ใครเป็นผู้ชนะในการแข่งขัน AI ในปี 2024? การแข่งขันของ Big Tech เพื่อไปสู่ AGI

ปัญญาประดิษฐ์ (AI) ได้กลายเป็นความก้าวหน้าทางเทคโนโลยีที่ถูกพูดถึงมากที่สุดในทศวรรษนี้ เมื่อเราขยายขอบเขตของสิ่งที่เครื่องจักรสามารถทำได้ เป้าหมายสูงสุดสำหรับหลายๆ ยักษ์ใหญ่ด้านเทคโนโลยีคือการบรรลุความฉลาดทั่วไปของปัญญาประดิษฐ์ (AGI) – รูปแบบสมมุติของ AI ที่สามารถเข้าใจ เรียนรู้ และใช้ความฉลาดของมันเพื่อแก้ปัญหาได้เหมือนกับสมองของมนุษย์

การแข่งขันเพื่อไปสู่ AGI ไม่ใช่แค่เรื่องของความเหนือกว่าทางเทคโนโลยี แต่เป็นภารกิจที่สามารถเปลี่ยนแปลงรูปทรงของสังคมของเราได้ การใช้งาน AGI ที่เป็นไปได้นั้นกว้างขวางและเปลี่ยนแปลงทั้งอุตสาหกรรมต่างๆ ตั้งแต่การแก้ปัญหาที่ซับซ้อนไปจนถึงการปฏิวัติอุตสาหกรรมต่างๆ ทั่วโลก ซึ่งเป็นเหตุผลที่บริษัทเทคโนโลยีชั้นนำของโลกกำลังลงทุนหลายพันล้านดอลลาร์และหลายชั่วโมงในการวิจัยและพัฒนา AI

ในบทความนี้ เราจะสำรวจความพยายามของผู้เล่นหลักในการแข่งขัน AI รวมถึง Google (GOOGL ), NVIDIA (NVDA ), Microsoft (MSFT ), OpenAI, Meta และอื่นๆ เราจะพูดถึงกลยุทธ์ ความสำเร็จ และแนวทางที่ไม่เหมือนใครที่พวกเขากำลังใช้เพื่อขยายขอบเขตของเทคโนโลยี AI

การเข้าใจ AGI

AGI คืออะไร?

AGI ซึ่งมักถูกอธิบายว่าเป็น “ศิลาแห่งความปรารถนา” ของปัญญาประดิษฐ์ ถูกมองว่าเป็นระบบที่สามารถทำงานอัจฉริยะใดๆ ก็ตามที่มนุษย์สามารถทำได้ อย่างไรก็ตาม การกำหนด AGI ได้พิสูจน์แล้วว่าเป็นเรื่องที่หลบหลีกและบรรลุได้ยาก เช่นเดียวกับการบรรลุเป้าหมายนั้นเอง เจฟฟรีย์ ฮินตัน ผู้บุกเบิกด้าน AI กล่าวว่าในขณะที่ AGI เป็น “แนวคิดที่ร้ายแรง แต่ไม่ได้ถูกกำหนดไว้อย่างชัดเจน” มีความไม่เห็นด้วยกันอย่างมากเกี่ยวกับสิ่งที่เป็น AGI อย่างแน่นอน ฮินตันชอบใช้คำว่า “ซูเปอร์อินเทลลิเจนต์” เพื่ออธิบายระบบ AGI ที่จะเหนือกว่าความสามารถในการรับรู้ของมนุษย์

ลักษณะหลบหลีกของ AGI

ยักษ์ใหญ่ด้านเทคโนโลยีหลายแห่ง รวมถึง OpenAI, Google, Meta, Microsoft, และ Amazon (AMZN ) อยู่ในแนวหน้าในการแข่งขันนี้ แต่ละบริษัทนำจุดแข็งและเป้าหมายเชิงกลยุทธ์ที่ไม่เหมือนใครมาสู่การแข่งขัน OpenAI ตัวอย่างเช่น มีความมุ่งมั่นอย่างลึกซึ้งในการรับรองว่า AGI เมื่อถูกพัฒนาแล้ว จะเป็นประโยชน์ต่อมนุษยชาติทั้งหมด บริษัทได้ตั้งค่าโครงสร้างการกำกับดูแลที่คณะกรรมการบริษัทจะตัดสินใจว่าระบบของพวกเขามี AGI หรือไม่ ซึ่งเป็น 里程碑 ที่จะมีผลกระทบอย่างมีนัยสำคัญต่อความร่วมมือกับ Microsoft

