| 1 |
วัตถุประสงค์หลักของระบบหุ่นยนต์ที่กล่าวถึงในบทความคืออะไร
|
เพื่อดำเนินงานประกอบที่มีความแม่นยำสูง |
|
วัตถุประสงค์สูงสุดของงานวิจัยนี้ คือการสร้างระบบหุ่นยนต์สำหรับงานประกอบที่มีความแม่นยำสูงและสามารถทำงานได้อย่างน่าเชื่อถือ ซึ่งสอดคล้องกับคำตอบที่ว่า “เพื่อดำเนินงานประกอบที่มีความแม่นยำสูง” โดยเฉพาะในงานที่ต้องควบคุมแรงและตำแหน่งอย่างละเอียด เช่น การเสียบชิ้นส่วนขนาดเล็กที่ต้องใช้ทักษะระดับปลายนิ้วของมนุษย์เป็นต้นแบบ |
จากที่บทความเขียนว่า "In this study, the ultimate objective is to construct a high-precision assembly robotic system capable of reliably performing all tasks." แสดงให้เห็นชัดเจนว่าการพัฒนาหุ่นยนต์มีเป้าหมายเพื่อให้สามารถดำเนินงานประกอบที่ต้องใช้ความละเอียดและความถูกต้องสูง |
7 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 2 |
บทความกล่าวว่าอะไรคือความท้าทายที่สำคัญในการประกอบหุ่นยนต์?
|
ป้องกันความล้มเหลวในการประกอบ เช่น การกัดเพลาและรู |
|
บทความกล่าวชัดเจนว่าการประกอบชิ้นส่วน เช่น การเสียบเพลา (shaft) เข้ากับรู (hole) หากทำผิดตำแหน่งหรือใช้แรงไม่เหมาะสม อาจทำให้เกิดความเสียหาย เช่น การ "กัด" หรือ "บิดเบี้ยว" ได้ ซึ่งเป็น ปัญหาท้าทายสำคัญที่หุ่นยนต์ต้องเรียนรู้จากมนุษย์ในการควบคุมแรงและทิศทางอย่างละเอียด โดยเฉพาะในขั้นตอน fine insertion ที่ต้องใช้ความแม่นยำสูง และมักเป็นจุดที่เกิดข้อผิดพลาดมากที่สุด |
จากที่บทความเขียนว่า "Specifically, the focus is on high-precision parts fitting and the prevention of “failures” during assembly tasks such as biting of shafts and holes." ดังนั้น ความท้าทายที่สำคัญจึงไม่ใช่แค่การควบคุมทั่วไป แต่คือ การป้องกันข้อผิดพลาดในขั้นตอนสำคัญ fine insertion |
7 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 3 |
จากบทความปลายนิ้วของมนุษย์มีบทบาทอย่างไรในระบบหุ่นยนต์
|
เป็นแบบจำลองสำหรับการออกแบบเซ็นเซอร์สัมผัสบนหุ่นยนต์ |
|
บทความได้ศึกษาการวัดแรงและตำแหน่งของปลายนิ้วมือมนุษย์ระหว่างการประกอบชิ้นงานอย่างละเอียด ซึ่งปลายนิ้วของมนุษย์มีความสามารถในการควบคุมแรงกดและท่าทางอย่างแม่นยำสูง การเก็บข้อมูลเหล่านี้สามารถนำไปใช้เป็นต้นแบบ (template) ในการออกแบบ ระบบรับสัมผัส (tactile sensor) และ ระบบควบคุมหุ่นยนต์ ให้สามารถเลียนแบบการทำงานของมนุษย์ได้ |
จากที่บทความเขียนว่า "For example, if the gears at the tip of a shaft are pushed in without meshing, they will become deformed. we propose a robot that can avoid this by exploiting the feeling of human fingertips during a manual operation performed by a worker." และ "The pressure sensors are selected to be thin and small, so that they would not impede the force applied by fingertips during an assembly task..." ชี้ให้เห็นว่า การรับสัมผัสที่ละเอียดของปลายนิ้วมนุษย์ คือปัจจัยหลักที่ใช้เป็นต้นแบบในการออกแบบหุ่นยนต์ โดยเฉพาะในด้านของเซนเซอร์แรง (pressure sensors) และกลไกควบคุมการประกอบที่ละเอียดอ่อน เพื่อหลีกเลี่ยงความผิดพลาด เช่น การประกบเฟืองผิดที่อาจทำให้เพลางอหรือเสียรูปได้ |
