• TatiyaDang
  • ranking : สมาชิกทั่วไป
  • email : tatiyaw@yahoo.com
  • วันที่สร้าง : 2018-12-03
  • จำนวนเรื่อง : 56
  • จำนวนผู้ชม : 21876
  • ส่ง msg :
  • โหวต 4 คน
บอกเล่าเรื่องราวด้วยเสียงดนตรี
วันอังคาร ที่ 1 มกราคม 2562
Posted by TatiyaDang , ผู้อ่าน : 904 , 23:09:42 น.  
หมวด : วิทยาศาสตร์/ไอที

พิมพ์หน้านี้
โหวต 0 คน

 

Alan Walker - All Falls Down

 

ก่อนเข้าสู่เนื้อหาของภาค 5 ขอพูดถึงความแตกต่างระหว่าง Artificial Intelligence (AI), Machine Learning (ML), Deep Learning (DL)

 

 

 argility.com

 

ML is subset of AI and DL is subset of ML.

Artificial Intelligence (AI) คือโปรแกรมคอมพิวเตอร์อัจฉริยะ ที่มีความสามารถในการเรียนรู้และฉลาดเหมือนมนุษย์

Machine Learning เป็นส่วนหนึ่งของ AI โดยการป้อนข้อมูลมหาศาลให้คอมพิวเตอร์และให้มันเรียนรู้ด้วยตัวเอง คอมพิวเตอร์จะใช้โปรแกรมที่ซับซ้อนที่เรียกว่า อัลกอริธึม (Algorithms) ในการวิเคราะห์ข้อมูลจำนวนมหาศาล จดจำรูปแบบของข้อมูล และทำนายผลลัพธ์ออกมาให้มีข้อผิดพลาดน้อยที่สุด โดยคอมพิวเตอร์ตัวนี้ไม่ต้องการความช่วยเหลือจากโปรแกรมเมอร์  ไม่ต้องเขียนโค้ด เขียนโปรแกรมให้มัน คอมพิวเตอร์ตัวนี้จะหาวิธีทำงานจนสำเร็จด้วยตัวมันเอง และมันจะยิ่งฉลาดขึ้นเมื่อเวลาผ่านไปหรือได้เรียนรู้มากขึ้น

Deep Learning เป็นส่วนหนึ่งหรือศาสตร์แขนงหนึ่งของ Machine Learning เป็นส่วนที่ได้รับแรงบันดาลใจจากการทำงานของสมองของมนุษย์ สมองของมนุษย์เป็น 'เครื่องจักร' ที่ดีที่สุดในการเรียนรู้และแก้ปัญหา เชื่อว่าองค์ประกอบการคำนวณหลักของสมองของเราคือเซลล์ประสาท (neuron) เซลล์ประสาทที่เชื่อมโยงกันอย่างซับซ้อนแบบโครงข่าย (network) เป็นพื้นฐานของการตัดสินใจทั้งหมดที่เกิดขึ้นจากข้อมูลที่รวบรวมได้ นี่เป็นวิธีการที่มนุษย์สร้างโครงข่ายประสาทเทียม (Artificial Neural Network หรือเรียกสั้นๆว่าNeural Network) ซึ่งเลียนแบบการทำงานของสมองมนุษย์

ผู้เขียนขอนำส่วนหนึ่งในบทความของคุณ Vithan Minaphinant และ คุณ Pakpoom Thaweesitthichat ใน medium.com มาอธิบายหลักการทำงานของ Deep Learning ให้เข้าใจอย่างง่ายๆ

 

เมื่อดวงตาเห็นรูปน้องหมา รูปน้องหมาถูกนำไปประมวลผล และได้คำตอบว่า นี่คือหมา”

การทำงานของโครงข่ายประสาทเทียม (Neural Network) จะประกอบด้วยส่วนสำคัญ 3 ส่วน

1.สิ่งที่ตาเห็น คือ ภาพน้องหมา (Input ข้อมูลที่รับมา)