Google

Google มาเป็นผู้นำในการวิจัยและพัฒนา AI มาโดยตลอด โดยมีสองส่วนหลักที่ขับเคลื่อนความพยายามของพวกเขา: DeepMind และ Google Brain

A. DeepMind และความสำเร็จ

DeepMind ซึ่งถูกซื้อโดย Google ในปี 2014 ได้รับผิดชอบต่อความสำเร็จที่เป็น里程碑หลายอย่างใน AI โปรแกรม AlphaGo ของพวกเขาที่สามารถเอาชนะแชมป์โลกในเกม Go ที่ซับซ้อนในปี 2016 ซึ่งเป็นเรื่องที่หลายคนคิดว่าจะเกิดขึ้นในอนาคตอันไกล ต่อมา AlphaZero ก็สามารถทำผลงานเหนือมนุษย์ได้ในหมากรุก شги และ Go ผ่านการเรียนรู้แบบเสริมกำลังด้วยตนเอง

ไม่นานมานี้ DeepMind ได้ทำความก้าวหน้าอย่างมีนัยสำคัญในเรื่องการพับโปรตีนด้วย AlphaFold ระบบ AI นี้สามารถคาดการณ์โครงสร้างโปรตีนได้อย่างแม่นยำ ซึ่งอาจปฏิวัติการค้นพบยาและความเข้าใจโรคของเรา

B. Google Brain และ TensorFlow

Google Brain ทีมวิจัย AI ในบ้านของ Google ได้พัฒนาเครื่องมือและเฟรมเวิร์กที่เร่งการวิจัย AI ทั่วโลก TensorFlow ซึ่งเป็นไลบรารี machine learning แบบโอเพ่นซอร์สที่พัฒนาโดย Google Brain ได้กลายเป็นหนึ่งในเครื่องมือที่ใช้มากที่สุดในการสร้างโมเดล AI

Google Brain ยังได้ทำการมีส่วนร่วมที่สำคัญในด้านการประมวลผลภาษา自然ด้วยโมเดลอย่าง BERT (Bidirectional Encoder Representations from Transformers) ซึ่งได้ปรับปรุงผลลัพธ์การค้นหาและความเข้าใจภาษาของ Google

C. การพัฒนาล่าสุดและแผนการในอนาคต

Google ยังคงผลักดันขอบเขตของ AI ด้วยโครงการอย่าง LaMDA (Language Model for Dialogue Applications) ซึ่งมีเป้าหมายที่จะทำให้ AI ในการสนทนาเป็นธรรมชาติและเข้าใจบริบทมากขึ้น บริษัทได้ทำงานในการรวม AI ลึกเข้าไปในผลิตภัณฑ์ของตน ตั้งแต่ Google Search ไปจนถึง Gmail และ Google Photos

ในด้านฮาร์ดแวร์ Google ได้พัฒนาไอซี AI ของตนเองที่เรียกว่า Tensor Processing Units (TPUs) ซึ่งได้รับการปรับให้เหมาะสมสำหรับงาน machine learning เหล่านี้เป็นพลังงานที่อยู่เบื้องหลังบริการ AI หลายๆ ของ Google และยังสามารถใช้ได้โดยลูกค้าผ่าน Google Cloud

เมื่อมองไปในอนาคต กลยุทธ์ AI ของ Google ดูเหมือนจะเน้นไปที่การพัฒนา AI ที่ทั่วไปและหลากหลายมากขึ้น ซึ่งสามารถจัดการกับงานหลากหลายได้ ทำให้ใกล้เคียงกับแนวคิดของ AGI บริษัทนี้ยังลงทุนอย่างมากในการวิจัย การคำนวณควอนตัม ด้วย

บทบาทของ NVIDIA ในระบบ AI

แม้ว่า NVIDIA อาจไม่ใช่ชื่อที่คุ้นเคยเหมือนกับ Google หรือ Microsoft แต่พวกเขาเล่นบทบาทสำคัญในระบบ AI ในฐานะผู้ให้บริการฮาร์ดแวร์ที่ขับเคลื่อนการคำนวณ AI

A. การครอบงำของ GPU ในฮาร์ดแวร์ AI

GPU (Graphics Processing Units) ของ NVIDIA ได้กลายเป็นมาตรฐานสำหรับการฝึกอบรมและรันโมเดล AI โดยทั่วไป GPU เหล่านี้ซึ่งถูกออกแบบมาเพื่อแสดงกราฟฟิกในเกมส์ ถูกพบว่าเหมาะสมอย่างยิ่งสำหรับการประมวลผลแบบขนานที่จำเป็นใน AI

