ทำความรู้จักกับ Generative AI เทคโนโลยีแห่งปี 2024 และตัวอย่างการนำไปใช้งานกับธุรกิจ
Generative AI คืออะไร
Generative AI เป็นเทคโนโลยีที่ใช้โมเดลเชิงประสิทธิภาพสูง (high-performance models) เพื่อสร้างข้อมูลใหม่โดยอัตโนมัติ โดยที่ไม่จำเป็นต้องมีความรู้หรือความเชี่ยวชาญด้านการสร้างข้อมูล ในบทความนี้จะอธิบายเกี่ยวกับ Generative AI ว่ามันคืออะไร และมีประโยชน์อย่างไร
ความสำคัญของ Generative AI มาจากความสามารถในการสร้างข้อมูลใหม่ได้โดยที่ไม่จำเป็นต้องมีมนุษย์เข้ามาอยู่ในกระบวนการ ทำให้สามารถลดเวลาและค่าใช้จ่ายในการสร้างสิ่งต่างๆ ตลอดจนช่วยเพิ่มประสิทธิภาพในการทำงานต่างๆ
กลุ่มของ Generative AI
Generative AI มีหลายกลุ่ม โดยแต่ละกลุ่มจะมีความเหมือนหรือแตกต่างกันตามวิธีการสร้างข้อมูลใหม่
- แบบจำลองสถิติ (Statistical models) เป็นวิธีการสร้างข้อมูลโดยใช้การวิเคราะห์สถิติจากข้อมูลที่มีอยู่แล้ว โดยตัวอย่างที่นิยมกันคือ การสร้างโมเดลภาษาธรรมชาติที่ใช้ในการแปลภาษา แบบจำลองสถิติจะใช้ข้อมูลในการเรียนรู้และสร้างโมเดลเพื่อให้สามารถสร้างข้อความใหม่ได้
- โมเดล Deep Learning เป็นการใช้โครงข่ายประสาทเทียม (Artificial Neural Network) เพื่อสร้างโมเดลที่สามารถเรียนรู้และทำนายผลลัพธ์ได้ดีกว่าแบบจำลองสถิติ
- โมเดล GAN (Generative Adversarial Networks) เป็นโมเดลประเภทหนึ่งที่ใช้ใน Generative AI ซึ่งมีวัตถุประสงค์เพื่อสร้างข้อมูลที่มีความสมจริงเทียบกับข้อมูลจริง โดยใช้การเรียนรู้แบบไม่มีผู้กำหนด (Unsupervised Learning) และใช้การแข่งขันระหว่างโมเดลเพื่อช่วยให้การสร้างข้อมูลมีคุณภาพสูงขึ้น
Generative AI ทำอะไรได้บ้าง?
Generative AI เป็นระบบประมวลผลซึ่งสามารถสร้างภาพ วิดีโอ และเสียงได้โดยอัตโนมัติ โดยระบบจะใช้เทคนิคการเรียนรู้เพื่อสร้างผลลัพธ์ที่สมจริงมากที่สุด โดยการเรียนรู้ของ Generative AI จะใช้ข้อมูลจำนวนมากและวิธีการประมวลผลทางคณิตศาสตร์เพื่อสร้างโมเดลที่สามารถสร้างผลลัพธ์ใหม่ๆ ที่ไม่เคยมีมาก่อนได้อย่างแม่นยำ
- การสร้างภาพและวิดีโอ ของ Generative AI จะใช้โมเดล Deep Learning เพื่อสร้างภาพและวิดีโอที่มีความเป็นจริงมากขึ้น เช่น การสร้างภาพของมนุษย์หรือสัตว์โดยอิงจากภาพต้นฉบับ เป็นต้น โดยตัวอย่างของโมเดล Deep Learning คือ Convolutional Neural Networks (CNN) และ Recurrent Neural Networks (RNN)
- การสร้างเสียง ของ Generative AI จะใช้โมเดล Deep Learning เช่นกัน โดยระบบจะถูกสร้างขึ้นจากข้อมูลเสียงจำนวนมาก และเรียนรู้การสร้างเสียงจากพจนานุกรมเสียงที่มีอยู่แล้ว เช่น การสร้างเสียงเพลงที่เป็นไปได้จากเสียงเครื่องดนตรีต่างๆ โดยตัวอย่างของโมเดล Deep Learning ในการสร้างเสียงคือ WaveNet
