เจอศัพท์ AI แล้วงง? Token, Prompt, RAG, Agent, MCP คืออะไร — และทำไม Claude เรียก "Skill" ส่วน Gemini เรียก "Gem" แล้ว ChatGPT เรียก "GPT"? หน้านี้รวบรวมคำศัพท์สำคัญกว่า 70 คำ อธิบายเป็นภาษาไทยเข้าใจง่ายพร้อมตัวอย่างเห็นภาพ และมีตารางสรุปว่าแต่ละระบบมีฟีเจอร์อะไร ตัวไหนอยู่ที่ไหน และตัวไหนเทียบเท่ากัน ครบในหน้าเดียว
คำศัพท์แบ่งเป็น 7 หมวด ไล่จากพื้นฐานที่สุดไปหาขั้นสูง แต่ละคำมีคำอธิบายภาษาไทย ตัวอย่างให้เห็นภาพ (💡) และบอกว่า "ใช้ที่ไหน / เรียนต่อได้ที่หลักสูตรไหน" (📍) ถ้ารู้ชื่อศัพท์อยู่แล้ว พิมพ์ในช่องค้นหาด้านบนได้เลย ส่วนใครที่สับสนว่า "ฟีเจอร์ตัวนี้อยู่แพลตฟอร์มไหน" ให้ข้ามไปที่ ตารางแต่ละระบบใช้อะไร ได้เลย
เข้าใจ 9 คำนี้ก่อน แล้วศัพท์ที่เหลือจะง่ายขึ้นเยอะ
ศาสตร์ที่ทำให้คอมพิวเตอร์ทำงานที่ปกติต้องใช้ความฉลาดของมนุษย์ เช่น เข้าใจภาษา มองเห็น และตัดสินใจ เป็น "คำร่ม" ที่ครอบคลุมทุกเทคนิคด้านล่าง
💡 เห็นภาพ: AI คือ "เป้าหมาย" ส่วน Machine Learning คือ "วิธีหนึ่ง" ที่พาไปถึงเป้าหมายนั้น
วิธีทำให้คอมพิวเตอร์ เรียนรู้รูปแบบจากข้อมูลเอง แทนการเขียนกฎตายตัวทุกกรณี ยิ่งเห็นตัวอย่างมาก ยิ่งทำนายและตัดสินใจได้ดีขึ้น
ML แบบที่ใช้ "โครงข่ายประสาทเทียม" หลายชั้นเลียนแบบการทำงานของเซลล์สมอง เป็นเทคนิคเบื้องหลัง AI ยุคใหม่แทบทั้งหมด
AI ที่ สร้างของใหม่ได้ ทั้งข้อความ รูป เสียง วิดีโอ และโค้ด ไม่ใช่แค่จำแนกหรือทำนาย ChatGPT, Claude, Gemini และ Midjourney ล้วนเป็น Generative AI
"สมอง" เบื้องหลังแชตบอต AI ฝึกจากข้อความมหาศาลจนทำนายคำถัดไปได้อย่างเป็นธรรมชาติ GPT, Gemini, Claude และ Llama ล้วนเป็น LLM
💡 เห็นภาพ: มันไม่ได้ "รู้" แบบมนุษย์ แต่ทำนายคำที่น่าจะตามมามากที่สุด — จึงบางครั้งมั่นใจแต่ผิด
ตัวระบบที่ผ่านการฝึกแล้วพร้อมใช้งาน เช่น GPT, Claude, Gemini แต่ละตัวมีหลายรุ่น — รุ่นใหญ่มักฉลาดกว่าแต่ช้าและแพงกว่า รุ่นเล็กเร็วและถูกกว่า
"ปุ่มปรับ" นับพันล้านตัวในโมเดลที่เก็บสิ่งที่เรียนรู้มา มักวัดเป็น "พันล้าน (B)" เช่น 70B ยิ่งมากมักยิ่งเก่ง แต่ไม่เสมอไป การออกแบบและข้อมูลก็สำคัญ
กองข้อมูลที่ใช้สอนโมเดล คุณภาพและอคติของข้อมูลกำหนดคุณภาพและอคติของ AI โดยตรง — ข้อมูลไม่ครบหรือลำเอียง ผลลัพธ์ก็จะลำเอียงตาม
