Windows AI: Build 2025 และอนาคต ML

Microsoft Build 2025 งานประชุมประจำปีสำหรับนักพัฒนา ซูมเข้าไปที่การผนวกรวมปัญญาประดิษฐ์(AI) อย่างลึกซึ้งในระบบปฏิบัติการ Windows การประชุมในปีนี้มอบการเข้าถึงเอ็นจิ้น AI ที่ไม่ขึ้นกับฮาร์ดแวร์ให้กับนักพัฒนา Windows ซึ่งขับเคลื่อน Copilot+ PCs ซึ่งเป็นการเคลื่อนไหวที่สัญญาว่าจะปรับรูปร่างวิธีที่ AI ถูกนำไปใช้ในแอปพลิเคชันที่หลากหลาย

เสริมศักยภาพนักพัฒนาด้วย Windows AI Foundry

Pavan Davuluri รองประธานบริษัท Windows + Devices ที่ Microsoft ได้กล่าวถึงวิสัยทัศน์ของบริษัทในโพสต์บนบล็อก โดยเน้นเป้าหมายที่จะทำให้ Windows เป็นแพลตฟอร์มชั้นนำสำหรับนักพัฒนา วิสัยทัศน์นี้มุ่งเน้นไปที่การฝัง AI ลงในซอฟต์แวร์ ฮาร์ดแวร์ และชั้นซิลิคอนของระบบปฏิบัติการอย่างราบรื่น

การเปิดตัว Windows AI Foundry ถือเป็นก้าวสำคัญในทิศทางนี้ แพลตฟอร์มนี้มีเป้าหมายที่จะมอบสภาพแวดล้อมที่เป็นหนึ่งเดียวและน่าเชื่อถือ ซึ่งสนับสนุนวงจรชีวิตนักพัฒนา AI ทั้งหมด ตั้งแต่การเลือกและการปรับให้เหมาะสมของโมเดล ไปจนถึงการปรับแต่งอย่างละเอียดและการปรับใช้ในสภาพแวดล้อมทั้งไคลเอนต์และคลาวด์

Windows AI Foundry ให้สิทธิ์เข้าถึง Windows ML ซึ่งเป็นเอ็นจิ้นการอนุมาน AI ภายใน Windows ผ่านชุด Application Programming Interfaces (APIs) APIs เหล่านี้อำนวยความสะดวกในงานด้านภาษาและการมองเห็น รวมถึง:

• Text Intelligence: เปิดใช้งานแอปพลิเคชันเพื่อทำความเข้าใจและประมวลผลข้อมูลที่เป็นข้อความ
• Image Description: สร้างคำอธิบายสำหรับรูปภาพโดยอัตโนมัติ
• Text Recognition: แยกข้อความจากรูปภาพและเอกสาร
• Custom Prompt: ปรับแต่งพรอมต์ AI ให้ตรงกับความต้องการเฉพาะของแอปพลิเคชัน
• Object Erase: ลบวัตถุที่ไม่ต้องการออกจากรูปภาพ

Windows ML ทำงานเป็นอินเทอร์เฟซที่ไม่ขึ้นกับฮาร์ดแวร์ไปยังชิปเซ็ตเร่งความเร็ว AI ที่พบใน PCs โดยใช้ประโยชน์จากเอ็นจิ้นรันไทม์ Onnx Microsoft กำลังทำงานร่วมกับพันธมิตรด้านฮาร์ดแวร์เพื่อให้มั่นใจถึงความสอดคล้องและความเข้ากันได้ โดยดึงความคล้ายคลึงกับบทบาทของ DirectX API สำหรับนักพัฒนาเกมที่เข้าถึงหน่วยประมวลผลกราฟิก

