Logitech เปิดตัวซอฟต์แวร์เพื่อช่วยให้การเรียกใช้งาน AI บนพีซีลื่นไหลมากขึ้นนั่นคือ Logi AI Prompt Builder ซึ่งหน้าต่างซอฟต์แวร์จะถูกเรียกเมื่อเรียก Logi Options+ เป็นทางลัด

Logi AI Prompt Builder ตอนนี้รองรับเฉพาะ ChatGPT ภาษาอังกฤษ โดยมีตัวช่วยคำสั่งคัสตอมสำหรับการใช้งานที่สะดวกขึ้น

Logitech ยังออกอุปกรณ์ควบคุมที่ทำงานร่วมกับ Logi AI Prompt Builder โดยตรงด้วยคือเมาส์ไร้สาย M750 Singanature AI Edition ที่เพิ่มปุ่มสีฟ้าตรงกลางสำหรับเรียกซอฟต์แวร์ AI ขึ้นมาโดยเฉพาะด้วย

ที่มา: Logitech

OPPO และ OnePlus ประกาศจับมือกับ Google นำฟีเจอร์จาก Gemini ของ Google สร้างประสบการณ์การใช้งาน AI บนมือถือให้มีฐานผู้ใช้กว้างขึ้นในงาน Google Cloud Next '24 โดยจะรวมผลิตภัณฑ์ AI บนคลาวด์ของ Google เข้ากับอุปกรณ์มือถือต่าง ๆ ทำให้มีฟีเจอร์ AI เช่น การสรุปบทความข่าว, การจัดระเบียบเนื้อหาเสียงแบบเรียลไทม์ และการสร้างเนื้อหาโซเชียลมีเดีย เหมือน Samsung Galaxy S24 ซีรี่ส์ ซึ่งอาจตีความได้ว่าสัญญา Exclusive ของซัมซุงอาจสิ้นสุดแล้ว

Linux Foundation ประกาศตั้งกลุ่ม Open Platform for Enterprise AI (OPEA) ทำมาตรฐานกลางสำหรับการประมวลผล Generative AI ในตลาดองค์กร

กลุ่ม OPEA เป็นกลุ่มเดียวกับที่อินเทลประกาศข่าวไว้เมื่อสัปดาห์ที่แล้ว เป้าหมายคือการสร้างแอพพลิเคชันแบบ retrieval-augmented generation หรือ RAG (เป็นเทคนิคการนำโมเดล LLM มาอ่านแหล่งข้อมูลภายนอก) ที่เป็นโอเพนซอร์ส ทำงานบนหน่วยประมวลผลค่ายใดๆ ก็ได้ ไม่จำกัดเฉพาะจีพียู NVIDIA ที่เป็นเจ้าตลาดอยู่เพียงค่ายเดียว

การมีอินเทลเป็นหัวหอก ย่อมทำให้ OPEA โฟกัสกับซีพียู Xeon และหน่วยเร่งประมวลผล Gaudi เป็นอย่างแรกๆ แม้ในตอนนี้ยังไม่มีผู้ผลิตฮาร์ดแวร์รายอื่นๆ เข้าร่วมก็ตาม

OpenAI ประกาศเพิ่มทางเลือกสำหรับนักพัฒนา โดยให้ส่วนลด 50% หากเลือกรันงานในช่วงเวลาที่โหลดของระบบไม่สูง (off-peak)

วิธีการดังกล่าวเรียกว่า Batch API นักพัฒนาสามารถอัปโหลดไฟล์หรือชุดคิวรีไปยังโมเดล AI เหมาะสำหรับงานที่ไม่ต้องการผลลัพธ์เพื่อใช้งานต่อทันที (async) เช่น ทำสรุปเนื้อหา, จำแนกข้อมูล หรือใส่ป้ายกำกับรูปภาพ โดย OpenAI บอกว่านักพัฒนาจะได้ผลลัพธ์ภายใน 24 ชั่วโมง หรือเร็วกว่านั้น เมื่อทรัพยากรมีเหลือพอให้รัน