7 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 4 |
วิธีการใดที่ใช้เพื่อหลีกเลี่ยงความล้มเหลวในกระบวนการประกอบ
|
การวัดข้อมูลแรงสัมผัส |
|
บทความระบุอย่างชัดเจนว่าในการประกอบชิ้นส่วนที่แม่นยำ ต้องวัด ทั้งขนาด (magnitude) และ ทิศทาง (direction) ของแรงที่ปลายนิ้วมนุษย์ใช้ โดยอุปกรณ์ที่ใช้คือ hexagonal holder ที่ติดตั้งเซนเซอร์แรงกด (pressure sensor) ซึ่งสามารถตรวจวัดแรงกดในแนวดิ่งได้ ด้วยเหตุนี้ การวัดแรงสัมผัสจึงเป็น เครื่องมือสำคัญที่ใช้เพื่อหลีกเลี่ยงข้อผิดพลาดในขั้นตอนการประกอบ เช่น การสอดชิ้นส่วนผิดมุมหรือใช้แรงไม่เหมาะสม ซึ่งอาจทำให้เกิดความเสียหายได้ |
จากที่บทความเขียนว่า "To accurately measure the magnitude and direction of the force applied with the fingertips, the sensors are attached to a regular hexagonal holder. In addition, by installing a pressure sensor at the bottom of the holder (which will be described later), the pushing force can also be measured." ชี้ให้เห็นถึงการประยุกต์ใช้งานเซนเซอร์ในการวัดแรงของมนุษย์ เพื่อใช้เป็นต้นแบบให้หุ่นยนต์สามารถควบคุมแรงได้อย่างแม่นยำ และ ลดโอกาสเกิดความล้มเหลวในกระบวนการประกอบ
|
7 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 5 |
อะไรคือผลลัพธ์ของความสำเร็จในการรวมเทคโนโลยีที่กล่าวถึงเข้ากับวิทยาการหุ่นยนต์
|
วงจรการพัฒนาผลิตภัณฑ์เร็วขึ้น |
|
จากบทความกล่าวว่า ระบบหุ่นยนต์ที่เสนอสามารถเอาชนะปัญหาเดิมได้ เช่น ต้นทุนการติดตั้งสูง, ตั้งค่าระบบได้ยากกับผลิตภัณฑ์เฉพาะทาง, ไม่สามารถทำงานประกอบแบบอัตโนมัติได้ ฉะนั้นแล้ว การที่ระบบใหม่แก้ปัญหาเหล่านี้ได้ หมายความว่าองค์กรสามารถเริ่มต้นใช้งานหุ่นยนต์ได้ง่ายและเร็วขึ้น ช่วยเร่งให้วงจรการพัฒนาผลิตภัณฑ์สั้นลง และสามารถปรับใช้กับผลิตภัณฑ์ใหม่ได้เร็วขึ้น |
จากที่บทความเขียนว่า "The proposed robotic system is capable of overcoming problems, such as “high installation cost,” “setup difficulties for particular products,” and “inability to automate assembly tasks.”" แสดงให้เห็นว่า เมื่อระบบสามารถลดอุปสรรคเหล่านี้ได้ ย่อมส่งผลต่อ “การเร่งวงจรการพัฒนาผลิตภัณฑ์” ซึ่งเป็นผลลัพธ์ที่สอดคล้องกับข้อคำถามโดยตรง |
7 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 6 |
อุปกรณ์ใดใช้วัดการเคลื่อนไหวในระบบหุ่นยนต์
|
โพเทนชิออมิเตอร์ |
|
จากที่บทความเขียนว่า "The motion measurement device consists of 6 connected links and the rotational angle of each link is measured by a potentiometer." สามารถสรุปได้ว่า โพเทนชิโอมิเตอร์จึงเป็นอุปกรณ์ที่ใช้วัดการหมุนและการเคลื่อนไหวของข้อต่อในระบบวัดการเคลื่อนไหวของหุ่นยนต์ |
หลักการทางวิศวกรรมและระบบอัตโนมัติ (Automation Engineering) ใช้ โพเทนชิโอมิเตอร์ ในการตรวจจับมุมของข้อต่อหรือการหมุนของชิ้นส่วน ซึ่งเป็นส่วนหนึ่งของระบบ kinematics หรือกลศาสตร์การเคลื่อนไหว เพื่อให้สามารถติดตามตำแหน่งหรือท่าทางของอุปกรณ์หรือหุ่นยนต์ได้อย่างแม่นยำ |
