เมื่อเดือนกันยายน เราเพิ่งเห็นข่าว Google Translate เริ่มนำเทคนิค Neural Networks ช่วยแปล เริ่มจากภาษาจีนเป็นอังกฤษ วันนี้กูเกิลขยายผลเทคนิค Neural Machine Translation ไปยังภาษาอื่นๆ แล้ว

ภาษาที่ได้ระบบการแปลแบบใหม่ตอนนี้มี 8 ภาษาคือ อังกฤษ ฝรั่งเศส เยอรมัน สเปน โปรตุเกส จีน ญี่ปุ่น เกาหลี ตุรกี โดยรองรับทั้งการแปลไป-กลับในทุกคู่ภาษา กูเกิลบอกว่าภาษาทั้ง 8 ครอบคลุมการใช้งานประมาณ 1/3 ของประชากรโลก และคิดเป็น 35% ของข้อความที่ส่งเข้ามาแปลกับ Google Translate แต่เป้าหมายในระยะยาวก็คือขยายผล Neural Machine Translation ไปยังภาษาทั้งหมด 103 ภาษาที่ Google Translate รองรับ

Google อัพเดต Google Play Music เวอร์ชันใหม่ที่มาพร้อมอินเทอร์เฟสแนะนำเพลย์ลิสต์เพลงโดย Machine Learning ที่อิงจากสิ่งที่ผู้ใช้สนใจ สถานที่ กิจกรรมที่กำลังทำ รวมถึงประวัติเพลงเก่าๆ ที่ผู้ใช้เคยฟังมาด้วย

นอกจากนี้ตัวแอพ Play Music เวอร์ชันใหม่ยังมาพร้อมฟีเจอร์ดาวน์โหลดเพลงให้ผู้ใช้อัตโนมัติ ไว้ฟังเวลาไม่มีสัญญาณอินเทอร์เน็ตด้วย

ที่มา - The Keyword

สำหรับงานด้านแอนิเมชั่น และภาพยนตร์ Adobe ก็อัพเดตโปรแกรม Adobe Premiere Pro CC ให้มีฟีเจอร์รับรู้งาน VR อัตโนมัติ หรือ auto-aware virtual reality ให้โปรแกรมรับรู้ได้เองว่า ควรตั้งค่าแบบไหนให้เหมาะกับงานด้านสามมิติ การอัพเดตนี้ยังรองรับการทำงานเป็นทีม หรือ Team Projects ซึ่งเป็นฟังก์ชั่นที่ทำขึ้นมาเพื่อลูกค้าองค์กร

นอกจากรับรู้งาน VR แล้ว ยังใช้เอนจิ้นเรนเดอร์ภาพสามมิติที่ทำได้เร็วขึ้น พร้อมทั้งเพิ่มพาเนลโซเชียลเข้ามา สามารถแชร์งานลงโซเชียลต่างๆ ได้

IBM Watson เปิดตัวบริการใหม่ 2 ตัวสำหรับองค์กรที่ต้องการประมวลผลข้อมูลในยุค cognitive ได้แก่ IBM Watson Data Platform และ IBM Watson Machine Learning Service

IBM Watson Data Platform เป็นแพลตฟอร์มสำหรับเก็บข้อมูลจากแหล่งต่างๆ เพื่อนำไปใช้วิเคราะห์ต่อในอนาคต ตัวแกนกลางของระบบคือ Apache Spark ที่รันบน IBM Cloud และสามารถเข้าถึงแหล่งข้อมูลบางอย่างที่ IBM เคยไปลงทุนไว้ เช่น The Weather Company เพื่อนำข้อมูลไปผสมผสานกับข้อมูลที่องค์กรมีได้

ตัว Data Platform รองรับภาษาโปรแกรมหลากหลาย ทั้ง SQL, Python, R, Java, Scala และเชื่อมต่อกับบริการของพาร์ทเนอร์รายอื่นๆ เช่น Keen IO, RStudio ได้ด้วย

นักวิจัยจากมหาวิทยาลัย Brown เผยแพร่การใช้กล้องจุลทรรศน์และระบบ Machine Learning ในการแยกแยะเซลล์ epithelial ออกจากเซลล์ mesenchymal ซึ่งเป็นเซลล์ที่มีโอกาสจะก่อให้เกิดเนื้อร้ายและมะเร็ง

