วิวัฒนาการความชาญฉลาด จาก IoT สู่ AIoT
คำสำคัญ:
ไอโอที, เอไอโอที, บ้านอัจฉริยะ, เกษตรอัจฉริยะ, สาธารณสุขอัจฉริยะบทคัดย่อ
บทความนี้มี วัตถุประสงค์ เพื่อนำเสนอการวิวัฒนาการของเทคโนโลยี Internet of Things: IoT ไปสู่ Artificial Intelligence of Things: AIoT ซึ่งเป็นการบูรณาการเทคโนโลยีปัญญาประดิษฐ์ (AI) เข้ากับการทำงานของ IoT เพื่อขับเคลื่อนระบบอัจฉริยะ โดยผู้เขียนได้นำเสนอ AIoT แสดงถึงกรอบแนวคิดการเปลี่ยนผ่านของ IoT สู่การทำงานที่มีความสามารถในการเรียนรู้และตัดสินใจได้อย่างชาญฉลาดมากขึ้น ซึ่งเนื้อหาครอบคลุม ความเป็นมา และ พัฒนาการ ของแนวคิดทั้ง IoT และ AIoT เพื่อให้เห็นถึงความต่อเนื่องทางเทคโนโลยี นอกจากนี้ ยังมีการนำเสนอ สถาปัตยกรรม ของระบบ AIoT โดยจำแนกตามชั้นการทำงาน (layered architecture) ตั้งแต่การรับข้อมูลจนถึงการวิเคราะห์และประมวลผล และองค์ประกอบหลักของระบบ AIoT ระบุไว้อย่างชัดเจน ซึ่งมีความจำเป็นในการทำงานของแพลตฟอร์ม รวมถึงการประยุกต์ใช้งานของ AIoT ชีวิตประจำวัน ได้แก่ บ้านอัจฉริยะ (smart home) เกษตรอัจฉริยะ (smart farm) และ สาธารณสุขอัจฉริยะ (smart health) ดังนั้น บทความนี้จึงมุ่งเน้นการให้ ความรู้ทางวิชาการ เกี่ยวกับกรอบแนวคิดและศักยภาพของ AIoT ในการขับเคลื่อนนวัตกรรมยุคถัดไป ด้านการพัฒนาทางเทคโนโลยี AIoT ต่อยอดฟังก์ชันการทำงาน โดยเปลี่ยนกรอบแนวคิด (paradigm shift) จากการเป็นเพียงตัวกลางในการรับและส่งผ่านข้อมูล ไปสู่ระบบที่มีความสามารถในการเรียนรู้และตัดสินใจได้อย่างชาญฉลาด (intelligent decision making) โดยสถาปัตยกรรมของ AIoT ที่มีการจำแนกชั้นการทำงาน (layered architecture) ตั้งแต่ชั้นการรับรู้ข้อมูล (perception layer) จนถึงชั้นประยุกต์ใช้งาน (application layer) มีส่วนสำคัญในการเพิ่มประสิทธิภาพการประมวลผล โดยเฉพาะอย่างยิ่งการนำ Edge Computing มาใช้ ซึ่งช่วยลดระยะเวลาการตอบสนองของระบบ (latency) ได้กว่าร้อยละ 30-50 ส่งผลให้เกิดความแม่นยำในการปฏิบัติงานแบบเรียลไทม์
เอกสารอ้างอิง
Ali, F., El-Sappagh, S., Islam, S. R., Kwak, D., Ali, A., Imran, M., & Kwak, K. S. (2020). A smart healthcare monitoring system for heart disease prediction based on ensemble deep learning and feature fusion. Information Fusion, 63, 208-222. https://doi.org/10.1016/j.inffus.2020.06.008
Almeida, F., Castelli, M., Côrte-Real, N., Fallarino, C., & Manzoni, L. (2025). Smart energy strategies: Leveraging LSTM and LLMs for advanced energy management. Energy and AI, 22, 100642. https://doi.org/10.1016/j.egyai.2025.100642
Bezen, R., Edan, Y., & Halachmi, I. (2020). Computer vision system for measuring individual cow feed intake using RGB-D camera and deep learning algorithms. Computers and Electronics in Agriculture, 172, 105345. https://doi.org/10.1016/j.compag.2020.105345
Digital Government Department. (2024). Digital government development plan of Thailand (2023-2027) [In Thai]. https://www.dga.or.th
