Connect with us

Hi, what are you looking for?

Notebookspec

Other News

[Google] เริ่มทดสอบการฝึกฝน AI ด้วยวิธีใหม่ โดยการการประมวลผลจะอยู่บนสมาร์ทโฟนของเราทั้งหมด

ตลอดเวลาที่ผ่านมานั้นเมื่อบริษัททางด้านเทคโนโลยีใหญ่ๆ พูดถึงเรื่องของการฝึกฝนให้กับ AI หรือปัญญาประดิษฐ์แล้ว คนที่อยู่ในวงการนั้นจะรู้กันดีครับว่านั่นหมายถึงการเก็บข้อมูลจากผู้ใช้เข้าสู่บริษัทเพื่อที่จะทำการฝึกฝนดังกล่าว

ตลอดเวลาที่ผ่านมานั้นเมื่อบริษัททางด้านเทคโนโลยีใหญ่ๆ พูดถึงเรื่องของการฝึกฝนให้กับ AI หรือปัญญาประดิษฐ์แล้ว คนที่อยู่ในวงการนั้นจะรู้กันดีครับว่านั่นหมายถึงการเก็บข้อมูลจากผู้ใช้เข้าสู่บริษัทเพื่อที่จะทำการฝึกฝนดังกล่าว บริษัทที่ทำแบบนี้นั้นมีมากครับเนื่องจากข้อมูลในการฝึกฝน AI นั้นจะต้องใช้ค่อนข้างมาก เรื่องดังกล่าวนี้เป็นแบบนี้มานานจนล่าสุดทาง Google ได้ออกมาเผยวิธีการใหม่แล้วครับ

google AI train in smartphone 600 01

Advertisement

วิธีการใหม่ของ Google นั้นเรียกว่า Federated Learning ครับ แนวคิดนี้นั้นจะเป็นการกระจายอำนาจสำหรับการทำงานของ AI โดยแทนที่ทาง Google จะเก็บข้อมูลทุกอย่างเข้ามาเพื่อเป็นคนฝึกฝน AI เอง(ซึ่งมีปัญหาเรื่องการส่งข้อมูลที่หากเป็นจำนวนมากๆ แล้วจะช้า) แต่ทาง Google จะกระจายการฝึกฝนด้วยอัลกอริทึมเฉพาะกระบวนการบางส่วนให้เกิดขึ้นที่อุปกรณ์ของผู้ใช้ครับ

อย่าพึ่งตกใจไปนะครับว่าสมาร์ทโฟนของเราต้องทำงานหนักมากกว่าผิดปกติรึเปล่า ทาง Google ได้บอกเอาไว้ว่าการฝึกฝนนั้นจะกระจายไปในกลุ่มที่แตกต่างกันไป โดยแต่ละกลุ่มนั้นก็จะเป็นกระบวนการฝึกที่แตกต่างกันออกไปอีก(เสมือนกับว่าถ้าเครื่องเราได้รับเลือกฝึก เครื่องของเราก็จะโดนใช้ในการฝึกแค่ครั้งเดียวและไม่ยาวนานครับ)

วิธีการใหม่ของทาง Google นั้นได้เริ่มต้นเทสการฝึก AI ตามรูปแบบดังกล่าวแล้ว โดย ณ เวลานี้นั้นจะเป็นแอปพลิเคชัน Gboard ซึ่งอยู่บนเครื่องระบบปฎิบัติการ Android โดยเมื่อ Gboard ได้โชว์คำแนะนำให้แก่ผู้ใช้ AI ของตัวเครื่องก็จะจดจำและเมื่อผู้ใช้ใช้โปรแกรมค้นหาของ Google ตัวโปรแกรมค้นหาก็จะเอาข้อมูลที่ได้จากการเก็บข้อมูลและฝึกฝนมาค้นหาคำที่ผู้ใช้ต้องการให้มากที่สุดครับ

หมายเหตุ – เพื่อเป็นการฝึกฝน AI ด้วยวิธีนี้ ทาง Google ได้ใส่ machine learning software ซึ่งลดขนาดแล้วชื่อว่า TensorFlow ลงไปบน Gboard ครับ

google AI train in smartphone 600 02

จากภาพทางด้านบนนั้นสามารถที่จะอธิบายการทำงานของระบบนี้ได้ดังต่อไปนี้ครับ

  • ขั้นตอน A – แอปพิลเคชันที่มี AI อยู่ได้รับการอัพเดทเพื่อการฝึกฝน AI
  • ขั้นตอน B – Google เก็บข้อมูลการเปลี่ยนแปลงที่เกิดขึ้นกับตัวแอปพลิเคชันของแต่ละเครื่องที่ได้รับการฝึกฝนมา
  • ขั้นตอน C – ข้อมูลทั้งหมดจะถูกเก็บขึ้นสู่ระบบเพื่อที่ทาง Google จะทำการประมวลผลการฝึกฝน AI โดยตัวแอปพลิเคชันที่มาพร้อมกับ AI ทั้งที่ได้รับและไม่ได้รับการฝึกในตอนแรกจะได้รับการอัพเกรดตัวแอปและก็วนเข้าสู่ขั้นตอน A อีกที

วิธีดังกล่าวนี้ถือว่าฉลาดพอสมควรเลยทีเดียวครับ แถมที่สำคัญนั้นเรื่องของความเป็นส่วนตัวนั้นก็มากกว่าเนื่องจากทาง Google ได้บอกเอาไว้ว่าผู้ใช้สามารถที่จะเลือกเป็นหรือไม่เป็นผู้ช่วยฝึกฝน AI ให้กับทาง Google ได้ ที่สำคัญข้อมูลที่เราทำการใส่ลงไปในแอปก็ไม่ได้ถูกส่งไปยัง Google สิ่งที่ Google จะได้รับมีแค่เพียงผลลัพธ์จากการฝึกเท่านั้นเองครับ

ที่มา : theverge

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 นี้ถือเป็นการปฏิวัติประสิทธิภาพการทำงานบนโลกดิจิทัลอย่างแท้จริงAdvertisement 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 จึงไม่มีสถาปัตยกรรมโปรเซสเซอร์เพียงรูปแบบเดียวที่สามารถจัดการทุกกระบวนการเหล่านี้ได้อย่างมีประสิทธิภาพ แต่จำเป็นต้องอาศัยการทำงานร่วมกันของหน่วยประมวลผลหลากหลายประเภท ...

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