7 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 7 |
อุปกรณ์วัดแรงมีโครงสร้างอย่างไร
|
โดยการวางเซ็นเซอร์ไว้บนที่ยึดหกเหลี่ยม |
|
จากที่บทความเขียนว่า "In the gripping force measurement, since the gripping force is applied to the surface of the regular hexagonal holder, the direction can be determined, and a stable measurement can be performed." แสดงให้เห็นว่า การวางเซ็นเซอร์ไว้บนพื้นผิวของ เกลียวดัดเหลี่ยม (regular hexagonal holder) มีจุดประสงค์เพื่อให้สามารถตรวจจับแรงที่จับได้ทั้งขนาดและทิศทางอย่างแม่นยำ จึงทำให้การวัดมีความเสถียร (stable measurement)
|
หลักการออกแบบระบบวัดแรงในงานหุ่นยนต์นั้นต้องคำนึงถึง การส่งผ่านแรง (force transmission) และ ความเสถียรของทิศทางแรงที่วัดได้ โครงสร้างหกเหลี่ยมช่วยกระจายแรงอย่างสมมาตร และทำให้สามารถระบุทิศทางของแรงได้ง่าย ซึ่งเป็นแนวทางมาตรฐานในระบบ tactile sensing และ robotic manipulation |
7 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 8 |
เป้าหมายสูงสุดของการวิจัยที่กล่าวถึงในบทความคืออะไร
|
เพื่อให้แน่ใจว่าหุ่นยนต์จะไม่ล้มเหลวในงานประกอบ |
|
จากที่บทความเขียนว่า "The main objective is to increase the types of tasks that can be performed by the robots." และ "In this study, the ultimate objective is to construct a high-precision assembly robotic system capable of reliably performing all tasks." หมายถึง เป้าหมายสูงสุดของการวิจัยนี้คือการพัฒนาหุ่นยนต์ที่สามารถประกอบชิ้นส่วนต่าง ๆ ได้อย่างแม่นยำและ ไม่ล้มเหลวในการปฏิบัติงาน |
หลักการ reliability engineering และ precision robotics ซึ่งเน้นการออกแบบระบบที่สามารถทำงานได้โดยไม่ล้มเหลว (fail-safe) โดยเฉพาะในกระบวนการประกอบ (assembly) ที่หากเกิดความผิดพลาดเพียงเล็กน้อย ก็อาจทำให้ชิ้นงานเสียหายหรือระบบหยุดชะงักได้ |
7 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 9 |
การวัดแรงแก้ไขปัญหาเฉพาะด้านใดบ้าง
|
การตรวจจับแรงที่ละเอียดอ่อนซึ่งบ่งชี้ถึงความล้มเหลวในการประกอบที่อาจเกิดขึ้น |
|
จากที่บทความเขียนว่า "If the gears at the tip of a shaft are pushed in without meshing, they will become deformed." และ "In this study, the success or failure of parts fitting is predicted in real time by measuring the tactile force information (after a contact between the workpiece and the main assembly body), analyzing the data, and extracting signs of assembly failure." แสดงให้เห็นว่าการวัดแรงที่ละเอียดอ่อนสามารถตรวจพบความผิดปกติที่เกิดขึ้นระหว่างการประกอบได้ทันที เช่น แรงต่อต้านที่ผิดปกติ หรือแรงที่มากเกินไปจากการไม่เข้าสลักของชิ้นส่วน ซึ่งจะช่วยให้ระบบสามารถ ป้องกันความล้มเหลว ได้ก่อนจะเกิดขึ้นจริง |
หลักการวัดแบบ tactile sensing และ force feedback control ซึ่งใช้ในหุ่นยนต์เพื่อปรับค่าการควบคุมตามสภาพแวดล้อมที่รับรู้ได้จากแรงสัมผัส (เช่น แรงต้านหรือแรงกด) นอกจากนี้ยังเกี่ยวข้องกับแนวคิดใน precision robotics และ assembly error detection ซึ่งใช้เซนเซอร์แรงในการประเมินความผิดปกติในกระบวนการ เพื่อเพิ่มความแม่นยำและลดความเสียหายของชิ้นงาน |