หน่วยย่อยของข้อความที่ AI ใช้ประมวลผล (คำหรือครึ่งคำ) ขนาดข้อความและค่าบริการผ่าน API คิดเป็นจำนวน token
💡 เห็นภาพ: ภาษาอังกฤษ 1 คำ ≈ 1 token, ภาษาไทย 1 คำมักกินหลาย token จึง "เปลือง" กว่า
คำที่จะเจอทุกวันเวลาพิมพ์คุยกับ AI
คำสั่งหรือคำถามที่เราพิมพ์ให้ AI ยิ่งบอก บริบท–เป้าหมาย–รูปแบบผลลัพธ์ ชัดเท่าไร คำตอบยิ่งตรงใจเท่านั้น
ทักษะออกแบบคำสั่งให้ได้ผลลัพธ์ที่ต้องการ เช่น กำหนดบทบาทให้ AI ให้ตัวอย่าง และสั่งทีละขั้น
📍 เรียนเต็ม ๆ ที่ หลักสูตร Prompt Engineering · ดูตัวอย่างพร้อมใช้ที่ คลัง Prompt
คำสั่งเบื้องหลังที่กำหนด "บุคลิกและกติกา" ของ AI ตลอดการสนทนา เป็น หัวใจของการสร้าง Custom GPT / Gem / Project — เราเขียนตรงนี้ให้ผู้ช่วยทำตัวแบบที่อยากได้
"ความจำระยะสั้น" ในหนึ่งบทสนทนา วัดเป็น token ถ้าคุยยาวเกินขนาด โมเดลจะเริ่ม "ลืม" ช่วงต้น รุ่นใหม่ ๆ รับได้ระดับหลายแสนถึงล้าน token
ค่าปรับความ "สร้างสรรค์ vs. แม่นยำ" — ค่าต่ำ = ตอบตรง เดาน้อย (เหมาะงานข้อมูล/โค้ด) ค่าสูง = หลากหลาย แปลกใหม่ (เหมาะงานไอเดีย)
📍 มักปรับได้เมื่อใช้ผ่าน API หรือ playground มากกว่าในแอปแชตทั่วไป
Zero-shot คือสั่งตรง ๆ ไม่มีตัวอย่าง ส่วน Few-shot คือ ให้ตัวอย่าง 2–3 อันก่อน เพื่อให้ AI เลียนแบบรูปแบบ ซึ่งมักได้ผลแม่นกว่ามาก
เทคนิคสั่งให้ AI "คิดทีละขั้นก่อนตอบ" ช่วยงานที่ต้องใช้เหตุผลหรือคำนวณให้แม่นขึ้น เป็นหลักการเบื้องหลัง "โมเดลให้เหตุผล" รุ่นใหม่
สั่งให้ AI ตอบเป็นรูปแบบตายตัว เช่น ตาราง หรือ JSON เพื่อนำไปใช้ต่อในโปรแกรม/ระบบได้เลย โดยไม่ต้องมานั่งจัดรูปแบบเอง
การบังคับให้ AI ตอบโดย อ้างอิงเอกสาร/ข้อมูลที่เราให้ ไม่เดาเอง ช่วยลดอาการหลอน (hallucination) เป็นหัวใจของ NotebookLM และเทคนิค RAG
รู้ทั้งจุดแข็งและกับดัก จะใช้ AI ได้ปลอดภัยขึ้น
AI ที่รับและสร้างได้ หลายรูปแบบ ทั้งข้อความ รูป เสียง และวิดีโอ เช่น ส่งรูปให้ช่วยอ่าน แนบ PDF ให้สรุป หรือพูดคุยด้วยเสียง
โมเดลรุ่นที่ "คิดก่อนตอบ" นานขึ้น เก่งงานซับซ้อน คณิตศาสตร์ โค้ด และตรรกะ แลกกับตอบช้าลงและใช้ต้นทุนมากกว่า
💡 เห็นภาพ: เหมือนให้คนคิดในใจก่อนพูด แทนที่จะโพล่งคำตอบทันที
เมื่อ AI ตอบผิดแต่พูดอย่างมั่นใจจนฟังดูน่าเชื่อ เพราะมัน "ทำนายคำที่น่าจะใช่" ไม่ใช่ค้นความจริง
