ความก้าวหน้าของ Generative AI

แนวคิด Generative AI

Daniel Tedesco

Data Lead, Google

ความร่วมมือจากหลายภาคส่วน

มหาวิทยาลัย
รัฐบาลและองค์กรภาคพลเมือง
ชุมชน Open-source
สตาร์ทอัปและบริษัทขนาดใหญ่

มหาวิทยาลัย

งานวิจัยใหม่ เช่น การประดิษฐ์ GAN
นักวิจัยรุ่นใหม่
ความร่วมมือกับภาคส่วนอื่น

หน้าแรกของศูนย์ AI มหาวิทยาลัยมอนทรีออล

¹ เว็บไซต์มหาวิทยาลัยมอนทรีออล

รัฐบาลและองค์กรภาคพลเมือง

รัฐบาล

กำหนดและบังคับใช้กฎระเบียบ
สนับสนุนทุนวิจัยพื้นฐาน

สถาบันภาคพลเมือง

จัดทำการวิเคราะห์อิสระ
ทรัพยากร เช่น ชุดข้อมูล
ทุนสนับสนุนโครงการ

ภาพบูธนิทรรศการในงานประชุม มีป้ายข้อความว่า "DARPA Demo Day"

¹ National Defense Magazine, https://www.nationaldefensemagazine.org/articles/2016/5/11/darpa-shows-off-technology-at-demo-day

ชุมชน Open-source

เปิดให้เข้าถึงเครื่องมือและโมเดลได้อย่างเสรี
ลดอุปสรรคในการเริ่มต้น ทดลอง และแบ่งปัน
ดูแลรักษาและรักษาคุณภาพได้ยาก
เพิ่มความเสี่ยงต่อการนำไปใช้ในทางที่ผิด

โปรเจกต์ Open-source ด้าน Generative AI บางส่วน

โลโก้ของเครื่องมือและโมเดล Generative AI แบบ Open-source หลายรายการ

สตาร์ทอัปและบริษัทขนาดใหญ่

แสวงหาความได้เปรียบทางการแข่งขัน
นำ Generative AI เข้าสู่การใช้งานในวงกว้าง
นำเสนอความก้าวหน้าเพื่อดึงดูดบุคลากรและสร้างความประทับใจแก่นักลงทุน

บริษัทขนาดใหญ่ยังเพิ่มเติม:

สนับสนุนทุนวิจัย เช่น การพัฒนา Transformer โดย Google
เข้าซื้อกิจการสตาร์ทอัป
ให้บริการฮาร์ดแวร์และทรัพยากรบนคลาวด์

ความท้าทายด้านการเปิดเผย

ข้อดี

การสนับสนุนจากนักพัฒนา
ดึงดูดบุคลากร
รับ Feedback ในวงกว้าง

ข้อเสีย

สูญเสียความได้เปรียบทางการแข่งขัน
ความเสี่ยงด้านความรับผิดจากการนำไปใช้ในทางที่ผิด

ขอบเขตการพัฒนา Generative AI

ปัจจัยเร่ง

ต้นทุนฮาร์ดแวร์ที่ลดลง
ความก้าวหน้าด้านการวิจัย
แรงกดดันด้านการแข่งขันและภูมิรัฐศาสตร์

ปัจจัยชะลอ

ข้อจำกัดทางเทคโนโลยี
กฎระเบียบที่เข้มงวดเกินไป
ระบบนิเวศแบบปิด
ทรัพยากรทางเศรษฐกิจที่จำกัด

มาฝึกกันเถอะ!

แนวคิด Generative AI

Preparing Video For Download...