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...

Retrieval-Augmented Generation หรือ RAG เปลี่ยนวิธีสร้างระบบ AI ไปอย่างมาก เพราะทำให้ Large Language Model สามารถตอบคำถามโดยอาศัยข้อมูลภายนอก แทนที่จะพึ่งพาเพียงความรู้ที่ฝังอยู่ในพารามิเตอร์ของโมเดล แต่ RAG แบบดั้งเดิมมีข้อจำกัดสำคัญประการหนึ่ง: มันสามารถ “retrieve” ความรู้ได้ แต่ไม่ได้หมายความว่าระบบจะ “เรียนรู้จากความรู้” นั้น เมื่อมีเอกสารใหม่ ระบบส่วนใหญ่ทำเพียง embedding → indexing → retrieval แล้วนำข้อมูลเข้าสู่ context ของ LLM การเพิ่มข้อมูลจึงไม่ได้ทำให้ Knowledge Base เข้าใจความสัมพันธ์ใหม่โดยอัตโนมัติ แนวคิด Knowledge Learning Loop (KLL) เสนอให้เปลี่ยนระบบจาก Open-loop RAG เป็น Closed-loop Knowledge System ที่สามารถรับข้อมูลใหม่ วิเคราะห์ความสัมพันธ์ สร้าง knowledge ใหม่ ตรวจสอบคุณภาพ และนำความรู้ที่เกิดขึ้นกลับเข้าสู่วงจรการเรียนรู้ งานวิจัยร่วมสมัยกำลังเคลื่อนที่ไปในทิศทางนี้ ทั้ง Self-RAG ที่เพิ่มกลไก reflection, Reflective RAG ที่ใช้ self-evaluation เพื่อปรับ retrieval/generation strategy และงานด้าน Knowledge Graph RAG ที่นำความสัมพันธ์ระหว่างข้อมูลมาใช้ในการ rea...