รายได้จากศูนย์ข้อมูลของ NVIDIA ซึ่งได้รับแรงผลักดันอย่างมากจากยอดขายที่เกี่ยวข้องกับ AI เพิ่มขึ้นอย่างรวดเร็ว ในปี 2022 บริษัทได้แนะนำ H100 GPU ซึ่งใช้แอร์คิเทคเจอร์ Hopper ใหม่ ซึ่งให้การปรับปรุงประสิทธิภาพที่สำคัญสำหรับงาน AI

B. สแต็คซอฟต์แวร์ AI ของ NVIDIA

นอกเหนือจากฮาร์ดแวร์แล้ว NVIDIA ยังได้พัฒนาสแต็คซอฟต์แวร์สำหรับการพัฒนา AI ซึ่งรวมถึง CUDA ซึ่งเป็นแพลตฟอร์มการประมวลผลขนานและโมเดลการเขียนโปรแกรมที่ช่วยให้นักพัฒนาสามารถใช้พลังของ GPU ของ NVIDIA สำหรับการประมวลผลทั่วไป

NVIDIA ยังให้เครื่องมืออย่าง cuDNN (CUDA Deep Neural Network library) และ TensorRT ซึ่งเพิ่มประสิทธิภาพการเรียนรู้ลึกบน GPU ของ NVIDIA เครื่องมือเหล่านี้ถูกใช้กันอย่างแพร่หลายในชุมชน AI และช่วยให้ NVIDIA มีตำแหน่งที่โดดเด่นในตลาดฮาร์ดแวร์ AI

C. การร่วมมือและความร่วมมือ

NVIDIA ได้สร้างความร่วมมือเชิงกลยุทธ์กับหลายๆ บริษัทชั้นนำและสถาบันวิจัย ตัวอย่างเช่น พวกเขาได้ทำงานร่วมกับผู้ผลิตรถยนต์ไร้คนขับเพื่อจัดหาวิธีแก้ปัญหาที่ขับเคลื่อนด้วย AI สำหรับรถยนต์ไร้คนขับ บริษัทนี้ยังได้ร่วมมือกับสถาบันสุขภาพเพื่อใช้ AI ในการถ่ายภาพทางการแพทย์และการค้นพบยา

ในปี 2022 NVIDIA ประกาศความร่วมมือกับ Booz Allen Hamilton (BAH ) เพื่อพัฒนาโซลูชันความปลอดภัยทางไซเบอร์ที่ใช้ AI สำหรับภาครัฐและโครงสร้างพื้นฐานที่สำคัญ ซึ่งเน้นย้ำถึงความสำคัญที่เพิ่มขึ้นของ AI ในการรักษาความปลอดภัยและกลาโหม

กลยุทธ์ AI ของ Microsoft

Microsoft ได้จัดตำแหน่งตัวเองเป็นผู้นำใน AI โดยใช้ประโยชน์จากความร่วมมือและลงทุนในสตาร์ทอัพ AI ที่สำคัญ การลงทุน 13 พันล้านดอลลาร์ใน OpenAI ของ Microsoft ให้การเข้าถึงแบบเอกสิทธิ์เฉพาะตัวสำหรับโมเดลของ OpenAI ซึ่งถูกผสมผสานเข้ากับผลิตภัณฑ์ของ Microsoft เช่น GitHub Copilot และแพลตฟอร์ม Azure AI

A. Azure AI และบริการคลาวด์

แพลตฟอร์มคลาวด์ของ Microsoft, Azure, มอบบริการ AI ที่หลากหลายให้กับธุรกิจเพื่อผสมผสาน AI เข้ากับแอปพลิเคชันของตน บริการเหล่านี้ครอบคลุมพื้นที่ต่างๆ เช่น machine learning, การประมวลผลภาษา自然, การรับรู้ภาพ, และการรับรู้เสียง

Azure Machine Learning เป็นสภาพแวดล้อมบนคลาวด์สำหรับการฝึกอบรม การใช้งาน และการจัดการโมเดล machine learning ซึ่งได้กลายเป็นตัวเลือกยอดนิยมสำหรับองค์กรที่ต้องการใช้โซลูชัน AI กลยุทธ์ของ Microsoft ในการให้เครื่องมือ AI ที่ใช้งานง่ายได้ช่วยให้การพัฒนา AI เป็นที่ยอมรับและเร่งการนำไปใช้ในอุตสาหกรรมต่างๆ

