คลังเก็บป้ายกำกับ: MACHINE_LEARNING

OpenAI เปิดตัวเครื่องมือตรวจจับข้อความที่สร้างโดย AI

OpenAI เปิดตัวเครื่องมือตรวจจับข้อความที่สร้างโดย AI ให้บริการแบบ Cloud-based

OpenAI ประกาศเปิดตัวเครื่องมือ AI Text Classifier ใหม่ ให้บริการแบบ Cloud-based มีความสามารถในการตรวจจับข้อความที่ถูกสร้างขึ้นโดย AI ไม่เพียงแต่จะสามารถแยกแยะข้อความที่สร้างจาก OpenAI Neural Network ได้เพียงเท่านั้น แต่สามารถตรวจจับข้อมความที่สร้างจาก AI Model ของคู่แข่งรายอื่นๆได้เช่นเดียวกัน อย่างไรก็ตาม OpenAI เผยว่าเครื่องมือนี้ยังมีข้อจำกัดในเรื่องความแม่นยำอยู่ โดยมีอัตราการตรวจจับที่แม่นยำประมาณ 26% (True positive) และแบบ False Positive ที่ 9% ทำให้เหมาะกับการวิเคราะห์ข้อความที่มีขนาดเกิน 1,000 ตัวอักษร หรือประมาณ 150 ถึง 250 คำขึ้นไป

OpenAI มีการพัฒนาซอฟต์แวร์เพื่อตรวจจับข้อความที่สร้างโดย AI มาตั้งแต่ปี 2020 โดยก่อนหน้านี้มีการเปิดตัว GPT-2 Output Detector เพื่อตรวจจับข้อความที่ถูกสร้างโดย GPT-2 Neural Network ซึ่งเครื่องมือ Classifier ตัวล่าสุดมีการปรับปรุงให้สามารถตรวจจับข้อความที่สร้างโดย AI Model สมัยใหม่ได้ดีขึ้น

ที่มา: https://siliconangle.com/2023/01/31/openai-launches-tool-detecting-ai-generated-text/

from:https://www.techtalkthai.com/openai-launches-new-ai-generated-text-detecting-tool/

HPE ซื้อกิจการ Pachyderm สตาร์ทอัพซอฟต์แวร์สำหรับงาน AI

Hewlett Packard Enterprise หรือ HPE ประกาศซื้อกิจการ Pachyderm สตาร์ทอัพที่พัฒนาซอฟต์แวร์แบบโอเพนซอร์ส สำหรับสร้าง Machine Learning Pipeline แบบอัตโนมัติ เพื่อใช้ในงานแอพพลิเคชัน AI ทั้งนี้ดีลดังกล่าวไม่มีการเปิดเผยมูลค่าที่เข้าซื้อ

Justin Hotard รองประธานและผู้จัดการทั่วไปส่วนธุรกิจ HPC และ AI ของ HPE พูดถึงดีลดังกล่าวว่าโครงการ AI ในองค์กรมีความซับซ้อนและขนาดข้อมูลที่ใหญ่ขึ้นเรื่อย ๆ นักวิทยาศาสตร์ข้อมูลมีความต้องการสร้างโซลูชัน AI ที่จัดการ Machine Learning อย่างมีประสิทธิภาพ และใช้ต้นทุนโครงสร้างพื้นฐานน้อยที่สุด ซึ่งซอฟต์แวร์ของ Pachyderm มีจุดเด่น รองรับข้อมูลทุกรูปแบบในงาน AI

HPE บอกว่าเทคโนโลยีของ Pachyderm จะนำมารวมกับแพลตฟอร์ม HPE Machine Learning Development Environment ตลอดจนนำมาให้บริการกับซูเปอร์คอมพิวเตอร์

ที่มา: HPE

No Description

from:https://www.blognone.com/node/132242

ลองเล่น ChatGPT : AI สุดฉลาด เขียนโค้ด, บทความ, ตอบคำถาม ได้แทบทุกอย่าง!

พาทุกคนมาลองเล่น ChatGPT ไปด้วยกัน : AI สุดฉลาด เขียนโค […] More

from:https://www.iphonemod.net/chatgpt-ai-machine-learning-test-base.html

Google เปิดตัว Machine Learning Add-on บน Google Sheets

Google ประกาศเปิดตัว Simple ML for Sheets เครื่องมือ Machine Learning Add-on บน Google Sheets

Credit: Google

Simple ML for Sheets เป็นเครื่องมือที่ใช้ Machine Learning มาช่วยวิเคราะห์ข้อมูลภายใน Google Sheets โดยผู้ใช้งานสามารถเปิดใช้งานได้จากเมนู Add-on ได้ทันที โดยที่ไม่จำเป็นต้องเขียนโค้ดแต่อย่างใด อย่างไรก็ตามจะต้องมีการเทรน AI Model เพื่อเก็บรวบรวม Data Point ก่อนใช้งาน ซึ่งในช่วงเริ่มต้นนั้นจะมี Use Case ให้ใช้งานด้วยกัน 2 รูปแบบ ได้แก่ การช่วยวิเคราะห์และเติมข้อมูลภายในช่องที่ว่าง และช่วยวิเคราะห์หาข้อมูลที่ผิดปกติ

Simple ML ใช้เทคโนโลยี Machine Learning เดียวกับ TensorFlow Decision Forests ทำให้มีความแม่นยำสูง นอกจากนี้ข้อมูลโมเดลที่ถูกสร้างขึ้นจากการเทรนจะถูกเก็บอยู่ภายใน Google Drive ทำให้มั่นใจได้ว่าข้อมูลจะไม่หลุดรั่ว และสามารถ Export โมเดลที่ผ่านการเทรนแล้วไปใช้งานกับระบบอื่นๆภายใต้ TensorFlow Ecosystem ได้อีกด้วย ปัจจุบัน Simple ML สามารถใช้งานได้แล้วแบบ Beta ผู้ที่สนใจสามารถใช้งานได้แบบไม่มีค่าใช้จ่าย