ทีมวิจัยระบุว่าถึงแม้เซลล์ 2 ประเภทนี้จะมีความแตกต่างเชิงกายภาพที่เห็นได้ชัดอยู่ แต่หลายๆ ครั้งความแตกต่างนี้ก็เล็กน้อยมากจนแทบแยกไม่ออก ขณะที่ระบบ Machine Learning ถูกป้อนข้อมูลของทั้ง 2 เซลล์ รวมถึงภาพระหว่างที่เซลล์ epithelial กำลังเปลี่ยนไปเป็นเซลล์ mesenchymal ผลปรากฎว่าอัลกอริทึมสามารถแยกแยะและจำแนกเซลล์ 2 ชนิดออกจากกันได้แม่นยำถึง 92% รวมถึงสามารถแยกแยะเซลล์ mesenchymal ที่เกิดจากการกระตุ้นด้วยการใช้ยาได้เช่นกัน

แอปเปิลไล่ซื้อบริษัทด้าน machine learning อย่างเงียบๆ เมื่อไม่นานมานี้มีข่าวซื้อบริษัท Turi มาแล้วครั้งหนึ่ง ล่าสุดมีข่าวว่าแอปเปิลซื้อบริษัท Tuplejump มาอีกราย

บริษัท Tuplejump ไม่เป็นที่รู้จักมากนัก และตอนนี้ก็ปิดเว็บไซต์ไปเรียบร้อยแล้ว แต่จากข้อมูลในอดีต Tuplejump พัฒนาระบบฐานข้อมูลโอเพนซอร์สชื่อ FiloDB ที่ใช้สำหรับงานด้านวิเคราะห์ข้อมูลขนาดใหญ่ ซึ่ง TechCrunch อ้างแหล่งข่าววงในว่าแอปเปิลสนใจเทคโนโลยีตัวนี้ เลยตัดสินใจซื้อ Tuplejump เพื่อดึงทีมงานเข้ามาเป็นพนักงาน

ทีมวิจัยจาก Stanford พัฒนาอัลกอริทึมแบบ machine learning ใช้ภาพถ่ายความละเอียดสูงจากดาวเทียมมาสร้างแผนที่ความยากจนที่มีข้อมูลแม่นยำขึ้นจากการใช้วิธีสร้างแบบเดิม

กล่าวถึงแผนที่ความยากจน (poverty map) กันก่อน โดยทั่วไปแล้วคือแผนที่แสดงว่าประชากรในแต่ละพื้นที่นั้นมีรายได้เฉลี่ยต่อคนในแต่ละวันเป็นเงินเท่าไหร่ แผนที่นี้ใช้ประโยชน์ในหลายด้าน ทั้งในแง่การบริหารปกครองของหน่วยงานภาครัฐท้องที่ต่างๆ เพื่อกระจายความเจริญให้ถึงแหล่งที่ต้องการอย่างแท้จริง รวมทั้งกำหนดนโยบายการบริหารทรัพยากรได้อย่างเหมาะสม ไม่เพียงเท่านั้น แผนที่ความยากจนยังเป็นข้อมูลสำคัญสำหรับหน่วยงานไม่แสวงหาผลกำไรอีกจำนวนมากที่ต้องการใช้เพื่อวางแผนการให้ความช่วยเหลือผู้คนทั่วทุกมุมโลกได้อย่างเหมาะสม

จากข่าวทำเนียบขาวเปิดให้ส่งข้อความถึงประธานาธิบดีทาง Facebook Messenger ซึ่งผู้ใช้จะได้พูดคุยกับแชตบ็อต ใน Messenger ล่าสุดมีคนออกมาวิจารณ์ว่า เจ้าแชตบ็อตนี้ไม่เห็นจะอัจฉริยะตรงไหน

หลังจากที่เคยทายผล รางวัลออสการ์ (2015, 2016), การแข่งขันอเมริกันฟุตบอล NFL และฟุตบอลโลก 2014 ในครั้งนี้ Bing กลับมาอีกครั้ง โดยรอบนี้ได้ขยายการทายผลมาถึงวงการการแข่งขันเกมแล้ว ในรายการ The International 2016 ที่กำลังแข่งอยู่ในขณะนี้

