AI เจนเนอเรชั่นกับ AI: การเลือกเทคโนโลยีที่เหมาะสมเพื่อขับเคลื่อนธุรกิจของคุณไปข้างหน้า

ปัญญาประดิษฐ์ (AI) เป็นคำกว้างๆ ที่ครอบคลุมถึงการเรียนรู้ของเครื่อง การประมวลผลภาษาธรรมชาติ คอมพิวเตอร์วิทัศน์ ระบบหุ่นยนต์ และล่าสุดคือ generative AI

เนื่องจาก generative AI กำลังพัฒนาอย่างรวดเร็ว ธุรกิจต่างๆ จึงพยายามทำความเข้าใจถึงประโยชน์ที่พวกเขาจะได้รับจากเทคโนโลยี ความแตกต่างระหว่าง AI และ generative AI คืออะไร และเทคโนโลยีใดที่เหมาะสมกว่าในการแก้ไขปัญหาของพวกเขา ในฐานะบริษัทพัฒนา Generative AI ที่เชื่อถือได้ เราได้เขียนบทความนี้เพื่อตอบคำถามของคุณ

อ่านต่อและอย่าลังเลที่จะติดต่อเราหากคุณมีคำถามเพิ่มเติม

ความแตกต่างระหว่าง AI และ AI เจนเนอเรชั่นคืออะไร?

ทั้ง AI และ AI แบบเจนเนอเรทีฟเป็นเทคโนโลยีอันทรงพลังที่สามารถช่วยคุณปรับเปลี่ยนรูปแบบธุรกิจ ลดต้นทุน และเพิ่มประสิทธิภาพการดำเนินงาน หากนำไปใช้กับปัญหาที่ถูกต้อง

มาดูกันว่าแต่ละเทคโนโลยีสามารถจัดการปัญหาใดได้บ้าง และความท้าทายใดบ้างที่เทคโนโลยีนำเสนอ

ทำความเข้าใจกับเอไอ

AI เชี่ยวชาญในการวิเคราะห์ข้อมูลจำนวนมากอย่างรวดเร็วและดำเนินงานที่ซับซ้อนซึ่งโดยทั่วไปต้องใช้สติปัญญาของมนุษย์ อัลกอริธึม AI ศึกษาข้อมูล วิเคราะห์ และตัดสินใจตามกฎและรูปแบบที่ค้นพบ เทคโนโลยีนี้ยังช่วยเพิ่มประสิทธิภาพข้อมูล การตรวจจับความผิดปกติ และการจัดกลุ่มข้อมูล

ตามที่กล่าวไว้ในบทนำ AI มีหลายประเภทย่อย

• การเรียนรู้ของเครื่อง: อัลกอริธึมเหล่านี้ได้รับการฝึกอบรมเกี่ยวกับข้อมูลที่มีโครงสร้าง กึ่งโครงสร้าง และไม่มีโครงสร้าง เพื่อค้นหารูปแบบและทำการตัดสินใจและคาดการณ์ตามข้อมูลเหล่านั้น
• การประมวลผลภาษาธรรมชาติ (NLP): NLP สามารถดึงข้อมูลจากภาษามนุษย์ที่ไม่มีโครงสร้างได้ ช่วยให้เครื่องจักรเข้าใจภาษาเขียนหรือภาษาพูดของมนุษย์
• การมองเห็นของคอมพิวเตอร์: โมเดลเหล่านี้สามารถตีความข้อมูลภาพได้ พวกเขาสามารถวิเคราะห์และดึงข้อมูลเชิงลึกจากรูปภาพและวิดีโอ และตอบสนองต่อสิ่งนั้นด้วยการกระทำหรือคำแนะนำ
• ระบบหุ่นยนต์: เหล่านี้เป็นเครื่องจักรอัตโนมัติ (กึ่ง) ที่ได้รับการฝึกฝนให้ทำงานต่างๆ และมีปฏิสัมพันธ์กับสิ่งแวดล้อม

AI มีความหลากหลายและสามารถทำหน้าที่ต่างๆ ได้ ขึ้นอยู่กับสิ่งที่คุณฝึกอัลกอริทึมให้ทำ

ตัวอย่างเช่น โมเดล AI หนึ่งตัวสามารถช่วยให้ทีมผู้บริหารของคุณตัดสินใจทางธุรกิจโดยมีข้อมูลประกอบ อีกโมเดลหนึ่งสามารถตรวจพบการทำงานผิดปกติในเครื่องจักรของโรงงาน โมเดลที่สามควบคุมยานพาหนะไร้คนขับ และโมเดลที่สี่ปกป้องคุณจากการโจมตีทางไซเบอร์โดยการตรวจจับความผิดปกติในข้อมูลธุรกิจของคุณ เข้าถึง.