B. การบูรณาการ AI ทั่วทั้งผลิตภัณฑ์ของ Microsoft

Microsoft ได้บูรณาการความสามารถ AI ทั่วทั้งผลิตภัณฑ์ของตนอย่างต่อเนื่อง ใน Microsoft 365 (เดิมคือ Office) AI ขับเคลื่อนคุณสมบัติอย่างการเขียนอัตโนมัติใน Outlook, การออกแบบสไลด์อัตโนมัติใน PowerPoint, และการวิเคราะห์ข้อมูลใน Excel

Windows 11 มีการบูรณาการ AI ที่เพิ่มขึ้นด้วยคุณสมบัติอย่าง Windows Studio Effects ซึ่งใช้ AI สำหรับการเบลอฉากหลัง การติดตามสายตา และการกรอบอัตโนมัติในการโทรทางวิดีโอ บริษัทได้แนะนำคุณสมบัติที่ขับเคลื่อนด้วย AI ใน Edge browser และเครื่องมือค้นหา Bing โดยใช้โมเดลภาษาขนาดใหญ่เพื่อให้ประสบการณ์การค้นหาที่โต้ตอบและให้ข้อมูลมากขึ้น

ความก้าวหน้าอย่างรวดเร็วของ OpenAI

OpenAI ยังคงเป็นตัวละครหลักในภูมิทัศน์ AI โดยเฉพาะอย่างยิ่งด้วยภารกิจในการพัฒนา AGI บริษัทนี้เป็นผู้บุกเบิกในการสร้างโมเดลภาษาที่ทันสมัยที่สุด รวมถึง GPT-4 และ GPT-5 ที่กำลังจะมาถึง โมเดลของ OpenAI ไม่เพียงแต่ด้านความสามารถทางเทคนิค แต่ยังรวมถึงการผสมผสานเชิงพาณิชย์ด้วย เนื่องจากความร่วมมือที่ลึกซึ้งกับ Microsoft

เป้าหมายของ OpenAI ในการบรรลุ AGI ได้รับการบันทึกไว้อย่างดี CEO ของ OpenAI, Sam Altman, ระบุว่าการบรรลุ AGI จะเป็น “เทคโนโลยีที่ทรงพลังที่สุดที่มนุษย์ได้สร้างขึ้น” บริษัทนี้มีการ 접근การวิจัย AI ที่สมดุลระหว่างนวัตกรรมและข้อพิจารณาทางจริยธรรมและผลกระทบต่อสังคม อย่างไรก็ตาม ต้นทุนสูงในการฝึกโมเดลขนาดใหญ่ได้ทำให้ต้องมีการระดมทุนจากภายนอก รวมถึงการเจรจากับนักลงทุนอย่างรัฐบาลสหรัฐอาหรับเอมิเรตส์เพื่อระดมทุนสูงถึง $7 ล้านล้านดอลลาร์ สำหรับโครงการผลิตชิป AI ในอนาคต

A. ชุด GPT และผลกระทบ

ความสำเร็จที่สำคัญที่สุดของ OpenAI คือการพัฒนา ชุด GPT (Generative Pre-trained Transformer) ของโมเดลภาษา GPT-3 ซึ่งถูกปล่อยออกมาในปี 2020 เป็นการเปลี่ยนแปลงในด้านการประมวลผลภาษา自然 โดยแสดงให้เห็นถึงความสามารถที่ไม่เคยเห็นมาก่อนในการสร้างข้อความที่เหมือนมนุษย์

การเปิดตัว GPT-4 ในปี 2023 ยังขยายขอบเขตของสิ่งที่เป็นไปได้กับโมเดลภาษา โมเดลนี้แสดงให้เห็นถึงความสามารถในการให้เหตุผลที่ดีขึ้น การลดการหลอกลวง และความสามารถในการจัดการข้อมูลหลายรูปแบบ (ข้อความและภาพ) โมเดลเหล่านี้พบการประยุกต์ใช้ในหลายๆ ด้าน ตั้งแต่การสร้างเนื้อหาทางการตลาดไปจนถึงการสร้างโค้ดและการบริการลูกค้าอัตโนมัติ

