร้อมรับมือสถานการณ์วิกฤตที่อาจทำให้ขาดแคลนต้นพันธุ์ เช่น เกิดเหตุโรคระบาด เกิดภัยธรรมชาติ   [caption id="attachment_60342" align="aligncenter" width="650"] ต้นอ่อนมันสำปะหลัง[/caption] “ในตอนนั้นช่วงปี 2563 หลังจากตัวแทนจากบริษัทพูลอุดมฯ แสดงความสนใจที่จะรับถ่ายทอดองค์ความรู้เทคโนโลยีการผลิตต้นพันธุ์ปลอดโรค ดร.ธราธร และทีมได้ดำเนินการถ่ายทอดวิธีการผลิตต้นพันธุ์ด้วยกระบวนการเพาะเลี้ยงเนื้อเยื่อทันที พร้อมช่วยดูแลการพัฒนาห้องปฏิบัติการภายในโรงงานของบริษัท และช่วยเป็นพี่เลี้ยงด้านการปรับปรุงกระบวนการอนุบาลและเพาะปลูก จนบริษัทสามารถผลิตและส่งต่อท่อนพันธุ์ให้เกษตรกรใช้ปลูกจริงได้แล้ว ซึ่งในตอนนั้นทีมวิจัยได้ช่วยผลิตต้นพันธุ์ปลอดโรคเพื่อเป็นต้นแม่พันธุ์ให้บริษัทนำไปใช้ขยายพันธุ์ต่อ รวมแล้วมากกว่า 20,000 ต้น   [caption id="attachment_60351" align="aligncenter" width="650"] ดร.ธราธร ทีรฆฐิติ หน่วยวิจัยเทคโนโลยีชีวภาพพืชและการจัดการแบบบูรณาการ ไบโอเทค สวทช.[/caption]     “นอกจากเทคโนโลยีการผลิตต้นพันธุ์แล้ว อีกหนึ่งตัวอย่างเทคโนโลยีสำคัญที่ไบโอเทคนำไปช่วยเหลือ คือ ชุดตรวจโรคใบด่างมันสำปะหลังแบบ strip test เทคโนโลยีตรวจโรค CMD ที่ ดร.ชาญณรงค์ ศรีภิบาล ทีมวิจัยการผลิตโมโนโคลนอลแอนติบอดีและการประยุกต์ใช้ ไบโอเทค สวทช. และทีมพัฒนาขึ้น เพื่อให้ผู้ประกอบการและเกษตรกรเข้าถึงอุปกรณ์การตรวจที่มีประสิทธิภาพสูงในราคาจับต้องได้ ที่สำคัญวิธีการตรวจง่าย เกษตรกรตรวจได้ด้วยตัวเองภายในพื้นที่เพาะปลูก ทั้งนี้ก็เพื่อให้เกษตรกรตรวจโรคได้บ่อยครั้งขึ้นและป้องกันการแพร่ระบาดของโรคที่พบในพื้นที่ได้อย่างทันท่วงที”   [caption id="attachment_60343" align="aligncenter" width="650"] ดร.ชาญณรงค์ ศรีภิบาล ทีมวิจัยการผลิตโมโนโคลนอลแอนติบอดีและการประยุกต์ใช้ ไบโอเทค สวทช.[/caption]     [caption id="attachment_60354" align="aligncenter" width="650"] ชุดตรวจโรคใบด่างมันสำปะหลังแบบ strip test[/caption]     นอกจากการช่วยเหลือผู้ประกอบการด้านการพัฒนาต้นพันธุ์ปลอดโรคเพื่อรักษาพื้นที่สีเขียวเอาไว้ให้ได้นานที่สุด นักวิจัยไบโอเทคยังมองไปถึงการพัฒนาเทคโนโลยีฐานเพื่อรองรับการล้างพื้นที่สีแดงแบบเอาน้ำดีไล่น้ำเสียในอนาคตด้วย ดร.