Meta เปิดตัวโมเดลสร้างภาพพร้อมความสามารถเขียนโค้ดและค้นหาข้อมูล

Meta ประกาศเปิดตัว Muse Image โมเดลสร้างภาพที่สามารถเขียนโค้ดและค้นหาข้อมูลบนเว็บได้ โดยถือเป็นอัลกอริทึมตัวที่สองจาก Meta Superintelligence Labs ซึ่งเป็นกลุ่มวิจัยด้านปัญญาประดิษฐ์ของบริษัท ทั้งนี้ ตัวแรกคือโมเดลภาษาขนาดใหญ่ที่ชื่อว่า Muse Spark ซึ่งเปิดตัวไปเมื่อเดือนเมษายนที่ผ่านมา ทั้งสองอัลกอริทึมพร้อมให้ใช้งานแล้วผ่านทางเอเจนต์ AI ที่ชื่อว่า Meta AI

Muse Image สามารถสร้างภาพโดยอิงจากคำสั่งของผู้ใช้งานที่มีรายละเอียดสูงและมีความยาวหลายประโยค อีกทั้งยังสามารถแก้ไขรูปภาพที่มีอยู่เดิมได้ ผู้ใช้งานสามารถสั่งให้โมเดลลบองค์ประกอบต่าง ๆ เช่น หมอก เปลี่ยนมุมกล้อง และทำการปรับเปลี่ยนอื่น ๆ ได้ โดยเอเจนต์ AI ของ Meta มีตัวเลือกให้ปรับปรุงผลลัพธ์ของ Muse Image ได้ด้วยการอัปโหลดภาพร่างเพื่ออธิบายว่าควรทำการแก้ไขอย่างไร

ในส่วนของการทำงานเบื้องหลัง อัลกอริทึมนี้มีความคล้ายคลึงกับโมเดลภาษาขนาดใหญ่ที่ได้รับการปรับแต่งมาเพื่อการใช้เหตุผลอยู่หลายประการ ที่โดดเด่นที่สุดคือการมีความสามารถในการใช้เครื่องมือต่าง ๆ

หากคำสั่งของผู้ใช้งานไม่มีรายละเอียดครบถ้วนตามที่ Muse Image ต้องการเพื่อสร้างไฟล์ โมเดลจะสามารถใช้เครื่องมือค้นหาเพื่อดึงข้อมูลที่จำเป็นจากเว็บได้ นอกจากนี้ยังมีเครื่องมือในตัวอีกอย่างที่ช่วยให้โมเดลสามารถเขียนโค้ดได้ ตัวอย่างเช่น โมเดลสามารถเขียนสคริปต์ Python เพื่อเปลี่ยนเนื้อหาในสเปรดชีตให้กลายเป็นกราฟได้ ซึ่งสคริปต์เหล่านี้จะช่วยเพิ่มความแม่นยำให้กับการแสดงผลข้อมูลที่มีความซับซ้อน

Muse Image สามารถดึง Muse Spark ซึ่งเป็นโมเดลสำหรับใช้เหตุผลของ Meta เข้ามาช่วยในกรณีที่ความสามารถในการเขียนโค้ดของตนเองไม่เพียงพอต่อการประมวลผลคำสั่งของผู้ใช้งาน โดยโมเดลภาษานี้มีความสามารถในการเปลี่ยนภาพที่สร้างโดย Muse Image ให้กลายเป็นเว็บไซต์และวิดีโอเกมได้

โปรแกรมสร้างภาพจำนวนมากปรับปรุงผลลัพธ์ของตนเองโดยใช้วิธีที่เรียกว่า Best-of-N หรือ BoN ซึ่งเป็นเทคนิคที่ประกอบด้วยการสร้างไฟล์สื่อหลาย ๆ ไฟล์แล้วเลือกไฟล์ที่ตรงกับคำสั่งของผู้ใช้งานมากที่สุดออกมา

แต่ Muse Image ใช้วิธีที่แตกต่างออกไป Meta ระบุว่าโมเดลจะใช้ “การใช้เหตุผลอย่างรอบคอบ” ก่อนที่จะเริ่มสร้างภาพ ตามข้อมูลของบริษัท วิธีการดังกล่าวช่วยให้โมเดลใช้โครงสร้างพื้นฐานเบื้องหลังได้ดีกว่าการใช้เทคนิค BoN โดย Muse Image รองรับฟีเจอร์การประมวลผลขณะทดสอบ (test-time compute) ซึ่งหมายความว่าการเพิ่มปริมาณฮาร์ดแวร์ให้กับโมเดลจะช่วยเพิ่มคุณภาพของผลลัพธ์ได้

โมเดลจะตรวจสอบภาพที่สร้างขึ้นก่อนที่จะแสดงให้ผู้ใช้งานเห็นและจะทำการปรับแต่งเมื่อจำเป็น Meta กล่าวว่าพฤติกรรมการปรับปรุงตัวเอง (self-refining) ซึ่งเป็นชื่อที่บริษัทเรียกฟีเจอร์นี้ เกิดขึ้นเองในระหว่างขั้นตอนการฝึกฝนด้วยการเรียนรู้แบบเสริมกำลัง ซึ่งจะช่วยขัดเกลาความสามารถในการใช้เหตุผลของโมเดล AI ผ่านการลองผิดลองถูก

ในการเปิดตัวครั้งนี้ Muse Image พร้อมให้ใช้งานผ่านทางเอเจนต์ AI ของ Meta ในจำนวนตลาดที่จำกัด นอกจากนี้ยังเป็นขุมพลังเบื้องหลังเอฟเฟกต์ภาพใหม่ ๆ ใน Instagram Stories โดย Meta มีแผนที่จะนำโมเดลนี้ไปใช้บน Facebook, Messenger และส่วนอื่น ๆ ของ Instagram ในอนาคต

ในระยะถัดไป บริษัทจะเปิดตัวเครื่องมือสร้างคลิปวิดีโอที่ชื่อว่า Muse Video ซึ่งโมเดลเวอร์ชันเริ่มต้นในปัจจุบันอยู่ในอันดับที่สามบนการจัดอันดับ Arena AI ของโปรแกรมสร้างวิดีโอที่เป็นที่นิยม

Meta วางแผนที่จะเปิดให้ผู้ลงโฆษณาสามารถเข้าถึง Muse Image ได้ผ่านชุดเครื่องมือการตลาด Advantage+ ในอีกไม่กี่สัปดาห์ข้างหน้า และมีแนวโน้มว่าบริษัทจะใช้วิธีการเดียวกันนี้กับ Muse Video ด้วย เมื่อพิจารณาจากรายงานที่ว่า Meta วางแผนจะเปิดตัวบริการโครงสร้างพื้นฐาน AI จึงมีความเป็นไปได้ว่าทั้งสองโมเดลจะเปิดให้เหล่านักพัฒนาใช้งานได้ในที่สุดผ่านทาง API

ที่มา: https://siliconangle.com/2026/07/07/meta-launches-image-generation-model-coding-search-capabilities/