network, blockchain, digital, hand, web, community, artificial, intelligence, steering, interfaces, bokeh, future, digitization, transformation, change, blockchain, blockchain, blockchain, blockchain, blockchain, transformation

Similar Posts

  • | | | |

    คำถามเรื่องความเป็นส่วนตัวที่ผู้ใช้ AI ทุกคนควรถามในปี 2027

    ยุคแห่งการแยกตัวทางดิจิทัลได้จบลงแล้ว หลายทศวรรษที่ผ่านมา ความเป็นส่วนตัวคือเรื่องของการควบคุมว่าใครสามารถเห็นไฟล์หรืออ่านข้อความของคุณได้บ้าง แต่ในวันนี้ ความท้าทายนั้นเปลี่ยนไปอย่างสิ้นเชิง Large language models ไม่ได้แค่เก็บข้อมูลของคุณ แต่พวกมัน “กลืนกิน” ข้อมูลเหล่านั้นเข้าไป ทุกคำสั่ง (prompt) ทุกเอกสารที่อัปโหลด และทุกการโต้ตอบทั่วไปกลายเป็นเชื้อเพลิงให้กับเครื่องจักรที่หิวกระหายการจดจำรูปแบบ ข้อมูลของคุณไม่ใช่บันทึกที่อยู่นิ่งอีกต่อไป แต่มันกลายเป็นชุดข้อมูลสำหรับฝึกฝน (training set) การเปลี่ยนผ่านจากการจัดเก็บข้อมูลไปสู่การนำข้อมูลไปใช้ได้สร้างความเสี่ยงใหม่ๆ ที่การตั้งค่าความเป็นส่วนตัวแบบเดิมๆ รับมือไม่ได้ เมื่อคุณโต้ตอบกับระบบ generative AI คุณกำลังมีส่วนร่วมในการทดลองครั้งใหญ่เกี่ยวกับปัญญาประดิษฐ์ร่วมที่ขอบเขตของความเป็นเจ้าของส่วนบุคคลเริ่มเลือนลางลงเรื่อยๆ ความขัดแย้งพื้นฐานอยู่ที่ความแตกต่างระหว่างวิธีที่มนุษย์รับรู้การสนทนา กับวิธีที่เครื่องจักรประมวลผลข้อมูล คุณอาจคิดว่าคุณกำลังขอให้ผู้ช่วยส่วนตัวสรุปการประชุมที่ละเอียดอ่อน แต่ในความเป็นจริง คุณกำลังมอบตัวอย่างคุณภาพสูงที่คัดสรรโดยมนุษย์เพื่อนำไปปรับปรุงโมเดลให้คนอื่นๆ นี่ไม่ใช่บั๊กของระบบ แต่มันคือแรงจูงใจหลักของบริษัทที่สร้างเครื่องมือเหล่านี้ ข้อมูลคือสกุลเงินที่มีค่าที่สุดในโลกตอนนี้ และข้อมูลที่มีค่าที่สุดคือสิ่งที่จับใจความถึงเหตุผลและความตั้งใจของมนุษย์ ในขณะที่เราก้าวเข้าสู่ปี 2027 ความตึงเครียดระหว่างประโยชน์ของผู้ใช้และการเก็บข้อมูลขององค์กรจะยิ่งทวีความรุนแรงขึ้นกลไกของการกลืนกินข้อมูลเพื่อให้เข้าใจถึงเดิมพันด้านความเป็นส่วนตัว เราต้องแยกแยะระหว่างข้อมูลฝึกฝน (training data) และข้อมูลการอนุมาน (inference data) ข้อมูลฝึกฝนคือคลังข้อความ รูปภาพ และโค้ดมหาศาลที่ใช้สร้างโมเดลตั้งแต่ต้น ซึ่งมักรวมถึงหน้าเว็บนับพันล้านหน้าที่ถูกคัดลอกมาจากอินเทอร์เน็ต หนังสือ และงานวิจัย ส่วนข้อมูลการอนุมานคือสิ่งที่คุณป้อนให้เมื่อใช้งานเครื่องมือ ผู้ให้บริการรายใหญ่ส่วนใหญ่ในอดีตมักใช้ข้อมูลการอนุมานเพื่อ

