จากประสบการณ์ทำงานที่ได้ช่วยภาคอุตสาหกรรมทำงานด้านเปลี่ยนการถ่ายสู่ดิจิตอลและระบบอัตโนมัติมากว่า 15 ปี พบว่าตลอดระยะเวลาที่ผ่านมา ภาคอุตสาหกรรมมีความพยายามอย่างต่อเนื่องที่จะนำเครื่องจักรมาทดแทนแรงงานคน หรือนำซอฟต์แวร์มาช่วยผู้ใช้งานให้ทำงานสะดวกขึ้นและเป็นระบบมากขึ้น ปัจจัยสำคัญที่เป็นตัวเร่งให้ภาคอุตสาหกรรมลงทุนในการนำเครื่องจักรหรือซอฟต์แวร์มาใช้เร็วและมากขึ้น คือปัญหาเรื่องแรงงานคลาดแคลน และปัญหาด้านความต้องการเพิ่มประสิทธิภาพและกำลังการผลิต ลดความผิดพลาดในการทำงาน เป็นต้น อย่างไรก็ตามที่ผ่านมาเครื่องจักรหรือซอฟต์แวร์ที่มาทดแทนคน มักทำงานได้ตามที่ถูกป้อนโปรแกรมไว้เท่านั้น ซึ่งเป็นการทำงานตามรูปแบบหรือกฎเกณฑ์ของอัลกอริทึมที่กำหนดไว้เท่านั้น ผ่านการโปรแกรมให้เครื่องจักรหรือซอฟต์แวร์เรียนรู้ (rule-based algorithm) อย่างไรก็ตามปัจจุบันภาคอุตสาหกรรมในหลากหลายประเภท รวมถึง หน่วยงานภายในตั้งแต่ฝ่ายขายและการตลาด การบริการลูกค้า ไปจนถึงฝ่ายการผลิต มีความต้องการการใช้งานที่ซับซ้อนมากกว่า เพื่อรักษาความสามารถในการแข่งขัน และสร้างความยั่งยืนให้กับองค์กร ยกตัวอย่างเช่น การต่อยอดจากการเก็บข้อมูลจากเครื่องจักรและเซนเซอร์ต่างๆในอุตสาหกรรมเพื่อมาทำนายว่าจะมีโอกาสที่เครื่องจักรจะเกิดความเสียหายในอนาคตเพื่อหาทางป้องกันล่วงหน้า ระบบแนะนำสิ่งของที่สนใจบนเว็บไซต์หรือโซเชียลมีเดียโดยพิจารณาจากพฤติกรรมและประวัติของผู้ใช้งานที่เข้าไปใช้ ระบบที่สามารถจดจำรูปภาพและคัดแยกวัตถุจากภาพถ่ายหรือวิดีโอ เป็นต้น
 
สรุป ระบบปัญญาประดิษฐ์เกิดขึ้นจากความคิดที่ว่าจะทำอย่างไรให้ระบบคอมพิวเตอร์สามารถที่เรียนรู้ได้ด้วยตนเองโดยอาศัย ประสบการณ์ การเรียนรู้ข้อผิด และข้อมูลความรู้ใหม่ เกิดขึ้นด้วยการสร้างโมเดลทางคณิตศาสตร์ที่ประกอบไปด้วยเลเยอร์การคำนวณและประมวลผลหลาย ๆ เลเยอร์ต่อเข้าด้วยกัน โดยแต่ละเลเยอร์จะมีน้ำหนักการตัดสินใจไม่เท่ากัน ทำให้โมเดลสามารถที่จะเรียนรู้ พัฒนาและจดจำข้อมูลนามธรรมที่หลากหลายได้เอง เพื่อการคาดคะเนผลลัพธ์ที่ถูกต้อง ดังนั้น นักวิทยาศาสตร์ นักวิเคราะห์ข้อมูล หรือวิศวกรจึงได้พยายามรวบรวมข้อมูลในปริมาณมหาศาล ในชื่อที่เรียกว่า “บิ๊กเดต้า (Big Data)” โดยจะนำบิ๊กเดต้า มาป้อนให้กับระบบปัญญาประดิษฐ์ เพื่อหวังว่าระบบจะสามารถหาคำตอบของปัญหาที่ซับซ้อน หาข้อมูลเชิงลึกที่มีความสัมพันธ์เชื่อมโยงกัน การคาดคะเนคำตอบ และการตัดสินใจ ด้วยเดต้าเซ็ตขนาดใหญ่ ได้อย่างแม่นยำ
 
ระบบปัญญาประดิษฐ์สามารถแบ่งประเภทงานหลักๆ ได้ดังนี้

• การทำนายค่า (Predict values) เช่นการพยากรณ์ความต้องการของผลิตภัณฑ์เพื่อวางแผนการผลิต
• การทำนายกลุ่มข้อมูล (Predict categories) เช่นการจัดกลุ่มประเภทของตำหนิจากรูปภาพสินค้าบนสายพานการผลิต
• การค้นหารูปแบบของข้อมูล (Discover structures) เช่น การแบ่งกลุ่มลูกค้าตามกำลังซื้อ
• การหาเหตุการณ์ที่ไม่ปกติ (Find unusual occurrences) เช่น การตรวจจับเครื่องจักรมีความเสียหายก่อนที่จะเกิดการเสียหายจริง

 
อย่างไรก็ตาม การจะนำระบบปัญญาประดิษฐ์ไปใช้ในอุตสาหกรรมอาจไม่ใช่เรื่องง่ายนัก เนื่องจากนอกจากต้องการปริมาณข้อมูลจำนวนหนึ่งที่มากพอแล้ว ยังต้องนำข้อมูลเหล่านั้นมาผ่านกระบวนการ Data Cleansing เพื่อเตรียมข้อมูลให้พร้อมสำหรับนำมาใช้ในการสร้างโมเดลปัญญาประดิษฐ์ ซึ่งกระบวนการเหล่านี้จำเป็นต้องอาศัยผู้เชี่ยวชาญ มีความรู้และทักษะด้าน AI และ Data Science มาช่วยให้คำแนะนำและออกแบบ ซึ่งต้องทำงานใกล้ชิดกับ ผู้เชี่ยวชาญในภาคอุตสาหกรรม (Industry Domain Expert) ด้วยภารกิจนี้เอง ทางศูนย์ UTC จึงได้เปิดตัว Chula UTC AI Academy เพื่อให้คำปรึกษากับภาคอุตสาหกรรมที่ต้องการนำระบบปัญญาประดิษฐ์ไปใช้ รวมถึงร่วมพัฒนาโครงการนวัตกรรมที่ใช้เทคโนโลยีปัญญาประดิษฐ์ร่วมกัน