Google เพิ่งเปิดตัวโมเดล AI ที่ทรงพลังที่สุดเท่าที่เคยมีมา เมถุน. เธอเป็นอะไรและเธอทำอะไรได้บ้าง? เกี่ยวกับทุกสิ่งในบทความของเรา
Google พัฒนาเครื่องมือ AI ของตัวเองมาหลายปีแล้ว ด้วยการเปิดตัว ChatGPT-3 จาก OpenAI ต่อสาธารณะ บริษัทที่ดูแลเสิร์ชเอ็นจิ้นที่ได้รับความนิยมมากที่สุดในโลกก็ได้สร้างเครื่องมือที่คล้ายกัน Bard ขึ้นมาเช่นกัน แต่เครื่องมือนี้ยังแพ้ให้กับคู่แข่งซึ่ง Google ไม่อนุญาต จึงไม่น่าแปลกใจเลยที่โลกเพิ่งจะได้เห็น Gemini ซึ่งเป็นโมเดลภาษาใหม่จาก Google ที่เราได้เรียนรู้ระหว่างการนำเสนอ
มันได้รับการออกแบบมาไม่เพียงแต่เพื่อปรับปรุง LLM (Large Language Model) รุ่นก่อนหน้าของยักษ์ใหญ่เท่านั้น แต่ยังเสนอความเป็นไปได้ใหม่ๆ ในด้านการประมวลผลข้อความ กราฟิก และเสียงอีกด้วย
มาดูโมเดลภาษาใหม่ของ Google Gemini กันดีกว่า
ที่น่าสนใจเช่นกัน: คำถามเกี่ยวกับโครงการ OpenAI*: คืออะไร และเหตุใดโครงการนี้จึงเป็นข้อกังวล
Google ราศีเมถุนคืออะไร?
นี่เป็นโมเดลปัญญาประดิษฐ์ใหม่ที่ทรงพลังจาก Google ซึ่งสามารถเข้าใจได้ไม่เพียงแต่ข้อความเท่านั้น แต่ยังรวมถึงรูปภาพ วิดีโอ และเสียงด้วย โมเดลต่อเนื่องหลายรูปแบบนี้ได้รับการอธิบายว่าสามารถทำงานที่ซับซ้อนในด้านคณิตศาสตร์ ฟิสิกส์ และโดเมนอื่นๆ ได้ เช่นเดียวกับการทำความเข้าใจและสร้างโค้ดคุณภาพสูงในภาษาการเขียนโปรแกรมที่หลากหลาย
ปัจจุบัน Gemini ใช้งานได้ผ่านการผสานรวมกับ Google Bard และ Google Pixel 8 และจะค่อยๆ รวมอยู่ในบริการอื่นๆ ของ Google
"Gemini เป็นผลมาจากความพยายามร่วมกันครั้งใหญ่ในทีม Google รวมถึงเพื่อนร่วมงานของเราที่ Google Research" — Dennis Hassabis ซีอีโอและผู้ร่วมก่อตั้ง Google DeepMind กล่าว "มันถูกสร้างขึ้นตั้งแต่ต้นจนจบเพื่อให้เป็นแบบหลายรูปแบบ ซึ่งหมายความว่าสามารถสรุปและทำความเข้าใจ ดำเนินการ และรวมข้อมูลประเภทต่างๆ เข้าด้วยกัน รวมถึงข้อความ โค้ด เสียง รูปภาพ และวิดีโอ"
ที่น่าสนใจเช่นกัน: ไม่ใช่ทุกสิ่งที่เราเรียกว่า AI ที่จริงเป็นปัญญาประดิษฐ์ นี่คือสิ่งที่คุณต้องรู้
ใครเป็นคนสร้างโมเดล?
