Generative AI เป็นเทคโนโลยีปัญญาประดิษฐ์ประเภทหนึ่งที่อธิบายระบบการเรียนรู้ของเครื่องอย่างกว้างๆ ที่สามารถสร้างข้อความ รูปภาพ โค้ด หรือเนื้อหาประเภทอื่นๆ ได้
รูปแบบของ กำเนิดปัญญาประดิษฐ์ กำลังถูกรวมเข้ากับเครื่องมือออนไลน์และมากขึ้นเรื่อยๆ chatbot
โดยให้ผู้ใช้สามารถพิมพ์คำถามหรือคำแนะนำลงในช่องป้อนข้อมูลได้ โดยโมเดล AI จะสร้างการตอบสนองแบบมนุษย์
รูปแบบของ กำเนิดปัญญาประดิษฐ์ พวกเขาใช้กระบวนการคอมพิวเตอร์ที่ซับซ้อนที่เรียกว่า deep learning
เพื่อวิเคราะห์รูปแบบและการจัดเรียงทั่วไปในชุดข้อมูลขนาดใหญ่ จากนั้นใช้ข้อมูลนี้เพื่อสร้างผลลัพธ์ใหม่และน่าสนใจ โมเดลดังกล่าวทำได้โดยการรวมเอาเทคนิคการเรียนรู้ของเครื่องที่เรียกว่าโครงข่ายประสาทเทียม ซึ่งได้รับการแรงบันดาลใจอย่างหลวมๆ จากวิธีที่สมองของมนุษย์ประมวลผลและตีความข้อมูล จากนั้นจึงเรียนรู้จากข้อมูลดังกล่าวเมื่อเวลาผ่านไป
เพื่อยกตัวอย่างการให้อาหารแบบจำลองของ กำเนิดปัญญาประดิษฐ์ ด้วยการเล่าเรื่องจำนวนมาก เมื่อเวลาผ่านไป โมเดลจะสามารถระบุและสร้างองค์ประกอบของเรื่องราวขึ้นมาใหม่ได้ เช่น โครงสร้างโครงเรื่อง ตัวละคร ธีม อุปกรณ์การเล่าเรื่อง และอื่นๆ
รูปแบบของ กำเนิดปัญญาประดิษฐ์ พวกเขามีความซับซ้อนมากขึ้นเมื่อข้อมูลที่พวกเขาได้รับและสร้างเพิ่มขึ้นอีกครั้งด้วยเทคนิคของ deep learning
และ โครงข่ายประสาท ด้านล่าง. เป็นผลให้เทมเพลตสร้างเนื้อหาได้มากขึ้น กำเนิดปัญญาประดิษฐ์ยิ่งผลลัพธ์น่าเชื่อถือและเหมือนมนุษย์มากขึ้นเท่านั้น
ความนิยมของกำเนิดปัญญาประดิษฐ์ ระเบิดในปี 2023 ต้องขอบคุณโปรแกรมเป็นส่วนใหญ่ ChatGPT e DALL-E di OpenAI. นอกจากนี้ความก้าวหน้าทางเทคโนโลยีอย่างรวดเร็ว ปัญญาประดิษฐ์เช่นเดียวกับการประมวลผลภาษาธรรมชาติทำให้กำเนิดปัญญาประดิษฐ์ เข้าถึงได้โดยผู้บริโภคและผู้สร้างเนื้อหาในวงกว้าง
บริษัทเทคโนโลยีขนาดใหญ่ต่างก้าวกระโดดอย่างรวดเร็ว โดยมี Google, Microsoft, Amazon, Meta และอื่นๆ ต่างก็เตรียมเครื่องมือในการพัฒนาของตนเองขึ้นมา กำเนิดปัญญาประดิษฐ์ ภายในไม่กี่เดือน
มีเครื่องมือมากมาย กำเนิดปัญญาประดิษฐ์แม้ว่าโมเดลการสร้างข้อความและรูปภาพน่าจะเป็นที่รู้จักดีที่สุดก็ตาม โมเดลของ กำเนิดปัญญาประดิษฐ์ โดยทั่วไปแล้วพวกเขาจะพึ่งพาผู้ใช้ในการส่งข้อความที่แนะนำพวกเขาไปสู่การสร้างผลลัพธ์ที่ต้องการ ไม่ว่าจะเป็นข้อความ รูปภาพ วิดีโอ หรือเพลง แม้ว่าจะไม่ได้เป็นเช่นนั้นเสมอไปก็ตาม
