Connect with us

Hi, what are you looking for?

Notebookspec

IT NEWS

Google DeepMind เปิดตัว Aeneas โมเดล AI ใหม่ ช่วยตีความจารึกโบราณภาษาละติน

Aeneas AI

Google DeepMind ห้องวิจัยปัญญาประดิษฐ์ในเครือของ Google ได้เปิดตัวโมเดล AI ใหม่ในชื่อ Aeneas ซึ่งถูกออกแบบมาเพื่อช่วยนักประวัติศาสตร์ในการแปล ตีความ และฟื้นฟูข้อความจากจารึกโบราณ โดยเฉพาะในภาษาละติน จุดเด่นคือความสามารถในการเติมข้อความที่ขาดหาย วิเคราะห์บริบท และเชื่อมโยงข้อมูลกับจารึกอื่น ๆ ในเชิงลึก ซึ่งถือเป็นก้าวสำคัญในการใช้ AI เพื่อการอนุรักษ์วัฒนธรรม

Advertisement

Aeneas AI เพื่อจารึกยุคโบราณ

Aeneas เป็นโมเดล AI แบบโอเพ่นซอร์สที่ฝึกมาเฉพาะกับจารึกภาษาละตินกว่า 176,000 ชิ้นจากฐานข้อมูลที่นักวิชาการเก็บสะสมมานานหลายสิบปี จุดประสงค์ของโมเดลนี้คือช่วยให้นักวิจัยและนักประวัติศาสตร์สามารถ:

  • ค้นหาข้อความที่มีโครงสร้างคล้ายกันในจารึกหลายพันชิ้น
  • วิเคราะห์คำ รูปประโยค และรูปแบบมาตรฐานที่ใช้ในยุคเดียวกัน
  • เติมคำในส่วนที่ข้อความหายไปจากความเสียหายของจารึก
  • เปรียบเทียบและเชื่อมโยงข้อความจากแหล่งต่าง ๆ เพื่อให้เข้าใจบริบททางประวัติศาสตร์ได้ดีขึ้น

DeepMind อธิบายว่า Aeneas สามารถ “แปลง” ข้อความแต่ละชิ้นให้เป็น “ลายนิ้วมือทางประวัติศาสตร์” (historical fingerprint) ซึ่งประกอบด้วยข้อมูลว่าเนื้อหากล่าวถึงอะไร เขียนด้วยภาษาใด มีต้นกำเนิดจากที่ไหน และมีความเกี่ยวข้องกับจารึกอื่น ๆ อย่างไรบ้าง

Aeneas AI Google

พัฒนาต่อยอดจาก Ithaca เพื่อขยายขอบเขตการตีความ

ก่อนหน้านี้ DeepMind เคยเปิดตัวโมเดลชื่อ Ithaca ที่ออกแบบมาสำหรับการวิเคราะห์จารึกภาษากรีกโบราณ โดย Aeneas AI ถือเป็นการพัฒนาต่อยอดจาก Ithaca แต่ยกระดับไปอีกขั้น เพราะนอกจากจะช่วยวิเคราะห์ข้อความแล้ว ยังสามารถช่วยนักวิจัยตีความบริบท แยกแยะความหมายของข้อความที่อยู่โดดเดี่ยว และสรุปภาพรวมของประวัติศาสตร์ในช่วงเวลานั้นได้ชัดเจนยิ่งขึ้น

DeepMind ระบุในบล็อกของบริษัทว่า “Aeneas ช่วยให้สามารถเชื่อมโยงข้อความที่กระจัดกระจาย และต่อจิ๊กซอว์ประวัติศาสตร์ให้สมบูรณ์ขึ้นได้ง่ายกว่าที่เคย”


ใช้งานฟรีสำหรับนักวิจัย นักเรียน และพิพิธภัณฑ์

DeepMind เปิดให้ทดลองใช้งานโมเดล Aeneas ผ่านหน้าเว็บไซต์อินเทอร์แอคทีฟแบบไม่เสียค่าใช้จ่าย โดยกลุ่มเป้าหมายได้แก่:

  • นักวิจัยและนักประวัติศาสตร์
  • ครู อาจารย์ และนักเรียน
  • เจ้าหน้าที่พิพิธภัณฑ์และภัณฑารักษ์

นอกจากนี้ โค้ดต้นฉบับ (source code) และฐานข้อมูลจารึกทั้งหมด ยังถูกเผยแพร่แบบโอเพ่นซอร์สผ่าน GitHub ของ DeepMind เพื่อให้ชุมชนวิชาการและนักพัฒนาสามารถนำไปต่อยอดหรือนำไปฝึกฝนกับภาษาโบราณอื่น ๆ ได้