ดังที่คุณคงเดาได้แล้วว่า Gemini ถูกสร้างขึ้นโดย Google และ Alphabet ซึ่งเป็นบริษัทแม่ของ Google และเป็นโมเดล AI ที่ทันสมัยที่สุดของบริษัทจนถึงปัจจุบัน แผนก DeepMind ของ Google ยังมีส่วนสำคัญในการพัฒนาอีกด้วย ยังไม่ทราบว่ามีพนักงานกี่คนที่มีส่วนร่วมในการพัฒนาและมีเงินทุนใดบ้างที่ได้รับการจัดสรรสำหรับสิ่งนี้ แต่เมื่อทราบถึงความสามารถของ Google เราจึงมั่นใจได้ว่ามีจำนวนมากมาก
ที่น่าสนใจเช่นกัน: Windows 12: ระบบปฏิบัติการใหม่จะเป็นอย่างไร
โอกาส
ดังที่ฉันได้กล่าวไว้ข้างต้น มันเป็นโมเดลหลายรูปแบบ ซึ่งหมายความว่าสามารถเข้าใจ ดำเนินการ และรวมข้อมูลประเภทต่างๆ ได้ รวมถึงข้อความ โค้ด เสียง รูปภาพ และวิดีโอ ให้ทักษะความเข้าใจ การคิด และการเขียนโค้ดที่ดีขึ้น เมื่อเทียบกับระบบ AI รุ่นก่อน
ความสามารถหลักของโมเดลคือ:
- การประมวลผลภาษาธรรมชาติสำหรับงานต่างๆ เช่น การแปล การสรุป และบทสนทนา
- การคิดทางคณิตศาสตร์และการแก้ปัญหา
- ความสามารถในการสร้างรหัสและเอกสาร
- ทำความเข้าใจเกี่ยวกับภาพ เสียง และวิดีโอ
- การทำงานหลายอย่างพร้อมกันในโดเมนที่แตกต่างกัน
อย่างที่คุณเห็นความสามารถนั้นเหนือกว่ารุ่นอื่นๆ
ในการทดสอบความเข้าใจภาษา การคิดทางคณิตศาสตร์ และการเขียนโค้ด Gemini Ultra มีประสิทธิภาพเหนือกว่ารุ่นต่างๆ เช่น GPT-4 โดยเฉพาะอย่างยิ่ง นี่เป็นโมเดลแรกที่มีประสิทธิภาพเหนือกว่าประสิทธิภาพระดับมนุษย์ในการทดสอบ Massive Multitask Languageความเข้าใจ (MMLU) โดยมีความแม่นยำมากกว่า 90%
ในการทดสอบทางวิชาการ 32 ครั้งเกี่ยวกับการศึกษาแบบจำลองภาษาขนาดใหญ่ Gemini ทำได้ดีกว่า GPT-4 ใน 30 กรณี โมเดลภาษาใหม่จาก Google ดีกว่าคู่แข่ง สิ่งนี้แสดงให้เห็นถึงความสามารถของแบบจำลองในการเข้าใจภาษาอย่างถ่องแท้
อ่าน: โครงการสมองมนุษย์: ความพยายามที่จะเลียนแบบสมองมนุษย์
มีเวอร์ชั่นต่างกันมั้ย?
Google อธิบายว่า AI นี้เป็นโมเดลที่ยืดหยุ่นซึ่งสามารถทำงานได้บนอุปกรณ์ทุกชนิด ตั้งแต่ศูนย์ข้อมูลของ Google ไปจนถึงอุปกรณ์มือถือ เพื่อให้บรรลุถึงความสามารถในการปรับขนาดนี้ Gemini จึงมีสามเวอร์ชัน ได้แก่ Nano, Pro และ Ultra
มาดูรายละเอียดเพิ่มเติมเกี่ยวกับราศีเมถุนเวอร์ชันต่าง ๆ กัน