7 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 10 |
อุปกรณ์วัดความเคลื่อนไหวนำนวัตกรรมอะไรมาสู่การประกอบหุ่นยนต์
|
วัดมุมและตำแหน่งที่แน่นอนของชิ้นส่วนระหว่างการประกอบ |
|
จากที่บทความเขียนว่า “Also, a method, where augmented reality markers are attached to the target workpiece and the important positions of parts during a task are extracted, has been reported…” ซึ่งแสดงให้เห็นว่า การระบุมุมและตำแหน่งของชิ้นส่วน เป็นหนึ่งในนวัตกรรมสำคัญที่ใช้ในการปรับปรุงความแม่นยำของหุ่นยนต์ในกระบวนการประกอบ |
หลักการวัดตำแหน่งและมุม (Pose Estimation) เป็นหัวใจสำคัญของการควบคุมหุ่นยนต์ โดยเฉพาะในงานที่ต้องการความแม่นยำสูง เช่น การประกอบชิ้นส่วน (Assembly Robotics) ซึ่งสนับสนุนโดยแนวทางการประยุกต์ใช้ AR markers, motion tracking และ tactile sensing ในบทความนี้ |
7 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 11 |
ML ย่อมาจากอะไรในบริบทของบทความ?
|
การเรียนรู้เครื่องกล |
|
จากที่บทความเขียนว่า "Academia and industry are both playing central roles in shaping the field of molecular machine learning for drug discovery. ML is used to make better decisions faster and to accelerate the design-make-test-analyze (DMTA) cycle of novel molecular entities." แสดงให้เห็นถึงการใช้ตัวย่อ ML เพื่อสื่อถึง การเรียนรู้เครื่องกล |
นอกเหนือจากนี้ ตามความรู้พื้นฐาน Machine learning (ML) refers to the development of algorithms that can learn patterns from data and make predictions or decisions without being explicitly programmed. ไม่เหมือนกับการเขียนโปรแกรมแบบดั้งเดิมที่โมเดลถูกกำหนดโดยผู้เขียนโค้ดโดยตรง ML เรียนรู้โครงสร้างของโมเดลจากข้อมูลแทน |
7 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 12 |
QSAR ตามที่กล่าวไว้ในบทความคืออะไร
|
ความสัมพันธ์ระหว่างโครงสร้างเชิงปริมาณกับกิจกรรม |
|
QSAR เป็นศาสตร์ที่ใช้วิเคราะห์ความสัมพันธ์ระหว่างโครงสร้างโมเลกุลกับคุณสมบัติหรือกิจกรรมทางชีวภาพของสาร ซึ่งจำเป็นต่อกระบวนการค้นคว้ายาอย่างมาก โดยช่วยคาดการณ์ฤทธิ์ของสารใหม่ได้รวดเร็วและแม่นยำ |
จากบทความ "This field is broadly known as quantitative structure-activity and property relationships (QSAR, QSPR) and is a necessary component of numerous drug discovery projects..." ซึ่งระบุว่า QSAR/QSPR เป็นส่วนสำคัญของหลายโครงการค้นพบยา โดยใช้ข้อมูลโครงสร้างและคุณสมบัติของสารในการพยากรณ์ผลลัพธ์ทางชีวภาพ |
7 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 13 |
Machine Learning มีประโยชน์หลักในการค้นคว้ายาตามบทความอย่างไร
|
เร่งกระบวนการตัดสินใจ |
|
จากบทความ "Herein, we highlight the opportunities that machine learning models offer to accelerate and improve compound selection." เป็นคำ ยืนยันโดยตรง ว่า Machine Learning ช่วยเร่งกระบวนการตัดสินใจ ในการคัดเลือกสารประกอบในกระบวนการค้นคว้ายา |