มีโมเดล AI เจนเนอเรชั่นหลายประเภท ซึ่งแต่ละโมเดลออกแบบมาเพื่อความท้าทายและงานเฉพาะ สิ่งเหล่านี้สามารถแบ่งได้กว้าง ๆ เป็นประเภทต่อไปนี้
Transformer-based models
โมเดลที่ใช้หม้อแปลงไฟฟ้าได้รับการฝึกฝนเกี่ยวกับชุดข้อมูลขนาดใหญ่เพื่อทำความเข้าใจความสัมพันธ์ระหว่างข้อมูลตามลำดับ เช่น คำและประโยค สนับสนุนโดย deep learningโมเดล AI เหล่านี้มีแนวโน้มที่จะรอบรู้ใน NLP และเข้าใจโครงสร้างและบริบทของภาษา ทำให้เหมาะสำหรับงานสร้างข้อความ ChatGPT-3 และ Google Bard เป็นตัวอย่างของโมเดล AI ที่สร้างจากหม้อแปลง
Generative adversarial networks
GAN ประกอบด้วยโครงข่ายประสาทสองเครือข่ายที่เรียกว่าเครื่องกำเนิดและตัวแบ่งแยก ซึ่งทำงานร่วมกันโดยพื้นฐานเพื่อสร้างข้อมูลที่มีลักษณะเหมือนจริง ตามชื่อที่แนะนำ บทบาทของตัวสร้างคือการสร้างผลลัพธ์ที่น่าเชื่อถือ เช่น รูปภาพตามคำแนะนำ ในขณะที่ผู้แยกแยะทำงานเพื่อประเมินความถูกต้องของรูปภาพดังกล่าว เมื่อเวลาผ่านไป แต่ละองค์ประกอบจะปรับปรุงบทบาทของตน และบรรลุผลลัพธ์ที่น่าเชื่อถือมากขึ้น ทั้ง DALL-E และ Midjourney เป็นตัวอย่างของโมเดล AI ที่สร้างตาม GAN
Variational autoencoders
VAE ใช้สองเครือข่ายในการตีความและสร้างข้อมูล ในกรณีนี้คือตัวเข้ารหัสและตัวถอดรหัส ตัวเข้ารหัสใช้ข้อมูลอินพุตและบีบอัดเป็นรูปแบบที่เรียบง่าย จากนั้นตัวถอดรหัสจะนำข้อมูลที่บีบอัดนี้มาสร้างใหม่ให้มีลักษณะคล้ายกับข้อมูลต้นฉบับ แต่ก็ไม่เหมือนกันทั้งหมด
ตัวอย่างจะเป็นการสอนโปรแกรมคอมพิวเตอร์เพื่อสร้างใบหน้ามนุษย์โดยใช้ภาพถ่ายเป็นข้อมูลการฝึกอบรม เมื่อเวลาผ่านไป โปรแกรมจะเรียนรู้ที่จะทำให้ภาพถ่ายใบหน้าผู้คนง่ายขึ้นโดยลดขนาดให้เหลือเพียงคุณสมบัติที่สำคัญบางประการ เช่น ขนาดและรูปร่างของตา จมูก ปาก หู ฯลฯ จากนั้นจึงใช้ภาพเหล่านั้นเพื่อสร้างใบหน้าใหม่
Multimodal models
โมเดลหลายรูปแบบสามารถเข้าใจและประมวลผลข้อมูลหลายประเภทได้ในคราวเดียว เช่น ข้อความ รูปภาพ และเสียง ทำให้สามารถสร้างเอาต์พุตที่ซับซ้อนมากขึ้นได้ ตัวอย่างจะเป็นโมเดล AI ที่สามารถสร้างรูปภาพตามข้อความแจ้ง รวมถึงคำอธิบายข้อความของข้อความแจ้งรูปภาพ จาก-E 2 จ GPT-4 โดย OpenAI เป็นตัวอย่างของแบบจำลองหลายรูปแบบ