ในบล็อกของ Bing ได้เผยไว้ว่า เนื่องด้วยการแข่งขันของเกม Dota 2 แต่ละทีม มีการเปลี่ยนผู้เล่นอยู่เรื่อยๆ ทำให้ต้องใช้ข้อมูลและสถิติจากหลายๆ ส่วน ทั้งของทีมและของผู้เล่นในการประมวลผล

เว็บไซต์ GeekWire รายงานข่าวที่ยังไม่ยืนยันว่า แอปเปิลเข้าซื้อกิจการสตาร์ตอัพด้าน AI ชื่อ Turi โดยไม่ได้เปิดเผยมูลค่า แต่แหล่งข่าวคาดว่าน่าจะอยู่ราว 200 ล้านดอลลาร์

Turi เป็นสตาร์ตอัพที่สร้างแพลตฟอร์ม machine learning ให้นักพัฒนาใช้งานอีกที ผลิตภัณฑ์ของ Turi เป็นชุดเครื่องมือสำหรับทำงานด้าน machine learning ที่พบได้บ่อย เช่น สร้างระบบ recommendation, ตรวจสอบว่าข้อมูลสองชุดตรงกัน (data matching) หรือวิเคราะห์อารมณ์ความรู้สึกจากข้อความ (sentiment)

Turi ก่อตั้งโดย Carlos Guestrin อาจารย์จากมหาวิทยาลัย Washington และมีสำนักงานใหญ่ที่เมืองซีแอทเทิล คาดว่าหลังการซื้อกิจการ ทีมงานของ Turi จะยังอยู่ที่เดิมต่อไป

นักวิจัยจาก Yahoo ใช้เทคนิค Machine Learning ตรวจจับคำหยาบคายตามโซเชียล โดยใช้แหล่งข้อมูลจากคอมเมนท์ข่าวสองแหล่งคือ Yahoo Finance และ Yahoo News ผลก็คือซอฟต์แวร์สามารถเรียนรู้และตรวจจับคำหยาบคายได้ดีถึง 90%

ตามโซเชียลแพลตฟอร์มต่างๆ เวลามีข้อความสร้างความเกลียดชัง (Hate Speech) จะใช้วิธีให้ผู้ใช้ report ข้อความนั้น หรือไม่ก็มีคนมอนิเตอร์ แต่วิธีใหม่ที่ใช้ Machine Learning ตรวจจับและเปลี่ยนคำหยาบคายนั้นให้เป็นคำที่อ่านไม่รู้เรื่องแทน ให้ผลลัพธ์ได้ดีกว่ามาก

ปีที่แล้ว Zendesk ผู้ให้บริการระบบ CRM ออนไลน์ นำเทคโนโลยี machine learning มาพยากรณ์อารมณ์ของลูกค้า ล่าสุด Zendesk ขยายความสามารถด้าน machine learning ไปอีกระดับ โดยสามารถตอบคำถามลูกค้าอัตโนมัติ (Automatic Answers) ได้แล้ว

ฟีเจอร์ Automatic Answers จะอ่านคำถามที่ลูกค้าส่งเข้ามา (ตอนนี้ยังได้เฉพาะทางอีเมล) แล้ววิเคราะห์ข้อมูลต่างๆ รวมถึงวิธีการดำเนินงานช่วยเหลือในอดีต แล้วตอบกลับไปยังลูกค้า ถ้าหากลูกค้าพอใจก็ถือว่ากรณีนั้นจบ แต่ถ้าลูกค้าระบุว่ายังไม่สามารถแก้ปัญหาได้ เรื่องจะถูกส่งไปยังพนักงานที่เป็นมนุษย์ตามปกติ

ถ้ายังจำกันได้ เมื่อต้นปี ไมโครซอฟท์เปิดตัวโครงการฝึก AI ให้เล่นเกม Minecraft ในชื่อ Project AIX ล่าสุดไมโครซอฟท์เปลี่ยนชื่อเป็น Project Malmo และเปิดซอร์สโค้ดทั้งหมดแล้ว

Project Malmo ถูกพัฒนาโดยศูนย์วิจัยของไมโครซอฟท์ที่เมืองเคมบริดจ์ เป้าหมายของโครงการเพื่อการวิจัยเรื่อง AI ว่าจะสามารถเรียนรู้ "โลกจำลอง" ในเกม Minecraft ได้อย่างไร ตอนแรกเริ่ม AI จะไม่รู้จักอะไรในเกม Minecraft เลย แต่จะค่อยๆ เรียนรู้จากการลองผิดลองถูก