Machine Learning มีบทบาทในการ “accelerate and improve compound selection” ซึ่งหมายถึงการเร่งกระบวนการคัดเลือกสารประกอบอย่างแม่นยำ ช่วยให้ตัดสินใจเลือกโมเลกุลนำได้รวดเร็ว ลดเวลาและทรัพยากรในกระบวนการค้นคว้ายา |
7 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 14 |
จากบทความประเด็นใดที่เน้นในด้านวิชาการที่แตกต่างจากอุตสาหกรรม
|
การพัฒนาข้อพิสูจน์แนวคิด |
|
ในบทความได้กล่าวไว้ว่า "Academic studies typically focus on pushing the boundaries of ML in drug discovery, e.g., by borrowing inspiration from other fields such as natural language processing (NLP) or geometric deep learning (DL)" แสดงให้เห็นว่างานวิจัยในภาควิชาการมุ่งเน้นการทดลองแนวคิดใหม่ ๆ หรือการพัฒนาโมเดลเชิงลึกที่อาจยังไม่พร้อมใช้งานในเชิงอุตสาหกรรมทันที ซึ่งก็คือการ “พัฒนาข้อพิสูจน์แนวคิด” (Proof-of-concept) |
แนวคิดนี้สอดคล้องกับหลักการของการวิจัยและพัฒนา (R&D) ทางวิชาการ ที่เน้น การสำรวจศักยภาพของเทคโนโลยีใหม่ ๆ โดยอาศัยการทดลองในวงจำกัด เพื่อพิสูจน์ว่าสามารถนำไปใช้จริงได้ในอนาคตหรือไม่ |
7 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 15 |
องค์กรใดที่ถูกกล่าวถึงว่ามีส่วนร่วมในการวิจัย ML และ AI ขั้นพื้นฐานในบทความ
|
สถาบันสุขภาพแห่งชาติ (NIH) |
|
ในบทความมีการอธิบายว่า การวิจัยพื้นฐานด้าน AI และ ML มักได้รับการสนับสนุนจากภาครัฐ โดยเฉพาะในฝั่งวิชาการที่เน้นการทดลองเชิงแนวคิดและนวัตกรรมใหม่ และจากประสบการณ์และบริบทในบทความ NIH (National Institutes of Health) เป็นหนึ่งในหน่วยงานที่มีบทบาทสำคัญในสหรัฐอเมริกาในการสนับสนุนการวิจัยด้านชีวการแพทย์ รวมถึง ML/AI เพื่อค้นคว้ายา |
แม้บทความจะไม่ได้กล่าวถึง NIH โดยตรง แต่ตามบริบทของบทความและโครงสร้างระบบการวิจัยในสหรัฐอเมริกา สถาบันอย่าง NIH ถือว่าเป็นหน่วยงานหลักที่มีบทบาทในการสนับสนุนการวิจัยพื้นฐานด้าน ML/AI ในการค้นคว้ายา |
7 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 16 |
DMTA ย่อมาจากอะไรที่ใช้ในบทความ
|
ออกแบบ-ทำ-ทดสอบ-วิเคราะห์ |
|
จากบทความ "Looking at the DMTA cycle –often invoked in industry – predictive models are used in all phases of drug design." DMTA หมายถึงกระบวนการวนรอบของการออกแบบ สังเคราะห์ ทดสอบ และวิเคราะห์ ซึ่งช่วยในการพัฒนายาอย่างเป็นระบบ แม้ในแวดวงวิชาการจะมีการดำเนินเพียงบางขั้น แต่ในเชิงหลักการยังถือว่าเป็นแนวคิดหลักของกระบวนการวิจัย |
จากบทความ มีหัวข้อเขียนชัดเจนว่า "Design-make-test-analyze (DMTA) cycle" |
7 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 17 |
โมเดลแมชชีนเลิร์นนิงด้านใดที่ได้รับการเน้นย้ำว่ามีความสำคัญเป็นพิเศษใน อุตสาหกรรมยา
|
ความสามารถในการทำซ้ำและความทนทานของโมเดล |
|
ในอุตสาหกรรมยา การใช้ Machine Learning มักเน้นไปที่ “ความน่าเชื่อถือ” มากกว่าความแปลกใหม่หรือซับซ้อน ดังที่บทความกล่าวไว้ว่าอุตสาหกรรมให้ความสำคัญกับ robustness (ความทนทาน) และ reproducibility (ความสามารถในการทำซ้ำ) มากกว่า novelty (ความแปลกใหม่) และ complexity (ความซับซ้อน) ซึ่งเป็นลักษณะตรงข้ามกับงานวิจัยในวงการวิชาการ |