โอกาสใหม่สำหรับภาษาที่ใกล้สูญหาย

ถึงแม้ว่า Aeneas จะเริ่มต้นจากภาษาละติน แต่ตัวโมเดลสามารถนำไปฝึกกับภาษาโบราณอื่น ๆ ได้เช่นกัน ไม่ว่าจะเป็นภาษากรีกโบราณ อียิปต์โบราณ หรือแม้แต่สคริปต์ที่ยังถอดความไม่ได้เต็มที่ AI แบบนี้สามารถช่วยเร่งการวิจัย และเปิดโอกาสใหม่ในการอนุรักษ์ภาษาที่ใกล้สูญหาย

ความสามารถของ Aeneas จึงไม่จำกัดแค่ในโลกของนักวิชาการเท่านั้น แต่ยังมีศักยภาพที่จะถูกนำไปใช้ในพิพิธภัณฑ์ ห้องสมุดเก็บเอกสารหายาก และโปรเจกต์อนุรักษ์วัฒนธรรมต่าง ๆ ทั่วโลก


เสริมทัพด้วย Woolaroo เครื่องมือช่วยเรียนรู้ภาษาท้องถิ่น

ในช่วงเวลาใกล้เคียงกัน Google ยังได้ปรับปรุงเครื่องมือ AI ชื่อ Woolaroo ซึ่งเป็นแอปทดลองที่เปิดให้ผู้ใช้เรียนรู้ภาษาท้องถิ่นและภาษาที่ใกล้สูญหาย ผ่านการสแกนสิ่งของและฟังคำศัพท์จากเจ้าของภาษาโดยตรง เป็นอีกหนึ่งความพยายามของ Google ในการใช้เทคโนโลยีเพื่ออนุรักษ์วัฒนธรรมและภาษาทั่วโลก


สรุป:
Aeneas เป็นอีกหนึ่งตัวอย่างชัดเจนของการนำ AI มาใช้อย่างสร้างสรรค์ เพื่อช่วยมนุษย์เข้าใจอดีตของตนเองให้ลึกซึ้งยิ่งขึ้น ด้วยการสนับสนุนด้านการวิเคราะห์ภาษาโบราณและการฟื้นฟูข้อมูลทางประวัติศาสตร์ที่ไม่สามารถอ่านได้อีกต่อไปด้วยตาเปล่า หากคุณสนใจทดลองใช้งาน Aeneas หรือเข้าถึงข้อมูลเพิ่มเติม สามารถเข้าเยี่ยมชมได้ผ่าน GitHub ของ DeepMind โดยตรง

ที่มา: Neowin

Click to comment
Advertisement

บทความน่าสนใจ

PR-News

กรุงเทพฯ, ประเทศไทย — ASUS (เอซุส) ผู้นำด้านเทคโนโลยีระดับโลก นำเสนอ ASUS Agent Computer ภายใต้แนวคิด “Powering Every AI Choice” ระบบนิเวศด้านฮาร์ดแวร์ที่ออกแบบมาเพื่อรองรับการทำงานของ AI Agent ครอบคลุมตั้งแต่โน้ตบุ๊ก NUC และมินิพีซี เดสก์ท็อปพีซีที่ปรับแต่งได้ ไปจนถึงเวิร์กสเตชันระดับมืออาชีพและ AI...

