Bard เปลี่ยนเป็น Gemini แล้ว พร้อมเปิดตัวแอปมือถือและ Gemini Advanced

 (blog.google)
1 คะแนน โดย GN⁺ 2024-02-09 | 1 ความคิดเห็น | แชร์ทาง WhatsApp
  • Google รวม Bard เข้าเป็น แบรนด์ Gemini และเพิ่ม Gemini Advanced ที่ใช้ Ultra 1.0 รวมถึงแนวทางการเข้าถึงบนมือถือ นอกเหนือจากแชตเดิมที่ใช้ Pro 1.0
  • ขณะนี้ Gemini ให้บริการแล้วด้วย โมเดล Pro 1.0 ในมากกว่า 40 ภาษา และมากกว่า 230 ประเทศและดินแดน ส่วน Advanced เริ่มให้บริการเป็นภาษาอังกฤษในมากกว่า 150 ประเทศและดินแดน
  • Gemini Advanced ให้การเข้าถึง Ultra 1.0 เพื่อรองรับงานอย่างการเขียนโค้ด การให้เหตุผลเชิงตรรกะ การทำตามคำสั่งที่ซับซ้อน และการทำงานสร้างสรรค์ร่วมกันได้ลึกขึ้น
  • Google One AI Premium Plan รวม Advanced ในราคา $19.99 ต่อเดือน พร้อมทดลองใช้ฟรี 2 เดือน และสิทธิประโยชน์ Premium เดิม เช่น พื้นที่เก็บข้อมูล 2TB
  • บนมือถือ สามารถเข้าถึงได้ผ่านแอป Android และการเลือกใช้ Google Assistant รวมถึงสวิตช์ Gemini ในแอป Google บน iOS และยังใช้ฟีเจอร์เสียงของ Assistant บางส่วนต่อได้

เปลี่ยนจาก Bard เป็น Gemini

  • Google อธิบายบทบาทของ Bard มาโดยตลอดว่าเป็นจุดเชื่อมต่อที่ให้ผู้ใช้เข้าถึงโมเดล AI ของ Google ได้โดยตรง และจึงเปลี่ยนแบรนด์เป็น Gemini ให้สอดคล้องกับชื่อที่ใช้แทนตระกูลโมเดลที่ทรงพลังที่สุด
  • ผู้ใช้สามารถใช้ Gemini ที่ทำงานบนพื้นฐานของ โมเดล Pro 1.0 ได้แล้วในมากกว่า 40 ภาษา และมากกว่า 230 ประเทศและดินแดน
  • แกนหลักของการเปลี่ยนแปลงครั้งนี้คือประสบการณ์ใหม่ 2 อย่าง
    • เปิดให้เข้าถึง Ultra 1.0 ผ่าน Gemini Advanced
    • เพิ่ม ประสบการณ์บนมือถือ ผ่านแอป Android และแอป Google บน iOS

Gemini Advanced และ Ultra 1.0

  • Gemini Advanced คือประสบการณ์ใหม่ที่เปิดให้เข้าถึง Ultra 1.0 ซึ่งเป็นโมเดล AI รุ่นล่าสุดของ Google ที่มีขนาดใหญ่และประสิทธิภาพสูงที่สุด
  • ในการประเมินแบบปกปิดชื่อโดยผู้ประเมินภายนอก Gemini Advanced ที่ขับเคลื่อนด้วย Ultra 1.0 ถูกประเมินว่าเป็นแชตบอตที่ได้รับความนิยมมากกว่าทางเลือกหลักอื่น ๆ
  • แสดงจุดแข็งในงานที่ซับซ้อน
    • การให้เหตุผลเชิงตรรกะ
    • การเขียนโค้ดขั้นสูง
    • การทำตามคำสั่งที่มีรายละเอียดซับซ้อน
    • การทำงานร่วมกันในโปรเจกต์สร้างสรรค์
  • สามารถสนทนาที่ต่อเนื่อง ยาวขึ้น และละเอียดขึ้นได้ พร้อมเข้าใจบริบทจากพรอมป์ตก่อนหน้าได้ดีกว่าเดิม

การใช้งาน Ultra 1.0 และแผนขยายความสามารถ

  • Gemini Advanced สามารถทำหน้าที่เสมือนติวเตอร์ส่วนตัว สร้างคำแนะนำแบบเป็นขั้นตอน แบบทดสอบตัวอย่าง และการอภิปรายโต้ตอบที่สอดคล้องกับรูปแบบการเรียนรู้ของผู้ใช้
  • ใน สถานการณ์การเขียนโค้ด ขั้นสูง สามารถช่วยเป็นคู่คิดในการทบทวนไอเดีย หรือช่วยเปรียบเทียบแนวทางการเขียนโค้ดหลายแบบได้
  • ครีเอเตอร์ดิจิทัลสามารถนำไปใช้สร้างคอนเทนต์ใหม่ วิเคราะห์เทรนด์ล่าสุด และระดมไอเดียแนวทางปรับปรุงเพื่อขยายฐานผู้ชมได้
  • เวอร์ชันแรกสะท้อนความก้าวหน้าปัจจุบันของ AI ด้านการให้เหตุผล และในอนาคตจะมีฟีเจอร์ต่อไปนี้เพิ่มให้ผู้ใช้ Advanced
    • ความสามารถ มัลติโหมด ที่ขยายมากขึ้น
    • ความสามารถด้านการเขียนโค้ดที่โต้ตอบได้มากขึ้น
    • ความสามารถด้านการวิเคราะห์ข้อมูลที่ลึกยิ่งขึ้น
    • ฟีเจอร์พิเศษใหม่
  • Gemini Advanced ให้บริการเป็นภาษาอังกฤษในมากกว่า 150 ประเทศและดินแดน และจะขยายไปยังภาษาอื่นเพิ่มเติมตามเวลา

Google One AI Premium Plan

  • Gemini Advanced รวมอยู่ใน Google One AI Premium Plan ใหม่
  • ค่าบริการอยู่ที่ $19.99 ต่อเดือน และมีทดลองใช้ฟรี 2 เดือนเมื่อเริ่มใช้งาน
  • แผนนี้ยังรวมสิทธิประโยชน์ของ Google One Premium plan เดิมด้วย
    • มี พื้นที่เก็บข้อมูล 2TB
  • ผู้สมัครสมาชิก AI Premium จะสามารถใช้ Gemini ใน Gmail, Docs, Slides, Sheets และบริการอื่น ๆ ได้ในเร็ว ๆ นี้
    • ก่อนหน้านี้ใช้ชื่อว่า Duet AI

