Taking too long? Close loading screen.

Month: March 2022

การตรวจสอบคำขอสิทธิบัตรที่ใกล้เคียงกันโดยใช้เทคนิคการประมวลผลภาษา (Investigation of similar patent using NLP)

Leave a Comment / Showroom / By

ปัจจุบันมีนักวิจัยและนักประดิษฐ์มากมายทำงานกันอย่างหนักเพื่อสร้างผลงานวิจัยและสิ่งประดิษฐ์ใหม่ๆ หลายครั้งผลงานเหล่านี้หากเป็นผลงานใหม่ที่ไม่เคยมีมาก่อน สามารถนำไปสู่การขอสิทธิบัตร (Patent) ได้ โดยสิทธิบัตรนั้นถือเป็นเครื่องแสดงทรัพย์สินทางปัญญารูปแบบหนึ่งที่ให้ความคุ้มครองการประดิษฐ์ ไม่ให้ผู้อื่นใดทำการลอกเลียนหรือจำหน่ายสิ่งประดิษฐ์นั้นๆ หากยังอยู่ในระยะเวลาการคุ้มครอง กรมทรัพย์สินทางปัญญา นำโดย กองสิทธิบัตร เป็นหน่วยงานหลักที่มีภารกิจในการกำกับและให้บริการจดทะเบียนสิทธิบัตร โดยมีการตรวจสอบคำขอรับสิทธิบัตรที่ยื่นเข้ามาใหม่ว่ามีความซ้ำซ้อนหรือใกล้เคียงกับผลงานหรือสิ่งประดิษฐ์ที่มีมาก่อนหน้านี้หรือไม่ ซึ่งกระบวนการตรวจสอบนี้อาจต้องใช้เจ้าหน้าที่ที่มีประสบการณ์ในการแยกความแตกต่างของรายละเอียดการประดิษฐ์ รวมถึงอาจต้องใช้เวลาในการอ่านค่อนข้างมาก กระบวนการตรวจสอบคำขอรับสิทธิบัตรแบบเดิม เดิมทีนั้นการตรวจสอบคำขอรับสิทธิบัตรสามารถทำได้โดยผ่านการสืบค้นด้วยคำค้นหาผ่านระบบสืบค้นข้อมูลสิทธิบัตรออนไลน์ (Search Patent System) หรือเว็บไซต์สืบค้นข้อมูลสิทธิบัตรสากลอื่นๆ ซึ่งวิธีการเหล่านี้มีข้อจำกัดในการค้นหา เนื่องจากรายการคำขอรับสิทธิบัตรที่ถูกเลือกมานำเสนอจะเป็นรายการที่จำเป็นต้องมีข้อความที่ตรงกับข้อความค้นหาอยู่ภายในรายละเอียดของคำขอนั้นในลักษณะที่ต้องตรงตามทุกตัวอักษร นอกจากนี้การค้นหาด้วยวิธีนี้จะไม่สามารถค้นหาข้อความหรือคำขอที่มีความใกล้เคียงเชิงบริบทได้ เช่น ในการค้นหาด้วยคำว่า “โควิด” นั้น คำขอรับสิทธิบัตรที่มีคำว่า “ไวรัสโคโรนา” หรือคำอื่นๆที่เกี่ยวข้อง ก็จะไม่ถูกนำเสนอขึ้นมาในผลลัพธ์  เนื่องจากในรายละเอียดไม่มีคำที่ตรงกับคำค้นหา ด้วยเหตุนี้จึงได้มีแนวคิดในการพัฒนาเครื่องมือที่จะมาช่วยคัดกรองคำขอรับสิทธิบัตรที่มีความคล้ายกันเพื่อแก้ไขข้อจำกัดที่กล่าวมาข้างต้น โดยเครื่องมือนี้มีจุดประสงค์เพื่อช่วยสนับสนุนให้ขั้นตอนการพิจารณาคำขอรับสิทธิบัตรสามารถทำได้สะดวก รวดเร็ว และมีประสิทธิภาพมากขึ้น ผลที่ได้จากเครื่องมือนี้จะเป็นรายการคำขอสิทธิบัตรที่มีเนื้อหาคล้ายคลึงกับคำขอสิทธิบัตรที่สนใจมากที่สุดเรียงลำดับจากมากไปน้อยเพื่อนำเสนอประกอบการตัดสินใจของผู้ตรวจสอบ กระบวนการใหม่ที่มีการประยุกต์ใช้เทคนิคการประมวลผลภาษา (Natural Language Processing)           ในปี 2564 ที่ผ่านมา สถาบันส่งเสริมการวิเคราะห์และบริหารข้อมูลขนาดใหญ่ภาครัฐ (GBDi) ได้มีความร่วมมือกับ กองสิทธิบัตร ภายใต้กรมทรัพย์สินทางปัญญา ในการนำข้อมูลคำขอรับสิทธิบัตรที่มีการรวบรวมไว้มาทำการศึกษาและพัฒนาแบบจำลองสำหรับช่วยค้นหาคำขอรับสิทธิบัตรที่ใกล้เคียงกัน โดยการศึกษาในครั้งนี้ได้มีการประยุกต์ใช้เทคนิคการประมวลผลภาษา (Natural Language …

