AWS AI Services (บริการ AI สำเร็จรูป)
Rekognition, Polly, Transcribe, Translate, Textract
Pre-trained AI Services
คำศัพท์เพิ่มเติม: - OCR (Optical Character Recognition): การแปลงตัวอักษรที่อยู่ในรูปภาพหรือเอกสารแสกนให้เป็นข้อความ Text
AWS AI Services เปรียบเสมือน "อาหารสำเร็จรูปแช่แข็ง" คุณไม่ต้องรู้เลยว่าเกษตรกรปลูกข้าวยังไง หรือเชฟปรุงรสยังไง (ไม่ต้องรู้เรื่อง Machine Learning หรือการทำโมเดล) หน้าที่ของคุณคือแค่กดปุ่มอุ่นไมโครเวฟ (เรียก API) คุณก็ได้ผลลัพธ์มาใช้งานทันที
บริการเหล่านี้คือ AI ที่ AWS เทรนมาให้เสร็จสรรพ คุณแค่เรียกใช้ผ่าน API โดยไม่ต้องมีความรู้ด้าน ML เลย ซึ่งเป็นส่วนสำคัญมากในข้อสอบ AIF-C01
สรุป Key Takeaways
- Amazon Rekognition: วิเคราะห์รูปภาพและวิดีโอ เช่น Object detection, ตรวจจับใบหน้า
- Amazon Textract: แปลงเอกสารหรือ PDF เป็นข้อความ (PDF to text, OCR)
- Amazon Polly: แปลง Text เป็น Speech (เสียงพูด)
- Amazon Transcribe: แปลงไฟล์เสียงเป็นข้อความ (Audio to text)
- Amazon Translate: แปลภาษา
- Amazon Comprehend: ประมวลผลภาษาธรรมชาติ (NLP) วิเคราะห์ Sentiment หรือจับคำหยาบ (Toxicity)
คำถามที่พบบ่อย
บริการ AI สำเร็จรูปมีเยอะมาก ท่องยังไงให้ทัน
จำเป็นคู่ "งาน → บริการ": ข้อความ↔เสียง = Polly (พูด) / Transcribe (ถอดเสียง) · แปลภาษา = Translate · วิเคราะห์ข้อความ/ความรู้สึก = Comprehend · อ่านเอกสาร/ฟอร์ม = Textract · วิเคราะห์ภาพ/วิดีโอ = Rekognition · แชทบอท = Lex · ค้นหาองค์กร = Kendra · คาดการณ์/ตรวจ fraud = Fraud Detector — ข้อสอบถามตรงๆ แบบนี้หลายข้อ เก็บคะแนนง่าย
ใช้บริการสำเร็จรูปหรือ Bedrock ดี
ถ้างานตรงกับบริการเฉพาะทาง (ถอดเสียง, OCR, แปล) ใช้บริการนั้นเลย — ถูกกว่า แม่นกว่า ไม่ต้อง prompt ส่วน Bedrock เหมาะกับงาน generative ที่ยืดหยุ่น (สรุป เขียน ตอบจากบริบท) ข้อสอบชอบหลอกให้เลือก GenAI ทั้งที่บริการเฉพาะทางตอบโจทย์กว่า
Kendra ต่างจาก Knowledge Bases ยังไง
Kendra = enterprise search สำเร็จรูป (ค้นเอกสารองค์กรข้ามแหล่ง คืนผลเป็นรายการ+ข้อความตอบ) มีมาก่อนยุค GenAI ส่วน Knowledge Bases = RAG ที่ให้ LLM "เรียบเรียงคำตอบ" จากเอกสาร — ทั้งคู่ใช้ร่วมกันได้โดย Kendra เป็น retriever
ลองทำ Quiz ท้ายบท
คำถามแนวข้อสอบของโมดูลนี้ 2 ข้อ · เฉลยทันที