จะใช้ AI ได้ที่ไหน?

คุณสามารถปรับใช้ AI ในบริบทใดก็ได้ที่อัลกอริทึมสามารถเรียนรู้รูปแบบและตัดสินใจตามรูปแบบเหล่านั้นได้ นี่คือตัวอย่างการใช้งานบางส่วน

• รองรับการตัดสินใจทางธุรกิจ เนื่องจาก AI วิเคราะห์ข้อมูลในอดีตจำนวนมาก และค้นพบรูปแบบที่สามารถหลบเลี่ยงสายตามนุษย์ได้
• การทำงานที่ต้องทำซ้ำๆ โดยอัตโนมัติเพื่อปรับปรุงประสิทธิภาพ
• ใช้งานยานพาหนะอัตโนมัติพร้อมระบบนำทางขั้นสูงและความสามารถในการตัดสินใจ
• การตรวจจับความผิดปกติในการรักษาความปลอดภัยทางไซเบอร์โดยการตรวจสอบการเข้าถึงข้อมูลและการเจาะเครือข่าย รวมถึงการตรวจพบความผิดปกติในอุปกรณ์การผลิตเพื่อการบำรุงรักษาเชิงคาดการณ์
• ปรับปรุงมาตรการรักษาความปลอดภัยด้วยเทคโนโลยีการจดจำใบหน้าและการรับรองความถูกต้องด้วยไบโอเมตริกซ์
• ถ่ายทอดภาษาพูดได้อย่างแม่นยำด้วยเทคโนโลยีรู้จำเสียงพูด
• ขับเคลื่อนกลไกการแนะนำเพื่อปรับแต่งคำแนะนำผลิตภัณฑ์บนเว็บไซต์อีคอมเมิร์ซ

ดูคำแนะนำโดยละเอียดเกี่ยวกับวิธีนำ AI ไปใช้ในธุรกิจ (พร้อม eBook ฟรี)

ข้อจำกัด

• อัลกอริธึม AI บางอย่างได้รับการออกแบบและฝึกฝนเพื่อทำงานเฉพาะเจาะจงและไม่สามารถปรับให้เข้ากับสถานการณ์ใหม่ได้ เมื่อต้องเผชิญกับการเปลี่ยนแปลง เช่น ข้อมูลอินพุตประเภทใหม่ อัลกอริธึมเหล่านี้จำเป็นต้องมีการฝึกอบรมใหม่เพื่อรองรับการเปลี่ยนแปลง
• AI สามารถใส่ข้อมูลการฝึกอบรมได้มากเกินไป ซึ่งหมายความว่าอัลกอริธึมเก่งในการแก้ปัญหาเฉพาะและล้มเหลวเมื่อต้องเผชิญกับข้อมูลที่ไม่คุ้นเคย
• อัลกอริธึม AI บางอย่าง เช่น โมเดลการเรียนรู้ของเครื่องแบบคลาสสิก ไม่สามารถจัดการข้อมูลที่ไม่มีโครงสร้างได้หากไม่มีการประมวลผลล่วงหน้า
• โมเดล AI ส่วนใหญ่จะพิจารณาปัญหาเฉพาะแบบแยกส่วน โดยไม่เข้าใจบริบทโดยรอบ และแม้ว่าคุณจะสามารถสอนอัลกอริทึมให้พิจารณาบริบทได้ แต่ก็ค่อนข้างมีค่าใช้จ่ายสูงและต้องใช้พลังในการคำนวณที่กว้างขวาง
• แม้ว่า AI จะเลียนแบบความฉลาดของมนุษย์ แต่ก็ไม่มีความสามารถในการให้เหตุผลในระดับมนุษย์
• โมเดล AI ขึ้นอยู่กับข้อมูลการฝึกเป็นอย่างมาก และจะนำอคติโดยธรรมชาติมาใช้
• โมเดลการเรียนรู้เชิงลึกไม่สามารถอธิบายได้ว่าผลลัพธ์เหล่านี้เกิดขึ้นได้อย่างไร ซึ่งเป็นที่ยอมรับไม่ได้ในบางแอปพลิเคชัน เช่น ซอฟต์แวร์ทางการแพทย์หรือการผลิตที่ใช้ AI แต่ก็มีความเป็นไปได้ที่จะก้าวไปสู่ ​​AI ที่อธิบายได้เมื่อจำเป็น อัลกอริธึมเหล่านี้มีประสิทธิภาพน้อยกว่า แต่คุณจะรู้ว่าผลลัพธ์มาจากไหน

