Pichai บอกว่ากูเกิลโชคดีที่มีทีมวิจัย AI ที่ดีที่สุดระดับ Top 3 ของโลกอยู่ถึง 2 ทีม และหากไปดูงานวิจัยด้าน AI ชิ้นสำคัญๆ ก็เป็นผลงานของสองทีมนี้เสียเยอะ แต่เมื่อโมเดลของ AI มีขนาดใหญ่ขึ้น ซับซ้อนขึ้น ต้องการทรัพยากรมากขึ้น การรวมทีมจึงเป็นสิ่งจำเป็น และทั้งสองทีมต่างตระหนักเรื่องนี้
เขาบอกว่า Google Brain กับ DeepMind ร่วมกันพัฒนาโมเดล Gemini ตัวใหม่อยู่ก่อนแล้ว การรวมทีมเข้าด้วยกันจึงเกิดขึ้นโดยธรรมชาติ ทิศทางใหม่ของ Google DeepMind จะเน้นการพัฒนาผลิตภัณฑ์ใช้งานจริงมากกว่างานวิจัยเหมือนในอดีต มีทรัพยากรด้านการทดสอบและความปลอดภัยของ AI มากขึ้น
ในแง่โครงสร้างการบริหารทีม Jeff Dean หัวหน้า Google Brain มีความเป็นวิศวกร นักวิจัยสูงมาก จึงอยากทำงานเป็นหัวหน้านักวิทยาศาสตร์ (chief scientist) มากกว่า ส่วน Demis Hassabis ซีอีโอ DeepMind เป็นนักสร้างระบบ AI มาตั้งแต่ต้น เขาจึงเหมาะกับการเป็นผู้บริหารทีมใหม่ที่รวมกันแล้ว
Pichai ยังบอกว่าเขาเตรียมความพร้อมเรื่อง AI มานานกว่าสิบปี ดังจะเห็นได้จากการตั้งทีม Google Brain, การซื้อกิจการ DeepMind, การดึงตัว Geoff Hinton ผู้บุกเบิกวงการ AI มาทำงานด้วยตั้งแต่ปี 2013, การสร้างชิป TPU เพื่อเร่งการประมวลผล AI ดังนั้นช่วงเวลาแห่ง AI จึงเป็นสิ่งที่เขาคาดหวังให้เกิดมานานแล้ว เขาตอบคำถามเรื่องการคุกคามของ OpenAI ว่ากูเกิลไม่ได้ต้องการเป็น “คนแรก” สิ่งสำคัญกว่าคือใช้เวลาทำมันให้ดีมากพอ (we took some time to get it right)
Today we are announcing the release of the first version of @heypi_ai, your personal AI.Pi stands for “personal intelligence” because it provides infinite knowledge based on your unique needs.Talk with Pi today at https://t.co/uD0fyCaWGe or by texting +1 (314) 333-1111. pic.twitter.com/C7YqwwixPb
Humans should be amplified by AI, not replaced.What if we each had our own personal intelligence (Pi) to cultivate and amplify our better selves?Today, @mustafasuleymn, Karén Simonyan & the @inflectionAI team debut @heypi_ai, a kind, personal AI that calibrates to your needs. https://t.co/zMizpQGTiA
กูเกิลประกาศรวมทีมวิจัยปัญญาประดิษฐ์สองทีมสำคัญ คือ Google Brain และ DeepMind เข้าเป็นทีมเดียวในชื่อ Google DeepMind โดยหวังว่าจะเร่งความเร็วในการพัฒนาปัญญาประดิษฐ์ในบริษัทให้เร็วยิ่งขึ้น
