Google ปล่อยของ ... ประกาศเปิดตัว Gemini 1.5 pro

เช้ามืดวันนี้ ผู้เขียนตรวจสอบ mail box ตามปกตินิสัย ... ได้เห็น email น่าตื่นตาตื่นใจจาก Google Blog "Introducing our next-generation AI model" อุทานในใจอะไรจะ next gen กันเร็วขนาดนี้ เพิ่งจะประกาศ Gemini 1.0 ไปเมื่อไม่กี่วันที่ผ่านมานี้เอง scan อ่านแบบเร็ว ๆ จับความได้ว่า สอง CEO แห่ง google จากฝั่ง Alphabet กับ DeepMind ร่วมกันเปิดตัว Gemini 1.5 pro ที่เรียกว่าพัฒนาไปไกลกว่า Gemini 1.0 แบบใช้คำว่าก้าวกระโดดยังน้อยเกินไป โดยมีคุณลักษณะสำคัญแบบสรุป ดังนี้

Gemini 1.5: โมเดล AI รุ่นใหม่ที่มีประสิทธิภาพสูงขึ้น มีความสามารถในทำงานแบบ long context ในทุก ๆ Modal

MoE architecture: รูปแบบทางสถาปัตยกรรมที่แบ่งโมเดลออกเป็นเครือข่ายประสาท “ผู้เชี่ยวชาญ” ที่เล็กกว่า มีความเฉพาะทางและมีประสิทธิภาพมากขึ้น

Long-context window: คุณลักษณะที่ทำให้โมเดลประมวลผลได้ถึง 1 ล้านโทเค็นในคำสั่งเดียว นำไปสู่ความสามารถในการการทำงานและประยุกต์ใช้งานใหม่ ๆ กว้างไกลกว่ากรอบในปัจจุบัน

Availability and testing: เปิดใช้งาน Gemini 1.5 Pro ในรูปแบบพรีวิวแบบจำกัด เฉพาะสำหรับนักพัฒนาและลูกค้าองค์กรผ่าน AI Studio และ Vertex AI พร้อมดำเนินการทดสอบจริยธรรมและความปลอดภัยอย่างละเอียด

สนใจศึกษารายละเอียดเพิ่มเติมที่นี่ครับ Introducing Gemini 1.5, Google's next-generation AI model (blog.google)

ทำความรู้จักกับ GEMINI - Google AI

Image from Introducing Gemini: Google’s most capable AI model yet (blog.google)

6 ธันวาคม 2566 ... Google ประกาศเปิดตัว GEMINI อย่างเป็นทางการ ผู้เขียนติดตามข่าวเรื่องนี้ผ่าน Google Blog เกาะติดข้อมูลข่าวสารหลายแหล่ง ด้วยเหตุที่ต้องเรียนตรง ๆ ว่าเมื่อวันที่ 6 ธันวาคม 2566 ทั้งอ่านทั้งฟังยังไงก็ไม่ชัดเจนว่า GEMINI คืออะไรกันแน่ รู้เพียงคร่าว ๆ ว่าเป็น AI Model ที่ทันสมัยที่สุด มี 3 รูปแบบตามวัตถุประสงค์ใช้งาน คือ Ultra, Pro และ Nano ผ่านไปหลายวันจึงพอจะเริ่มเห็นภาพว่าทำไม GEMINI ถีงเป็นเรื่องน่าตื่นตาตื่นใจและถือเป็นก้าวสำคัญของการพัฒนาเทคโนโลยี AI ... ผู้เขียนขอสรุปภาพรวมให้อ่านกันง่าย ๆ ดังนี้ครับ

1) ความสามารถในการทำงานแบบหลายโหมด (Multimodal Capabilities)

GEMINI เป็นโมเดล AI ที่สามารถเข้าใจ ประมวลผล และรวมข้อมูลประเภทต่าง ๆ ทั้งข้อความ ภาพ เสียง วิดีโอ และโค้ด(ภาษาเขียนโปรแกรม) ความหลากหลายนี้ทำให้ GEMINI สามารถทำงานได้หลากหลายมากกว่าโมเดล AI ก่อนหน้านี้

