Figma เป็นเครื่องมือออกแบบกราฟิกและ UX/UI ที่ทำงานบนระบบคลาวด์ ได้รับความนิยมอย่างมากในหมู่นักออกแบบที่ต้องการสร้างและพัฒนาโปรเจ็กต์ร่วมกันแบบเรียลไทม์ Figma ทำให้ทีมสามารถทำงานร่วมกันได้อย่างมีประสิทธิภาพ โดยไม่ต้องติดตั้งซอฟต์แวร์เพิ่มเติม วิธีการใช้งาน Figma สร้างบัญชีและเข้าสู่ระบบ ไปที่ เว็บไซต์ https://www.figma.com สร้างโปรเจ็กต์ใหม่ คลิกที่ปุ่ม "New File" เพื่อเริ่มสร้างโปรเจ็กต์ใหม่ ตั้งชื่อโปรเจ็กต์ของคุณ การใช้งานเครื่องมือออกแบบ Frame Tool: ใช้สำหรับสร้างกรอบหรือ layout ขนาดหน้าจอ Shape Tool: สร้างรูปร่างพื้นฐาน เช่น สี่เหลี่ยม, วงกลม และเส้นตรง Text Tool: ใช้สำหรับเพิ่มข้อความ สามารถเลือกฟอนต์, ขนาด และสไตล์ตามที่ต้องการ Pen Tool: ใช้ในการสร้างเส้นหรือวัตถุที่มีรูปทรงที่ซับซ้อนขึ้น สร้าง Components องค์ประกอบที่สามารถนำไปใช้ซ้ำได้ เช่น ปุ่ม (Buttons), ไอคอน (Icons) หรือฟอร์ม (Forms) เลือกวัตถุที่ต้องการ แล้วคลิกขวาและเลือก “Create Component” เชิญทีมเข้าร่วมโปรเจ็กต์ของคุณโดยคลิกที่ปุ่ม “Share” และใส่อีเมลของเพื่อนร่วมทีม หลังจากออกแบบหน้าต่าง ๆ เลือกที่ปุ่ม “Prototype” ด้านบนขวาของหน้าจอ จากนั้นลากลิงก์เชื่อมต่อระหว่างหน้าต่างต่าง ๆ จะทำให้สามารถกำหนดรูปแบบการโต้ตอบ เช่น คลิก หรือสไลด์ได แหล่งที่มาภาพประกอบ: https://cdn.sanity.io/images/599r6htc/regionalized/e0ee84e26cf69a808fd790e9a37c478536cfaa46-1560x1248.png?w=780&q=75&fit=max&auto=format&dpr=2 สรุป Figma เป็นเครื่องมือที่ใช้งานง่ายสำหรับการออกแบบ UX/UI ที่ช่วยให้คุณสามารถสร้างผลงานได้อย่างมีประสิทธิภาพ สร้างโปรโตไทป์และทดสอบได้ทันที พร้อมทั้งการทำงานร่วมกันแบบเรียลไทม์ เหมาะสำหรับทั้งมือใหม่และนักออกแบบมืออาชีพ

Trello เป็นเครื่องมือจัดการงานที่ได้รับความนิยมอย่างมาก ด้วยความยืดหยุ่นและใช้งานง่าย ไม่ว่าจะเป็นการจัดการโปรเจกต์ส่วนตัวหรือทำงานร่วมกับทีมขนาดใหญ่ Trello สามารถจัดระเบียบงานและโปรเจกต์ต่าง ๆ ได้อย่างมีประสิทธิภาพ โดยใช้ Board, List, และCard ที่ออกแบบมาเพื่อให้การทำงานเป็นเรื่องง่ายและเป็นระบบ แหล่งที่มาภาพประกอบ: https://images.ctfassets.net/rz1oowkt5gyp/4kCNudjaBYj90CGgG7Lict/cbafa67336b2007278f50d99ceabfb22/Boards_2x.png?w=1140&fm=webp วิธีการใช้งาน Trello สร้างบัญชีหรือเข้าสู่ระบบ ผ่านแอป Trello หรือเว็บไซต์ https://trello.com