การปรับโครงสร้างครั้งนี้ ทำให้ Jeff Dean ปรับตำแหน่งไปเป็น Google’s Chief Scientist ดูแลทั้ง Google Research และ Google DeepMind ขณะที่ Demis Hassabis ซีอีโอ DeepMind จะเป็นผู้ดูแล Google DeepMind และถูกกำกับโดย Scientific Board ที่เป็นกรรมการจากตัวแทนฝ่ายต่างๆ ในกูเกิล เพื่อดูแลความคืบหน้างานวิจัยและทิศทางงานวิจัย
Financial Times รายงานข้อมูลโดยอ้างแหล่งข่าวว่า Musk กำลังสร้างทีมพัฒนา AI โดยดึงวิศวกรและนักวิจัยจำนวนหนึ่งเข้ามาทำงานด้วย ที่ระบุชื่อคือ Igor Babuschkin อดีตพนักงานของ DeepMind และชักชวนนักลงทุนบางรายใน SpaceX และ Tesla ให้มาร่วมลงทุนในบริษัทใหม่แห่งนี้
กูเกิลประกาศนำเอาโมเดลสาย Generative AI ของตัวเองมาให้บริการลูกค้าผ่าน Google Cloud
Google Cloud มีบริการชื่อ Vertex AI สำหรับสร้างและใช้งานโมเดล AI อยู่แล้ว (ข่าวเก่า) เพียงแต่โมเดลที่เปิดให้ใช้งานยังเป็นโมเดลทั่วไป เช่น data labeling, vision, prediction, translation ไม่ได้เป็นโมเดลทันสมัยเกาะกระแสแบบ generative หรือ LLM ที่กำลังฮิตกันในช่วงนี้
โมเดล Generative AI ที่กูเกิลจะนำมาให้ใช้งานคือ PaLM API ตามที่ประกาศไป (เพียงแต่ทดสอบแบบจำกัดวงเฉพาะ trusted partner เท่านั้น) นอกจากนี้ยังบอกว่าจะนำโมเดลจาก Google Research และ DeepMind มาให้ใช้ด้วย แต่ยังไม่ระบุชัดว่ามีตัวไหนบ้างและจะเปิดให้ใช้เมื่อไร
กูเกิลยังบอกว่าจะเปิด Vertex AI ให้เรียกใช้งานโมเดลจากบริษัทอื่นๆ (third party) และโมเดลที่เป็นโอเพนซอร์สด้วย ซึ่งจะทำให้ Vertex AI กลายเป็นบริการที่มีโมเดล AI ให้เลือกใช้งานมากที่สุด แต่ก็ยังไม่บอกเช่นกันว่าเมื่อไร
DeepMind เผยแพร่งานวิจัยใหม่ เป็นตัวดำเนินการ AI เรียกชื่อว่า DeepNash สำหรับการเล่นเกมที่ทำงานผสมผสานระหว่าง Model-Free Deep Reinforcement Learning ร่วมกับวิธีการ Nash Equilibrium ของ Game Theory
a: การจำลองการคูณเมทริกซ์ขนาด 2*2 ในรูปแบบ TensorGame โดยกล่องทึบใช้แทนค่าผลการคูณ ตัวอย่างเช่น c1 ได้จาก a1b1 + a2b3 จึงมีกล่องทึบในพิกัด (a1,b1) และ (a2,b3) ปรากฏอยู่ในแถว c1, b: อัลกอริทึมการคูณเมทริกซ์ของ Strassen ซึ่งใช้การคูณ 7 ครั้ง, c: การจัดเรียงวิธีการคำนวณใหม่เพื่อนำเสนอในรูปแบบสัมพันธ์กับ TensorGame โดยใช้สี 3 สีเพื่อจับคู่ให้เปรียบเทียบกับองค์ประกอบที่อธิบายตามอัลกอริทึมของ Strassen
ตารางเปรียบเทียบจำนวนขั้นตอนการคำนวณเพื่อหาผลการคูณเมทริกซ์ขนาด n*m กับเมทริกซ์ m*p โดยตัวเลขสีแดงหมายถึงจำนวนขั้นตอนการคำนวณที่ AlphaTensor ทำได้เร็วกว่าวิธีการที่ใช้อยู่เดิม
กราฟแสดงผลเปรียบเทียบประสิทธิในการคูณเมทริกซ์ขนาดต่างๆ เมื่อเทียบกับอัลกอริทึมเดิมของ Nvidia V100 GPU และ Google TPU
techfeedthai 