  • | | | |

    ทำไมจู่ๆ AI ถึงดูเหมือนอยู่ทุกที่ไปหมดใน 2027

    มือที่มองไม่เห็นของการตั้งค่าเริ่มต้นคุณไม่ได้เป็นคนขอให้มันมาอยู่ตรงนั้น วันหนึ่งคุณเปิดอีเมลขึ้นมาแล้วมีไอคอนเล็กๆ เสนอตัวช่วยเขียนคำตอบให้คุณ คุณเปิดมือถือเพื่อถ่ายรูปแล้วมีคำแนะนำเด้งขึ้นมาให้ลบคนข้างหลังออก คุณค้นหาสูตรอาหารแล้วมีสรุปเนื้อหามาแทนที่ลิงก์ที่คุณเคยคลิก นี่คือยุคของการวางตำแหน่งแบบ Default เหตุผลที่ AI รู้สึกเหมือนอยู่ทุกที่ ไม่ใช่เพราะทุกระบบเก่งขึ้นมาทันทีทันใด แต่เป็นเพราะบริษัทซอฟต์แวร์ยักษ์ใหญ่ของโลกตัดสินใจเปิดใช้งานมันให้กับทุกคนพร้อมกัน เราผ่านยุคของแชทบอตทดลองที่ต้องล็อกอินแยกต่างหากมาแล้ว ตอนนี้เทคโนโลยีถูกฝังลงไปในระบบปฏิบัติการและช่องค้นหาที่เราใช้งานอยู่เป็นประจำ การเปลี่ยนจากเครื่องมือที่ต้องเลือกใช้ (opt-in) มาเป็นฟีเจอร์พื้นฐานคือตัวขับเคลื่อนหลักของความรู้สึกที่ว่ามันมีอยู่เต็มไปหมด นี่คือกลยุทธ์การกระจายตัวครั้งใหญ่ที่บังคับให้เราต้องเห็นมัน ไม่ว่าเทคโนโลยีเบื้องหลังจะพร้อมเต็มที่หรือไม่ก็ตาม ความรู้สึกว่ามันอยู่ทุกที่นั้นเป็นผลมาจากอิทธิพลขององค์กร มากกว่าจะเป็นการก้าวกระโดดทางตรรกะหรือเหตุผล การมีอยู่ทั่วไปนี้สร้างผลกระทบทางจิตวิทยาที่ทำให้ผู้ใช้รู้สึกเหมือนถูกล้อมรอบ เมื่อโปรแกรมประมวลผลคำ สเปรดชีต และคีย์บอร์ดมือถือของคุณต่างก็แนะนำคำถัดไปให้ เทคโนโลยีก็ไม่ได้เป็นเพียงจุดหมายปลายทางอีกต่อไป แต่มันกลายเป็นสภาพแวดล้อมไปแล้ว นี่ไม่ใช่ช่วงการปรับตัวที่ค่อยเป็นค่อยไป แต่มันคือการบูรณาการแบบบังคับที่ข้ามขั้นตอนการเลือกของผู้บริโภคแบบเดิมไปเลย การนำเครื่องมือเหล่านี้มาวางไว้ในเส้นทางของผู้ใช้หลายพันล้านคน ทำให้ยักษ์ใหญ่ด้านเทคโนโลยีเดิมพันว่าความสะดวกสบายจะสำคัญกว่าข้อผิดพลาดที่เกิดขึ้นเป็นครั้งคราว เป้าหมายคือการทำให้เทคโนโลยีนี้ธรรมดาเหมือนกับระบบตรวจคำผิด อย่างไรก็ตาม การเปิดตัวที่รุนแรงนี้ยังทำให้เส้นแบ่งระหว่างเครื่องมือที่มีประโยชน์กับเครื่องมือที่หลีกเลี่ยงไม่ได้นั้นพร่าเลือน เรากำลังอยู่ในช่วงการอัปเดตซอฟต์แวร์แบบบังคับที่ใหญ่ที่สุดในประวัติศาสตร์ ผลลัพธ์ของการทดลองนี้จะเป็นตัวกำหนดวิธีที่เราโต้ตอบกับคอมพิวเตอร์ในทศวรรษหน้าการเปลี่ยนจากทางเลือกสู่การบูรณาการเป็นเวลาหลายปีที่การใช้ซอฟต์แวร์ขั้นสูงต้องอาศัยความตั้งใจ คุณต้องเข้าเว็บไซต์เฉพาะหรือดาวน์โหลดแอปพลิเคชันเฉพาะเพื่อโต้ตอบกับ Large Language Model ความยุ่งยากนั้นทำหน้าที่เป็นกำแพง แต่วันนี้กำแพงนั้นหายไปแล้ว การบูรณาการเกิดขึ้นในระดับระบบ เมื่อ Microsoft เพิ่มปุ่มเฉพาะบนคีย์บอร์ดแล็ปท็อป หรือ Apple ฝังผู้ช่วยเขียนไว้ในแกนกลางของระบบปฏิบัติการมือถือ เทคโนโลยีก็กลายเป็นสิ่งที่หลีกเลี่ยงไม่ได้ นี่คือกลยุทธ์แบบ Default ซึ่งอาศัยความจริงที่ว่าผู้ใช้ส่วนใหญ่ไม่เคยเปลี่ยนการตั้งค่าจากโรงงาน