การสร้างบอร์ด (Board) คลิกที่ "Create new board" การสร้างลิสต์ (List) คลิกที่ "Add a list"่ ลิสต์ใช้ในการแบ่งขั้นตอนหรือสถานะของงาน เช่น "To Do", "In Progress", และ "Done" การสร้างการ์ด (Card) คลิกที่ "Add a card" การ์ดใช้ในการบันทึกงานที่ต้องทำ การเชิญสมาชิกในทีม หากต้องการทำงานร่วมกันในบอร์ดเดียวกัน ให้คลิกที่ "Invite" บนบอร์ดและเพิ่มอีเมลของสมาชิกในทีมที่คุณต้องการเชิญ การใช้ Power-Ups Trello เพื่อเพิ่มความสามารถให้กับบอร์ด เช่น การเชื่อมต่อกับ Google Drive, Calendar, หรือการใช้งาน Automations ไปที่ "Power-Ups" ในเมนูบอร์ดเพื่อเลือกและเปิดใช้งานฟีเจอร์เพิ่มเติม การกำหนดเวลาและการแจ้งเตือน เปิดการ์ดที่ต้องการกำหนดเวลาและคลิกที่ "Due Date" เพื่อเลือกวันที่และเวลาที่ต้องการ Trello จะส่งการแจ้งเตือน แหล่งที่มาภาพประกอบ: https://images.ctfassets.net/rz1oowkt5gyp/4yCPKb9ElbAJQvSs4dOS6E/aa634af54361ceb0477a7cfa89cb0685/Features-UI-Views.png?w=1060&fm=webp สรุป Trello เป็นเครื่องมือที่เหมาะสำหรับการจัดการงานและโปรเจกต์ด้วยความยืดหยุ่นและใช้งานง่าย แต่หากโปรเจกต์ของคุณมีความซับซ้อนมาก อาจจำเป็นต้องพิจารณาเครื่องมือเพิ่มเติมหรือเวอร์ชันพรีเมียมเพื่อเพิ่มประสิทธิภาพในการทำงาน

  การจัดกลุ่มลูกค้า (Customer Segmentation) เป็นหนึ่งในเทคนิคในการทำการตลาด จัดกลุ่มลูกค้าตามลักษณะหรือพฤติกรรมที่คล้ายคลึงกัน เพื่อสร้างกลยุทธ์การตลาดที่ตรงกับความต้องการของแต่ละกลุ่ม สำหรับการจัดกลุ่มลูกค้าโดยใช้ AI และ Machine Learning นั้น มีโมเดลที่นิยมใช้หลายแบบ แหล่งที่มาภาพประกอบ: https://cdn.pixabay.com/photo/2020/08/09/14/25/business-5475661_1280.jpg โมเดลที่นิยมใช้มี ดังนี้ K-Means Clustering: เป็นวิธีการจัดกลุ่มที่ใช้บ่อยที่สุด โดยจะทำการแบ่งข้อมูลลูกค้าออกเป็นกลุ่ม ข้อมูลในแต่ละกลุ่มจะมีความคล้ายคลึงกันสูงสุดและแตกต่างจากกลุ่มอื่น ๆ Hierarchical Clustering: เป็นการจัดกลุ่มแบบลำดับชั้น โดยการสร้างโครงสร้างต้นไม้ (Dendrogram) ที่แสดงการจัดกลุ่มจากระดับย่อยไปยังระดับสูงสุด สามารถเลือกระดับการจัดกลุ่มได้ตามต้องการ DBSCAN (Density-Based Spatial Clustering of Applications with Noise): เป็นการจัดกลุ่มที่ไม่จำเป็นต้องระบุจำนวนกลุ่มล่วงหน้า สามารถจัดกลุ่มข้อมูลที่มีความไม่สม่ำเสมอหรือมีรูปทรงที่ซับซ้อนได้ Gaussian Mixture Models (GMM): เป็นวิธีการจัดกลุ่มที่อิงตามการแจกแจงแบบปกติ (Gaussian Distribution) โดยข้อมูลแต่ละจุดจะมีความเป็นไปได้ที่จะอยู่ในกลุ่มใดกลุ่มหนึ่งตามการแจกแจง Self-Organizing Maps (SOM): เป็นโครงข่ายประสาทเทียม (Neural Network) ใช้ในการจัดกลุ่มข้อมูลแบบไม่ต้องสอน (Unsupervised Learning) Latent Dirichlet Allocation (LDA): เป็นโมเดลการจัดกลุ่มแบบที่ใช้ในข้อมูลข้อความ แต่สามารถประยุกต์ใช้ในการจัดกลุ่มลูกค้าได้ โดยการระบุ หัวข้อ หรือ เทรนด์ ที่ลูกค้าต่าง ๆ สนใจ สรุป การจัดกลุ่มลูกค้าเป็นขั้นตอนสำคัญในการทำการตลาด เพื่อให้สามารถพัฒนากลยุทธ์การตลาดที่ตรงเป้าหมายมากขึ้น มีโมเดลหลายแบบที่ใช้ในการจัดกลุ่มลูกค้า แต่ละโมเดลมีความเหมาะสมกับลักษณะข้อมูลที่ต่างกัน การเลือกใช้โมเดลใดขึ้นอยู่กับลักษณะข้อมูลและความต้องการของการวิเคราะห์

Spam เป็นอีกหนึ่งภัยคุกคามทาง Cyber ที่มาในรูปแบบข้อความที่ไม่พึงประสงค์ ส่งผ่านทางช่องทางต่าง ๆ มักจะเป็นข้อความโฆษณา, การเสนอขายผลิตภัณฑ์หรือบริการ, หรือการหลอกลวง ประเภทของ Spam มีดังนี้ อีเมล: Spam ส่งผ่านทางอีเมล อีเมล Spam สามารถมีลิงก์ที่อาจนำไปสู่เว็บไซต์ที่อันตรายหรือมีการแอบอ้างเป็นองค์กรที่เชื่อถือได้ SMS: ข้อความ Spam ที่ส่งผ่านทาง SMS โดยมักจะเป็นข้อความที่เสนอขายผลิตภัณฑ์หรือบริการที่ไม่เกี่ยวข้อง หรือข้อความที่มีลิงก์เพื่อหลอกให้ผู้รับคลิก แอปพลิเคชันแชท: Spam ที่ถูกส่งผ่านทางแอปพลิเคชันแชท เช่น WhatsApp หรือ Facebook Messenger ซึ่งมักจะเป็นข้อความที่ไม่พึงประสงค์หรือโฆษณาที่ไม่เกี่ยวข้อง วิธีป้องกัน Spam ใช้ฟิลเตอร์ Spam โปรแกรมอีเมลส่วนใหญ่มีฟิลเตอร์ Spam ที่สามารถช่วยกรองและป้องกันได้ หลีกเลี่ยงการให้ข้อมูลส่วนบุคคลกับเว็บไซต์ที่ไม่น่าเชื่อถือ อย่าคลิกลิงก์หรือเปิดไฟล์แนบจากอีเมลที่ไม่รู้จัก ตรวจสอบชื่ออีเมล ผู้ส่ง Spam จะใช้ชื่ออีเมลที่ดูเหมือนเป็นของจริงหรือเหมือนกับที่คุณรู้จัก 5.รายงานสแปมให้กับผู้ให้บริการจะช่วยในการป้องกันและลดปริมาณสแปม สรุป Spam คือ ข้อความที่ไม่พึงประสงค์ที่ถูกส่งไปยังผู้ใช้จำนวนมาก ซึ่งมักสร้างความรำคาญและอาจเสี่ยงต่อความปลอดภัย การป้องกันสามารถทำได้โดยการใช้ฟิลเตอร์สแปม, หลีกเลี่ยงการให้ข้อมูลส่วนบุคคล, และไม่คลิกลิงก์หรือเปิดไฟล์แนบที่ไม่รู้จัก การรายงานสแปมสามารถช่วยลดปริมาณและผลกระทบของสแปมได้อย่างมีประสิทธิภาพ

