การทบทวนประเด็นสำคัญที่กล่าวถึงในตอนที่ 2 ของ AI Business Asia Podcast กับ Lewis Liu ผู้จัดการผลิตภัณฑ์กลุ่มที่ Google Gemini และ Vertex AI

หากคุณต้องการตรวจสอบตอนนี้ → สปอติฟาย | แอปเปิล 

ในโลกของปัญญาประดิษฐ์ (AI) ที่มีการเปลี่ยนแปลงอย่างรวดเร็ว โดยเฉพาะอย่างยิ่งในโมเดลภาษาขนาดใหญ่ (LLM) ความก้าวหน้ากำลังเกิดขึ้นในอัตราที่ไม่เคยมีมาก่อน บทสรุปนี้จะสำรวจการพัฒนาล่าสุดในแนวทางของ Google ต่อ LLM รวมถึงการเปลี่ยนแปลงไปสู่การเปิดตัวแบบค่อยเป็นค่อยไป การผสานรวมฟีเจอร์นวัตกรรม และภูมิทัศน์การแข่งขันกับโมเดลระดับโลก นอกจากนี้ เราจะเจาะลึกถึงบทบาทของข้อมูล ข้อดีของข้อมูลของบุคคลที่หนึ่ง และประสบการณ์ AI ที่พร้อมสำหรับองค์กรต้องการอะไร

ความก้าวหน้าของ Google ใน LLM

ในช่วงปีที่ผ่านมา ทีมงานของ Google ได้เร่งเปิดตัว LLM อย่างรวดเร็ว โดยเปิดตัวอัปเดตประมาณ 200 รายการเมื่อเทียบกับการเปิดตัว 20-30 รายการในปีก่อนๆ ซึ่งเพิ่มขึ้นถึง 10 เท่า การเปลี่ยนแปลงนี้สะท้อนถึงการเปลี่ยนแปลงจากการเปิดตัวครั้งใหญ่แบบดั้งเดิมไปสู่แนวทางที่คล่องตัวและค่อยเป็นค่อยไปมากขึ้น 

คุณสมบัติที่เป็นนวัตกรรม

• การผลิตแบบควบคุม:Google ได้เปิดตัวฟีเจอร์การสร้างแบบควบคุมพร้อมการถอดรหัสแบบควบคุม ความสามารถนี้ช่วยให้นักพัฒนาสามารถจัดเตรียมโครงร่างให้กับโมเดลได้ ทำให้มั่นใจได้ว่าวัตถุ JSON ที่สร้างขึ้นมีความแม่นยำ 100% และเป็นไปตามโครงร่างที่ระบุ ฟีเจอร์นี้มาพร้อมกับโมเดล Gemini 1.5 Pro เป็นครั้งแรก และได้รับการนำมาใช้โดย OpenAI เมื่อไม่นานมานี้
• การแคชบริบท: นวัตกรรมอีกอย่างหนึ่งคือการแคชบริบท ซึ่งช่วยจัดการหน้าต่างบริบทจำนวนมาก โดย Google เป็นผู้ริเริ่มหน้าต่างบริบทที่มีโทเค็นมากถึง 2 ล้านโทเค็น ความก้าวหน้าเหล่านี้เน้นย้ำถึงความมุ่งมั่นของ Google ในการปรับปรุงความสามารถของโมเดลและประสบการณ์ของผู้ใช้

การวางตำแหน่งการแข่งขัน

ท่ามกลางการรับรู้ที่ว่า Google ขาดความได้เปรียบในการแข่งขัน บริษัทจึงมุ่งเน้นไปที่นวัตกรรมที่รวดเร็วและตอบสนองต่อความก้าวหน้าของ AI ทั่วโลก การอภิปรายยังกล่าวถึงความท้าทายและโอกาสที่เกิดจากโมเดลใหม่ ๆ จากประเทศจีน ซึ่งความก้าวหน้าในการจัดการบริบทระยะยาวและการปรับแต่งสำหรับภาษาจีนนั้นมีความโดดเด่น