  • | | | |

    ยุค AI ครองเมือง: เรื่องจริงที่คนทั่วไปต้องรู้ (และต้องรอด!)

    จุดจบของยุคที่ AI เป็นแค่ทางเลือกคุณไม่จำเป็นต้องวิ่งตามหาปัญญาประดิษฐ์ (AI) อีกต่อไป เพราะมันได้ตามหาคุณจนเจอแล้ว ตอนนี้มันฝังตัวอยู่ในแถบค้นหา ในร่างอีเมล และในแกลเลอรีรูปภาพของคุณ นี่คือการเปลี่ยนผ่านอย่างเงียบเชียบจาก AI ที่เคยเป็นแค่เรื่องน่าตื่นเต้น กลายมาเป็นเครื่องมืออำนวยความสะดวกพื้นฐาน คนส่วนใหญ่ไม่ได้เลือกที่จะรับความเปลี่ยนแปลงนี้ แต่มันมาพร้อมกับการอัปเดตซอฟต์แวร์และการเปลี่ยนข้อกำหนดการให้บริการ เรากำลังอยู่ในยุคที่มีการจัดระเบียบวิธีที่เราโต้ตอบกับข้อมูลใหม่ทั้งหมด เป้าหมายไม่ใช่แค่การช่วยคุณหาเว็บไซต์อีกต่อไป แต่มันคือการหาคำตอบมาเสิร์ฟให้คุณโดยตรง การเปลี่ยนแปลงนี้เปลี่ยนธรรมชาติของอินเทอร์เน็ตไปอย่างสิ้นเชิง โดยย้ายเราจากโมเดลแบบห้องสมุดไปสู่โมเดลแบบผู้ช่วยส่วนตัว นี่ไม่ใช่การคาดเดาอนาคต แต่มันคือมาตรฐานปัจจุบันสำหรับทุกคนที่มี smartphone หรือ laptop การเข้าใจการเปลี่ยนแปลงนี้เป็นสิ่งสำคัญมากเพื่อให้เรายังคงก้าวทันโลกที่เส้นแบ่งระหว่างผลงานของมนุษย์และเครื่องจักรเริ่มจางหายไป เพื่อทำความเข้าใจความจริงใหม่นี้ ผู้อ่านควรติดตาม The AI Magazine เพื่อรับข้อมูลอัปเดตเกี่ยวกับการเปลี่ยนแปลงเหล่านี้อย่างต่อเนื่อง การแทรกซึมที่เงียบเชียบของปัญญาประดิษฐ์ตอนนี้ AI กลายเป็นเลเยอร์ที่ทับซ้อนอยู่บนทุกสิ่ง ใน search engine คุณจะเห็นบทสรุปอัตโนมัติก่อนที่จะเห็นลิงก์เสียด้วยซ้ำ ในซอฟต์แวร์สำนักงาน มี sidebar ที่คอยเสนอสรุปการประชุมหรือร่างบันทึกข้อความให้คุณ โทรศัพท์ของคุณตอนนี้สามารถแนะนำคำตอบสำหรับข้อความ และระบุตัวตนบุคคลในรูปภาพด้วยระบบจดจำใบหน้าที่กลายเป็นมาตรฐานไปแล้ว การบูรณาการนี้เป็นความตั้งใจของบริษัทเทคโนโลยีที่กำลังขยับออกจาก chatbot แบบเดี่ยวๆ พวกเขาต้องการให้ AI เป็นส่วนหนึ่งของ workflow ที่มองไม่เห็น

