Connect with us

Hi, what are you looking for?

Notebookspec

IT NEWS

Google ปรับ YouTube Shorts แบบเงียบ ๆ แอบใส่ฟิลเตอร์ AI โดยไม่บอกคนทำคอนเทนต์

YouTube Shorts AI

Google แอบทดสอบฟิลเตอร์ AI ใน YouTube Shorts

ช่วงหลังผู้ใช้ YouTube Shorts หลายคนเริ่มตั้งข้อสังเกตว่า คลิปวิดีโอบางรายการมีความ “ลื่นและเนียนผิดธรรมชาติ” โดยไม่ใช่ฝีมือของผู้สร้างคอนเทนต์เอง แต่เป็นการปรับแต่งอัตโนมัติจากระบบของ YouTube ซึ่งภายหลังได้รับการยืนยันว่าเป็นการทดลองจาก Google เอง

Advertisement

Rene Ritchie หัวหน้าฝ่ายบรรณาธิการของ YouTube ออกมาเปิดเผยว่า บริษัทกำลังรันทดสอบฟีเจอร์ใหม่ที่ใช้ Machine Learning แบบดั้งเดิม เพื่อทำการ unblur (ลดความเบลอ), denoise (ลดนอยส์) และเพิ่มความคมชัดของคลิปในขั้นตอนประมวลผล โดยเปรียบเทียบว่าเหมือนกับฟีเจอร์ปรับคุณภาพวิดีโอในสมาร์ทโฟนสมัยใหม่

Ritchie ยังย้ำว่า “ไม่มีการใช้ Generative AI และไม่มีการทำ Upscale” เพื่อป้องกันกระแสต้าน แต่การใช้คำว่า Machine Learning แทน AI ก็ถูกมองว่าเป็นการพยายามทำให้ฟีเจอร์นี้ดู “ไม่ร้ายแรง” เกินไป


ผู้ใช้เริ่มกังวลเรื่องความโปร่งใส

แม้ฟิลเตอร์ดังกล่าวจะเป็นเพียงการประมวลผลเพื่อปรับคุณภาพ แต่ปัญหาคือ YouTube ไม่ได้แจ้งให้ผู้สร้างคอนเทนต์ทราบล่วงหน้า ทำให้หลายคนรู้สึกไม่พอใจ เนื่องจากผลลัพธ์ที่ได้อาจทำให้ใบหน้าหรือผิวของบุคคลในวิดีโอดูผิดธรรมชาติ รวมถึงรายละเอียดเล็ก ๆ อย่างพื้นผิว หรือการเคลื่อนไหวที่ถูกทำให้ดูเรียบเกินไป

ในโลกออนไลน์ การแต่งภาพหรือวิดีโอโดยไม่บอกผู้ใช้ล่วงหน้ามักสร้างประเด็นโต้เถียงเสมอ โดยเฉพาะเมื่อเกี่ยวข้องกับ “ผิวหนังและรายละเอียดใบหน้า” ซึ่งเป็นเรื่องอ่อนไหวในสังคมปัจจุบัน


ทำไมประเด็นนี้ถึงถูกโยงกับ AI

ที่ผ่านมา Google และ YouTube เป็นผู้ผลักดันเทคโนโลยี AI ในหลายด้าน ไม่ว่าจะเป็นข้อความ, รูปภาพ, เพลง หรือแม้แต่วิดีโอ ดังนั้นแม้ครั้งนี้ YouTube จะยืนยันว่าเป็นแค่ Machine Learning ไม่ใช่ Generative AI แต่ผู้ใช้ทั่วไปก็ยังคงเชื่อมโยงกับคำว่า “AI” อยู่ดี

และนั่นคือเหตุผลที่ทำให้ผู้ใช้จำนวนไม่น้อยรู้สึกกังวล เพราะพวกเขากลัวว่าเนื้อหาที่รับชมจะถูก “แต่ง” โดย AI โดยที่ตนเองหรือผู้สร้างคอนเทนต์ไม่รู้เรื่องเลย


สะท้อนปัญหาความเชื่อมั่นของผู้สร้างคอนเทนต์

YouTube เป็นแพลตฟอร์มที่เติบโตขึ้นมาได้เพราะผู้สร้างคอนเทนต์ แต่การปรับแต่งวิดีโอแบบเงียบ ๆ โดยไม่แจ้งให้เจ้าของคลิปรู้ ถือเป็นการกระทบต่อความไว้วางใจโดยตรง

การทำให้คลิปวิดีโอดูคมชัดขึ้นอาจไม่ใช่เรื่องร้ายแรงนักหากบอกผู้ใช้อย่างโปร่งใส แต่เมื่อ Google เลือกที่จะ “แอบทดสอบ” ฟีเจอร์ดังกล่าว มันจึงถูกมองว่าเป็นการตัดสินใจที่สุ่มเสี่ยงต่อภาพลักษณ์และความเชื่อมั่นในระยะยาว


บทสรุป

ปัจจุบัน YouTube Shorts กำลังแข่งขันกับ TikTok อย่างดุเดือด ฟีเจอร์ด้านคุณภาพวิดีโอที่ดีกว่าอาจเป็นข้อได้เปรียบ แต่หาก Google ไม่เลือกความโปร่งใส การพัฒนาเหล่านี้อาจกลายเป็นดาบสองคม เพราะผู้สร้างคอนเทนต์และผู้ชมต้องการรู้ว่า “สิ่งที่เห็นในคลิปคือของจริง” ไม่ใช่สิ่งที่ถูกแต่งเติมโดยระบบอัตโนมัติ

ที่มา: PCWorld

Click to comment

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