ภูมิทัศน์โลกของโมเดล AI

นางแบบจากประเทศจีน

โมเดลที่พัฒนาขึ้นในประเทศจีนได้รับความสนใจมากขึ้นเนื่องจากความสามารถ โดยเฉพาะอย่างยิ่งในการจัดการกับบริบทที่ยาวนานและการปรับแต่งการตอบสนองต่อภาษาจีน การสนทนาเผยให้เห็นว่าแม้ว่า Google จะติดตามการพัฒนาเหล่านี้ แต่บริษัทไม่ได้มีส่วนร่วมโดยตรงกับตลาดจีนเนื่องจากข้อจำกัดด้านกฎระเบียบ

อัตลักษณ์และสัญชาติใน AI

หัวข้อสำคัญในการอภิปรายคือว่า LLM ควรมีเอกลักษณ์ประจำชาติหรือควรได้รับอิทธิพลจากขอบเขตทางภูมิศาสตร์หรือไม่ ความเห็นโดยทั่วไปคือ แม้ว่าแบบจำลองจะสะท้อนถึงอคติและเอกลักษณ์ของผู้สร้าง แต่การลงทุนอย่างมากในแบบจำลองระดับชาติอาจไม่จำเป็น ในทางกลับกัน การปรับแต่งให้เหมาะกับกรณีการใช้งานเฉพาะอาจเป็นวิธีที่ได้ผลจริงมากกว่า

บทบาทของข้อมูลในการพัฒนา LLM

ความสำคัญของข้อมูลที่มีคุณภาพสูง

ข้อมูลที่มีคุณภาพสูงยังคงเป็นรากฐานสำคัญของการฝึกอบรม LLM ที่มีประสิทธิภาพ ในขอบเขตของ AI เชิงสร้างสรรค์ คุณภาพและความหลากหลายของข้อมูลมีอิทธิพลโดยตรงต่อความสามารถของโมเดลในการสร้างผลลัพธ์ที่แม่นยำ มีความเกี่ยวข้อง และคำนึงถึงบริบท ข้อมูลสังเคราะห์ เมื่อบูรณาการอย่างชาญฉลาด สามารถขยายขอบเขตของสิ่งที่ LLM สามารถทำได้ โดยเฉพาะอย่างยิ่งในสถานการณ์ที่ข้อมูลในโลกแห่งความเป็นจริงอาจมีข้อจำกัดหรือลำเอียง ความก้าวหน้าของ LLM นั้นขับเคลื่อนโดยแหล่งข้อมูลที่หลากหลายมากขึ้น รวมถึงการโต้ตอบระหว่างมนุษย์กับคอมพิวเตอร์ ซึ่งช่วยเพิ่มความสามารถของโมเดลในการใช้เหตุผล วางแผน และสร้างการตอบสนองที่ละเอียดอ่อนยิ่งขึ้น

