สิ่งที่เป็น Generative AI?

Generative AI ได้สร้างความสนใจอย่างมากในช่วงหลัง เทอมนี้ใช้เพื่ออ้างถึงระบบปัญญาประดิษฐ์ใดๆ ที่พึ่งพาแอลกอริทึมการเรียนรู้ที่ไม่มีการดูแลหรือการเรียนรู้แบบครึ่งๆ กลางๆ เพื่อสร้างภาพดิจิทัลใหม่ วิดีโอ ออดิโอ และข้อความ ตาม MIT Generative AI เป็นหนึ่งในความก้าวหน้าที่มีแนวโน้มมากที่สุดในด้าน AI ในทศวรรษที่ผ่านมา

ผ่าน Generative AI คอมพิวเตอร์สามารถเรียนรู้รูปแบบพื้นฐานที่เกี่ยวข้องกับอินพุต ซึ่งช่วยให้พวกมันสามารถผลิตเนื้อหาที่คล้ายกันได้ ระบบเหล่านี้พึ่งพา Generative Adversarial Networks (GANs) Variational Autoencoders และ Transformers

ความฮือฮาเกี่ยวกับ Generative AI กำลังเติบโตอย่างต่อเนื่อง โดย Gartner ได้รวมไว้ในรายงาน “Emerging Technologies and Trends Impact Radar for 2022” ของบริษัท ตามรายงานนี้ Generative AI เป็นหนึ่งในเทคโนโลยีที่มีผลกระทบมากที่สุดและพัฒนาอย่างรวดเร็วที่สุดในตลาด

บางส่วนของการคาดการณ์ที่สำคัญจากรายงาน Gartner นั้น ได้แก่:

• ภายในปี 2025 Generative AI จะถูกใช้โดย 50% ของการค้นพบและพัฒนายา
• ภายในปี 2025 Generative AI จะผลิตข้อมูล 10% ของทั้งหมด
• ภายในปี 2027 30% ของผู้ผลิตจะใช้ Generative AI เพื่อเพิ่มประสิทธิภาพในการพัฒนาสินค้า

เทคนิค Generative AI

Generative AI สามารถสร้างเนื้อหใหม่โดยใช้ข้อความที่มีอยู่ ไฟล์เสียง หรือภาพ มันช่วยให้คอมพิวเตอร์สามารถตรวจจับรูปแบบพื้นฐานที่เกี่ยวข้องกับอินพุตได้ เพื่อผลิตเนื้อหาที่คล้ายกัน

Generative AI ใช้เทคนิคต่างๆ เพื่อให้บรรลุเป้าหมายนี้:

• Generative Adversarial Networks (GANs): GANs ประกอบด้วยสองเครือข่ายประสาทเทียม มีเครือข่าย Generator และเครือข่าย Discriminator ที่แข่งขันกันเพื่อสร้างสมดุลระหว่างทั้งสอง เครือข่าย Generator สร้างข้อมูลหรือเนื้อหใหม่ที่คล้ายกับข้อมูลต้นฉบับ ในขณะที่เครือข่าย Discriminator แยกแยะระหว่างข้อมูลต้นฉบับและข้อมูลที่สร้างขึ้นเพื่อระบุว่าข้อมูลใดใกล้เคียงกับข้อมูลต้นฉบับมากที่สุด
• Transformers: โมเดล Transformer รวมถึงโมเดล GPT-3 ที่สามารถเลียนแบบความสนใจของ认知และวัดความสำคัญของส่วนประกอบข้อมูลเข้า Transformer สามารถฝึกให้เข้าใจภาษาหรือภาพ และสามารถเรียนรู้การจำแนกประเภทและสร้างข้อความหรือภาพจากเซตข้อมูลขนาดใหญ่
• Variational Autoencoders: ด้วย Variational Autoencoders เครื่องเข้ารหัส (Encoder) จะเข้ารหัสอินพุตเป็นรหัสที่บีบอัด ในขณะที่เครื่องถอดรหัส (Decoder) จะสร้างข้อมูลต้นฉบับจากโค้ดที่บีบอัด เมื่อฝึกได้อย่างถูกต้อง การแสดงผลที่บีบอัดสามารถเก็บการกระจายตัวของข้อมูลอินพุตเป็นรูปแบบที่มีมิติน้อยกว่า