Malware ย่อมาจากคำว่า "Malicious Software" หมายถึงโปรแกรมหรือซอฟต์แวร์ที่ถูกออกแบบมาเพื่อทำลาย ก่อกวนระบบคอมพิวเตอร์โดยไม่ได้รับอนุญาต Malware สามารถแฝงตัวมาในรูปแบบต่าง ๆ ได้ เช่น Virus (ไวรัส): แพร่กระจายผ่านไฟล์หรือโปรแกรมที่ดูเหมือนปลอดภัย เมื่อลงมือทำงานจะทำลายข้อมูลหรือทำให้ระบบทำงานผิดปกติ Worm (เวิร์ม): แพร่กระจายตัวเองผ่านเครือข่ายโดยไม่ต้องพึ่งพาไฟล์ ทำให้ระบบช้าลงหรือหยุดทำงาน Trojan (โทรจัน): แฝงตัวมาในรูปของโปรแกรมที่ดูเปลอดภัย แต่เมื่อถูกติดตั้งหรือเปิดใช้งาน จะทำงานในลักษณะที่เป็นอันตราย เช่น เปิดช่องทางให้ hacker ขโมยข้อมูลสำคัญ Adware (แอดแวร์): แสดงโฆษณาบนเครื่องของผู้ใช้ บางครั้งติดตั้งโดยไม่ได้รับอนุญาต และติดตามพฤติกรรมเพื่อแสดงโฆษณาที่ตรงกับความสนใจ Spyware (สปายแวร์): สอดแนมและรวบรวมข้อมูลจากเครื่องของผู้ใช้โดยที่ผู้ใช้ไม่รู้ตัว เช่น การกดแป้นพิมพ์และการเข้าชมเว็บไซต์ วิธีป้องกัน Malware ติดตั้งและอัปเดตโปรแกรมแอนตี้ไวรัส หลีกเลี่ยงการดาวน์โหลดไฟล์จากแหล่งที่ไม่น่าเชื่อถือ อัปเดตระบบปฏิบัติการและซอฟต์แวร์อย่างสม่ำเสมอ หลีกเลี่ยงการคลิกลิงก์หรือเปิดไฟล์แนบจากอีเมลที่ไม่รู้จัก ใช้ไฟร์วอลล์ (Firewall) เพื่อป้องกันการเข้าถึงที่ไม่พึงประสงค์ สรุป Malware เป็นภัยคุกคามที่สามารถก่อให้เกิดความเสียหายต่อข้อมูลและระบบคอมพิวเตอร์ได้อย่างร้ายแรง การป้องกัน Malware ไม่เพียงแต่ต้องใช้เครื่องมือที่เหมาะสม แต่ยังต้องมีการปฏิบัติตามแนวทางป้องกันที่รัดกุม การรู้จักและเข้าใจวิธีการป้องกัน จะช่วยให้ระบบคอมพิวเตอร์ของคุณปลอดภัยจากภัยคุกคามที่อาจเกิดขึ้นได้ในอนาคต

Phishing เป็นอีกหนึ่งเทคนิคการโจมตีทาง Cyber ที่ใช้การหลอกลวงเพื่อขโมยข้อมูลส่วนบุคคล เช่น ชื่อผู้ใช้ รหัสผ่าน หรือข้อมูลทางการเงิน โดยการปลอมแปลงเป็นบุคคลหรือองค์กรที่เชื่อถือได้ โดยมีเป้าหมายเพื่อหลอกให้เหยื่อให้ข้อมูล ประเภทของ Phishing มีดังนี้ Email Phishing: มีลักษณะเหมือนกับอีเมลจากองค์กรที่เชื่อถือได้ เช่น ธนาคาร ซึ่งมักจะขอให้ผู้รับคลิกลิงก์หรือให้ข้อมูลส่วนบุคคล Spear Phishing: มุ่งเป้าไปที่บุคคลหรือองค์กรเฉพาะ โดยใช้ข้อมูลส่วนตัวที่รวบรวมได้มาเพื่อเพิ่มความน่าเชื่อถือของการหลอกลวง Smishing (SMS Phishing): ดำเนินการผ่านข้อความ SMS จะมีลิงก์ให้ทำบางสิ่ง เช่น คลิกที่ลิงก์หรือโทรกลับหมายเลขที่ให้มา Vishing (Voice Phishing): ใช้การโทรศัพท์เพื่อหลอกลวง โดยอาจแสร้งเป็นเจ้าหน้าที่จากองค์กรหรือหน่วยงานเพื่อขอข้อมูลส่วนบุคคล