ทำความเข้าใจกับ Generative AI

วัตถุประสงค์หลักของ Generative AI คือการสร้างเนื้อหาใหม่ๆ เช่น ข้อความ เพลง และรูปภาพที่ดูเหมือนถูกสร้างขึ้นโดยมนุษย์ ได้รับการฝึกฝนเกี่ยวกับชุดข้อมูลขนาดใหญ่เพื่อค้นหารูปแบบและสร้างสิ่งที่แปลกใหม่แต่ยังคงปฏิบัติตามกฎเกณฑ์ที่เทคโนโลยีได้เรียนรู้จากชุดข้อมูลการฝึกอบรม

แม้ว่าหลายคนจะถือว่าเนื้อหานี้เป็นต้นฉบับ แต่โมเดล AI เชิงสร้างสรรค์ก็ใช้ประโยชน์จากความคิดสร้างสรรค์ของมนุษย์จำนวนมากเพื่อผลิตผลงาน "ของพวกเขาเอง" ดังที่คุณจะเห็นด้านล่าง สิ่งนี้อาจทำให้เกิดข้อพิพาทด้านลิขสิทธิ์ได้

มีอะไรพิเศษเกี่ยวกับอัลกอริทึม Generative AI

Generative AI ไม่เพียงแต่เรียนรู้รูปแบบเท่านั้น แต่เทคโนโลยีจะเจาะลึกข้อมูลการฝึกอบรมเพื่อเรียนรู้คุณลักษณะต่างๆ ที่สามารถรวมและทดแทนได้ด้วยตัวเอง

ในกรณีของการวิเคราะห์ลำดับ โมเดล AI เชิงสร้างสรรค์ส่วนใหญ่จะอิงตามสถาปัตยกรรมหม้อแปลงไฟฟ้า ซึ่งแนะนำแนวคิดเรื่อง "ความสนใจ" ซึ่งหมายความว่าอัลกอริทึมสามารถรับชุดข้อมูลจำนวนมหาศาลเป็นอินพุต เรากำลังพูดถึงหน้าข้อความหลายพันล้านหน้า และยังคงรักษาความเชื่อมโยงไม่เพียงระหว่างประโยคเท่านั้น แต่ยังระหว่างบทและแม้แต่หนังสือเพื่อตรวจจับรูปแบบที่ซับซ้อน ความสามารถนี้ไม่เพียงแต่นำไปใช้กับข้อความเท่านั้น แต่ยังสามารถถ่ายโอนไปยังการวิเคราะห์ลำดับ DNA, ดนตรี และเนื้อหาอื่นๆ ได้

จะใช้ Generative AI ได้ที่ไหน

คุณสามารถใช้ generative AI กับกรณีการใช้งานทางธุรกิจที่ต้องใช้จินตนาการและความคิดสร้างสรรค์ นี่คือตัวอย่างบางส่วน:

• สร้างสรรค์ผลงานศิลปะ เช่น เพลง ดนตรี ภาพวาด และการออกแบบสินค้าแฟชั่น
• การสร้างชุดข้อมูลสังเคราะห์เพื่อวัตถุประสงค์ในการวิจัยและการฝึกอบรมโมเดล AI
• การออกแบบผลิตภัณฑ์ใหม่
• การเขียนบทความวิจัยและสคริปต์โค้ด
• จัดทำวิดีโอสาธิตผลิตภัณฑ์และสื่ออื่นๆ
• การปรับแต่งแคมเปญการตลาดให้กับผู้ใช้แต่ละราย
• แนะนำสารประกอบยาสามเณร
• สรุปข้อความที่ซับซ้อนในลักษณะที่เข้าใจได้ง่ายขึ้น
• ศึกษาหลักฐานเพื่อสร้างข้อโต้แย้งของศาลในภาคกฎหมาย