ยี่โถ เล่าว่า จนถึงปัจจุบันทีมวิจัยยังคงเดินหน้าพัฒนาเทคโนโลยีเพื่อรองรับการแก้ปัญหาโรค CMD และการเติบโตของอุตสาหกรรมไทยมาอยู่ตลอด โดยทีมได้พัฒนากระบวนการเพาะเลี้ยงเนื้อเยื่อมันสำปะหลังด้วยเทคนิคไบโอรีแอกเตอร์ (bioreactor) แบบกึ่งจมจนสำเร็จเรียบร้อยแล้ว เพราะเทคโนโลยีนี้แม้จะต้องลงทุนสูงในช่วงเริ่มต้น แต่ด้วยความรวดเร็วในการขยายต้นพันธุ์ปลอดโรคจะทำให้ผู้ประกอบการหรือหน่วยงานพันธมิตรที่มีห้องปฏิบัติการสามารถขยายต้นพันธุ์กลุ่มทนทานโรค CMD และต้านทานโรค CMD พันธุ์ต่าง ๆ (ข้อมูล ณ มิถุนายน 2567 มูลนิธิสถาบันพัฒนามันสำปะหลังแห่งประเทศไทยสามารถพัฒนาพันธุ์ต้านทานโรค CMD ได้แล้ว 3 พันธุ์ อยู่ในช่วงวางแผนเตรียมการขยายพันธุ์) ในระดับหลักแสนหรือกระทั่งหลักล้านต้นได้ในเวลาอันสั้น ซึ่งนั่นจะเป็นจุดเปลี่ยนที่เราสามารถช่วยกันเอาน้ำดีไล่น้ำเสีย คืนพื้นที่ทั่วประเทศให้กลับมาเป็นพื้นที่สีเขียวอีกครั้ง และทำให้ผู้ประกอบการได้รับผลตอบแทนคืนทุนได้อย่างรวดเร็ว   [caption id="attachment_60340" align="aligncenter" width="650"] กระบวนการเพาะเลี้ยงเนื้อเยื่อด้วยเทคนิคไบโอรีแอกเตอร์ (bioreactor) แบบกึ่งจม[/caption]   “อีกหนึ่งเทคโนโลยีการผลิตพืชเศรษฐกิจที่สำคัญและไบโอเทคกำลังอยู่ในขั้นตอนการวิจัย คือ การพัฒนาระบบเพาะเลี้ยงเนื้อเยื่อพืชในระบบ somatic embryogenesis หรือการโคลนนิง (cloning) พืชผ่านเซลล์แคลลัส​ ควบคู่กับการพัฒนากระบวนการ genetic transformation หรือการส่งถ่ายยีนเข้าสู่เซลล์เพื่อปรับแต่งรหัสพันธุกรรมของพืช โดยในกรณีมันสำปะหลัง สามารถใช้เทคโนโลยีเหล่านี้เพื่อพัฒนาพันธุ์ให้มีลักษณะตามวัตถุประสงค์การใช้งานในเชิงอุตสาหกรรมที่แตกต่างกัน เช่น ต้านทานโรค ต้นพันธุ์ให้แป้งสูง ต้นพันธุ์ที่เหมาะแก่การผลิตเอทานอล หรืออื่น ๆ เพื่อช่วยส่งเสริมให้อุตสาหกรรมมันสำปะหลังไทยเติบโตอย่างเข้มแข็งยิ่งขึ้นในอนาคตได้”   ‘ความยั่งยืน’ โจทย์ที่เอกชนใส่ใจ [caption id="attachment_60339" align="aligncenter" width="650"] เพ็ญนภา บานเย็น ผู้จัดการโครงการวิจัยเกษตร บริษัทพูลอุดม จำกัด[/caption]   เพ็ญนภา บานเย็น ผู้จัดการโครงการวิจัยเกษตร บริษัทพูลอุดม จำกัด เล่าต่อในมุมภาคเอกชนว่า ตลอดการทำงานที่ผ่านมานโยบายของบริษัทที่ผู้บริหารวางเป็นแนวทางในการทำงานให้แก่พนักงานมาตลอดคือความยั่งยืน ซึ่งความยั่งยืนนี้จะเกิดขึ้นได้ก็ต่อเมื่อทุกภาคส่วนในห่วงโซ่ผลลัพธ์ (impact value chain) เติบโตไปด้วยกันอย่างมั่นคง จากนโยบายนั้นทำให้ทันทีที่ผู้บริหารทราบข่าวการเข้ามาของโรค CMD ก็ตัดสินใจลงทุนเพื่อเตรียมความพร้อมสำหรับช่วยประคับประคองทุกภาคส่วนในสายการผลิตของบริษัทให้ผ่านพ้นวิกฤตนี้ไปด้วยกันทันที “นับตั้งแต่ปี 2563 ที่ทีมวิจัยไบโอเทคได้ช่วยเป็นพี่เลี้ยงบริษัทในด้านการพัฒนากระบวนการผลิตต้นพันธุ์มันสำปะหลังปลอดโรค ในโครงการกระจายพันธุ์ต้านทานโรคให้ครอบคลุมพื้นที่ปลูกมันสำปะหลังในจังหวัดชัยภูมิ ปัจจุบันบริษัทสามารถผลิตต้นพันธุ์สะอาดเฉลี่ย 15,000-20,000 ต้น/เดือน เพื่อจัดส่งให้เกษตรกรพาร์ตเนอร์ใช้ปลูกได้แล้ว นอกจากนี้บริษัทยังกำลังร่วมดำเนินการผลิตต้นพันธุ์ต้านทานโรคภายใต้โครงการกระจายพันธุ์ต้านทานโรคของบริษัทสยามควอลิตี้สตาร์ช จำกัด เพื่อส่งมอบให้เกษตรกรในจังหวัดชัยภูมิใช้ปลูกเพื่อผลิตมันสำปะหลังคุณภาพหล่อเลี้ยงอุตสาหกรรมด้วย โดยบริษัทได้ตั้งเป้าหมายที่จะผลิตให้ได้มากกว่า 400,000 ต้น ทั้งนี้ต้องขอขอบพระคุณผู้ให้การสนับสนุนจากทุกภาคส่วนเป็นอย่างยิ่ง โดยเฉพาะทีมวิจัยไบโอเทคและนักวิชาการจาก สท. สวทช. ที่สนับสนุนองค์ความรู้เพื่อการพัฒนาเทคโนโลยีการผลิตของบริษัทเสมอมา “ภายหลังจากการช่วยเหลือเกษตรกรในบริเวณพื้นที่ตั้งของโรงงานประสบความสำเร็จแล้ว บริษัทยังมีแผนจะพัฒนากระบวนการผลิตต่อเพื่อผลิตท่อนพันธุ์ปลอดโรคได้มากขึ้น และกระจายไปยังเกษตรกรในพื้นที่อื่น ๆ เพราะนอกจากบริษัทจะต้องพึ่งพิงผลผลิตจากพวกเขาแล้ว การที่เกษตรกรเหล่านั้นผ่านพ้นวิกฤตนี้ไปด้วยกันกับบริษัทได้ ก็เป็นสัญญาณอันดีว่าอุตสาหกรรมมันสำปะหลังไทยจะกลับมามั่นคงได้อีกครั้ง”             [caption id="attachment_60329" align="aligncenter" width="650"] เกรียงศักดิ์ แจ้งเสถียรสุข ผู้อำนวยการฝ่ายสินค้าเกษตร บริษัทพูลอุดม จำกัด (คนที่ 6 จากซ้ายมือ) และทีมงานผู้ผลิตต้นพันธุ์มันสำปะหลังปลอดโรค[/caption]   เกรียงศักดิ์ แจ้งเสถียรสุข ผู้อำนวยการฝ่ายสินค้าเกษตร บริษัทพูลอุดม จำกัด เสริมว่า ที่ผ่านมากลุ่มบริษัทฯ ได้ทำงานร่วมกับเกษตรกรในบริเวณพื้นที่ตั้งของโรงงานทั้งในจังหวัดชัยภูมิและบุรีรัมย์ในรูปแบบพาร์ตเนอร์ที่ดูแลซึ่งกันและกันมาโดยตลอด โดยได้สนับสนุนต้นพันธุ์สะอาดทั้งพันธุ์ทนทานและพันธุ์ต้านทานให้แก่เกษตรกร มีทีมงานให้ความรู้ในการเรื่องการคัดเลือกพันธุ์ที่ให้ผลผลิตดีเหมาะกับสภาพดินและน้ำ รวมถึงช่วยแนะนำวิธีการปลูกและดูแลอย่างเหมาะสม นอกจากนี้ยังได้นำเทคโนโลยีการตรวจคัดกรองโรค CMD ในรูปแบบ strip test ที่ไบโอเทค สวทช. พัฒนาไปให้ความรู้ เพื่อช่วยเสริมความเข้มแข็งให้เกษตรกรเครือข่ายด้วย ทุกคนต่างดำเนินงานตามค่านิยมของกลุ่มบริษัทฯ ที่ว่า ‘ซื่อสัตย์ โปร่งใส ใส่ใจในทุกปัญหา สร้างความเชื่อมั่นและรับผิดชอบต่อผู้มีส่วนได้ส่วนเสีย’ ซึ่งผู้มีส่วนได้ส่วนเสียในที่นี้ครอบคลุมทั้งเกษตรกร สังคม และสิ่งแวดล้อม                     คำบอกเล่าของทั้ง 4 คน อาจไม่ใช่เสียงที่สะท้อนให้เห็นภาพใหญ่ของวิกฤตโรค CMD ระบาดหนักในประเทศไทยได้ แต่คำบอกเล่าเหล่านี้จะช่วยฉายภาพให้เห็นว่าการที่ทั้งภาครัฐและภาคเอกชนตัดสินใจร่วมมือฝ่าฟันปัญหาโดยไม่ทิ้งใครไว้ข้างหลัง คือหนทางที่นำไปสู่การยกระดับเศรษฐกิจฐานชีวภาพซึ่งเป็นจุดแข็งของประเทศไทยอย่างยั่งยืนได้ ด้วยความระลึกถึง ดร.ธราธร ทีรฆฐิติ และ ดร.ชาญณรงค์ ศรีภิบาล ผู้อุทิศทั้งกำลังกายและใจช่วยเหลือประเทศไทยก้าวผ่านวิกฤตโรค CMD จนวาระสุดท้ายของชีวิต     เรียบเรียงโดย ภัทรา สัปปินันทน์ ฝ่ายสร้างสรรค์สื่อและผลิตภัณฑ์ สวทช. อาร์ตเวิร์กโดย ภัทรา สัปปินันทน์ ภาพประกอบโดย สวทช. และบริษัทพูลอุดม จำกัด

  แบตเตอรี่ก็เหมือนกับร่างกายของคนเราที่มีวันเสื่อมสภาพลงตามกาลเวลา ส่วนจะเสื่อมเร็ว เสื่อมช้า เสื่อมน้อย เสื่อมมาก ถ้าสังเกตดูเราก็จะเห็นสัญญาณบางอย่างที่บอกให้รู้ว่า แบตเตอรี่ของเราไม่ทรงพลังเหมือนเดิมอีกต่อไปแล้ว สัญญาณแรกที่อาจสังเกตได้คือ จำนวนชั่วโมงการใช้งานลดลง เมื่อแบตเตอรี่เสื่อม พลังงานของแบตเตอรี่ที่ใช้ได้ต่อการชาร์จเต็มจะลดลงจากปกติ เนื่องจากความสามารถในการกักเก็บและจ่ายพลังงานไฟฟ้า หรือที่เรียกกันว่า ความจุของแบตเตอรี่น้อยลง เช่น ปกติเราชาร์จแบตเตอรี่พัดลมมือถือเต็มแล้วใช้งานได้ต่อเนื่อง 5 ชั่วโมงกว่าแบตเตอรี่จะหมด แต่พอแบตเตอรี่เสื่อมจะใช้งานได้น้อยกว่า 5 ชั่วโมง สัญญาณที่สองคือ ความร้อนของแบตเตอรี่สูงขึ้น เมื่อแบตเตอรี่เสื่อม ความต้านทานภายในตัวแบตเตอรี่จะสูงขึ้น ความร้อนจึงเกิดขึ้นมากกว่าแบตเตอรี่ใหม่ที่มีกระแสเท่ากัน ดังนั้นหากเรากำลังใช้งานอุปกรณ์ใด ๆ อยู่ แล้วรู้สึกว่าตรงบริเวณที่ใส่แบตเตอรี่มีความร้อนเกิดขึ้น แสดงว่าแบตเตอรี่ที่ใช้ในอุปกรณ์นั้นอาจจะเริ่มเสื่อมแล้ว สัญญาณที่สามคือ แบตเตอรี่มีลักษณะผิดแปลกไปจากเดิม เนื่องจากข้างในแบตเตอรี่มีวัสดุและสารเคมีที่เรียกว่า อิเล็กโทรไลต์ บรรจุอยู่ หากวัสดุและสารเคมีเหล่านี้เสื่อมสภาพก็อาจทำให้เกิดแก๊สสะสมภายในแบตเตอรี่ ส่งผลให้แบตเตอรี่เกิดอาการบวม เกิดรอยรั่ว และมีสารเคมีรั่วซึมออกมาภายนอก ซึ่งสารเคมีหลายชนิดส่งผลเสียต่อสุขภาพของเรา ตั้งแต่เบาบางไปจนถึงขั้นเสียชีวิตได้ ดังนั้นเมื่อพบว่าแบตเตอรี่ที่เรากำลังใช้งานอยู่นั้นเริ่มส่งสัญญาณ 3 อย่างดังที่กล่าวมา ก็ให้เตรียมเปลี่ยนแบตเตอรี่ใหม่ได้แล้ว