  • | | | |

    Space Cloud: ไอเดียสุดล้ำหรือเดิมพันโครงสร้างพื้นฐานแห่งอนาคต?

    ดาต้าเซ็นเตอร์กำลังย้ายขึ้นไปเหนือชั้นบรรยากาศCloud computing กำลังเผชิญกับข้อจำกัดทางกายภาพบนโลก ไม่ว่าจะเป็นราคาพลังงานที่พุ่งสูง การขาดแคลนน้ำสำหรับระบบระบายความร้อน และการต่อต้านจากชุมชนในพื้นที่ที่ไม่อยากให้สร้างอาคารคอนกรีตขนาดใหญ่ ทำให้การขยายตัวบนพื้นดินเป็นเรื่องยาก ทางออกที่ถูกเสนอคือการย้ายเซิร์ฟเวอร์ไปไว้ในวงโคจรต่ำของโลก (Low Earth Orbit) นี่ไม่ใช่แค่เรื่องของ Starlink หรือการเชื่อมต่อทั่วไป แต่มันคือการนำพลังประมวลผลจริงๆ ไปไว้ในที่ที่มีพื้นที่ไม่จำกัดและมีพลังงานแสงอาทิตย์ให้ใช้อย่างต่อเนื่อง บริษัทต่างๆ กำลังทดสอบเซิร์ฟเวอร์ขนาดเล็กในอวกาศเพื่อดูว่ามันจะรับมือกับสภาพแวดล้อมที่โหดร้ายได้หรือไม่ หากทำได้ Cloud จะไม่ใช่แค่กลุ่มอาคารใน Virginia หรือ Ireland อีกต่อไป แต่มันจะเป็นเครือข่ายฮาร์ดแวร์ที่โคจรอยู่รอบโลก การเปลี่ยนแปลงนี้ช่วยแก้ปัญหาคอขวดหลักของโครงสร้างพื้นฐานสมัยใหม่ นั่นคือเรื่องการขออนุญาตและการเชื่อมต่อกับโครงข่ายไฟฟ้า การย้ายออกไปนอกโลกช่วยให้ผู้ให้บริการเลี่ยงการต่อสู้ทางกฎหมายเรื่องสิทธิการใช้น้ำและมลภาวะทางเสียงได้ นี่เป็นการพลิกโฉมวิธีคิดเกี่ยวกับตำแหน่งที่ตั้งทางกายภาพของข้อมูลเรา การเปลี่ยนผ่านจากพื้นดินสู่วงโคจรเป็นก้าวต่อไปที่สมเหตุสมผลสำหรับโลกที่ไม่สามารถหยุดสร้างข้อมูลได้ การย้ายซิลิคอนออกจากโครงข่ายไฟฟ้าบนโลกเพื่อให้เข้าใจแนวคิดนี้ คุณต้องแยกมันออกจากอินเทอร์เน็ตผ่านดาวเทียม คนส่วนใหญ่มองว่าเทคโนโลยีอวกาศเป็นเพียงวิธีส่งข้อมูลจากจุด A ไปจุด B แต่ Space cloud computing นั้นต่างออกไป มันเกี่ยวข้องกับการส่งโมดูลที่ทนต่อแรงดันหรือรังสี ซึ่งบรรจุ CPUs, GPUs และระบบจัดเก็บข้อมูลขึ้นสู่วงโคจร โมดูลเหล่านี้ทำหน้าที่เป็นดาต้าเซ็นเตอร์อิสระ โดยไม่ต้องพึ่งพาโครงข่ายไฟฟ้าบนโลก แต่ใช้แผงโซลาร์เซลล์ขนาดใหญ่ที่รับพลังงานได้โดยไม่มีชั้นบรรยากาศมารบกวน นี่คือการเปลี่ยนแปลงครั้งใหญ่จากวิธีที่เราสร้างโครงสร้างพื้นฐานบนพื้นดินการระบายความร้อนคืออุปสรรคทางเทคนิคที่ใหญ่ที่สุด บนโลกเราใช้น้ำหลายล้านแกลลอนหรือพัดลมขนาดใหญ่ แต่ในอวกาศไม่มีอากาศที่จะพาความร้อนออกไป