การตรวจสอบคำขอสิทธิบัตรที่ใกล้เคียงกันโดยใช้เทคนิคการประมวลผลภาษา (Investigation of similar patent using NLP) Read More »

6 แนวทางยอดนิยมของการใช้งาน Data Fabrics

Leave a Comment / Movements / By

วันนี้เราจะมาพูดถึงสถาปัตยกรรม การจัดการ Data Fabric ที่เป็นเสมือนกล่องวิเศษช่วยเพิ่มประสิทธิภาพการเข้าถึงข้อมูลที่กระจัดกระจาย อีกทั้งยังช่วยดูแลจัดระเบียบข้อมูลได้อย่างชาญฉลาดไปด้วยในตัว และบทความนี้จะพูดถึงเรื่อง 6 แนวทางยอดนิยมของการใช้งาน Data Fabrics ที่จะมาช่วยเพิ่มประสิทธิภาพให้กับองค์กรของคุณได้ โดยปกติแล้วทุก ๆ องค์กรจะมีข้อมูลกระจายตามหน่วยงานที่เกี่ยวข้อง ซึ่งแต่ละหน่วยงานมีหน้าที่ละความรับผิดชอบในการจัดการข้อมูลของตัวเอง การจัดสรรข้อมูลลักษณะนี้เรียกว่าการจัดการข้อมูลแบบไซโล หรือ Data Silo โดย Silos ในที่นี้คือ ปัญหาที่มีข้อมูลบางอย่างที่ถูกเก็บอยู่แต่ในเฉพาะกลุ่ม คนในองค์กรส่วนอื่น ๆ ไม่เคยได้รับการแชร์หรือได้ใช้ประโยชน์เลย หรือพูดอีกนัยหนึ่งคือมีข้อเสียตรงที่การบูรณาการข้อมูลระหว่างกันจะเป็นไปได้ยาก ซึ่ง Data Fabrics จะมาช่วยสร้างระบบที่ให้ข้อมูลพวกนี้มาเรียงร้อยถักทอกันออกมาเป็นข้อมูลที่เป็นระบบระเบียบ จึงเป็นที่มาของคำ ๆ นี้นั่นเอง ดังนั้น Data Fabrics จึงเปรียบได้กับโครงสร้างที่ช่วยจัดการข้อมูลแบบรวมศูนย์ ที่อนุญาตให้องค์กรเข้าถึงข้อมูลของตนจากที่ไหนก็ได้ภายในสภาพแวดล้อม Hybrid Cloud  “การใช้เทคโนโลยีและบริการเหล่านี้ มันเพิ่มคุณค่าให้กับข้อมูลและให้ประโยชน์มากขึ้นสำหรับผู้ใช้” David Proctor, Senior Database Manager จาก Everconnect บริษัทที่ทำธุรกิจให้บริการระบบจัดการฐานข้อมูลระยะไกล อ่านเพิ่มเติมเรื่อง Data Fabric …

6 แนวทางยอดนิยมของการใช้งาน Data Fabrics Read More »

การจัดเก็บและประมวลผลข้อมูลเชิงพื้นที่ (Spatial data) ด้วย Cloud SQL

Leave a Comment / Big Data 101, Data Engineering / By

ทำความเข้าใจลักษณะข้อมูลเชิงพื้นที่ การจัดเก็บ และประมวลผลด้วยระบบฐานข้อมูลเชิงสัมพันธ์ เช่น Cloud SQL ด้วย PostGIS และเครื่องมืออื่น ๆ ที่เกี่ยวข้อง

