Generative AI คืออะไร มีกี่ประเภท โดดเด่นแค่ไหน ใช้ทำอะไรได้บ้าง [ดูคำตอบ]

การใช้ชีวิตและการทำงานในปัจจุบันนี้มีเทคโนโลยีเข้ามามีบทบาทมากขึ้นอย่างไม่น่าเชื่อเลยนะครับ โดยเฉพาะในช่วงปี สองปีที่ผ่านมาเราได้ทำความรู้จักกับเทคโนโลยี AI มากมายหลายตัว 

ดังนั้น ในวันนี้ NerdOptimize ของเราก็ขออินกับกระแสนี้กันสักหน่อยด้วยการหยิบเอาเทรนด์หนึ่งที่หลายคนน่าจะได้ยินและพูดถึงกันอยู่ นั่นคือเรื่องของ Generative AI ว่าแต่เจ้าสิ่งนี้คืออะไร ทำงานอย่างไร มีกี่ประเภท มีประโยชน์ขนาดไหน และในแง่แนวโน้มของเทคโนโลยีนี้จะเป็นอย่างไร ลองตามผมไปหาคำตอบดูได้พร้อมๆ กันเลยดีกว่าครับ!

Generative AI คืออะไร

ที่มาภาพ: www.turintech.ai

Generative AI คือ ปัญญาประดิษฐ์รูปแบบหนึ่งที่ใช้สำหรับสร้างเนื้อหาใหม่ๆ ได้อย่างหลากหลายแบบอัตโนมัติโดยที่ไม่ต้องมีมนุษย์เข้ามาช่วย เช่น ใช้สร้างข้อความ รูปภาพ เพลง วิดีโอ ฯลฯ Generative AI มีความฉลาดที่จะเรียนรู้จากข้อมูลที่มีอยู่ด้วยการใช้เทคโนโลยีการเรียนรู้เชิงลึก (Deep Learning) และใช้องค์ความรู้เหล่านั้นมาสร้างผลลัพธ์ใหม่ๆ ที่มนุษย์ต้องการได้ ซึ่งความสามารถนี้ของ Generative AI (หรือที่หลายคนเรียกว่า (GEN AI) ช่วยสนับสนุนการทำงานในหลายวงการ เช่น Digital Marketing, วงการเพลง, วงการครีเอทีฟ, กราฟิกดีไซเนอร์ ฯลฯ ให้ทำงานได้อย่างสะดวกและรวดเร็วมากยิ่งขึ้น

Generative AI ทำงานอย่างไร

Generative AI ทำงานด้วยการใช้ Neural Network (โครงข่ายประสาทเทียม) ซึ่งเป็นหนึ่งในปัญญาประดิษฐ์ที่สอนคอมพิวเตอร์ให้ประมวลผลข้อมูลในลักษณะที่อ้างอิงมาจากสมองมนุษย์, แบบจำลองสถิติ (Statistical models) ที่เป็นการสร้างข้อมูลโดยใช้การวิเคราะห์สถิติจากข้อมูลที่มีอยู่แล้ว หรือ GAN (Generative Adversarial Networks) ซึ่งใช้สำหรับสร้างข้อมูลที่มีความสมจริง และเรียนรู้ได้แบบไม่มีผู้กำหนด (Unsupervised Learning)

Generative AI จึงรู้จักคิดและจดจำ เรียนรู้สิ่งต่างๆ ได้ เช่น รูปร่าง สี หรือพื้นผิว จากนั้นก็จะใช้ข้อมูลนี้เพื่อสร้างสิ่งประดิษฐ์ใหม่ที่คล้ายกับของเดิม แต่ไม่ใช่การทำซ้ำกับของเดิม ยกตัวอย่างเช่น