B. DALL-E และ AI หลายรูปแบบ

นอกเหนือจากการสร้างข้อความ OpenAI ยังทำความก้าวหน้าอย่างมากในการสร้างภาพด้วย DALL-E ระบบ AI นี้สามารถสร้างภาพที่ไม่ซ้ำกันจากคำอธิบายข้อความ ซึ่งแสดงให้เห็นถึงศักยภาพของ AI ในสาขาสรรค์สรรค์ รุ่นล่าสุด DALL-E 3 ได้ปรับปรุงคุณภาพและความแม่นยำของภาพที่สร้างขึ้น และยังแนะนำคุณสมบัติใหม่ๆ เช่น การเติมภาพและออกภาพ

การพัฒนานี้ใน AI หลายรูปแบบ – ระบบที่สามารถทำงานกับข้อมูลหลายประเภท เช่น ข้อความและภาพ – แสดงถึงก้าวสำคัญต่อระบบ AI ที่ทั่วไปมากขึ้น

โครงการ AI ของ Meta

Meta ภายใต้การนำของ CEO Mark Zuckerberg ได้เปลี่ยนโฟกัสไปที่การพัฒนา AGI ระบบ AGI ของ Meta มีเป้าหมายที่จะสร้างระบบที่สามารถทำงานที่ซับซ้อนได้หลากหลายและดีกว่ามนุษย์ เป้าหมายนี้สะท้อนถึงวิสัยทัศน์ที่กว้างขวางของ Meta ในการผสมผสาน AI ที่ทันสมัยเข้ากับระบบและบริการต่างๆ

เพื่อสนับสนุนความพยายามนี้ Meta ได้ลงทุนอย่างมากในการคำนวณ โดยมีแผนที่จะรวบรวม มากกว่า 340,000 GPU H100 ของ Nvidia ภายในปี 2024 ความสามารถในการคำนวณที่มีขนาดใหญ่นี้เป็นสิ่งจำเป็นสำหรับการฝึกโมเดล AI ขนาดใหญ่ เช่น LLaMA 3 ซึ่งได้รับการเปิดตัว

A. PyTorch และการมีส่วนร่วมแบบโอเพ่นซอร์ส

การมีส่วนร่วมที่สำคัญที่สุดของ Meta ต่อชุมชน AI คือ PyTorch ซึ่งเป็นไลบรารี machine learning แบบโอเพ่นซอร์ส PyTorch ได้รับการยอมรับอย่างกว้างขวางในหมู่นักวิจัยเนื่องจากความยืดหยุ่นและความง่ายในการใช้งาน โดยเฉพาะสำหรับการเรียนรู้ลึก

Meta AI ซึ่งเป็นแผนกวิจัย AI ของบริษัท ได้เผยแพร่การวิจัยและเครื่องมือแบบโอเพ่นซอร์สอย่างสม่ำเสมอ ซึ่งช่วยให้ Meta ดึงดูดผู้มีความสามารถชั้นนำด้าน AI และยังคงอยู่ในระดับแนวหน้าของการวิจัย AI

B. AI ในโซเชียลมีเดียและเมต้าเวิร์ส

Meta ใช้ AI อย่างกว้างขวางในแพลตฟอร์มโซเชียลมีเดีย (Facebook (META ), Instagram, WhatsApp) สำหรับการแนะนำเนื้อหา การกำหนดเป้าหมายโฆษณา และการดูแลเนื้อหา อัลกอริธึมการแนะนำของบริษัทประมวลผลข้อมูลจำนวนมากเพื่อทำให้ประสบการณ์ของผู้ใช้เป็นส่วนตัว

C. การพัฒนาล่าสุดและความท้าทาย

ในปี 2024 Meta ได้ประกาศความสำเร็จ AI หลายอย่าง รวมถึง Segment Anything Model (SAM) โมเดล AI ใหม่ที่สามารถระบุและวาดเส้นรอบวัตถุในภาพและวิดีโอได้อย่างแม่นยำ นอกจากนี้ยังเปิดตัว LLaMA ซึ่งเป็นหนึ่งในโมเดลภาษาที่ทรงพลังที่สุดแบบโอเพ่นซอร์ส

อย่างไรก็ตาม Meta ก็เผชิญกับความท้าทาย โดยเฉพาะอย่างยิ่งในเรื่องการดูแลเนื้อหา บริษัทได้พยายามที่จะใช้ AI เพื่อต่อสู้กับข้อมูลที่ไม่ถูกต้องและคำพูดที่เกลียดชังบนแพลตฟอร์มของตน แต่ก็ยังเผชิญกับความซับซ้อนที่เกี่ยวข้องกับการใช้ AI ในประเด็นทางสังคมที่แท้จริง