ข้อจำกัด

• AI เจนเนอเรชั่นอาจทำให้เกิดข้อพิพาทด้านลิขสิทธิ์ที่ร้ายแรงได้ ก่อนที่จะสร้างเนื้อหาอย่างอิสระ อัลกอริธึมจะวิเคราะห์เนื้อหาที่มนุษย์สร้างขึ้นจำนวนมาก เป็นผลให้บางครั้งเนื้อหา Gen AI คล้ายกับข้อมูลการฝึกอบรมมากเกินไป คุณอาจเคยได้ยินเกี่ยวกับอัลกอริธึมการสร้างเพลงที่ได้รับการฝึกฝนกับเพลงของ Drake และ The Weekend ผลิตเพลงที่ได้รับการตอบรับอย่างดีจากแฟน ๆ แต่ต้องถูกทำลายเนื่องจากปัญหาลิขสิทธิ์ กรณีที่คล้ายกันนี้เกิดขึ้นกับศิลปินคนอื่นๆ
• อัลกอริทึมมีศักยภาพในการเปิดเผยข้อมูลที่ละเอียดอ่อน ซึ่งรวมถึงการเปิดเผยข้อมูลผู้ป่วยในสถานพยาบาล เป็นต้น
• โมเดล AI ทั่วไปสามารถทำให้เกิดภาพหลอนได้ ซึ่งหมายความว่าโมเดลเหล่านี้สามารถให้คำตอบที่สมเหตุสมผลและไม่ถูกต้องตามความเป็นจริงได้อย่างมั่นใจ ตัวอย่างเช่น Stack Overflow ตรวจสอบการตอบคำถามทางเทคนิคของ AI และพบว่าคำตอบมักจะไม่ถูกต้อง
• AI เจนเนอเรชั่นที่ปราศจากการตระหนักรู้ในตนเองสามารถแสดงความคิดเห็นที่แปลกประหลาดและน่ารังเกียจได้ ในกรณีนี้คือแชทบอท AI เจนเนอเรชันของ Microsoft ซึ่งในระหว่างการสนทนากับนักข่าวเทคโนโลยี Matt O'Brien ได้เรียกเขาว่าอ้วนและน่าเกลียดซ้ำแล้วซ้ำอีกและยังเปรียบเทียบเขากับฮิตเลอร์ด้วยซ้ำ เหตุการณ์นี้เน้นย้ำถึงความอ่อนไหวที่เป็นไปได้ของอัลกอริธึมและความจำเป็นที่สำคัญในการป้องกันในการสื่อสาร AI
• การตรวจสอบข้อมูลที่ผลิตโดยโมเดล AI ทั่วไปเป็นเรื่องยาก เนื่องจากไม่ได้อ้างอิงแหล่งที่มา นอกจากนี้ โมเดลเหล่านี้ยังขาดคุณสมบัติเทียบเท่ากับ AI ที่อธิบายได้

สรุป Generative AI กับ AI

โดยสรุป AI เป็นเหมือนนักยุทธศาสตร์ที่มีข้อมูลครบถ้วนซึ่งสามารถวิเคราะห์ข้อมูลและตัดสินใจได้ดี Generative AI คือศิลปินที่ผลิตเนื้อหาที่แปลกใหม่และสร้างสรรค์

AI กับ AI เจนเนอเรทีฟในอุตสาหกรรมต่างๆ

ดูว่าแอปพลิเคชัน AI เชิงสร้างสรรค์และ AI แตกต่างกันอย่างไรในภาคตัวอย่างทั้งสามนี้

ดูแลสุขภาพ

AI มีการใช้งานที่หลากหลายในภาคการแพทย์ นี่คือสิ่งที่โดดเด่นที่สุด

• เปิดใช้งานการผ่าตัดโดยใช้หุ่นยนต์ช่วยและพยาบาลหุ่นยนต์
• ทำให้งานธุรการเป็นแบบอัตโนมัติ เช่น การถอดเสียงคำปรึกษาและการป้อนรายละเอียดผู้ป่วยลงใน EHR
• ช่วยนักรังสีวิทยาในการตรวจหาและวินิจฉัยเนื้องอก
• ช่วยเหลือในการทดลองทางคลินิกโดยการสรรหาผู้เข้าร่วมและติดตามความสม่ำเสมอของพวกเขา
• รองรับการติดตามผู้ป่วยระยะไกลร่วมกับ IoT ทางการแพทย์
• การตรวจจับข้อผิดพลาดตามใบสั่งแพทย์