Adobe ยอมรับ Windows ML เพื่อประสิทธิภาพที่เพิ่มขึ้น

Adobe เป็นหนึ่งในบริษัทซอฟต์แวร์ชั้นนำที่สำรวจศักยภาพของ AI APIs ใหม่ใน Windows Volker Rölke นักวิทยาศาสตร์คอมพิวเตอร์ด้าน Machine Learning อาวุโสของ Adobe ได้เน้นย้ำถึงความท้าทายในการจัดการฟุตเทจขนาด terabytes และภาระงาน Machine Learning ที่หนักหน่วงในแอปพลิเคชันต่างๆ เช่น Adobe Premiere Pro และ After Effects

Rölke ตั้งข้อสังเกตว่า Windows ML API ที่เชื่อถือได้ซึ่งให้ประสิทธิภาพที่สม่ำเสมอในอุปกรณ์ที่หลากหลาย จะช่วยขจัดอุปสรรคที่สำคัญ ทำให้ Adobe สามารถส่งมอบคุณสมบัติที่ยอดเยี่ยมได้รวดเร็วยิ่งขึ้น เขาเน้นย้ำว่า Windows ML สามารถอำนวยความสะดวกในแนวทางที่ไม่ขึ้นกับฮาร์ดแวร์ ลดความจำเป็นในการตรวจสอบระบบที่ครอบคลุมและการตัดสินใจระดับต่ำ

การปรับแต่งอย่างละเอียดและการปรับแต่ง: Low-Rank Adaptation และ Semantic Search

Microsoft ยังเสนอฟังก์ชันการทำงานของการปรับตัวอันดับต่ำ ซึ่งตาม Davuluri สามารถใช้กับข้อมูลที่กำหนดเองเพื่อปรับแต่งโมเดลภาษาท้องถิ่น Phi Silica ของ Microsoft ซึ่งรวมอยู่ใน Copilot+ PCs สิ่งนี้ทำให้นักพัฒนาสามารถปรับแต่งเอ็นจิ้น AI ให้เหมาะสมกับความต้องการของแอปพลิเคชันเฉพาะของตนได้ดียิ่งขึ้น

นอกจากนี้ Microsoft ยังให้บริการ APIs สำหรับ semantic search และ knowledge retrieval APIs เหล่านี้ช่วยให้นักพัฒนาสามารถรวมความสามารถในการค้นหาด้วยภาษาธรรมชาติและความสามารถในการสร้างที่ได้รับการสนับสนุนการดึงข้อมูลลงในแอปพลิเคชัน Windows ของตน ปรับปรุงประสบการณ์ผู้ใช้และมอบฟังก์ชันการค้นหาที่ชาญฉลาดยิ่งขึ้น

Davuluri เน้นย้ำว่า Windows AI Foundry ช่วยให้นักพัฒนาสามารถใช้โมเดลของตนเองและปรับใช้กับชิปเซ็ตที่หลากหลายจาก AMD, Intel, Nvidia และ Qualcomm เสนอความยืดหยุ่นและทางเลือกในการเลือกฮาร์ดแวร์

การเพิ่มขึ้นของ AI Agents: Model Context Protocol และ Multi-Agent Interactions

เมื่อเปิด AI ในตัวให้กับนักพัฒนา Windows Microsoft ยังรวม Model Context Protocol (MCP) เข้ากับ Windows การรวมนี้มอบเฟรมเวิร์กมาตรฐานสำหรับ AI Agents ในการเชื่อมต่อกับแอป Windows ดั้งเดิม ส่งเสริมระบบนิเวศที่เชื่อมต่อและชาญฉลาดมากขึ้น

Davuluri อธิบายว่า MCP ช่วยให้แอปพลิเคชันสามารถเข้าร่วมในการโต้ตอบแบบ agentic ได้อย่างราบรื่น โดยเปิดเผยฟังก์ชันเฉพาะเพื่อเพิ่มพูนทักษะและความสามารถของ Agents ที่ติดตั้งในเครื่องบน Windows PC สิ่งนี้เปิดโอกาสใหม่ๆ สำหรับระบบอัตโนมัติและระบบช่วยเหลืออัจฉริยะภายในสภาพแวดล้อม Windows

