GPT-4.5: การปรับปรุง, ไม่ใช่การปฏิวัติ
OpenAI เพิ่งเปิดตัว GPT-4.5 ให้กับผู้ใช้ ChatGPT Pro โดยบัญชี Plus, Team, องค์กร และการศึกษาจะตามมาในภายหลัง ภายในเรียกว่า ‘Orion’ โมเดลนี้มี “ความเข้าใจที่ดีขึ้นเกี่ยวกับเจตนาของมนุษย์, ตีความสัญญาณที่ละเอียดอ่อนและความคาดหวังโดยนัยด้วยความแตกต่างและความฉลาดทางอารมณ์ที่มากขึ้น” ตามที่ OpenAI ระบุ มันใช้ประโยชน์จากเทคนิคการกำกับดูแลใหม่ควบคู่ไปกับการปรับแต่งแบบละเอียดดั้งเดิมและการเรียนรู้แบบเสริมกำลังจากความคิดเห็นของมนุษย์ ซึ่งสะท้อนถึงกระบวนการพัฒนาของ GPT-4o GPT-4.5 มีความสามารถในการค้นหาแบบเรียลไทม์, รองรับการอัปโหลดไฟล์และรูปภาพ, และผสานรวมกับ canvas สำหรับการเขียนและการเขียนโค้ด อย่างไรก็ตาม, ปัจจุบันยังขาดคุณสมบัติมัลติโมดอล เช่น โหมดเสียง, วิดีโอ, หรือการแชร์หน้าจอที่พบใน ChatGPT
OpenAI เน้นย้ำว่าการเรียนรู้แบบไม่มีผู้สอนช่วยเพิ่มความแม่นยำและสัญชาตญาณของแบบจำลอง แนวทางนี้เป็นแรงผลักดันเบื้องหลังความก้าวหน้าในแบบจำลอง เช่น GPT-3.5, GPT-4 และตอนนี้คือ GPT-4.5 แยกกัน, การปรับขนาดการให้เหตุผลจะฝึกแบบจำลองเพื่อประมวลผลข้อมูลอย่างเป็นระบบ, สร้างห่วงโซ่ความคิดก่อนที่จะตอบสนอง แนวทางที่เป็นระบบนี้ช่วยเพิ่มความสามารถในการจัดการกับ STEM ที่ซับซ้อนและความท้าทายเชิงตรรกะ, ดังที่แสดงโดยแบบจำลอง เช่น OpenAI o1 และ OpenAI o3-mini GPT-4.5 ถูกนำเสนอเป็นตัวอย่างที่สำคัญของการปรับขนาดการเรียนรู้แบบไม่มีผู้สอน, ใช้ประโยชน์จากพลังการประมวลผลที่เพิ่มขึ้น, ชุดข้อมูลที่ใหญ่ขึ้น, และนวัตกรรมทางสถาปัตยกรรม ฝึกฝนบนซูเปอร์คอมพิวเตอร์ Microsoft Azure AI, มีความรู้ที่กว้างขวางและความเข้าใจที่ลึกซึ้งยิ่งขึ้นเกี่ยวกับโลก, ลดภาพหลอนและเพิ่มความน่าเชื่อถือ
แม้จะมีความก้าวหน้าเหล่านี้, GPT-4.5 ก็ไม่ได้สร้างความกระตือรือร้นอย่างมีนัยสำคัญ มันถูกมองว่าเป็นการปรับปรุงทีละน้อยมากกว่าการก้าวกระโดดครั้งใหญ่ ในขณะที่ OpenAI ยกย่องความฉลาดทางอารมณ์, ความแตกต่าง, และความคิดสร้างสรรค์ที่เพิ่มขึ้น, ผู้ใช้หลายคนไม่ได้สังเกตเห็นความแตกต่างอย่างมากเมื่อเทียบกับ GPT-4o การไม่มีความก้าวหน้าแบบมัลติโมดอล, คุณสมบัติหลักของ GPT-4o, ยิ่งส่งผลต่อการรับรู้นี้