นอกจากนี้ AI ยังเป็นหนึ่งในเทคโนโลยีสำคัญที่ทำให้โรงพยาบาลอัจฉริยะเกิดขึ้นได้

ตามที่เราสร้างไว้แล้ว Generative AI มุ่งเน้นไปที่การผลิตเนื้อหาใหม่ๆ และแอปพลิเคชันต่างๆ ของ AI นั้นเน้นด้านความคิดสร้างสรรค์มากกว่า ปรับใช้ generative AI หากคุณต้องการทำให้สิ่งนี้สำเร็จ:

• สร้างสถานการณ์การฝึกอบรมที่แตกต่างกันสำหรับนักศึกษาและผู้ฝึกงาน
• คิดข้อมูลทางการแพทย์สังเคราะห์ขึ้นมา
• ออกแบบโมเลกุลใหม่และสารประกอบตัวยาใหม่
• ช่วยให้แพทย์สามารถสอบถามเวชระเบียนของผู้ป่วยได้
• เขียนแบบสำรวจความคิดเห็นของผู้ป่วย

หากต้องการแรงบันดาลใจเพิ่มเติม โปรดดูบทความล่าสุดของเราเกี่ยวกับกรณีการใช้งาน AI เชิงสร้างสรรค์ในการดูแลสุขภาพ

ตัวอย่างในชีวิตจริงของ AI ในการดูแลสุขภาพ

• Mass General Cancer Center ร่วมกับ MIT พัฒนา Sybil ซึ่งเป็นระบบ AI ที่สามารถตรวจจับมะเร็งเต้านมได้ แบบจำลองนี้ทำงานร่วมกับการสแกนเอกซเรย์คอมพิวเตอร์หน้าอกขนาดต่ำ และสามารถคาดการณ์ได้ว่าผู้ป่วยจะพัฒนาเป็นมะเร็งเต้านมในอีก 6 ปีข้างหน้าหรือไม่
• AiCure นำเสนอผู้ช่วยทางการแพทย์แบบโต้ตอบที่ขับเคลื่อนด้วย AI ซึ่งสามารถตรวจจับผู้เข้าร่วมการทดลองทางคลินิกที่มีแนวโน้มจะฝ่าฝืนกฎของการทดลอง โซลูชันนี้ยังช่วยให้ผู้เข้าร่วมสามารถบันทึกวิดีโอของตนเองที่ใช้ยาเพื่อเป็นหลักฐานการรับประทานยา

ตัวอย่างในชีวิตจริงของ Generative AI ในการดูแลสุขภาพ

• นักวิจัยจากมหาวิทยาลัยโตรอนโตได้สร้างแบบจำลองที่สามารถสร้างโปรตีนที่เหมือนจริงได้ พวกเขาประเมินศักยภาพของโปรตีนที่ได้โดยใช้เครื่องมือ AI อีกตัวหนึ่ง นั่นคือ OmegaFold และรู้สึกประหลาดใจเมื่อเห็นว่าลำดับส่วนใหญ่พับรวมกันเป็นโครงสร้างโปรตีนจริง
• ทีมวิจัยอีกทีมได้พัฒนาแบบจำลอง AI เชิงกำเนิดที่สามารถสร้างข้อมูลผู้ป่วยสังเคราะห์ที่เหมือนจริงพร้อมคุณสมบัติที่ต้องการสำหรับการทดลองทางคลินิก

การค้าปลีกและอีคอมเมิร์ซ

หากเราพิจารณา AI เชิงสร้างสรรค์เทียบกับ AI ในการค้าปลีก AI แบบคลาสสิกสามารถจัดหาการวิเคราะห์ที่ทรงพลัง หุ่นยนต์ที่ทำงานหนัก และการตรวจสอบร้านค้าอย่างไม่รู้จักเหน็ดเหนื่อยให้กับเจ้าของร้านค้าทั้งแบบเสมือนจริงและแบบกายภาพ ต่อไปนี้เป็นรายละเอียดการใช้งาน AI ในการค้าปลีกเพิ่มเติม