เพราะการใช้งานแบตเตอรี่เสื่อมสภาพต่อไปอาจทำให้อุปกรณ์อิเล็กทรอนิกส์ของเราเสียหาย และหากแบตเตอรี่เสื่อมจนเกิดการรั่วซึมของสารเคมีก็อาจเป็นอันตรายต่อสุขภาพเราด้วย ที่มา : เรื่องน่ารู้เกี่ยวกับแบตเตอรี่ เรียบเรียงโดย รักฉัตร เวทีวุฒาจารย์ ฝ่ายสร้างสรรค์สื่อและผลิตภัณฑ์ สวทช. ออกแบบกราฟิกโดย ฉัตรทิพย์ สุริยะ ฝ่ายผลิตสื่อสมัยใหม่ สวทช.

การวิเคราะห์ข้อมูล Data Analysis เป็นกระบวนการตรวจสอบ, แปลง, และจัดระเบียบข้อมูลดิบเพื่อค้นหาข้อมูลเชิงลึก, รูปแบบ, แนวโน้ม, หรือข้อสรุปที่สามารถนำไปใช้ในการตัดสินใจได้ กระบวนการนี้ประกอบด้วยการเก็บรวบรวมข้อมูล, การทำความสะอาด, การสำรวจ, การแปลง, และการวิเคราะห์ข้อมูลเพื่อนำไปสู่การสรุปที่เป็นประโยชน์ ประเภทของเครื่องมือพื้นฐานที่ใช้ในการทำ Data Analysis    1. เครื่องมือสเปรดชีต (Spreadsheet Tools) Microsoft Excel: นิยมใช้มากที่สุดในธุรกิจ มีฟังก์ชันที่หลากหลายในการจัดการและวิเคราะห์ข้อมูล รวมถึง Pivot Tables, การทำกราฟ, และการใช้สูตรทางสถิติ Google Sheets: คล้าย Excel แต่เป็นเครื่องมือออนไลน์ที่สามารถทำงานร่วมกันแบบเรียลไทม์และมีการเชื่อมต่อกับ Google Data Studio สำหรับการรายงาน 2. เครื่องมือ BI (Business Intelligence Tools) Power BI: เป็นเครื่องมือจาก Microsoft ที่ช่วยในการสร้างรายงานและแผนภูมิแบบอินเตอร์แอคทีฟจากข้อมูลขนาดใหญ่ Tableau: เครื่องมือ BI ที่มีความสามารถในการสร้าง Dashboard และการทำ Data Visualization ได้อย่างมีประสิทธิภาพ Qlik Sense: เป็นเครื่องมือ BI ที่ช่วยในการวิเคราะห์ข้อมูลแบบ Visual และทำ Data Discovery 3. เครื่องมือทางสถิติ (Statistical Tools) R: ภาษาการเขียนโปรแกรมที่ออกแบบมาสำหรับการวิเคราะห์ทางสถิติ มีแพ็คเกจหลากหลายสำหรับการทำ Data Analysis Python (Libraries เช่น Pandas, NumPy, SciPy, Matplotlib, Seaborn): ภาษาโปรแกรมที่ได้รับความนิยมมากใน Data Analysis และ Data Science โดยมีไลบรารีต่างๆ สำหรับการทำงานกับข้อมูล SAS: ซอฟต์แวร์ที่ใช้ในการวิเคราะห์ข้อมูลทางสถิติและการสร้างแบบจำลองทางสถิติ มีความนิยมในองค์กรขนาดใหญ่ 4. เครื่องมือด้านการทำเหมืองข้อมูล (Data Mining Tools) RapidMiner: เครื่องมือโอเพนซอร์สสำหรับการทำเหมืองข้อมูล (Data Mining) และการสร้างโมเดลการวิเคราะห์ KNIME: แพลตฟอร์มการวิเคราะห์ข้อมูลโอเพนซอร์สที่มีเครื่องมือสำหรับการทำ Data Mining และการวิเคราะห์ทางสถิติ 5. เครื่องมือการจัดการฐานข้อมูล (Database