วิสัยทัศน์ของ Satya Nadella: Orchestrating Business Flows ด้วย AI Agents

ในระหว่างการกล่าวเปิดงาน Build 2025 CEO ของ Microsoft Satya Nadella ได้กล่าวถึงศักยภาพในการเปลี่ยนแปลงของ MCP ในการเปิดใช้งาน Agents เพื่อประสานงาน business flows เขาจินตนาการถึงอนาคตที่ Agents และเฟรมเวิร์ก multi-agent ประสาน workflows ในลักษณะ agentic สำหรับทุกบทบาทและ business process โดยที่แอปพลิเคชัน business ทุกตัวทำงานเป็น MCP server

Nadella เชื่อว่าความสามารถเหล่านี้จะเป็นตัวเปลี่ยนเกมสำหรับนักพัฒนาที่สร้างโซลูชัน workflow และ business process automation รุ่นต่อไป ความสามารถในการรวม AI Agents เข้ากับแอปพลิเคชันและ business process ที่มีอยู่อย่างราบรื่น สัญญาว่าจะปลดล็อกประสิทธิภาพและนวัตกรรมในระดับใหม่

Delving Deeper into Windows ML: วิธีที่ไม่ขึ้นกับฮาร์ดแวร์

การออกแบบที่ไม่ขึ้นกับฮาร์ดแวร์ของ Windows ML เป็นตัวสร้างความแตกต่างที่สำคัญ ทำให้ผู้พัฒนาสามารถกำหนดเป้าหมายไปยังอุปกรณ์ที่หลากหลายได้โดยไม่ต้องเขียนโค้ดแยกต่างหากสำหรับแต่ละการกำหนดค่าฮาร์ดแวร์เฉพาะ สิ่งนี้ทำได้ผ่านการใช้งาน ONNX Runtime ซึ่งเป็นเอ็นจิ้นการอนุมาน open-source ที่ปรับให้เหมาะสมและเรียกใช้ Machine Learning models ในแพลตฟอร์มฮาร์ดแวร์ที่แตกต่างกัน

ด้วยการตัดทอนความซับซ้อนของฮาร์ดแวร์พื้นฐาน Windows ML ทำให้กระบวนการพัฒนาง่ายขึ้น และช่วยให้นักพัฒนาสามารถมุ่งเน้นไปที่การสร้างคุณสมบัติที่ขับเคลื่อนด้วย AI ที่เป็นนวัตกรรมได้ การทำงานร่วมกับพันธมิตรด้านฮาร์ดแวร์ช่วยให้ Windows ML ได้รับการปรับให้เหมาะสมสำหรับชิปเซ็ตล่าสุด มอบประสิทธิภาพที่ดีที่สุดบนแต่ละแพลตฟอร์ม

Low-Rank Adaptation: การปรับ AI Models ให้ตรงกับความต้องการเฉพาะ

Low-Rank Adaptation (LoRA) เป็นเทคนิคที่ช่วยให้นักพัฒนาสามารถปรับแต่ง Machine Learning models ที่ได้รับการฝึกอบรมล่วงหน้าด้วยข้อมูลจำนวนค่อนข้างน้อย สิ่งนี้มีประโยชน์อย่างยิ่งเมื่อจัดการกับงานหรือ datasets เฉพาะที่แตกต่างจากข้อมูลที่ใช้ในการฝึกอบรม model ต้นฉบับ

ด้วยการใช้ LoRA นักพัฒนาสามารถปรับ Microsoft’s Phi Silica local language model ให้ตรงกับความต้องการเฉพาะของตน ปรับปรุงความแม่นยำและประสิทธิภาพในงานเป้าหมายของตน ความสามารถในการปรับแต่งนี้ช่วยให้นักพัฒนาสามารถสร้างแอปพลิเคชันที่ขับเคลื่อนด้วย AI ที่มีความเชี่ยวชาญและมีประสิทธิภาพมากขึ้น

