การเปิดตัว MM1 เป็นการตอกย้ำความมุ่งมั่นของ Apple ในการพัฒนาเทคโนโลยี AI ของตัวเอง

Apple MM1 เป็นปัญญาประดิษฐ์แบบผสมผสานที่มีความสามารถสูง สามารถแข่งขันกับ GPT-4V และ Gemini ของ Google ในด้านการประมวลผลภาพ ด้วยโครงสร้างอัจฉริยะ และการฝึกฝนที่ซับซ้อน

MM1 มีพื้นฐานมาจากสถาปัตยกรรม Large Language Model (LLM) เช่นเดียวกับ GPT-4V และ Gemini โดยได้รับการฝึกฝนด้วยข้อมูล Image-Text, Documents And Text-Only Data (45% Image-Text, 45% Image-Text Pairs (ข้อความสลับ), 10% Text-Only Data)

กระบวนการฝึกฝนนี้ ช่วยให้ MM1 พัฒนาความสามารถเทียบเท่าคู่แข่ง เช่น การบรรยายภาพ การตอบคำถาม และแม้กระทั่งการแก้ปัญหาทางคณิตศาสตร์เบื้องต้น

โมเดล MM1 ของ Apple สามารถจดจำวัตถุ และข้อความบนรูปภาพ และเชื่อมโยงข้อมูลเหล่านั้นระหว่างรูปภาพหลาย ๆ รูป นักวิจัยของ Apple ได้ทำการวิจัยเชิงลึก เพื่อระบุปัจจัยที่มีผลต่อประสิทธิภาพของ MM1 มากที่สุด เช่น ส่วนประกอบของโครงสร้าง และข้อมูลฝึกฝน ความละเอียดของภาพ ประสิทธิภาพของส่วนประกอบการประมวลผลภาพ (Visual Encoder)

การเข้ารหัสภาพ Visual Encoder มีหน้าที่แปลงข้อมูลภาพเป็นรูปแบบที่ระบบปัญญาประดิษฐ์สามารถประมวลผลได้ ตัวเข้ารหัสที่ซับซ้อนมากขึ้น ช่วยให้ MM1 เข้าใจ และแปลความหมายของเนื้อหาในภาพได้ดียิ่งขึ้น

การศึกษานี้ ยังเน้นย้ำถึงความสำคัญของการผสมผสานข้อมูลฝึกฝนที่เหมาะสม Image-Text, Image-Text Pairs And Text-Only Data ล้วนจำเป็นสำหรับการบรรลุผลลัพธ์ที่ดี แม้จะมีตัวอย่างเพียงน้อยในคำสั่งป้อนข้อมูล อย่างไรก็ตาม เมื่อ MM1 ต้องสร้างผลลัพธ์โดยไม่มีตัวอย่างในคำสั่งป้อนข้อมูล คู่ภาพ-ข้อความในข้อมูลฝึกฝนมีบทบาทสำคัญมากขึ้น

Image-Text Pairs ภาพ-ข้อความ หรือภาพ-คำบรรยาย เป็นข้อมูลที่แต่ละภาพจับคู่โดยตรงกับข้อความที่เกี่ยวข้อง ข้อความนี้มักจะเป็นคำอธิบาย หรือคำอธิบายเนื้อหาของภาพ ตัวอย่างเช่น รูปภาพของสุนัขพร้อมคำบรรยาย “สุนัขสีน้ำตาลกำลังเล่นบอลในสวนสาธารณะ” ข้อมูลแบบจับคู่มักถูกนำไปใช้เพื่อฝึกฝนโมเดลสำหรับงานต่างๆ เช่น การติดป้ายกำกับภาพอัตโนมัติ

30 Billion Parameters พลังของ 30 พันล้านพารามิเตอร์ : MM1 ประสบความสำเร็จเทียบชั้นแนวหน้า

พารามิเตอร์จำนวน 30 พันล้าน อาจเพียงพอสำหรับผลลัพธ์ที่ทันสมัยที่สุด โดยการขยายขนาดเป็น 30 พันล้านพารามิเตอร์ และใช้เทคนิคพิเศษที่เรียกว่า “Mixture-of-Experts” โมเดลผสมผู้เชี่ยวชาญ (MoE) ซึ่งเป็นเทคนิคที่โมเดลปัญญาประดิษฐ์เฉพาะทางหลายตัวทำงานร่วมกัน MM1 ประสบความสำเร็จเทียบชั้นแนวหน้า เอาชนะโมเดลที่เผยแพร่ส่วนใหญ่ในด้านการเรียนรู้จากตัวอย่างน้อยสำหรับการบรรยายภาพ และการตอบคำถามเกี่ยวกับภาพ

