AIto AIoT Academy

เปิดตัว Real-Time Carbon Footprint Tracking Dashboard for the Carbon Neutral Event at Corporate Innovation Summit 2024, designed and developed by the AltoTech Global Team in cooperation with RISE and TDPK ทางผู้เข้าร่วมงาน CIS 2024 สามารถมองเห็น carbon footprint จากกิจกรรมที่เกิดขึ้นต่างๆ ของงาน เช่นการเดินทางของผู้เข้าร่วมงาน การใช้ไฟฟ้าในพื้นที่บริเวณที่จัดงาน อาหารและเครื่องดื่ม รวมถึงปริมาณขยะทีเกิดขึ้น ได้แบบ real-time โดยในวันแรกของงานจะพบว่า Carbon emission scope 1 ประมาณ 1.37% Scope 2: 10.61% และ scope 3: 88.02% โดย dashboard นี้จะแสดงค่าและรวบรวม carbon emission ที่เกิดขึ้นทั้ง 2 วันของการจัดงาน เพื่อแสดงว่างานนี้เป็น Carbon Neutral Event ตามแนวทางปฎิบัติของ TGO และ TCEB

อะไรคือ Carbon Neutral Event ?
>> Carbon Neutral Event หมายถึงการจัดงานที่ลดปริมาณการปล่อยก๊าซเรือนกระจกให้เป็นศูนย์ โดยลดการใช้ทรัพยากรอย่างไม่จำเป็น เช่น ใช้วัสดุรีไซเคิล, ลดการใช้พลังงาน, การจัดการขยะอย่างถูกวิธี, และส่งเสริมการใช้ขนส่งสาธารณะ นอกจากนี้ยังมีการคำนวนการปล่อย carbon footprint แบบ real-time เพื่อตรวจวัดคาร์บอนฟุตพริ้นท์และชดเชยปริมาณก๊าซเรือนกระจกที่หลีกเลี่ยงไม่ได้ผ่านการซื้อคาร์บอนเครดิต

ต้องทำอย่างไรให้เป็น Carbon Neutral Event?
- ลดการใช้ทรัพยากร: ใช้สื่อดิจิทัลในการประชาสัมพันธ์และลงทะเบียนเพื่อลดการใช้กระดาษ
- เลือกสถานที่ยั่งยืน: ใช้สถานที่จัดงานที่ได้รับการรับรองมาตรฐานสิ่งแวดล้อม
- ลดการปล่อยก๊าซ: ส่งเสริมการใช้ขนส่งสาธารณะและควบคุมอุณหภูมิห้อง
- ชดเชยคาร์บอน: คำนวณการปล่อยก๊าซและซื้อคาร์บอนเครดิตเพื่อชดเชย

อะไรที่ทำให้ CIS 2024 กลายเป็น Carbon Neutral Event ?
>> CIS 2024 คำนวณคาร์บอนฟุตพริ้นท์ตามหลักการและแนวทางปฏิบัติของ TGO และ TCEB หลังจากนั้นยังซื้อคาร์บอนเครดิตเพื่อนำมาชดเชยการปล่อยก๊าซเรือนกระจกที่ไม่สามารถหลีกเลี่ยงได้

ผู้เข้าร่วมงานจะได้อะไรจากการจัด Carbon Neutral Event ?
- การมีส่วนร่วมในการลดโลกร้อน: ผู้เข้าร่วมช่วยลดผลกระทบต่อสิ่งแวดล้อมโดยใช้ทรัพยากรน้อยลงและส่งเสริมการใช้สินค้าที่เป็นมิตรต่อสิ่งแวดล้อม
- ตระหนักรู้และเรียนรู้เกี่ยวกับความยั่งยืน: ได้รับข้อมูลและแนวทางปฏิบัติเพื่อรักษาสิ่งแวดล้อม อีกทั้งยังรู้ว่า scope1, 2, 3 มาจากไหน การจัด event และกิจกรรมต่างๆที่เกิดขึ้น carbon emission มาจากกิจกรรมไหนเยอะน้อยแค่ไหน
- ประสบการณ์ที่ดีขึ้น: งานมีการจัดการอย่างยั่งยืน และเป็นมิตรกับสิ่งแวดล้อม


ref: https://www.businesseventsthailand.com/th/press-media/news-press-release/detail/1364-carbon-neutral-exhibition-sustainable-mice-events-for-environment-conservation

ใครมีลูกมีหลานเรียนมหาวิทยาลัย…รีบเลยคับ

Krungsri UniVerse x KMITL Hackathon

ชวนเหล่า New gen ร่วมออกแบบและพัฒนาโซลูชั่นคูลๆ กับโจทย์ Innovating for a Sustainable Future ที่จะมาแก้ไขปัญหาความยั่งยืน