นอกจากนี้, GPT-4.5 ได้แสดงให้เห็นถึงแนวโน้มที่จะสร้างผลลัพธ์ที่ไร้สาระ เครื่องมือวัดความจริงภายในของ OpenAI, SimpleQA, เปิดเผยว่า GPT-4.5 สร้างภาพหลอน (นำเสนอการปลอมแปลงเป็นข้อเท็จจริงด้วยความมั่นใจ) 37.1% ของเวลาทั้งหมด นี่เป็นข้อกังวลที่สำคัญ, แม้เมื่อเทียบกับ GPT-4o, แบบจำลอง “การให้เหตุผล” ขั้นสูงอีกตัวหนึ่ง, ซึ่งสร้างภาพหลอน 61.8% ของเวลาทั้งหมดในเกณฑ์มาตรฐานเดียวกัน แบบจำลอง o3-mini ที่มีขนาดเล็กกว่าและถูกกว่าแสดงอัตราการเกิดภาพหลอนที่สูงกว่า 80.3%
ภูมิทัศน์ AI ในปัจจุบัน, ที่มีคู่แข่งอย่าง Anthropic กับ Claude 3.7 และความก้าวหน้าของ Google กับ Gemini, ได้เพิ่มความคาดหวังสำหรับการอัปเกรดที่สำคัญ ผู้ใช้กำลังมองหาความก้าวหน้า, ไม่ใช่แค่การปรับแต่ง, และ GPT-4.5, ในรูปแบบปัจจุบัน, ดูเหมือนจะไม่ถึงเกณฑ์นี้
การเพิ่มขึ้นของแบบจำลองการให้เหตุผลและความเชื่อมั่นของนักลงทุน
Elon Musk เพิ่งแนะนำใน X ว่า Artificial General Intelligence (AGI) อยู่ใกล้แค่เอื้อม คำกล่าวนี้เกิดขึ้นท่ามกลางการแข่งขันที่ดุเดือดระหว่างยักษ์ใหญ่ด้านเทคโนโลยี เช่น OpenAI, Google, Meta, Microsoft, DeepSeek, Anthropic และ xAI ของ Musk เอง เพื่อพัฒนาแบบจำลองการให้เหตุผล – ระบบ AI ที่ออกแบบมาเพื่อเลียนแบบการคิดของมนุษย์
นักลงทุนแสดงความกระตือรือร้นอย่างชัดเจนสำหรับการแสวงหานี้ ไม่นานหลังจากเปิดตัว Claude 3.7 Sonnet ด้วยการให้เหตุผลแบบไฮบริด, Anthropic ได้รับเงินทุน Series E จำนวนมากถึง 3.5 พันล้านดอลลาร์ ซึ่งเพิ่มมูลค่าเป็นสามเท่าเป็น 61.5 พันล้านดอลลาร์, ตอกย้ำตำแหน่งในฐานะคู่แข่งรายใหญ่ของ OpenAI การลงทุน, นำโดย Lightspeed Venture Partners และรวมถึง Salesforce Ventures, Cisco, Fidelity, Jane Street และอื่นๆ, จะถูกนำไปใช้เพื่อขยายพลังการประมวลผลสำหรับการพัฒนา AI, ปรับปรุงการวิจัยด้านความปลอดภัย, และเร่งการเติบโตทั่วโลก
ผลักดันขอบเขตของการให้เหตุผล: เกณฑ์มาตรฐาน BBEH
Large Language Models (LLMs) ถูกรวมเข้ากับแอปพลิเคชันในชีวิตประจำวันมากขึ้นเรื่อยๆ, ต้องการความสามารถในการให้เหตุผลที่แข็งแกร่งในโดเมนที่หลากหลาย อย่างไรก็ตาม, เกณฑ์มาตรฐานที่มีอยู่มักจะจัดลำดับความสำคัญของคณิตศาสตร์และการเขียนโค้ด, ละเลยประเภทการให้เหตุผลที่สำคัญอื่นๆ ในขณะที่ชุดข้อมูล BIG-Bench ถูกนำมาใช้อย่างแพร่หลายในการประเมิน LLMs ในงานการให้เหตุผลที่ซับซ้อน, แบบจำลองมีความก้าวหน้าอย่างมากจนตอนนี้พวกเขาได้คะแนนเกือบสมบูรณ์แบบทั้งใน BIG-Bench และตัวแปรที่ท้าทายกว่า, BIG-Bench Hard (BBH) ความอิ่มตัวนี้ทำให้เกณฑ์มาตรฐานเหล่านี้มีประสิทธิภาพน้อยลงสำหรับการวัดความก้าวหน้าต่อไป
