Google เปิดตัวเวอร์ชันใหม่ของผู้ช่วยปัญญาประดิษฐ์ Gemini ที่มีความสามารถในการดำเนินงานหลายขั้นตอนได้ดียิ่งขึ้น

Josh Woodward รองประธานผู้รับผิดชอบแอป Gemini ได้ให้รายละเอียดเกี่ยวกับการอัปเดตครั้งนี้ผ่านบล็อกโพสต์เมื่อวันอังคารที่ผ่านมา
ผู้ช่วย AI ดังกล่าวมีโหมดการทำงานสองรูปแบบที่เข้าถึงได้ผ่านแท็บอินเทอร์เฟซแยกกัน โหมดแรกคือ Chat ซึ่งสร้างการตอบสนองที่รวดเร็วและค่อนข้างเรียบง่ายต่อการสอบถาม ส่วนโหมดที่สองเรียกว่า Task ช่วยให้ Gemini สามารถดำเนินงานที่ซับซ้อน เช่น การจองนัดหมายและการเปรียบเทียบรายการสินค้าออนไลน์ โดยโหมด Task ถือเป็นจุดโฟกัสของการอัปเดตในสัปดาห์นี้
Google กำลังเปลี่ยนไปใช้ Gemini 4 Hydrogen ซึ่งเป็นโมเดลภาษาขนาดใหญ่รุ่นล่าสุดของบริษัท โดยมีขีดความสามารถน้อยกว่า Gemini 4 Carbon ซึ่งเป็น LLM ที่ก้าวหน้าที่สุดของยักษ์ใหญ่ด้านการค้นหาแห่งนี้เล็กน้อย แต่มีความคุ้มค่าด้านต้นทุนที่สูงกว่าอย่างเห็นได้ชัด นอกจากนี้ Hydrogen ยังมีความรวดเร็ว โดย Google ระบุว่าสามารถประมวลผลงานบางอย่างได้เร็วกว่าโมเดลระดับเริ่มต้นรุ่นก่อนหน้าถึง 2.8 เท่า
วิธีหนึ่งที่ Hydrogen ช่วยลดเวลารอคอยคือการประมวลผลขั้นตอนของโครงการแบบขนาน แทนที่จะต้องดำเนินการทีละขั้นตอนตามปกติ ตามข้อมูลของ Woodward ผู้ใช้โหมด Task ของ Gemini สามารถให้คำติชมแก่โมเดลได้ในแต่ละขั้นตอนเพื่อควบคุมการทำงานของมัน โดยโมเดลจะขอคำสั่งจากผู้ใช้ล่วงหน้าก่อนที่จะดำเนินการที่มีความละเอียดอ่อน เช่น การสั่งซื้อสินค้าออนไลน์
ปัจจุบันโหมด Task ของ Gemini ใช้ Google Wallet ในการประมวลผลธุรกรรม Woodward กล่าวว่ายักษ์ใหญ่ด้านการค้นหากำลังทำงานร่วมกับ American Express, Mastercard และ Visa เพื่อเพิ่มการรองรับเทคโนโลยีโทเคนไนเซชันสำหรับการชำระเงิน ซึ่งเป็นการแทนที่หมายเลขบัตรของผู้ใช้ด้วยค่าตัวแทนที่เรียกว่าโทเคน โดยโทเคนดังกล่าวจะถูกแชร์กับร้านค้าแทนที่หมายเลขบัตรเพื่อลดความเสี่ยงของการรั่วไหลของข้อมูล
นอกจากนี้ Google ยังวางแผนที่จะเพิ่มการรองรับเทคโนโลยีที่สองที่เรียกว่า Universal Commerce Protocol หรือ UCP ซึ่งช่วยให้เอเจนต์ AI เช่น Gemini สามารถโต้ตอบกับร้านค้าออนไลน์ได้ง่ายขึ้น และช่วยลดความเสี่ยงของข้อผิดพลาดที่อาจเกิดขึ้นได้
โหมด Task ของ Gemini สามารถใช้ข้อมูลในบริการอื่น ๆ ของ Google เช่น Gmail เพื่อประกอบการตัดสินใจ ตัวอย่างเช่น เอเจนต์อาจนำประวัติการซื้อในอดีตของผู้ใช้มาพิจารณาเมื่อแนะนำสินค้า ซึ่งจุดขายหลักอย่างหนึ่งของ Gemini คือการที่สามารถใช้ข้อมูลดังกล่าวได้โดยไม่ต้องเคลื่อนย้ายออกจากโครงสร้างพื้นฐานของ Google ซึ่งมักจะไม่สามารถทำได้ในเอเจนต์ของคู่แข่ง
“เมื่อคุณมอบหมายงานให้ Gemini มันจะใช้ Agent Compute Engine ของ Google Cloud เพื่อทำงานในเวอร์ชวลแมชชีนที่แยกส่วนด้วยฮาร์ดแวร์ ซึ่งถูกกำหนดไว้สำหรับบัญชีของคุณโดยเฉพาะและไม่เคยถูกแชร์กับผู้ใช้อื่น” Woodward เขียนไว้ “เวอร์ชวลแมชชีนแต่ละเครื่องจะถูกแยกส่วนในรูปแบบแซนด์บ็อกซ์ ดังนั้น Gemini จึงทำงานในสภาพแวดล้อมที่แยกต่างหากและเป็นอิสระ ซึ่งได้รับการทดสอบเป็นประจำโดยทีมด้านความมั่นคงปลอดภัยของเรา”
Google ได้เปิดให้ใช้งานโหมด Task ของ Gemini ฟรีในสหรัฐอเมริกา ประเทศญี่ปุ่น ประเทศเกาหลี ประเทศแคนาดา ประเทศออสเตรเลีย และประเทศอินเดีย ซึ่งเป็นส่วนหนึ่งของการอัปเดตครั้งนี้ ถือเป็นสิ่งที่น่าสนใจเนื่องจาก Anthropic และ OpenAI ต่างเรียกเก็บค่าบริการสำหรับฟีเจอร์ที่คล้ายคลึงกันซึ่งเป็นส่วนหนึ่งของบริการแชทบอทของพวกเขา ความเคลื่อนไหวของ Google ในครั้งนี้อาจกระตุ้นให้บริษัทเหล่านั้นต้องทบทวนโครงสร้างราคาของตนใหม่
TechTalkThai ศูนย์รวมข่าว Enterprise IT ออนไลน์แห่งแรกในประเทศไทย