⚠️ ต้องตรวจสอบข้อมูล ตัวเลข ชื่อ และการอ้างอิงเสมอ — เรียนรู้เท่าทัน AI
วันสุดท้ายที่โมเดลเห็นข้อมูลตอนฝึก เหตุการณ์หลังจากนั้นมันจะไม่รู้ เว้นแต่เปิดโหมดค้นเว็บหรือแนบข้อมูลให้เพิ่ม
ฟีเจอร์ให้ AI จำข้อมูลของเรา ข้ามบทสนทนา เช่น ชื่อ อาชีพ สไตล์งาน มีใน ChatGPT, Gemini และ Claude และเปิด/ปิด/ลบได้เสมอ
AI ที่แนบลิงก์/แหล่งอ้างอิงให้เราตรวจสอบได้ ช่วยลดการเชื่อผิด เป็นจุดเด่นของ Perplexity, NotebookLM และโหมดค้นเว็บของผู้ช่วยทั่วไป
AI อาจสะท้อนอคติที่ติดมากับข้อมูลฝึก เช่น เรื่องเพศ เชื้อชาติ หรือภาษาถิ่น ต้องตรวจสอบเป็นพิเศษเมื่อใช้กับงานที่กระทบสิทธิ์คน
กติกาและตัวกรองที่ผู้สร้างวางไว้ ไม่ให้ AI ตอบเรื่องอันตราย ผิดกฎหมาย หรือเป็นภัย เป็นส่วนหนึ่งของการทำ AI ให้ปลอดภัย
ศัพท์ที่ได้ยินบ่อยเวลาสร้างแชตบอตองค์กร ระบบอัตโนมัติ หรือ AI Agent
เทคนิคให้ AI ไปเปิดคลังเอกสารของเราอ่านก่อนตอบ ทำให้ตอบตามคู่มือ/นโยบายบริษัทได้แม่นและอ้างอิงได้ โดยไม่ต้องฝึกโมเดลใหม่ เป็นหัวใจของแชตบอตองค์กร
📍 เรียนที่ AI Agents & Automation
การแปลงข้อความหรือรูปเป็นชุดตัวเลขที่จับ "ความหมาย" ทำให้ค้นด้วยความหมายได้ (ไม่ใช่แค่คำตรงกัน) เป็นเบื้องหลังของ RAG และ semantic search
ที่เก็บ embedding เพื่อค้นสิ่งที่ "ความหมายใกล้เคียง" ได้อย่างรวดเร็ว เช่น Pinecone หรือ pgvector เป็นคลังความรู้ที่ RAG ไปเปิดอ่าน
การ ฝึกโมเดลต่อ ด้วยข้อมูลของเราเองให้เชี่ยวชาญงานหรือน้ำเสียงเฉพาะ ต้นทุนสูงกว่า prompt/RAG จึงใช้เมื่อจำเป็นจริง ๆ
💡 เทียบ RAG: RAG = ให้ "เปิดหนังสือสอบ", Fine-tuning = ให้ "ท่องจนขึ้นใจ"
AI ที่ ลงมือทำงานหลายขั้นเองได้ ไม่ใช่แค่ตอบ เช่น วางแผน เรียกใช้เครื่องมือ ค้นเว็บ และทำจนงานเสร็จ
📍 เรียนที่ AI Agents & Automation
ความสามารถที่ AI เรียกใช้ "เครื่องมือภายนอก" ได้เอง เช่น ค้นเว็บ รันโค้ด หรือดึงข้อมูลจาก API เป็นพื้นฐานสำคัญของการทำ AI Agent
มาตรฐานเปิด (ริเริ่มโดย Anthropic) สำหรับ "เสียบ" AI เข้ากับเครื่องมือและข้อมูลภายนอกด้วยวิธีมาตรฐานเดียว
💡 เห็นภาพ: เหมือน "USB-C ของ AI" — พอร์ตกลางที่ต่อ AI กับแอปไหนก็ได้ที่รองรับ
การต่อ AI เข้ากับเครื่องมืออย่าง n8n, Make หรือ Zapier ให้ทำงานเป็นสายอัตโนมัติ เช่น รับอีเมล → ให้ AI สรุป → บันทึกลง Google Sheets เอง