- การสร้างข้อความ Generative AI ใช้โมเดลทางด้านภาษาธรรมชาติ (Natural Language Processing – NLP) ในการสร้างข้อความ โดยโมเดลที่ได้รับความนิยมในการสร้างข้อความคือโมเดลประเภท Transformer ที่มีความสามารถในการเรียนรู้จากข้อมูลของตัวอักษรและความหมายของประโยค เพื่อสร้างข้อความใหม่ตามต้องการ โดยตัวอย่างของโมเดล Transformer ที่ได้รับความนิยมคือ GPT (Generative Pre-training Transformer) ซึ่งได้ถูกพัฒนาโดย OpenAI และมีรุ่นต่อโดยตลอด เช่น GPT-2 และ GPT-3 ที่ได้รับความนิยมอย่างมากในการสร้างข้อความ รวมถึง AI Content Writer Assistant ที่รองรับภาษาไทยอย่าง Anissa
การประยุกต์ใช้ในธุรกิจ
Generative AI ใช้งานได้หลากหลายในธุรกิจ เช่น การออกแบบผลิตภัณฑ์ การสร้างเนื้อหาโฆษณาและการพัฒนาโมเดลทางธุรกิจ ดังนั้นสามารถประยุกต์ใช้ Generative AI ในธุรกิจได้ดังนี้
- การออกแบบผลิตภัณฑ์ Generative AI สามารถใช้ในการออกแบบผลิตภัณฑ์เพื่อสร้างภาพ 3 มิติ อย่างไรก็ตาม ในการออกแบบผลิตภัณฑ์สามารถใช้ Generative AI ในการสร้างแบบจำลองหรือรูปแบบที่สามารถปรับปรุงและวิเคราะห์ผลิตภัณฑ์เพื่อเพิ่มประสิทธิภาพและการประหยัดเวลาในการวิเคราะห์และพัฒนาผลิตภัณฑ์
- การสร้างเนื้อหาโฆษณา Generative AI สามารถสร้างเนื้อหาโฆษณาอัตโนมัติเพื่อเพิ่มประสิทธิภาพในการตลาดและการขาย ยกตัวอย่างเช่น สามารถสร้างเนื้อหาโฆษณาเพื่อแสดงผลบนสื่อออนไลน์ หรือสร้างเนื้อหาโฆษณาในห้องแสดงสินค้าเพื่อเพิ่มความน่าสนใจและประหยัดเวลาในการสร้างเนื้อหาโฆษณาแบบดั้งเดิม
- การพัฒนาโมเดลทางธุรกิจ การประยุกต์ใช้ Generative AI สำหรับการพัฒนาโมเดลทางธุรกิจสามารถช่วยให้ธุรกิจประหยัดเวลาและทรัพยากรในการสร้างโมเดลได้มากขึ้น โดยใช้ข้อมูลที่มีอยู่แล้วในการสร้างโมเดลใหม่โดยไม่ต้องมีการสะสมข้อมูลเพิ่มเติม ตัวอย่างการประยุกต์ใช้ Generative AI สำหรับการพัฒนาโมเดลทางธุรกิจได้แก่:
- การสร้างโมเดลการจัดเรียงสินค้า (Product Recommender Model) – ซึ่งเป็นโมเดลที่ช่วยให้ธุรกิจสามารถแนะนำสินค้าให้กับลูกค้าได้อย่างมีประสิทธิภาพมากขึ้น โดย Generative AI สามารถใช้ข้อมูลการซื้อขายของลูกค้าเดิม หรือข้อมูลการใช้งานในแอปพลิเคชัน ในการสร้างโมเดลที่ช่วยแนะนำสินค้าให้กับลูกค้าใหม่ได้อย่างมีประสิทธิภาพ
ทำไมต้องอาลีบาบาคลาวด์