คนที่หน้าตาเหมือนโจรเป็นยังไง? ต้องหนวดเคราเฟิ้ม ผมกระเซอะกระเซิงหรือเปล่า? ใบหน้าน่าจะมีรอยแผลเป็น ผิวหน้าดูหยาบกร้านไหม? ริ้วรอย, แววตา, สีหน้าล่ะ เป็นอย่างไร? เรื่องเหล่านี้คนเราอาจคาดคะเนแตกต่างกันไปตามปูมหลังและข้อมูลที่เคยผ่านหูผ่านตามาสำหรับแต่ละคน และปัญญาประดิษที่ชื่อ Faception ก็มีคำตอบสำหรับคำถามนี้ในแบบฉบับของตัวมันเองเช่นกัน

Faception เป็นผลงานการพัฒนาโดยสตาร์ทอัพชื่อเดียวกันจากอิสราเอล พวกเขาอ้างว่าเทคโนโลยี Faception นั้นมีระบบ machine learning ที่ผ่านการเรียนรู้ฐานข้อมูลภาพถ่ายใบหน้าของคนจำนวนมาก จนทำให้มันสามารถวิเคราะห์ภาพใบหน้าของบุคคลใดๆ เพื่อระบุบุคลิกลักษณะของบุคคลนั้น

Twitter ได้ประกาศเข้าซื้อ Magic Pony Technology สตาร์ทอัพด้าน machine learning จากลอนดอนที่เน้นในด้าน visual processing โดยจากคำกล่าวของ Twitter ที่บอกไว้ในบล็อกคือ Magic Pony นั้นทำ "อัลกอริทึมที่สามารถเข้าใจลักษณะของภาพวาด"

พนักงานของ Magic Pony นั้นจะเข้ามาทำงานกับ Twitter ในส่วนของ Twitter Cortex ซึ่งเป็นทีมงานด้าน machine learning โดยพนักงานเหล่านี้จะมีความเชี่ยวชาญด้าน computer vision, high-performance computing และ computational neuroscience ซึ่งบุคคลเหล่านี้เคยทำงานอยู่ในแล็บดัง ๆ ของโลกมาแล้ว

Andrew Ng หนึ่งในผู้บุกเบิกสายวิชา Deep Learning ที่ปัจจุบันทำงานอยู่ Baidu Research ประกาศเขียนหนังสือเล่มใหม่ Machine Learning Yearning ที่ระบุว่าจะช่วยลดเวลาในการทำความเข้าใจการสร้างระบบคอมพิวเตอร์เรียนรู้ด้วยตัวเอง

ลำพัง Ng เขียนหนังสือเล่มใหม่ก็คงเป็นข่าวอยู่แล้ว แต่เขากลับเปิดตัวหนังสือเล่มนี้ด้วยการเปิดลงทะเบียนรับร่างหนังสือฟรี โดยจะได้รับทีละบทเมื่อเขาเขียนเสร็จไปเรื่อยๆ

เขาระบุว่าหนังสือจะหนาเพียงประมาณ 100 หน้า และแต่ละบทจะสั้นๆ เพียง 1-2 หน้าเท่านั้น

ลงทะเบียนรับหนังสือได้ที่เว็บ mlyearning.org

ที่มา - Facebook: Andrew Ng

Google ประกาศเปิดศูนย์วิจัยและพัฒนา Machine Learning ในทวีปยุโรป ซึ่งตั้งอยู่ที่เมืองซูริค ประเทศสวิตเซอร์แลนด์ เพื่อดึงตัวผู้เชี่ยวชาญจากมหาวิทยาลัยดังๆ ในยุโรปมาร่วมงานได้ง่ายมากขึ้น

Google ระบุว่าศูนย์นี้จะเน้นไปที่การพัฒนา Machine Intelligence หรือการวิจัยและพัฒนาโครงสร้างพื้นฐานของ Machine Learning รวมไปถึงการใช้งานจริง, Natural Language Processing & Understanding ซึ่งนักวิจัยจะได้ทำงานร่วมกับนักภาษาศาสตร์ เพื่อพัฒนาการเข้าใจภาษาธรรมชาติของปัญญาประดิษฐ์ให้มากขึ้น และ Machine Perception หรือการทำความเข้าใจและตีความภาพ, เสียง, วิดีโอและเพลงของปัญญาประดิษฐ์