2.สิ่งที่ระบบเซลล์ประสาทในสมองประมวลผล เทียบได้กับ hidden layer (สามารถมีมากกว่า 1 layer ได้)

3.สิ่งที่สมองตอบหลังประมวลผลว่านี่คือ น้องหมา (Output ผลลัพธ์)

ดังนั้น สมองคนเปรียบได้ดั่ง Hidden Layer เชื่อมต่อระหว่าง input และ output

 

Medium.com

Deep Learning  เป็นโครงข่ายประสาทเทียม (Neural Network) ที่มี Hidden layer มากกว่า 1 layer ความสามารถของมันในอนาคตอาจจะเหนือมนุษย์ เนื่องจากสามารถเพิ่มพลังประมวลผลได้ไม่จำกัด ซึ่งไม่เหมือนกับสมองมนุษย์ที่ถูกจำกัดด้วยขบวนการทางชีวภาพ

 

OneRepublic - Love Runs Out

 

Googl ใช้ AI ช่วยให้เกษตรกรระบุพืชที่เป็นโรค

          มันสำปะหลังเป็นพืชที่คนแอฟริกามากกว่า 1 พันล้านคนบริโภคต่อวันและเป็นแหล่งโปรตีนที่ดี แม้ว่ามันสำปะหลังจะเป็นพืชที่ทนต่อความแห้งแล้งและสามารถเจริญเติบโตได้ในบริเวณที่มีดินน้อย แต่มันไวต่อโรคและมีแมลงศัตรูพืชมากมายมารบกวน สัญญาณการเป็นโรคของต้นมันสำปะหลังเกิดขึ้นและปรากฏให้เห็นช้า กว่าที่เกษตรกรจะรู้ตัวว่าต้นมันสำปะหลังที่ตัวเองปลูกอยู่เป็นโรคก็สายเกินแก้แล้ว

           PlantVillage ซึ่งเป็นศูนย์การวิจัยของ Penn State University และ International Institute of Tropical Agriculture หรือ IITA (สถาบันการเกษตรเขตร้อนนานาชาติ) พัฒนาแอพพลิชั่นที่ใช้ในมือถือที่เรียกว่า Nuru ช่วยในการระบุโรคที่เกิดขึ้นกับต้นมันสำปะหลัง เพื่อช่วยให้เกษตรกรจัดการกับพืชที่เป็นโรคได้อย่างทันท่วงที และแอพนี้ถูกพัฒนาให้สามารถใช้ในมือถือที่ไม่มีสัญญาณอินเตอร์เน็ต เนื่องจากต้นมันสำปะหลังเป็นพืชที่มักปลูกในพื้นที่แห้งแล้งกันดาร ส่วนใหญ่เป็นพื้นที่ที่ไม่มีสัญญาณอินเตอร์เน็ต

 

 

ตัวอย่างของลักษณะใบพืชมันสำประหลังที่เป็นโรค  ภาพจาก blog.google.com

         

            นักวิจัยได้ป้อนภาพมันสำปะหลังที่เป็นโรคจำนวนหลายพันภาพ ซึ่งเป็นภาพที่มาจากฐานข้อมูลของ Google ที่รวบรวมโดยผู้เชี่ยวชาญด้านโรคพืชทั่วโลก ให้กับ AI ประเภท Machine Learning ของ Google เพื่อฝึกฝนให้มันเรียนรู้ในการระบุโรคที่เกิดขึ้นในพืชชนิดนี้ จากนั้นมันถูกนำไปใช้ในแอพพลิเคชั่น Nuru ของมือถือ ซึ่งสามารถทำงานโดยไม่ต้องเชื่อมต่ออินเตอร์เน็ต แอพนี้จะทำงานคู่กันกับกล้องของมือถือเพื่อจับภาพพืชที่เป็นโรค เกษตรกรจะส่องมือถือไปที่ใบของต้นมันสำปะหลัง และหากพืชมีโรค แอพสามารถระบุโรคของพืชด้วยความแม่นยำสูง นอกจากนี้แอพยังให้ข้อมูลและคำแนะนำในวิธีที่ดีที่สุดในการจัดการโรคของพืชแก่ผู้ใช้