ที่ดินเสมือนบน Metaverse Thailand (Virtual Land on Metaverse Thailand)

Leave a Comment / Movements / By

ที่ดินในโลกเสมือนกับที่ดินในโลกของความเป็นจริงมีความเชื่อมโยงกันอย่างไร ปัจจุบันคำว่า Metaverse ถูกใช้ออกไปอย่างกว้างขวาง และมีความเข้าใจในหลากหลายมุมมอง แล้วเราก็พบว่ามีการตีความเรื่อง Metaverse ตามประสบการณ์ของผู้สร้าง ซึ่งวันนี้เราจะตีความ Metaverse จากประสบการณ์ทีมสร้างที่ดินของ Metaverse Thailand  (มุมมองนักพัฒนา) ( ที่ดินเสมือนบน Metaverse Thailand ) Metaverse คืออะไร  จากรายงานของ Gartner คาดว่าอีก 4 ปีข้างหน้า 25% ของประชากรจะใช้เวลาอย่างน้อยประมาณ 1 ชั่วโมงในโลกของ Metaverse เพื่อทำงาน เพื่อช้อปปิ้ง การศึกษา เพื่อเข้าสังคมออนไลน์ บันเทิง ฯลฯ ความหมายที่มีความเข้าใจในปัจจุบัน ตีความ Metaverse ว่าเป็นโลกเสมือนที่ถูกสร้างขึ้นและมีความเชื่อมโยงระหว่างโลกของความเป็นจริงกับโลกเสมือนที่สร้างขึ้นมา โดยที่ไม่ขึ้นอยู่กับอุปกรณ์ประเภทเดียวและไม่ขึ้นอยู่กับผู้ให้บริการรายเดียวเหมือนปัจจุบัน ด้วยความหมายเบื้องต้นนี้ ตรงกับแนวคิดของเทคโนโลยี Web 3 คำว่าเชื่อมโยงระหว่างโลกเสมือนและโลกจริง ในความหมายที่จับต้องได้ง่ายที่สุด ณ เวลานี้ ที่หลาย ๆ ธุรกิจได้ทำ เช่น สินค้าที่อยู่บนโลกเสมือนสามารถแปลงเป็นสินค้าในโลกของความเป็นจริง …

ที่ดินเสมือนบน Metaverse Thailand (Virtual Land on Metaverse Thailand) Read More »

ความย้อนแย้ง ในวันที่มนุษย์ต้องควบคุมระบบอัตโนมัติ (Automation)