ข้อมูลและโครงสร้างพื้นฐานของบุคคลที่หนึ่ง

• ความท้าทายสำหรับการเริ่มต้นธุรกิจ:บริษัทสตาร์ทอัพต้องเผชิญกับความท้าทายที่สำคัญเมื่อต้องแข่งขันกับองค์กรขนาดใหญ่ที่สามารถเข้าถึงข้อมูลของบุคคลที่หนึ่งได้เป็นจำนวนมาก การที่บริษัทอย่าง Google ให้ความสำคัญกับข้อมูลที่เป็นกรรมสิทธิ์และโครงสร้างพื้นฐานที่แข็งแกร่ง แสดงให้เห็นถึงบทบาทสำคัญที่องค์ประกอบเหล่านี้มีต่อการสร้างแอปพลิเคชัน LLM ที่แตกต่างออกไป สำหรับบริษัทสตาร์ทอัพ การขาดการเข้าถึงข้อมูลของบุคคลที่หนึ่งอาจเป็นอุปสรรคสำคัญ ทำให้จำเป็นต้องสำรวจแนวทางที่สร้างสรรค์ในการรวบรวมข้อมูลและฝึกอบรมโมเดล
• การปฏิบัติตามกฎข้อบังคับ: การวางรากฐาน AI ด้วยข้อมูลเชิงข้อเท็จจริงและเชื่อถือได้ถือเป็นสิ่งสำคัญสำหรับการพัฒนาโซลูชันที่พร้อมสำหรับองค์กร ในบริบทของ AI เชิงสร้างสรรค์ การวางรากฐานช่วยให้แน่ใจว่าผลลัพธ์ที่สร้างขึ้นโดยโมเดลนั้นไม่เพียงแต่ถูกต้องเท่านั้น แต่ยังสอดคล้องกับบริบทและกฎระเบียบในโลกแห่งความเป็นจริงด้วย ซึ่งมีความสำคัญอย่างยิ่งในแอปพลิเคชันขององค์กรที่มีความเสี่ยงสูง และต้นทุนของความไม่แม่นยำอาจมีนัยสำคัญ การปฏิบัติตามกฎระเบียบเป็นอีกประเด็นสำคัญ เนื่องจากช่วยให้แน่ใจว่าโซลูชัน AI ทำงานภายในกรอบกฎหมายของอุตสาหกรรมที่ให้บริการ ซึ่งช่วยลดความเสี่ยงของความซับซ้อนทางกฎหมาย และสร้างความไว้วางใจในหมู่ผู้ใช้

การสร้างประสบการณ์ AI ที่พร้อมสำหรับองค์กร

การนำ AI มาใช้ในองค์กรต้องพิจารณาปัจจัยสำคัญหลายประการอย่างรอบคอบเพื่อให้มั่นใจว่าการนำไปใช้จะประสบความสำเร็จและสร้างมูลค่าเพิ่ม: 

1. ความสามารถของแพลตฟอร์ม: องค์กรต่างๆ จำเป็นต้องมีมากกว่าแค่โมเดลหรือ API แพลตฟอร์มที่ครอบคลุมควรรองรับการปรับแต่ง การประเมิน และการกลั่นกรองโมเดล คุณสมบัติการทำงานร่วมกันเป็นสิ่งสำคัญ ช่วยให้ทีมงานทำงานร่วมกันในการแจ้งเตือนและติดตามการเปลี่ยนแปลงได้อย่างมีประสิทธิภาพ
2. ความปลอดภัยและความเป็นส่วนตัว: มาตรการรักษาความปลอดภัยที่เข้มงวดถือเป็นสิ่งสำคัญที่สุด ตัวอย่างเช่น Google ใช้การเข้ารหัสที่แข็งแกร่งเพื่อให้แน่ใจว่าข้อมูลของลูกค้าจะไม่ถูกเข้าถึงโดยพนักงาน ระดับการปกป้องข้อมูลนี้ถือเป็นสิ่งสำคัญสำหรับการรักษาความไว้วางใจและการปฏิบัติตามกฎระเบียบ1
3. ความสามารถในการปรับขนาด: ความสามารถในการปรับใช้โมเดลในระดับขนาดใหญ่ถือเป็นสิ่งสำคัญสำหรับแอปพลิเคชันระดับองค์กร ซึ่งรวมถึงการพิจารณาถึงความคุ้มทุนและการเพิ่มประสิทธิภาพการทำงาน
4. ข้อเท็จจริงและหลักฐาน: องค์กรต่างๆ จำเป็นต้องมีระบบ AI ที่ให้ข้อมูลที่ถูกต้องและเป็นข้อเท็จจริง เทคนิคต่างๆ เช่น Retrieval Augmented Generation (RAG) สามารถช่วยสร้างการตอบสนองของ AI บนพื้นฐานของแหล่งข้อมูลที่ได้รับการยืนยัน ช่วยลดอาการประสาทหลอนและเพิ่มความน่าเชื่อถือ
5. การบูรณาการกับระบบที่มีอยู่: เพื่อประสิทธิภาพสูงสุด AI ควรบูรณาการกับเครื่องมือและเวิร์กโฟลว์ที่มีอยู่ขององค์กรได้อย่างราบรื่น แนวทางของ Google ในการรวม Gemini เข้ากับแอปพลิเคชันที่ใช้กันอย่างแพร่หลาย เช่น Gmail และปฏิทินเป็นตัวอย่างของกลยุทธ์นี้
6. การปรับแต่งและปรับแต่ง: ความสามารถในการปรับโมเดลให้เหมาะกับความต้องการเฉพาะของอุตสาหกรรมหรือข้อมูลของบริษัทถือเป็นสิ่งสำคัญ ซึ่งช่วยให้บริษัทต่างๆ สามารถใช้ประโยชน์จาก AI ในกรณีการใช้งานเฉพาะและข้อมูลที่เป็นกรรมสิทธิ์ของตนได้
7. การปฏิบัติตามและปฏิบัติตามกฎระเบียบ: โซลูชัน AI ขององค์กรจะต้องได้รับการออกแบบโดยคำนึงถึงข้อกำหนดด้านกฎระเบียบ เพื่อให้มั่นใจว่าเป็นไปตามมาตรฐานเฉพาะอุตสาหกรรมและกฎหมายคุ้มครองข้อมูล
8. การจัดการต้นทุน: ในขณะที่ความสามารถ LLM บางประการกำลังกลายเป็นสินค้าโภคภัณฑ์ องค์กรต่างๆ จะต้องสร้างสมดุลระหว่างคุณภาพ ความหน่วง และต้นทุนเมื่อเลือกและนำโซลูชั่น AI ไปใช้
9. การประเมินอย่างต่อเนื่อง: เมื่อพิจารณาถึงความก้าวหน้าอย่างรวดเร็วของการพัฒนา AI องค์กรต่างๆ ควรนำกรอบการทำงานสำหรับการประเมินโมเดล AI อย่างต่อเนื่องโดยใช้ข้อมูลและกรณีการใช้งานของตนเอง แทนที่จะพึ่งพามาตรฐานประสิทธิภาพสาธารณะเพียงอย่างเดียว
10. ข้อควรพิจารณาทางจริยธรรม: การพัฒนาและการใช้งาน AI อย่างมีความรับผิดชอบควรมีความสำคัญสูงสุด โดยต้องแก้ไขอคติที่อาจเกิดขึ้น และรับรองการใช้งานเทคโนโลยี AI อย่างยุติธรรมและมีจริยธรรม