• การใช้ Generative AI เพื่อสร้างภาพและวิดีโอจะใช้โมเดล Deep Learning ในการสร้างภาพหรือวิดีโอใหม่ โดยการอ้างอิงจากภาพหรือวิดีโอต้นฉบับ อย่างเช่น การใช้ Convolutional Neural Networks (CNN) ที่เป็น Neural Network แบบหนึ่งซึ่งวิเคราะห์รูปภาพได้หลากหลายรูปแบบ อาทิ การตรวจจับวัตถุ, การเรียนรู้จดจำใบหน้า (Face Recognition) ฯลฯ
• การใช้ Generative AI เพื่อสร้างข้อความจะใช้สิ่งที่เรียกว่า โมเดลทางด้านภาษาธรรมชาติ (Natural Language Processing หรือ NLP) ที่สามารถเรียนรู้ตัวอักษรและความหมายของประโยค เพื่อสร้างข้อความใหม่ๆ ขึ้นมาได้แบบอัตโนมัติ 

Generative AI ประเภทต่างๆ มีอะไรบ้าง

Generative AI มีอยู่มากมายหลายประเภท ไม่ว่าจะเป็น…

ที่มาภาพ: www.turintech.ai

Text Generation (ข้อความ)

Text Generation จะเป็น Generative AI ที่สามารถทำความเข้าใจ สรุป และสร้างคำพูดโดยใช้ AI ขึ้นมาได้ แถมยังมีความเป็นธรรมชาติ และสร้างสรรค์มากๆ อีกด้วย ซึ่งมักจะนำมาใช้ในหลากหลายอุตสาหกรรม เช่น การทำ Content Marketing, Sale โดยใช้ในการเขียนอีเมล, การ Chat สนทนาในงาน Customer Support, การเขียน, การทำ Note Taking ฯลฯ 

ที่มาภาพ: www.cityam.com

ตัวอย่าง Text Generation อย่างเช่น Chat GPT (Generative pre-trained transformers) เป็น Generative AI ที่ได้รับความนิยมมากในปัจจุบัน เนื่องจากเป็น Text Generation ตัวแรกๆ ที่เปิดตัวขึ้นมาอย่างยิ่งใหญ่ แถมมีระบบประมวลผลที่เรียก ว่า Large Language Model (LLM) ซึ่งเป็นปัญญาประดิษฐ์ในรูปแบบหนึ่งที่สามารถวิเคราะห์ข้อมูลที่เกี่ยวกับข้อความเป็นจำนวนมาก เรียนรู้ ประมวลผล แยกแยะประเด็นสำคัญของประโยค การจับใจความประโยคที่ยาว และเชื่อมคำต่อคำได้อย่างธรรมชาติเหมือนที่คนสนทนากันได้ด้วย แต่ทั้งนี้ ก็อาจจะยังไม่เข้าใจข้อมูลบางอย่างได้แบบลึกซึ้ง อาจทำให้ผู้ใช้งานได้รับข้อมูลที่บิดเบือนได้

นอกจาก Chat GPT ที่ได้รับความนิยมแล้ว ยังมี Brad จากการ Google ที่เป็น Text Generation ซึ่งตอบคำถามโดยใช้เทคโนโลยีประมวลผลภาษาธรรมชาติได้เช่นเดียวกับ Chat GPT (แต่ Bard จะใช้โมเดลภาษาที่ชื่อว่า LaMDA (Language Model for Dialogue Applications) ในการประมวลผลต่างจาก Chat GPT ที่จะใช้โมเดลภาษา GPT-3.5 (Generative Pre-trained Transformer 3.5) ในการประมวลผล) แถมในอนาคตอาจปรับใช้งานบน Search Engine ของ Google ได้ด้วย 

Code Generation (โค้ด)

ในฝั่งของ Coding เองก็มี Generative AI ที่ช่วยในการเขียนโค้ด ทำให้เขียนโค้ดได้เร็วขึ้นและมีประสิทธิภาพมากขึ้น หรือใครที่เขียนโค้ดไม่เป็นก็สามารถเรียนรู้วิธีการเขียนโค้ดจากการสอบถามจาก Generative AI ได้ด้วย ซึ่งการเขียน Coding จะอิงตามระบบประมวลผล Large Language Model (LLM) การสั่งงานก็จะเขียนโดยใช้คำสั่งที่เรียกว่า Prompt ที่เป็นการเขียนข้อความหรือประโยคอธิบายสิ่งที่เราต้องการให้กับ AI เพื่อสร้างชุดโค้ดที่ต้องการขึ้นมา