Batch API นอกจากได้ส่วนลดแล้ว ยังให้อัตราจำกัดที่สูงกว่า เช่น 250M โทเค็น สำหรับ GPT-4T

ที่มา: The Verge

MLCommons หน่วยงานกลางสำหรับออกชุดทดสอบประสิทธิภาพปัญญาประดิษฐ์ ออกชุดทดสอบใหม่ AI Safety สำหรับการวัดความปลอดภัยของโมเดลปัญญาประดิษฐ์แบบ LLM โดยเฉพาะ นับเป็นครั้งแรกที่ MLCommons หันมาออกชุดสอบตัวปัญญาประดิษฐ์เอง เพราะก่อนหน้านี้ชุดทดสอบ MLPerf มีไว้สำหรับการทดสอบประสิทธิภาพของฮาร์ดแวร์ที่ใช้รันและฝึกปัญญาประดิษฐ์เป็นหลัก

ไมโครซอฟท์ประกาศลงทุนเชิงกลยุทธ์เป็นเงิน 1,500 ล้านดอลลาร์ ใน G42 บริษัทโฮลดิ้งด้าน AI ของอาบูดาบี เพื่อเสริมความแข็งแกร่งระหว่างสองบริษัท และเป็นโอกาสให้ไมโครซอฟท์ได้นำเทคโนโลยีและองค์ความรู้ AI มาใช้ใน UAE

ผลจากความร่วมมือนี้ Brad Smith ประธานไมโครซอฟท์ จะร่วมเป็นบอร์ดของ G42 ด้วย

ทั้งสองบริษัทมองว่าความร่วมมือนี้ จะช่วยเร่งรองรับการเปลี่ยนผ่านสู่ดิจิทัลในหลายอุตสาหกรรม โดยเฉพาะในภูมิภาคตะวันออกกลาง, เอเชียกลาง และแอฟริกา

ที่มา: G42

Adobe สาธิตฟีเจอร์ด้าน AI หลายอย่างให้กับโปรแกรมตัดต่อวิดีโอ Premiere Pro ซึ่ง Adobe บอกว่าเป็นการนำ Generative AI มาช่วยเพิ่มพลังความคิดสร้างสรรค์ ช่วยแก้ไขปัญหาเวิร์กโฟลว์ที่คนตัดต่อพบอยู่

Adobe บอกว่า AI สำหรับโปรแกรมตัดต่อวิดีโอนั้นจะโฟกัสที่สามสิ่งได้แก่ นำ AI มาใช้ในเวิร์กโฟลว์ของโปรแกรมที่นักตัดต่อคุ้นเคย, Generative AI มีเป้าหมายช่วยให้การทำงานเร็วขึ้น เช่นเพิ่ม-ลบวัตถุ หรือขยายเวลาคลิป และต้องมีโมเดล AI ให้เลือกหลากหลาย

ทั้งนี้เครื่องมือ AI สำหรับ Premiere Pro จะมีออกมาให้ใช้งานภายในปีนี้ โดย Adobe พรีวิวฟีเจอร์บางส่วนทั้งจากโมเดล AI ของ Adobe เองอย่าง Firefly Video และโมเดลจากพาร์ตเนอร์เช่น Sora ของ OpenAI, RunwayML และ Pika

Bloomberg รายงานข่าวว่า Adobe เริ่มส่งเมลเชิญชวนช่างภาพและศิลปินบางราย ส่งคลิปวิดีโอผู้คนทำกิจวัตรประจำวันต่างๆ เพื่อนำไปเทรน AI โดยให้ค่าตอบแทน 120 ดอลลาร์

เป้าหมายของ Adobe คือต้องการนำคลิปวิดีโอเหล่านี้ไปใช้เป็นข้อมูลเทรนระบบ text-to-video ลักษณะเดียวกับ OpenAI Sora ซึ่งใช้วิธีร่วมมือกับศิลปิน นักแสดง และสตูดิโอฮอลลีวู้ด เช่นกัน แม้มีประเด็นเรื่องลิขสิทธิ์ของวิดีโอที่ใช้เทรนก็ตาม