เพื่อแก้ไขข้อจำกัดนี้, นักวิจัยได้แนะนำ BIG-Bench Extra Hard (BBEH) เกณฑ์มาตรฐานใหม่นี้แทนที่แต่ละงานใน BBH ด้วยเวอร์ชันที่ยากขึ้นอย่างมาก, ในขณะที่ยังคงประเมินทักษะการให้เหตุผลที่คล้ายคลึงกัน การทดสอบใน BBEH เปิดเผยว่าแม้แต่แบบจำลองเอนกประสงค์ที่ดีที่สุดก็ทำคะแนนได้เพียง 9.8%, ในขณะที่แบบจำลองชั้นนำที่ออกแบบมาโดยเฉพาะสำหรับการให้เหตุผลมีคะแนนถึง 44.8% ผลลัพธ์เหล่านี้เน้นย้ำถึงความท้าทายที่ LLMs เผชิญกับการให้เหตุผลที่ซับซ้อน, ซึ่งบ่งชี้ถึงช่องว่างสำหรับการปรับปรุงที่สำคัญ เอกสารงานวิจัยฉบับเต็มให้รายละเอียดเพิ่มเติมเกี่ยวกับเกณฑ์มาตรฐานใหม่นี้
ดาวเทียมที่ขับเคลื่อนด้วย AI: ยุคใหม่ในการสำรวจและปฏิบัติการอวกาศ
TakeMe2Space, สตาร์ทอัพด้านเทคโนโลยีอวกาศในไฮเดอราบัด, เพิ่งได้รับเงินทุน 5.5 โครรูปีในการระดมทุนรอบ pre-seed ที่นำโดย Seafund, โดยมีส่วนร่วมจาก Blume Ventures, Artha Venture Fund, AC Ventures และนักลงทุน angel อื่นๆ เงินทุนนี้, แม้ว่าจะไม่มากนัก, แต่ก็เป็นก้าวสำคัญสู่การจัดตั้งห้องปฏิบัติการ AI แห่งแรกของอินเดียในอวกาศ TakeMe2Space วางแผนที่จะใช้เงินทุนเพื่อพัฒนา MOI-1 (My Orbital Infrastructure–Technology Demonstrator), แพลตฟอร์มที่จะช่วยให้ผู้ใช้สามารถอัปโหลดแบบจำลอง AI การสังเกตการณ์โลกหรือการทดลองในอวกาศอื่นๆ ไปยังดาวเทียมโคจรได้โดยตรงผ่านเว็บคอนโซลที่เรียกว่า Orbitlab ผู้ใช้จะจ่ายเฉพาะเวลาการใช้งานดาวเทียม, ในอัตรา 2 ดอลลาร์ต่อนาที
แพลตฟอร์ม MOI-TD ของบริษัทมีรายงานว่าแสดงให้เห็นถึงความสามารถในการอัปลิงก์แบบจำลอง AI ขนาดใหญ่จากสถานีภาคพื้นดิน, รันโค้ดภายนอกบนดาวเทียม, และดาวน์ลิงก์ผลลัพธ์ที่เข้ารหัสและเข้ารหัสอย่างปลอดภัย นี่แสดงถึงการก้าวไปสู่การปฏิบัติการดาวเทียมที่เป็นอิสระและมีประสิทธิภาพมากขึ้น
TakeMe2Space ไม่ได้อยู่คนเดียวในความพยายามนี้ องค์กรต่างๆ เช่น ESA (กับ OPS-SAT) และ Globalstar กำลังบุกเบิกการใช้งานจริงของเทคโนโลยีดาวเทียมที่ขับเคลื่อนด้วย AI, ตั้งแต่การสื่อสาร IoT ที่ปลอดภัยไปจนถึงการรันแบบจำลอง AI ในวงโคจร ในขณะที่เทคโนโลยียังคงก้าวหน้า, ดาวเทียมที่ขับเคลื่อนด้วย AI พร้อมที่จะเป็นอิสระมากขึ้น, นำไปสู่การปฏิบัติการอวกาศที่มีประสิทธิภาพมากขึ้นและเปิดโอกาสใหม่ๆ สำหรับการวิจัย, ความปลอดภัย, และการเชื่อมต่อทั่วโลก