ยกตัวอย่างการเขียน Prompt เช่น

“””

1. Create a list of movies

2. Create a list of ratings for these movies

3. Combine them to make a json object of 10 movies with their ratings.

“””

Output ที่ออกมาก็จะเป็น…

movies = [“The Shawshank Redemption”, “The Godfather”, “The Dark Knight”, “Schindler’s List”, “Pulp Fiction”, “The Lord of the Rings: The Return of the King”, “Forrest Gump”, “Star Wars: Episode V – The Empire Strikes Back”, “Inception”, “The Silence of the Lambs”]

ratings = [9.3, 9.2, 9.0, 8.9, 8.9, 8.9, 8.8, 8.7, 8.7, 8.6] 

movie_ratings = {} 

for i in range(len(movies)): 

movie_ratings[movies[i]] = ratings[i]

json_object = json.dumps(movie_ratings, indent=4) 

print(json_object)

Image Generation (รูปภาพ)

Image Generation สามารถสร้างภาพจากการป้อนข้อความ คีย์เวิร์ด หรือ Prompt  และยังสามารถปรับเปลี่ยนรูปแบบ มุมมอง ประเภทของภาพ และขนาดได้ตามต้องการ ซึ่งเป็นประโยชน์มากสำหรับคนที่ต้องใช้งานดีไซน์แต่ทำกราฟิกไม่เป็น 

ยกตัวอย่าง Image Generation ที่นิยมอย่างเช่น Midjourney ที่สามารถสร้างภาพออกมาตามชุดคำสั่งที่ป้อนเข้าไป จากนั้น AI ก็จะไปรวบรวมภาพที่อยู่บน Search Engine หรือฐานข้อมูลภาพในอินเทอร์เน็ต แล้วนำมาประกอบสร้างเป็นภาพใหม่

ที่มาภาพ: www.alphr.com

Speech Generation (เสียง)

Speech Generation หรือ AI Voice Generator เป็นซอฟต์แวร์ที่ใช้สร้างเสียงของมนุษย์ขึ้นมาได้ด้วยวิธีการต่างๆ เช่น การเขียนตัวอักษรสั่งการ การเปลี่ยนค่าพารามิเตอร์ของระบบ ฯลฯ ซึ่งระบบที่นิยมมากที่สุดคือ การแปลงจากข้อความเป็นเสียง (text-to-speech) ในแง่ของประโยชน์จะช่วยพัฒนางานในหลายด้านให้มีประสิทธิภาพมากขึ้นได้ เช่น งานด้านบริการ, ด้านการแพทย์, ด้านการสื่อสารและโฆษณา เป็นต้น นอกจากนี้ในฝั่งของการทำเพลงก็มีการใช้ Speech Generation ในการสร้างเสียงเชิงดนตรีที่เป็นไปได้โดยอัตโนมัติ ทำให้สร้างเพลงในหลายแนวเพลงได้ง่ายมากขึ้น

ที่มาภาพ: speechmax.ai

Video & 3D Generation (วิดีโอและ 3D)

Video & 3D Generation จะเป็นฟีเจอร์ของซอฟต์แวร์ที่สามารถใช้สร้างและแปลงวิดีโอ รวมถึง 3D ได้เช่นเดียวกันกับการสร้างรูปภาพ แต่จะต่างกันที่ความละเอียดและรูปแบบผลลัพธ์ เช่น การใช้ AI ในการคาดคะเนเฟรมวิดีโอแล้วสร้างเฟรมถัดไปขึ้นมาให้อัตโนมัติ ส่วนในฝั่ง 3D ก็สามารถใช้ AI สร้าง 3D Model ขึ้นมาจาก Text ที่พิมพ์ลงไปได้เช่นเดียวกันกับการสร้างรูปภาพ ยกตัวอย่างเช่นเครื่องมือที่ชื่อว่า Fliki ที่ใช้สร้างคลิปวิดีโอและ Voiceover ขึ้นมาจากข้อความที่พิมพ์คำสั่งลงไป เป็นต้น