Semantic Search และ Knowledge Retrieval: การปรับปรุงการเข้าถึงข้อมูล

APIs สำหรับ semantic search และ knowledge retrieval มอบเครื่องมือที่ทรงพลังแก่นักพัฒนาสำหรับการสร้างความสามารถในการค้นหาอัจฉริยะลงในแอปพลิเคชันของตน APIs เหล่านี้ช่วยให้แอปพลิเคชันเข้าใจความหมายและบริบทของ queries ของผู้ใช้ แทนที่จะจับคู่คำหลักเพียงอย่างเดียว

สิ่งนี้ช่วยให้แอปพลิเคชันมอบผลการค้นหาที่เกี่ยวข้องและแม่นยำยิ่งขึ้น ปรับปรุงประสบการณ์ผู้ใช้ และทำให้ผู้ใช้ค้นหาข้อมูลที่ต้องการได้ง่ายขึ้น ความสามารถในการสร้างที่ได้รับการสนับสนุนการดึงข้อมูล ช่วยเพิ่มฟังก์ชันการทำงานนี้โดยอนุญาตให้แอปพลิเคชันสร้างเนื้อหาใหม่ตามผลการค้นหา สร้างประสบการณ์ผู้ใช้ที่โต้ตอบและมีส่วนร่วมมากขึ้น

Model Context Protocol: การอำนวยความสะดวกในการโต้ตอบแบบ Agentic

Model Context Protocol (MCP) เป็นเฟรมเวิร์กมาตรฐานที่อนุญาตให้ AI Agents สื่อสารและโต้ตอบกับแอป Windows ดั้งเดิม โปรโตคอลนี้มอบวิธีที่เป็นมาตรฐานสำหรับ Agents ในการค้นพบและเข้าถึงฟังก์ชันการทำงานของแอปพลิเคชัน ทำให้สามารถทำงานในนามของผู้ใช้ได้

ด้วยการใช้ MCP นักพัฒนาสามารถสร้างแอปพลิเคชันที่รวมเข้ากับ AI Agents ได้อย่างราบรื่น ช่วยให้ผู้ใช้สามารถทำให้งานเป็นไปโดยอัตโนมัติและเข้าถึงข้อมูลในวิธีที่เป็นธรรมชาติและใช้งานง่ายยิ่งขึ้น สิ่งนี้เปิดโอกาสใหม่ๆ สำหรับระบบช่วยเหลืออัจฉริยะและระบบอัตโนมัติภายในสภาพแวดล้อม Windows

อนาคตของ Windows AI: ระบบนิเวศที่เน้นนักพัฒนาเป็นศูนย์กลาง

Microsoft’s Build 2025 แสดงให้เห็นถึงวิสัยทัศน์ที่ชัดเจนสำหรับอนาคตของ Windows AI: ระบบนิเวศที่เน้นนักพัฒนาเป็นศูนย์กลางที่ AI ถูกรวมเข้ากับระบบปฏิบัติการอย่างราบรื่นและสามารถเข้าถึงได้ง่ายสำหรับนักพัฒนา บริษัทกำลังเสริมศักยภาพให้นักพัฒนาด้วยชุดเครื่องมือและ APIs ที่ครอบคลุม ทำให้ง่ายกว่าที่เคยในการสร้างแอปพลิเคชันที่ขับเคลื่อนด้วย AI ที่เป็นนวัตกรรม

ด้วยการเปิดความสามารถ AI ในตัวของ Windows และมอบทรัพยากรที่พวกเขาต้องการเพื่อความสำเร็จแก่นักพัฒนา Microsoft กำลังส่งเสริมยุคใหม่ของนวัตกรรม AI บนแพลตฟอร์ม Windows สิ่งนี้สัญญาว่าจะเปลี่ยนแปลงวิธีที่เราโต้ตอบกับคอมพิวเตอร์และสร้างโอกาสใหม่ๆ สำหรับ business และบุคคลทั่วไป

แอปพลิเคชันในโลกแห่งความเป็นจริง: การเปลี่ยนแปลงอุตสาหกรรมด้วย Windows AI Foundry