PR-News

บทความโดย Steven Fong, Corporate Vice President, APJ Embedded Business ปัญญาประดิษฐ์ (AI) กำลังก้าวเข้าสู่เฟสใหม่ ซึ่งขยายขอบเขตจากการเพิ่มประสิทธิภาพการทำงานบนโลกดิจิทัล ไปสู่การใช้งานจริงในโลกทางกายภาพ  ช่วงหลายปีที่ผ่านมา AI มักถูกตีกรอบอยู่แค่ระบบที่ทำความเข้าใจ สร้าง และแนะนำข้อมูลได้ โมเดลภาษาขนาดใหญ่ (LLMs), AI Assistant และ Copilot ได้เข้ามาพลิกโฉมรูปแบบการทำงานที่ใช้ความรู้ไปอย่างสิ้นเชิง โดยช่วยให้เราค้นหา สรุปผล สร้างคอนเทนต์ และตัดสินใจได้ดียิ่งขึ้น คลื่นลูกแรกของ AI นี้ถือเป็นการปฏิวัติประสิทธิภาพการทำงานบนโลกดิจิทัลอย่างแท้จริง Advertisement แต่ทว่า คลื่นลูกถัดไปของ AI จะแตกต่างออกไปอย่างสิ้นเชิง จากเดิมที่ทำหน้าที่เพียงทำความเข้าใจข้อมูล ปัจจุบัน AI ถูกคาดหวังให้สามารถโต้ตอบกับโลกทางกายภาพได้มากขึ้น เราจะได้เห็นหุ่นยนต์ทำงานร่วมกับมนุษย์ในโรงงาน ยานยนต์อัตโนมัติที่สามารถรับรู้และตอบสนองต่อสภาพแวดล้อมได้ตลอดเวลา ระบบทางการแพทย์ที่ช่วยแพทย์วินิจฉัยและตัดสินใจได้แบบเรียลไทม์ ตลอดจนโครงสร้างพื้นฐานอัจฉริยะที่สามารถตรวจสอบ ปรับแต่ง และตอบสนองได้เองโดยไม่ต้องอาศัยมนุษย์คอยสั่งการตลอดเวลา การเปลี่ยนผ่านนี้ไม่ใช่แค่การเพิ่มแอปพลิเคชัน AI รูปแบบใหม่ แต่คือการพลิกโฉมความคาดหวังพื้นฐานที่เรามีต่อขีดความสามารถของ AI  เมื่อ AI ขยายตัวจากคลาวด์และสภาพแวดล้อมดิจิทัลเข้าสู่ระบบทางกายภาพ ความอัจฉริยะจึงไม่สามารถหยุดอยู่แค่คำว่า “รู้” ได้อีกต่อไป ระบบ Physical AI (AI ทางกายภาพ) เช่น หุ่นยนต์อัตโนมัติ จะต้องรับรู้ข้อมูล ตัดสินใจ และลงมือทำได้แบบเรียลไทม์ โดยต้องมีความปลอดภัยในการใช้งาน (Functional safety) และสามารถทำงานภายใต้ข้อจำกัดที่เข้มงวด ทั้งเรื่องพลังงาน ความร้อน และพื้นที่ ความจำเป็นในการเปลี่ยนผ่านครั้งนี้ไม่ได้เกิดจากแค่ความก้าวหน้าทางเทคโนโลยี AI เท่านั้น แต่ยังถูกขับเคลื่อนจากการเปลี่ยนแปลงเชิงโครงสร้างของเศรษฐกิจโลกด้วย  และนี่คือจุดเริ่มต้นของยุค Physical AI อย่างแท้จริง ซึ่งปัจจุบันกำลังเข้ามาพลิกโฉมหลากหลายอุตสาหกรรม และ AMD เชื่อมั่นว่าสิ่งนี้จะเป็นตัวกำหนดทิศทางของ AI ในทศวรรษหน้า นั่นคือการเปลี่ยนผ่านจากระบบที่แค่ “รู้” ไปสู่ระบบที่ “ลงมือทำ”  “การลงมือทำ” พลิกโฉมโจทย์ด้านการประมวลผลขั้นพื้นฐาน เมื่อ AI เริ่มโต้ตอบกับโลกทางกายภาพ โจทย์ของการประมวลผลย่อมเปลี่ยนไปอย่างสิ้นเชิง แตกต่างจาก Cloud AI ที่มักถูกออกแบบมาเพื่อเน้นการขยายสเกล การรับส่งข้อมูลปริมาณมาก และการประมวลผลแบบรวมศูนย์ เพราะ Physical AI มาพร้อมกับข้อกำหนดใหม่ที่แตกต่างออกไปอย่างสิ้นเชิง  แชตบอตอาจมีอาการหน่วงบ้างในบางครั้ง ซึ่งเป็นเรื่องที่ยอมรับได้ แต่สำหรับหุ่นยนต์ในโรงงานอุตสาหกรรมนั้นไม่สามารถเกิดความล่าช้าได้เลย ยานยนต์อัตโนมัติก็ไม่สามารถปล่อยให้ระบบทำงานไม่เสถียรได้ และอุปกรณ์ทางการแพทย์ก็ไม่สามารถใช้วิธี “ลองตัดสินใจใหม่” ได้เมื่อทุกวินาทีมีผลต่อชีวิต  ระบบเหล่านี้จำเป็นต้องมีคุณสมบัติ:  ในโลกทางกายภาพ ความอัจฉริยะจะมีความหมายก็ต่อเมื่อระบบสามารถตอบสนองและลงมือทำได้ภายในกรอบเวลาที่จำกัด ดังนั้น ความสำเร็จจึงไม่ได้วัดกันที่ประสิทธิภาพของโมเดล AI เพียงอย่างเดียวอีกต่อไป  ขอบเขตของ Physical AI ก้าวไปไกลกว่าแค่การรันโมเดล AI เพราะความอัจฉริยะจะต้องทำงานสอดประสานกันอย่างราบรื่นไร้รอยต่อ ตั้งแต่การรับรู้ข้อมูลผ่านเซ็นเซอร์ ไปจนถึงการประมวลผล (Inference) การวางแผน การควบคุม และนำไปสู่การลงมือทำในโลกจริง ท้ายที่สุดแล้ว ประเด็นสำคัญจึงไม่ใช่แค่การสร้างโมเดล AI ให้ฉลาดขึ้น แต่คือการสร้างระบบอัจฉริยะที่สามารถโต้ตอบกับโลกความเป็นจริงได้อย่างปลอดภัยและเชื่อถือได้ต่างหาก  และนี่คือเหตุผลที่ AMD เชื่อมั่นว่า แท้จริงแล้ว Physical AI คือความท้าทายด้าน “วิศวกรรมระบบ” ไม่ใช่แค่ความท้าทายด้านการสร้าง “โมเดล AI”  ไม่มีโปรเซสเซอร์ใดเพียงชนิดเดียวที่ขับเคลื่อน Physical AI ได้ทั้งหมด เราจะเข้าใจแนวคิดของ Physical AI ได้ง่ายขึ้น หากลองเปรียบเทียบกับร่างกายมนุษย์  สมองของเราทำหน้าที่คิด วิเคราะห์หาเหตุผล และตัดสินใจ ระบบประสาทช่วยให้เรารับรู้และตอบสนองได้อย่างรวดเร็ว ในขณะที่กล้ามเนื้อและข้อต่อทำหน้าที่ควบคุมการเคลื่อนไหวทางกายภาพอย่างแม่นยำ  ระบบ Physical AI ก็ทำงานในลักษณะที่คล้ายคลึงกัน การคิดวิเคราะห์และการรับรู้ที่ซับซ้อนต้องอาศัยหน่วยประมวลผลประสิทธิภาพสูง การตอบสนองแบบเรียลไทม์ต้องใช้การประมวลผลที่มีความหน่วงต่ำ (Low-latency) ณ จุดที่ต้องทำการตัดสินใจ และการเคลื่อนไหวที่แม่นยำก็ต้องการระบบควบคุมที่ถูกต้องและคาดการณ์ผลลัพธ์ได้อย่างแม่นยำ...