ข้อความจากบทความ "Baselines are equally crucial in industry given the focus on robustness and reproducibility more than novelty and complexity." ยืนยันชัดเจนว่าอุตสาหกรรมเน้นความน่าเชื่อถือของโมเดลมากกว่าความล้ำสมัยของเทคโนโลยี นี่คือเหตุผลว่าทำไม baseline models ที่มีความสามารถในการทำซ้ำและทนทาน จึงเป็นปัจจัยที่ได้รับการย้ำว่า “มีความสำคัญเป็นพิเศษ” ในภาคอุตสาหกรรม |
7 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 18 |
บทความประเภทใดที่บทความกล่าวถึงว่ามีข้อมูลมากขึ้นต่อสาธารณะ
|
ข้อมูลสารประกอบทางเคมี |
|
จากบทความได้กล่าวถึงความสำคัญของข้อมูลสารประกอบทางเคมี โดยเฉพาะจากฐานข้อมูล ChEMBL และ PubChem ที่เปิดเผยสู่สาธารณะ ทำให้การพัฒนาโมเดล ML มีประสิทธิภาพยิ่งขึ้น |
ข้อความจากบทความ "Data availability in the public domain has dramatically increased thanks to major databases such as ChEMBL and PubChem." อางอิงคำตอบดังกล่าวให้ |
7 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 19 |
ชุดข้อมูลใดที่ถูกกล่าวถึงว่าเป็นเกณฑ์มาตรฐานสำหรับ Molecular Machine Learning
|
ชุดข้อมูลการตรวจวิเคราะห์ทางชีวภาพ |
|
แม้ในคำพูดต้นฉบับจะกล่าวถึง ChEMBL และ PubChem โดยตรง (ซึ่งไม่มีในตัวเลือก) แต่ทั้งสองฐานข้อมูลนี้เป็น “ชุดข้อมูลการตรวจวิเคราะห์ทางชีวภาพ” (bioactivity datasets) ที่ใช้เป็นมาตรฐานในการฝึก Molecular Machine Learning |
หลักการของ Molecular Machine Learning คือการใช้ข้อมูลชีวภาพที่มีการวัดผลจริงมาเทรนโมเดล เช่นจาก high-throughput screening, bioassays ซึ่งอยู่ในหมวด "ชุดข้อมูลการตรวจวิเคราะห์ทางชีวภาพ" |
7 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 20 |
ความท้าทายใดที่เกี่ยวข้องกับชุดข้อมูลจากแหล่งต่างๆ ตามที่กล่าวไว้ในบทความ
|
เพิ่มความหลากหลาย |
|
การรวบรวมข้อมูลจากหลายแหล่งสาธารณะในวงการวิชาการ เช่น ChEMBL และ PubChem ส่งผลให้โมเดลมีความหลากหลายของข้อมูลมากขึ้น ซึ่งช่วยให้การฝึกโมเดลมีประสิทธิภาพและสามารถทำซ้ำผลลัพธ์ได้ (reproducibility) อย่างไรก็ตาม ในอุตสาหกรรมอาจทำไม่ได้เนื่องจากข้อจำกัดด้านการเปิดเผยข้อมูล การขาดข้อมูลเชิงลบ และความจำเป็นในการสร้างชุดข้อมูลใหม่สำหรับฝึกโมเดล |
แนวคิดเรื่อง open-science และ reproducibility สนับสนุนให้มีการใช้ข้อมูลจากแหล่งที่หลากหลายเพื่อฝึกโมเดลอย่างโปร่งใส และครอบคลุมการแปรผันของข้อมูลในโลกจริง ตามที่เขียนไว้ในบทความ "Nonetheless, the usage of publicly available data in academic settings allows to promote open-science and reproducibility of scientific findings. This is not always possible in industry settings. Future deposition of negative experimental results as well as funded campaigns to generate additional data for model building might help in this regard." |
7 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|