“AI รายวัน” จาก Sora ถึง Gemini และ Gemma ใครตามไม่ทันก็ตกขบวน

OpenAI เจ้าของ ChatGPT เปิดตัว Sora ซอฟท์แวร์ AI สร้าง Video Clip สั้น “ตามสั่ง” ความยาว 1 นาที

เมื่อกลางเดือนกุมภาพันธ์ที่ผ่านมา OpenAI เปิดภาพจำลอง Video ที่ผลิตขึ้นโดย Sora ซอฟท์แวร์ AI สร้าง Video Clip สั้น ที่ทำงานตามคำสั่งในลักษณะข้อความ
ก่อนการแถลงข่าวเปิดตัวซอฟท์แวร์ AI สร้าง Video Clip สั้นดังกล่าว OpenAI เปิดให้เฉพาะทีมตรวจสอบระบบที่ประกอบด้วยศิลปิน ดีไซเนอร์ และผู้ผลิตภาพยนตร์ เข้าไประบุข้อบกพร่องของ Sora เพื่อรับฟังความคิดเห็นอย่างรอบด้านมาแล้วก่อนหน้านี้
โดยแถลงการณ์ของ OpenAI ระบุว่า Sora สามารถสร้างฉากแบบหลายตัวละครที่มีการเคลื่อนไหวเป็นแบบเฉพาะ และมีเนื้อหารายละเอียดของตัวละคร รวมถึงฉากหลังที่แม่นยำมาก
รายงานข่าวระบุว่า Sora สามารถสร้างฉากต่างๆ ได้ในเวลาไม่ถึง 1 นาที สำหรับ Video ความยาว 1 นาที จำนวน 1 Clip โดยเฉพาะอย่างยิ่ง Sora สามารถสร้างภาพนิ่งตามสั่งในโปรแกรมเดียวกันได้อีกด้วย
ทั้งนี้ OpenAI ได้เคยเปิดตัวซอฟต์แวร์ผลิตวิดีโอเช่นกับ Sora มาแล้วก่อนหน้านี้ หลังการเปิดตัว ChatGPT ไปได้ไม่นาน คือเมื่อปลายปี ค.ศ. 2022
ขณะที่เมื่อปีกลาย Meta บริษัทแม่ของ Facebook ได้ทำการเปิดตัว Emu ซึ่งเป็น AI Model คู่แข่ง Sora ที่สามารถผลิตภาพนิ่ง และตัดต่อวิดีโอจากข้อความได้เช่นเดียวกับ Sora
ทั้งนี้ ในปัจจุบัน จากข่าวคราวที่ออกมา ดูเหมือนว่า Sora ยังไม่เสร็จสมบูรณ์ เพราะยังพบความสับสนในรายละเอียดของ Video บางประการ
โดยเฉพาะอย่างยิ่ง ปัญหาเรื่องการจับภาพมุมต่างๆ
ซึ่งทาง OpenAI กำลังเร่งแก้ไขปัญหาดังกล่าว ควบคู่ไปกับการพัฒนาเครื่องมือสำหรับการระบุ ว่า Video ที่เผยแพร่ใดๆ ถูกสร้างโดย Sora หรือไม่ไปพร้อมกัน
ขณะที่ Google คู่แข่งคนสำคัญของ OpenAI ได้ออกซอฟท์แวร์เกี่ยวกับ AI มา 2 ตัวติดๆ กันในเวลาไล่เลี่ยกัน นั่นคือ Gemini และ Gemma
แม้ว่าจะมีข่าวเล็ดลอดออกมาถึงข้อบกพร่องของ Gemini อยู่บ้าง แต่ก็ถือว่า Google เล็งเห็นทิศทางของ AI ว่าโลกไม่มีวันถอยหลังกลับไปยุคก่อนหน้า AI อีกแล้ว เช่นเดียวกับ Facebook และ OpenAI ที่ต่างก็ให้ความสำคัญกับ AI อย่างไม่หยุดยั้งเช่นกัน
โดย Google ได้มีการเปิดเผยเมื่อไม่นานมานี้ ว่าได้มีการสั่งระงับฟีเจอร์ในระบบสร้างภาพคนของแชทบอทปัญญาประดิษฐ์ (AI: Artificial Intelligence) ที่ชื่อ Gemini
หลังจากที่ Google เพิ่งออกมาแถลงขอโทษต่อความผิดพลาด กรณีภาพอิงประวัติศาสตร์ที่ Gemini ได้สร้างขึ้นมาเมื่อไม่นานมานี้
เรื่องราวเริ่มต้นจากผู้ใช้งานแชทบอท Gemini คนหนึ่ง ได้โพสต์ภาพที่ถ่ายมาจากหน้าจอคอมพิวเตอร์ ซึ่งอันที่จริงควรเป็นภาพของสถานการณ์ในอดีตที่คนผิวขาวเป็นชนชั้นปกครองในสังคม
แต่กลับมีภาพของคนหลากหลายเชื้อชาติ และคนผิวสีปรากฏอยู่ด้วย โดยผู้โพสต์รายดังกล่าวระบุว่า ทั้งหมดเป็นภาพที่ถูกสร้างขึ้นโดย Gemini
ทั้งนี้ กรณีดังกล่าว ทำให้เกิดกระแสวิพากษ์วิจารณ์ในกลุ่มผู้ใช้งานสื่อสังคมออนไลน์ ว่า บริษัทเทคโนโลยีชั้นนำแห่งนี้คือ Google ได้ระแวดระวังการนำเสนออคติทางเชื้อชาติมากเกินความจำเป็นหรือไม่