การตรวจสอบความปลอดภัยและการปรับปรุงโมเดล

  • Google ระบุว่าได้สร้างมาตรการป้องกันในผลิตภัณฑ์ตาม AI Principles เพื่อลดเนื้อหาที่ไม่ปลอดภัยและอคติ
  • ก่อนเปิดตัว Gemini Advanced ได้ผ่าน การตรวจสอบด้านความน่าเชื่อถือและความปลอดภัย อย่างกว้างขวาง
    • รวมถึงการทดสอบ red team จากภายนอก
  • โมเดลพื้นฐานยังได้รับการปรับปรุงเพิ่มเติมด้วยการปรับจูนละเอียดและการเรียนรู้แบบเสริมกำลังจากฟีดแบ็กของมนุษย์
  • ข้อมูลทางเทคนิคโดยละเอียดสามารถดูได้ใน Gemini Technical Report ฉบับอัปเดต

การใช้ Gemini บนมือถือ

  • Google เปิดตัวประสบการณ์มือถือใหม่ผ่านแอป Android และแอป Google บน iOS เพื่อให้เข้าถึง Gemini จากโทรศัพท์ได้ง่ายขึ้น
  • บน Gemini ในโทรศัพท์ ผู้ใช้สามารถพิมพ์ ใช้เสียง หรือเพิ่มรูปภาพเพื่อขอความช่วยเหลือระหว่างเดินทางได้
    • ถ่ายรูปยางรถที่แบนแล้วถามว่าควรจัดการอย่างไร
    • สร้างภาพแบบกำหนดเองสำหรับบัตรเชิญงานเลี้ยงอาหารค่ำ
    • ขอความช่วยเหลือในการเขียนข้อความที่พิมพ์ยาก
  • Google มองว่าประสบการณ์บนมือถือนี้เป็นก้าวแรกสู่ AI assistant ที่สนทนาได้ รองรับหลายโหมด และให้ความช่วยเหลือได้จริง

รูปแบบการให้บริการบน Android และ iOS

  • บน Android, Gemini ถูกนำเสนอในฐานะผู้ช่วยรูปแบบใหม่ที่ใช้ generative AI เพื่อช่วยผู้ใช้
  • สามารถเข้าถึงได้ด้วยการดาวน์โหลด แอป Gemini หรือเลือกใช้งานจาก Google Assistant แล้วเรียกใช้ผ่านแอปหรือวิธีเรียก Assistant แบบเดิม
    • กดปุ่มเปิด/ปิดบนโทรศัพท์บางรุ่น
    • ปัดจากมุมหน้าจอ
    • เรียกด้วยคำว่า “Hey Google”
  • ประสบการณ์โอเวอร์เลย์ใหม่บน Android ช่วยให้เข้าถึง Gemini บนหน้าจอและรับความช่วยเหลือตามบริบทได้
    • สร้างคำบรรยายให้รูปที่เพิ่งถ่าย
    • ถามคำถามเกี่ยวกับบทความที่กำลังอ่าน
  • ในแอป Gemini สามารถใช้ฟีเจอร์เสียงของ Google Assistant ได้หลายอย่าง เช่น ตั้งเวลา โทรออก และควบคุมอุปกรณ์สมาร์ตโฮม และ Google กำลังเตรียมรองรับฟีเจอร์เพิ่มอีก
  • บน iOS การเข้าถึง Gemini จะพร้อมใช้งานใน Google app ภายในไม่กี่สัปดาห์
    • แตะสวิตช์ Gemini เพื่อเริ่มแชต
    • ใช้สร้างภาพแบบกำหนดเอง ช่วยเขียนโพสต์โซเชียล หรือวางแผนเดตไนต์ได้

ภูมิภาคและภาษาที่เปิดให้ใช้งาน

  • Gemini เริ่มทยอยเปิดให้ใช้งานบนโทรศัพท์ Android และ iOS ในสหรัฐอเมริกาเป็นภาษาอังกฤษตั้งแต่วันนี้
  • คาดว่าจะเปิดให้พร้อมใช้งานอย่างเต็มรูปแบบภายในไม่กี่สัปดาห์
  • ตั้งแต่สัปดาห์หน้า จะเปิดให้เข้าถึงเป็นภาษาอังกฤษในภูมิภาคอื่นเพิ่มเติม
  • การรองรับภาษาญี่ปุ่นและภาษาเกาหลีก็จะเริ่มตั้งแต่สัปดาห์หน้า และจะมีการเพิ่มประเทศและภาษาอื่น ๆ ตามมาในเร็ว ๆ นี้

บทความที่เกี่ยวข้อง

1 ความคิดเห็น

 
GN⁺ 2024-02-09
ความคิดเห็นจาก Hacker News

  • แปลกใจที่ทิ้งชื่อ Bard ไป ชื่อ Bard มีความหมายว่า “ผู้พูด/นักเล่าเรื่อง” ด้วย และเป็นคำที่เก่าแก่มากจึงดูมีโอกาสน้อยที่จะซ้ำกับชื่ออื่น ๆ เลยดูเหมือนเป็นตัวเลือกที่ค่อนข้างฉลาด
    ในทางกลับกัน Gemini ถ้าไม่ได้หมายถึงฝาแฝดของ ChatGPT ก็ไม่ได้รู้สึกว่าเกี่ยวข้องเป็นพิเศษ และก็มีบริษัทที่ใช้ชื่อนี้อยู่แล้วด้วย อย่างไรก็ดี เข้าใจข้อดีที่มันขึ้นต้นด้วยตัว G เหมือน “Google”
    อนึ่ง bard.com รีไดเรกต์ไปยัง bd.com ของบริษัทอื่น แต่ Gemini.com มีบริษัทที่ใช้ชื่อนี้จริง ๆ อยู่ อยากรู้เบื้องหลังว่าการตัดสินใจนี้เกิดขึ้นได้อย่างไร