Mark Gurman แห่ง Bloomberg คนเดิม รายงานรายละเอียดเพิ่มเติมเกี่ยวกับ iOS 18 ระบบปฏิบัติการของ iPhone ที่คาดว่าจะเปิดตัวในงานสัมมนา WWDC 2024 เดือนมิถุนายน ซึ่งก่อนหน้านี้มีข้อมูลว่าเป็นอัปเดตใหญ่ที่สุด มีจุดขายเกี่ยวกับ Generative AI

Gurman บอกว่า AI ของ iOS 18 จะประมวลผลและทำงานบนอุปกรณ์ (on device) ทั้งหมด ไม่มีการเชื่อมต่อกับคลาวด์ ซึ่งเป็นจุดขายโมเดล LLM ที่แอปเปิลเตรียมนำเสนอ

TCL ผู้ผลิตสมาร์ททีวี ซึ่งมีบริการสตรีมมิ่งเสริมของตนเอง TCLtv+ ด้วย เปิดตัวคอนเทนต์ออริจินัลบนแพลตฟอร์ม ซึ่งสร้างจาก Generative AI ทั้งเรื่อง

ภาพยนตร์สั้นนี้ชื่อเรื่องว่า "Next Stop Paris" โดยนอกจากส่วนงานภาพแล้ว เขียนบท การออกแบบ และเสียงพากย์ ทั้งหมดทำด้วยมนุษย์

TCL ยังไม่ได้เปิดเผยว่าแผนงานจากนี้ จะมีคอนเทนต์ที่สร้างด้วย Generative AI เพิ่มเติมหรือไม่ อย่างไรก็ตาม Next Stop Paris ทำให้เห็นพัฒนาการของการนำ AI มาสร้างเนื้อหาอีกรูปแบบ ซึ่งผลลัพธ์ในตอนนี้ยังสังเกตได้ไม่ยากว่าเป็นงานที่สร้างด้วย AI รับชมเทรลเลอร์ได้ท้ายข่าว

ที่มา: Android Central

Meta ยืนยันการทดสอบแชทบอต Meta AI ภายในแอป WhatsApp, Instagram และ Messenger มีผลกับผู้ใช้งานบางประเทศก่อนได้แก่ อินเดีย และบางส่วนในภูมิภาคแอฟริกา

ก่อนหน้านี้ Meta ได้เปิดตัวแชทบอต Meta AI ที่เป็น LLM ปรับแต่งจากโมเดล Llama 2 ของตนเอง เชื่อมต่อกับข้อมูลเรียลไทม์ของ Bing โดยตามแผนนั้นจะนำมาใส่บริการเกือบทุกตัวของบริษัท การเลือกทดสอบที่อินเดียก่อนมีความสำคัญเพราะมีฐานผู้ใช้งาน Facebook และ WhatsApp รวมกันกว่า 500 ล้านคน

ทั้งนี้ Meta ยังยืนยันแผนการออกโมเดล AI LLM รุ่นใหม่ Llama 3 ภายในเดือนหน้าด้วย

xAI บริษัทด้านปัญญาประดิษฐ์ของ Elon Musk พรีวิวความสามารถของ Grok-1.5 Vision โมเดล AI ภาษาขนาดใหญ่บนข้อมูลสื่อผสม (Multimodal) หลังจากเปิดตัว Grok-1.5 ไปเมื่อเดือนที่แล้ว

Grok-1.5V มีความสามารถรับอินพุทและดำเนินการข้อมูลภาพในรูปแบบต่าง ๆ เช่น เอกสาร, แผนผัง, ตาราง, ภาพหน้าจอ ไปจนถึงภาพถ่าย ผลทดสอบเทียบกับโมเดลข้อมูลสื่อผสมตัวอื่นพบว่าทำได้ใกล้เคียง โดยโดดเด่นกว่าในบางผลทดสอบเช่น Mathvista (คณิตศาสตร์), TextVQA (อ่านข้อความ)

