บทเรียน: Frontier Technology: AI ที่ได้รับแรงบันดาลใจจากสิ่งมีชีวิต
คำอธิบายหลักสูตร:
หลักสูตรนี้นำเสนอแนวคิดและเทคโนโลยีของปัญญาประดิษฐ์ที่ได้รับแรงบันดาลใจจากธรรมชาติ (Nature-inspired AI) โดยเน้นการเรียนรู้จากสิ่งมีชีวิต เช่น แมลงและสัตว์ เพื่อพัฒนา “Living Machines” หรือหุ่นยนต์ที่มีความสามารถในการรับรู้ การตัดสินใจ และการเคลื่อนไหวอย่างชาญฉลาดผ่านการประสานงานระหว่างสมอง ร่างกาย และสิ่งแวดล้อม (Embodied AI) ผู้เรียนจะได้เข้าใจแนวคิด Morphological Computation, Neural Computation และการประยุกต์ใช้ในหุ่นยนต์จริง เช่น หุ่นยนต์เลียนแบบด้วงมูลสัตว์ หุ่นยนต์จิ้งจก และหุ่นยนต์นิ่ม (Soft Robots)
วัตถุประสงค์การเรียนรู้:
- เข้าใจแนวคิดพื้นฐานของ AI แบบดั้งเดิมและ AI ที่มีร่างกาย (Embodied AI)
- วิเคราะห์การทำงานของสิ่งมีชีวิตเพื่อออกแบบหุ่นยนต์ที่มีประสิทธิภาพ
- ประยุกต์ใช้ Morphological และ Neural Computation ในการออกแบบหุ่นยนต์
- เห็นภาพการใช้งานจริงของหุ่นยนต์ที่ได้รับแรงบันดาลใจจากธรรมชาติในภาคอุตสาหกรรมและบริการ
กลุ่มเป้าหมาย:
นักเรียน นักศึกษา คุณครู นักวิจัย วิศวกร นักออกแบบระบบอัตโนมัติ ผู้สนใจด้าน AI และ Robotics รวมถึงผู้ที่ต้องการเข้าใจแนวโน้มเทคโนโลยีล้ำสมัย
เนื้อหาหลักสูตรประกอบด้วย
- แนวคิดพื้นฐานของ Classical AI vs. Embodied AI
- ความแตกต่างระหว่าง AI แบบดั้งเดิมกับ AI ที่มีร่างกาย
- การคำนวณแบบ Morphological และ Neural
- การเรียนรู้จากธรรมชาติ
- การศึกษาพฤติกรรมของแมลงและสัตว์
- การแปลงพฤติกรรมเป็นแบบจำลองทางคณิตศาสตร์และกลไก
- Morphological Computation
- การใช้โครงสร้างทางกายภาพของร่างกายในการประมวลผล
- ตัวอย่างจากหุ่นยนต์ด้วงและหุ่นยนต์จิ้งจก
- Neural Computation และการควบคุมพฤติกรรม
- การควบคุมแบบ Reactive และ Proactive
- การใช้ Predictive Information และ Working Memory
- Soft Robotics และ PneuNet Actuator
- การออกแบบหุ่นยนต์นิ่มที่ขับเคลื่อนด้วยแรงดัน
- การควบคุมการเคลื่อนไหวด้วยแรงเสียดทานและโครงสร้างผิว
- การประยุกต์ใช้งานจริง
- หุ่นยนต์สำหรับการตรวจสอบอุตสาหกรรม
- หุ่นยนต์บริการและการแพทย์
- หุ่นยนต์ที่เรียนรู้ตลอดชีวิต (Lifelong Learning)
- เครื่องมือวิเคราะห์ระบบประสาทของหุ่นยนต์ (NeuroVis)
- การวัดและแสดงผลข้อมูลจากระบบประสาทของหุ่นยนต์แบบเรียลไทม์
เนื้อหาหลักสูตรประกอบด้วย
- แนวคิดพื้นฐานของ Classical AI vs. Embodied AI
- ความแตกต่างระหว่าง AI แบบดั้งเดิมกับ AI ที่มีร่างกาย
- การคำนวณแบบ Morphological และ Neural
- การเรียนรู้จากธรรมชาติ
- การศึกษาพฤติกรรมของแมลงและสัตว์
- การแปลงพฤติกรรมเป็นแบบจำลองทางคณิตศาสตร์และกลไก
- Morphological Computation
- การใช้โครงสร้างทางกายภาพของร่างกายในการประมวลผล
- ตัวอย่างจากหุ่นยนต์ด้วงและหุ่นยนต์จิ้งจก
- Neural Computation และการควบคุมพฤติกรรม
- การควบคุมแบบ Reactive และ Proactive
- การใช้ Predictive Information และ Working Memory
- Soft Robotics และ PneuNet Actuator
- การออกแบบหุ่นยนต์นิ่มที่ขับเคลื่อนด้วยแรงดัน
- การควบคุมการเคลื่อนไหวด้วยแรงเสียดทานและโครงสร้างผิว
- การประยุกต์ใช้งานจริง
- หุ่นยนต์สำหรับการตรวจสอบอุตสาหกรรม
- หุ่นยนต์บริการและการแพทย์
- หุ่นยนต์ที่เรียนรู้ตลอดชีวิต (Lifelong Learning)
- เครื่องมือวิเคราะห์ระบบประสาทของหุ่นยนต์ (NeuroVis)
- การวัดและแสดงผลข้อมูลจากระบบประสาทของหุ่นยนต์แบบเรียลไทม์