ที่มา: https://siliconangle.com/2022/12/07/google-introduces-new-machine-learning-addon-google-sheets/

from:https://www.techtalkthai.com/google-launches-machine-learning-add-on-for-google-sheets/

“วิศวะมหิดล – JAIST เตือนภัย” เผยผลวิจัย AI -Machine Learning ถูกโจมตีผ่านข้อมูลที่ซ่อนในคิวอาร์โค้ดได้ พร้อมชี้ 2 แนวทางป้องกัน [Guest Post]

โลกแห่งศตวรรษที่ 21 นั้น เทคโนโลยีปัญญาประดิษฐ์ (AI) และ Machine Learning (ML) ได้รับความนิยมเป็นซูเปอร์ฮิตดังแก้วสารพัดนึก แต่ยังมีคำถามว่าปลอดภัยไว้วางใจได้ 100% หรือไม่ ?  ทีมวิศวกรนักวิจัยไทย-ญี่ปุ่น โดย คณะวิศวกรรมศาสตร์ มหาวิทยาลัยมหิดล ร่วมกับ สถาบันวิทยาศาสตร์และเทคโนโลยีขั้นสูงแห่งประเทศญี่ปุ่น หรือ JAIST (Japan Advanced Institute of Science and Technology) เปิดผลวิจัยสุดเซอร์ไพรส์โดยได้รับการตีพิมพ์ในวารสารนานาชาติ เรื่อง ‘การโจมตีการเรียนรู้ของเครื่องผ่านรูปแบบตัวอย่างปฏิปักษ์ (Attacking Machine Learning With Adversarial Examples)’ ชี้ให้เห็นว่า Machine Learning ยังมีช่องโหว่ภัยความเสี่ยงจากการโดนโจมตีที่จะสร้างความเสียหายได้ ตอกย้ำว่าแม้เทคโนโลยีจะเลิศล้ำเพียงใด ยังจำเป็นต้องมีมนุษย์ตรวจสอบเพื่อยืนยันผลลัพธ์ที่เชื่อถือได้ 

รศ.ดร.จักรกฤษณ์ ศุทธากรณ์ คณบดีคณะวิศวกรรมศาสตร์ มหาวิทยาลัยมหิดล กล่าวว่า ปัจจุบันเทคโนโลยี AI และ Machine Learning (ML) มีบทบาทในวิถีชีวิตของประชาชน การทำงาน และหลายธุรกิจอุตสาหกรรม เช่น การแพทย์สุขภาพ ธุรกิจการค้า อีคอมเมิร์ซ ตลาดทุนการเงิน ยานยนต์ขนส่งโลจิสติกส์ โทรคมนาคม การผลิตในอุตสาหกรรม ความมั่นคงปลอดภัยจึงเป็นเรื่องสำคัญ ผลงานวิจัย ‘การโจมตีการเรียนรู้ของเครื่องผ่านรูปแบบตัวอย่างปฏิปักษ์’ นี้ได้รับการตีพิมพ์ใน ‘วารสารนานาชาติ Journal of Imaging’ ได้รับความสนใจอย่างสูงจากประชาคมโลก เนื่องจากเป็นครั้งแรกที่มีการออกแบบการโจมตี ML Model ในรูปแบบของ QR Code ซึ่งจะเป็นประโยชน์ต่อความมั่นคงปลอดภัยของบริการที่เข้าถึงประชาชนและองค์กรในวงการต่างๆ สำหรับทีมนักวิจัยไทย-ญี่ปุ่น 3 คน มาจากการผนึกความร่วมมือระหว่างคณะวิศวกรรมศาสตร์ มหาวิทยาลัยมหิดล และสถาบันวิทยาศาสตร์และเทคโนโลยีขั้นสูงแห่งประเทศญี่ปุ่น (JAIST) ประกอบด้วย ดร. กรินทร์ สุมังคะโยธิน อาจารย์ภาควิชาวิศวกรรมคอมพิวเตอร์ คณะวิศวะมหิดล  ศ. โคตานิ คาซุโนริ และ ผศ. ปริญญา ศิริธนวันต์ จากสถาบัน JAIST

ดร. กรินทร์ สุมังคะโยธิน อาจารย์ภาควิชาวิศวกรรมคอมพิวเตอร์ คณะวิศวกรรมศาสตร์ มหาวิทยาลัยมหิดล กล่าวถึงที่มาของงานวิจัย ว่า AI ปัญญาประดิษฐ์เป็นการทำให้คอมพิวเตอร์หรือเครื่องจักรฉลาด ส่วนMachine Learning (ML) เป็นหนึ่งในกระบวนการเรียนรู้ของ AI โดยการนำเข้าข้อมูลสู่อัลกอริทึม เพื่อสร้างโครงข่ายการตัดสินใจในการคาดคะเนแนวโน้มหรือทำนายผลลัพธ์ คล้ายคลึงกับการตัดสินใจของมนุษย์ เพื่อลดภาระงานหนักและความผิดพลาดจากความเหนื่อยล้า ตัดสินใจได้รวดเร็วกว่าเมื่อเทียบกับการทำงานของมนุษย์ อย่างไรก็ตามความเข้าใจถึงโครงสร้างการตัดสินใจของเน็ตเวิร์คโมเดลของ Machine Learning นั้นยังคงคลุมเครือ ทำให้ในปัจจุบัน Machine Learning สามารถถูกโจมตีผ่านความคลุมเครือดังกล่าวจากผู้ประสงค์ร้าย เพื่อใช้ประโยชน์จากผลลัพธ์ที่ผิดเพี้ยน ด้วยเหตุนี้ทีมนักวิจัยจึงทำการศึกษาวิจัยด้านการโจมตี ML โดยมี วัตถุประสงค์เพื่อศึกษารูปแบบการโจมตีโดยมุ่งเน้นการโจมตีที่สามารถหลบหลีกการสังเกตุจากมนุษย์ ซึ่งอาจจะสร้างความเสียหายหรือผลเสียได้อย่างมหาศาล ไม่ว่าจะเป็นแวดวงการเงิน การรักษาพยาบาล การสื่อสาร คมนาคมขนส่ง ระบบรักษาความปลอดภัยของข้อมูล ระบบการผลิต จนถึงระบบการป้องกันประเทศ 