สำหรับธุรกิจ ประสิทธิภาพถือเป็นประโยชน์ที่น่าสนใจที่สุดของ generative AI เนื่องจากสามารถช่วยให้ธุรกิจดำเนินงานที่เฉพาะเจาะจงได้โดยอัตโนมัติ และมุ่งเน้นเวลา พลังงาน และทรัพยากรไปยังเป้าหมายเชิงกลยุทธ์ที่สำคัญกว่า สิ่งนี้สามารถนำไปสู่ต้นทุนแรงงานที่ลดลง ประสิทธิภาพการดำเนินงานที่เพิ่มขึ้น และข้อมูลเชิงลึกใหม่ ๆ ว่ากระบวนการทางธุรกิจบางอย่างกำลังดำเนินการอยู่หรือไม่
สำหรับมืออาชีพและผู้สร้างเนื้อหา เครื่องมือ AI เชิงสร้างสรรค์สามารถช่วยในการสร้างแนวคิด การวางแผนและกำหนดเวลาเนื้อหา การเพิ่มประสิทธิภาพกลไกค้นหา การตลาด การมีส่วนร่วมของผู้ชม การวิจัยและการแก้ไข และอื่นๆ อีกมากมาย ประโยชน์หลักที่เสนอคือประสิทธิภาพ เนื่องจากเครื่องมือ AI ทั่วไปสามารถช่วยให้ผู้ใช้ลดเวลาที่ใช้ในงานบางอย่าง เพื่อให้พวกเขาสามารถลงทุนพลังงานไปที่อื่นได้ อย่างไรก็ตาม การควบคุมดูแลและควบคุมโมเดล AI เชิงสร้างสรรค์ด้วยตนเองยังคงมีความสำคัญอย่างยิ่ง
Generative AI ได้พบรากฐานในภาคอุตสาหกรรมจำนวนมาก และกำลังขยายไปสู่ตลาดเชิงพาณิชย์และผู้บริโภคอย่างรวดเร็ว แมคคินซีย์ประมาณการ ว่าภายในปี 2030 งานต่างๆ ที่ปัจจุบันคิดเป็นประมาณ 30% ของชั่วโมงทำงานในสหรัฐอเมริกาสามารถถูกทำให้เป็นอัตโนมัติได้ เนื่องจากการเร่งความเร็วของปัญญาประดิษฐ์เชิงกำเนิด
ในการบริการลูกค้า แชทบอทและผู้ช่วยเสมือนที่ขับเคลื่อนด้วย AI ช่วยให้บริษัทต่างๆ ลดเวลาตอบสนองและจัดการกับคำถามทั่วไปของลูกค้าได้อย่างรวดเร็ว ช่วยลดภาระของพนักงาน ในการพัฒนาซอฟต์แวร์ เครื่องมือ AI เจนเนอเรชั่นช่วยให้นักพัฒนาเขียนโค้ดได้สะอาดและมีประสิทธิภาพมากขึ้น โดยการตรวจสอบโค้ด เน้นจุดบกพร่อง และแนะนำวิธีแก้ปัญหาที่เป็นไปได้ก่อนที่จะกลายเป็นปัญหาใหญ่ ในขณะเดียวกัน ผู้เขียนสามารถใช้เครื่องมือ AI เชิงสร้างสรรค์เพื่อวางแผน ร่าง และแก้ไขเรียงความ บทความ และงานเขียนอื่นๆ ได้ แม้ว่ามักจะให้ผลลัพธ์ที่หลากหลายก็ตาม
การใช้ generative AI แตกต่างกันไปในแต่ละอุตสาหกรรม และเป็นที่ยอมรับมากกว่าในอุตสาหกรรมอื่นๆ กรณีการใช้งานในปัจจุบันและที่เสนอมีดังต่อไปนี้:
ข้อกังวลหลักเกี่ยวกับการใช้เครื่องมือ AI เจนเนอเรชั่น และโดยเฉพาะอย่างยิ่งเครื่องมือที่สาธารณชนเข้าถึงได้ คือศักยภาพในการเผยแพร่ข้อมูลที่ผิดและเนื้อหาที่เป็นอันตราย ผลกระทบนี้อาจเกิดในวงกว้างและรุนแรง ตั้งแต่การเหมารวม คำพูดแสดงความเกลียดชัง และอุดมการณ์ที่เป็นอันตราย ไปจนถึงความเสียหายต่อชื่อเสียงส่วนบุคคลและทางอาชีพ และภัยคุกคามจากผลกระทบทางกฎหมายและทางการเงิน มีการเสนอแนะว่าการใช้ AI ในทางที่ผิดหรือการจัดการที่ไม่ถูกต้องอาจทำให้ความมั่นคงของชาติตกอยู่ในความเสี่ยง