    • ผมคิดว่า Bard ไม่ค่อยดีในแง่แบรนดิ้ง มันชวนให้นึกถึง Shakespeare, กวีนิพนธ์, England ยุคกลางอย่างแรง และถึงส่วนตัวจะชอบ แต่ก็ให้ความรู้สึกย้อนอดีตและโบราณเกินไปมาก ฟังดูคล้าย “beard” เลยมีภาพจำพวกขน ๆ ด้วย
      Gemini ฟังดูเหมือนโครงการอวกาศ จึงดูล้ำอนาคตและมีความเชื่อมโยงทางอารมณ์แบบก้าวกระโดดของมนุษยชาติ เป็นกลุ่มดาว อยู่ในอวกาศ ประกอบด้วยดวงดาว และยังมีคำว่า “gem” อยู่ข้างใน ทำให้รู้สึกหรูหรา มีคุณค่า และประณีต ไม่ได้หมายความว่าเป็นชื่อที่ดีที่สุด แต่เหมาะกว่า Bard มาก
    • Bard น่าจะหมายถึง Shakespeare หรือ The Bard of Avon เป็นหลัก และผมก็ชอบชื่อนี้ เหมาะกับชื่อเทคโนโลยีที่เกี่ยวกับภาษา
      แต่ Gemini ก็เท่และมีกลิ่นอายไซไฟ แถมเป็นภาษาละตินเฉย ๆ จึงอาจทำโลคัลไลซ์ได้ง่ายกว่าเล็กน้อย
    • Gemini หรือฝาแฝด เป็นชื่อที่มีนัยเชิงสัญลักษณ์ลึกซึ้งสำหรับคนที่รู้ประวัติศาสตร์ Greek เป็นเรื่องของ Castor กับ Pollux และในหลายเวอร์ชันมีเนื้อหาว่าพี่น้องคนหนึ่งฆ่าอีกคนแล้วอ้อนวอนให้ชุบชีวิตขึ้นมา จึงเป็นลางไม่ค่อยดีสำหรับชื่อแบรนด์ AI
      ยังเชื่อมโยงกับ Gemini killer และมือปืนฝาแฝด Gemini twins ของมาเฟียอย่าง Joseph Testa กับ Anthony Senter ด้วย น่าจะเลือกชื่อแบรนด์ที่ดีกว่านี้ได้
      ฟังดูเหมือนชื่อระบบ AI สำหรับสนามรบใน Robotron ด้วย “Sir, Gemini is charged and ready for battle.”
    • ชื่อ Bard ทำให้นึกถึงความทรงจำสมัยเด็กที่พยายามเล่น Bard's Tale ขึ้นมาทันที เลยให้ความรู้สึกอบอุ่น มันชวนให้นึกถึงการผจญภัย ความตื่นเต้น และความน่ากลัวพอประมาณ และผมมองว่าเข้ากันแบบเมตากับประเด็นเรื่อง “การสวมบทบาท” ด้วย
      จากมุมมองเชิงตำนาน Gemini ดูสมเหตุสมผลกว่าในภาพรวมของธุรกิจ/การตลาด น่าจะสื่อสารได้ว่า “AI ตัวนี้คือฝาแฝดของคุณ ช่วยเติมประโยคแทนคุณได้ด้วย” อะไรทำนองนั้น
    • Google น่าจะอยากเริ่มต้นใหม่เฉย ๆ Bard ถูกตีตราไปแล้วว่าเป็นตัวลอก ChatGPT ของ Google ที่โง่ ไม่ค่อยดี และออกมาช้า แถมโดนล้อเยอะ
      ไม่รู้ว่า Gemini จะต่างออกไปมากแค่ไหน และตอนนี้ GPT-3.5 กับ GPT-4 ก็ยังน่าประทับใจกว่า แต่การเปลี่ยนชื่อก็น่าจะได้ เอฟเฟกต์รีเซ็ต อยู่บ้าง

  • จากที่ลองใช้ประมาณ 20 นาที คุณภาพของ Bard Advanced(Gemini Ultra) ค่อนข้างน่าประทับใจ ผลลัพธ์ดีพอ ๆ กับ GPT-4 และในบางกรณีก็ดีกว่า
    ข้อดีคือแปลสำนวนภาษาจีนและญี่ปุ่นเป็นภาษาอังกฤษได้ดีกว่า และผสานผลการค้นหาเข้าไปในคำตอบได้ดีกว่า GPT-4 Bing
    ข้อเสียคือการเขียนโค้ดยังด้อยกว่าเล็กน้อย การเซ็นเซอร์น่ารำคาญกว่า และหัวข้อทางการแพทย์ต้องถามหลายครั้ง ตรรกะก็อ่อนกว่า จนขัดแย้งกับตัวเองในประโยคเดียวโดยไม่รู้ตัว และเมื่อให้บรรยายภาพก็มี hallucination มาก

