Generative AI

1.บทนำ

ปัจจุบันเทคโนโลยีทางด้านวิทยาการคอมพิวเตอร์ทั้งด้านซอฟต์แวร์ และฮาร์ดแวร์ มีการพัฒนาอย่างก้าวกระโดด ส่งผลให้เทคโนโลยีด้านปัญญาประดิษฐ์ซึ่งเป็นศาสตร์แขนงของสาขาวิทยาการคอมพิวเตอร์สามารถพัฒนาได้อย่างมีประสิทธิภาพและสามารถนำมาใช้ประโยชน์ได้อย่างเป็นรูปธรรม โดยสามารถนำเทคโนโลยีดังกล่าวมาใช้เพื่อสร้างเนื้อหาใหม่ที่เป็นต้นฉบับขึ้นมาได้ด้วยตนเอง โดยไม่จำเป็นต้องมีข้อมูลเริ่มต้น ระบบดังกล่าวจะใช้แบบจำลองที่จะสามารถเรียนรู้รูปแบบและคุณลักษณะจากชุดข้อมูลที่มีอยู่แล้วเพื่อสร้างสิ่งใหม่โดยทำความเข้าใจลักษณะของข้อมูลเหล่านั้น โดยเนื้อหาใหม่ดังกล่าวอาจจะอยู่ในรูปแบบต่าง ๆ เช่น ข้อความ รูปภาพ เพลง วิดีโอ เป็นต้น

2.ความหมายของ Generative AI 

      Generative AI คือการใช้เทคโนโลยีปัญญาประดิษฐ์ในการสร้างข้อมูลใหม่ที่มีความเชื่อมโยงหรือคล้ายคลึงกับข้อมูลที่เคยมีอยู่แล้ว โดยอาศัยการเรียนรู้จากข้อมูลเก่า เช่น การสร้างภาพศิลปะ, เสียง, ข้อความ หรือแม้กระทั่งเกมคอมพิวเตอร์ที่สามารถสร้างโลกและเนื้อเรื่องขึ้นมาเองได้ ซึ่ง Generative AI Application ที่กำลังได้รับความนิยมในปัจจุบันเช่น ChatGPT , Bard,DALL- E และ Midjourney เป็นต้น

3.แบบจำลองของระบบ Generative AI สามารถแบ่งประเภทได้ดังนี้

3.1 Generative Adversarial Networks (GANs): ระบบที่ประกอบด้วยสองส่วน คือ Generator ที่พยายามสร้างข้อมูลใหม่ และ Discriminator ที่พยายามแยกแยะว่าข้อมูลเป็นของจริงหรือของปลอม การแข่งขันระหว่างสองส่วนนี้ช่วยเพิ่มคุณภาพของข้อมูลที่ถูกสร้างขึ้นมา

3.2 Variational Autoencoders (VAEs): มีโครงสร้างที่อ้างอิงกับ Autoencoders ซึ่งทำหน้าที่บีบอัดข้อมูลเข้าสู่ขนาดที่เล็กลงและแยกคุณลักษณะสำคัญของข้อมูล เมื่อใช้งานในแบบ Generative AI VAEs สามารถสร้างข้อมูลใหม่จากพื้นฐานของข้อมูลที่เคยเห็น

3.3 Recurrent Neural Networks (RNNs): แบบจำลองประสาทเทียมที่มีความสามารถในการประมวลผลข้อมูลลำดับ เช่น การสร้างเนื้อเรื่องจากข้อความ แปลภาษา หรือสร้างเสียง

3.4 Transformers: แบบจำลองที่เหมาะสำหรับการประมวลผลข้อมูลที่มีความสัมพันธ์ที่ซับซ้อน เช่น การแปลภาษาและการสร้างข้อความ

3.5 Autoregressive Models: แบบจำลองที่ทำนายข้อมูลต่อไปโดยพิจารณาข้อมูลที่เคยมีอยู่ก่อนหน้า เช่น โมเดลที่สร้างประโยคหรือเสียง

3.6 Boltzmann Machines: แบบจำลองที่ใช้ในการจำลองข้อมูลแบบสุ่มโดยมีรูปแบบเป็นกราฟ

3.7 Neural Style Transfer Models: แบบจำลองที่นำศิลปะและสไตล์มาผสมผสานกัน เช่น การแปลงรูปภาพให้เป็นรูปภาพที่มีลักษณะเฉพาะของศิลปิน

4.ประเภทการประยุกต์ใช้งานของ Generative AI 

    Generative AI ได้รับการประยุกต์ใช้ในหลากหลายงานและอุตสาหกรรม ตัวอย่างการประยุกต์ใช้งานด้านต่าง ๆ ดังนี้