Amazon ประกาศตั้ง Andrew Ng เข้าเป็นบอร์ดของบริษัท

Andrew Ng เป็นผู้เชี่ยวชาญด้าน AI คนสำคัญของโลก เขาเริ่มต้นจากการเป็นอาจารย์ที่มหาวิทยาลัยสแตนฟอร์ด และบุกเบิกการใช้จีพียูประมวลผล deep learning เขายังเป็นผู้ร่วมก่อตั้ง Google Brain, Coursera, อดีตหัวหน้านักวิทยาศาสตร์ของ Baidu และตำแหน่งล่าสุดคือผู้จัดการกองทุน AI Fund ที่เขาก่อตั้งเอง คอร์สออนไลน์ด้าน AI ของเขายังถือเป็นคอร์สออนไลน์ที่ได้รับความนิยมสูงสุดบน Coursera

การแต่งตั้ง Andrew Ng เป็นบอร์ดของ Amazon แสดงท่าทีที่ชัดเจนของบริษัทว่าต้องการใช้ประสบการณ์ของ Ng ผลักดันงานด้าน AI ภายในบริษัทให้มากขึ้น

ในงาน Google Cloud Next 2024 ผมได้มีโอกาสสัมภาษณ์ Zac Maufe ผู้บริหาร Google Cloud ที่ดูแลอุตสาหกรรมทางกรเงินถึงประเด็นการใช้งาน generative AI ในอุตสาหกรรมนี้

กูเกิลเผยแพร่คู่มือ 45 หน้า ว่าด้วยการเขียน Prompt สำหรับการใช้งานแชทบอต Gemini บน Google Workspace ซึ่งสามารถประยุกต์ได้เช่นกัน แม้ไม่ได้ใช่ Gemini เวอร์ชันนี้ โดยคู่มือนี้ชื่อว่า Prompting guide 101 เหมาะสำหรับคนทำงานในฝ่ายต่าง ๆ ที่ต้องการเขียนคำสั่งให้ Gemini ทำงานอย่างที่ต้องการ

กูเกิลอธิบายว่าในการเขียน Prompt ให้พิจารณาถึง 4 องค์ประกอบที่ควรกำหนดเพื่อให้ได้ผลลัพธ์ที่ต้องการ คือ Persona (บอกว่าเราคือใคร), Task (สิ่งที่ต้องการให้ AI ทำ), Context (รายละเอียดประกอบ) และ Format (รูปแบบ)

Meta เปิดตัวชิปเร่งการประมวลผล AI รุ่นใหม่ ที่เป็นรุ่นถัดจาก MTIA v1 (Meta Training and Inference Accelerator) ที่เปิดตัวเมื่อปีที่แล้ว ซึ่งเรียกชื่อว่า MTIA รุ่นถัดไป (Next Gen) โดยยังโฟกัส ที่การปรับแต่งสำหรับใช้งานในโมเดล AI แนะนำเนื้อหาบนแพลตฟอร์ม

MTIA Next Gen เพิ่มสเป็กให้แรงขึ้น โดยเป็นชิปคัสตอมเทคโนโลยีการผลิต 5nm TSMC, สัญญาณนาฬิกา 1.35GHz, สมรรถนะสูงสุด 708 TOPS (INT8 แบบ sparse) หรือ 354 TOPS (FP16/BF16 แบบ sparse) อัตราใช้พลังงานเพิ่มเป็น TDP 90W การออกแบบยังใช้หน่วยประมวลผลย่อย PE 64 ตัว เรียงแบบ 8x8 เหมือนเดิม เพิ่ม SRAM เป็น 384KB ต่อตัว แบนด์วิทหน่วยความจำเพิ่มเป็น 1TB/s ต่อตัว

อินเทลประกาศร่วมมือกับบริษัทพันธมิตรจำนวนมาก เตรียมสร้างแพลตฟอร์มสำหรับการใช้งาน AI ภายในองค์กร ทำให้สามารถสร้างแอปแบบ retrieval-augmented generation (RAG) ได้โดยง่าย

ทางอินเทลสัญญาว่าจะลงมือให้ก่อนเป็นโค้ดชุดแรกที่รองรับชิป Xeon และ Gaudi เป็นหลัก มีคลาวด์ให้นักพัฒนาใช้งาน และต่อจากนั้นจะสนับสนุนให้องค์กรอื่นๆ เข้ามาพัฒนาโครงการต่อให้ใช้งานได้กว้างขึ้น

กูเกิลเพิ่มบริการด้าน LLM ตัวใหม่ คือ Vertex AI Agent Builder สำหรับการพัฒนาบริการจาก LLM โดยไม่ต้องเขียนโค้ดเองโดยตรง (ยกเว้นส่วนที่เป็น integration กับภายนอก)

บริการนี้รวมเอาความสามารถหลายตัว ได้แก่

ทีมนักวิจัยของแอปเปิลเผยแพร่งานวิจัยใหม่ Ferret-UI ซึ่งเป็น Generative AI หรือ AI สร้างเนื้อหา ที่ต้องการแก้ไขปัญหาโมเดลภาษาขนาดใหญ่ข้อมูลผสมผสาน (MLLM - Multimodal Large Language Model) ที่ยังมีข้อจำกัดสำหรับอินพุทรูปภาพ ที่มีรายละเอียดเยอะมาก แต่อาจมีจุดสำคัญไม่กี่อย่าง เช่น ภาพจับหน้าจอโทรศัพท์ (Screen Capture)

สิ่งที่ท้าทายของอินพุทภาพหน้าจอโทรศัพท์คือ อัตราส่วนภาพหน้าจอโทรศัพท์ ที่แตกต่างจากรูปที่ AI นิยมใช้เทรนกัน, ในภาพหน้าจอมีไอคอนหรือปุ่ม ที่มีขนาดเล็ก ความละเอียดต่ำ AI อาจแยกแยะไม่ได้ และหลายกรณีปุ่มเหล่านั้นคือประเด็นสำคัญของอินพุทอีกด้วย

อินเทลเปิดตัวชิปเร่งการประมวลผลปัญญาประดิษฐ์รุ่นใหม่ Intel Gaudi 3 ที่เคยโชว์แผนเมื่อปีที่แล้ว ใช้กระบวนการผลิตระดับ 5 นาโนเมตร

ชิป Gaudi มาจากการซื้อบริษัท Habana Labs ในปี 2019 และอัพเกรดเป็น Gaudi 2 เมื่อปี 2022 โดยเป็นชิปที่อินเทลวางตัวมาแข่งกับชิประดับสูงของ NVIDIA โดยตรง

สถาปัตยกรรมของ Gaudi 3 ประกอบด้วยหน่วยประมวลผลย่อย 3 ตัวในชิปเดียว ได้แก่

ในงาน Google Cloud Next 2024 กูเกิลเชิญผู้ให้บริการองค์กร จากองค์กรขนาดใหญ่ เช่น กลุ่มโรงแรม IHG, Verizon, Bayer โดยองค์กรเหล่านี้เตรียมใช้งาน generative AI ในแอปพลิเคชั่นที่ติดต่อกับลูกค้าแล้ว แม้จะมองเห็นโอกาสมากแต่ก็ยังเป็นการใช้งานอย่างระมัดระวังอยู่

Kalyani Sekar Chief Data Officer จาก Verizon ระบุว่าการสร้างแอปพลิเคชั่น generative AI นั้นควรเริ่มปล่อยให้ใช้งานจากวงเล็กภายในองค์กรเองก่อน และค่อยๆ ขยายไปยังกลุ่มใหญ่ขึ้นจนถึงผู้ใช้ภายนอกองค์กร เพื่อจะได้เห็นความสามารถและข้อจำกัดของระบบ และจุดสำคัญที่สุดของการใช้งาน generative AI นั้นอาจจะไม่ใช่ปัญหาว่ามันตอบอะไรได้บ้าง แต่ต้องพยายามไม่ให้ AI ตอบคำถามที่มันจะตอบผิด แล้วส่งให้คนทำงานเป็นคนตอบแทน

Google Workspace เพิ่มแอปสร้างวิดีโอในชื่อ Google Vids ที่สามารถขึ้นโครงวิดีโอจากเอกสารเดิม เช่น Google Docs หรือ Google Sheets ทำเป็นบทวิดีโอ แล้วสามารถใช้เสียงพูดจากปัญญาประดิษฐ์เพื่อพากษ์วิดีโอ หรือจะใช้เสียงผู้ใช้เองก็ได้

ตอนนี้ Google Vids ยังเป็นโปรแกรมทดสอบ จะเริ่มเปิดให้ผู้ใช้เปิดใช้งานจาก Workspace Labs เดือนมิถุนายนนี้ โดยบริการนี้เป็นส่วนหนึ่งของฟีเจอร์ Gemini for Workspace ต้องเป็นลูกค้าแพ็กเกจนี้ (ส่วนเสริมขายแยก 20-30 ดอลลาร์ต่อเดือน)

ที่มา - Google Workspace Blog

กูเกิลอัพเดตโมเดลปัญญาประดิษฐ์สร้างภาพ Imagen 2.0 โดยเพิ่มฟีเจอร์สำคัญคือการสร้างภาพเคลื่อนไหว และการแก้ไขภาพที่มีอยู่เดิม

การสร้างภาพเคลื่อนไหว เรียกว่า text-to-live image ยังจำกัดที่ความละเอียด 360x640 ยาว 4 วินาที ที่ 24 เฟรมต่อวินาที

สำหรับการแก้ไขภาพ รองรับทั้ง inpainting แก้ไขภายในภาพ และ outpainting เติมภาพเพื่อขยายขนาด รองรับการเพิ่มหรือลดวัตถุในภาพ

ภาพทั้งหมดที่สร้างโดย Imagen จะถูกฝังข้อมูล SynthID เพื่อระบุว่าภาพถูกสร้างโดยปัญญาประดิษฐ์ของกูเกิล

กูเกิลปล่อยโมเดลปัญญาประดิษฐ์ LLM สำหรับเขียนโค้ดในชื่อ CodeGemma เน้นใช้งานเป็นตัวช่วยเขียนโค้ดโดยเฉพาะ โดยมีโมเดล 3 รุ่น ได้แก่

มีรายงานจาก Nikkei ระบุว่า ไมโครซอฟท์มีแผนจะลงทุนในประเทศญี่ปุ่นเป็นเงินถึง 2,900 ล้านดอลลาร์ ภายในระยะเวลาสองปีข้างหน้า เพื่อเร่งขยายธุรกิจที่เกี่ยวข้องกับ AI ในญี่ปุ่น

ทั้งนี้ไมโครซอฟท์จะประกาศแผนการลงทุนดังกล่าวอย่างเป็นทางการเร็ว ๆ นี้ เมื่อนายกรัฐมนตรีของญี่ปุ่น Fumio Kishida เดินทางไปเยือนสหรัฐ

แผนการลงทุนของไมโครซอฟท์ จะมีทั้งการติดตั้งชิปประมวลผล AI ขั้นสูง ในศูนย์ข้อมูลซึ่งมีอยู่สองแห่งที่โตเกียวและโอซากา รวมทั้งลงทุนเกี่ยวกับการฝึกอบรมรีสกิลแรงงาน ตั้งเป้าหมายที่ 3 ล้านคน ภายในระยะเวลา 3 ปี และสร้างศูนย์วิจัยพัฒนาด้านหุ่นยนต์กับ AI