Alibaba Cloud นำเสนอโซลูชันแบบครบวงจรสำหรับการพัฒนา AI แบบสร้างสรรค์ ซึ่งรวมถึงคอลเลกชันอินสแตนซ์ ECS ที่ปรับให้เหมาะสมกับการประมวลผลด้วย GPU ประสิทธิภาพสูง แพลตฟอร์มการประมวลผล AI อันทรงพลัง แพลตฟอร์มการพัฒนา AI แบบครบวงจร และฟีเจอร์การเร่งความเร็วสำหรับการฝึกโมเดล AI และการอนุมาน โซลูชันนี้ช่วยให้คุณสร้างและเพิ่มประสิทธิภาพโมเดลพื้นฐาน (FM) ตามความต้องการทางธุรกิจของคุณ ดังนั้นคุณจึงสามารถสร้างประสบการณ์ใหม่อันชาญฉลาดให้กับลูกค้า และขับเคลื่อนการเปลี่ยนแปลงทางธุรกิจด้วยนวัตกรรมใน Generative AI
บริการ Generative AI ตามสถานการณ์บน Alibaba Cloud
คุณสามารถปรับใช้แอปพลิเคชัน Generative AI บน Compute Nest ได้อย่างง่ายดายเพื่อให้บริการ Generative AI ประเภทต่างๆ โดยไม่ต้องกังวล
Text to Image
Image Generation Based on Text and Masked Image
Image Generation Based on Text and Color Depth
Image Generation Based on Text and Color Palette
Previous
Next
Image to Image
Image Reconfiguration
Region-Specific Image Editing
Image Generation Based on Image and Palette
Image Generation Based on Color Intensity and Palette
Previous
Next
Sketch to Image
Pose Transfer
Image Embedding Based on Sketch and Depth (No Text in Image)
Image Embedding Based on Sketch and Depth (Text in Image )
Image Generation Based on Color Intensity and Palette
Previous
Next
Virtual Try-On
Clothes Virtual Try-On Based on Pose, Clothes Image, and Text
Clothes Virtual Try-On Based on Human Image
Previous
Next
ตัวอย่างการนำ Generative AI ไปใช้งานกับธุรกิจ
การสร้างโค้ด เอกสาร และ QA
เครื่องมือเขียนโค้ดช่วยเหลือนี้ขับเคลื่อนโดย ChatGPT, GPT-4 และ PaLM2 Snippets AI.
สำหรับนักพัฒนาซอฟต์แวร์และโปรแกรมเมอร์ AI เชิงสร้างสรรค์สามารถเขียน กรอก และตรวจสอบชุดโค้ดซอฟต์แวร์ได้ การประกันคุณภาพอาจเป็นกรณีการใช้งานที่สำคัญที่สุดในพื้นที่นี้ โดยมีโมเดล AI เชิงสร้างสรรค์ที่จัดการกับการแก้ไขข้อบกพร่อง การสร้างการทดสอบ และเอกสารประเภทต่างๆ
การพัฒนาผลิตภัณฑ์และแอพ
ขณะนี้ Generative AI ถูกนำมาใช้เพื่อเขียนโค้ดแอปประเภทต่างๆ และเขียนเอกสารประกอบผลิตภัณฑ์สำหรับแอปเหล่านี้ แม้ว่าแอปพลิเคชันอาจเป็นกรณีการใช้งานที่พบบ่อยที่สุดที่เครื่องมือ generative AI รองรับในปัจจุบัน แต่ generative AI ก็กำลังเข้าสู่โครงการต่างๆ เช่น การพัฒนาและการออกแบบชิปเซมิคอนดักเตอร์
การเขียนเนื้อหาบล็อกและโซเชียลมีเดีย
เครื่องมือ AI เจนเนอเรชั่นของ Jasper AI สร้างเนื้อหาโพสต์บนบล็อกตามความคิดเห็นของผู้ใช้เกี่ยวกับผู้ฟังและน้ำเสียง Source: Jasper AI.