ต่อไปนี้เป็นกรณีศึกษาของ Google Cloud GenAI บางส่วน:

ธนาคารกลาง

• การโต้ตอบของ Chatbot ที่ได้รับการปรับปรุง:ใช้ Vertex AI เพื่อสร้างแชทบอท Feddy ให้มีความเหมือนมนุษย์และปรับแต่งเฉพาะบุคคลมากขึ้น
• รองรับหลายภาษาตลอด 24 ชั่วโมงทุกวัน:นำ AI มาใช้งานเพื่อการบริการลูกค้าตลอด 24 ชั่วโมงและหลายภาษา
• การรวม API: พัฒนาพอร์ทัล API เพื่อปรับปรุงความร่วมมือ FinTech และปรับปรุงความปลอดภัย
• ประสิทธิภาพของพนักงาน: สร้างแอปมือถือด้วย Firebase เพื่อเพิ่มผลงานของพนักงาน
• ความปลอดภัยของข้อมูล: ใช้ Cloud Armor เพื่อป้องกันการโจมตี DDoS และให้มั่นใจว่าข้อมูลเป็นไปตามข้อกำหนด

มิสทิฟลาย

• การต้อนรับลูกค้าใหม่: สร้าง Mystic ซึ่งเป็นแชทบอท AI ที่ใช้ Vertex AI เพื่อปรับปรุงกระบวนการต้อนรับผู้ใช้และลดความจำเป็นในการสนับสนุนของตัวแทน
• การปรับปรุงบริการตนเอง:Mystic จัดการกับข้อสงสัยที่ซับซ้อน ช่วยเพิ่มความพึงพอใจของผู้ใช้
• ความสามารถในการปรับขนาด:ระบบแชทบอท AI จัดการกับข้อสงสัยหลายข้อพร้อมกันและส่งต่อปัญหาที่ไม่ได้รับการแก้ไขไปยังเจ้าหน้าที่