ความสามารถที่ Windows AI Foundry นำเสนอพร้อมที่จะปฏิวัติอุตสาหกรรมต่างๆ ส่งผลกระทบต่อ workflows และ processes ในวิธีที่ลึกซึ้ง ลองพิจารณาแอปพลิเคชันที่มีศักยภาพสองสามรายการ:

• Healthcare: การวิเคราะห์รูปภาพทางการแพทย์ด้วยความแม่นยำที่มากขึ้นเพื่อตรวจจับโรคได้เร็วขึ้น การปรับแผน action เป็นรายบุคคลตามข้อมูลผู้ป่วย และการทำงานด้านธุรการโดยอัตโนมัติเพื่อปล่อยบุคลากรทางการแพทย์
• Finance: การตรวจจับการฉ้อโกงในแบบเรียลไทม์ การให้คำแนะนำทางการเงินที่เป็นส่วนตัวแก่ลูกค้า และการทำให้ business regulatory compliance processes เป็นไปโดยอัตโนมัติ
• Manufacturing: การปรับปรุง production processes ให้เหมาะสม การระบุข้อบกพร่องในผลิตภัณฑ์ผ่านการตรวจสอบด้วยภาพ และการคาดการณ์ความล้มเหลวของอุปกรณ์เพื่อลดระยะเวลาหยุดทำงาน
• Retail: การปรับแต่งประสบการณ์การช็อปปิ้ง การปรับปรุง inventory management ให้เหมาะสม และการตรวจจับการลักขโมยด้วยเทคโนโลยี computer vision
• Education: การสร้างประสบการณ์การเรียนรู้ที่เป็นส่วนตัว การให้คะแนนและข้อเสนอแนะโดยอัตโนมัติ และการให้ผู้เรียนเข้าถึง tutors ที่ขับเคลื่อนด้วย AI

นี่เป็นเพียงตัวอย่างเล็กๆ น้อยๆ ของหลายวิธีที่ Windows AI Foundry สามารถใช้เพื่อเปลี่ยนแปลงอุตสาหกรรมและปรับปรุงชีวิต เมื่อนักพัฒนายังคงสำรวจความสามารถของแพลตฟอร์มนี้ต่อไป เราคาดว่าจะเห็นแอปพลิเคชันที่สร้างสรรค์และมีผลกระทบมากยิ่งขึ้นเกิดขึ้นในอีกไม่กี่ปีข้างหน้า

พลังของการทำงานร่วมกัน: ระบบนิเวศที่เจริญรุ่งเรืองสำหรับนวัตกรรม AI

ความสำเร็จของ Windows AI ไม่ได้ขึ้นอยู่กับเทคโนโลยีเท่านั้น แต่ยังขึ้นอยู่กับการสร้างระบบนิเวศที่เจริญรุ่งเรืองของนักพัฒนา พันธมิตรด้านฮาร์ดแวร์ และนักวิจัย Microsoft กำลังส่งเสริมระบบนิเวศนี้อย่างแข็งขันผ่าน:

• Open-Source Initiatives: มีส่วนร่วมในโปรเจกต์ open-source ที่เกี่ยวข้องกับ AI และ Machine Learning ส่งเสริมการทำงานร่วมกันและนวัตกรรมภายในชุมชน
• Developer Programs: ให้สิทธิ์เข้าถึงเครื่องมือ ทรัพยากร และการฝึกอบรมแก่นักพัฒนา เพื่อช่วยพวกเขาสร้างแอปพลิเคชันที่ขับเคลื่อนด้วย AI บน Windows
• Hardware Partnerships: ทำงานอย่างใกล้ชิดกับผู้ manufacture ฮาร์ดแวร์เพื่อให้แน่ใจว่า Windows ML ได้รับการปรับให้เหมาะสมสำหรับชิปเซ็ตล่าสุด มอบประสิทธิภาพที่ดีที่สุด
• Research Collaborations: ร่วมมือกับ universities และ research institutions เพื่อพัฒนารัฐแห่งศิลปะใน AI และ Machine Learning