 

วีดิโอแสดงการใช้แอพพลิเคชั่น Nuru

 

      นอกจากแอพพลิเคชั่น Nuru ที่พัฒนาโดยนักวิทยาศาสตร์ระดับสูงแล้ว ที่เจ๋งสุดๆต้องขอคารวะเลย คือ PlantMD ซึ่งเป็นแอพพลิเคชั่นใน Google Play บนมือถือที่สามารถระบุโรคของพืชหลายร้อยชนิดจากภาพ  พัฒนาโดยเด็กนักเรียนมัธยมปลายของโรงเรียนShaza Mehdi และ Nile Ravenell นักวิจัยรุ่นเยาว์เหล่านี้ได้รับแรงบันดาลใจจากงานวิจัยของ PlantVillage ที่พัฒนาแอพพลิเคชั่น Nuru ที่ได้กล่าวมาแล้วข้างต้น  และในงาน Google I/O 2018 ก็ได้สาธิตแอพ PlantMD ให้กับผู้เข้าร่วมประชุมด้วย

 

 

นักเรียนมัธยมปลายจากโรงเรียน Shaza Mehdi และ Nile Ravenell  ผู้สร้างแอพ PlantMD

ภาพจาก gwinnettdailypost.com

   

       PlantMDเป็นแอพพลิเคชั่นที่ใช้ AI ประเภท Machine Learning ช่วยให้เกษตรกรตรวจหาโรคในพืชจำพวกผักและผลไม้ โดยนักวิจัยรุ่นเยาว์เหล่านี้ได้ใช้ข้อมูลจาก TensorFlow ของ Google ช่วยในการศึกษาและพัฒนาแอพนี้ขึ้นมาด้วย หลักการทำงานของแอพ PlantMD เป็นลักษณะเดียวกับแอพ Nuru คือ AI ทำงานร่วมกับกล้องของมือถือ

หมายเหตุ : TensorFlow เป็นแหล่งข้อมูลเกี่ยวกับ Machine Learning ที่ Google เปิดให้สาธารณะชนเข้าถึง (open source machine learning library)

      ทั้ง PlantMD และ Nuru เป็นส่วนหนึ่งที่แสดงให้เห็นถึงแนวโน้มที่กำลังเปลี่ยนแปลงไปของอุตสาหกรรมการเกษตรที่ใช้ AI เข้าช่วยเหลือเกษตรกรทั่วโลก

      ล่าสุดเมื่อกลางปี 2018 Google ได้ประกาศจะจัดตั้งศูนย์วิจัย AI (Google AI research center) ในประเทศกาน่า ซึ่งถือเป็นศูนย์ AI แห่งแรกในแอฟริกา เน้นวิจัย AI ในการทำงานด้านการเกษตร, การศึกษา และสุขภาพ   

 

 Lord Huron - The Night We Met

 

มาดูวิธีการใช้ประโยชน์จาก AI มาช่วยในการทำสวนแตงกวาของเกษตรกรชาวญี่ปุ่นซึ่งไม่มีความรู้ทางด้าน AI

   

      นายมาโกโตะได้เข้ามาทำสวนแตงกวาของครอบครัว พ่อของมาโกโตะภูมิใจมากกับแตงกวาแบบมีหนามจากแปลงปลูกแตงกวาของเขา ทุ่มเทชีวิตให้กับการส่งมอบแตงกวาที่สดและกรอบ แตงกวาตรงและหนาที่มีสีสดใส ถือเป็นเกรดพรีเมี่ยมและราคาสูงมากในตลาด

 

 

cloud.google.com

           