PR-News

กรุงเทพฯ, 28 กันยายน 2569 – ไมโครซอฟท์ ยกระดับ Microsoft Copilot รองรับโลกการทำงานที่มีการเปลี่ยนแปลงอย่างต่อเนื่อง เพื่อช่วยเพิ่มศักยภาพให้ทุกคนและทุกองค์กรบรรลุเป้าหมายได้มากยิ่งขึ้น โดย Copilot โฉมใหม่เชื่อมโยงเครื่องมือที่ผู้คนคุ้นเคย เข้ากับขีดความสามารถ AI ยุคใหม่สำหรับการสร้าง ปรับแต่ง และขยายการใช้งาน AI ในทุกมิติของการทำงาน ปัจจุบันแอป Copilot มาพร้อม...

PR-News

โครงสร้างต้นทุน AI สำหรับองค์กรกำลังเปลี่ยนแปลงไป เมื่อโมเดล AI ระดับแนวหน้ารุ่นใหม่และ Agentic AI ช่วยขยายขีดความสามารถของปัญญาประดิษฐ์ในภาคธุรกิจให้กว้างขึ้น อย่างไรก็ตาม องค์กรที่ยังไม่เริ่มวางกลยุทธ์การปรับใช้ระบบแบบไฮบริดตั้งแต่วันนี้ อาจต้องแบกรับค่าใช้จ่ายด้าน AI ที่สูงขึ้นอย่างมากในอีกไม่กี่ปีข้างหน้า  หากองค์กรของคุณขยายการใช้งาน AI ในช่วง 18 เดือนที่ผ่านมา คุณอาจสังเกตเห็นแนวโน้มบางอย่าง การเปิดให้เข้าถึง AI ในวงกว้างขึ้น ใช้งานมากขึ้น...

เราใช้คุกกี้เพื่อพัฒนาประสิทธิภาพ และประสบการณ์ที่ดีในการใช้เว็บไซต์ของคุณ คุณสามารถศึกษารายละเอียดได้ที่ นโยบายความเป็นส่วนตัว

Privacy Preferences

คุณสามารถเลือกการตั้งค่าคุกกี้โดยเปิด/ปิด คุกกี้ในแต่ละประเภทได้ตามความต้องการ ยกเว้น คุกกี้ที่จำเป็น

ยอมรับทั้งหมด
Manage Consent Preferences
  • คุกกี้ที่จำเป็น
    Always Active

    ประเภทของคุกกี้มีความจำเป็นสำหรับการทำงานของเว็บไซต์ เพื่อให้คุณสามารถใช้ได้อย่างเป็นปกติ และเข้าชมเว็บไซต์ คุณไม่สามารถปิดการทำงานของคุกกี้นี้ในระบบเว็บไซต์ของเราได้

บันทึก