El-Khozondar, H. J., Mtair, S. Y., Qoffa, K. O., Qasem, O. I., Munyarawi, A. H., Nassar, Y. F., Bayoumi, E. H. E., & Abd El Halim, A. A. E. B. A. E. (2024). A smart energy monitoring system using ESP32 microcontroller. e-Prime - Advances in Electrical Engineering, Electronics and Energy, 9, 100666. https://doi.org/10.1016/j.prime.2024.100666
Ferentinos, K. P. (2018) Deep learning models for plant disease detection and diagnosis. Computers and Electronics in Agriculture, 145, 311-318. https://doi.org/10.1016/j.compag.2018.01.009
Goap, A., Sharma, D., Shukla, A. K., & Krishna, R. (2018). An IoT based smart irrigation management system using machine learning and open source technologies. Computers and Electronics in Agriculture, 155, 41-49. https://doi.org/10.1016/j.compag.2018.09.040
Ha, T. V., Nguyen, H., Huynh, S. T., Nguyen, T. T., & Nguyen, B. T. (2022). Fall detection using multimodal data. arXiv, 2205, 05918. https://doi.org/10.48550/arXiv.2205.05918
Onboonuea, T., & Tinapron, S. (2023). Study of the performance and design of dust sensors [In Thai]. EAU Heritage Journal Science and Technology, 17(3), 26–37. https://he01.tci-thaijo.org/index.php/EAUHJSci/article/view/265947
Rathi, V. K., Rajput, N. K., Mishra, S., Grover, B. A., Tiwari, P, Jaiswal, A. K., & Hossain, M. S. (2021). An edge AI-enabled IoT healthcare monitoring system for smart cities. Computers and Electrical Engineering, 96, 107524. https://doi.org/10.1016/j.compeleceng.2021.107524
Sanjay, C., Jahnavi, K., & Karanth, S. (2024). A secured deep learning based smart home automation system. International Journal of Information Technology, 16, 5239–5245. https://doi.org/10.1007/s41870-024-02097-1.
Teerapabakjorndet, W., & Somtad, N. (2025). Performance analysis of low-cost wireless AIoT for real-time object detection: Arowana monitoring case study [In Thai]. ECTI Transactions on Application Research and Development, 5(1), 1-10. https://doi.org/10.37936/ectiard.2025-5-1.256934
Tinapron, S., & Onboonuea, T. (2025). Study of a platform for Internet of Things Developers [In Thai]. EAU Heritage Journal Science and Technology, 19(1), 17–28. https://he01.tci-thaijo.org/index.php/EAUHJSci/article/view/275566
Tipaksorn, P., Wiwek, A., & Pairote, A. (2022). A cloud-based AIoT application in smart building [In Thai]. RMUTL Engineering Journal, 7(1), 1-10. https://doi.org/10.14456/rmutlengj.2022.6
Torad, M. A., Bouallegue, B., & Ahmed, A. M. (2022). A voice controlled smart home automation system using artificial intelligent and internet of things. Telkomnika (Telecommunication Computing Electronics and Control), 20(4), 808. http://doi.org/10.12928/telkomnika.v20i4.23763
Yaqoob, S., Ullah, F., AbuAli, N., Anwar, H., Saeed, N., & Hayajneh, M. (2026). AIoT for human emotion recognition: Potentials, challenges, and healthcare applications. Computer Science Review, 60, 100859. https://doi.org/10.1016/j.cosrev.2025.100859