       สำหรับมาโกโตะ เขาพบว่าการคัดเลือก (sorting) แตงกวานั้นยากและยุ่งยากพอ ๆ กับการปลูกพวกมัน "แตงกวาแต่ละชนิดมี สี รูปร่าง ขนาด ความหนา คุณภาพ และความสดใหม่ ที่แตกต่างกัน" ครอบครัวของเขาต้องใช้เวลาถึง 8 ชม.ต่อวัน ในการคัดเลือกแตงกวาเหล่านี้

               

                นายมาโกโตะและพ่อแม่ในแปลงปลูกแตงกวา ภาพจาก cloud.google.com

       

              วันหนึ่งนายมาโกโตะได้เห็น AlphaGo ซึ่งเป็น AI ประเภท Deep Learning ของ Google DeepMind ที่สามารถเอาชนะแชมป์โลกชาวจีนแบบขาดลอย ในการแข่งขันเล่นหมากโกะ (Go) ซึ่งเป็นหมากกระดานที่ซับซ้อนมาก การได้เห็น AlphaGo นี้ ได้สร้างแรงกระตุ้นให้มาโกโตะเริ่มศึกษาการนำเทคโนโลยี Deep Learning มาใช้ในการคัดเลือก (sorting) แตงกวาของตนเอง

                มาโกโตะจึงเข้าไปที่TensorFlow (Open source machine learning library) ซึ่งเป็นแหล่งข้อมูลเกี่ยวกับ Machine Learning ที่ Google เปิดให้สาธารณะชนเข้าถึง (รวมถึง Deep Learning, Deep Learning เป็นส่วนหนึ่งของ Machine Learning)

 

wikipedia.org 

               

             สิ่งแรกที่ทำคือ มาโกโตะพยายามหาภาพของแตงกวาพันธุ์เดียวกับที่เขาปลูก ในฐานข้อมูลของ TensorFlow แล้วเขาก็เจอมัน นี้ทำให้มาโกโตะมีความมั่นใจว่า Deep Learning ของ Google สามารถช่วยให้เขาแก้ไขปัญหาที่เขาเผชิญอยู่ได้

                มาโกโตะกล่าวให้ฟังว่า ในการใช้ข้อมูลจาก TensorFlow นั้น คุณไม่จำเป็นต้องเป็นนักวิทยาศาสตร์ที่มีความรู้ในโมเดลคณิตศาสตร์ขั้นสูงหรือการประมวลผลที่ซับซ้อนแบบอัลกอริธึม (Algorithms) เราเพียงแค่เข้าไปดาวน์โหลดโค้ด (code) ตัวอย่างและอ่านคำแนะนำ คุณก็สามารถเริ่มต้นใช้ประโยชน์จาก Machine Learning หรือ Deep Learning ได้ทันที

               Google ได้เปิดให้สาธารณะชนเข้าถึง TensorFlow มาตั้งแต่ต้นปี 2017 ที่ผ่านมาได้มีวิศวกรที่ไม่ได้อยู่ในศาสตร์แขนงของ AI จำนวนมากได้เข้าไปเล่นกับเทคโนโลยีนี้ด้วยชุดข้อมูลและแอพพลิเคชั่นของตนเอง

 

ปัจจัยสำคัญที่ส่งผลต่อ Deep Learning

   

          ในการนำ Deep Learning หรือโครงข่ายประสาทเทียม (Neural Network) มาช่วยในการคัดเลือก (sorting) แตงกวา มาโกโตะต้องฝึกฝนมันก่อน มาโกโตะใช้เวลา 3 เดือนในการถ่ายภาพแตงกวา 7,000 รูปป้อนให้กับโครงข่ายประสาทเทียม (Neural Network)  เพื่อฝึกให้มันเรียนรู้จากภาพ เขาพบว่าภาพถ่ายจำนวน 7,000 ภาพนั้นไม่เพียงพอ