- ราศีเมถุนนาโน: ออกแบบมาเพื่อทำงานบนสมาร์ทโฟนโดยเฉพาะ Google Pixel 8 ออกแบบมาเพื่อทำงานที่ต้องการการประมวลผลที่มีประสิทธิภาพด้วยปัญญาประดิษฐ์โดยไม่ต้องเชื่อมต่อกับเซิร์ฟเวอร์ภายนอก เช่น การแนะนำคำตอบในโปรแกรมแชทหรือการสรุปข้อความ อุปกรณ์ขนาดกะทัดรัดรุ่นนี้มีพารามิเตอร์ประมาณ 6 พันล้านพารามิเตอร์
- ราศีเมถุนโปร: ทำงานในศูนย์ข้อมูลของ Google Pro ได้รับการออกแบบมาเพื่อทำงานร่วมกับ Chatbot Bard AI เวอร์ชันล่าสุด สามารถให้เวลาตอบสนองที่รวดเร็วและเข้าใจคำถามที่ซับซ้อนได้ โมเดลขนาดกลางมีพารามิเตอร์ประมาณ 100 พันล้านพารามิเตอร์และเป็นแกนหลักของ AI การสนทนาของ Bard Pro จะพร้อมใช้งานผ่าน Google Cloud
- เจมินี่ อัลตร้า: แม้ว่าเวอร์ชัน Ultra จะยังไม่มีจำหน่ายอย่างแพร่หลาย แต่ Google อธิบายว่าเป็นรุ่นที่มีประสิทธิภาพดีที่สุด ซึ่งเกินกว่า "แบบทดสอบทางวิชาการที่ล้ำหน้าในปัจจุบันสำหรับการทดสอบทางวิชาการ 30 รายการจาก 32 รายการที่ใช้กันอย่างแพร่หลายในการวิจัยโมเดลภาษาขนาดใหญ่ (LLM) " เนื่องจากเป็นเวอร์ชันที่ใหญ่ที่สุดและทรงพลังที่สุด Ultra จะได้รับพารามิเตอร์มากกว่า 1 ล้านล้านพารามิเตอร์ โดยจะตั้งอยู่ในศูนย์ข้อมูล Ultra ได้รับการดัดแปลงสำหรับการใช้งานในองค์กร เวอร์ชันนี้ออกแบบมาเพื่อทำงานที่ซับซ้อนมาก Google วางแผนที่จะเผยแพร่หลังจากสิ้นสุดขั้นตอนการทดสอบปัจจุบัน นั่นคือเวอร์ชันที่ทรงพลังที่สุดยังไม่พร้อมใช้งานสำหรับผู้ใช้
ที่น่าสนใจเช่นกัน: Google Bard AI: ทุกสิ่งที่คุณต้องรู้
จะเข้าถึงราศีเมถุนได้อย่างไร?
AI ในเวอร์ชัน Nano และ Pro พร้อมใช้งานแล้วในผลิตภัณฑ์ของ Google เช่น สมาร์ทโฟน Google Pixel 8 และแชทบอท Bard ตามลำดับ Google วางแผนที่จะรวมเข้ากับเครื่องมือค้นหา การโฆษณา บริการอีเมล Gmail เบราว์เซอร์ Chrome และบริการอื่น ๆ ในที่สุด
นักพัฒนาและลูกค้าองค์กรจะสามารถเข้าถึง Pro ผ่าน Gemini API ใน Google AI Studio และ Google Cloud Vertex AI ได้ตั้งแต่วันที่ 13 ธันวาคม 2023 นักพัฒนา Android จะสามารถเข้าถึงรุ่น Nano ผ่านทาง AICore ซึ่งจะเปิดให้ชมตัวอย่างเบื้องต้น
อ่าน: Samsung Galaxy Flip5 เทียบกับ Motorola Razr 40 Ultra: การต่อสู้ของสองโยโคซัน
ราศีเมถุนที่ Google Bard: อะไรจะเปลี่ยนไป?