Management Tools) SQL: ภาษาในการจัดการฐานข้อมูลที่นิยมใช้ในการดึงข้อมูลและการจัดการข้อมูลขนาดใหญ่ Microsoft SQL Server: ระบบการจัดการฐานข้อมูลที่มีความสามารถในการทำ Data Analysis โดยใช้ SQL MySQL/PostgreSQL: ระบบการจัดการฐานข้อมูลโอเพนซอร์สที่นิยมใช้สำหรับการวิเคราะห์ข้อมูลในระดับองค์กรและเว็บแอปพลิเคชัน 6. เครื่องมือการประมวลผลข้อมูลขนาดใหญ่ (Big Data Tools) Apache Hadoop: แพลตฟอร์มโอเพนซอร์สสำหรับการประมวลผลและจัดการข้อมูลขนาดใหญ่ (Big Data) Apache Spark: เครื่องมือสำหรับการประมวลผลข้อมูลขนาดใหญ่ที่รวดเร็วกว่า Hadoop และมีไลบรารีสำหรับการทำงานกับข้อมูล เช่น MLlib สำหรับการทำ Machine Learning Google BigQuery: บริการคลาวด์จาก Google สำหรับการวิเคราะห์ข้อมูลขนาดใหญ่แบบเรียลไทม์ 7. เครื่องมือในการทำ Data Visualization Matplotlib/Seaborn (Python): ไลบรารีใน Python สำหรับการทำ Data Visualization และการสร้างกราฟที่ซับซ้อน D3.js: ไลบรารี JavaScript สำหรับการสร้างการแสดงผลข้อมูลที่มีความซับซ้อนและอินเตอร์แอคทีฟบนเว็บ Power BI: เป็นเครื่องมือจาก Microsoft ที่ช่วยในการสร้างรายงานและ Data Visualization แบบอินเตอร์แอคทีฟ  8. เครื่องมือในการทำ Data Wrangling OpenRefine: โอเพนซอร์สสำหรับการทำ Data Cleaning และการจัดการข้อมูล  Trifacta Wrangler: เครื่องมือที่ช่วยในการแปลงและจัดระเบียบข้อมูล 

ระบบ ERP (Enterprise Resource Planning) คือระบบซอฟต์แวร์ที่ช่วยในการจัดการและบูรณาการกระบวนการทางทรัพยากรของภายในองค์กร ระบบนี้ช่วยให้องค์กรสามารถรวบรวมข้อมูลจากแผนกต่าง ๆ เข้าด้วยกันในระบบเดียว ทำให้สามารถวิเคราะห์และบริหารจัดการข้อมูลได้อย่างมีประสิทธิภาพมากขึ้น สำนักงานพัฒนาวิทยาศาสตร์ และเทคโนโลยีแห่งชาติ (สวทช.) ได้ริเริ่มโครงการพัฒนาต้นแบบ ระบบ Open source ERP สำหรับหน่วยภาครัฐ เพื่อระบบสารสนเทศ เพื่อการบริหารทรัพยากรขององค์กร (ERP) ที่พัฒนาด้วยซอฟแวร์ Open source Odoo โดยชื่อเรียกว่า NSTDA ERP-Government (NSTDA eGov)เหมาะสำหรับภาครัฐ/หน่วยงานที่มีความต้องการใช้ระบบ ERP ในการวางแผนบริหารจัดการทรัพยากรให้มีประสิทธิภาพ เป้าหมายของโครงการ 1.