ทีมวิจัยวิศวะมหิดล – JAIST ใช้เวลาศึกษาวิจัยร่วมกันกว่า 3 ปี แม้จะมีอุปสรรคช่วงวิกฤติโควิด-19 แต่ก็สามารถทำงานผ่านระบบออนไลน์บนแพลตฟอร์มที่มีประสิทธิภาพระดับสูงของญี่ปุ่น เราได้ศึกษาวิเคราะห์และออกแบบ การโจมตีการเรียนรู้ของ ML ผ่านรูปแบบตัวอย่างปฏิปักษ์ บนสมมุติฐานโดยที่มีเป้าหมายในการโจมตี ML Model และสามารถหลบเลี่ยงการสังเกตจากมนุษย์ ทำให้ส่งผลกระทบต่อการตัดสินใจผิดพลาดของเครื่องจักร โดยการโจมตีนั้นสามารถมุ่งเป้าไปที่ผลลัพธ์ใดๆ ที่ถูกกำหนดไว้ล่วงหน้าได้ โดยเราได้กำหนดรูปแบบการโจมตีผ่านข้อมูลที่ถูกซ่อนใน ‘รูปแบบ QR-Code’ สำหรับฟังก์ชั่นการทำงาน ของการโจมตีในรูปแบบ Adversarial Examples เป็นการหลอก AI ให้สับสน โดยการใส่ข้อมูลปนเปื้อนลงไปในข้อมูลเป้าหมาย อาทิ ข้อมูลภาพ, ข้อมูลเสียง, ข้อมูลสัญญาณ หรือ ข้อมูลประเภทอื่นๆ โดยผลการโจมตีนั้นมีทั้งแบบการกำหนดผลลัพธ์จากการโจมตีไว้ล่วงหน้า หรือ ทำให้ผลลัพธ์คลาดเคลื่อนจากสิ่งที่ควรจะเป็นได้

สรุปผลการวิจัย สามารถบีบอัดให้ข้อมูลการโจมตีผ่านข้อมูลที่ถูกซ่อนใน QR-Code ที่สามารถแสกนได้ และยังคงความสามารถของการโจมตีแบบมุ่งเป้าหมายผลลัพธ์ได้เป็นอย่างดี นอกจากการใช้ในการทดสอบการโจมตี Machine Learning แล้ว งานวิจัยชิ้นนี้ยังสามารถนำมาใช้พัฒนา ระบบป้องกันและตรวจจับการโจมตีจากการวิเคราะห์โดย ML Model ในหลายๆ วัตถุประสงค์อีกด้วย เช่น ปกป้องความเป็นส่วนตัว ระบบป้องกันทางการทหาร อีกด้วย เป็นการพิสูจน์ให้เห็นว่าการตัดสินใจของ Machine Learning ควรใช้เป็นเพียงเครื่องมือและนวัตกรรมที่ช่วยลดภาระงานของมนุษย์เท่านั้น ท้ายสุดแล้วยังคงต้องได้รับการตรวจสอบจากมนุษย์ผู้เชี่ยวชาญเพื่อยืนยันผลลัพธ์เป็นขั้นตอนสุดท้าย

จากความสำเร็จของงานวิจัยชิ้นนี้ แผนในอนาคต ทีมวิจัยไทย-ญี่ปุ่น จะคิดค้นหาวิธีการที่สามารถโจมตีได้มีประสิทธิภาพในระดับสูงยิ่งขึ้นอีก เพื่อก้าวทันเทคโนโลยีใหม่ๆ ที่เปลี่ยนแปลงรวดเร็ว  และยังคงไว้ซึ่งความสามารถในการทำงานของรูปแบบข้อมูลดั้งเดิม (เช่น การโจมตีในรูปแบบ QR-Code ต้อง Scan ได้ เป็นต้น) 

สำหรับวิธีป้องกันการโจมตี Adversarial Example Attackในอนาคต มี 2 แนวทาง ได้แก่ 1.ใช้การโจมตี Adversarial Example เพื่อปกป้องข้อมูลจากการถูกตรวจสอบที่ไม่ได้รับอนุญาต 2. ใช้ข้อมูลที่ได้จากการโจมตี Adversarial Example นำกลับมาเพื่อวิเคราะห์ถึงการโจมตี และออกแบบ Machine Learning โมเดลที่ทนทานต่อการโจมตีมากยิ่งขึ้น

ข้อแนะนำในการใช้ Machine Learning อย่างปลอดภัย พึงระวังเสมอว่า ข้อมูลนำเข้าอาจถูกปนเปื้อนการโจมตีมุ่งเป้าในรูปแบบต่างๆ เช่น Adversarial Example หรืออาจพ่วงมากับมัลแวร์ ดังนั้นการใช้ Machine Learning เพื่อการทำงานที่มั่นคงและปลอดภัย มีความจำเป็นต้องมีวาง ระบบการตรวจสอบผลลัพธ์สุดท้ายโดยผู้เชี่ยวชาญ เพื่อความถูกต้องที่เชื่อถือได้อีกครั้ง อย่าปล่อยให้ Machine ทำงาน 100%  ในปัจจุบัน AI และ Machine Learning ยังมีข้อจำกัดและจะเป็นตัวช่วยที่ดีได้ก็ต่อเมื่อทั้งคนและเครื่องจักรมีการคิดและทำงานประสานกันอย่างสมดุล ไม่อ้างอิงฝ่ายใดฝ่ายหนึ่งมากจนเกินไป 

from:https://www.techtalkthai.com/engineering-mahidol-jaist-warns-revealing-the-results-of-ai-machine-learning/