ที่มาภาพ: www.insanetools.ai

Generative AI อื่นๆ

ยังมีการใช้ Generative AI ในกลุ่มอื่นๆ อีก เช่น 

• ใช้การทำนายและคาดคะเน เช่น การใช้ Generative AI ในการพยากรณ์อากาศหรือพยากรณ์หุ้น
• ใช้ในการตัดสินใจโดยการวิเคราะห์ข้อมูล เช่น การวิเคราะห์แนวโน้มการซื้อสินค้า เป็นต้น
• ใช้ในการสร้างเกมโดยอัตโนมัติ
• ใช้ในการออกแบบผลิตภัณฑ์โดยอัตโนมัติ เพื่อออกแบบโมเดลในการออกแบบผลิตภัณฑ์
• ใช้ในการจดจำรูปแบบที่มีความไม่แน่นอน เช่น ลายมือ ตัวอักษร รูปหน้า

ประโยชน์ของ Generative AI

Generative AI มีประโยชน์สำหรับธุรกิจและอุตสาหกรรมต่างๆ ในแง่ของการเพิ่มประสิทธิภาพในการทำงาน ยกตัวอย่างเช่น

• นำไปใช้ในการสร้างเนื้อหาคอนเทนต์ใหม่ๆ 

เครื่องมือ Generative AI ใช้ในการหาไอเดียสำหรับการทำคอนเทนต์เพื่อทำ Marketing ได้อย่างรวดเร็วและง่ายขึ้น ยกตัวอย่างเช่น จากเดิมต้องใช้เวลาในการรวบรวมข้อมูล เขียน Outline ก่อนที่จะลงมือเขียน ก็สามารถใช้เครื่องมือ Generative AI ในการทำงานส่วนนี้แทนแล้วหันไปให้เวลากับการสร้างสรรค์ส่วนอื่นที่สำคัญมากกว่าได้อย่างเต็มที่มากขึ้น และนอกจากการใช้ Generative AI ในการเขียนแล้วยังใช้ AI ที่เป็นสายวิดีโอหรือภาพมาช่วยทำให้ตัวคอนเทนต์น่าสนใจมากขึ้นได้ด้วย

•  นำไปใช้ในการขาย

ถึงแม้ว่างานขายจะเป็นงานที่ต้องใช้สกิลในการพูดคุยกับลูกค้าเป็นหลัก แต่ก็ไม่ใช่ว่าจะหยิบเอา Generative AI ไปใช้งานเพื่อเสริมความเร็วและคุณภาพให้การขายได้ เช่น การใช้ AI ในการช่วยเขียน Email หรือใช้ตรวจข้อความสำหรับส่งเสริมการขาย, การใช้ AI ปรับแต่งการขายให้เหมาะกับกลุ่มคนที่ยังไม่เคยใช้สินค้า เป็นต้น ทำให้พนักงานประหยัดเวลาในงานจำเจที่ไม่จำเป็นได้มากขึ้น แถมยังเพิ่มประสิทธิภาพในการเข้าหาลูกค้าด้วยเทคนิค Personalize Marketing ได้ด้วย

• นำไปใช้ในการดูแลลูกค้า

การใช้คนในการดูแลและบริการลูกค้าอาจทำให้เกิดความผิดพลาดในการทำงานซึ่งเกิดจากคน (Human Error) ได้ง่าย การใช้ AI เข้ามาช่วยก็จะทำให้ขยายความสามารถในการดูแลลูกค้าได้มากขึ้น ลดความผิดพลาดให้น้อยลง แถมยังดูแลลูกค้าได้ตลอด 24 ชั่วโมงแบบไม่มีเหนื่อยอีกด้วย 