ตามธรรมเนียมแล้ว, ดาวเทียมต้องพึ่งพาสถานีภาคพื้นดินอย่างมากสำหรับการประมวลผลข้อมูล, การตัดสินใจ, และการดำเนินการคำสั่ง ข้อมูลจะต้องถูกดาวน์ลิงก์, วิเคราะห์บนโลก, และข้อมูลเชิงลึกที่ประมวลผลแล้วจะถูกอัปลิงก์กลับไปยังดาวเทียม – กระบวนการที่ใช้เวลานานและใช้แบนด์วิดท์มาก อย่างไรก็ตาม, ความก้าวหน้าใน AI และ edge computing (การประมวลผลข้อมูลบนอุปกรณ์เองแทนที่จะเป็นในคลาวด์) กำลังทำให้ดาวเทียมสามารถประมวลผลข้อมูลบนเครื่อง, ตัดสินใจโดยอัตโนมัติ, และส่งเฉพาะข้อมูลเชิงลึกที่สำคัญที่สุดอย่างปลอดภัยเท่านั้น ส่งผลให้การดำเนินงานเร็วขึ้น, ฉลาดขึ้น, และมีประสิทธิภาพมากขึ้น
การทำงานของดาวเทียมที่ขับเคลื่อนด้วย AI สมัยใหม่มักเกี่ยวข้องกับสามขั้นตอนหลัก:
- การอัปลิงก์อัลกอริทึม AI: อัลกอริทึม AI จะถูกส่งจากสถานีภาคพื้นดินไปยังดาวเทียม, ทำให้พวกเขามีความสามารถในการประมวลผลข้อมูลขั้นสูง
- การวิเคราะห์ข้อมูลบนเครื่อง: แบบจำลอง AI วิเคราะห์ภาพ, ข้อมูลเซ็นเซอร์, และอินพุตอื่นๆ โดยตรงในวงโคจร, ลดความจำเป็นในการแทรกแซงภาคพื้นดินอย่างต่อเนื่อง
- การดาวน์ลิงก์ข้อมูลเชิงลึกอย่างปลอดภัย: แทนที่จะส่งข้อมูลดิบ, ดาวเทียมจะส่งข้อมูลเชิงลึกที่เข้ารหัส, ประหยัดแบนด์วิดท์และเพิ่มความปลอดภัย
แนวทางที่ขับเคลื่อนด้วย AI นี้มีข้อดีหลายประการ ช่วยลดเวลาแฝงได้อย่างมากโดยทำให้ดาวเทียมสามารถประมวลผลข้อมูลในอวกาศ, ช่วยให้ตอบสนองต่อสภาวะเรียลไทม์ได้เร็วขึ้นโดยไม่ต้องรอคำแนะนำจากสถานีภาคพื้นดิน การใช้แบนด์วิดท์ได้รับการปรับให้เหมาะสม, เนื่องจากมีการส่งเฉพาะข้อมูลเชิงลึกที่เกี่ยวข้องมากที่สุดแทนที่จะเป็นข้อมูลดิบจำนวนมาก ความปลอดภัยยังได้รับการปรับปรุงผ่านการสื่อสารที่เข้ารหัส, ลดความเสี่ยงของภัยคุกคามทางไซเบอร์และการละเมิดข้อมูล ประโยชน์เหล่านี้มีค่าอย่างยิ่งในการใช้งาน เช่น การตอบสนองต่อภัยพิบัติ, การปฏิบัติการทางทหาร, และการสำรวจอวกาศ
การใช้งานจริงของดาวเทียมที่ขับเคลื่อนด้วย AI มีความหลากหลายและมีผลกระทบ:
- การจัดการภัยพิบัติ: ดาวเทียมที่ติดตั้ง AI สามารถตรวจจับไฟป่า, น้ำท่วม, และพายุเฮอริเคนได้แบบเรียลไทม์, ช่วยให้ทีมตอบสนองฉุกเฉินดำเนินการได้อย่างรวดเร็ว
- เกษตรกรรมแม่นยำ: แบบจำลอง AI วิเคราะห์สุขภาพพืชและสภาพดินเพื่อปรับปรุงแนวทางปฏิบัติทางการเกษตรที่แม่นยำ
