การแข่งขันในด้านปัญญาประดิษฐ์ (AI) กำลังร้อนแรงขึ้น เนื่องจากบรรดายักษ์ใหญ่ด้านเทคโนโลยีอย่าง OpenAI และ Google เปิดตัวการปรับปรุงของโมเดล AI รุ่นใหม่ล่าสุด และเทคโนโลยีของตนเอง

OpenAI สร้างความประทับใจด้วยการเปิดตัว จีพีที-4โอ (GPT-4o) ซึ่งเป็นรุ่นล่าสุดของโมเดลประมวลผลภาษา GPT-4o ย่อมาจาก Omni เป็นระบบ AI เชิงมัลติโหมดที่สามารถเข้าใจและสร้างข้อมูลในรูปแบบข้อความ เสียง และภาพได้ด้วยระบบเดียว และทำงานแบบเรียลไทม์ โดยใช้เวลาตอบสนองเฉลี่ยเพียง 320 มิลลิวินาที GPT-4o จึงให้ประสิทธิภาพที่รวดเร็วปานสายฟ้าแลบ ทำให้การปฏิสัมพันธ์ดูเหมือนเป็นเรื่องธรรมชาติอย่างน่าอัศจรรย์

หนึ่งในข้อได้เปรียบสำคัญของ GPT-4o คือความสามารถด้านมัลติโหมดขั้นสูง ไม่เหมือนเวอร์ชันก่อนหน้าที่ต้องผนึกรวมโมเดลการรับรู้ภาษา และการแปลงข้อความเป็นเสียงพูดแยกจากกัน GPT-4o เป็นระบบรวมเดียวที่ผ่านการฝึกสอนด้วยข้อมูลหลากหลายรูปแบบพร้อมกัน ทำให้การปฏิสัมพันธ์ระหว่างมนุษย์และ AI ราบรื่นยิ่งขึ้น ไม่ว่าจะเป็นการสื่อสารด้วยเสียง ข้อความ รูปภาพ หรือแม้แต่การวิเคราะห์วิดีโอแบบเรียลไทม์

ในทางกลับกัน กูเกิลไม่ยอมแพ้ โดยใช้งาน Developer I/O ในการแนะนำโมเดล AI Gemini และ โปรเจค "เอสตรา" (Astra) ซึ่งเป็นอนาคตของความพยายามในการสร้างผู้ช่วย AI ของกูเกิล โดยได้ประกาศหัวข้อสำคัญต่าง ๆ เช่น Gemini 1.5 Pro ที่มีช่วง Context Token มากถึง 1 ล้านโทเคน ความสามารถในการอัปโหลดไฟล์เพื่อวิเคราะห์เอกสาร และการบูรณาการ AI กับผลิตภัณฑ์ซอฟต์แวร์ทั้งหมดของกูเกิลที่ให้บริการผู้ใช้กว่า 2 พันล้านคน

นอกจากนี้ กูเกิลยังเปิดตัวคุณสมบัติ AI นวัตกรรมใหม่ๆ เช่น "AI Overviews" ในการค้นหาเพื่อตอบคำถามที่ซับซ้อนโดยตรง "Veo" สำหรับสร้างวิดีโอด้วย AI และความสามารถของ AI บนอุปกรณ์ด้วย Gemini Nano เพื่อความเป็นส่วนตัวและการทำงานแบบออฟไลน์มากขึ้น การสาธิตของ "Gemini Live" ยังแสดงถึงความก้าวหน้าของกูเกิลในการพัฒนาผู้ช่วย AI สนทนาแบบมัลติโหมดที่คล้ายกับ GPT-4o

การเปิดตัวของ OpenAI และ Google ถือเป็นหมุดหมายสำคัญในการพัฒนาระบบ AI ขั้นสูงที่มีความสามารถในการปฏิสัมพันธ์กับมนุษย์ในหลากหลายรูปแบบเสมือนหนึ่ง ขณะที่การแข่งขันด้าน AI กำลังมุ่งไปข้างหน้าอย่างรวดเร็ว เราจะได้เห็นความก้าวหน้าอันน่าทึ่งมากขึ้นเรื่อย ๆ ภายในปลายปีนี้ ที่จะเปลี่ยนแปลงวิธีการสื่อสาร ทำงาน และปฏิสัมพันธ์กับเทคโนโลยี