"เมื่อผมทำการทดสอบความถูกต้องด้วยการป้อนภาพตัวอย่างให้กับโครงข่ายประสาทเทียม (Neural Network)  ผลที่ออกมามีความถูกต้อง 95% แต่พอผมให้มันทำงานจริง ผลลัพธ์ที่ออกมามีความถูกต้องลดลงเหลือ 70% ตอนแรกผมสงสัยว่า Neural Network มีปัญหา ในเวลาต่อมาผมทราบว่าเป็นเพราะผมป้อนภาพตัวอย่างให้มันเรียนรู้น้อยไป

          สรุปก็คือ ต้องใช้ “Large number of training data sets” ในการฝึกฝนโครงข่ายประสาทเทียม (Neural Network)   ยิ่งป้อนข้อมูลให้มันเรียนรู้มากเท่าไร ความถูกต้องที่ได้ก็จะมากยิ่งขึ้น”               

        

        ปัจจัยที่สองคือ Deep Learning ใช้คอมพิวเตอร์ที่มีพลังในการประมวลผลที่สูงมาก เครื่องคัดแยกแตงกวาของมาโกโตะใช้ Windows desktop PC ในการฝึกฝนโครงข่ายประสาทเทียม (Neural Network) ซึ่งกินเวลา 2-3 วันทีเดียวในการฝึกฝน Neural Network ให้เรียนรู้จากภาพ 7,000 ภาพ

        การเพิ่มประสิทธิภาพการทำงานของ Deep Learning ต้องใช้ Computer Servers สูงๆ  แน่นอนมีค่าใช้จ่ายสูงตามมา เพื่อช่วยแก้ปัญหานี้ Google ได้เสนอ Cloud Machine Learning (Cloud ML) ให้กับมาโกโตะ

        มาโกโตะกำลังรอคอย Cloud ML นี้อย่างใจจดใจจ่อ "ผมหวังว่าผมจะสามารถใช้ Cloud ML ในการฝึกโครงข่ายประสาทเทียม (Neural Network) ด้วยจำนวนภาพที่มากขึ้นและความละเอียดของภาพที่สูงขึ้น นอกจากนี้ผมจะลองเปลี่ยนค่าพารามิเตอร์และอัลกอริธึมต่าง ๆ ของ Neural Network เพื่อดูว่ามันจะมีความแม่นยำมากขึ้นอย่างไร ก็ต้องคอยดูกัน" 

 

หมายเหตุ : Cloud Machine Learning (Cloud ML) นั้น Google ออกแบบมาให้สำหรับนักวิจัย นักพัฒนา ที่อยากใช้ Deep Learning แต่ไม่อยากลงทุนในการสร้างระบบเอง หรือไม่มีเงินเพียงพอในการซื้อคอมพิวเตอร์ที่มีพลังในการประมวลผลสูงๆ ก็สามารถเช่า Could ML ของ Google ได้ โดยผู้ใช้ป้อนข้อมูลลงไปให้กับโครงข่ายประสาทเทียม (Neural Network) ของ Could ML ผลลัพธ์ออกมาเป็นโมเดลพร้อมใช้ทำนาย (prediction) ทันที

Google จะเป็นผู้สร้าง Cloud ML ให้ เราแค่จ่ายเงินให้ Google

 

นี้เป็นวีดิโอแสดงการทำงานของเครื่องคัดแยกแตงกวาของมาโกโตะ

 

 

         Alphabet ซึ่งเป็นบริษัทแม่ของ Google กำลังคิดหาทางที่จะใช้ AI และหุ่นยนต์เข้าช่วยในการทำฟาร์มเกษตร นาย Astro Teller ซึ่งเป็นหัวหน้าห้องทดลองลับ (Secret Lab) ของ Alphabet ที่ชื่อ “X Lab” ได้กล่าวในที่ประชุมของ MIT Technology Review’s EmTech Digital conference เมื่อเดือนมีนาคม 2018 ว่าขณะนี้นักวิจัยของ lab กำลังศึกษาการนำ AI เข้าช่วยในการทำฟาร์มเกษตร ก็ต้องคอยดูกันต่อไปว่า Google จะพัฒนา AI เข้าช่วยในการทำฟาร์มอย่างไร