ความเสี่ยงเหล่านี้ไม่ได้รอดพ้นจากนักการเมือง ในเดือนเมษายน พ.ศ. 2023 สหภาพยุโรปเสนอ กฎลิขสิทธิ์ใหม่สำหรับ geneative AI ซึ่งจะกำหนดให้บริษัทต่างๆ ต้องเปิดเผยเนื้อหาที่มีลิขสิทธิ์ใดๆ ที่ใช้ในการพัฒนาเครื่องมือปัญญาประดิษฐ์เชิงสร้างสรรค์ กฎเหล่านี้ได้รับการอนุมัติในร่างกฎหมายที่ลงคะแนนโดยรัฐสภายุโรปในเดือนมิถุนายน ซึ่งรวมถึงข้อจำกัดที่เข้มงวดเกี่ยวกับการใช้ปัญญาประดิษฐ์ในประเทศสมาชิกสหภาพยุโรป รวมถึงการห้ามเทคโนโลยีการจดจำใบหน้าแบบเรียลไทม์ในที่สาธารณะ
การทำงานอัตโนมัติผ่าน generative AI ยังทำให้เกิดความกังวลเกี่ยวกับกำลังคนและการโยกย้ายงาน ดังที่ McKinsey เน้นย้ำ จากข้อมูลของกลุ่มที่ปรึกษา ระบบอัตโนมัติอาจทำให้มีการเปลี่ยนอาชีพถึง 12 ล้านครั้งระหว่างปัจจุบันถึงปี 2030 โดยตำแหน่งงานจะเน้นไปที่การสนับสนุนในสำนักงาน การบริการลูกค้า และบริการอาหาร รายงานประมาณการว่าความต้องการพนักงานออฟฟิศอาจ “... ลดลง 1,6 ล้านตำแหน่ง นอกเหนือจากการสูญเสีย 830.000 ตำแหน่งสำหรับพนักงานขายปลีก 710.000 ตำแหน่งสำหรับผู้ช่วยธุรการ และ 630.000 ตำแหน่งสำหรับแคชเชียร์”
AI ทั่วไปและ AI ทั่วไปเป็นตัวแทนของด้านที่แตกต่างกันของเหรียญเดียวกัน ทั้งสองเกี่ยวข้องกับสาขาปัญญาประดิษฐ์ แต่อย่างแรกนั้นเป็นประเภทย่อยของอย่างหลัง
Generative AI ใช้เทคนิคการเรียนรู้ของเครื่องต่างๆ เช่น GAN, VAE หรือ LLM เพื่อสร้างเนื้อหาใหม่จากแบบจำลองที่เรียนรู้จากข้อมูลการฝึกอบรม เอาต์พุตเหล่านี้อาจเป็นข้อความ รูปภาพ เพลง หรือสิ่งอื่นใดที่สามารถแสดงในรูปแบบดิจิทัลได้
ปัญญาประดิษฐ์ทั่วไปหรือที่รู้จักกันในชื่อปัญญาประดิษฐ์ทั่วไป หมายถึงแนวคิดของระบบคอมพิวเตอร์และหุ่นยนต์ที่มีสติปัญญาและความเป็นอิสระเหมือนมนุษย์ นี่ยังคงเป็นนิยายวิทยาศาสตร์ ลองนึกถึง WALL-E ของ Disney Pixar, Sonny จาก I, Robot หรือ HAL 2004 ในปี 9000 ซึ่งเป็นปัญญาประดิษฐ์อันชั่วร้ายจาก Stanley Kubrick ในปี 2001: A Space Odyssey ระบบ AI ในปัจจุบันส่วนใหญ่เป็นตัวอย่างของ “AI ที่แคบ” เนื่องจากได้รับการออกแบบมาสำหรับงานที่เฉพาะเจาะจงมาก