TensorFlow เผยแผนออกรุ่นใหญ่ปี 2023, รองรับโค้ดเก่าของ TensorFlow 2 ทั้งหมด 100%

ทีม TensorFlow ประกาศแผนการออกเวอร์ชันใหญ่รุ่นหน้า (น่าจะเรียกว่า TensorFlow 3 นับต่อจาก TensorFlow 2.x ในปัจจุบัน เวอร์ชัน 2.0 ออกเมื่อปี 2019) โดยมีกำหนดออกรุ่นพรีวิวในไตรมาส 2/2023 และออกรุ่นจริงภายในปี 2023

ทีม TensorFlow การันตีว่าโค้ดเก่าทั้งหมดของ TensorFlow 2 จะเข้ากันได้กับเวอร์ชันใหม่ 100% ไม่ต้องแก้หรือแปลงโค้ดของเก่าใดๆ นำมารันได้ทันที

ของใหม่ใน TensorFlow เวอร์ชันถัดไป แบ่งออกเป็น 4 หมวด ได้แก่

  • Fast and scalable

    • รองรับการทำ XLA (Accelerated Linear Algebra) Compilation ซึ่งเป็นเทรนด์ของวงการ machine learning ที่ให้กระบวนการเทรนโมเดลรวดเร็วขึ้น โดยจะผลักดันผ่านโครงการ OpenXLA
    • พัฒนา API ใหม่สำหรับการประมวลผลแบบขนานชื่อ DTensor
    • ปรับแต่งประสิทธิภาพในภาพรวม ผ่านการทำ optimization ต่างๆ
  • Applied ML พัฒนาเครื่องมือใหม่ๆ อย่าง KerasCV (computer vision) และ KerasNLP (natural language processing) เพื่อให้นำ machine learning ไปประยุกต์ใช้ในงานด้านอื่นๆ ได้ง่ายขึ้น
  • Ready to deploy
    • พัฒนาฟีเจอร์ด้านการ export โมเดลไปยังอุปกรณ์อื่นๆ เช่น สมาร์ทโฟน ไมโครคอนโทรลเลอร์ JavaScript ผ่านช่องทางอย่าง TFLite และ TF.js
    • พัฒนา API สำหรับเชื่อมต่อ TensorFlow 2 กับแอพพลิเคชันที่เป็น C++
    • พัฒนาการดีพลอยโมเดล JAX ผ่าน TensorFlow Serving
  • Simplicity
    • รองรับ Numpy API สำหรับการคำนวณทางคนิตศาสตร์ที่นิยม NumPy อยู่แล้ว
    • ปรับปรุงการดีบั๊กให้ง่ายขึ้น

No Description

ที่มา – TensorFlow Blog

from:https://www.blognone.com/node/131092

Meta เปิดตัว Grand Teton ฮาร์ดแวร์ OCP สำหรับประมวลผล AI รุ่นใหม่

ในงาน OCP Global Summit 2022 ที่กำลังจัดขึ้น Meta ได้ประกาศเปิดตัว Grand Teton ฮาร์ดแวร์ OCP สำหรับประมวลผล AI รุ่นใหม่

Credit: Meta

Meta เปิดตัว Grand Teton ภายใต้โครงการ Open Compute Project (OCP) เป็นฮาร์ดแวร์ที่ติดตั้ง GPU ออกแบบมาสำหรับประมวลผล Machine Learning และ Inference โดยเฉพาะ นับเป็นรุ่นที่ 2 หลังจากที่เคยเปิดตัว Zion-EX platform เมื่อปีก่อน โดยรุ่นนี้มี Host-to-GPU bandwidth เพิ่มขึ้นถึง 4 เท่า, มี Compute และ Network bandwidth เพิ่มขึ้น 2 เท่า และใช้พลังงานได้ดีขึ้น 2 เท่า มีการเปลี่ยนการออกแบบจากที่เคยแยกส่วนเป็น Subsystem และเชื่อมต่อผ่านสายสัญญาณภายนอก ในรุ่น Zion-EX กลายเป็น Unified Node รวมทุกอย่างอยู่ในเครื่องเดียว พร้อมติดตั้ง NVIDIA H100 Tensor Core GPU ภายใน ส่งผลให้มีประสิทธิภาพสูงขึ้น รองรับงานลักษณะ Memory-bandwidth-bound workload เช่น Deep Learning Recommendation Models (DLRMs) ที่ต้องการพลังในการเทรนระดับ Zetaflop

ผู้ที่สนใจสามารถดูรายละเอียดของฮาร์ดแวร์เพิ่มเติมในรูปแบบ 3D Model ได้ที่ https://metainfrahardware.com/

ที่มา: https://www.theregister.com/2022/10/18/meta_ocp_grand_teton/

from:https://www.techtalkthai.com/meta-launches-new-grand-teton-ocp-hardware-for-ai-computing/

Google เปิดตัวระบบปฏิบัติการ KataOS สำหรับใช้งานบน Embedded Device

Google เปิดตัวระบบปฏิบัติการ KataOS สำหรับใช้งานบน Embedded Device ขนาดเล็ก

Credit: Google

Google ได้ประกาศเปิดตัวระบบปฏิบัติการใหม่ในชื่อ KataOS อยู่ภายใต้โครงการ Project Sparrow ซึ่งอยู่ระหว่างการพัฒนา โดยเป็นการพัฒนาระบบ Secure Embedded Platform สำหรับอุปกรณ์ขนาดเล็ก เพื่อให้รองรับการประมวลผลแอพพลิเคชัน Machine Learning และมีความปลอดภัยในการใช้งานสูง

Google ได้ร่วมมือกับ Antmicro ผู้พัฒนา seL4-sys ในการพัฒนา KataOS ขึ้นมา ปัจจุบันตัวระบบปฏิบัติการเองรองรับการทำงานบนชุดคำสั่ง Arm64 เป็นหลัก และมีแผนในการพัฒนาให้รองรับการทำงานบน openTitan ซึ่งใช้ RISC-V ในอนาคต KataOS ถูกพัฒนาด้วยภาษา Rust เกือบทั้งหมด ยกเว้นใน seL4 ที่เป็นส่วน Microkernel ที่ใช้ภาษา C เป็นหลัก Google มีแผนจะเปิด Open Source โครงการ Sparrow ทั้งหมด รวมในส่วนทั้งฮาร์ดแวร์และซอฟต์แวร์ ผู้ที่สนใจสามารถอ่านรายละเอียดเพิ่มเติมของโครงการได้ทาง GitHub

ที่มา: https://www.theregister.com/2022/10/17/google_kata_os/

from:https://www.techtalkthai.com/google-introduces-kataos-for-embedded-device/

เมื่อ AI ก้าวเข้ามามีบทบาทสำคัญในวงการศิลปะ… ในอนาคตจะมาแทนที่ศิลปินได้จริงหรือไม่ ?