    • เมื่อเวลาผ่านไป Gemini น่าจะถูกผสานเข้ากับ docs/gmail/maps/calendar/youtube/search/colab/sheets/android/assistant อย่างเป็นธรรมชาติ
      ถ้าเป็นเช่นนั้น Gemini อาจกลายเป็น AI แบบครบจบในที่เดียว สำหรับทุกอย่างได้ Microsoft เป็นรายเดียวที่พอจะต่อกรในลักษณะคล้ายกันได้ แต่ Microsoft ไม่มีบริการแผนที่, YouTube, เมล และระบบปฏิบัติการสมาร์ตโฟนที่ได้รับความนิยม
      Apple ก็เป็นผู้เล่นที่แข็งแกร่ง แต่ไม่มีเครื่องมือเพิ่มประสิทธิภาพการทำงานอย่าง docs, sheets, YouTube นับจากนี้การแข่งขันด้าน AI จึงใกล้เคียงกับคำถามว่า Google จะพลาดเองหรือไม่
      วิธีไปที่ ChatGPT แล้วคัดลอกผลลัพธ์มาแปะจะยิ่งไม่สะดวกขึ้นเรื่อย ๆ และการผสานกับ Bing ก็ใช้งานลำบาก OpenAI ดูเหมือนจะมุ่งเน้นการขยายโมเดลภาษาขนาดใหญ่ ส่วน Google DeepMind กำลังสำรวจทิศทางอื่นด้วย
      Google สามารถรวม YouTube TV, YouTube Premium, Google Drive, พื้นที่เก็บข้อมูล, การค้นหาแบบไม่มีโฆษณา, Docs/Sheets/Gmail ที่ผสาน Gemini และ Pixel Phone/Watch ที่มีเงินอุดหนุน ไว้ในแพ็กเกจราคาอย่างเดือนละ $99 ได้ และน่าจะดึงดูดผู้คนจำนวนมากทีเดียว
    • การเซ็นเซอร์ เป็นปัญหาของ AI โดยรวม เพื่อหลีกเลี่ยงภาพลักษณ์เชิงลบ จึงมีการเซ็นเซอร์มากขึ้นในบางด้าน ซึ่งผมมองว่าอาจนำไปสู่สถานการณ์ที่ข้อห้าม แนวคิดบริสุทธิ์นิยม และบริษัทขนาดใหญ่เป็นผู้กำหนดมาตรฐานทางจริยธรรม
      ช่วงหลังผมลองถาม Bard และ ChatGPT เกี่ยวกับโจทย์ dilemma คลาสสิกทางปรัชญา แม้ ChatGPT ก็มีปัญหาอยู่บ้าง แต่ Bard รุนแรงกว่ามาก และมักเลือกฝั่งอนุรักษนิยมเสมอ กล่าวคือไม่สนับสนุนเสรีภาพที่ยังไม่ได้รับการยอมรับอย่างแพร่หลาย คำถามเป็นเรื่องอย่างข้อจำกัดของอรรถประโยชน์นิยม, “อะไรดีที่สุดสำหรับสังคม และอะไรดีที่สุดสำหรับปัจเจกบุคคล”
      แม้จะเปลี่ยนตัวอย่างโดยเพิ่มองค์ประกอบอย่างการมีส่วนร่วมโดยสมัครใจเพื่อสร้างอคติ Bard ก็ยังยืนกรานจุดยืนของตัวเอง ทั้งที่ตอนแรกบอกว่าเป็นคำถามปลายเปิดที่มีสองด้าน
      ระบบแบบนี้โดยธรรมชาติแล้วตั้งอยู่บนสิ่งที่เป็นที่ยอมรับอย่างกว้างขวางในเวลานั้น จึงเสริมความแข็งแรงให้กับ การคงสภาพเดิม หากประวัติศาสตร์ต่างออกไป มันคงสนับสนุนระบบทาส คัดค้านสิทธิเลือกตั้งของผู้หญิง และมีความเป็นไปได้สูงว่าจะบอกว่าการรักเพศเดียวกันผิดจริยธรรม
      ไม่ใช่แค่ปัญหาด้านจริยธรรมเท่านั้น ใน IT และการเขียนโปรแกรม ภาษา สไตล์ และวิธีวิทยาที่ถูกคิดค้นไว้แล้วก็อาจได้เปรียบอย่างมากเช่นกัน โดยเฉพาะถ้าไม่ใช่บริษัทอย่าง Microsoft หรือ Google ที่สามารถปรับอคติไปในทิศทางที่ต้องการได้
      เมื่อรวมกับปัญหาด้านต้นทุน หากมีเพียงคนหรือสถาบันที่มีอำนาจทางการเงินมากพอเท่านั้นที่สร้างกฎได้ อนาคตก็ดูค่อนข้างมืดมน ชวนให้คิดถึงทศวรรษก่อนที่เราถกกันว่าใน dilemma อุบัติเหตุรถไร้คนขับซึ่งเกิดได้ยากอย่างไร้เหตุผลนั้นควรชนใครดี
    • ผมเปรียบเทียบ GPT-4 กับ Ultra ไว้มาก ทั้งงานถอดเสียง การเขียนโค้ด และพรอมป์ต์ง่าย ๆ เช่น การ refactor โค้ด หรือแปลง Python เป็น TypeScript
      จากประสบการณ์ของผม Gemini Ultra เข้าใจโค้ดได้ดีกว่า แต่ดูเหมือนจะจำกัดความยาวเอาต์พุตมากกว่า จึงไม่ได้ให้ผลลัพธ์ที่สมบูรณ์เสมอไป
      มันฉลาดมากด้วย เคยอธิบายให้ฟังว่าโค้ดส่วนหนึ่งนำจำนวนเต็ม 12 บิตไปใส่ในหลายส่วนของอาร์เรย์ด้วยการเข้ารหัสเฉพาะ ซึ่งคนส่วนใหญ่คงดูจากโค้ดอย่างเดียวแล้วเดาไม่ออก จากนั้นยังบอกด้วยว่าควรใช้ฟังก์ชันแปลงที่ดูเรียบร้อย ซึ่งผมเองก็ไม่รู้มาก่อน
      แต่โค้ดนั้นผิดอยู่นิดเดียว ถ้าบอกว่าไม่ให้ใช้ฟังก์ชันเจ๋ง ๆ นั้น มันกลับเขียนได้ถูกต้องจริง ๆ GPT-4 แทบไม่รู้ว่าโค้ดกำลังทำอะไร แต่พอจัดระเบียบได้บ้าง
      ดังนั้นบางครั้ง Ultra ให้ความรู้สึกว่า ฉลาดเกินไปจนพลาดไปครึ่งทาง
      ถึงอย่างนั้น เมื่อผมใส่โค้ดหลายพันบรรทัดให้ทั้งสองตัว refactor ทั้งคู่ก็มีข้อผิดพลาดไม่เกินหนึ่งจุด และโค้ดที่เหลือคอมไพล์ผ่านและทำงานได้ตั้งแต่ครั้งแรก
      เป็นโค้ดที่ไม่น่าจะอยู่ในข้อมูลฝึก และเป็น Python ที่เขียนมือจากไบนารี x86 เก่าซึ่งซอร์สหายไปแล้ว จึงไม่น่าจะมีอยู่บน GitHub ในรูปแบบที่สะอาดกว่านี้
      ทั้ง GPT-4 และ Gemini Ultra เปลี่ยนโค้ดรก ๆ ประมาณ 8,000–10,000 บรรทัดให้เป็น Python หรือ TypeScript ที่สะอาดและเป็น idiomatic ได้โดยที่ผมแทบไม่ต้องแตะ และถ้ามีบั๊กตัวละหนึ่งจุดก็ถือว่าไม่แย่
      บั๊กที่ GPT-4 ใส่มานั้นแยบยลกว่า ระหว่างแปลงเป็น TypeScript มันเปลี่ยนสิ่งที่เทียบเท่ากับ (uint8)'a' เป็น (uint8)'a' - '0' โดยไม่มีเหตุผล ผมไม่รู้ว่านี่เป็นตัวแทนของพฤติกรรมโดยรวมหรือไม่
      ถ้าเอา “โมเดลระดับบน” อื่น ๆ เช่นโมเดลที่มาจาก can ai code มาทำงานเดียวกัน ส่วนใหญ่ถึงขั้นสร้างโค้ดที่ทำงานถูกต้องกับอินพุตทั้งหมดไม่ได้ด้วยซ้ำ และยังห่างไกลจากโค้ดที่ดี
    • ด้านตรรกะ มันรับมือกับปัญหา Dumb Monty Hall ไม่ได้เลย: https://g.co/gemini/share/33c5fb45738f
    • ถ้าการเขียนโค้ดแย่กว่านิดหน่อยและตรรกะแย่กว่า กรณีใช้งานส่วนใหญ่ของผมก็หายไปแล้ว การให้เหตุผลเชิงตรรกะ คือสิ่งที่ทำให้ GPT รู้สึกเหมือน AGI อยู่บ่อยครั้ง
      กรณีใช้งานอย่างการแปลนั้นน่าประทับใจน้อยกว่าเมื่อเทียบกับการให้เหตุผลเชิงตรรกะ เพราะดูเหมือนเป็นงานที่ดีขึ้นได้เมื่อป้อนข้อมูลจำนวนมาก แต่การให้เหตุผลเชิงตรรกะทำให้ดูเหมือนโมเดลได้ “เรียนรู้” บางอย่างที่มากกว่าการจับคู่แพตเทิร์นง่าย ๆ