ด้วยคำแนะนำและการป้อนข้อมูลที่ถูกต้อง โมเดลภาษาขนาดใหญ่ (LLM) จะสามารถสร้างเนื้อหาที่เหมาะสมและสร้างสรรค์สำหรับบล็อก บัญชีโซเชียลมีเดีย หน้าผลิตภัณฑ์ และเว็บไซต์ธุรกิจ
ขั้นตอนการสื่อสารการตลาดขาเข้าและขาออก
แคมเปญการตลาดขาเข้าและขาออกมักกำหนดให้พนักงานส่งอีเมลตามบริบทและชุดข้อความแชทไปยังลูกค้าเป้าหมายและลูกค้าปัจจุบันเป็นประจำทุกวัน โซลูชัน Generative AI สามารถสร้างและส่งเนื้อหาสำหรับการสื่อสารเหล่านี้ได้ ในบางกรณี พวกเขายังสามารถทำให้กระบวนการย้ายผู้ติดต่อเหล่านี้ไปยังขั้นตอนถัดไปของวงจรชีวิตลูกค้าในแพลตฟอร์ม CRM เป็นแบบอัตโนมัติได้
การออกแบบกราฟิกและการตลาดวิดีโอ
นี่คือตัวอย่างของตัวละครอวตารในวิดีโอที่สร้างขึ้นผ่านปัญญาประดิษฐ์ Source: Synthesis.
Generative AI สามารถสร้างภาพ แอนิเมชั่น และเสียงที่สมจริง ซึ่งสามารถใช้สำหรับการออกแบบกราฟิกและโครงการการตลาดวิดีโอ ผู้จำหน่าย AI ทั่วไปบางรายยังเสนอการสังเคราะห์เสียงและอวตารของ AI เพื่อให้คุณสามารถสร้างวิดีโอทางการตลาดได้โดยไม่ต้องอาศัยนักแสดง อุปกรณ์วิดีโอ หรือความเชี่ยวชาญในการตัดต่อวิดีโอ ภาคส่วนนี้เป็นแหล่งที่มาของกรณีการใช้งาน Generative AI ระดับองค์กรที่เติบโตอย่างรวดเร็ว
การสร้างสื่อบันเทิง
เนื่องจากภาพ แอนิเมชั่น และเสียงที่สร้างโดย AI มีความสมจริงมากขึ้นเรื่อยๆ เทคโนโลยีประเภทนี้จึงถูกใช้เพื่อสร้างกราฟิกสำหรับภาพยนตร์และวิดีโอเกม เสียงสำหรับการสร้างเพลงและพอดแคสต์ และตัวละครสำหรับการเล่าเรื่องเสมือนจริงและความเป็นจริงเสมือน ประสบการณ์ ด้วยเครื่องมือมากมายเหล่านี้ มนุษย์ไม่จำเป็นต้องขึ้นกล้อง
ตัดต่อฟุตเทจ หรือแม้แต่พูดเพื่อสร้างเนื้อหาที่น่าเชื่อถือ
การจัดการประสิทธิภาพและการฝึกสอน
ในตัวอย่างนี้ แชทบอท Claude ของ Anthropic ใช้เพื่อช่วยเหลือพนักงานในการถามคำถามเกี่ยวกับอาชีพของตน Source: Anthropic.