📍 เรียนที่ AI Agents & Automation
ช่องทางให้โปรแกรมของเราเรียกใช้ AI โดยตรง เพื่อฝังลงแอป/ระบบของเราเอง คิดค่าบริการตามจำนวน token ที่ใช้
ศัพท์กลุ่มที่คนสับสนมากที่สุด เพราะแต่ละเจ้าตั้งชื่อฟีเจอร์คล้าย ๆ กันแต่ไม่เหมือนกัน — อ่านจบแล้วดู ตารางเทียบด้านล่าง
เวอร์ชัน ChatGPT ที่เราตั้งค่าเอง — ใส่คำสั่งประจำ แนบไฟล์ความรู้ และเชื่อมเครื่องมือ (Actions) แล้วแชร์ใน GPT Store ได้ เป็นฟีเจอร์ "สร้างผู้ช่วยของตัวเอง" ของ ChatGPT
📍 สร้างในบัญชี ChatGPT (มักต้องแพ็กเกจ Plus/Team ขึ้นไป)
"ผู้ช่วยส่วนตัว" ที่ตั้งค่าเองในแอป Gemini (ใส่คำสั่ง + ไฟล์ความรู้) เทียบได้กับ Custom GPT ของ ChatGPT — Google ยังแถม Gem สำเร็จรูปมาให้ เช่น Learning coach, Brainstormer, Career guide, Coding partner, Writing editor
📍 สร้าง/ใช้ที่ gemini.google.com → เมนู "Gems" · ดู คลัง Gem ธุรกิจไทยพร้อมใช้
"โฟลเดอร์" ที่รวมบทสนทนา ไฟล์ และคำสั่งเฉพาะงานไว้ที่เดียว เหมาะทำงานเรื่องเดียวต่อเนื่องยาว ๆ มีทั้งใน Claude และ ChatGPT — ฝั่ง Claude นี่คือตัวที่เทียบเท่า Custom GPT/Gem มากที่สุด
"ชุดความสามารถแบบโมดูล" ที่ Claude หยิบมาใช้เองเมื่อจำเป็น แต่ละ Skill เป็นโฟลเดอร์ที่มีไฟล์คำสั่ง (SKILL.md) และอาจมีสคริปต์/ไฟล์ประกอบ Anthropic แถมมาให้พร้อมใช้ เช่น สร้าง/แก้ไฟล์ PowerPoint, Excel, Word และ PDF — และคุณสร้าง Skill ของตัวเองได้
💡 ต่างจาก Gem/GPT: Gem/GPT คือ "ผู้ช่วยทั้งตัว" ที่เราตั้งบุคลิก ส่วน Skill คือ "ความสามารถย่อย" ที่เสียบเพิ่มให้ AI ทำงานเฉพาะอย่างเก่งขึ้น — คนละระดับกัน
📍 ใช้ได้ทั้งในแอป claude.ai, Claude Code และผ่าน API
พื้นที่ด้านข้างที่ Claude แสดงผลงานเป็น "ชิ้น" เช่น โค้ด เอกสาร หน้าเว็บ หรือแอปเล็ก ๆ ที่กดใช้และแก้ไขได้ทันที แยกจากช่องแชต
พื้นที่เขียน/แก้เอกสารและโค้ดเคียงข้างแชต แก้ไขเฉพาะจุดได้ เทียบได้กับ Artifact ของ Claude มีทั้งใน ChatGPT และ Gemini
โหมด "ผู้ช่วยวิจัย" ที่ค้นเว็บหลายสิบแหล่งแล้วสรุปเป็นรายงานพร้อมอ้างอิง มักใช้เวลาหลายนาที เหมาะกับงานที่ต้องรวบรวมข้อมูลรอบด้าน
ฟีเจอร์ที่ ChatGPT รัน Python จริงในกล่องปลอดภัย เพื่อวิเคราะห์ข้อมูล ทำกราฟ และแปลงไฟล์ (บางครั้งเรียก Advanced Data Analysis)