โดยทาง Google ได้ออกมาอธิบายเรื่องว่า กำลังแก้ไขปัญหาที่เพิ่งเกิดขึ้นกับฟีเจอร์การสร้างภาพของ Gemini อยู่
“ทาง Google รับทราบเรื่องราวทั้งหมดแล้ว ว่า Gemini นำเสนอข้อมูลที่ผิดพลาดในกรณีการสร้างภาพที่อิงประวัติศาสตร์ดังกล่าว” Google กระชุ่น
Google กล่าวต่อไปว่า ทาง Google กำลังเร่งมือในการปรับปรุงฟีเจอร์ดังกล่าวทันทีที่ได้รับทราบข้อมูล
“ระหว่างที่ Google กำลังดำเนินการแก้ปัญหา Gemini อยู่นี้ Google จะหยุดพักระบบสร้างภาพผู้คนของ Gemini ไว้ก่อน โดยจะเปิดใช้งาน Gemini เวอร์ชั่นใหม่ ที่ได้รับการปรับปรุงแล้วต่อไปในเร็วๆ นี้” Google สรุป
ทั้งนี้ ข้อมูลจากงานวิจัยหลายชิ้นก่อนหน้านี้ ระบุว่า ระบบการสร้างภาพของ AI อาจทำงานในรูปแบบ Stereotype ด้านเชื้อชาติ และเพศสภาพ แบบเกินจริง
แม้จะเป็นการรวบรวมสารสนเทศจากฐานข้อมูลต่างๆ ก็ตาม
โดยเฉพาะอย่างยิ่ง การที่ AI สายนี้ ไม่มีฟิลเตอร์แต่งภาพ ภาพของคนที่สร้างออกมาอาจเป็นภาพของคนผิวขาวโดยอัตโนมัติ หากผู้ใช้งานสั่งให้มีการสร้างภาพคนขึ้นโดยไม่ลงรายละเอียด
นอกจาก Gemini แล้ว Google ยังได้เปิดตัว Gemma ซึ่งเป็น AI Model ตัวใหม่ล่าสุดของ Google
โดย Gemma เป็น AI Model แบบ Open Source ที่เปิดให้เหล่าผู้พัฒนาระบบซอฟท์แวร์ภายนอกสามารถออกแบบ AI Model หรือ “โมเดลปัญญาประดิษฐ์” ได้ด้วยตนเองอย่างอิสระโดยไม่เสียค่าใช้จ่ายใดๆ
ทั้งนี้ การเคลื่อนไหวล่าสุดของ Google กำลังดึงดูดวิศวกรซอฟต์แวร์ทั่วโลกให้เข้าร่วมออกแบบ และพัฒนา AI Model ผ่านระบบคลาวด์ของ Google
เนื่องจาก Gemma สามารถใช้งานร่วมกับกูเกิล คลาวด์ และลูกค้าที่ใช้บริการครั้งแรกจะได้รับเครดิต 300 ดอลลาร์ในการใช้ระบบคลาวด์ของ Google อีกด้วย
อย่างไรก็ตาม Google ไม่ได้เพิ่มเติมรายละเอียดในการเปิดให้ Gemma เป็น AI Model แบบ Open Source ทั้งหมด แปลไทยเป็นไทยก็คือ Google จะยังคงสิทธิ์ความเป็นเจ้าของ และควบคุมการใช้งานของระบบอยู่
ต่อกรณีนี้ นักวิเคราะห์ด้าน AI ส่วนใหญ่ลงความเห็นว่า AI Model แบบ Open Source อาจมีโอกาสที่จะถูกนำไปใช้ในทางที่ผิด ระหว่างที่หลายฝ่ายมองว่า นี่เป็นวิธีที่เปิดให้ผู้คนเข้าถึง และใช้ประโยชน์จาก AI ได้ในวงกว้าง
ทั้งนี้ Gemma ของ Google เป็น AI Model ขนาด 2,000-7,000 ล้านพารามิเตอร์ ซึ่งน้อยกว่า Gemini Open ที่ Google ปล่อยออกมาก่อนหน้านี้
ขณะที่ Llama2 ของ Meta บริษัทแม่ของ Facebook ซึ่งเป็น AI Model ที่เปิดตัวมาก่อนหน้านี้ มีขนาด 7,000-70,000 ล้านพารามิเตอร์ โดยเฉพาะอย่างยิ่ง GPT-3 ของ OpenAI ที่เปิดตัวเมื่อปี ค.ศ. 2020 มีขนาด 175,000 ล้านพารามิเตอร์เลยทีเดียว
อีกฟากฝั่งหนึ่ง Nvidia บริษัทผู้ผลิตชิปรายใหญ่ ได้ออกมาประกาศเมื่อไม่นานมานี้ ว่ากำลังทำงานร่วมกับ Google เพื่อให้ทุกฝ่ายมั่นใจว่า Gemma จะทำงานอย่างราบรื่นไม่มีสะดุดกับชิปของ Nvidia
รวมทั้งเตรียมเปิดตัวซอฟต์แวร์แชทบอทของ Nvidia เอง ที่สามารถทำงานกับ AI Model บน Windows PC และกับ Gemma ได้อย่างสมบูรณ์แบบและลงตัวในอีกไม่นานนี้ครับ