วิธีป้องกัน Phishing ตรวจสอบที่อยู่ URL ก่อนคลิกลิงก์ในอีเมลหรือข้อความ SMS ไม่เปิดเผยข้อมูลส่วนบุคคล เช่น รหัสผ่านหรือหมายเลขบัตรเครดิต ใช้การยืนยันตัวตนสองขั้นตอน ติดตั้งและอัปเดตซอฟต์แวร์ป้องกันมัลแวร์ ควรตรวจสอบก่อนที่จะทำการตอบกลับหรือคลิกลิงก์ สรุป Phishing คือ การหลอกลวงทางไซเบอร์ที่มุ่งหวังขโมยข้อมูลส่วนบุคคล โดยการปลอมแปลงเป็นองค์กรหรือบุคคลที่เชื่อถือได้ สามารถป้องกันได้โดยการตรวจสอบ URL, ไม่เปิดเผยข้อมูลส่วนบุคคล, ใช้การยืนยันตัวตนสองขั้นตอน, ติดตั้งซอฟต์แวร์ป้องกันมัลแวร์, และระมัดระวังข้อความที่ไม่คาดคิด

  📌 1) เกี่ยวกับอะไร ? การพัฒนากระบวนการขึ้นรูปแผ่นเจลยางพารารูปแบบใหม่ เพื่อให้ได้ผลิตภัณฑ์ที่มีคุณสมบัติกระจายแรงได้ดี และมีความปลอดภัยในการใช้งานสูง โดยการผลิตแผ่นเจลรูปแบบนี้จะใช้ลำอิเล็กตรอนซึ่งเป็นเทคโนโลยีสะอาดในการวัลคาไนเซชัน (vulcanization) หรือทำให้เกิดปฏิกิริยาเชื่อมขวางระหว่างสายโซ่ยาง เพื่อให้ได้ผลิตภัณฑ์ที่มีความแข็งแรงและทนทานโดยไม่ต้องใช้สารเคมีในการวัลคาไนเซชันเหมือนกระบวนการผลิตทั่วไป การผลิตด้วยวิธีใหม่นี้นอกจากจะช่วยแก้ปัญหาเรื่องสารเคมีตกค้าง (สารบางชนิดเป็นสารก่อมะเร็ง) กลิ่นไม่พึงประสงค์ และการก่อให้เกิดการระคายเคืองจากการสัมผัสผลิตภัณฑ์ได้เป็นอย่างดีแล้ว ยังช่วยลดการสร้างผลกระทบต่อสิ่งแวดล้อมได้อีกด้วย ทั้งนี้เพื่อให้ผลิตภัณฑ์จากยางพาราเป็นที่ยอมรับในตลาดสุขภาพและการแพทย์มากยิ่งขึ้น และเป็นโอกาสในการสร้างมูลค่าเพิ่มให้กับผลิตภัณฑ์ยางพาราไทย   📌 2) ดีอย่างไร ? จุดเด่นของผลิตภัณฑ์แผ่นเจลรองนั่งที่นักวิจัยไทยออกแบบและพัฒนากระบวนการผลิต คือ มีความสามารถในการกระจายแรงสูง ลดแรงกดทับได้มากกว่าร้อยละ 50 ทำให้ช่วยลดอาการปวดเมื่อยบริเวณก้นกบและหลังส่วนล่างจากการนั่งเป็นเวลานานได้ดี มีคุณลักษณะเด่นที่ทำให้ผู้นั่งรู้สึกเย็นสบายแม้จะผ่านการนั่งทับไปแล้ว 2-3 ชั่วโมง นอกจากนี้ยังไร้กลิ่นสารเคมีและไร้สารก่อมะเร็ง   📌 3) ตอบโจทย์อะไร ? ช่วยเพิ่มมูลค่าผลิตภัณฑ์ยางพาราของประเทศไทย รวมถึงช่วยเปิดตลาดและฐานลูกค้าใหม่โดยเฉพาะสุขภาพและการแพทย์   📌 4) สถานะของเทคโนโลยี ? พร้อมถ่ายทอดเทคโนโลยีการผลิต   รายละเอียดเพิ่มเติมเกี่ยวกับงานวิจัย : ‘แผ่นเจลรองนั่งจากยางพารา’ ยืดหยุ่นสูง เย็นสบาย ไร้กลิ่นสารเคมี ไร้สารก่อมะเร็ง     เรียบเรียงโดย ภัทรา สัปปินันทน์ ฝ่ายสร้างสรรค์สื่อและผลิตภัณฑ์ สวทช. อาร์ตเวิร์คโดย ภัทรา สัปปินันทน์

