จาก Siri ถึง ReALM: การเดินทางของ Apple สู่การสร้างผู้ช่วยเสียงที่ฉลาดกว่า

นับตั้งแต่การเปิดตัว Siri ในปี 2011 Apple (AAPL ) ได้พัฒนาและปรับปรุงผู้ช่วยเสียงอย่างต่อเนื่อง โดยปรับให้เหมาะสมกับความต้องการของผู้ใช้ทั่วโลก การแนะนำ ReALM ถือเป็นจุดสำคัญในกระบวนการนี้ โดยให้ภาพรวมเกี่ยวกับบทบาทที่เปลี่ยนแปลงของผู้ช่วยเสียงในการโต้ตอบกับอุปกรณ์ของเรา ในบทความนี้จะพิจารณาผลกระทบของ ReALM ต่อ Siri และทิศทางที่อาจเกิดขึ้นสำหรับผู้ช่วยเสียงในอนาคต

การเพิ่มขึ้นของผู้ช่วยเสียง: ต้นกำเนิดของ Siri

การเดินทางเริ่มต้นเมื่อ Apple รวม Siri ซึ่งเป็นระบบปัญญาประดิษฐ์ที่ซับซ้อนเข้ากับอุปกรณ์ของตน ทำให้การโต้ตอบกับเทคโนโลยีเปลี่ยนแปลงไป สิ่งนี้ตั้งต้นจากเทคโนโลยีที่พัฒนาโดย SRI International และ Siri ได้กลายเป็นมาตรฐานทองคำสำหรับผู้ช่วยเสียงที่ทำงานด้วยเสียง ผู้ใช้สามารถสั่งงาน เช่น การค้นหาในอินเทอร์เน็ตและการจัดตารางงานผ่านคำสั่งเสียงที่ง่าย ทำให้ขยายขอบเขตของการโต้ตอบแบบพูดและจุดชนวนการแข่งขันในตลาดผู้ช่วยเสียง

Siri 2.0: ยุคใหม่ของผู้ช่วยเสียง

เมื่อ Apple เตรียมเปิดตัว iOS 18 ในการประชุมนักพัฒนาโลกของ Apple (WWDC) ในเดือนมิถุนายน 2024 ความตื่นเต้นกำลังเพิ่มขึ้นในหมู่ชุมชนเทคโนโลยีสำหรับสิ่งที่คาดว่าจะเป็นการพัฒนาที่สำคัญของ Siri ในช่วงใหม่นี้ที่เรียกว่า Siri 2.0 มีแนวโน้มที่จะนำความก้าวหน้าของ AI ที่สร้างขึ้นมาใช้ ซึ่งอาจเปลี่ยน Siri ให้กลายเป็นผู้ช่วยเสียงที่ซับซ้อนมากขึ้น แม้ว่าข้อมูลที่แน่นอนจะยังคงไม่เปิดเผย แต่โลกเทคโนโลยีกำลังพูดถึงโอกาสที่ Siri จะบรรลุระดับความเข้าใจภาษาและโต้ตอบที่ดีขึ้น โดยใช้แบบจำลองการเรียนรู้ภาษาที่ซับซ้อนเช่นเดียวกับเทคโนโลยี เช่น ChatGPT ในบริบทนี้ การแนะนำ ReALM ซึ่งเป็นแบบจำลองภาษาที่กะทัดรัด หมายถึงการปรับปรุงที่เป็นไปได้ที่ Siri 2.0 อาจนำเสนอให้กับผู้ใช้

การเปิดตัว ReALM

ReALM ย่อมาจาก Reference Resolution As Language Modeling เป็นแบบจำลองภาษาที่เชี่ยวชาญในการตีความอ้างอิงที่ไม่ชัดเจนในระหว่างการสนทนา เช่น “สิ่งนั้น” หรือ “สิ่งนี้” มันโดดเด่นด้วยความสามารถในการประมวลผลอ้างอิงแบบสนทนาและภาพให้เป็นรูปแบบข้อความ ทำให้ ReALM สามารถตีความและโต้ตอบกับองค์ประกอบบนหน้าจอได้อย่างราบรื่นภายในสนทนา ซึ่งเป็นคุณลักษณะสำคัญสำหรับการจัดการคำถามที่ขึ้นอยู่กับบริบทที่มีความสัมพันธ์กับภาพ

สถาปัตยกรรมของ ReALM ตั้งแต่ขนาดเล็ก เช่น ReALM-80M ไปจนถึงขนาดใหญ่ เช่น ReALM-3B ได้รับการปรับให้เหมาะสมสำหรับการประมวลผลบนอุปกรณ์มือถือ ทำให้สามารถทำงานได้อย่างมีประสิทธิภาพโดยใช้พลังงานและทรัพยากรการประมวลผลน้อยลง ซึ่งเป็นสิ่งสำคัญสำหรับการขยายอายุการใช้งานของแบตเตอรี่และให้การตอบสนองที่รวดเร็วบนอุปกรณ์ต่างๆ

นอกจากนี้ การออกแบบ ReALM ยังรองรับการอัปเดตแบบโมดูลาร์ ทำให้สามารถรวมการปรับปรุงล่าสุดในการแก้ไขอ้างอิงได้อย่างราบรื่น การออกแบบแบบโมดูลาร์นี้ไม่เพียงแต่เพิ่มความยืดหยุ่นและความสามารถในการปรับตัวของแบบจำลองเท่านั้น แต่ยังรับประกันความเป็นไปได้และประสิทธิภาพในระยะยาว ทำให้สามารถตอบสนองความต้องการของผู้ใช้และมาตรฐานเทคโนโลยีที่เปลี่ยนแปลงไปได้