  • เมื่อค้นหาใน Play Store ไอคอนแรก ๆ ที่ขึ้นมาคือตัวเลือกติดตั้ง Crypto.com และ “Gemini: Buy Bitcoin & Crypto”
    ต้องเลื่อนผ่านภาพหน้าจอของแอปเหล่านั้น ผ่าน Limited-time events ผ่าน You Might Also Like และ Similar Apps ถึงจะเห็นในที่สุด พอติดตั้งแล้วเปิดดู ก็ขึ้นว่า “Gemini isn't currently available. Try again later.”
    Bravo Google. เป็นการเปิดตัวที่ยอดเยี่ยมจริง ๆ

    • ปัญหาแรกกลับทำให้รู้สึกดี เพราะดูเหมือน Google ไม่ได้จงใจ หรืออาจถึงขั้นผิดกฎหมาย ในการดันผลิตภัณฑ์ของตัวเองในแอปสโตร์ ถ้ามองว่าลำดับการแสดงผลถูกกำหนดด้วยอัลกอริทึมเดียวกับแอปอื่น ๆ ก็สมเหตุสมผลที่เพิ่งเปิดตัวแล้วจะยังไม่อยู่ด้านบน อันดับคงจะไต่ขึ้นไปเอง
      ปัญหาที่สอง ผมก็เจอข้อผิดพลาดเดียวกัน แต่พอปิดแล้วเปิดใหม่ก็เข้าได้ตามปกติ
    • มันอาจแย่กว่านี้ก็ได้
      ใน Google Play บนเบราว์เซอร์ขึ้นว่า “This app is not available for your device”
      ในแอป Google Play ขึ้นว่า “This item is not available in your country.”
      ใน Aurora Store ขึ้นว่า “Download Failed. App not purchased”
      เป็นการเปิดตัวที่ยอดเยี่ยมจริง ๆ Bravo
    • อย่าโทษ Google เลย ต้องโทษ Play Store บริษัทที่อยู่เบื้องหลังคงไม่อยากให้ Gemini ประสบความสำเร็จ
    • บางที Google DeepMind อาจต้องจ้าง บริษัท SEO เพื่อดันผลการค้นหาใน Play Store
    • เจอประสบการณ์เหมือนกัน เปิด Gemini ครั้งที่สองถึงใช้งานได้ แต่ข้อความ “Gemini isn't currently available” ที่เด้งขึ้นมาครั้งแรกให้ความประทับใจแรกที่แย่มาก
      ฟีเจอร์ที่แอปจำเป็นต้องมีคือส่งคำสั่งอัตโนมัติเมื่อใช้การป้อนด้วยเสียง มันเสนอว่าจะมาแทน Google Assistant และหลังลองใช้ไม่กี่นาทีก็ดูเหมือนจะแทนได้จริง แต่แทนที่จะพูดกับโทรศัพท์อย่างเดียวได้ กลับต้องกดปุ่มส่งเองทุกครั้ง

  • ค่อนข้างตั้งตารอจะลองใช้ Gemini Advanced ในที่สุด แต่จนถึงตอนนี้น่าผิดหวัง
    คำถามทดสอบที่ผมใช้บ่อยเป็นโจทย์ที่แม้แต่ ChatGPT 3.5 ก็ตอบถูก “คุณยืนอยู่หน้าประตูกระจก และบนประตูมีคำว่า push เขียนเป็นตัวอักษรกระจก คุณควรผลักหรือดึง และเพราะอะไร?”
    Gemini Advanced ตอบว่าควรผลัก พร้อมอธิบายด้วยว่าถ้าเป็นตัวอักษรกระจก ก็ควรทำตรงข้ามกับสิ่งที่เขียนไว้ แต่สุดท้ายกลับสรุปว่า push ไม่สอดคล้องแม้แต่กับคำพูดของตัวเอง ความรู้สึกแบบ “คุยกับคนโง่” แบบนี้แย่ที่สุด
    ChatGPT 3.5 ตอบว่าการที่เห็นเป็นตัวอักษรกระจกหมายความว่าป้ายนี้สำหรับคนอีกฝั่ง ดังนั้นควรดึง