- การตรวจสอบด้านสิ่งแวดล้อม: หน่วยงานด้านสิ่งแวดล้อมใช้ข้อมูลดาวเทียมเพื่อติดตามระดับมลพิษทางอากาศและน้ำ
- การนำทางอัตโนมัติและการปฏิบัติการอวกาศ: AI ปรับปรุงการหลีกเลี่ยงการชนโดยการทำนายและตอบสนองต่อภัยคุกคามที่อาจเกิดขึ้น, ทำให้มั่นใจในความปลอดภัยของดาวเทียม นอกจากนี้ยังอำนวยความสะดวกในการประสานงานของกลุ่มดาวเทียม, เพิ่มความครอบคลุมและประสิทธิภาพ นอกจากนี้, AI มีบทบาทสำคัญในการติดตามและทำนายการเคลื่อนที่ของเศษซากวงโคจร, ลดความเสี่ยงของความเสียหายต่อโครงสร้างพื้นฐานในอวกาศ
- การป้องกันและความปลอดภัย: ระบบเฝ้าระวังที่ขับเคลื่อนด้วย AI ตรวจจับกิจกรรมที่ไม่ได้รับอนุญาตและการเคลื่อนไหวทางทหารด้วยความแม่นยำที่เพิ่มขึ้น
- โทรคมนาคมและ IoT: ดาวเทียมที่ขับเคลื่อนด้วย AI มีส่วนช่วยในการกำหนดเส้นทางการรับส่งข้อมูลที่ชาญฉลาดยิ่งขึ้น, ปรับปรุงการเชื่อมต่ออินเทอร์เน็ตผ่านดาวเทียมและรับประกันการสื่อสารทั่วโลกที่ราบรื่น
- การสำรวจอวกาศ: AI ช่วยเพิ่มประสิทธิภาพของกล้องโทรทรรศน์อวกาศในการตรวจจับดาวเคราะห์น้อยและดาวเคราะห์นอกระบบ, พัฒนาความพยายามในการค้นพบอวกาศอย่างมีนัยสำคัญ
แม้จะมีข้อดีมากมาย, แต่ก็ยังมีความท้าทายในการพัฒนาและปรับใช้ดาวเทียมที่ขับเคลื่อนด้วย AI:
- พลังการประมวลผลที่จำกัด: ดาวเทียมต้องทำงานบนชิปที่ใช้พลังงานต่ำและทนต่อรังสี, ซึ่งจำกัดความสามารถของ AI
- สภาพแวดล้อมในอวกาศที่รุนแรง: การได้รับรังสีมีความเสี่ยงต่อการทำงานผิดปกติของฮาร์ดแวร์
- ภัยคุกคามความปลอดภัย: การอัปลิงก์และรันโค้ดภายนอกในอวกาศต้องมีการจัดการอย่างรอบคอบเพื่อป้องกันการโจมตีทางไซเบอร์
- ต้นทุนและเวลาในการพัฒนา: การสร้าง, การทดสอบ, และการตรวจสอบฮาร์ดแวร์ดาวเทียมที่เข้ากันได้กับ AI เป็นกระบวนการที่มีค่าใช้จ่ายสูงและใช้เวลานาน
- ข้อกำหนดในการปรับตัว: แบบจำลอง AI ที่ปรับใช้ในวงโคจรต้องปรับตัวได้สูง, ทำงานโดยมีการอัปเดตน้อยที่สุดและปรับให้เข้ากับสถานการณ์ใหม่โดยอัตโนมัติ
AI Unlocked: การกำจัดวลีซ้ำๆ ใน ChatGPT
AI สามารถเป็นเครื่องมือที่มีค่าในการสร้างเนื้อหา, ช่วยในการเขียน, ระดมความคิด, ปรับปรุงความชัดเจน, ปรับแต่งโครงสร้าง, และเพิ่มความสามารถในการอ่านโดยรวม อย่างไรก็ตาม, ปัญหาทั่วไปเกี่ยวกับข้อความที่สร้างโดย AI คือแนวโน้มที่จะใช้ภาษาที่เป็นสูตรสำเร็จเนื่องจากการเลือกคำซ้ำๆ แทนที่จะส่งข้อความที่สดใหม่และมีผลกระทบ, AI มักจะอาศัยรูปแบบที่คุ้นเคย, ลดประสิทธิภาพและความคิดริเริ่ม
