วัตถุประสงค์และตัวชี้วัดความสำเร็จ (Objectives & KPIs)
วัตถุประสงค์โครงการ OBJ-01 ถึง OBJ-04 และตัวชี้วัดเชิงปริมาณและเชิงคุณภาพที่ใช้ประเมินความสำเร็จ
วัตถุประสงค์และตัวชี้วัดความสำเร็จ (KPIs)
วัตถุประสงค์โครงการ (OBJ-01 ถึง OBJ-04) และตัวชี้วัดเชิงปริมาณและเชิงคุณภาพที่ใช้ประเมินความสำเร็จ
วัตถุประสงค์
OBJ-01: พัฒนาแอปพลิเคชันมือถือสำหรับคัดกรองรูปภาพต้องสงสัย
พัฒนา Mobile App ด้วย Flutter (v1 Android เท่านั้น) เพื่อให้ผู้ใช้ทั่วไปเลือกรูปต้องสงสัยจากคลังภาพ (เช่น สลิปโอนเงิน, รูปโปรไฟล์) แล้วส่งให้ระบบวิเคราะห์หาความเสี่ยง
OBJ-02: ใช้ Deep Learning ตรวจจับภาพตัดต่อและภาพสังเคราะห์จาก AI
พัฒนาและเทรนโมเดล Deep Learning เพื่อประเมินร่องรอยการดัดแปลงพิกเซลด้วยเทคนิค Semantic Segmentation (ตรวจจับ Splicing และ Copy-Move) และคัดกรองภาพที่สร้างจาก AI
OBJ-03: พัฒนาระบบวิเคราะห์ความเสี่ยงหลายชั้นที่ทำงานร่วมกัน
พัฒนา FastAPI Backend เพื่อประสานงานการวิเคราะห์ Metadata, โครงสร้างข้อความ (OCR/NLP), ค้นหาภาพย้อนกลับ และรวมผลกับ AI Inference เพื่อประมวลผลออกมาเป็น Risk Score เดียว
OBJ-04: ทดสอบและประเมินประสิทธิภาพระบบและความพึงพอใจของผู้ใช้
ดำเนินการทดสอบผู้ใช้จริง (UAT), วัดความเร็วในการประมวลผล และทดสอบว่าความหมายของ Heatmap สามารถสื่อสารให้ผู้ใช้เข้าใจได้จริง
ตัวชี้วัด (KPIs) — เชิงปริมาณ
| ตัวชี้วัด (KPI) | เป้าหมาย |
|---|---|
| ความแม่นยำ AI (ภาพตัดต่อ) | Accuracy ≥85% + mDice ≥85% บน frozen test set 1,000 ภาพ |
| ความแม่นยำ AI (AI-Gen) | Accuracy ≥85% + AUROC ≥0.90 (mDice ใช้เฉพาะงาน segmentation) |
| ความเร็วตอบสนอง — แบบ Cache Hit | <= 3 วินาที |
| ความเร็วตอบสนอง — แบบ Full Inference (Cache Miss) | P50 ≤15s / P95 ≤25s / P99 ≤35s ต่อภาพ (เงื่อนไข 1080p/T4) |
| System Availability (API + AI Inference) | Uptime ≥99.5% ต่อรอบ 30 วัน ไม่นับ Planned Maintenance (เกณฑ์ช่วงทดสอบ; SLA production กำหนดแยก) |
ตัวชี้วัด (KPIs) — เชิงคุณภาพ
| ตัวชี้วัด (KPI) | เป้าหมาย |
|---|---|
| ความสามารถในการอธิบายผลของ Heatmap (Explainability) | ผู้ใช้ ≥80% (n=100, สุ่มตัวอย่าง) เข้าใจบริเวณต้องสงสัยได้โดยไม่มีพื้นฐานเทคนิค (UAT protocol + rubric 3 ข้อ) |
| ความพึงพอใจโดยรวมของผู้ใช้ (Overall Satisfaction) | คะแนนเฉลี่ย ≥4.00/5.00 ตามแบบสอบถาม 5 ระดับ (Likert, n=100) |
ประโยชน์ที่คาดว่าจะได้รับ
- ลดความสูญเสียจากอาชญากรรมไซเบอร์ — ปกป้องประชาชนทั่วไปจากสลิปโอนเงินปลอม, Romance Scam, หรือการใช้ภาพตัดต่อ/AI หลอกลวง
- เพิ่ม Digital Literacy — ด้วยการใช้ XAI (Heatmap) แอปไม่เพียงแค่เตือน แต่ยังให้เหตุผลว่า "ทำไม" รูปนี้ถึงน่าสงสัย
- สร้าง Dataset เพื่องานวิจัย — ระบบจะสร้างฐานข้อมูลภาพ Scam ที่เกิดขึ้นจริงในบริบทของไทย (โดยคัดกรองอย่างถูกต้องและได้รับความยินยอม) เพื่อให้ชุมชน AI สามารถใช้ในงานวิจัยต่อไปได้
ประเด็นสำคัญ
- เป้าหมายความแม่นยำ 85% แยกทดสอบอิสระ: ภาพตัดต่อใช้ Accuracy + mDice, ภาพ AI-Gen ใช้ Accuracy + AUROC ≥0.90 (บน frozen test set)
- เป้าหมาย 15 วินาที สำหรับโหมด Full Inference หมายถึงระบบต้องทำ OCR, ค้นหาแหล่งที่มา, AI Model Inference และรวมผลคะแนนทั้งหมดภายในเวลาที่จำกัดนี้
- ตัวชี้วัดความเข้าใจ Heatmap 80% วัดผ่านการทดสอบแบบ User Study ไม่ใช่ทดสอบอัตโนมัติ