• ช่วยเหลือลูกค้าในการนำทางภายในร้าน
• หุ่นยนต์ที่ขับเคลื่อนด้วย AI สำหรับการบรรจุและเติมสต็อกในการจัดส่ง
• รถส่งสินค้าแบบขับเคลื่อนด้วยตนเอง
• ตรวจจับการขโมยของในร้านและเหตุการณ์สุดหวานผ่านคอมพิวเตอร์วิทัศน์
• เปิดใช้งานการชำระเงินด้วยตนเอง
• การแบ่งส่วนลูกค้าโดยได้รับข้อมูลที่ดีขึ้น คำแนะนำผลิตภัณฑ์ และการเพิ่มประสิทธิภาพราคา

ในทางกลับกัน Generative AI สามารถดึงดูดลูกค้าและเพิ่มประสิทธิภาพการดำเนินงานภายในผ่านงานที่สร้างสรรค์มากขึ้น เช่น งานต่อไปนี้

• การสร้างแคมเปญการตลาดแบบกำหนดเอง
• การสร้างเนื้อหาที่เน้น SEO เพื่อดึงดูดปริมาณการเข้าชมร้านค้าอีคอมเมิร์ซของคุณ
• นำเสนอห้องลองเสื้อผ้า รองเท้า และเครื่องประดับเสมือนจริง ควบคู่ไปกับเทคโนโลยีที่สมจริง
• การคาดการณ์อุปสงค์

คุณสามารถค้นหาข้อมูลเพิ่มเติมเกี่ยวกับแอปพลิเคชัน Gen AI ในการขายปลีกได้ในบล็อกของเรา

ตัวอย่างในชีวิตจริงของ AI ในการค้าปลีก

เรามีตัวอย่างที่น่าตื่นเต้นสองตัวอย่างในผลงานของเรา

• ITRex ช่วยผู้ค้าปลีกรายใหญ่สร้างแพลตฟอร์มระบบธุรกิจอัจฉริยะที่ขับเคลื่อนด้วย AI ซึ่งช่วยให้พนักงานของลูกค้าสามารถรวบรวมและวิเคราะห์ข้อมูลจากทั้งองค์กร สร้างรายงานที่ซับซ้อน และแสดงภาพข้อมูลโดยไม่ต้องเรียนรู้ทักษะทางเทคนิค
• ทีมงานของเราใช้โซลูชันที่ใช้ ML เพื่อการช็อปปิ้งแบบไม่ต้องชำระเงิน ใช้คอมพิวเตอร์วิทัศน์และกล้องติดเพดานเพื่อติดตามการเคลื่อนไหวของผู้บริโภคและระบุสิ่งของที่พวกเขาหยิบมาจากชั้นวางของในร้าน ระบบนี้สามารถเปลี่ยนร้านค้าใดๆ ให้เป็นรูปแบบที่ไม่ต้องชำระเงินโดยไม่จำเป็นต้องออกแบบพื้นที่ใหม่

ตัวอย่าง AI เชิงสร้างสรรค์ในการค้าปลีก

• Carrefour ใช้งานแชทบอตที่ขับเคลื่อนด้วย ChatGPT เพื่อแนะนำเคล็ดลับการช้อปปิ้งแบบเฉพาะตัวแก่ผู้บริโภคตามงบประมาณและประวัติการซื้อ
• Walmart ใช้ระบบที่ขับเคลื่อนโดย AI เพื่อคาดการณ์ความต้องการและคาดการณ์ว่าลูกค้าจะต้องการผลิตภัณฑ์ใดในร้าน Walmart แต่ละแห่ง

สื่อและความบันเทิง

สื่อและความบันเทิงเป็นภาคส่วนความคิดสร้างสรรค์ ดังนั้น Generative AI จึงสามารถฉายแสงได้ในส่วนนี้ แต่นี่คือจุดที่ปัญหาลิขสิทธิ์ที่กล่าวถึงก่อนหน้านี้สามารถทำให้เกิดความกังวลมากยิ่งขึ้น นี่คือสิ่งที่เทคโนโลยีสามารถทำได้