การประยุกต์ใช้ Generative AI

มีการประยุกต์ใช้ Generative AI ที่หลากหลายซึ่งครอบคลุมหลายสาขา เช่น การตลาด การศึกษา การดูแลสุขภาพ และความบันเทิง

นี่คือบางส่วนของการประยุกต์ใช้ Generative AI ที่สำคัญ:

• การดูแลสุขภาพ: Generative Adversarial Networks กำลังปฏิวัติอุตสาหกรรมด้านสุขภาพ โดยสามารถสร้างตัวอย่างเท็จของข้อมูลที่มีการแทนไม่เพียงพอ ซึ่งสามารถใช้ในการฝึกและพัฒนามデル GANs ยังใช้ในการระบุข้อมูลและปรับปรุงความเป็นส่วนตัวและความปลอดภัยของข้อมูล
• ดนตรี: Generative AI กำลังถูกใช้ในด้านดนตรีโดยการสร้างเครือข่ายประสาทเทียมที่สามารถเลียนแบบสมองของมนุษย์ ตัวอย่างเช่น ซอฟต์แวร์ Magenta ของ Google (GOOGL ) สร้างเพลง AI เพลงแรกๆ หนึ่งในประโยชน์ที่สำคัญของ Generative AI ในด้านดนตรีคือความสามารถในการสร้างแนวเพลงใหม่
• ภาพยนตร์: การประยุกต์ใช้ Generative AI ในอุตสาหกรรมภาพยนตร์ยังคงเติบโต มันช่วยให้สามารถบันทึกเฟรมได้ทุกเมื่อโดยไม่คำนึงถึงสภาพแสงหรือสภาพอากาศ เนื่องจากภาพสามารถแปลงได้หลังจากนั้น Generative AI สามารถใช้การ合成ใบหน้าและคลอนเสียงเพื่อให้นักแสดงสามารถใช้ภาพและวิดีโอของตนเองในอายุที่แตกต่างกัน
• สื่อ: Generative AI ถูกใช้กันอย่างแพร่หลายในอุตสาหกรรมสื่อ ตัวอย่างเช่น สามารถเพิ่มคุณภาพของเนื้อหาทางการขึ้นผ่านการแก้สมการความละเอียดสูง เทคนิคการเรียนรู้ของเครื่องสามารถเปลี่ยนเนื้อหาคุณภาพต่ำให้เป็นคุณภาพสูง
• หุ่นยนต์: การสร้างแบบจำลองที่สร้างขึ้นช่วยให้โมเดลการเรียนรู้แบบเสริมสามารถแสดงความลำเอียงน้อยลงและเข้าใจแนวคิดที่เป็นนามธรรมในสถานการณ์จำลองและโลกแห่งความเป็นจริง

ความท้าทายของ Generative AI

แม้จะมีประโยชน์และการประยุกต์ใช้ แต่ Generative AI ก็มีความท้าทายบางประการ เช่น สามารถถูกใช้โดยผู้กระทำผิดเพื่อกระทำกิจกรรมที่ไม่ดี เช่น การหลอกลวงหรือสร้างข่าวปลอม

แอลกอริทึม Generative AI ต้องการข้อมูลการฝึกมากมายเพื่อให้สามารถทำงานได้สำเร็จ ในขณะเดียวกัน GANs ไม่สามารถผลิตภาพหรือข้อความที่ใหม่ๆ ทั้งหมดได้ แต่ต้องใช้ข้อมูลและรวมเข้าด้วยกันเพื่อสร้างผลลัพธ์ใหม่