เป็นต้นแบบระบบสารสนเทศเพื่อการบริหารทรัพยากรขององค์กร (ERP) ที่พัฒนาโดยใช้ซอฟต์แวร์ Open source (Odoo เวอร์ชัน 15 พัฒนาภาษาด้วย Python 3.8 ขึ้นไป โดยใช้ฐานข้อมูล PostgreSQL 10 ขี้นไป) ที่ครอบคลุมและรองรับกระบวนการทำงานให้มีประสิทธิภาพมากขึ้น เชื่อมโยงส่วนการบริหารทรัพยากรองค์กรทั้งหมด และสอดคล้องกับกฎระเบียบที่เกี่ยวข้องขององค์กร รวมจำนวน 7 โมดูล (Modules) รวมทั้งรายงานและข้อมูลสำหรับการวิเคราะห์ในมุมมองต่างๆ ได้แก่ 1) Organization Structure การบริหารจัดการโครงสร้างองค์กร 2) Budgeting Module การบริหารงบประมาณ 3) Procurement Module การบริหารการจัดซื้อจัดจ้าง 4) Finance & Accounting Module การบริหารการเงินและบัญชี 5) Agreement and Contract Module การจัดการสัญญา 6) Assets Module การบริหารครุภัณฑ์ 7) Inventory Module การบริหารวัสดุคงคลัง 2. ลดการพึ่งพาซอฟต์แวร์ที่มีค่าลิขสิทธิ์จากต่างประเทศ  และส่งเสริมให้เกิดอุตสาหกรรม Opensource ERP (กลาง/ใหญ่) ในประเทศไทย เพื่อการนำไปใช้งานสามารถติดตั้งแพ็คเกจ ERP-Government  พื้นฐาน สามารถนำไปกำหนดค่าตั้งต้นต่างๆ และปรับประยุกต์ใช้กับองค์กรของตนเองได้ ซึ่งครอบคลุมและรองรับกระบวนการทำงานอย่างประสิทธิภาพเชื่อมโยงส่วนการบริหารทรัพยากรองค์กรทั้งหมด และสอดคล้องกับกฎระเบียบที่เกี่ยวข้องขององค์กร ภาพรวมของระบบ ระบบเบิกจ่าย เบิกจ่ายแบบผ่านพัสดุ/ไม่ผ่านพัสดุ มี Workflow การขออนุมัติ การตรวจสอบงบประมาณ การติดตามสถานะ ระบบบริหารงบประมาณ การวางแผนงบประมาณผ่าน spreadsheet เพื่อ Import การควบคุมงบประมาณหลายเงื่อนไข การตรวจสอบงบประมาณแบบรวมภาษี หรือไม่รวมภาษีมูลค่าเพิ่ม มุมมองวิเคราะห์งบประมาณได้หลายแบบ ผูกกิจกรรม (Activity) การดำเนินงานกับรหัสบัญชี ระบบจัดซื้อจัดจ้าง ตรวจสอบการจัดซื้อจัดจ้างตาม พ.ร.บ.จัดซื้อจัดจ้าง 2560 ตั้งค่าการจัดซื้อจัดจ้างตามระเบียบ วงเงินเล็กน้อย / 79วรรคสอง / ว.119 การบริหารสัญญา การตรวจรับผ่านระบบ (Paperless) ระบบการเงิน และบัญชี รองรับระบบภาษีไทย (ภาษีมูลค่าเพิ่ม / ภาษีหัก ณ ที่ จ่าย) ส่งข้อมูลภาษีเชื่อมโยงกับระบบ กรมสรรพการ เชื่อมโยงผังบัญชีองค์กรกับ GFMIS, CFS รองรับการโอนผ่านธนาคาร BBL, KTB กำหนดประเภทครุภัณฑ์/ออกทะเบียนคุมครุภัณฑ์ ระบบงานขาย บันทึกขายแบบรับรายได้งวดเดียว แบ่งงวดได้ แจ้งเตือนการเปิดใบสั่งขายตามวงเงินการรับงาน (Credit Limit) ลงนามใบสั่งขายด้วยวิธีอิเล็กทรอนิกส์ ส่งใบเสนอราคา/ใบแจ้งหนี้/ใบเสร็จรับเงิน ให้ลูกค้าทางอีเมลอัตโนมัติ ช่องทางติดต่อสอบถามเพิ่มเติม NSTDA ERP-Government (NSTDA eGov) สำนักงานพัฒนาวิทยาศาสตร์ และเทคโนโลยีแห่งชาติ (สวทช.) email : eprgov_service@nstda.or.th Website: http://www.nstda.or.th/erp-government