• สร้างสรรค์งานศิลปะ บทภาพยนตร์ เพลง และบทความ
• การแก้ไขวิดีโอตามความต้องการของผู้ใช้
• สรุปเรื่องยาว พอดแคสต์ การแข่งขันกีฬา และเนื้อหายาวอื่นๆ
• การสร้างข้อมูลเมตาของวิดีโอ เช่น คำบรรยายและคำอธิบาย
• การออกแบบเกมที่ดื่มด่ำใหม่ รวมถึงการตั้งค่าและตัวละครใหม่สำหรับเกมที่มีอยู่
• ดึงดูดผู้ชมผ่านแชทบอทและการโต้ตอบด้วยเสียง
• การสร้างพื้นหลังที่สมจริงและเอฟเฟ็กต์ภาพสำหรับภาพยนตร์
• การสร้างการตั้งค่าความเป็นจริงเสมือน

Classic AI ยังมีแอปพลิเคชันที่น่าสนใจในสาขานี้ เนื่องจากมีข้อมูลจำนวนมากที่ต้องวิเคราะห์เพื่อปรับปรุงการมีส่วนร่วมและความพึงพอใจของผู้ชม นี่คือกรณีการใช้งานบางส่วน

• วิเคราะห์พฤติกรรมและความชอบของผู้ใช้เพื่อแนะนำเนื้อหาส่วนบุคคล
• การตรวจจับการละเมิดลิขสิทธิ์
• การวัดความรู้สึกของลูกค้าบนโซเชียลมีเดีย
• ปรับปรุงคุณภาพวิดีโอโดยการลดสัญญาณรบกวนและปรับปรุงความละเอียด
• ทำนายแนวโน้มเนื้อหา
• การกรองเนื้อหาเป็นอัลกอริธึม AI สามารถตรวจจับและบล็อกข้อความและวิดีโอที่ไม่เหมาะสมได้

ตัวอย่าง AI ในภาคสื่อ

Netflix ใช้อัลกอริธึม AI เพื่อวิเคราะห์ข้อมูลผู้ใช้และให้คำแนะนำเนื้อหาตามข้อมูล เช่น นักแสดง ประเภท และพฤติกรรมการรับชมของผู้ใช้ Netflix อ้างว่าประมาณ 80% ของเนื้อหาที่ดูทั้งหมดได้รับการแนะนำโดยระบบแนะนำ AI

และมีโปรเจ็กต์จากผลงานของเราที่นักพัฒนาแอปโซเชียลเน็ตเวิร์กชั้นนำหันมาใช้ ITRex เพื่อสร้างโซลูชันการรักษาเนื้อหาอัตโนมัติที่ขับเคลื่อนด้วย ML เราพัฒนาโมเดลคอมพิวเตอร์วิทัศน์ที่สามารถวิเคราะห์สตรีมสดและดำเนินการที่เกี่ยวข้อง และเราใช้แนวทางปฏิบัติที่ดีที่สุดของ MLOps เพื่อเร่งการปรับใช้อัลกอริทึม

ตัวอย่าง AI เชิงสร้างสรรค์ในภาคสื่อและความบันเทิง

AI เจนเนอเรชั่นจาก Runway มีส่วนสนับสนุนอย่างกว้างขวางในการผลิตภาพยนตร์เรื่อง “Everything Everywhere All at Once” ซึ่งสร้างองค์ประกอบพื้นหลังและเอฟเฟ็กต์ภาพที่สมจริง ภาพยนตร์เรื่องนี้ได้รับรางวัลออสการ์เจ็ดรางวัล

ความคิดสุดท้าย

ดังที่คุณเห็นจากตัวอย่างด้านบน AI สามารถเป็นส่วนเสริมที่มีคุณค่าให้กับบริษัทของคุณ หากคุณกำลังมองหาพลังในการวิเคราะห์ที่แข็งแกร่ง ต้องการความช่วยเหลือในการตัดสินใจ ต้องการใช้หุ่นยนต์ที่ขับเคลื่อนด้วย AI หรือทำงานอัตโนมัติที่น่าเบื่อและซ้ำซากจำเจ แต่ถ้าคุณต้องการเทคโนโลยีที่ให้ความคิดสร้างสรรค์และจินตนาการ และสามารถสร้างสิ่งใหม่ๆ ได้ generative AI ก็เหมาะกว่า