ผู้เล่นอื่นๆ ที่น่าสนใจ

IBM ยังคงเป็นผู้เล่นหลักใน AI ด้วยแพลตฟอร์ม watsonx ซึ่งได้พัฒนาไปอย่างมากตั้งแต่เริ่มก่อตั้ง โฟกัสของ IBM ได้เปลี่ยนไปสู่การทำให้ AI เปิดกว้าง เข้าถึงได้ และปรับขนาดได้สำหรับองค์กร watsonx ตอนนี้รวมถึงชุดเครื่องมืออัตโนมัติที่ขับเคลื่อนด้วย AI และความสามารถในการกำกับดูแลที่ช่วยให้ธุรกิจสามารถรวมและจัดการโซลูชัน AI ได้อย่างมีประสิทธิภาพในหลายๆ โดเมน เช่น การดำเนินงาน IT การรักษาความปลอดภัยทางไซเบอร์ และการบริการลูกค้า

ไม่นานมานี้ IBM ได้แนะนำความสามารถ AI ที่สร้างสรรค์ให้กับบริการการตรวจจับและตอบสนองต่อภัยคุกคามที่จัดการ ซึ่งรวมถึงผู้ช่วย AI ใหม่ที่ออกแบบมาเพื่อทำให้การสอบสวนและตอบสนองต่อภัยคุกคามด้านความปลอดภัยเร็วขึ้นและง่ายขึ้น โดยใช้ประโยชน์จากความสามารถ AI ที่กว้างขวางของ IBM ที่สร้างขึ้นบนแพลตฟอร์ม watsonx

IBM ยังได้ร่วมมือกับบริษัทชั้นนำและสถาบันวิจัยหลายแห่งเพื่อผสมผสานโซลูชัน AI ของตนเข้ากับระบบนิเวศที่กว้างขวางขึ้น เพื่อให้แน่ใจว่าเทคโนโลยี AI ของ IBM เป็นทั้งหลากหลายและได้รับการยอมรับอย่างกว้างขวางในอุตสาหกรรมต่างๆ

B. บริการ AI ของ Amazon

Amazon ยังคงเป็นผู้นำใน AI ผ่านแพลตฟอร์ม Amazon Web Services (AWS) ซึ่งให้บริการ AI และเครื่องมือ machine learning ที่ครอบคลุม Amazon SageMaker ของ AWS เป็นข้อเสนอหลักที่ช่วยให้นักพัฒนาสามารถสร้าง ฝึกอบรม และใช้โมเดล machine learning ได้ที่ขนาดใหญ่

นอกเหนือจากบริการ AI ระดับองค์กรแล้ว Amazon ยังคงสร้างนวัตกรรมในผลิตภัณฑ์ AI สำหรับผู้บริโภคด้วย Alexa ผู้ช่วยเสมือนของตน ซึ่งใช้การประมวลผลภาษา自然และ machine learning ที่ทันสมัยเพื่อโต้ตอบกับผู้ใช้ การมุ่งเน้นของบริษัทในการผสมผสาน AI เข้ากับบริการค้าปลีกและคลาวด์อย่างไม่เห็นภาพได้ทำให้ Amazon เป็นผู้นำในพื้นที่ AI

C. แนวทาง AI บนอุปกรณ์ของ Apple

แนวทางของ Apple (AAPL ) ใน AI เน้นการประมวลผลบนอุปกรณ์โดยให้ความสำคัญกับความเป็นส่วนตัวของผู้ใช้ ซึ่งเห็นได้ชัดเจนในคุณสมบัติอย่าง Face ID และการใช้โมเดล machine learning ผ่านเฟรมเวิร์ก Core ML ชิปที่ออกแบบเองของ Apple รวมถึงชุด A และ M มีเครื่องยนต์ประสาทที่เฉพาะเจาะจงซึ่งขับเคลื่อนงาน AI บนอุปกรณ์อย่างมีประสิทธิภาพ

บริษัทได้ปรับปรุงการนำเสนอ AI ของตนเองด้วยความก้าวหน้าในการประมวลผลภาษา自然ผ่าน Siri และความก้าวหน้าในการรับรู้ภาพด้วยคุณสมบัติอย่าง Live Text

สิ่งที่จะเกิดขึ้นต่อไป? เส้นทางสู่ AGI