Leave a Comment / Movements / By

การใช้ ระบบอัตโนมัติ (Automation) มีความย้อนแย้ง ยิ่งเราทำการ วิเคราะห์ข้อมูลแบบอัตโนมัติ (Automation) มากเท่าไร มนุษย์ก็ยิ่งต้องทำงานมากขึ้นเท่านั้น เพราะมนุษย์ยังจำเป็นต้องดูแลกรณี Edge case หรืองานที่เป็นกรณีพิเศษที่เป็นข้อยกเว้น ทำให้หุ่นยนต์เกิดความผิดพลาดหรือจัดการได้ไม่ถูกต้อง เช่น หุ่นยนต์เรียงคิวเป็นก็จริง แต่หากมี VIP เข้ามาต้องจัดการยังไง หรือหากมีกรณีฉุกเฉินเร่งด่วนที่เข้ามาหุ่นยนต์จะไม่สามารถจัดการได้ จึงทำให้ยังต้องมีมนุษย์ที่คอยเข้ามาตรวจสอบข้อมูลในระดับสูงและตีความหมายของผลข้อมูลเบื้องลึกอีกด้วย ข้อมูลเป็นทรัพยากรที่สำคัญและล้ำค่าที่สุดที่องค์กรมีอยู่ ข้อมูลช่วยให้เราสามารถตัดสินใจได้อย่างชาญฉลาด เพราะข้อมูลจะช่วยให้เราเข้าใจลูกค้าในเบื้องลึกและสร้างประสบการณ์ที่ดีให้กับลูกค้า เปรียบเหมือนเป็นตัวช่วยในการเพิ่มประสิทธิภาพในการดำเนินงาน ซึ่งจะนำไปสู่ต้นทุนที่ต่ำลงและกำไรที่สูงขึ้น แต่อย่างไรก็ตาม ตอนนี้พวกเรากำลังเหมือนจมอยู่ในทะเลข้อมูลและกำลังสำลักข้อมูลที่มันมากจนยากที่จะจัดเรียงให้ดี หรือแยกส่วนที่เราต้องการออกจากทะเลข้อมูลที่แสนวุ่นวาย เราใช้เงินมหาศาลในการรวบรวม จัดการ และวิเคราะห์ข้อมูลในธุรกิจต่าง ๆ โดยเราไม่ยังไม่เห็น ROI ด้วยซ้ำ (ROI = Return On Investment คือการคำนวณผลตอบแทนการลงทุน เพื่อที่องค์กรจะได้รู้ว่าเวลาลงทุนอะไรจะได้ผลตอบแทนต่อปีเท่าไหร่ และกี่ปีจะคืนทุน) แต่ยังโชคดีที่เรามีระบบอัตโนมัติซึ่งขับเคลื่อนโดยปัญญาประดิษฐ์ (AI) หรือ Machine Learning (ML) ที่จะช่วยให้เราจัดการกับข้อมูลของเราได้ดียิ่งขึ้น ตอนนี้ซอฟต์แวร์สามารถค้นหาผ่านชุดข้อมูลขนาดใหญ่เพื่อระบุข้อมูลที่เกี่ยวข้องสำหรับแต่ละวัตถุประสงค์ได้ ถ้าไม่นับเรื่องที่ว่าเรากำลังจมอยู่กับข้อมูล หุ่นยนต์จะบอกเราได้ว่า อะไรดีอะไรไม่ดี …

ความย้อนแย้ง ในวันที่มนุษย์ต้องควบคุมระบบอัตโนมัติ (Automation) Read More »

Julia vs. Python ภาษาไหนดีสุดสำหรับวิทยาศาสตร์ข้อมูล?

Leave a Comment / Movements / By

ในวันที่ภาษา Python ได้กลายเป็นแกนนำในโลก Data Science (วิทยาศาสตร์ข้อมูล) และ Machine Learning  ทราบหรือไม่ว่ามีภาษาหนึ่งที่ถูกสร้างขึ้นจากศูนย์เพื่อการวิเคราะห์ข้อมูลและทำ Data Science โดยเฉพาะ นั่นคือภาษา Julia ซึ่งเราจะเปรียบเทียบกันว่า Julia vs. Python ต่างกันอย่างไร Python ครอบคลุมกรณีการใช้งานมากมาย ในวันที่การวิเคราะห์ข้อมูลอาจกลายเป็นสิ่งที่ยิ่งใหญ่และสำคัญที่สุด ระบบนิเวศของ Python เต็มไปด้วย Library เครื่องมือ และแอปพลิเคชันที่ทำให้การทำงานของการคำนวณทางวิทยาศาสตร์และการวิเคราะห์ข้อมูลเป็นไปอย่างรวดเร็วและสะดวกสบาย สำหรับนักพัฒนาที่อยู่เบื้องหลังภาษา Julia พวกเขามุ่งเป้าไปที่ “การคำนวณทางวิทยาศาสตร์, การทำ Machine Learning, การทำเหมืองข้อมูล หรือ Data Mining (การวิเคราะห์ข้อมูลจากข้อมูลจำนวนมาก เพื่อหาความสัมพันธ์ของข้อมูลที่ซ่อนอยู่), พีชคณิตเชิงเส้นที่ซับซ้อน, การคำนวณแบบกระจายและการคำนวณแบบทำพร้อมกัน (Distributed and Parallel Computing)” — Python มันยังเร็วไม่พอและก็ยังไม่สะดวกพอ ดังนั้นภาษา Julia จึงตั้งเป้าไม่ใช่แค่จะให้นักวิทยาศาสตร์ข้อมูล นักวิเคราะห์ได้ความรวดเร็วและสะดวกสบายตอนพัฒนาโปรแกรม …

Julia vs. Python ภาษาไหนดีสุดสำหรับวิทยาศาสตร์ข้อมูล? Read More »

Search