ในปัจจุบันเทคโนโลยีปัญญาประดิษฐ์ หรือ AI ได้ก้าวเข้ามามีบทบาทที่สำคัญมากขึ้นในชีวิตของเรา พร้อมกับมีการพัฒนาอยู่ตลอดเวลาไม่ว่าจะเป็นด้านอุตสหกรรม, วงการแพทย์ , สังคม , เศรษฐกิจ รวมไปถึงวงการศิลปะที่เรากำลังจะพูดกันอยู่ตอนนี้ค่ะ อย่างการประมวลผลการทำงานของ Midjourney ที่กำลังเป็นกระแสอยู่ในช่วงเวลานี้ เรียกว่าไม่มีใครไม่รู้จักอย่างแน่นอน เราจะมาถกประเด็นกันว่าการที่ AI ก้าวเข้ามามันมีจุดเปลี่ยนแค่ไหน แล้วส่งผลกระทบต่อมนุษย์อย่างไรบ้าง ?!

บทบาทของ AI ที่กำลังขยายตัว  

เราต้องยอมรับก่อนอย่างหนึ่งว่าตอนนี้เทคโนโลยีได้ก้าวเข้ามามีบทบาทที่สำคัญอย่างมาก ในหลากหลายด้านจึงไม่สามารถหลีกเลี่ยงได้เลยว่าเราจะไม่หวังพึ่งเทคโนโลยี ต้องบอกว่าอนาคตกับการเปลี่ยนแปลงของโลก ณ ตอนนี้เดินหน้าไปพร้อมนวัตกรรมใหม่ ๆ อยู่ตลอดเวลาเลยค่ะ ทั้งการคิดเชิงวิพากษ์ โครงสร้างสังคม การแก้ปัญหา การจัดการปฏิสัมพันธ์ของมนุษย์ และเหนือสิ่งอื่นใด การแสดงออกทางความคิดสร้างสรรค์ ยิ่งตัว AI ก้าวข้ามขีดจำกัดที่มนุษยเกินจะควบคุมได้ย่อมเกิดการตั้งคำถามเป็นธรรมดา 

ทำไม Midjourney ถึงเกิดกระแสขึ้นมาในบ้านเรา ?

เมื่อวันที่ 26 สิงหาคมที่ผ่านมา มีงานศิลปะที่สร้างขึ้นโดย AI ได้รับรางวัลชนะเลิศในการแข่งขันวิจิตรศิลป์ ในหมวดหมู่ดิจิทัล Fine Arts เป็นการแข่งขันที่จัดขึ้นในระดับรัฐโคโลราโดประเทศสหรัฐอเมริกาค่ะ

ผลงานที่สร้างโดย AI ของเจสัน อัลเลน (Jason Allen) ได้ใช้ Midjourney AI หรือปัญญาประดิษฐ์ในการสร้างภาพศิลทำให้เป็นหนึ่งในผลงานที่ AI สร้างขึ้นชิ้นแรกที่ชนะรางวัลพร้อมเงิน 300 ดอลลาร์ ผลงานของเจสันมีชื่อว่าเทียเทอร์ เด โอเปร่า สปาเทียล “Théâtre D’opéra Spatial” แปลว่าโรงละครโอเปร่าอวกาศ  ถ้าเรามามองดูรายละเอียดและองค์ประกอบภาพจะรู้สึกเลยว่ามันสวยงามมากจริง ๆ แต่เจสันไม่ได้วาดเองนั่นแหละค่ะ 

เรื่องนี้ทำให้เกิดกระแสวิพากษ์วิจารณ์ก่อเป็นดราม่าอย่างหนักในต่างประเทศ ว่าทำไมถึงปล่อยให้งานนี้ได้รับรางวัล บ้างก็บอกว่าเป็นงานที่น่ารังเกียจไม่สมควรได้รับ เพราะว่าเป็นการโกงในขณะที่คนอื่นใช้โปรแกรมวาดภาพอย่าง Photoshop หรือซอฟแวต์แวร์สำหรับวาดภาพ จึงเกิดการตั้งคำถามเพิ่มเติมกับศิลปะในไทยและทั่วโลก อันนี้เราคงต้องมองลึกลงไปว่าที่เหล่าศิลปินไม่พอใจเพราะการจะวาดรูปออกมาแต่ละครั้งเราต้องคิดทั้ง concept ไอเดียลงแรงลงกายเพื่อให้วาดภาพที่สวยงามออกมาสักหนึ่งรูป ใช้ระยะเวลาและหัวใจเป็นหลัก  คนที่ออกมาพูดถึงประเด็นเหล่านี้ก็ไม่ได้เป็นความคิดเชิงลบต่อ Midjourney ไปเสียทั้งหมด เขาแค่ต้องการคำตอบว่าแล้วจุดยืนของศิลปินในอนาคตจะเป็นยังไงต่อไป ทั้งเรื่องการขายผลงาน มันจะดีกว่ามั้ยถ้าเราสนับสนุนศิลปะที่มนุษย์สร้างขึ้นมาเอง นี่ก็เป็นประเด็นหลัก ๆ อย่างหนึ่งที่เรายกมา  