ด้วยการส่งเสริมระบบนิเวศที่ทำงานร่วมกันและสนับสนุน Microsoft กำลังสร้างสภาพแวดล้อมที่นวัตกรรม AI สามารถเจริญรุ่งเรืองได้ สิ่งนี้จะไม่เป็นประโยชน์ต่อนักพัฒนาเท่านั้น แต่ยังรวมถึง businesses และบุคคลทั่วไปที่จะได้รับประโยชน์สูงสุดจากพลังการเปลี่ยนแปลงของ AI

การจัดการกับความท้าทาย: การพัฒนา AI อย่างมีความรับผิดชอบ

เมื่อ AI แพร่หลายมากขึ้น สิ่งสำคัญคือต้องจัดการกับความท้าทายที่อาจเกิดขึ้น และตรวจสอบให้แน่ใจว่า AI ได้รับการพัฒนาและใช้งานอย่างมีความรับผิดชอบ Microsoft มุ่งมั่นที่จะพัฒนา AI อย่างมีความรับผิดชอบ โดยมุ่งเน้นที่:

• Fairness: ตรวจสอบให้แน่ใจว่าระบบ AI ยุติธรรมและไม่เลือกปฏิบัติกับบุคคลหรือกลุ่มใดๆ
• Reliability and Safety: สร้างระบบ AI ที่เชื่อถือได้และปลอดภัย ลดความเสี่ยงของข้อผิดพลาดหรือผลกระทบที่ไม่ตั้งใจให้เหลือน้อยที่สุด
• Privacy and Security: ปกป้องความเป็นส่วนตัวและความปลอดภัยของข้อมูลที่ใช้โดยระบบ AI
• Transparency: ทำให้ระบบ AI โปร่งใสและเข้าใจได้มากขึ้น ช่วยให้ผู้ใช้เข้าใจวิธีการทำงานและเหตุผลที่พวกเขาตัดสินใจบางอย่าง
• Accountability: สร้างสายงานที่ชัดเจนของ accountability สำหรับการใช้ระบบ AI

ด้วยการจัดการกับความท้าทายเหล่านี้และยึดมั่นในหลักการ AI ที่มีความรับผิดชอบ เราสามารถมั่นใจได้ว่า AI จะถูกใช้เพื่อความดี และประโยชน์ของมันจะถูกแบ่งปันโดยทุกคน

ประเด็นสำคัญจาก Build 2025: การกำหนดอนาคตของ AI บน Windows

Microsoft’s Build 2025 ได้ให้ glimpse สู่ future of AI บน Windows เน้นย้ำถึงความมุ่งมั่นของ company:

• Democratizing AI: ทำให้ AI สามารถเข้าถึงได้มากขึ้นสำหรับนักพัฒนาทุกระดับทักษะ
• Empowering Developers: มอบเครื่องมือและ resources ที่ developers ต้องการเพื่อสร้าง innovative AI-powered applications
• Creating a Thriving Ecosystem: ส่งเสริมระบบนิเวศที่ทำงานร่วมกันและสนับสนุนสำหรับนวัตกรรม AI
• Responsible AI Development: ตรวจสอบให้แน่ใจว่า AI ได้รับการพัฒนาและใช้งานอย่างมีความรับผิดชอบ

ด้วยการมุ่งเน้นไปที่ key areas เหล่านี้ Microsoft กำลังวางตำแหน่ง Windows ให้เป็น leading platform สำหรับ AI innovation ปูทางไปสู่อนาคตที่ AI จะถูกรวมเข้ากับชีวิตของเราอย่างราบรื่นและtransform วิธีที่เราทำงาน เรียนรู้ และโต้ตอบกับโลก ในที่สุด Microsoft’s approach ที่ Build 2025 แสดงให้เห็นถึงการshift ไปสู่ landscape AI ที่ทำงานร่วมกันและสามารถเข้าถึงได้มากขึ้น ทำให้ power ของ Machine Learning พร้อมใช้งานสำหรับ range ที่กว้างขึ้นของ developers และ industries