ตามข้อมูลที่ให้ไว้ระหว่างการนำเสนอ โมเดลนี้จะช่วยให้ Google Bard สามารถจัดการกับปัญหาที่ซับซ้อนมากขึ้นได้ดีขึ้น ดังที่ระบุไว้:
“เราออกแบบ Gemini เพื่อให้โมเดลเป็นแบบหลายโมดัลอย่างเป็นธรรมชาติ และได้รับการฝึกอบรมล่วงหน้าในหลายรูปแบบตั้งแต่เริ่มต้น จากนั้นเราปรับปรุงมันโดยเพิ่มข้อมูลหลายรูปแบบเพื่อปรับปรุงประสิทธิภาพ เป็นผลให้นาฬิกา Gemini เข้าใจและสรุปได้ดีกว่านาฬิกาหลายรูปแบบรุ่นก่อนๆ อย่างมาก และมีความสามารถที่ล้ำสมัยในเกือบทุกด้าน
ความสามารถพิเศษหลายรูปแบบของ Gemini ช่วยให้คุณเข้าใจข้อมูลที่เป็นข้อความและภาพที่ซับซ้อน มีประโยชน์อย่างยิ่งเมื่อต้องดึงข้อมูลเฉพาะจากชุดข้อมูลขนาดใหญ่ ความสามารถพิเศษของโมเดลนี้ในการดึงสาระสำคัญของข้อมูลจากเอกสารนับแสนโดยการอ่าน กรอง และวิเคราะห์ จะมีส่วนช่วยในการค้นพบสิ่งใหม่ๆ ที่รวดเร็วปานสายฟ้าในสาขาต่างๆ อย่างไม่ต้องสงสัย ตั้งแต่วิทยาศาสตร์ไปจนถึงการเงิน"
ในระหว่างการนำเสนอ มีการสาธิตตัวอย่างการศึกษาที่ซับซ้อนซึ่งมีบันทึกมากกว่า 200 รายการ ซึ่งบางส่วนต้องได้รับการอัปเดตตามข้อมูลใหม่ ตามที่คุณอาจเดาได้ การทำด้วยตนเองอาจใช้เวลานานมาก ดังนั้นผู้เขียนการศึกษาจึงใช้ Gemini เพื่อเตรียมโค้ดที่รับอินพุตและทำการอัปเดตที่จำเป็น อีกตัวอย่างในโลกแห่งความเป็นจริงมากขึ้นคือการใช้แบบจำลองภาษาของ Google เพื่ออธิบายปัญหาทางคณิตศาสตร์หรือฟิสิกส์
ข้อมูลอินพุตที่นี่คือภาพถ่าย/สแกนงานที่ได้รับมอบหมายจากบทเรียนในโรงเรียน ระบบสามารถประมวลผลกราฟิกและข้อความที่เก็บไว้ จากนั้นระบุว่าส่วนใดของการบ้านที่ทำถูกต้องและส่วนใดที่ต้องให้ความสนใจมากขึ้น การนำเสนอแสดงให้เห็นว่าผู้ใช้สามารถขอให้ราศีเมถุนอธิบายงานซ้ำๆ ได้ และความพยายามในแต่ละครั้งจะต้องอธิบายด้วยภาษาที่ง่ายกว่า แน่นอนว่าราศีเมถุนจะแม่นยำและถูกต้องเพียงใดนั้นจะถูกตรวจสอบโดยผู้สนใจ แต่ความสามารถในการอ่านและประมวลผลข้อความโดยตรงจากภาพถ่ายนั้นน่าประทับใจ ตามที่เพิ่มไว้ระหว่างการนำเสนอ:
"ราศีเมถุนได้รับการสอนให้จดจำและเข้าใจข้อความ รูปภาพ เสียง และอื่นๆ ในเวลาเดียวกัน ด้วยเหตุนี้เขาจึงเข้าใจความแตกต่างของข้อมูลได้ดีขึ้นและสามารถตอบคำถามที่ซับซ้อนได้ มีประสิทธิภาพเป็นพิเศษในการอธิบายหัวข้อที่เกี่ยวข้องกับคณิตศาสตร์และฟิสิกส์จึงสามารถใช้เป็นเครื่องช่วยทำการบ้านส่วนตัวได้"
ราศีเมถุนในสมาร์ทโฟน Google Pixel
Google ยังอวดอีกว่า Gemini "เรียนรู้" เกี่ยวกับชิปเซ็ต TPUv5 ใหม่ และวางแผนที่จะเปิดตัว Gemini Ultra ในต้นปี 2024 ซึ่งจะใช้ Bard Advanced ซึ่งเป็นเวอร์ชันใหม่ของโมเดลคำพูดของยักษ์ใหญ่สำหรับผู้บริโภค ขณะนี้ Gemini Ultra อยู่ระหว่างการทดสอบและพร้อมให้ผู้เชี่ยวชาญด้านความปลอดภัยบางรายเลือกแล้ว