2) มีให้เลือก 3 ประเภท

GEMINI มีให้เลือก 3 ประเภท คือ Ultra Pro และ Nano แต่ละประเภทถูกออกแบบมาสำหรับงานที่แตกต่างกัน โดย Ultra สำหรับงานที่ซับซ้อนมาก Pro สำหรับงานที่หลากหลาย และ Nano มีประสิทธิภาพสำหรับงานบนอุปกรณ์

3) การประยุกต์ใช้ในผลิตภัณฑ์ของ Google

ตัวอย่างแรก ๆ ที่เห็นได้ตอนนี้ คือ Pro ถูกใช้ใน Bard ซึ่งเป็น AI chatbot ของ Google ซึ่งน่าจะทำให้มีตรรกกะ ให้คำตอบที่ถูกต้องเป็นเหตุเป็นผลมากขึ้น ขณะที่ Nano จะถูกเอาไปใส่ในสมาร์ทโฟน Pixel 8 Pro เพื่อเพิ่มฟีเจอร์ เช่นการสรุปไฟล์เสียงและสร้างข้อความตอบกลับอย่างรวดเร็ว เป็นต้น

4) ความก้าวหน้าทางเทคนิค

Google ฝึกฝน (train) GEMINI ด้วย Tensor Processing Units (TPUs) รุ่นใหม่ล่าสุด มีผลให้ GEMINI เป็นหนึ่งในโมเดล AI ที่ทันสมัยที่สุดโดยปริยาย และกำลังดำเนินการปรับปรุง GEMINI Ultra อย่างต่อเนื่อง รวมถึงการทำการตรวจสอบความน่าเชื่อถือและความปลอดภัยอย่างละเอียด

5) ผลการทดสอบ

GEMINI ผ่านการทดสอบด้วยผลลัพธ์ที่โดดเด่น โดยมีผลการทดสอบที่ดีกว่าผู้เชี่ยวชาญมนุษย์ในบางงานและเหนือกว่าโมเดลอื่นๆ เช่น GPT-4 ในหลาย ๆ งาน แต่ก็ยังมีข้อจำกัดเช่นเดียวกับโมเดลภาษาขนาดใหญ่อื่น ๆ ที่บางครั้งให้ผลลัพธ์ที่ผิดพลาด

6) การบูรณาการในอนาคต

Google วางแผนที่จะรวม GEMINI เข้ากับผลิตภัณฑ์และบริการอื่น ๆ ของตัวเอง เช่น การค้นหา โฆษณา Chrome และอื่นๆ ในอีกไม่กี่เดือนข้างหน้า การบูรณาการนี้เป็นส่วนหนึ่งของกลยุทธ์ของ Google เพื่อใช้ประโยชน์จากเทคโนโลยี AI ในชุดผลิตภัณฑ์ต่าง ๆ

7) การเข้าถึงสำหรับนักพัฒนา

นักพัฒนาจะเข้าถึง GEMINI Pro ได้ในรูปแบบ API บนแพลตฟอร์ม Google AI Studio และ Google Cloud Vertex AI ทำให้นักพัฒนาและองค์กรต่างๆ สามารถสร้างเครื่องมือ AI เฉพาะทางสำหรับแอปพลิเคชันต่าง ๆ

GEMINI ของ Google แสดงให้เห็นถึงขีดความสามารถด้าน AI แบบก้าวกระโดด โดยนำเสนอแนวทางการประยุกต์ใช้และการปรับปรุงที่หลากหลายมากกว่ารุ่นก่อน ๆ ความสามารถในการประมวลผลและรวมข้อมูลหลายประเภทถือเป็นก้าวสำคัญในวิวัฒนาการของเทคโนโลยี AI​

ผู้เขียนเอา link การกล่าวเปิดตัว GEMINI ของ Sundra Pichai - Google's CEO แปะไว้ให้ ... ลองชมลองฟังกันดูครับ

https://youtu.be/jV1vkHv4zq8?si=8R_x-K7BgIB-1m5P