จากมุมมองทางเทคนิค generative AI นั้นซับซ้อนกว่าเนื่องจากมีจุดมุ่งหมายเพื่อเลียนแบบความคิดของมนุษย์ ในขณะที่เป้าหมายของ AI คือการทำงานที่เป็นรูปธรรมที่ได้รับการฝึกฝนโมเดลต่างๆ ใน generative AI นั้นไม่มีความชัดเจนว่าสิ่งใดถูกต้องและสิ่งใดไม่ถูกต้อง ประสิทธิภาพการทำงานนั้นประเมินได้ยาก เนื่องจากขึ้นอยู่กับการตีความของมนุษย์

Generative AI ใช้ทรัพยากรในการคำนวณมากกว่า และมีราคาแพงกว่าในการสร้าง ฝึกฝน และปรับแต่ง คุณสามารถดูข้อมูลเพิ่มเติมเกี่ยวกับค่าใช้จ่ายในการนำ AI ไปใช้ได้ในบล็อกของเรา เรายังไม่มีตัวเลขที่คล้ายกันสำหรับ generative AI ดังนั้นโปรดติดตามเพื่อเรียนรู้เพิ่มเติมเกี่ยวกับหัวข้อนี้ แต่เราสามารถพูดได้แล้วว่าการสร้างแบบจำลอง AI เชิงสร้างสรรค์ตั้งแต่เริ่มต้นนั้นเป็นเรื่องที่ล้นหลาม เพื่อประโยชน์ในการเปรียบเทียบ การประมาณการแสดงให้เห็นว่า OpenAI ฝึกฝน ChatGPT-3 บนข้อมูลข้อความประมาณ 45 เทราไบต์ ซึ่งเทียบเท่ากับพื้นที่ชั้นหนังสือหนึ่งล้านฟุต นั่นคงใช้เงินหลายล้าน ดังนั้น คุณอาจจะต้องปรับแต่งโมเดลที่มีอยู่อย่างละเอียด แทนที่จะสร้างขึ้นใหม่ตั้งแต่ต้น

แต่ AI กำเนิดนั้นค่อนข้างใหม่ คุณควรเชื่อถือมันเลยเหรอ?

เรามักจะได้ยินเกี่ยวกับ generative AI bloopers เช่นเวลาที่มีคนขอให้อธิบายว่าเหตุใดเนยจึงดีสำหรับการสร้างตึกระฟ้า และอัลกอริทึมยินดีสร้างข้อโต้แย้งที่สนับสนุนคำกล่าวอ้างนี้ ใช่แล้ว สิ่งเหล่านี้เกิดขึ้น แต่โปรดจำไว้ว่าเทคโนโลยีนี้จะทำการตัดสินใจโดยใช้แบบจำลองทางคณิตศาสตร์ ไม่ใช่ตามความเข้าใจตามบริบท ความเห็นอกเห็นใจ และบรรทัดฐานทางสังคม AI เจนเนอเรชั่นสามารถทำงานได้ดีมากในงานที่สร้างขึ้นมาเพื่อทำ

สุดท้ายนี้ ไม่จำเป็นต้องเป็น AI เชิงสร้างสรรค์หรือ AI เสมอไป Generative AI สามารถทำงานร่วมกับ AI ชนิดย่อยอื่นๆ เพื่อสร้างโซลูชันที่มีประสิทธิภาพยิ่งขึ้นสำหรับปัญหาทางธุรกิจของคุณ ปรึกษาบริษัทพัฒนา AI เพื่อทำความเข้าใจว่าโซลูชันใดที่เหมาะกับคุณที่สุด หรือวิธีรวมเทคโนโลยีทั้งสองเข้าด้วยกันเพื่อให้ได้ผลลัพธ์ที่ดีที่สุด

ต้องการปรับใช้ AI แต่ไม่แน่ใจว่าประเภทย่อยใดที่เหมาะกับความต้องการทางธุรกิจของคุณมากที่สุด วางสายเรา! ทีมของเราจะช่วยคุณปรับใช้/ปรับแต่งอัลกอริธึมที่เหมาะสม และรวมเข้ากับขั้นตอนการทำงานของคุณ

บทความนี้เผยแพร่ครั้งแรกบนเว็บไซต์ itrex