 

Luke Bryan - Rain Is A Good Thing 

 

ขอเผยแพร่แนวคิด "แม่น้ำเจ้าพระยา หนทางแก้ปัญหาภัยแล้งในภาคอีสาน"    

เจ้าพระยา เพื่อนข้า ข้าอยากพาเจ้าไปแผ่นดินอีสาน#1    

เจ้าพระยา เพื่อนข้า ข้าอยากพาเจ้าไปแผ่นดินอีสาน#2    

สติแตก เพราะอ่านเจอโครงการเก่าแต่ชื่อใหม่

"TAP" Water for Life โครงการลำเลียงน้ำจืดผ่านทางท่อยาว 8,800 กม.ในแอฟริกา

 

 

สามารถอ่านตอนต่างๆของเรื่องนี้ได้ตามลิงค์ต่อไปนี้

จริงหรือไม่ที่ Google กำลังสร้าง AI ให้กลายเป็น Skynet#18 Final

จริงหรือไม่ที่ Google กำลังสร้าง AI ให้กลายเป็น Skynet#17 AI cheated

จริงหรือไม่ที่ Google กำลังสร้าง AI ให้กลายเป็น Skynet#16 Exoplanets

จริงหรือไม่ที่ Google กำลังสร้าง AI ให้กลายเป็น Skynet#15 Genome/Mutation

จริงหรือไม่ที่ Google กำลังสร้าง AI ให้กลายเป็น Skynet#14 AI creates AI

จริงหรือไม่ที่ Google กำลังสร้าง AI ให้กลายเป็น Skynet#13 Music and Art

จริงหรือไม่ที่ Google กำลังสร้าง AI ให้กลายเป็น Skynet#12 AI dreams

จริงหรือไม่ที่ Google กำลังสร้าง AI ให้กลายเป็น Skynet#11 AI gets aggressive

จริงหรือไม่ที่ Google กำลังสร้าง AI ให้กลายเป็น Skynet#10 AlphaGo

จริงหรือไม่ที่ Google กำลังสร้าง AI ให้กลายเป็น Skynet#9 Air pollution

จริงหรือไม่ที่ Google กำลังสร้าง AI ให้กลายเป็น Skynet#8 Deforestation

จริงหรือไม่ที่ Google กำลังสร้าง AI ให้กลายเป็น Skynet#7 Climate change

จริงหรือไม่ที่ Google กำลังสร้าง AI ให้กลายเป็น Skynet#6 Fishing/wildlife

จริงหรือไม่ที่ Google กำลังสร้าง AI ให้กลายเป็น Skynet#5 AI Agriculture

จริงหรือไม่ที่ Google กำลังสร้าง AI ให้กลายเป็น Skynet#4 Natural disasters

จริงหรือไม่ที่ Google กำลังสร้าง AI ให้กลายเป็น Skynet#3 Mobile applications

จริงหรือไม่ที่ Google กำลังสร้าง AI ให้กลายเป็น Skynet#2 Self-driving car

จริงหรือไม่ที่ Google กำลังสร้าง AI ให้กลายเป็น Skynet#1 Health care

 