ทางเจสันได้ออกมาชี้แจงถึงกรณีตัวเขาเองได้ทำการแจ้งอย่างชัดเจนว่า ตัวผลงานส่งมาในชื่อ “Jason M. Allen via Midjourney”  ถูกสร้างขึ้นโดย AI ซึ่งเขาไม่ได้หลอกลวงใครเกี่ยวกับที่มาของผลงาน และย้ำคำตอบว่า   “I’m not going to apologize for it,” he said. “I won, and I didn’t break any rules.” แปลตรง ๆ คือผมจะไม่ขอโทษสำหรับเรื่องนี้ ผมชนะ และไม่ได้ทำผิดกฎอะไร  

ตัวเจสันเองเคยทดลองงานศิลปะที่สร้างโดย AI มาหลายปีแล้วค่ะ แต่เครื่องมือที่เปิดตัวมาไม่นานมากอย่าง DALL-E 2, Midjourney และ Stable Diffusion ทำให้คนหลายคนอยากลองเข้าไปใช้ดู มันสามารถประมวลผลงานที่ซับซ้อนออกมาได้ไม่ว่าจะเป็นรูปแบบนามธรรม  abstract และ photorealistic ได้อย่างง่าย เรียกว่าทำให้งานของมือสมัครเล่นดูเป็นงานมืออาชีพขึ้นมาได้เพียงแค่ปลายนิ้ว ใส่คำสองสามคำลงในกล่องข้อความแค่นี้ตัว Ai จะสร้างภาพให้เราสำเร็จเหมือนการที่เจสันอยากรู้ที่มาของ Midjourney ค่ะ ว่ามันจะแตกต่างจากตัวอื่นยังไง เพราะเขาถูกเชิญให้เข้าร่วมเซิร์ฟเวอร์แชทของ Discord Midjourney อีกด้วย เขาใช้เวลาหมกมุ่นทดลองการสร้างภาพเป็นหลายร้อยภาพไปกับโปรแกรมนี้จนในสุดท้ายได้ภาพชุดนี้มาจึงอยากให้ทุกคนได้ทึ่งในความสวยงามของมัน แต่พอได้รางวัลขึ้นมาก็เป็นประเด็นมาจนถึงบ้านเราไปด้วย 

Midjourney คืออะไร

Midjourney เป็น AI ที่ถูกสร้างขึ้นโดย  “David Holz” เขาเป็นคนที่สนใจในเรื่องราวเทคโนโลยีที่ล้ำสมัยและอยากพามนุษย์ก้าวเข้าสู่วิถีชีวิตแบบ  Touchless จึงได้เริ่มต้นทำโปรเจ็คอย่าง Midjourney นั่นเอง เขาแค่อยากให้โปรแกรมมาเป็นเครื่องมือแห่งจินตนาการค่อยช่วยให้เราได้รับมุมมองสร้างสรรค์ใหม่ ๆ และสนุกไปกับมัน เพราะการเรียนรู้ของมนุษย์นั้นมีขีดจำกัดยากที่จะจินตนาการได้  แต่ในทางกลับกัน AI สามารถปรับปรุงขอบเขตและขยายชุดข้อมูลได้อย่างมหาศาล

เขาได้ให้สัมภาษณ์กับ The Verge ได้อย่างน่าสนใจ  “เราจะขยายพลังแห่งจินตนาการเผ่าพันธ์ุมนุษย์ได้อย่างไร? คอมพิวเตอร์มีจินตนาการภาพมากกว่ามนุษย์ 99% ไม่ได้หมายความว่ามนุษย์ต้องหยุดจินตนาการ รถยนต์เร็วกว่ามนุษย์ แต่ไม่ได้หมายความว่าเราต้องหยุดเดิน ดังนั้นมันจึงเป็นเรื่องที่ดี และมีความเป็นมนุษย์อย่างหนึ่ง”  และการมีโปรแกรมมาช่วยเราอำนวยความสะดวกก็ไม่ได้หมายว่าพวกเราจะต้องหยุดเรียนรู้ใช่มั้ยล่ะ เป็นเหตผลที่เข้าใจได้ง่ายค่ะ 

หลักการทำงานของ Midjourney เป็นแบบไหน

Midjourney เรียกว่าเป็นโปรแกรม Bot ที่เรียนรู้งานศิลปะได้ด้วยตัวเองจากการใช้ Discord ให้เราเข้าร่วมเซิร์ฟเวอร์ Midjourney ซึ่งจะเป็นคอมมูนิตี้บนแพลตฟอร์มที่มีอยู่แล้วมันจะทำการใช้นวัตกรรม Machine Learning และ Neural Networks ในการเรียนรู้ข้อมูลที่ซับซ้อนในรูปแบบคำศัพท์และรูปภาพต่าง ๆ และเก็บไว้ในคลังเพื่อประมวลผลงานศิลปะออกมาหรือที่เราคุ้นกันดีว่า Ai Generative Art

ยกตัวอย่าง  เราอยากได้ภาพสวนดอกไม้ในช่วงฤดูร้อนที่มีกระต่ายอยู่ในภาพ เราแค่ป้อนคำสั่ง Prompt  + red flower + garden + summer + rabbit แค่นี้มันจะทำการ Generate ภาพให้เราจนครบ 100 เปอร์เซ็นต์โดยไปดึงภาพที่เคยมีมาอยู่แล้วบนฐานออนไลน์เป็น Source ฟรี แบบถูกกฎหมาย ภาพด้านล่างเป็นภาพที่เราได้ทำการลองเล่นกับ Midjourney ค่ะ