4.1 ด้านศิลปะและความสวยงาม: การสร้างภาพศิลปะ, วีดีโอ, และเสียงด้วย Generative AI เพื่อสร้างความสวยงามและนวัตกรรมในศิลปะและสื่อสร้างสรรค์ต่าง ๆ

4.2 ด้านการสร้างเนื้อหา: การสร้างข้อความ, บทความ, และเนื้อหาต่าง ๆ ที่เข้ากับลักษณะเฉพาะของช่วงเวลาและกลุ่มเป้าหมาย

4.3 ด้านวิทยาศาสตร์: การสร้างโมเดลทางคณิตศาสตร์, การทำนายและวิเคราะห์ข้อมูล, การสร้างโมเดลที่ช่วยในการค้นหายาใหม่ และการวิเคราะห์โครงสร้างโมเลกุลทางชีวภาพ

4.4 ด้านแสงสร้างสรรค์: การสร้างโมเดลเชิงสถิติที่ใช้ในการสร้างแสงในการจำลองแสงและเงาในภาพ 3 มิติ

4.5 ด้านเกมคอมพิวเตอร์: การสร้างโลกเสมือนจริงในเกม และการสร้างตัวละคร, สถานที่, และเนื้อเรื่องอัตโนมัติ

4.6 ด้านการแก้ปัญหาแบบสร้างสรรค์: การออกแบบผลิตภัณฑ์ใหม่, การวาดแผนที่, การจำลองปัญหาเชิงกลยุทธ์, และการช่วยในกระบวนการตัดสินใจ

4.7 ด้านการพัฒนายาและสารเคมี: การสร้างโมเดลที่ช่วยในการออกแบบยาใหม่และสารเคมี

4.8 ด้านเว็บและแอปพลิเคชัน: การสร้างตัวตนเสมือน, การสร้างรูปภาพ, และข้อมูลประเภทต่าง ๆ สำหรับเว็บและแอปพลิเคชัน

4.9 ด้านการเรียนรู้และการศึกษา: การสร้างเนื้อหาการศึกษา, การสร้างแบบจำลองการเรียนรู้, และการสร้างเครื่องมือสนับสนุนการสอน

4.10 ด้านการแก้ไขภาพและวิดีโอ: การปรับแต่งและแก้ไขภาพถ่ายและวิดีโออัตโนมัติ

6.สรุป

Generative AI ได้เพิ่มศักยภาพของ AI จากการเป็นเพียงเครื่องมืออัตโนมัติไปเป็นผู้ช่วยมนุษย์ที่มีความคิดสร้างสรรค์ที่เป็นของตนเอง โดยการเปลี่ยนวิธีการสร้างข้อมูลและนวัตกรรมในหลายอุตสาหกรรม และมีการประยุกต์ใช้ในด้านต่าง ๆ เช่น การสร้างภาพศิลปะ, เสียง, ข้อความ, และเกมคอมพิวเตอร์รวมถึงการประยุกต์ใช้ในวงการวิทยาศาสตร์และการแก้ปัญหาแบบสร้างสรรค์ อนาคตของ Generative AI นั้นมีศักยภาพที่สูงมาก เนื่องจากมีการพัฒนาและการนำเสนอที่ต่อเนื่องของเทคโนโลยีดังกล่าว

การอ้างอิง

www.goldmansachs.com/insights/pages/generative-ai-could-raise-global-gdp

-by-7-percent.html.

Y. Cao et al., “A comprehensive survey of AI-generated content 

(AIGC): A history of generative AI from GAN to chatGPT,” 

2023, arXiv:2303.04226.

 

What is generative AI?” McKinsey & Company. Accessed: 

Apr. 13, 2023. [Online]. Available: https://www.mckinsey.com

Y. Cao et al., “A comprehensive survey of AI-generated content 

(AIGC): A history of generative AI from GAN to chatGPT,” 

Y. Cao et al., “A comprehensive survey of AI-generated content 

(AIGC): A history of generative AI from GAN to chatGPT,” 

2023, arXiv:2303.04226.

 

What is generative AI?” McKinsey & Company. Accessed: 

Apr. 13, 2023. [Online]. Available: https://www.mckinsey.com

Y. Cao et al., A comprehensive survey of AI-generated content (AIGC): A history of generative AI from GAN to chatGPT, 2023, arXiv:2303.04226.

What is generative AI?” McKinsey & Company. Accessed: Apr. 13, 2023. [Online]. Available: https://www.mckinsey.com/featured-insights/mckinsey-explainers/what-is-generative-ai