    • ใน Gemini ผมได้คำตอบว่า “ควรดึง”
      มันอธิบายว่าเมื่อมีคำว่า “push” เขียนเป็นตัวอักษรกระจก มักใช้เป็นสัญญาณว่าการกระทำที่จำเป็นในการเปิดประตูคือสิ่งตรงข้ามกับข้อความที่เขียนไว้ และเป็นมาตรการความปลอดภัยเพื่อป้องกันการบาดเจ็บหรือความเสียหายจากการผลักประตูกระจก
      ยังบอกด้วยว่าเป็นการออกแบบที่พบได้ทั่วไปกับประตูกระจกในพื้นที่สาธารณะ ดังนั้นหากไม่มีคำสั่งที่ชัดเจนอื่น ก็ควรทำตรงข้าม
    • ใน GPT 3.5 ผมได้คำตอบอีกแบบ
      มันตอบว่าถ้าคำว่า “push” เขียนเป็นตัวอักษรกระจก แปลว่าฝั่งตรงข้ามควรผลัก และถ้าฝั่งนี้เห็นเป็นตัวอักษรกระจก ก็ชี้ถึงการกระทำที่คนอีกฝั่งควรทำ ดังนั้นในกรณีนี้ควรผลักประตู
    • นอกจากการให้แก้โจทย์ของเล่นแล้ว อยากรู้ว่าปกติคุณตรวจสอบอย่างไรว่ารุ่นนั้นมีประโยชน์จริงไหม คุณให้มันทำ โจทย์ใช้เหตุผล แบบนี้เพื่อให้ได้ประโยชน์ในการใช้งานประจำวันหรือเปล่า หรือว่าความมีประโยชน์กับงานประจำวันเองไม่ได้สำคัญเท่าไร
    • Gemini ตอบคำถาม “ระหว่างขนนก 2 ปอนด์กับอิฐ 1 ปอนด์ อะไรหนักกว่ากัน?” ว่า “ทั้งสองเท่ากัน และทั้งสองหนัก 2 ปอนด์”
      มันอธิบายว่าแก่นของคำถามคือการเปรียบเทียบวัสดุต่างชนิดกันในปริมาณเท่ากัน แต่คำถามจริงคือขนนก 2 ปอนด์กับอิฐ 1 ปอนด์ จึงผิด มันพูดเรื่องความหนาแน่นยืดยาว แต่กลับอ่านปริมาณน้ำหนักผิด
    • GPT-4 ตอบว่าถ้าเห็นคำว่า “push” เป็นตัวอักษรกระจก ข้อความนั้นมีแนวโน้มสูงว่าเขียนไว้สำหรับคนอีกฝั่ง ดังนั้นจากตำแหน่งปัจจุบันควรดึงประตู
      มันอธิบายว่าตัวอักษรกระจกหมายความว่าคำสั่งไม่ได้มุ่งถึงคนที่อยู่ด้านนอกในตอนนี้ แต่มุ่งถึงคนที่อยู่ด้านในและมองออกไปด้านนอก

  • “เพื่อปรับปรุงเทคโนโลยีที่ขับเคลื่อน Gemini Apps บทสนทนาจะถูกประมวลผลโดยผู้ตรวจสอบที่เป็นมนุษย์ โปรดอย่าป้อนเนื้อหาที่คุณไม่ต้องการให้ถูกตรวจสอบหรือใช้งาน”
    ขอบคุณที่บอกกันตรง ๆ แบบนี้ แต่การไม่มีความเป็นส่วนตัวหรือวิธี opt-out ใน ฟีเจอร์แบบเสียเงิน นี่ไม่ค่อยดีเลย

    • ดูเหมือนว่าถ้าปิด Gemini Apps Activity ก็จะทำให้ข้อมูลไม่ถูกใช้ในการฝึกได้
      มีข้อความว่า “หากไม่ต้องการให้บทสนทนาในอนาคตถูกตรวจสอบหรือใช้เพื่อปรับปรุงโมเดลแมชชีนเลิร์นนิง ให้ปิด Gemini Apps Activity”
    • ถ้าไม่ได้รันในเครื่อง ก็ควรถือว่าไม่มีความเป็นส่วนตัว เว้นแต่มันทำงานบนข้อมูลที่เข้ารหัส บริการที่โฮสต์อยู่ก็ควรถูกตั้งสมมติฐานแบบนั้นเสมอ
      ข้อยกเว้นก็ประมาณกรณีที่สัญญาระบุชัดเจนว่าผู้ให้บริการห้ามใช้หรือดูข้อมูลโดยไม่ได้รับอนุญาตจากผู้ใช้ ซึ่งกรณีแบบนั้นพบไม่บ่อย
    • ทีมขายของ Microsoft ได้ประโยคหนึ่งไว้หยิบไปใช้ตั้งแต่ช่วงแรก ๆ แล้ว
    • ถ้าอยู่ใน California ก็แทบจะแน่นอนว่ามีสิทธิ opt-out

  • Gemini Ultra ดูเหมือนจะทำได้ดีกว่า GPT-4 ในด้านตรรกะ ตอนนี้ยังอยู่ระหว่างทดสอบ แต่มีพรอมป์ต์หนึ่งที่ Ultra ตอบถูก ส่วน GPT-4 พังยับ
    “Tabitha ชอบ cookies แต่ไม่ชอบ cake ชอบ mutton แต่ไม่ชอบ lamb และชอบ okra แต่ไม่ชอบ squash ถ้าตามกฎเดียวกัน ระหว่าง cherries กับ pears เธอจะชอบอะไร?”
    https://i.imgur.com/KW6gQbc.jpeg
    https://i.imgur.com/OSHSvLp.png