อีกความท้าทายหนึ่งของ Generative AI คือผลลัพธ์ที่ไม่คาดคิด โดยเฉพาะโมเดลบางอย่าง เช่น GANs ที่ยากต่อการควบคุม เมื่อเกิดเหตุการณ์นี้ โมเดลอาจไม่เสถียรและสร้างผลลัพธ์ที่ไม่คาดคิด

ตัวอย่างของบริษัท Generative AI

มีหลายบริษัทที่เกี่ยวข้องกับ Generative AI สำหรับการประยุกต์ใช้หลากหลาย:

• Synthesia: หนึ่งในบริษัท Generative AI ที่มีชื่อเสียงที่สุดคือ Synthesia ซึ่งเป็นผู้บุกเบิกเทคโนโลยีการสังเคราะห์วิดีโอในยุคแรกๆ บริษัทที่ตั้งอยู่ในสหราชอาณาจักรนี้ก่อตั้งขึ้นในปี 2017 และใช้เทคโนโลยีสังเคราะห์ใหม่สำหรับการสร้างเนื้อหาวิดีโอ รวมถึงการลดค่าใช้จ่าย ทักษะ และอุปสรรคด้านภาษาในการใช้เทคโนโลยี
• Mostly AI: Mostly AI พัฒนาเครื่องยนต์ข้อมูลสังเคราะห์ที่สามารถสร้างข้อมูลสังเคราะห์ที่สมจริงและเป็นตัวแทนได้ มันสามารถเรียนรู้รูปแบบ โครงสร้าง และความแปรผันจากข้อมูลที่มีอยู่ได้โดยอัตโนมัติ
• Synthesis AI: Synthesis AI รวมโมเดล Generative AI ใหม่ๆ และเทคโนโลยี CGI ที่พัฒนาไปตามลำดับ ตามที่บริษัทระบุ วงจรการผลิตที่เป็นเอกลักษณ์ของพวกเขาอนุญาตให้สร้างข้อมูลจำนวนมากสำหรับการฝึกโมเดลการมองเห็นที่ซับซ้อน
• Synthetaic: Synthetaic เป็นบริษัทข้อมูลสังเคราะห์ที่นำหน้า โดยให้ข้อมูลคุณภาพสูงสำหรับ AI เทคโนโลยี RAIC (Rapid Automatic Image Categorization) ของบริษัทช่วยให้สามารถวิเคราะห์ข้อมูลที่ไม่มีโครงสร้างขนาดใหญ่โดยอัตโนมัติ เพื่อให้คุณสามารถฝึกและใช้โมเดล AI ได้เร็วขึ้นกว่าแนวทางแบบดั้งเดิม
• Aqemia: Aqemia เป็นบริษัทค้นพบยาที่ใช้แอลกอริทึมแบบ Quantum ที่ไม่เหมือนใครเพื่อคาดการณ์การจับกันระหว่างโมเลกุลและ AI นี่ช่วยให้ค้นพบโมเลกุลที่มีนวัตกรรมมากขึ้นพร้อมโอกาสที่จะประสบความสำเร็จมากขึ้น
• AiMi: AiMi เป็นหนึ่งในบริษัท Generative AI ชั้นนำในอุตสาหกรรมดนตรี AiMi ส่งมอบกระแสดนตรีอิเล็กทรอนิกส์ที่มีชีวิตชีวาและไม่มีที่สิ้นสุดซึ่งสามารถเปลี่ยนแปลงใหม่ในเวลาจริง คุณสามารถใช้ AiMi เพื่อสร้างภูมิประเทศเสียงที่มีเสียงและภาพที่ไม่มีที่สิ้นสุด

บริษัทเหล่านี้เป็นเพียงไม่กี่แห่งที่ใช้โมเดล Generative AI เพื่อนำเทคโนโลยีที่ก้าวหน้าและพัฒนาอย่างต่อเนื่องมาใช้