Generative AI สามารถใช้ในสถานการณ์การฝึกสอนธุรกิจและพนักงานได้หลายแบบ ตัวอย่างเช่น เอกสารการโทรและการสรุปของศูนย์ติดต่อ เมื่อรวมกับการวิเคราะห์ความรู้สึก จะให้ข้อมูลแก่ผู้จัดการที่พวกเขาต้องการในการประเมินประสิทธิภาพตัวแทนฝ่ายบริการลูกค้าในปัจจุบัน และฝึกสอนพนักงานเกี่ยวกับวิธีการปรับปรุง
การรายงานผลการดำเนินงานทางธุรกิจและการวิเคราะห์ข้อมูล
เนื่องจาก Generative AI สามารถทำงานผ่านข้อความและข้อมูลจำนวนมหาศาลเพื่อสรุปประเด็นหลักได้อย่างรวดเร็ว จึงกลายเป็นส่วนสำคัญของระบบธุรกิจอัจฉริยะและการรายงานประสิทธิภาพ มีประโยชน์อย่างยิ่งสำหรับการวิเคราะห์ข้อมูลที่ไม่มีโครงสร้างและเชิงคุณภาพ เนื่องจากข้อมูลประเภทนี้มักจะต้องมีการประมวลผลมากขึ้นก่อนที่จะดึงข้อมูลเชิงลึกได้
การสนับสนุนลูกค้าและประสบการณ์ของลูกค้า
Gridspace เป็นบริษัท AI เจนเนอเรชั่นที่มุ่งเน้นไปที่ศูนย์การติดต่อและโซลูชันสนับสนุนการบริการลูกค้า ภาพหน้าจอนี้แสดงวิธีที่ผู้ใช้สามารถปรับแต่งตัวแทนบริการลูกค้าเสมือนของตนเองได้ Source: Gridspace.
สำหรับการบริการลูกค้าที่ตรงไปตรงมาที่สุด แชทบอท AI ทั่วไปและผู้ช่วยเสมือนสามารถจัดการคำถามเกี่ยวกับการบริการลูกค้าได้ตลอดเวลาของวัน Chatbots ถูกนำมาใช้เพื่อการบริการลูกค้ามาหลายปีแล้ว แต่ความก้าวหน้าของ AI เชิงสร้างสรรค์กำลังให้ทรัพยากรเพิ่มเติมแก่พวกเขาในการให้คำตอบที่ครอบคลุมและเป็นมนุษย์มากขึ้น โดยไม่ต้องได้รับความช่วยเหลือจากตัวแทนฝ่ายสนับสนุนลูกค้าที่เป็นมนุษย์
การค้นพบและการออกแบบยาทางเภสัชกรรม
เทคโนโลยี Generative AI กำลังถูกนำมาใช้เพื่อทำให้กระบวนการค้นพบยาและการออกแบบมีประสิทธิภาพมากขึ้นสำหรับยาใหม่ ด้วยการพัฒนาใหม่นี้ นักวิทยาศาสตร์เริ่มสร้างโมเลกุลใหม่ๆ ค้นพบโปรตีนที่ไม่เป็นระเบียบได้อย่างมีประสิทธิภาพมากขึ้น และออกแบบและคาดการณ์ผลการทดลองทางคลินิก
การวินิจฉัยทางการแพทย์และการถ่ายภาพ
ในภาพนี้ ผู้เชี่ยวชาญด้านสุขภาพใช้ Paige.ai เพื่อดูเนื้อเยื่อของผู้ป่วยให้ละเอียดยิ่งขึ้น Source: Paige AI.
Generative AI ในทางการแพทย์ยังเพิ่งเกิดขึ้น แต่มีการเปลี่ยนแปลงอย่างรวดเร็ว เครื่องมือสร้างและแก้ไขภาพมีการใช้กันมากขึ้นเพื่อเพิ่มประสิทธิภาพและซูมเข้าไปในภาพทางการแพทย์ ช่วยให้ผู้เชี่ยวชาญทางการแพทย์สามารถดูบางส่วนของร่างกายมนุษย์ได้ดีขึ้นและสมจริงยิ่งขึ้น เครื่องมือบางอย่างยังทำการวิเคราะห์ภาพทางการแพทย์และการวินิจฉัยขั้นพื้นฐานได้ด้วยตัวเอง
การสร้างข้อมูลสังเคราะห์ที่เป็นมิตรกับผู้บริโภค
แผนภาพนี้แสดงให้เห็นว่า Syntho สร้างและใช้ประโยชน์จากข้อมูลสังเคราะห์ได้อย่างไร Source: Syntho.