แต่เรื่องนี้ยังมีความคลุมเครืออยู่ค่ะในเรื่องลิขสิทธิ์เราจะมาคุยกันอีกที แต่ว่าภาพที่เอามาจากศิลปินแล้วไม่เกิดปัญหาคือศิลปินที่ได้ตายไปแล้วเป็น 100 ปีอย่าง วินเซนต์ แวน โก๊ะ (van Gogh) จนกลายเป็น Public Domain ไม่ติดลิขสิทธิ์ การทำงานของ Prompt เปรียบเสมือนหน้ากระดาษที่เราจะใส่คีเวิดลงไปและเราไม่จำเป็นต้องใส่ให้เป๊ะตามแกรมมาแค่ใส่คำให้เข้าใจง่ายที่สุด นี่ก็เป็นหลักการทำงานคร่าว ๆ ให้ทุกเข้าใจคอนเซ็ปของมันค่ะ 

สิ่งที่ทุกคนควรรู้  Midjourney ไม่ใช่เรื่องแปลกใหม่ เพราะก่อนหน้านี่เคยมีโปรแกรมอย่าง Stable Diffusion, Imagen, OpenAI หรือ DALL-E หนึ่งในแพลตฟอร์มที่ดีที่สุดสำหรับการสร้างภาพโดย ใช้ AI เหมือนกันนั่นเองค่ะ และกรณีนี้ไม่ใช้ประเด็นที่เกิดขึ้นเป็นครั้งแรก เพราะเมื่อเดือนพฤศจิกายน พ.ศ.2561 มีภาพที่ AI สร้างขึ้นโดย Edmond Belamy ถูกประมูลไปในราคา 432,500 ดอลลาร์

ทำให้ศิลปินรายหนึ่งออกมาเรียกร้องว่าภาพดังกล่าวนั้นมาจากภาพของเขาจนเกิดเรื่องราวใหญ่โต ถ้ามีคนนำผลงานดังกล่าวไปอัพโหลดให้โปรแกรมสร้างงานชิ้นใหม่ คนที่เป็นเจ้าของผลงานก่อนหน้า จะถือว่าเป็นเจ้าของ (ร่วม) ผลงานชิ้นล่าสุดหรือไม่? เป็นคำถามที่น่าสนใจและน่าคิดตามค่ะ เพราะอัลกอริทึมประกอบด้วยสองส่วน ด้านหนึ่งเป็นผู้สร้าง อีกด้านหนึ่งเป็นผู้แยกแยะการป้อนข้อมูลของเราลงไป ซึ่งงานของเอ็ดมันด์ ได้มีการวิเคราะห์ถึงองค์ประกอบ ว่าทำไมมันถึงสร้างภาพนามธรรมจากศตวรรษที่ 14 ขึ้นมาได้อย่างไร? นักวิจารณ์พบว่าอัลกอริทึมสามารถเลียนแบบความคิดสร้างสรรค์ได้ จะเห็นว่าภาพนามธรรมที่ AI สร้างขึ้นมา ไม่เพียงแต่สร้างภาพ แต่รวมไปถึงการจำลองเส้นทางของประวัติศาสตร์ศิลปะ ให้เป็นรูปเป็นร่างไปสู่นามธรรมเสมือนเป็นส่วนหนึ่งของโปรแกรม มันเข้าใจว่าศิลปะมีวิถีแสดงออกที่แน่นอน เหมือนการนำรูปที่ไม่เป็นรูปเป็นร่างมารวมเข้าด้วยกันมันก็จะคิดว่านี่คืองานนามธรรม 

ศิลปะที่สร้างโดย AI เป็นศิลปะจริงมั้ย แล้วที่ว่าจะมาแทนที่ศิลปินในอนาคตได้หรือไม่ ?

AI สามารถสร้างงานศิลปะได้ก็จริงค่ะ แต่เราต้องทำความเข้าใจก่อนว่ามันเป็นเครื่องมือที่มาอำนวยความสะดวกของเราในด้านต่าง ๆ ให้ทำงานภายใต้คำสั่งชุดข้อมูล ได้เร็วขึ้น ง่ายขึ้น เพราะในท้ายทีสุดแล้วเป็นแค่จินตนาการรูปภาพที่มีอยู่มารวมเข้าด้วยกันเพื่อแสดงหัวข้อ แนวคิด รูปแบบศิลปะ หรือการแสดงบางสิ่งบางอย่างให้เราได้เพลิดเพลินเท่านั้นจึงไม่ใช่ต้นฉบับที่แท้จริง Nina Kong-Suertes ผู้ให้คำปรึกษาด้านมรดกงานศิลปะ กล่าวกับทาง Shutterstock ว่า “ถึงแม้ในทางปฏิบัติ AI สามารถผลิตงานศิลปะได้ถึงเกณฑ์ศิลปะฉบับดั้งเดิมโดยไม่ผิดเพี้ยน แต่ก็ไม่สามารถคิดแทนที่จิตใจมนุษย์ที่เขียนโค้ดให้กับตัวมันเองได้” มันแค่ถูกโปรแกรมมาให้ทำตามคำสั่งเราค่ะ 

พูดง่าย ๆ เหมือนเครื่องมือที่ไร้จิตวิญญาณไม่สามารถถ่ายทอดอารณ์ความรู้สึกทางศิลปะได้เหมือนมนุษย์ แล้วการที่จะมาแทนที่ศิลปินยิ่งเป็นไปไม่ได้ใหญ่เลยค่ะ เราต้องมองในเรื่องของคุณค่าและด้านจริยธรรมก่อนในฐานะที่มนุษย์สามารถสร้างผลงานศิลปะที่ถ่ายทอดผ่านความรู้สึกทางสุนทรีภาพออกมาได้อย่างงดงาม  เหมือนที่ศาสตราจารย์ศิลป์ พีระศรี กล่าวว่าศิลปะไม่ว่าจะเป็นภาพวาด บทเพลง บทกวี ภาพถ่าย หรือแขนงใดก็ตาม ล้วนเป็นสิ่งที่รองรับและแสดงออกถึงความคิดของมนุษย์ นี่คือหัวใจสำคัญหลัก ๆ ของงานศิลปะถ้าเรามองถึงคุณค่างานนั้นเท่ากับที่เราให้ยังไงศิลปินจะไม่มีทางตายหรือถูกลดทอนคุณค่าแน่นอนค่ะ 