ร่วมเรียนรู้เรื่องการพัฒนานวัตกรรมจากจุดเริ่มต้น ผ่านเวิร์คช็อป และคำแนะนำจากพี่ๆตัวท็อปในวงการ และเสนอโซลูชั่นที่จะมาช่วยพัฒนา 3 เรื่อง ดังนี้

1.Health and Well-being - พัฒนาสุขภาพและความเป็นอยู่ที่ดี

2.Environment - รักษาและจัดการสิ่งแวดล้อม

3. AI for Sustainable Solutions - นำ AI มาพัฒนาโซลูชั่นเพื่อแก้ปัญหาเรื่องความยั่งยืน

เปิดรับสมัครน้องๆนิสิต นักศึกษาจากทุกมหาวิทยาลัย
(ทุกทีมจะต้องมีเพื่อนจาก KMITL ร่วมทีมด้วย)

ดูรายละเอียดเพิ่มเติมและสมัครที่นี่ https://forms.office.com/r/ZwR8TR7Pkr

ตั้งแต่วันนี้ - 24 กรกฎาคมนี้ สมัครเลย!

Last week provided a notable example of this market dynamic between AI chips and software: Etched, a new AI chip startup, secured $120 million in funding to develop chips specialized in transformer architectures. Etched's chip, Sohu, is capable of processing 500,000 tokens per second with the throughput of a Llama 70B model, surpassing NVIDIA's Blackwell (B200) GPUs in speed and cost efficiency. Sohu's specialization in a single algorithm allows for a streamlined logic flow, accommodating more mathematical blocks and achieving an impressive 90% FLOPS utilization. https://www.etched.com

Last class of Alto AIoT Academy Part 5: Advanced AI Development for IoT Applications >> capstone project develop team of AI agents that can collaborate to achieve goals

Mistral Codestral is the Newest AI Model in the Code Generation Race

การสร้างโค้ดได้กลายเป็นหนึ่งในก้าวที่สำคัญที่สุดของ generative AI สำหรับหลายคน การแก้ไขปัญหาการสร้างโค้ดเป็นก้าวแรกสู่การเปิดใช้งานความสามารถในการคิดเชิงตรรกะใน LLMs แนวคิดนี้เป็นที่ถกเถียงกันอย่างมาก แต่แน่นอนว่ามีผู้ติดตามมากมายในชุมชน generative AI นอกจากนี้ การเขียนโค้ดเป็นหนึ่งในกรณีการใช้งานที่มีฐานลูกค้าที่ชัดเจนโดย focus ไปที่นักพัฒนา software สิ่งที่สำคัญยิ่งกว่านั้นคือการทำให้ของนักพัฒนายอมรับอย่างกว้างขวางยิ่งขึ้น

ไม่น่าแปลกใจที่ผู้ให้บริการ LLM รายใหญ่ทั้งหมดได้เปิดตัวเวอร์ชันการสร้างโค้ดของโมเดลของพวกเขา สัปดาห์ที่แล้ว Mistral เข้าร่วมการแข่งขันด้วยการเปิดตัว Codestral รุ่น open-weight ซึ่งเป็นโมเดลการสร้างโค้ดที่ได้รับการฝึกฝนในภาษาการเขียนโปรแกรมมากกว่า 80 ภาษา

เช่นเดียวกับการเปิดตัว Mistral อื่นๆ Codestral แสดงผลการทำงานที่น่าประทับใจในหลายเกณฑ์มาตรฐานการเขียนโค้ด เช่น HumanEval และ RepoBench หนึ่งในความสามารถที่น่าประทับใจที่สุดของ Codestral คือความยาวบริบท 32k ในโมเดลที่มีพารามิเตอร์ 22B ซึ่งต่างจากหน้าต่างบริบท 8k ในโมเดล Llama 3 ที่มีพารามิเตอร์ 70B

Codestral มีความสำคัญด้วยหลายเหตุผล ประการแรก มันควรจะกลายเป็นหนึ่งในทางเลือกแบบ open-source ที่เป็นไปได้มากที่สุดเมื่อเทียบกับโมเดลพื้นฐานแบบปิด นอกจากนี้ Mistral ได้สร้างความร่วมมือกับองค์กรที่แข็งแกร่ง เช่น Databricks, Microsoft, Amazon และ Snowflake
การเป็นส่วนหนึ่งใน software development life cycle ของแอปพลิเคชันสามารถปลดล็อกคุณค่ามหาศาลสำหรับแพลตฟอร์ม generative AI

More info https://mistral.ai/news/codestral/

เมื่อวานที่ผ่านมาเป็นคลาส Optimization Techniques for IoT Applications โดยเนื้อหาที่สอนในคลาสจะมีตั้งแต่สอนเบสิคของการเปลี่ยนโจทย์ปัญหาในชีวิตประจำวัน (Real World Practical Problem) ให้กลายเป็นโจทย์ทางคณิตศาสตร์ที่คอมพิวเตอร์สามารถช่วยเราแก้ปัญหาได้ (Optimization Problem Formulation) ไปจนถึงอัลกอริทึ่มต่างๆที่ใช้เพื่อแก้โจทย์ปัญหาดังกล่าวและ Application ต่างๆในวงการบริหารจัดการอาคารและ IoT