ข่าวสั้นครับ The Weather Company บริษัทลูกของ IBM ที่ได้มาจากการซื้อกิจการในปีที่แล้ว ประกาศเปิดตัว Deep Thunder ระบบพยากรณ์อากาศที่บริษัทพัฒนาร่วมกับ IBM Research โดยอาศัยหลักการของ machine learning เข้ามาช่วยพยากรณ์สภาวะอากาศสำหรับท้องถิ่น ในระยะเวลาสั้นๆ ได้ ทำให้วางแผนธุรกิจได้ดีขึ้น

Deep Thunder เป็นระบบที่ใช้ machine learning เข้ามาพยากรณ์อากาศจากฐานข้อมูลที่มีอยู่ และนำมาประเมินผลกระทบที่มีต่อธุรกิจ อย่างเช่น จำนวนลูกค้าที่อาจจะลดลง หรือการบริหารสินค้าที่จำหน่าย ตลอดจนถึงในกรณีที่บริษัทประกันภัย ต้องประเมินความเสี่ยงและเบี้ยประกัน สามารถใช้บริการของ Deep Thunder เพื่อประเมินสภาพอากาศและความเสี่ยงที่เกี่ยวข้องได้โดยตรง

TensorFlow เฟรมเวิร์คสำหรับพัฒนาระบบ machine learning ออกรุ่น 0.9.0 RC0 รองรับแพลตฟอร์มเพิ่มเติมได้แก่ Python 3.5 และ iOS เข้ามาแล้ว จากเดิมที่รองรับเฉพาะแอนดรอยด์

รุ่น 0.9.0 RC0 นี้มีนักพัฒนาภายนอกกูเกิลส่งโค้ดเข้าโครงการแล้ว 46 คน และตอนนี้เองก็ยังมีแพตช์ส่งเข้ามาเรื่อยๆ

การที่ TensorFlow รองรับแพลตฟอร์มที่หลากหลายขึ้นแบบนี้ในอนาคตถ้าใครจะ train โมเดลเพื่อไปใช้ในอุปกรณ์เคลื่อนที่ก็คงตัดสินใจกันได้ง่ายขึ้น

ที่มา - TensorFlow, CNET

ในอีกไม่กี่ปีข้างหน้า รถยนต์อาจมีระบบการยืนยันตัวและตรวจสอบผู้ขับขี่ได้อย่างมีประสิทธิภาพ หลังนักวิจัยจากมหาวิทยาลัยวอชิงตันและมหาวิทยาลัยแคลิฟอร์เนีย โชว์งานวิจัยระบบที่สามารถตรวจพิสูจน์ตัวตนของผู้ขับขี่ ได้จากพฤติกรรมการขับรถ

ระบบ Machine Learning จะรวบรวมพฤติกรรมการขับรถทั้งหมด ไม่ว่าจะเป็นการเหยียบคันเร่ง การเหยียบเบรก หรือแม้แต่การควบคุมพวงมาลัยผ่านระบบ Controller Area Network (CAN) ของรถ ก่อนจะนำไปวิเคราะห์และแยกแยะตัวตนของผู้ขับ โดยนักวิจัยระบุว่า จากที่เคยทดสอบมา อัลกอริทึมสามารถแยกแยะคนขับได้ถูกต้องถึง 100% โดยใช้เวลารวบรวมข้อมูลจากการขับรถเพียง 15 นาทีเท่านั้น (เฉพาะการเบรกก็สามารถแยกแยะคนขับได้ถูกต้องถึง 87% เข้าไปแล้ว)

รศ.ดร.จาตุรงค์ ตันติบัณฑิต อาจารย์คณะวิศวกรรมศาสตร์แห่งมหาวิทยาลัยธรรมศาสตร์ ได้พัฒนาแอพ Bagtector แอพมือถือที่อาศัยพลังของปัญญาประดิษฐ์มาวิเคราะห์ภาพถ่ายกระเป๋าหรูยี่ห้อ Hermes ว่ากระเป๋าใบดังกล่าวเป็นของแท้หรือไม่