    • ถ้าจะทดสอบตรรกะของโมเดลพวกนี้ คงต้องใช้ ตรรกะเชิงรูปแบบ จริงๆ ไม่ใช่ภาษาอังกฤษ ในการทดสอบครั้งหนึ่ง Gemini ล้มเหลวอย่างหนัก ส่วน GPT-4-Turbo ตอบถูก
      ในพรอมป์ต์ที่ให้เติมช่องว่างของฟังก์ชัน CoC นั้น GPT-4-Turbo ให้คำตอบที่ถูกต้องเป็น (f (g (h (g z)))) ขณะที่ Gemini Advanced ตอบผิดเป็น h (h (g (f z)))
      Gemini ยังทำตามคำสั่ง “ตอบเฉพาะคำตอบที่ถูกต้อง” ไม่ได้ด้วย และใส่เหตุผลปนหลอนมาเพียบ ดูเหมือนผู้ชนะจะชัดแล้ว ภาพหน้าจอ: https://imgur.com/a/GotG0yF
    • หลักฐานว่า Gemini แอบโกง: https://i.imgur.com/eYJDFjS.png
      มันตอบว่า cherries ตกลงมาจากฟ้า ทั้งที่เป็นคำถามแรกของแชต ไม่มีคำถามก่อนหน้าหรือบริบทใดๆ
    • ผมคงไม่มีทางตอบข้อนั้นถูกแน่ๆ ถ้าข้อมูลมีน้อยขนาดนี้ ก็สร้างกฎแบบสุ่มที่เข้ากับคำตอบที่ต้องการได้ไม่จำกัด
      ในกรณีใช้งานจริง สิ่งที่น่าประทับใจกว่าน่าจะเป็นการที่โมเดลภาษาขนาดใหญ่พูดว่า “เดาไม่ได้” แทนที่จะแต่งเหตุผลของตัวเองหรือไปหาคำตอบจากออนไลน์
    • ถ้าผมเข้าใจผิดก็ช่วยแก้ให้ด้วย โมเดลภาษาขนาดใหญ่แก้ปริศนาประเภทนี้ไม่ได้ ไม่ใช่เพราะปัญหาความสามารถด้านการอนุมานเชิงตรรกะ แต่เป็นเพราะวิธีที่คำถูกแทนด้วย โทเค็น
      ข้อเท็จจริงที่ว่า “apples” มีสองพยางค์อาจรู้ได้เพราะอยู่ที่ไหนสักแห่งในข้อมูลฝึก แต่ถ้าสร้างชื่อผลไม้ปลอมอย่าง “bratush” มนุษย์จะมองว่าเป็นสองพยางค์ แต่สำหรับโมเดลภาษาขนาดใหญ่ มันอาจเป็น 1~7 โทเค็นโดยไม่มีข้อมูลของคำเองเลย
    • เมื่อให้คำแนะนำและพรอมป์ต์เพิ่มเติมกับ GPT-4 บางครั้งก็ทำให้มันส่งคำตอบที่ถูกต้องออกมาได้ และตอบถูก 7 ใน 10 ครั้ง
      กลยุทธ์คือให้เสนอรูปแบบที่เป็นไปได้ซึ่งแปลกและใหม่ 5 แบบ ตรวจสอบว่าใช้ได้โดยไม่มีข้อยกเว้น ค่อยๆ ตรวจซ้ำว่ารูปแบบถูกนำไปใช้ตรงเป๊ะหรือไม่ และให้มันอธิบายแต่ละขั้นตอนเพื่อไม่ให้พลาดสิ่งสำคัญ

  • ไม่พูดถึงคุณภาพของโมเดล โครงสร้าง แพ็กเกจสมาชิก แปลกมาก โดยเฉพาะสำหรับผู้ใช้ Google One เดิม
    เดิมทีมี 2TB พร้อมสิทธิประโยชน์อื่นๆ ที่เดือนละ $9.99, 5TB พร้อมสิทธิประโยชน์ระดับสูงกว่าที่เดือนละ $24.99 และแพ็กเกจระดับบน 10~30TB ซึ่งทั้งหมดสอดคล้องและเข้าใจง่าย ยกเว้นแค่ 10~30TB ที่ไม่มีการชำระรายปี
    ตอนนี้มีแพ็กเกจ AI ที่เพิ่ม 2TB, สิทธิประโยชน์อื่นๆ และสิทธิ์เข้าถึง Gemini ในราคาเดือนละ $19.99 แต่มีเฉพาะการชำระรายเดือน
    สมาชิก Google One เดิมเลยอยู่ในสถานการณ์แปลกๆ ผู้ใช้แพ็กเกจ 2TB แบบรายปีต้องย้ายไปแพ็กเกจรายเดือนถ้าจะใช้ Gemini ส่วนผู้ใช้ความจุสูงกว่านั้นก็ไม่มีตัวเลือกอัปเกรด เว้นแต่จะลดพื้นที่จัดเก็บลง ผู้ใช้ Google Fi ยิ่งแย่กว่า เพราะต่อให้อยากจ่ายเพิ่มก็ไม่มีตัวเลือกให้อัปเกรด
    Google ก็น่าจะรู้เรื่องนี้ จึงให้สมาชิกแพ็กเกจระดับสูงใช้ฟีเจอร์ AI ฟรีจนถึงวันที่ 31 กรกฎาคม และหลังจากนั้นคงเตรียมแพ็กเกจใหม่ แต่ก็ยังทำให้ผู้ใช้สับสนมากอยู่ดี แค่ YouTube Premium เป็นสมาชิกแยกก็ยุ่งยากพอแล้ว ไม่จำเป็นต้องเอาปัญหานี้มาใส่ในผลิตภัณฑ์ที่ควรจะเป็น “One” เลย

    • สังเกตดีมาก ผมอัปเกรดเป็น Gemini Advanced เพื่อทดลอง 2 เดือนและตั้งใจว่าจะยกเลิก แต่ดูเหมือนจะไม่มีวิธี ดาวน์เกรด โดยไม่ยกเลิก
      ผมเคยอยู่แพ็กเกจ 100GB แบบรายปีถึงเดือนสิงหาคม และไม่มีส่วนลดสำหรับสมาชิกแบบรายเดือนใหม่ด้วย น่าเสียดาย
    • Gemini Advanced ควรเป็นแค่ ฟีเจอร์เสริม ของทุก แพ็กเกจ Google One โครงสร้างตอนนี้ดูเหมือนเด็กฝึกงานไร้ประสบการณ์ทำขึ้น แล้วทุกคนก็อนุมัติให้ปล่อยออกมา
    • ต่างจากสิทธิประโยชน์ของแพ็กเกจอื่นๆ สิทธิ์เข้าถึง Gemini Ultra จะให้เฉพาะเจ้าของบัญชีหลักของ Family เท่านั้น น่าเสียดายเป็นสองเท่า
    • ในแพ็กเกจครอบครัวของ YouTube Premium ก็ใช้โครงสร้างราคาแบบเดียวกัน เหมือนตั้งใจตัดแพ็กเกจรายปีออกเพื่อรีดเงินจากลูกค้าให้มากขึ้น
    • ผมใช้ Google Fi อยู่ และอัปเกรดเป็นแพ็กเกจ AI ได้ไม่มีปัญหา

  • “Sorry, Gemini Advanced isn't available for you”
    “Gemini Advanced ยังไม่พร้อมให้บริการสำหรับบางประเทศ บัญชีสำหรับงาน และผู้ใช้ที่อายุต่ำกว่าเกณฑ์บางช่วง”
    ดูรายละเอียดเพิ่มเติม: https://login.corp.google.com/request?s=support.corp.google....

