ค..ตนดูระบบคอม

1. จาก Multimodal AI สู่ Interactive AI MiniCPM-o 4.5 สะท้อนการเปลี่ยนแปลงของ AI จากระบบที่สามารถเข้าใจ Text, Image, Audio และ Video ไปสู่ระบบที่สามารถ โต้ตอบกับข้อมูลหลายรูปแบบอย่างต่อเนื่อง AI จึงไม่ได้มีหน้าที่เพียงรับข้อมูลแล้วตอบกลับ แต่ต้องสามารถรับรู้ เข้าใจ ตอบสนอง และปรับตัวตามสถานการณ์ที่เปลี่ยนแปลงแบบ Real-Time 2. Full-Duplex เปลี่ยนรูปแบบการสนทนา แนวคิด Full-Duplex ทำให้ AI สามารถรับข้อมูลใหม่ในขณะที่กำลังตอบสนองอยู่ ซึ่งแตกต่างจากระบบสนทนาแบบเดิมที่ต้องรอให้ผู้ใช้พูดจบและจึงเริ่มประมวลผล แนวทางนี้ทำให้การสื่อสารระหว่างมนุษย์กับ AI มีลักษณะใกล้เคียงกับการสนทนาจริงมากขึ้น และมีความสำคัญต่อ Voice Agent, AI Assistant, Robotics และระบบ AI แบบ Real-Time 3. Time กลายเป็นส่วนหนึ่งของ Context AI ในอนาคตไม่ควรเข้าใจเพียงสิ่งที่เกิดขึ้นในปัจจุบัน แต่ต้องสามารถเชื่อมโยงเหตุการณ์ในอดีต ปัจจุบัน และแนวโน้มของเหตุการณ์ที่กำลังเกิดขึ้นได้ แนวคิด Temporal Context จึงมีความสำคัญต่อการวิเคราะห์ Video และสถานการณ์จริง เพราะความหมายของเหตุการณ์ไม่ได้อยู่ที่ Frame ใด Frame หนึ่ง แต่อยู่ที่ความ...

1. MiniCPM-o 4.5 คืออะไร? MiniCPM-o 4.5 เป็นโมเดล Multimodal AI ที่รวมความสามารถหลายด้านไว้ในระบบเดียว ได้แก่ 👁️ Vision — มองเห็นภาพและวิดีโอ 👂 Audio — รับฟังเสียง 🧠 Language — วิเคราะห์และให้เหตุผล 🗣️ Speech — สร้างเสียงพูด 🔄 Full-Duplex — รับ Input และสร้าง Output พร้อมกัน ⚡ Streaming — ทำงานต่อเนื่องแบบ Real-time คำว่า Omni จึงมีความสำคัญ เพราะโมเดลไม่ได้ออกแบบมาให้ทำงานเฉพาะ Text หรือ Image แต่สามารถประมวลผลหลาย Modalities ภายใน Workflow เดียวกัน จุดน่าสนใจคือ MiniCPM-o 4.5 มีขนาดประมาณ 9B Parameters ซึ่งเล็กกว่าโมเดล Multimodal ขนาดใหญ่หลายตัว ทำให้แนวคิดการนำไปใช้งานบน Hardware ระดับ Consumer มีความน่าสนใจมากขึ้น ( LearnOpenCV ) 2. ปัญหาของ AI แบบเดิม AI Multimodal ส่วนใหญ่ทำงานในลักษณะ Turn-Based Interaction ตัวอย่างเช่น User ↓ ส่งภาพ/วิดีโอ ↓ AI ประมวลผล ↓ AI ตอบ ↓ User ถามใหม่ ระบบลักษณะนี้เหมาะกับ Chatbot แต่ไม่เหมาะกับสถานการณ์ที่ข้อมูลเปลี่ยนแปลงตลอดเวลา เช่น การถ่ายทอดสดกีฬา กล้อง Surveillance หุ่นยนต์ ผู้ช่วย AI แบบ Real-time ระบบช่วยเหลือผู้พิการ AI Tutor ...