คำและวลีที่ใช้มากเกินไป, เช่น “delve,” “tapestry,” “vibrant,” “landscape,” “realm,” “embark,” “excels,” “It’s important to note…,” และ “A testament to…,” สามารถลดทอนคุณภาพของเนื้อหาที่สร้างโดย AI ได้อย่างมาก สำหรับนักการตลาดผลิตภัณฑ์, การทำซ้ำนี้สามารถทำให้ข้อความน่าสนใจน้อยลง, ลดการมีส่วนร่วมของผู้ชม, ลดความแตกต่างของแบรนด์, และป้องกันไม่ให้ข้อมูลเชิงลึกและการส่งข้อความเชิงกลยุทธ์โดดเด่นในตลาดที่มีผู้คนหนาแน่น
ด้วยการใช้ประโยชน์จากคุณสมบัติหน่วยความจำของ ChatGPT, คุณสามารถลดปัญหานี้และกำจัดคำและวลีที่ใช้มากเกินไปได้ นี่คือวิธีใช้คุณสมบัตินี้อย่างมีประสิทธิภาพ:
การเข้าถึง: ChatGPT สามารถเข้าถึงได้ผ่านเว็บไซต์หรือแอปมือถือ
ประโยชน์:
- เพิ่มความคิดริเริ่ม: ทำให้เนื้อหาที่สร้างโดย AI รู้สึกเหมือนหุ่นยนต์น้อยลงและเป็นมนุษย์มากขึ้น
- ปรับปรุงการส่งข้อความแบรนด์: หลีกเลี่ยงวลีทั่วไปที่ลดความแตกต่างของแบรนด์
- เพิ่มการมีส่วนร่วม: ส่งเสริมการสื่อสารที่มีประสิทธิภาพมากขึ้นโดยการลดความซ้ำซ้อน
ตัวอย่าง: การสร้างเนื้อหาการตลาดผลิตภัณฑ์
พิจารณานักการตลาดผลิตภัณฑ์ที่ได้รับมอบหมายให้ร่างเนื้อหาสำหรับการเปิดตัวผลิตภัณฑ์ใหม่ คำขอเริ่มต้นไปยัง ChatGPT อาจส่งผลให้เกิดการตอบสนองที่เต็มไปด้วยวลีซ้ำๆ และทั่วไป เช่น “delving into an intricate landscape of innovation…,” ทำให้ข้อความรู้สึกไม่น่าสนใจ
ในการสร้างเนื้อหาที่น่าสนใจและไม่เหมือนใครมากขึ้น, นักการตลาดสามารถทำตามขั้นตอนเหล่านี้:
- การตั้งค่า Prompt: นักการตลาดสั่ง ChatGPT อย่างชัดเจน: “Please avoid the following words: delve, tapestry, vibrant, landscape, realm, embark, excels. Commit this to memory.” คำสั่งนี้สั่งให้ ChatGPT กรองคำเหล่านี้ออกจากการตอบสนองอย่างแข็งขัน
- การใช้ Persistent Memory: วลี “Commit this to memory” ทำให้มั่นใจได้ว่า ChatGPT จะเก็บคำแนะนำเฉพาะเหล่านี้ไว้ในการโต้ตอบหลายครั้ง ซึ่งช่วยให้สามารถหลีกเลี่ยงคำและวลีที่ระบุได้อย่างต่อเนื่อง ChatGPT จะตรวจสอบหน่วยความจำก่อนที่จะสร้างข้อความและปฏิบัติตามคำแนะนำเพื่อหลีกเลี่ยงคำที่กำหนด
- การตรวจสอบด้วยตนเอง: หลังจากสร้างการตอบสนอง, นักการตลาดจะตรวจสอบเนื้อหาเพื่อหาความซ้ำซ้อนที่เหลืออยู่และปรับแต่งภาษาเพื่อความชัดเจนและผลกระทบ