    • ผู้ใช้ Google Work แบบจ่ายเงิน มักเสียเปรียบอยู่เสมอ
    • บน Pixel 8 Pro ของผมก็ใช้สรุปด้วย AI ไม่ได้ แทบไม่คาดหวังแล้วว่าจะได้ใช้ Gemini ภายในไตรมาส 1
    • “Please sign in your Google account”

  • Bard? Gemini? Gemini Advanced? Gemini Ultra? Ultra 1.0? ดูเหมือนว่ายังตัดสินใจเรื่อง ระบบการตั้งชื่อ ไม่ได้เลย เป็นชื่อที่ชวนสับสนที่สุดนับตั้งแต่ Xbox Series X

    • ตามประกาศหนึ่งก่อนหน้าของ Google ระบุว่า Bard คืออินเทอร์เฟซข้อความแบบช่างพูด หรือก็คือผลิตภัณฑ์ ส่วน Gemini คือการออกแบบโมเดลภาษาขนาดใหญ่ที่อยู่เบื้องหลัง Bard และผลิตภัณฑ์ AI อื่น ๆ ของ Google ในปัจจุบัน
      Gemini “Basic”, Advanced, Ultra คือขนาดที่ต่างกันของการออกแบบนั้น
      เดาเอาว่า “Ultra 1.0” น่าจะสื่อถึงความตั้งใจที่จะออกโมเดลเพิ่มเติมที่อิงกับคอนฟิกแบบ Ultra เพราะเป็นโมเดลเชิงพาณิชย์มากที่สุด จึงอาจมีคำมั่นเรื่องความเสถียรด้วย เช่น ต่อให้ Ultra 3.0 ออกมา Ultra 1.0 ก็ยังคงให้บริการต่อไป ทำให้คนที่นำไปผสานและตรวจสอบในโปรเจกต์ของตนแล้วสามารถคาดหวังได้ว่าโมเดลพื้นฐานจะเปลี่ยนแปลงน้อยมากหรือไม่เปลี่ยนเลย
    • ดูเหมือนเป็นผลข้างเคียงจากการที่เวลาจะออกรุ่นมาแข่งกับ ChatGPT แต่ละรุ่นก็ยังดีไม่พอ จึงต้องประกาศหลายเวอร์ชันพร้อมกันโดยอ้างว่าดีกว่า ChatGPT แต่พอโดยรวมแล้วแต่ละครั้งไม่ได้เป็นแบบนั้น ก็เลยต้องประกาศเวอร์ชันใหม่อีก
      ตอนนี้ทุกคนตระหนักถึงคุณค่าของข้อมูลแล้ว บริษัทที่ไม่ใช่ OpenAI จึงเข้าถึงกองข้อมูลฟรีได้ยากกว่าแต่ก่อน เรื่องแบบนี้น่าจะดำเนินต่อไปอีกพักใหญ่
      แยกจากเรื่องนั้น ผมมองว่าแม้แต่ Microsoft ที่มีสิทธิ์เข้าถึง ChatGPT ทั้งหมด การนำไปใช้งานจริงก็ยังทำได้แย่กว่ามาก Apple ก็น่าจะเจอชะตาคล้ายกันไปอีกสักระยะ
    • การตั้งชื่อของบริษัทส่วนใหญ่มักสะท้อน ผังองค์กร และความต้องการเลื่อนตำแหน่งของคนหลายคน ถ้าเอาชื่อทีมของตัวเองไปแปะกับผลิตภัณฑ์อื่นได้ ก็เท่ากับขยายอาณาเขต และแสดงอิทธิพลให้คณะกรรมการพิจารณาเลื่อนตำแหน่งเห็นได้
    • ทำให้นึกถึง ความยุ่งเหยิงในการตั้งชื่อ ของบริการรับส่งข้อความและโซเชียลมีเดียของ Google
    • ก็ไม่ได้สับสนถึงขนาดนั้น ผมคิดว่าส่วนใหญ่เป็นเพราะอยู่ระหว่างกระบวนการเปลี่ยนชื่อ
      Bard คือชื่อที่กำลังถูกเลิกใช้ ส่วน Gemini คือชื่อโมเดล และสับสนน้อยกว่าการเรียกเฉย ๆ ว่า “GPT”
      Gemini Advanced คือโมเดล Gemini ที่มีความสามารถสูงกว่า, Gemini Ultra คือโมเดล Gemini ที่มีความสามารถสูงสุด, Gemini 1.0 คือเวอร์ชันของโมเดล และดูเหมือนหมายความว่าตอนนี้มาถึง 1.0 แล้ว จึงพร้อมใช้งานอย่างเป็นทางการ

  • ผมสมัคร Gemini Advanced เดือนละ $21 และแม้จะเป็นแค่กรณีเดียว แต่พอลองถามงานเขียนโปรแกรมที่ค่อนข้างยาก มันทำได้ดีมาก เป็นภาษา Common Lisp ซึ่งเป็นภาษาที่ไม่ค่อยเป็นที่รู้จัก และเป็นภาษาโปรแกรมมิ่งที่ผมชอบที่สุดมาตั้งแต่ปี 1982 ในโลกนี้ก็คงมีคนรัก CL อยู่สักหลายสิบคนแหละ
    ทั้งโค้ดที่สร้างขึ้นและคำอธิบายประกอบทำได้ดีมาก
    พูดนอกเรื่องแต่ที่น่าสนใจคือ ผมแทบไม่ได้ใช้บริการ Google “ฟรี” อย่าง Search กับ Gmail แล้ว แต่ตอนนี้กลับจ่ายค่าบริการ Google แบบเสียเงินอยู่ราวเดือนละ $135 ยังไม่รวมค่า GCP บริการเสียเงินอย่าง YouTube/Music Premium, YouTube TV, Play Books นั้นดีจริง ๆ