ปัญหาด้านลิขสิทธิ์

อย่างไรก็ตามปัญญาประดิษฐ์ไม่มีความคิดริเริ่มในการสร้างภาพขึ้นมาได้เองทำได้เพียงรวบรวมข้อมูล นี่ก็ยังเป็นปัญหาในด้านลิขสิทธิ์ อย่างข่าวล่าสุดมีคนแอบนำงาน DALL-E และ Midjourney ไปขายบนเว็บ  Shutterstock และ Getty Images ค่ะซึ่งสร้างความเดือดร้อนให้ศิลปินแหละเหล่าครีเอเตอร์ ในวงการศิลปะเป็นจำนวนมากเพราะมันนำผลงานคนอื่นมาดัดแปลงทำซ้ำโดยไม่ได้รับความยินยอมจากศิลปิน น่าเสียดายนะคะที่มันยังไม่มีความสามารถพอที่จะแยกแยะงานศิลปะของศิลปินดั้งเดิมได้ถึงแม้ว่าตัว Ai จะสร้างภาพได้อย่างไม่ผิดกฎหมาย แต่เราปฎิเสธไม่ได้ค่ะว่ามันมีความคลุมเครือในเรื่องนี้จนส่งผลกระทบทางกฎหมายเป็นการขโมยงานศิลปะและแสวงหาผลกำไร  ทาง Shutterstock ไม่ได้ปล่อยผ่านเรื่องนี้ไปค่ะ จะรีบทำการลบออกทันที  

เราหวังว่าในอนาคต ศิลปะที่สร้างโดย AI จะไม่ลอกเลียนแบบงานศิลปะคนอื่น แต่นำมาเป็นเครื่องมือต่อยอดไอเดียได้ และไม่ควรนำมาหาผลประโยชน์ สิ่งเหล่านี้ขึ้นอยู่กับที่ตัวบุคคลด้วยถ้าเรานำไปสร้างสรรค์เป็นแรงบันดาลใจใหม่ ๆ และสนุกไปกับมันก็เป็นผลดี แต่ถ้านำไปหาผลประโยชน์หรือสร้างภาพที่มีเนื้อหารุนแรง เราจะมองได้อีกด้านเหมือนกัน เพราะความจริงแล้วมันเป็นเทคโนโลยีหนึ่งที่สร้างมาเพื่อตอบสนองความพึงพอใจของเรา แต่การมองเห็นคุณค่าและจริยธรรมขึ้นอยู่ที่คนค่ะ เราก็ต้องมารอดูต่อไปในอนาคตว่า AI จะก้าวล้ำไปถึงจุดไหน ไม่แน่อนาคตมันอาจสร้างภาพขึ้นมาได้เองโดยที่ไม่ไปคัดลอกงานใครก็ได้ค่ะ ถึงตอนนั้นเราค่อยมาพูดกันอีกทีว่าศิลปะที่แท้จริงมันอยู่จุดไหน    

 

ที่มา : source (1) (2) (3) (4) (5) (6) (7) (8)

from:https://droidsans.com/midjourney-is-that-ai-art-really-art-technology/

SiFive เผย กูเกิลนำซีพียู RISC-V ไปใช้คู่กับ TPU เพื่อเร่งความเร็ว AI/ML ในศูนย์ข้อมูล

SiFive บริษัทผู้ผลิตซีพียู RISC-V ชื่อดัง เปิดเผยว่าซีพียูของตัวเองรุ่น SiFive Intelligence X280 ถูกนำไปใช้ในศูนย์ข้อมูลของกูเกิล เพื่อช่วยเร่งการประมวลผล AI/ML แล้ว

สิ่งที่กูเกิลทำคือนำ X280 ไปรันคู่กับหน่วยประมวลผล Tensor Processing Unit (TPU) ของตัวเอง เพื่อแบ่งเบาภาระงานบางอย่างออกจากหน่วยประมวลผลหลัก

ซีพียู SiFive X280 มีส่วนขยายชุดคำสั่งแบบเวกเตอร์ และรองรับการรวมรีจิสเตอร์เวกเตอร์เข้าด้วยกัน (รีจิสเตอร์ 512-bit x 32 ตัว) เพื่อให้ได้เวกเตอร์ยาวขึ้น (สูงสุดเป็น 4096 บิต) รวมถึงมีชุดคำสั่งคัสตอมสำหรับงาน AI/ML โดยเฉพาะด้วย จึงช่วยให้งานประมวลผล AI/ML มีประสิทธิภาพดีขึ้น

No Description

No Description

SiFive บอกว่า X280 อาจไม่ไปไกลถึงขั้นหน่วยประมวลผลที่ออกแบบมาเป็นพิเศษเพื่อเร่งความเร็ว AI/ML (accelerator) ซึ่งมีข้อเสียคือโฟกัสที่งานระดับสูงเป็นหลัก และต้องเขียนซอฟต์แวร์ขึ้นมาใหม่ทั้งหมดให้ซัพพอร์ตด้วย แต่จุดเด่นของ X280 คือการเป็นหน่วยประมวลผลร่วม เพื่อช่วยแบ่งโหลดงานบางอย่างออกมาจาก accelerator หลัก เช่น งานทั่วๆ ไปอย่างการประมวลผลสเกลาร์-เวกเตอร์ หรือการรันคำสั่งในเคอร์เนล ที่ไม่จำเป็นต้องทำใน accelerator หลัก

สิ่งที่ SiFive พัฒนาร่วมกับกูเกิลคือสร้าง Vector Coprocessor Interface eXtension (VCIX) ลงในซีพียูโดยตรง เพื่อให้ชิปสองตัวคุยกันได้ผ่านอินเทอร์เฟซนี้ และ TPU สามารถส่งงานมายัง X280 โดยที่มี latency ต่ำ ประสิทธิภาพสูง

No Description

No Description

ที่มา – SiFive, The Register

from:https://www.blognone.com/node/130613