ตามที่อธิบายไว้ข้างต้น generative AI เป็นสาขาย่อยของปัญญาประดิษฐ์ โมเดล AI เชิงสร้างสรรค์ใช้เทคนิคการเรียนรู้ของเครื่องเพื่อประมวลผลและสร้างข้อมูล โดยทั่วไป ปัญญาประดิษฐ์หมายถึงแนวคิดของคอมพิวเตอร์ที่สามารถปฏิบัติงานที่อาจต้องใช้สติปัญญาของมนุษย์ เช่น การตัดสินใจและ NLP
การเรียนรู้ของเครื่องเป็นองค์ประกอบพื้นฐานของปัญญาประดิษฐ์ และหมายถึงการประยุกต์ใช้อัลกอริธึมคอมพิวเตอร์กับข้อมูลเพื่อจุดประสงค์ในการสอนคอมพิวเตอร์ให้ทำงานเฉพาะอย่าง การเรียนรู้ของเครื่องเป็นกระบวนการที่ช่วยให้ระบบปัญญาประดิษฐ์สามารถตัดสินใจหรือคาดการณ์โดยใช้ข้อมูลตามรูปแบบที่เรียนรู้
การเติบโตอย่างรวดเร็วของ generative AI ไม่แสดงสัญญาณของการลดลง และในขณะที่บริษัทต่างๆ หันมาใช้ระบบดิจิทัลและระบบอัตโนมัติมากขึ้นเรื่อยๆ generative AI ก็ดูเหมือนจะมีบทบาทสำคัญในอนาคตของอุตสาหกรรม ความสามารถของ generative AI ได้รับการพิสูจน์แล้วว่ามีคุณค่าในอุตสาหกรรมต่างๆ เช่น การสร้างเนื้อหา การพัฒนาซอฟต์แวร์ และการแพทย์ และในขณะที่เทคโนโลยียังคงมีการพัฒนาอย่างต่อเนื่อง แอปพลิเคชันและกรณีการใช้งานก็จะขยายออกไป
อย่างไรก็ตาม ผลกระทบของ Generative AI ต่อธุรกิจ บุคคล และสังคมโดยรวมนั้นขึ้นอยู่กับวิธีที่เราจัดการกับความเสี่ยงที่เกิดขึ้น ตรวจสอบให้แน่ใจว่ามีการใช้ปัญญาประดิษฐ์ อย่างมีจริยธรรม ลดอคติ ปรับปรุงความโปร่งใสและความรับผิดชอบ และสนับสนุน การกำกับดูแล ของข้อมูลจะมีความสำคัญ ในขณะที่การทำให้แน่ใจว่ากฎระเบียบให้ทันกับวิวัฒนาการที่รวดเร็วของเทคโนโลยีนั้นได้พิสูจน์แล้วว่าเป็นสิ่งที่ท้าทายอยู่แล้ว ในทำนองเดียวกัน การค้นหาสมดุลระหว่างระบบอัตโนมัติและการมีส่วนร่วมของมนุษย์จะมีความสำคัญหากเราหวังว่าจะควบคุมศักยภาพของ AI กำเนิดเต็มศักยภาพ ในขณะเดียวกันก็บรรเทาผลกระทบด้านลบใดๆ
Ercole Palmeri
ผู้คนนับล้านชำระค่าบริการสตรีมมิ่ง โดยจ่ายค่าธรรมเนียมการสมัครสมาชิกรายเดือน เป็นความเห็นทั่วไปที่คุณ...
Coveware by Veeam จะยังคงให้บริการตอบสนองต่อเหตุการณ์การขู่กรรโชกทางไซเบอร์ต่อไป Coveware จะนำเสนอความสามารถในการนิติเวชและการแก้ไข...
การบำรุงรักษาเชิงคาดการณ์กำลังปฏิวัติภาคส่วนน้ำมันและก๊าซ ด้วยแนวทางเชิงรุกและนวัตกรรมในการจัดการโรงงาน...
UK CMA ได้ออกคำเตือนเกี่ยวกับพฤติกรรมของ Big Tech ในตลาดปัญญาประดิษฐ์ ที่นั่น…