📍 ดูการใช้จริงที่ AI Data Analysis
AI ที่คุมเบราว์เซอร์/หน้าจอทำงานแทน เช่น กรอกฟอร์ม ค้นของ จองบริการ (เช่น ChatGPT Agent, Claude Computer Use) — ยังต้องมีคนกำกับและตรวจสอบเสมอ
คุยกับ AI ด้วยเสียงแบบเรียลไทม์ พูดโต้ตอบได้เหมือนคุยโทรศัพท์ เช่น Advanced Voice ของ ChatGPT และ Gemini Live
พื้นที่รวมการค้นคว้าเรื่องเดียว แนบไฟล์ ตั้งค่าผู้ช่วย และชวนทีมมาร่วมได้ เทียบได้กับ Project ของฝั่งอื่น
เปลี่ยนเอกสารที่เราอัปโหลดให้กลายเป็น พอดแคสต์หรือวิดีโอสรุปที่ AI จัดรายการให้ ฟัง/ดูทบทวนได้ง่าย
📍 เรียนที่ หลักสูตร NotebookLM
ปัญหาที่ทำให้คนงงคือ "ฟีเจอร์เดียวกัน แต่ละเจ้าตั้งชื่อไม่เหมือนกัน" ตารางนี้จับมาเทียบให้เห็นในที่เดียว ว่าถ้าอยากได้ความสามารถแบบหนึ่ง ต้องมองหาชื่ออะไรในแต่ละระบบ
📅 ข้อมูล ณ กลางปี 2569 (2026) — ชื่อฟีเจอร์และรุ่นโมเดลของ AI เปลี่ยนเร็วมาก บางฟีเจอร์ขึ้นกับแพ็กเกจ (ฟรี/เสียเงิน) และทยอยเปิดในบางประเทศ ควรเช็กหน้าทางการของแต่ละเจ้าก่อนตัดสินใจ
| ความสามารถที่อยากได้ | ChatGPT | Claude | Gemini | Perplexity | NotebookLM |
|---|---|---|---|---|---|
| ตั้งผู้ช่วยเอง (คำสั่ง + ไฟล์ความรู้) |
Custom GPTs | Projects | Gems | Spaces | แต่ละ Notebook (ยึดแหล่งของคุณ) |
| พื้นที่รวมงาน/โปรเจกต์ | Projects | Projects | จัดใน Gem/แชต | Spaces | Notebooks |
| เขียน–แก้เคียงข้างแชต | Canvas | Artifacts | Canvas | Pages | Studio |
| ค้นเว็บ + อ้างอิงแหล่ง | ✓ | ✓ | ✓ | ✓ จุดเด่นหลัก | เฉพาะแหล่งที่ คุณอัปโหลด |
| วิจัยเชิงลึกอัตโนมัติ | Deep Research | ค้นหลายขั้น (Research) |
Deep Research | Deep Research · Labs |
Audio/Video Overview (สรุป) |
| เอเจนต์ / คุมหน้าจอ | ChatGPT Agent | Computer Use · Claude Code |
โหมด agent (ทยอยเปิด) |
Comet · Labs | — |
| โหมดเสียง | Advanced Voice | โหมดเสียง (แอปมือถือ) |
Gemini Live | — | ฟัง Audio Overview |
| รันโค้ด / วิเคราะห์ข้อมูล | Code Interpreter | เครื่องมือ วิเคราะห์/รันโค้ด |
รันโค้ดใน Canvas | — | — |
| สร้างภาพ | ✓ | ✗ ไม่สร้างภาพ | ✓ | ✗ | ✗ |
| สร้างวิดีโอ | ✓ | ✗ | ✓ | ✗ | Video Overview (สรุป) |
| ต่อเครื่องมือภายนอก | Actions / Apps | MCP (มาตรฐานเปิด) + ปลั๊กอิน |
Extensions / Apps | — | — |
| ความจำข้ามแชต | ✓ Memory | ✓ Memory | ✓ | — | ในแต่ละ Notebook |
| ความสามารถแบบโมดูล (เสียบทักษะเพิ่ม) |
✗ | Skills (Agent Skills) | ✗ | ✗ | ✗ |
💼 ฝั่งที่ทำงาน (Microsoft 365 Copilot): ในชุด Office มี Copilot ช่วยใน Word/Excel/PowerPoint/Outlook/Teams, มี "โหมด agent" ที่สร้างไฟล์ทั้งไฟล์จากคำสั่งเดียวได้, และ Copilot Studio / Agent Builder ให้สร้างผู้ช่วยเฉพาะองค์กร (เทียบได้กับ Custom GPT/Gem) — เรียนการใช้ในงานจริงที่ AI เพิ่มประสิทธิภาพงาน
จำ "แนวคิด" ไว้ 6 อย่างนี้ แล้วคุณจะข้ามไปใช้แพลตฟอร์มไหนก็ไม่หลง
ผู้ช่วยที่เราใส่คำสั่งประจำ + ไฟล์ความรู้ ให้ทำงานซ้ำ ๆ ในสไตล์เดียว
หน้าต่างข้าง ๆ ที่ AI ร่างเอกสาร/โค้ดให้ แล้วเราแก้เฉพาะจุดได้
สั่งครั้งเดียว AI ไปค้นหลายสิบแหล่งแล้วสรุปเป็นรายงานพร้อมอ้างอิง
ให้ AI เรียกใช้แอป/ข้อมูลอื่น เช่น ปฏิทิน ฐานข้อมูล ระบบภายใน
"ทักษะย่อย" ที่เสียบเพิ่มให้ AI ทำงานเฉพาะอย่างเก่งขึ้น (เช่น ทำไฟล์ Excel/PPT) — ยังเป็นจุดเด่นเฉพาะของ Claude ในกลุ่มแชต และเป็นคนละแกนกับ "ตั้งผู้ช่วยเอง"
ให้ AI ตอบเฉพาะจากไฟล์ที่เราอัปโหลด พร้อมอ้างอิงกลับไปที่ต้นทาง
ศัพท์ที่ทุกคน โดยเฉพาะคนทำธุรกิจและองค์กร ควรรู้
การโจมตีด้วยการ แอบฝังคำสั่ง ในข้อความ เว็บ หรือไฟล์ ให้ AI ทำสิ่งที่ไม่ควร เป็นภัยสำคัญของระบบ AI ที่ต่อกับเครื่องมือและข้อมูลภายนอก
📍 เรียนแนวป้องกันที่ AI Security
การหลอกล่อให้ AI ข้ามกติกาความปลอดภัยของตัวเอง เพื่อให้ตอบสิ่งที่ปกติมันจะปฏิเสธ
ภาพ วิดีโอ หรือเสียงปลอมที่ AI สร้างให้เหมือนคนจริง ใช้หลอกลวงได้แนบเนียน คนไทยควรรู้เท่าทันเพื่อกันมิจฉาชีพยุคใหม่
📍 เรียนจับสังเกตที่ รู้เท่าทัน AI
สัญลักษณ์หรือข้อมูลแฝงที่บอกว่าสื่อชิ้นนี้สร้างจาก AI เพื่อความโปร่งใสและตรวจสอบย้อนกลับได้
กฎหมายไทยที่คุ้มครองข้อมูลส่วนบุคคล ห้ามป้อนข้อมูลลูกค้า คนไข้ หรือพนักงานเข้า AI สาธารณะโดยไม่ระวัง ต้องมีฐานทางกฎหมายและการยินยอม
📍 อยู่ในทุกหลักสูตรสายธุรกิจ/องค์กร เช่น AI for Business
หลักการใช้ AI อย่างเป็นธรรม โปร่งใส มีคนกำกับ และไม่ทิ้งใครไว้ข้างหลัง โดยเฉพาะงานที่กระทบสิทธิ์คน — คนเป็นผู้ตัดสินใจสุดท้ายเสมอ