ประสิทธิภาพ:
- การปรับแต่ง Prompt: คำแนะนำเฉพาะช่วยกำหนดรูปแบบผลลัพธ์ของ AI
- การเก็บรักษาหน่วยความจำ: ChatGPT สามารถจัดเก็บและปฏิบัติตามกฎการหลีกเลี่ยงคำในการสนทนาต่างๆ
- การปรับแต่งด้วยตนเอง: การแก้ไขขั้นสุดท้ายของมนุษย์ทำให้มั่นใจในความชัดเจนและความถูกต้อง
หมายเหตุ: เครื่องมือและการวิเคราะห์ที่นำเสนอในส่วนนี้อิงตามการทดสอบภายในและแสดงให้เห็นถึงคุณค่าที่ชัดเจน คำแนะนำเป็นอิสระและไม่ได้รับอิทธิพลจากผู้สร้างเครื่องมือ
ข่าวสารและการพัฒนา AI เพิ่มเติม
สมาร์ทโฟนที่ขับเคลื่อนด้วย AI กำลังเพิ่มขึ้น: Deutsche Telekom ประกาศแผนในงาน Mobile World Congress 2025 ที่บาร์เซโลนาเพื่อเปิดตัวสมาร์ทโฟนที่ขับเคลื่อนด้วย AI ที่มีผู้ช่วย Perplexity ผู้ช่วยนี้ได้รับการออกแบบมาเพื่อลดความซับซ้อนของงานประจำวัน เช่น การสั่งแท็กซี่, การจองโต๊ะ, การแปลภาษาแบบเรียลไทม์, และการตอบคำถามของผู้ใช้ บริษัทมองเห็นสิ่งนี้เป็นผู้ช่วยเสมือนที่จะสนับสนุนลูกค้าหลายล้านคนโดยการเขียนอีเมล, เริ่มการโทร, สรุปข้อความ, และจัดการปฏิทิน AI Phone จะรวม Google Cloud AI, ElevenLabs และ Picsart เพื่อเพิ่มฟังก์ชันการทำงาน และมีกำหนดเปิดตัวในปลายปีนี้ Glance ซึ่งเป็นหน่วย InMobi และ Google Cloud ยังประกาศความร่วมมือเพื่อใช้ประโยชน์จากแบบจำลอง AI ของ Google สำหรับการพัฒนาแอปพลิเคชัน AI ที่หันหน้าเข้าหาผู้บริโภคเพื่อปรับปรุงประสบการณ์ผู้ใช้บนหน้าจอล็อกสมาร์ทโฟนและหน้าจอทีวีโดยรอบ ปัจจุบัน Glance ให้พลังงานแก่สมาร์ทโฟนที่ใช้ Android มากกว่า 450 ล้านเครื่องทั่วโลก
ภาครัฐเห็นเหตุการณ์ทางไซเบอร์ที่สำคัญลดลง: อุตสาหกรรมภาครัฐและการพัฒนาประสบปัญหาเหตุการณ์ร้ายแรงที่เกี่ยวข้องกับการมีส่วนร่วมของมนุษย์โดยตรงลดลงอย่างมากในปี 2024 ตามรายงานล่าสุดของนักวิเคราะห์ Kaspersky Managed Detection and Response (MDR) อย่างไรก็ตาม, ภาคอาหาร, ไอที, โทรคมนาคม, และอุตสาหกรรมแสดงให้เห็นว่าเหตุการณ์ดังกล่าวเพิ่มขึ้น
OpenAI วางแผนที่จะรวม Sora เข้ากับ ChatGPT: OpenAI กำลังดำเนินการเพื่อรวมเครื่องมือสร้างวิดีโอ AI, Sora, เข้ากับ ChatGPT โดยตรง ปัจจุบัน, Sora มีให้ใช้งานผ่านเว็บแอปเฉพาะเท่านั้น, ทำให้ผู้ใช้สามารถสร้างคลิปภาพยนตร์ได้นานถึง 20 วินาที OpenAI กำลังพัฒนาเครื่องมือสร้างภาพ AI ที่ขับเคลื่อนโดย Sora