Stellarium เป็นซอฟต์แวร์โอเพ่นซอร์สที่เหมาะสำหรับผู้ที่สนใจดาราศาสตร์ช่วยให้สามารถสำรวจและทำความเข้าใจจักรวาลได้อย่างง่ายดาย โดยมีการแสดงผลเป็นภาพเสมือนจริงของท้องฟ้าตามตำแหน่งและเวลาที่กำหนด ผู้ใช้งานสามารถเห็นดวงดาว ดาวเคราะห์ กลุ่มดาว และวัตถุท้องฟ้าอื่น ๆ ได้ตามมุมมองที่แตกต่างกัน เช่น จากโลกหรือจากดาวเคราะห์อื่น ๆ  ซอฟต์แวร์นี้เป็นเครื่องมือที่ได้รับความนิยมสำหรับการเรียนรู้ดาราศาสตร์ การสังเกตท้องฟ้า รวมถึงใช้ในการวางแผนการดูดาวจริง   สามารถดาวน์โหลดได้จากเว็บไซต์อย่างเป็นทางการ stellarium.org รองรับหลายระบบปฏิบัติการ เช่น Windows, macOS, Linux และยังมีแอปพลิเคชันสำหรับสมาร์ทโฟน เมื่อเปิดโปรแกรมขึ้นมา Stellarium จะแสดงท้องฟ้าตามตำแหน่งและเวลาปัจจุบันของผู้ใช้งาน โดยผู้ใช้งานสามารถตั้งค่าตำแหน่ง (เช่น ประเทศ เมือง หรือพิกัด GPS) เพื่อแสดงท้องฟ้าที่เห็นจากพื้นที่นั้น ๆ ได้ รวมทั้งยังสามารภใช้งานบนเว็บไซต์ https://stellarium-web.org ความสามารถของระบบ ประกอบด้วย ซูมเข้า/ออก เพื่อดูรายละเอียดของวัตถุท้องฟ้าได้ชัดเจนขึ้น ค้นหาดาวหรือวัตถุท้องฟ้า โดยพิมพ์ชื่อดาวหรือวัตถุที่ต้องการค้นหาในแถบค้นหา เปลี่ยนเวลา สามารถเลื่อนเวลาไปข้างหน้าหรือย้อนกลับได้ เพื่อดูการเปลี่ยนแปลงของตำแหน่งดาวและวัตถุต่าง ๆ เปิด-ปิดชื่อกลุ่มดาวและเส้นเชื่อมกลุ่มดาว เพื่อดูตำแหน่งและรูปร่างของกลุ่มดาวได้ชัดเจน   ตัวอย่างวิธีการใช้งานในสถานการณ์ต่าง ๆ: การดูท้องฟ้าในคืนนี้จากที่ตั้งของผู้ใช้งาน เปิด Stellarium แล้วตั้งตำแหน่งให้เป็น "กรุงเทพฯ" โดยใช้แผงการตั้งค่าตำแหน่ง (Location Window) Stellarium จะแสดงท้องฟ้าตามเวลาปัจจุบัน คุณสามารถซูมเข้าไปดูดวงดาว ดาวเคราะห์ และกลุ่มดาวที่อยู่ในท้องฟ้าในขณะนั้น การค้นหาดาวเคราะห์หรือวัตถุท้องฟ้า ใช้แถบค้นหา (Search window) พิมพ์คำว่า “Perseus” หรือ การดูฝนดาวตก โดย Stellarium จะซูมเข้าไปที่ดาว Perseus  ทันที และแสดงให้คุณเห็นทิศทางที่ฝนดาวตกจะปรากฏ และกลุ่มดาวเพอร์เซอุส (Perseus) ที่เป็นตำแหน่งเริ่มต้นของฝนดาวตกนั้น แสดงตำแหน่งของมันบนท้องฟ้าตามเวลาปัจจุบัน ทำให้สามารถติดตามการเคลื่อนที่ของดาวได้ในช่วงเวลาต่าง ๆ ของวัน การเรียนรู้เรื่องกลุ่มดาว สามารถเลือกเปิดแผนภาพการเชื่อมกลุ่มดาวเพื่อเห็นภาพได้ชัดเจน

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