ตัวอย่างเช่น generative AI สามารถใช้เพื่อสร้างสำเนาข้อมูลสังเคราะห์ของข้อมูลที่ละเอียดอ่อนจริงได้ ช่วยให้นักวิเคราะห์สามารถวิเคราะห์และรับข้อมูลเชิงลึกจากสำเนาโดยไม่กระทบต่อความเป็นส่วนตัวของข้อมูลหรือการปฏิบัติตามข้อกำหนด ด้วยสำเนาข้อมูลที่แม่นยำเหล่านี้ นักวิเคราะห์ข้อมูลและสมาชิกคนอื่นๆ ในทีมองค์กรสามารถพัฒนาโมเดล AI และให้คะแนนโมเดลเหล่านั้นได้โดยไม่กระทบต่อข้อมูลทางธุรกิจหรือผู้บริโภคจริง
การผลิตอัจฉริยะและการบำรุงรักษาเชิงคาดการณ์
Generative AI กำลังกลายเป็นวัตถุดิบหลักในการผลิตสมัยใหม่อย่างรวดเร็ว ช่วยให้พนักงานสร้างการออกแบบที่เป็นนวัตกรรมมากขึ้นและบรรลุเป้าหมายการผลิตอื่นๆ ในขอบเขตของการบำรุงรักษาเชิงคาดการณ์ แบบจำลองเชิงกำเนิดสามารถสร้างรายการสิ่งที่ต้องทำและไทม์ไลน์ จัดทำขั้นตอนการทำงานและคำแนะนำในการซ่อมแซม และลดความซับซ้อนของกระบวนการประเมินข้อมูลที่ซับซ้อนจากเซ็นเซอร์และส่วนอื่นๆ ของสายการประกอบ
การตรวจจับการฉ้อโกงและการจัดการความเสี่ยง
เทคโนโลยีประเภทนี้สามารถวิเคราะห์ข้อมูลธุรกรรมหรือการเรียกร้องจำนวนมาก สรุปและระบุรูปแบบหรือความผิดปกติในข้อมูลนั้นได้อย่างรวดเร็ว ด้วยความสามารถเหล่านี้ generative AI จึงเป็นเครื่องมือสนับสนุนที่ยอดเยี่ยมสำหรับการตรวจจับการฉ้อโกง การรับประกันภัย และการบริหารความเสี่ยงในสถานการณ์ทางการเงินและการประกันภัย
การค้นหาระดับองค์กรและฐานความรู้ที่ปรับให้เหมาะสม
Glean ช่วยให้พนักงานทำการค้นหาภายในและให้คำตอบที่ชาญฉลาดโดยอิงข้อมูลจากแอพและแพลตฟอร์มธุรกิจที่เชื่อมต่อกันที่หลากหลาย Source: Glean.
การค้นหาทั้งภายในและภายนอกได้รับประโยชน์จากเทคโนโลยี AI เชิงสร้างสรรค์ สำหรับพนักงานและผู้ใช้เครื่องมือทางธุรกิจภายในอื่นๆ โมเดล AI เชิงสร้างสรรค์สามารถใช้เพื่อค้นหา ระบุ และ/หรือสรุปทรัพยากรขององค์กร เมื่อผู้ใช้ค้นหาข้อมูลบางอย่างเกี่ยวกับงานหรือโครงการของตน เครื่องมือเหล่านี้ได้รับการออกแบบมาไม่เพียงแต่ค้นหาแหล่งที่มาทั่วไป เช่น ไฟล์ของบริษัท แต่ยังรวมไปถึงแอปพลิเคชันของบริษัท เครื่องมือการรับส่งข้อความ และคุณสมบัติเว็บด้วย