ในเชิงคณิตศาสตร์ ก่อนที่เราจะทำการ Optimize อะไรสักอย่างนั้น เราจำเป็นจะต้องทำการสร้าง Optimization Problem ขึ้นมาก่อนโดยเป็นการกำหนดเป้าหมาย (Objective Function) และเงื่อนไขข้อจำกัดต่างๆ (Constraints) ให้ชัดเจนก่อนที่จะลงมือหาคำตอบของปัญหาที่เราต้องการจะแก้

เมื่อเราทำการสร้างและตีความ Optimization Problem ของเราออกมาในเชิงคณิตศาสตร์แล้ว เราก็จะสามารถใช้โปรแกรมหรือ Algorithms ต่างๆที่เหมาะสมในการหาคำตอบที่เหมาะสมที่สุด (Decision Variables) เพื่อให้เราไปถึงเป้าหมายที่เราต้องการภายใต้ข้อกำหนดที่เรากำหนดไว้ (Constraints) ซึ่งการเลือก Algorithms ที่เหมาะสมก็จะขึ้นอยู่กับลักษณะของ Optimization Problem ที่เราตั้งขึ้นมานั่นเองครับ

Algorithm ที่สอนในคลาสที่สามารถนำมาใช้ Solve Optimization Problem เหล่านี้ ซึ่งส่วนมากก็จะเป็น Non-Linear Problem นั้นตัวอย่างเช่น

Sequential Least Squares Programming (SLSQP) เป็น Gradient-Based Algorithm ที่สามารถแก้ปัญหาที่มี Constraints โดยเฉพาะอย่างยิ่งเมื่อฟังก์ชันเป้าหมายและ Constraints เป็นแบบ Smooth function และ Continuous อัลกอริทึมนี้จะค่อยๆ ปรับ Solution ไปในทิศทางที่ดีขึ้นเรื่อยๆ จนกว่าจะลู่เข้าสู่คำตอบ ซึ่งโดยทั่วไปจะให้ผลลัพธ์ที่รวดเร็วและแม่นยำ

Genetic Algorithm (GA) เป็นอัลกอรึทึ่มที่อาศัยหลักการของ Biological Evolution และ Natural Selection โดยเริ่มต้นจากการสุ่มสร้างประชากรของ Solutions ขึ้นมาหลายๆตัวและทำการคัดเลือก Solutions ที่ดีที่สุดในแต่ละรุ่นเพื่อสร้างประชากรในรุ่นถัดไป

Particle Swarm Optimization (PSO) จะใช้หลักการของฝูงสัตว์ที่มีปฏิสัมพันธ์และเคลื่อนที่ไปด้วยกัน โดย Particle แต่ละตัวจะค้นหาคำตอบไปพร้อมๆ กัน และแชร์ข้อมูลเกี่ยวกับตำแหน่งที่ดีที่สุดที่ตัวเองเคยเจอให้กับ Particle ตัวอื่นๆ ในฝูง

ในระบบ IoT และ Building Automation System นั้นก็สามารถประยุกต์ใช้การแก้ปัญหา Optimization Problem ได้ด้วยเช่นกัน ไม่ว่าจะเป็น

-Network Optimization เพื่อทำให้ระบบสื่อสารและเน็ตเวิร์คสามารถทำงานได้มีประสิทธิภาพสูงสุด
- Optimal Sensor Placement เพื่อช่วยเลือกตัวแหน่งที่เหมาะสมให้กับเซนเซอร์ เช่น Indoor Air Quality Sensor (IAQ) ที่สามารถครอบคลุมพื้นที่ได้กว้างที่สุดในขณะที่ใช้จำนวนไม่มากจนเกินไปเพื่อประหยัดค่าลงทุน
-Energy Optimization and Management หรือระบบควบคุมการประหยัดพลังงานโดยดูทั้งระบบปรับอากาศ ระบบไฟอาคาร ระบบผลิตพลังงานไฟฟ้าจากแสงอาทิตย์และแบตเตอรี่ ระบบเติมอากาศบริสุทธิ์ (Fresh Air) โดยเป็นการมองทุกระบบมาอยู่ภายใต้โจทย์ข้อเดียวกัน เพื่อสามารถหามาตรการที่ตึกโดยภาพรวมจะสามารถประหยัดพลังงานที่สุดได้

Alto AIoT Academy Part 5 Class 6 today Intoduction to optimization techniques for IoT and AI applications by P’Opal

Update our FB cover

Our new logo 😁