ข้อมูลสำคัญสุดท้ายคือการแนะนำ Gemini ในสมาร์ทโฟน Google Pixel 8 ซึ่งจะช่วยให้สร้างการตอบกลับอย่างรวดเร็วผ่านแอปพลิเคชัน Gboard ในผู้ส่งสาร อย่างแรกคือ WhatsApp แต่ในปีหน้าโซลูชันดังกล่าวจะปรากฏในแอปพลิเคชันอื่นที่เกี่ยวข้องกับการสื่อสาร อย่างไรก็ตาม นี่เป็นเพียงจุดเริ่มต้นเท่านั้น เนื่องจาก Google ได้ประกาศเครื่องมือ AI ใหม่มากมายสำหรับสมาร์ทโฟน Pixel 8 และจะพร้อมใช้งานบนอุปกรณ์อื่นๆ บางรุ่นในอนาคต Android. อย่างไรก็ตาม นี่เป็นแผนเพิ่มเติมและยังไม่มีการให้รายละเอียดใดๆ ในขณะนี้
Gemini แตกต่างจาก AI รุ่นอื่นๆ เช่น GPT-4 อย่างไร
โมเดล Gemini ใหม่ของ Google ดูเหมือนจะเป็นหนึ่งในโมเดล AI ที่ใหญ่ที่สุดและทันสมัยที่สุดในปัจจุบัน แม้ว่าการเปิดตัวรุ่น Ultra จะเป็นตัวกำหนดสิ่งนั้นอย่างแน่นอน เมื่อเปรียบเทียบกับรุ่นยอดนิยมอื่น ๆ ที่ใช้แชทบอท AI ในปัจจุบัน Gemini โดดเด่นด้วยฟีเจอร์หลายรูปแบบของตัวเอง ในขณะที่รุ่นอื่น ๆ เช่น GPT-4 อาศัยปลั๊กอินและการผสานรวมเพื่อให้เป็นหลายรูปแบบอย่างแท้จริง
ความกังวลเกี่ยวกับความถูกต้องและความเป็นกลาง
แม้ว่าราศีเมถุนจะเป็นก้าวกระโดดที่สำคัญในการพัฒนาขีดความสามารถด้านปัญญาประดิษฐ์ แต่ก็มีข้อบกพร่องเช่นเดียวกับโมเดลภาษาหลักอื่นๆ ประการแรก นี่คือความเป็นไปได้ในการสร้างข้อมูลเท็จ อคติยังขึ้นอยู่กับข้อมูลการฝึกอบรมที่มีให้กับโมเดลภาษาใหม่ด้วย นอกจากนี้ยังควรกล่าวถึงความเข้าใจที่จำกัดในโลกแห่งความเป็นจริงด้วย Google ยอมรับว่าโมเดล Gemini ใหม่สามารถทำผิดพลาดได้ ให้ข้อเท็จจริงที่ไม่อิงหลักฐาน และขัดแย้งกับสามัญสำนึก
จำเป็นต้องมีการทดสอบเพิ่มเติม โดยเฉพาะอย่างยิ่งสำหรับ Gemini Ultra ซึ่งมีความสามารถใหม่ที่ยังไม่ได้รับการสำรวจอย่างเต็มรูปแบบ Google มุ่งมั่นที่จะประเมินราศีเมถุนอย่างรอบคอบเพื่อลดอันตรายที่อาจเกิดขึ้น
ที่น่าสนใจเช่นกัน: ทุกๆอย่างเกี่ยวกับ Microsoft Copilot: อนาคตหรือทางที่ผิด?
อนาคตอยู่กับราศีเมถุน
การเปิดตัว Gemini โดย Google ถือเป็นการเปิดศักราชใหม่ของการพัฒนา AI ด้วยประสิทธิภาพที่ดีที่สุดเมื่อเทียบกับรุ่นก่อนๆ และพื้นฐานของมนุษย์ Gemini ชี้ให้เห็นถึงความเป็นไปได้ในอนาคตของปัญญาประดิษฐ์ แต่ยังต้องมีการวิจัยเพิ่มเติมเพื่อแก้ไขข้อบกพร่องบางประการ
ในอนาคต คุณสามารถคาดหวังได้ว่า Gemini จะนำเสนอคุณลักษณะที่เป็นประโยชน์และชาญฉลาดมากขึ้นในผลิตภัณฑ์ของ Google นับจากนี้ไป บริษัทวางแผนที่จะขยายธุรกิจ Gemini ต่อไปนอกเหนือจากภาษาอังกฤษ และสร้างรูปแบบวิธีการหลักของบริษัท
เราทำได้แค่ดูและหวังว่า Google จะรู้ว่ากำลังทำอะไรอยู่
อ่าน: