กูเกิลเปิดโครงการทดลอง Built-in AI เตรียมนำ Gemini Nano มารันใน Chrome โดยตรง เปิดทางให้เบราว์เซอร์มี API ในกลุ่ม LLM เพิ่มเติม

ฟีเจอร์ที่เว็บไซต์จะสามารถใช้งาน LLM บนเว็บได้ เช่น การช่วยสรุป หรือถามตอบคำถามในเนื้อหาบนเว็บเอง ไปจนถึงการเป็นตัวช่วยผู้ใช้เขียนเนื้อหา หรือตรวจคำผิด

ทุกวันนี้เว็บไซต์หลายแห่งรันโมเดลปัญญาประดิษฐ์บนเว็บอยู่แล้ว แต่การใช้งานแบบทุกวันนี้ทำให้ผู้ใช้ต้องดาวน์โหลดไฟล์ขนาดนับร้อยเมกะไบต์ทุกเว็บ และอาจใช้งานฟีเจอร์ต่างๆ ของเครื่องเช่น GPU หรือ NPU ได้จำกัด การที่เบราว์เซอร์มี API โดยตรงให้เลยจะทำให้ออปติไมซ์ได้ดีขึ้น

เดโมอันหนึ่งที่น่าสนใจจากงาน Google I/O 2024 เมื่อคืนนี้คือการใช้ Gemini ร่วมกับ Google Workspace โดยเดโมที่กูเกิลโชว์บนเวทีคือ การสั่งให้ Gemini ค้นหาอีเมลใบเสร็จทั้งหมดใน Gmail ของเราเอง แล้วรวมไฟล์ใบเสร็จไปบันทึกไว้ใน Google Drive และจัดระเบียบ ทำบัญชีรายจ่ายแยกหมวดให้อัตโนมัติออกมาเป็นไฟล์ Google Sheets สำเร็จรูป

ฟีเจอร์นี้จะเริ่มเปิดทดลองใช้กับกลุ่ม Workspace Labs ภายในเดือนพฤษภาคมนี้ และเปิดใช้กับลูกค้าที่จ่ายพรีเมียม Gemini for Workspace หรือ Google One AI Premium ในเดือนมิถุนายน

เดโมอื่นๆ ที่โชว์คือ Contextual Smart Reply ข่วยเขียนตอบอีเมล โดยอิงจากเนื้อหาในอีเมลฉบับก่อนๆ ฟีเจอร์นี้จะเริ่มเปิดใช้กับกลุ่ม Workspace Labs เดือนกรกฎาคม

กูเกิลประกาศเพิ่มความสามารถด้าน AI ให้กับ Google Photos เรียกรวมว่า Ask Photos โดยสามารถค้นหารูปภาพในคลังของผู้ใช้งานแต่ละคน ด้วยคำถามภาษาธรรมชาติ (natural language)

ตัวอย่างความสามารถด้าน AI ที่ประกาศได้แก่

• ค้นหาโดยผสมคำสำคัญหลายอย่าง เช่น Show me the best photo from each national park I’ve visited
• ถามคำถามที่คำตอบเป็นรายละเอียดในรูปภาพ เช่น What themes have we had for Lena’s birthday parties?
• ค้นหาในรูปแบบคำสั่ง เช่น ให้เลือกรูปดีที่สุดในทริปล่าสุด พร้อมเขียนแคปชันสำหรับโพสต์ลงโซเชียลมีเดีย

ฟีเจอร์ Ask Photos จะเปิดให้ใช้งานในรูปแบบฟีเจอร์ทดลอง (experimental) โดยเริ่มเปิดให้ใช้งานได้เร็ว ๆ นี้

กูเกิลโชว์ Gemini Nano โมเดลปัญญาประดิษฐ์สำหรับโทรศัพท์รุ่นใหม่รองรับอินพุตหลายรูปแบบทั้งภาพ, เสียง, และข้อความ พร้อมกับความสามารถของแอป Gemini ที่ผูกเข้ากับระบบของแอนดรอยด์เต็มตัว

Gemini Nano อ่านภาพได้ ทำให้สามารถบรรยายภาพได้โดยไม่ต้องมีข้อมูลล่วงหน้า กูเกิลใส่ความสามารถนี้ในฟีเจอร์ TalkBack ที่ช่วยผู้มองเห็นได้จำกัด ทำให้สามารถบรรยายภาพได้อย่างละเอียด นอกจากนี้ยังสามารถฟังเสียงได้ ทำให้สามารถฟังเสียงการสนทนาตลอดเวลาและแจ้งเตือนทันทีเมื่อพบว่าบทสนนนาน่าจะเป็นการหลอกลวง ฟีเจอร์นี้จะเป็นแบบ opt-in ต้องเปิดใช้งานเอง และจะเปิดให้ใช้ภายในปีนี้ (ไม่ระบุประเทศที่รองรับ)

กูเกิลอัพเดต Gemini Advanced เวอร์ชั่นผู้ใช้ทั่วไป เป็น Gemini 1.5 Pro ทำให้รองรับ context window ขนาด 1 ล้านโทเค็นแบบเดียวกับการใช้งานแบบเดียวกับการใช้งานผ่าน API รองรับการอัพโหลดข้อมูลขนาดใหญ่เข้าไปยังแชตได้โดยตรง โดยมีฟีเจอร์ใหม่หลักๆ ได้แก่

กูเกิลอัพเดตโมเดล Gemini 1.5 Pro โดยขยาย context window เป็น 2 ล้านโทเค็น ทำให้สามารถรองรับข้อมูลขนาดใหญ่มาก และเชื่อฟังคำสั่งมากขึ้น โดยเฉพาะคำสั่งฟอร์แมต์เอาท์พุต หรือพฤติกรรมของ AI และการวางแผนการทำงานได้ดีขึ้นทำให้สามารถเรียกฟังก์ชั่นภายนอกได้มากขึ้น

นอกจากนี้กูเกิลยังเปิดตัว Gemini 1.5 Flash ที่ราคาประหยัดลงแต่ประสิทธิภาพยังใกล้เคียง Gemini 1.5 Pro โดยอาศัยเทคนิค distillation ที่ดึงความสามารถจากโมเดลขนาดใหญ่ และรองรับ context window ขนาด 1 ล้านโทเค็นเท่ากับรุ่นใหญ่ ราคาค่าใช้งาน 0.35 ดอลลาร์ต่อล้านโทเค็น

Gemini 1.5 Pro และ 1.5 Flash เปิดให้ใช้งานได้ทั้งทาง Google AI Studio และ Vertex AI ส่วนเวอร์ชั่น 2 ล้านโทเค็นยังทดสอบวงปิดต้องขอใช้งาน

มีประเด็นต่อเนื่องจากรายงานเรื่อง Siri จะปรับปรุงความสามารถด้วย Generative AI ซึ่งแอปเปิลมีสองแนวทางคือ ใช้ AI พัฒนาเองที่ชื่อ Ajax และร่วมมือกับพาร์ตเนอร์ภายนอกซึ่งมีทั้ง OpenAI และกูเกิล

โดยรายงานล่าสุดของ Mark Gurman แห่ง Bloomberg บอกว่าตอนนี้การเจรจาของแอปเปิลกับ OpenAI มีความคืบหน้ามาก ใกล้ได้ข้อสรุปเพื่อนำ ChatGPT มาเป็นฟีเจอร์หนึ่งใน iOS 18 แล้ว ส่วนการเจรจากูเกิลเพื่อนำ Gemini มาใช้งาน ก็ยังคงดำเนินต่อไป แต่ยังไม่มีข้อมูลว่าไปถึงระดับไหน

กูเกิลเปิดตัว Google Threat Intelligence บริการสารสนเทศความปลอดภัยไซเบอร์แบบครบวงจร ที่รวมร่างผลิตภัณฑ์ด้านความปลอดภัยในเครือกูเกิล ได้แก่ Mandiant (ซื้อมาปี 2022), VirusTotal (ซื้อมาปี 2012) และพ่วงด้วยพลัง Gemini เข้ามาอีกอย่าง

Android Studio ออกรุ่นเสถียร Jellyfish เวอร์ชัน 2023.3.1 (โค้ดเนมตัว J) ตามหลัง Android Studio Iguana เพียงไม่ถึง 2 เดือนเต็ม

ฟีเจอร์ใหม่ในเวอร์ชันนี้ได้แก่

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

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)

กูเกิลเปิดตัวบริการ Gemini Code Assist ที่เปลี่ยนชื่อมาจาก Duet AI for Developer แต่เปลี่ยนปัญญาประดิษฐ์ภายในเป็น Gemini ที่อ่านข้อมูลได้นับล้่านโทเค็น ทำให้เวลาแนะนำโค้ดนั้นไม่ใช่การอ่านทีละไฟล์ แต่อ่านทั้งโครงการทีละเป็นแสนบรรทัดและแนะนำได้ทันที

การประกาศรอบนี้ยังประกาศเป็นพันธมิตรกับบริษัทความปลอดภัยซอฟต์แวร์ Synk โดยตอนนี้ยังเป็นเพียงการแนะนำการใช้งาน Synk ในแชตก่อน แต่ภายในปีนี้จะรวมความสามารถในการสแกนโค้ดเข้าไว้ในบริการ Code Assist เลย ทำให้แนะนำช่องโหว่ในโค้ดได้ทันที

Gemini Code Assist เปิดให้ใช้ฟรีแล้ววันนี้ แต่จะเก็บเงินหลังวันที่ 11 มิถุนายนนี้ ราคา 19 ดอลลาร์ต่อคนต่อเดือน สามารถใช้งานได้บน VS Code และ JetBrains

นอกเหนือจาก Google Vids แอปสร้างวิดีโอจากเอกสารใน Google Docs และ Google Sheets กูเกิลยังประกาศฟีเจอร์ใหม่พลัง Gemini หลายอย่างสำหรับคนใช้งาน Google Workspace มีรายละเอียดดังนี้

• Help me write บนแอป Gmail รองรับคำสั่ง prompt ด้วยเสียง ใช้งานได้สำหรับลูกค้า Gemini Enterprise, Gemini Business และ Google One AI Premium
• Google Sheets เพิ่มเทมเพลตขึ้นโครงตารางชุดใหม่ สำหรับลูกค้า Workspace ทุกคน

กูเกิลเปิด Gemini 1.5 Pro ให้คนทั่วไปใช้งานแล้ว หลังจากเปิดตัวแบบจำกัดเมื่อเดือนกุมภาพันธ์ที่ผ่านมา พร้อมกับเพิ่มฟีเจอร์ค้นหาข้อมูลอ้างอิง (grounding) ทั้งการค้นด้วย Google Search และการค้นข้อมูลภายในองค์กรเอง

สำหรับการค้นข้อมูลในองค์กร เดิม Vertex AI มีบริการ Enterprise Search อยู่แล้ว ตอนนี้เพิ่มความสามารถเชื่อมต่อกับฐานข้อมูลภายนอก เช่น AlloyDB หรือ BigQuery เข้ามาเพิ่ม และยังเชื่อมต่อแอปที่องค์กรใช้งานอยู่ เช่น Workday, Salesforce, ServiceNow, Hadoop, Confluence, และ JIRA

กูเกิลปล่อยโมเดลปัญญาประดิษฐ์ LLM สำหรับเขียนโค้ดในชื่อ CodeGemma เน้นใช้งานเป็นตัวช่วยเขียนโค้ดโดยเฉพาะ โดยมีโมเดล 3 รุ่น ได้แก่

กูเกิลประกาศนำโมเดล Gemini 1.0 Pro มาใส่ในเครื่องมือสำหรับนักพัฒนา Android Studio พร้อมรีแบรนด์ Studio Bot ที่เป็น AI ช่วยการเขียนโค้ด ในชื่อใหม่ Gemini in Android Studio เพื่อให้ทิศทางผลิตภัณฑ์ AI ของกูเกิลเป็นไปในทิศทางเดียวกันทั้งหมดภายใต้แบรนด์ Gemini

Gemini in Android Studio เป็นผู้ช่วยการเขียนโค้ดซึ่งสามารถเรียกใช้งานได้โดยตรงใน IDE กูเกิลบอกว่าทำให้การพัฒนาโค้ดคุณภาพสูง ทำได้รวดเร็วขึ้น ช่วยแก้ไขปัญหาโค้ดที่ซับซ้อน สามารถถาม-ตอบ ตลอดจนเพิ่มคอมเมนต์และค้นหาข้อมูลที่ต้องการได้ ตอนนี้มีให้ใช้งานแล้วใน Android Studio Jellyfish

แชทบอต AI Gemini ของกูเกิล น่าจะมีจุดแข็งหนึ่งคือการทำงานร่วมกันกับบริการต่าง ๆ ของกูเกิล ที่มีฐานผู้ใช้งานสูงอยู่แล้ว ล่าสุดกูเกิลเลยเชื่อมต่อคำตอบของ Gemini กับ Google Maps หากเป็นคำถามเกี่ยวกับการขอเส้นทาง

โดยหากถาม Gemini เช่น บอกเส้นทางไปยัง... หรือ พาฉันไปที่... (ที่ทดสอบตอนนี้ยังได้เฉพาะภาษาอังกฤษ) Gemini จะให้คำตอบทั้งระยะเวลาและระยะทาง รวมทั้งแนบเส้นทางบน Google Maps เพื่อใช้ดูเพิ่มเติม

นอกจากการขอเส้นทางแล้ว Gemini บน Android ยังเพิ่มความสามารถช่วยตั้งเตือน หรือกำหนดนัดหมายในปฏิทินได้ด้วย โดยผู้ใช้งานต้องเปิดการทำงานของส่วนขยาย Workspace

ที่มา: 9to5Google

ก่อนหน้านี้กูเกิลเปิดเผยว่า Pixel 8 จะได้ไม่ใช้งาน AI Gemini Nano เนื่องจากข้อจำกัดด้านฮาร์ดแวร์ ซึ่งสร้างคำถามตามมาเพราะข้อจำกัดเดียวที่มีคือแรม และปริมาณแรม 8GB นี้ ก็เท่ากับ Galaxy S24 ล่าสุดกูเกิลเปลี่ยนใจแล้ว

โดย Pixel 8 จะได้ใช้งาน Gemini Nano ด้วยเช่นกัน ซึ่งจะมาพร้อมกับ Pixel Feature Drop รอบถัดไป คาดว่าอยู่ช่วงเดือนมิถุนายน

ทั้งนี้กูเกิลก็พูดถึงข้อจำกัดฮาร์ดแวร์อีกครั้งด้วยว่า การรันโมเดล LLM บนโทรศัพท์ที่มีขนาดแรมแตกต่างกัน ย่อมให้ประสบการณ์การใช้งานที่แตกต่างกัน ซึ่งทำให้กูเกิลได้ทดสอบการใช้งานบน Pixel 8 แล้วตัดสินใจอัปเดตให้ใช้งานได้ด้วยนั่นเอง

จากรายงานข่าวก่อนหน้านี้ของ Bloomberg ว่าแอปเปิลกำลังเจรจากับกูเกิล รวมทั้งผู้พัฒนา AI รายอื่น เพื่อนำ Generative AI หรือ AI สร้างเนื้อหา มาใส่ใน iPhone ล่าสุด The New York Times ก็ร่วมยืนยันข่าวนี้จากแหล่งข่าวของตนเอง ว่าแอปเปิลกำลังเจรจากับกูเกิลจริง

The New York Times อ้างแหล่งข่าว 3 ราย บอกว่าการเจรจาของสองฝ่ายตอนนี้ยังเป็นขั้นต้น รายละเอียดข้อตกลงยังไม่มีการกำหนดออกมา ขณะเดียวกันแอปเปิลก็พูดคุยกับบริษัท AI อื่นด้วยเช่นกัน เป้าหมายเพื่อนำโมเดลภาษาขนาดใหญ่หรือ LLM มาใช้เรียนรู้ข้อมูลใน iPhone แล้วจัดการกับสร้างเนื้อหาขึ้นมา

กูเกิลประกาศความคืบหน้าเรื่อง AI เพื่อการแพทย์หลายอย่าง โดยมีทั้งการใช้โมเดลรุ่นเดิม PaLM 2 และโมเดลรุ่นใหม่ Gemini

PaLM 2

ปีที่แล้วกูเกิลนำ PaLM 2 โมเดลภาษารุ่นของปี 2023 มาปรับแต่ง (fine-tune) เพื่อการแพทย์ในชื่อ Med-PaLM 2 แล้วพัฒนาต่อเป็นชุดของโมเดลหลายๆ ตัวชื่อ MedLM เปิดให้เช่าใช้งานบนบริการ Vertex AI ของ Google Cloud

ล่าสุดกูเกิลออก MedLM for Chest X-ray นำโมเดลไปช่วยอ่านฟิล์มเอกซเรย์หน้าอก (เช่น ปอดและหัวใจ) ตอนนี้เริ่มเปิดให้ลูกค้าทดสอบแบบจำกัดวงแล้ว

Mark Gurman ขาประจำข่าววงใน Apple รายงานเพิ่มเติมจากจดหมายข่าว Power On ประจำสัปดาห์ ว่า Apple กำลังเจรจากับ Google ในการนำ Gemini มาใช้งานบน iPhone

กูเกิลประกาศแนวทางเพื่อรับมือการค้นหาข้อมูล ที่เกี่ยวกับการเลือกตั้งทั่วไป ซึ่งปีนี้จะมีการจัดการในหลายประเทศทั่วโลก โดยจำกัดการค้นหาข้อมูลเกี่ยวกับการเลือกตั้งบนแชทบอต Gemini มีผลแล้วตั้งแต่วันนี้สำหรับผู้ใช้งานในอเมริกาและอินเดียก่อน

กูเกิลบอกว่าคำค้นหาที่เกี่ยวข้องกับการเลือกตั้ง เป็นหัวข้อที่ต้องให้ข้อมูลคุณภาพสูงและแม่นยำ จึงจำกัดการค้นหาที่เกี่ยวข้องนี้บนผลิตภัณฑ์ที่เป็น Generative AI ทั้งหมด อยู่ในระดับเดียวกับคำค้นหาอื่นที่เป็นการก่อกวนซึ่งถูกจำกัดอยู่แล้ว

ทีมวิศวกรของ Android เปิดเผยผ่านรายการ The Android Show ของกูเกิลว่า Gemini Nano โมเดล AI ที่กูเกิลพัฒนาสำหรับรันมือโทรศัพท์มือถือ จะไม่มีให้ใช้งานใน Pixel 8 เนื่องจากข้อจำกัดด้านฮาร์ดแวร์

อย่างไรก็ตามกูเกิลบอกว่า Gemini Nano มีแผนจะขยายไปให้มากอุปกรณ์ที่สุด โดยเฉพาะสมาร์ทโฟนรุ่นบนที่จะออกมาในอนาคต

กูเกิลประกาศเพิ่มความสามารถใหม่ให้ Gemini โดยผู้ใช้งานสามารถเลือกบางส่วน หรือทั้งหมดของคำตอบจาก Gemini เพื่อปรับแก้ไข ให้ Gemini ตอบใหม่ให้ตรงกับความต้องการมากขึ้น โดยหากคำตอบนั้นสามารถใช้งานฟีเจอร์นี้ได้ ไอคอนดินสอพร้อมประกายจะปรากฎให้ Modify selected text

ตัวอย่างการแก้ไขคำตอบ เช่น เมื่อให้ Gemini วางแผนทริป 3 วัน ก็จะได้คำตอบแบบ 3 วัน แต่เราสามารถแก้ไขคำตอบโดยบอกว่า ขอระยะเวลาที่ยาวกว่านั้นเป็น 4 วัน Gemini ก็จะปรับปรุงคำตอบบนเงื่อนไข 4 วันให้ ซึ่งเป็นผลลัพธ์ที่ตรงกับความต้องการมากขึ้น และอยู่ในประเด็นเดิม

ฟีเจอร์แก้ไขคำตอบ อาจใช้งานไม่ได้ในหลายกรณี เช่น แก้ไขรูปภาพ (เพราะเลือกรูปไม่ได้), เป็นคำขอที่ละเมิดกฎการใช้งาน, เป็นการแก้ไขโค้ดหรือข้อมูลในตาราง เป็นต้น

Sergey Brin ผู้ร่วมก่อตั้งกูเกิลหายหน้าไปนานหลายปี ก่อนที่ปีที่แล้วมีข่าวว่าเขากลับมาร่วมโครงการพัฒนา Gemini ด้วยตัวเอง

ล่าสุด Brin กลับมาปรากฏตัวในงานสัมมนา AGI House ในแคลิฟอร์เนีย และตอบคำถามนักพัฒนา ผู้ก่อตั้งสตาร์ตอัพที่เข้าร่วมงานในเรื่องต่างๆ โดยเฉพาะกรณี Gemini ทำงานผิดพลาดเรื่องการสร้างภาพคน

Brin ยอมรับว่ากูเกิลทำงานพลาด (We definitely messed up) เขาคิดว่าเหตุผลหลักมาจากการทดสอบที่ไม่เพียงพอ และความผิดพลาดของกูเกิลก็ทำให้คนจำนวนมากไม่พอใจ