โมเดลเปิดโหลดมารันเองได้ (เช่น Llama หรือ Thai LLM อย่าง Typhoon/OpenThaiGPT) ส่วนโมเดลปิดใช้ผ่านบริการ (เช่น GPT, Claude, Gemini) แต่ละแบบมีข้อดี-ข้อควรระวังต่างกันเรื่องความเป็นส่วนตัวและการควบคุม
การตั้งค่าไม่ให้ผู้ให้บริการนำแชต/ข้อมูลของเราไปฝึกโมเดลต่อ ควรเปิดใช้เมื่อทำงานกับข้อมูลบริษัทหรือข้อมูลส่วนบุคคล
ศัพท์ที่เจอเวลาใช้เครื่องมือสร้างคอนเทนต์
พิมพ์คำบรรยายแล้วได้ภาพ เช่น Midjourney หรือเครื่องมือสร้างภาพในตัวของ ChatGPT/Gemini (ชื่อรุ่นเปลี่ยนบ่อย)
📍 ดูตัวอย่างคำสั่งที่ คลัง Prompt สร้างภาพ
สร้างคลิปสั้นจากคำบรรยาย เป็นเทคโนโลยีที่พัฒนาเร็วมากและชื่อรุ่นเปลี่ยนบ่อย (เช่นในกลุ่มของ OpenAI และ Google) ควรเช็กเครื่องมือปัจจุบันก่อนใช้
📍 เทียบเครื่องมือที่ สรุปเครื่องมือสร้างสื่อ
อ่านข้อความออกเสียงเป็นเสียงคนที่ฟังธรรมชาติ ใช้ทำเสียงบรรยาย คลิป หรือ IVR เช่น ElevenLabs
📍 เรียนที่ หลักสูตร ElevenLabs
สร้างเสียงเลียนเสียงคนจริงจากตัวอย่างสั้น ๆ ต้องขออนุญาตเจ้าของเสียงเสมอ เพราะเกี่ยวข้องกับสิทธิ์และการหลอกลวง
เทคนิคเบื้องหลัง AI สร้างภาพส่วนใหญ่ ทำงานโดยค่อย ๆ "ขจัดสัญญาณรบกวน" จากภาพมั่ว ๆ จนกลายเป็นภาพที่ตรงคำสั่ง
การบอกสิ่งที่ "ไม่อยากให้มี" ในภาพ/วิดีโอ เพื่อคุมผลลัพธ์ เช่น "ไม่เอาลายน้ำ ไม่เอามือผิดรูป"
เลขสุ่มตั้งต้นในการสร้างภาพ ใช้เลขเดิมเพื่อทำภาพซ้ำหรือต่อยอดจากผลลัพธ์เดิมได้ ช่วยให้ควบคุมความสม่ำเสมอ
Upscale คือขยายภาพให้ใหญ่และคมขึ้น ส่วน Inpainting คือแก้เฉพาะบางส่วนของภาพ เช่น ลบวัตถุหรือเปลี่ยนพื้นหลัง โดยคงส่วนอื่นไว้
😅 ไม่พบคำศัพท์ที่ตรงกับที่ค้นหา — ลองคำอื่น เช่น "token", "agent", "gem" หรือ ล้างการค้นหา
คำศัพท์เหล่านี้จะติดตัวเร็วขึ้นมากถ้าได้ลงมือใช้ — ทุกหลักสูตรเรียนฟรี เป็นภาษาไทย
ลองสร้าง Custom GPT / Gem / Project แล้วเข้าใจ prompt กับ context จริง
→ ChatGPT → Claude → Geminiเข้าใจ RAG, Agent, MCP และระบบอัตโนมัติแบบเห็นภาพและทำเป็น
→ Prompt Engineering → Agents & Automationบุ๊กมาร์กหน้านี้ไว้ เจอศัพท์ไหนไม่รู้ค่อยกลับมาเปิด แล้วเลือกหลักสูตรที่ตรงกับงานของคุณเพื่อฝึกใช้จริง — ทั้งหมดเรียนฟรี เป็นภาษาไทย
คำถามยอดฮิตเรื่องความต่างของฟีเจอร์แต่ละแพลตฟอร์ม