Bagtector (bag + detector) ใช้พลังของโครงข่ายประสาทเทียมเชิงลึกที่ผ่านการสอนให้รู้จักภาพถ่ายโลโก้ Hermes ที่ถ่ายมาจากกระเป๋าของแท้กว่า 200 ใบ เทียบกับภาพถ่ายโลโก้ Hermes จากกระเป๋าปลอมสารพัดเกรดอีกกว่า 100 ใบ โดยใช้เวลานานกว่า 2 เดือน จนทำให้มันสามารถแยกแยะได้ว่าภาพโลโก้ Hermes แต่ละภาพนั้นเป็นภาพจากกระเป๋าของแท้หรือไม่ ซึ่งโลโก้บนกระเป๋าของแท้จะมีรายละเอียดเรื่องริ้วรอยที่เกิดจากแรงอัดในการประทับตราในกระบวนการผลิต ทั้งยังร่องรอยพื้นผิวของวัสดุกระเป๋าซึ่งเป็นลักษณะเฉพาะที่ Bagtector สามารถนำมาใช้เพื่อการแยกแยะตรวจสอบหาของแท้-ของปลอมได้

ข่าวน่าสนใจที่กูเกิลแถลงในงาน Google I/O เมื่อวานนี้คือ "หน่วยประมวลผล" ที่บริษัทออกแบบเองเพื่องานด้าน machine learning โดยกูเกิลเรียกมันว่า Tensor Processing Unit (TPU) (ตั้งให้ล้อกับชื่อซอฟต์แวร์ TensorFlow)

TPU เป็นแผงวงจรเฉพาะด้าน application-specific integrated circuit (ASIC) ที่กูเกิลออกแบบขึ้นเอง ขนาดบอร์ด TPU ที่กูเกิลออกแบบ มีขนาดเล็กกว่าสล็อตเสียบฮาร์ดดิสก์ในแร็คปกติ

หลังจากที่ปัญญาประดิษฐ์ชื่อ Ms. Watson เป็นผู้ช่วยอาจารย์มหาวิทยาลัยไปแล้ว คราวนี้ถึงคราวอาชีพนักกฎหมายกันบ้าง ROSS Intelligence ผู้พัฒนาปัญญาประดิษฐ์สำหรับงานกฎหมาย ประกาศเมื่อวันพฤหัสที่แล้ว (5 พ.ค. 59) ว่า บริษัทที่ปรึกษากฎหมายชื่อดังอย่าง Baker & Hostetler LLP ซึ่งมีที่ปรึกษากฎหมาย 940 คน ใน 14 สาขาทั่วประเทศสหรัฐอเมริกา ได้จ้าง ROSS เป็นที่ปรึกษากฎหมายซึ่งเป็นปัญญาประดิษฐ์คนแรกของโลก (the world’s first artificially intelligent attorney)

อุปสรรคอย่างหนึ่ง สำหรับนักวิจัยไม่ว่าจะสายสังคมศาสตร์หรือวิทยาศาสตร์ คือการค้นหาบทความหรือวารสารทางวิชาการ สำหรับการค้นคว้าและอ้างอิง ครั้นจะหาจาก Google ก็อาจจะไม่ได้ข้อมูลที่ต้องการ จึงจำเป็นต้องไปหาจากแหล่งที่รวบรวมบทความและวารสารทางวิชาการอาทิ JSTOR แต่จุดอ่อนของเว็บไซต์เหล่านี้ก็คือ ความสามารถในการค้นหาของเอนจินบนเว็บที่ยังสู้ Google ไม่ได้

ซีรี่ส์ Game of Thrones จุดประกายให้ชั้นเรียนวิทยาศาสตร์คอมพิวเตอร์ของมหาวิทยาลัยเทคนิคในมิวนิค เยอรมนี (Technical University of Munich) สร้างเว็บไซต์ทำนายตัวละครที่จะตายในซีซั่นหก โดยใช้เทคนิค machine learning จากนั้นทีมงานซึ่งประกอบด้วยอาจารย์และนักเรียน ก็รวบรวมผลการทำนายลงในเว็บไซต์ got.show ให้ดูกัน

ผลออกมาพบว่าความแม่นยำของอัลกอริทึมทำนายว่าตัวละครไหนจะตาย สูงถึง 74% (ถ้าอยากหลบสปอยล์ อย่าเผลอคลิกเข้าไปดูเชียว)