โคโรเวอร์

• การพัฒนา BharatGPT: สร้างแพลตฟอร์ม AI หลายภาษาโดยใช้ Vertex AI ช่วยให้แบรนด์ต่างๆ สามารถสนทนากับลูกค้าในภาษาแม่ได้
• การปรับแต่งและความปลอดภัย:เสนอการใช้งานข้อมูลที่ยืดหยุ่นด้วยโครงสร้างพื้นฐานที่ปลอดภัยของ Google
• ความสามารถในการปรับขนาด: ใช้การปรับขนาดอัตโนมัติของ Kubernetes Engine เพื่อจัดการปริมาณการรับส่งข้อมูลสูงสุดอย่างมีประสิทธิภาพ
• ความร่วมมือเชิงนวัตกรรม: ร่วมมือกับ Google Cloud เพื่อนวัตกรรมอย่างต่อเนื่องและโซลูชันที่เน้นลูกค้า

คำแนะนำสำหรับผู้เริ่มต้นธุรกิจและผู้บริหาร

สำหรับการเริ่มต้นธุรกิจ

คล่องตัว: การพัฒนาอย่างรวดเร็วของเทคโนโลยี AI ต้องการให้สตาร์ทอัพมีความคล่องตัวและตอบสนองได้ดี การพัฒนาแผนงานระยะยาวอาจเป็นเรื่องท้าทายเนื่องจากความก้าวหน้าทางเทคโนโลยีมีความไม่แน่นอน สตาร์ทอัพควรเน้นที่การปรับตัวให้เข้ากับการพัฒนาใหม่ๆ และทดลองใช้เทคโนโลยีใหม่ๆ อย่างรวดเร็ว

สำหรับผู้บริหาร

ประเมินกรณีการใช้งาน: ผู้บริหารควรพิจารณาให้มากกว่าแค่การโฆษณาเกินจริงและเกณฑ์มาตรฐานเมื่อนำกลยุทธ์ AI มาใช้ การประเมินโมเดลโดยอิงจากกรณีการใช้งานจริงและประเมินด้วยข้อมูลในโมเดลนั้นถือเป็นสิ่งสำคัญ เกณฑ์มาตรฐานสาธารณะอาจไม่สะท้อนประสิทธิภาพของโมเดลในสถานการณ์จริงเสมอไป ดังนั้น การทดสอบภาคปฏิบัติจึงมีความจำเป็น

บทสรุป

ภูมิทัศน์ของโมเดลภาษาขนาดใหญ่กำลังพัฒนาอย่างรวดเร็ว โดยมีความก้าวหน้าที่สำคัญมาจากทั้งผู้เล่นที่มีชื่อเสียง เช่น Google และโมเดลใหม่ที่กำลังเกิดขึ้นทั่วโลก นวัตกรรม เช่น การสร้างแบบควบคุมและการแคชบริบท กำลังกำหนดมาตรฐานใหม่สำหรับความสามารถด้าน LLM ในขณะที่เทคโนโลยี AI ยังคงก้าวหน้าต่อไป การทำความเข้าใจบทบาทของข้อมูล ผลกระทบของอิทธิพลทางภูมิศาสตร์ และความสำคัญของการพัฒนาที่คล่องตัวจะเป็นกุญแจสำคัญในการก้าวไปข้างหน้าในสาขาที่มีการเปลี่ยนแปลงอย่างรวดเร็วนี้ 

สำหรับทั้งบริษัทสตาร์ทอัพและผู้บริหาร การคล่องตัวและมุ่งเน้นไปที่การประยุกต์ใช้ในทางปฏิบัติจะเป็นสิ่งสำคัญในการนำทางอนาคตของ AI และการรับรองการใช้งานที่ประสบความสำเร็จ

อย่าลืมสมัครรับการแจ้งเตือนสำหรับตอนต่างๆ ของพอดแคสต์ในอนาคตของเรา → ยูทูป | สปอติฟาย | แอปเปิล  | อาร์เอสเอส