AI หมายถึงการจำลองความฉลาดของมนุษย์ในเครื่องจักร ซึ่งช่วยให้ทำงานที่โดยทั่วไปต้องใช้สติปัญญาของมนุษย์ เช่น การเรียนรู้ การใช้เหตุผล และการแก้ปัญหา

แมชชีนเลิร์นนิง (ML) เป็นส่วนย่อยของ AI ที่ช่วยให้เครื่องจักรเรียนรู้จากข้อมูลและปรับปรุงประสิทธิภาพโดยไม่ต้องตั้งโปรแกรมไว้อย่างชัดเจน โดยมุ่งเน้นไปที่การพัฒนาอัลกอริทึมที่ช่วยให้คอมพิวเตอร์สามารถคาดการณ์หรือตัดสินใจโดยอิงตามรูปแบบในข้อมูล

การเขียนโปรแกรมแบบดั้งเดิมเกี่ยวข้องกับคำสั่งที่ชัดเจน ในขณะที่ แมชชีนเลิร์นนิง ใช้ข้อมูลเพื่อฝึกฝนอัลกอริทึม ซึ่งช่วยให้ระบบสามารถเรียนรู้และปรับปรุงเมื่อเวลาผ่านไป

การเรียนรู้แบบมีผู้สอน (การฝึกอบรมด้วยข้อมูลที่กำกับไว้) การเรียนรู้แบบไม่มีผู้ดูแล (การค้นหารูปแบบในข้อมูลที่ไม่มีการกำกับไว้) และการเรียนรู้แบบเสริมกำลัง (การเรียนรู้ผ่านการลองผิดลองถูก)

Python ถูกนำมาใช้กันอย่างแพร่หลายในเรื่องความเรียบง่ายและคลังข้อมูลที่หลากหลาย ภาษาอื่นๆ ได้แก่ R, Java และ Julia

การเรียนรู้เชิงลึกเป็นส่วนย่อยของ แมชชีนเลิร์นนิง ที่เกี่ยวข้องกับโครงข่ายประสาทเทียมหลายชั้น (deep neural networks) ซึ่งเป็นเลิศในงานต่างๆ เช่น การจดจำรูปภาพและคำพูด

NLP ช่วยให้เครื่องจักรเข้าใจ ตีความ และสร้างภาษามนุษย์ แอปพลิเคชัน AI ใน NLP ประกอบด้วยแชทบอท การแปลภาษา และการวิเคราะห์ความรู้สึก

Computer vision ช่วยให้เครื่องจักรสามารถตีความและตัดสินใจโดยอาศัยข้อมูลภาพ แอปพลิเคชันรวมถึงการจดจำรูปภาพและการจดจำใบหน้า

AI ปรับปรุงการดูแลผ่านการคาดเดาโรคล่วงหน้า การวินิจฉัย การแพทย์เฉพาะบุคคล และการผ่าตัดด้วยหุ่นยนต์ เพิ่มประสิทธิภาพและความแม่นยำ

AI เป็นแนวคิดที่กว้างขึ้น ในขณะที่ แมชชีนเลิร์นนิง เป็นส่วนย่อย AI ครอบคลุมเทคโนโลยีทั้งหมดที่ช่วยให้เครื่องจักรสามารถเลียนแบบความฉลาดของมนุษย์ได้ และ แมชชีนเลิร์นนิง ก็เป็นวิธีการเฉพาะในการบรรลุ AI

สามารถทำได้ AI มีประสิทธิภาพในการตรวจจับรูปแบบที่บ่งชี้ถึงการฉ้อโกงในธุรกรรมทางการเงิน เพิ่มความปลอดภัยและลดความเสี่ยง

AI กำลังเปลี่ยนแปลงภาคการเงินเป็นระบบอัตโนมัติ ปรับปรุงการบริหารความเสี่ยง ปรับปรุงการตรวจจับการฉ้อโกง และเปิดใช้งานบริการทางการเงินส่วนบุคคล

AI ประมวลผลข้อมูลจากเซ็นเซอร์และกล้องในยานพาหนะอัตโนมัติเพื่อทำการตัดสินใจแบบเรียลไทม์ เพื่อให้มั่นใจถึงการนำทางที่ปลอดภัยและการขับขี่อย่างมีประสิทธิภาพ

Natural Network เป็นแบบจำลองที่ได้รับแรงบันดาลใจจากสมองมนุษย์ ประกอบด้วยโหนด (เซลล์ประสาท) ที่เชื่อมต่อถึงกัน ใช้ในการเรียนรู้เชิงลึกสำหรับงานที่ซับซ้อน เช่น การจดจำรูปภาพและคำพูด

AI ปรับปรุงประสบการณ์ของลูกค้าผ่านคำแนะนำส่วนบุคคล เพิ่มประสิทธิภาพการจัดการห่วงโซ่อุปทาน และปรับปรุงการจัดการสินค้าคงคลังในการค้าปลีก

​Reinforcement Learning เกี่ยวข้องกับโมเดลการฝึกอบรมเพื่อการตัดสินใจโดยผลักดันของรางวัลหรือการลงโทษตามการกระทำ

เราสามารถใช้ AI สำหรับการตรวจจับภัยคุกคาม การตรวจจับความผิดปกติ และการตอบสนองอัตโนมัติ เสริมสร้างมาตรการรักษาความปลอดภัยทางไซเบอร์

Transfer Learning ช่วยให้โมเดลที่ได้รับการฝึกในงานหนึ่งสามารถนำไปปรับใช้กับงานอื่นได้ โดยใช้ประโยชน์จากความรู้ที่ได้รับในงานแรก

AI วิเคราะห์พฤติกรรมผู้ใช้เพื่อให้คำแนะนำส่วนบุคคล ซึ่งพบได้ทั่วไปในบริการสตรีมมิ่ง แพลตฟอร์มอีคอมเมิร์ซ และโซเชียลมีเดีย

การพิจารณาด้านจริยธรรมประกอบด้วยอคติในอัลกอริทึม ข้อกังวลด้านความเป็นส่วนตัวของข้อมูล ความโปร่งใสในการตัดสินใจ และผลกระทบที่อาจเกิดขึ้นต่อการจ้างงาน การแก้ไขปัญหาเหล่านี้มีความสำคัญอย่างยิ่งต่อการพัฒนา AI อย่างมีความรับผิดชอบ