แสดงความคิดเห็น


ถึง บล็อกเกอร์ ทุกท่าน โปรดอ่าน
   ด้วยทาง บริษัท จีเอ็มเอ็ม แกรมมี่ จำกัด (มหาชน) ได้ติดต่อขอความร่วมมือ มายังเว็บไซต์และเว็บบล็อกต่าง ๆ รวมไปถึงเว็บบล็อก OKnation ห้ามให้มีการเผยแพร่ผลงานอันมีลิขสิทธิ์ ของบริษัท จีเอ็มเอ็ม แกรมมี่ฯ บนเว็บ blog โดยกำหนดขอบเขตของสิ่งที่ห้ามทำ และสามารถทำได้ ดังนี้
ห้ามทำ
- การใส่ผลงานเพลงต้นฉบับให้ฟัง ทั้งแบบควบคุมเพลงได้ หรือซ่อนเป็นพื้นหลัง และทั้งที่อยู่ใน server ของคุณเอง หรือ copy code คนอื่นมาใช้
- การเผยแพร่ file ให้ download ทั้งที่อยู่ใน server ของคุณเอง หรือฝากไว้ server คนอื่น
สามารถทำได้
- เผยแพร่เนื้อเพลง ต้องระบุชื่อเพลงและชื่อผู้ร้องให้ชัดเจน
- การใส่เพลงที่ร้องไว้เอง ต้องระบุชื่อผู้ร้องต้นฉบับให้ชัดเจน
จึงเรียนมาเพื่อโปรดปฎิบัติตาม มิเช่นนั้นทางบริษัท จีเอ็มเอ็ม แกรมมี่ฯ จะให้ฝ่ายดูแลลิขสิทธิ์ ดำเนินการเอาผิดกับท่านตามกฎหมายละเมิดลิขสิทธิ์
OKNATION



กฎกติกาการเขียนเรื่องและแสดงความคิดเห็น
1 การเขียน หรือแสดงความคิดเห็นใด ๆ ต้องไม่หมิ่นเหม่ หรือกระทบต่อสถาบันชาติ ศาสนา และพระมหากษัตริย์ หรือกระทบต่อความมั่นคงของชาติ
2. ไม่ใช้ถ้อยคำหยาบคาย ดูหมิ่น ส่อเสียด ให้ร้ายผู้อื่นในทางเสียหาย หรือสร้างความแตกแยกในสังคม กับทั้งไม่มีภาพ วิดีโอคลิป หรือถ้อยคำลามก อนาจาร
3. ความขัดแย้งส่วนตัวที่เกิดจากการเขียนเรื่อง แสดงความคิดเห็น หรือในกล่องรับส่งข้อความ (หลังไมค์) ต้องไม่นำมาโพสหรือขยายความต่อในบล็อก และการโพสเรื่องส่วนตัว และการแสดงความคิดเห็น ต้องใช้ภาษาที่สุภาพเท่านั้น
4. พิจารณาเนื้อหาที่จะโพสก่อนเผยแพร่ให้รอบคอบ ว่าจะไม่เป็นการละเมิดกฎหมายใดใด และปิดคอมเมนต์หากจำเป็นโดยเฉพาะเรื่องที่มีเนื้อหาพาดพิงสถาบัน
5.การนำเรื่อง ภาพ หรือคลิปวิดีโอ ที่มิใช่ของตนเองมาลงในบล็อก ควรอ้างอิงแหล่งที่มา และ หลีกเลี่ยงการเผยแพร่สิ่งที่ละเมิดลิขสิทธิ์ ไม่ว่าจะเป็นรูปแบบหรือวิธีการใดก็ตาม 6. เนื้อหาและความคิดเห็นในบล็อก ไม่เกี่ยวข้องกับทีมงานผู้ดำเนินการจัดทำเว็บไซต์ โดยถือเป็นความรับผิดชอบทางกฎหมายเป็นการส่วนตัวของสมาชิก
คลิ้กอ่านเงื่อนไขทั้งหมดที่นี่"
OKnation ขอสงวนสิทธิ์ในการปิดบล็อก ลบเนื้อหาและความคิดเห็น ที่ขัดต่อความดังกล่าวข้างต้น โดยไม่ต้องชี้แจงเหตุผลใดๆ ต่อเจ้าของบล็อกและเจ้าของความคิดเห็นนั้นๆ
   

กลับไปหน้าที่แล้ว กลับด้านบน

<< มกราคม 2019 >>
อา พฤ
    1 2 3 4 5
6 7 8 9 10 11 12
13 14 15 16 17 18 19
20 21 22 23 24 25 26
27 28 29 30 31    



[ Add to my favorite ] [ X ]