MM1 ยังโดดเด่น ในสถานการณ์ที่ซับซ้อนมากขึ้น เช่น การใช้เหตุผลจากหลายภาพ ซึ่งสามารถรวมข้อมูลจากหลายภาพ เพื่อตอบคำถามที่ซับซ้อน หรือดึงข้อสรุปที่ไม่สามารถอนุมานได้จากภาพเดียว สิ่งนี้อาจช่วยให้ MM1 เข้าใจ และตีความโลกแห่งความจริงได้ในลักษณะที่ใกล้เคียงกับการรับรู้และการใช้เหตุผลของมนุษย์

MM1 สามารถ รวมเนื้อหาของหลายภาพเพื่อดึงข้อสรุป ตัวอย่างเช่น โมเดลจะจดจำขวดเบียร์สองขวดบนโต๊ะ เห็นราคาเบียร์หนึ่งขวดบนเมนู และสรุปว่าต้องจ่ายราคาสำหรับเบียร์สองขวด

หลังจากปรับแต่ง โมเดลเพิ่มเติมผ่านการปรับแต่งละเอียดที่ได้รับการดูแล (SFT) โดยใช้ข้อมูลที่เลือก MM1 ประสบความสำเร็จที่สามารถแข่งขันได้บนเกณฑ์มาตรฐานที่จัดตั้งไว้ 12 ประเภท ซึ่งทำให้ MM1 หรือรุ่นที่ขยายขนาด เป็นคู่แข่งที่จริงจังกับระบบปัญญาประดิษฐ์ชั้นนำอื่น ๆ เช่น GPT-4V และ Google Gemini ในอนาคตอันใกล้

การคาดการณ์ : Apple อาจจะวางแผนใช้ MM1 ในผลิตภัณฑ์ และบริการต่างๆ ของตัวเอง เช่น

• Siri ผู้ช่วยอัจฉริยะ Siri จะสามารถเข้าใจภาษาธรรมชาติได้ดียิ่งขึ้น ตอบคำถามได้แม่นยำยิ่งขึ้น และสร้างบทสนทนาที่เป็นธรรมชาติมากขึ้น

• QuickType แป้นพิมพ์อัจฉริยะ QuickType จะสามารถคาดเดาคำ และวลีที่ผู้ใช้ต้องการพิมพ์ได้แม่นยำยิ่งขึ้น และเสนอตัวเลือกการแก้ไขคำผิดที่ชาญฉลาด

• Spotlight ฟังก์ชั่นค้นหา Spotlight จะสามารถค้นหาไฟล์ รูปภาพ และข้อมูลต่างๆ บนอุปกรณ์ Apple ของผู้ใช้ได้อย่างมีประสิทธิภาพมากขึ้น

• Safari เว็บเบราว์เซอร์ Safari จะสามารถแปลภาษาเว็บไซต์ได้อย่างแม่นยำยิ่งขึ้น และช่วยให้ผู้ใช้ค้นหาข้อมูลบนเว็บได้อย่างมีประสิทธิภาพมากขึ้น

นอกจากนี้ Apple ยังอาจใช้ MM1 ในผลิตภัณฑ์ และบริการใหม่ๆ ในอนาคต เช่น แว่นตา AR/VR และรถยนต์อัตโนมัติ

การใช้ MM1 ในผลิตภัณฑ์ และบริการต่างๆ ของ Apple จะช่วยยกระดับประสบการณ์ผู้ใช้โดยรวม และทำให้ผู้ใช้สามารถทำงานต่างๆ บนอุปกรณ์ Apple ของตนได้อย่างสะดวก และมีประสิทธิภาพมากขึ้น

สรุป :
• MM1 เป็นเทคโนโลยีปัญญาประดิษฐ์ที่มีศักยภาพสูง ซึ่งสามารถช่วยให้ Apple พัฒนาผลิตภัณฑ์ และบริการใหม่ๆ ที่น่าตื่นเต้น และยกระดับประสบการณ์ผู้ใช้โดยรวม

• Apple ไม่ได้เปิดเผยข้อมูลอย่างเป็นทางการเกี่ยวกับแผนการใช้งาน MM1 ในผลิตภัณฑ์ และบริการใหม่ๆ

Post Views: 255