Sequoia Capital ได้แบ่งหมวดหมู่ของ Generative AI ออกเป็น 4 ประเภทหลักๆ ดังนี้
1. Generative Vision
Generative Vision เป็นประเภทของ Generative AI ที่ใช้สร้างภาพขึ้นมาใหม่ โดยอาศัยข้อมูลภาพที่มีอยู่เป็นข้อมูลตั้งต้น เช่น ภาพถ่าย วิดีโอ หรือภาพวาด เป็นต้น ตัวอย่างของ Generative Vision ได้แก่
- DeepDream ของ Google AI ที่สามารถสร้างภาพจากคำอธิบายของผู้ใช้ เช่น "ภาพสุนัขกำลังเต้นรำ"
- DALL-E 2 ของ OpenAI ที่สามารถสร้างภาพจากคำอธิบายของผู้ใช้ได้อย่างแม่นยำ
- Imagen ของ Google AI ที่สามารถสร้างภาพที่มีความสมจริงใกล้เคียงกับภาพถ่ายได้
2. Generative Text
Generative Text เป็นประเภทของ Generative AI ที่ใช้สร้างข้อความขึ้นมาใหม่ โดยอาศัยข้อมูลข้อความที่มีอยู่เป็นข้อมูลตั้งต้น เช่น บทความ หนังสือ หรือบทสนทนา เป็นต้น ตัวอย่างของ Generative Text ได้แก่
- GPT-3 ของ OpenAI ที่สามารถสร้างข้อความที่อ่านแล้วเหมือนมนุษย์เขียนได้
- Bard ของ Google AI ที่สามารถตอบคำถามและสร้างเนื้อหาได้หลากหลายรูปแบบ
- ChatGPT ของ OpenAI ที่สามารถสนทนากับมนุษย์ได้อย่างเป็นธรรมชาติ
3. Generative Audio
Generative Audio เป็นประเภทของ Generative AI ที่ใช้สร้างเสียงขึ้นมาใหม่ โดยอาศัยข้อมูลเสียงที่มีอยู่เป็นข้อมูลตั้งต้น เช่น เพลง เสียงพูด หรือเสียงประกอบ เป็นต้น ตัวอย่างของ Generative Audio ได้แก่
- Magenta ของ Google AI สามารถสร้างเพลงและเสียงประกอบได้
- DeepMind Muse สามารถสร้างเสียงดนตรีที่ไพเราะและซับซ้อนได้
- WaveNet สามารถสร้างเสียงพูดที่เหมือนมนุษย์พูดได้
4. Generative Code
Generative Code เป็นประเภทของ Generative AI ที่ใช้สร้างโค้ดขึ้นมาใหม่ โดยอาศัยข้อมูลโค้ดที่มีอยู่เป็นข้อมูลตั้งต้น เช่น ซอฟต์แวร์ เว็บไซต์ หรือแอปพลิเคชัน เป็นต้น ตัวอย่างของ Generative Code ได้แก่
- GitHub Copilot ของ GitHub ที่สามารถช่วยเขียนโค้ดได้
- CodeGPT ของ OpenAI ที่สามารถเขียนโค้ดได้
- Replit ที่สามารถช่วยเขียนโค้ดและทดลองใช้งานได้
ทั้งนี้ ประเภทของ Generative AI ยังสามารถแบ่งย่อยได้อีกตามความซับซ้อนของแบบจำลองและการใช้งาน เช่น
- Generative Adversarial Networks (GANs) เป็นประเภทของ Generative AI ที่อาศัยการแข่งขันระหว่างแบบจำลองสองแบบเพื่อสร้างข้อมูลใหม่ขึ้นมา โดยแบบจำลองหนึ่งจะทำหน้าที่สร้างข้อมูลใหม่ขึ้นมา และแบบจำลองอีกแบบหนึ่งจะทำหน้าที่ตรวจสอบว่าข้อมูลใหม่นั้นมีความสมจริงหรือไม่
- Variational Autoencoders (VAEs) เป็นประเภทของ Generative AI ที่อาศัยการเรียนรู้แบบจำลองจากข้อมูลที่มีอยู่เพื่อสร้างข้อมูลใหม่ขึ้นมา โดยแบบจำลองจะเรียนรู้ความสัมพันธ์ระหว่างข้อมูลที่มีอยู่และข้อมูลใหม่
- Transformers เป็นประเภทของ Generative AI ที่อาศัยการเรียนรู้แบบจำลองจากข้อมูลที่มีอยู่เพื่อสร้างข้อมูลใหม่ขึ้นมา โดยแบบจำลองจะเรียนรู้ความสัมพันธ์ระหว่างข้อมูลที่มีอยู่และข้อมูลใหม่ในลักษณะที่คล้ายกับภาษามนุษย์
Generative AI เป็นเทคโนโลยีที่มีศักยภาพที่จะปฏิวัติหลายสาขาอาชีพและอุตสาหกรรมในอนาคต โดยตัวอย่างการใช้งาน Generative AI ในปัจจุบัน ได้แก่
- งานด้านศิลปะและการออกแบบ Generative AI สามารถใช้สร้างผลงานศิลปะและการออกแบบใหม่ๆ ได้
- งานด้านสื่อและบันเทิง Generative AI สามารถใช้สร้างคอนเทนต์ใหม่ๆ ได้
- งานด้านการตลาดและการขาย Generative AI สามารถใช้สร้างโฆษณาและเนื้อหาที่ตรงกับกลุ่มเป้าหมายมากขึ้น
- งานด้านการผลิตและวิศวกรรม Generative AI สามารถใช้ออกแบบผลิตภัณฑ์และกระบวนการผลิตใหม่ๆ
ในอนาคตเราน่าจะได้เห็นเทคโนโลยี Generative AI เข้ามามีบทบาทในชีวิตของเราในหลากหลายรูปแบบมากขึ้น เช่น การสร้างงานศิลปะและการออกแบบใหม่ๆ การสร้างคอนเทนต์ใหม่ๆ การสร้างโฆษณาและเนื้อหาที่ตรงกับกลุ่มเป้าหมายมากขึ้น การออกแบบผลิตภัณฑ์และกระบวนการผลิตใหม่ๆ เป็นต้น