ReALM เทียบกับแบบจำลองภาษา

ในขณะที่แบบจำลองภาษาแบบดั้งเดิม เช่น GPT-3.5 ประมวลผลข้อความเป็นหลัก ReALM ใช้แนวทางแบบหลายรูปแบบ (multimodal) โดยทำงานร่วมกับทั้งข้อความและภาพ เช่นเดียวกับแบบจำลอง เช่น Gemini ไม่เหมือนกับฟังก์ชันการทำงานที่กว้างขวางของ GPT-3.5 และ Gemini ซึ่งสามารถจัดการงาน เช่น การสร้างข้อความ การทำความเข้าใจ และการสร้างภาพ ReALM มุ่งเน้นไปที่การตีความบริบทสนทนาและภาพ

ReALM จะเปลี่ยนแปลง Siri ได้อย่างไร?

ReALM อาจเพิ่มความสามารถของ Siri อย่างมาก ทำให้กลายเป็นผู้ช่วยที่มีความเข้าใจบริบทและโต้ตอบที่ดีขึ้น ต่อไปนี้คือวิธีที่ ReALM อาจส่งผลกระทบ:

• การเข้าใจบริบทที่ดีขึ้น: ReALM เชี่ยวชาญในการตีความอ้างอิงที่ไม่ชัดเจนในระหว่างการสนทนา ซึ่งอาจปรับปรุงความสามารถของ Siri ในการเข้าใจคำถามที่ขึ้นอยู่กับบริบทได้อย่างมาก ทำให้ผู้ใช้สามารถโต้ตอบกับ Siri ได้อย่างเป็นธรรมชาติ โดยไม่ต้องให้รายละเอียดเพิ่มเติม
• การโต้ตอบกับหน้าจอที่ดีขึ้น: ด้วยความสามารถในการตีความองค์ประกอบบนหน้าจอและอ้างอิงภายในสนทนา ReALM อาจทำให้ Siri สามารถทำงานร่วมกับเนื้อหาบนหน้าจอได้อย่างราบรื่นมากขึ้น ทำให้สามารถสั่งงานที่เกี่ยวข้องกับองค์ประกอบบนหน้าจอได้ เช่น “เปิดแอปที่อยู่ข้างๆ Mail” หรือ “เลื่อนลงในหน้านี้” เพิ่มความสามารถในการใช้งานในหลายๆ งาน
• การปรับให้เหมาะสมส่วนบุคคล: โดยการเรียนรู้จากการสนทนาในอดีต ReALM อาจปรับปรุงความสามารถของ Siri ในการให้คำตอบที่ปรับให้เหมาะสมและตอบสนองได้ดีขึ้น เมื่อเวลาผ่านไป Siri อาจคาดการณ์ความต้องการและความชอบของผู้ใช้ และแนะนำหรือเริ่มการกระทำตามบริบทและความเข้าใจของผู้ใช้
• การเข้าถึงที่ดีขึ้น: ความสามารถในการตีความอ้างอิงและบริบทของ ReALM อาจเพิ่มความสามารถในการเข้าถึงเทคโนโลยีให้กับผู้ที่มีความพิการร่างกายหรือการมองเห็น ทำให้ผู้ใช้สามารถควบคุมอุปกรณ์ได้อย่างง่ายดายและเป็นธรรมชาติมากขึ้น

ReALM และกลยุทธ์ AI ของ Apple

การเปิดตัว ReALM สะท้อนถึงด้านหนึ่งของกลยุทธ์ AI ของ Apple โดยเน้นไปที่การประมวลผลบนอุปกรณ์ (on-device intelligence) การพัฒนานี้สอดคล้องกับแนวโน้มในอุตสาหกรรมในการประมวลผลขอบ (edge computing) โดยที่ข้อมูลถูกประมวลผลบนอุปกรณ์เอง ทำให้ลดความล่าช้า การใช้แบนด์วิธ และเพิ่มความปลอดภัยของข้อมูลผู้ใช้บนอุปกรณ์

โครงการ ReALM ยังแสดงให้เห็นถึงเป้าหมาย AI ที่กว้างขวางของ Apple ไม่เพียงแต่การดำเนินการคำสั่ง แต่ยังรวมถึงการทำความเข้าใจและคาดการณ์ความต้องการของผู้ใช้ด้วย ReALM เป็นตัวอย่างของการก้าวหน้าในอนาคตที่อุปกรณ์สามารถให้การสนับสนุนส่วนบุคคลและคาดการณ์ได้ดีขึ้น โดยอาศัยความเข้าใจอย่างลึกซึ้งเกี่ยวกับพฤติกรรมและความชอบของผู้ใช้

สรุป

การพัฒนาจาก Siri ถึง ReALM ของ Apple เน้นย้ำถึงการเปลี่ยนแปลงอย่างต่อเนื่องในเทคโนโลยีผู้ช่วยเสียง โดยมุ่งเน้นไปที่การเข้าใจบริบทและโต้ตอบที่ดีขึ้น ReALM เป็นตัวแทนของการเปลี่ยนแปลงสู่ผู้ช่วยเสียงที่ฉลาดมากขึ้น ส่วนบุคคล และใส่ใจความเป็นส่วนตัว โดยสอดคล้องกับแนวโน้มการประมวลผลขอบเพื่อเพิ่มความปลอดภัยและความเร็วในการประมวลผลบนอุปกรณ์