• นำไปใช้ในการพัฒนาผลิตภัณฑ์ใหม่ๆ

เพราะ Generative AI มีความสามารถทั้งการเขียนเพลง ทำวิดีโอ ไปจนถึงเขียนโค้ด จึงช่วยสร้างผลิตภัณฑ์ใหม่ๆ ให้เกิดขึ้นบนโลกได้ง่ายมากขึ้น โดยที่มนุษย์อาจมีเพียงแค่ไอเดีย และใช้ AI ช่วยสร้างสิ่งเหล่านี้ขึ้นมาจากชุดคำสั่งแทน เช่น คุณอยากพัฒนาแอปพลิเคชันสักตัวแต่เขียนโค้ดไม่เป็น ก็ใช้การเขียนแบบ Natural Language ในการสร้างโค้ดขึ้นมาได้

ความท้าทายของ Generative AI ในปัจจุบัน

ถึงแม้การใช้ Generative AI จะมีประโยชน์มากมายหลายด้าน แต่ก็ยังมีความท้าทายบางประการที่อาจจะเกิดขึ้นได้ เช่น ความยากในการสอนให้ AI สร้างผลงานในรูปแบบสร้างสรรค์, Generative Al สามารถมีอคติได้, เกิดการสร้างเนื้อหาปลอมได้จนทำให้มีปัญหาในเรื่องลิขสิทธิ์ในผลงานที่เกิดจากผลผลิตของปัญญาประดิษฐ์, อาจเกิดการรั่วไหลของข้อมูลส่วนตัวได้, การเกิดปัญหาแรงงานถูกแย่งงาน, ส่วนความถูกต้องของผลลัพธ์ที่เกิดจากการประมวลผลอัลกอริทึมก็ยังไม่ได้รับการการันตี 100% จึงอาจเกิดข้อผลิตพลาดตามมาได้ ฯลฯ 

ดังนั้น จึงควรใช้เทคโนโลยีนี้ด้วยความระมัดระวัง เพื่อความปลอดภัยและการเสริมประสิทธิภาพการทำงานให้มากกว่าความผิดพลาดที่อาจเกิดขึ้นได้

ขนาดถามตัว Chat GPT ในเรื่องนี้ก็ยังเห็นด้วยเลยครับว่ามีความท้าทายอีกหลายอย่างในการใช้งาน Generative AI อีกมากมายหลายอย่างจริงๆ

อนาคตของ Generative AI จะเป็นอย่างไร

เทรนด์ Generative AI อาจเป็นเทคโนโลยีที่เติบโตในระยะยาวอย่างแท้จริง เพราะความสามารถในการเรียนรู้และการทำงานอย่างต่อเนื่องที่ทำให้สามารถช่วยขยายประสิทธิภาพในการทำงานจนถึงปฏิวัติอุตสาหกรรมในหลากหลายด้านที่ทันสมัยได้มากขึ้น เช่น งานด้านธุรกิจ ศิลปะ คอนเทนต์ วิทยาศาสตร์ กฎหมาย คอมพิวเตอร์ และอื่นๆ อีกมากมาย แน่นอนว่า ในอนาคตเราอาจจะได้เห็นการใช้งาน Generative AI ในชีวิตประจำวันมากขึ้นที่นอกเหนือจากการใช้เพื่อการทำงานเหล่านี้มากยิ่งขึ้น

สรุป

Generative AI เป็นเทคโนโลยีที่สร้างข้อมูลใหม่ขึ้นมาได้แบบอัตโนมัติแถมยังสามารถเรียนรู้ด้วยตัวเองได้ ทำให้มีศักยภาพในการเปลี่ยนแปลงวิถีการทำงาน ไปจนถึงการใช้ชีวิตของมนุษย์ได้ในอนาคต แต่เหรียญมักมี 2 ด้าน ในเมื่อมีข้อดีก็ต้องมีข้อที่ควรระวัง เพราะการใช้ Generative AI ยังมีความเสี่ยงและความท้าทายที่ส่งผลกระทบต่อการทำงาน สิ่งแวดล้อม และสังคมได้ จึงต้องมีมาตรการควบคุมและความรับผิดชอบในการใช้งานอย่างระมัดระวังเพื่อไม่ให้กระทบต่อรูปแบบการใช้ชีวิตในภาพรวม จนกลายเป็นการใช้งาน AI ในรูปแบบผิดๆ ไป

• Facebook
• Line