  • | | | |

    สงครามลิขสิทธิ์จะเปลี่ยนโฉมหน้าผลิตภัณฑ์ AI ในปี 2027 อย่างไร

    ยุคสมัยแห่งข้อมูลฟรีได้สิ้นสุดลงแล้วยุคของการเก็บข้อมูลโดยไม่ต้องรับผลกระทบได้จบลงแล้ว หลายปีที่ผ่านมานักพัฒนาสร้างโมเดลภาษาขนาดใหญ่โดยตั้งสมมติฐานว่าอินเทอร์เน็ตแบบเปิดเป็นทรัพยากรสาธารณะ แต่สมมติฐานนี้กำลังเผชิญกับความจริงในชั้นศาล การฟ้องร้องครั้งใหญ่จากองค์กรสื่อและศิลปินกำลังบีบให้เกิดการเปลี่ยนแปลงพื้นฐานในวิธีการสร้างและขายผลิตภัณฑ์เหล่านี้ บริษัทต่างๆ ไม่สามารถเพิกเฉยต่อแหล่งที่มาของชุดข้อมูลที่ใช้ฝึกฝนได้อีกต่อไป ผลลัพธ์ที่ตามมาคือการเปลี่ยนไปสู่โมเดลแบบมีลิขสิทธิ์ที่ทุกโทเค็นมีราคาค่างวด การเปลี่ยนแปลงนี้จะเป็นตัวตัดสินว่าบริษัทใดจะอยู่รอดและบริษัทใดจะล้มละลายภายใต้ภาระค่าใช้จ่ายทางกฎหมาย นี่ไม่ใช่แค่เรื่องของจริยธรรมหรือสิทธิของผู้สร้างสรรค์ แต่เป็นเรื่องของความยั่งยืนทางธุรกิจ หากศาลตัดสินว่าการฝึกฝนด้วยข้อมูลที่มีลิขสิทธิ์ไม่ใช่การใช้งานที่เป็นธรรม ต้นทุนในการสร้างโมเดลที่แข่งขันได้จะพุ่งสูงขึ้น ซึ่งจะเอื้อประโยชน์ต่อยักษ์ใหญ่ด้านเทคโนโลยีที่มีเงินทุนหนาและมีข้อตกลงด้านลิขสิทธิ์อยู่แล้ว ส่วนผู้เล่นรายย่อยอาจถูกบีบออกจากตลาดโดยสิ้นเชิง ความเร็วในการพัฒนาเทคโนโลยีตอนนี้กำลังชนกำแพงทางกฎหมายที่จะปรับเปลี่ยนอุตสาหกรรมไปอีกนานหลายปี จากการคัดลอกข้อมูลสู่การขออนุญาตหัวใจสำคัญของความขัดแย้งในปัจจุบันอยู่ที่วิธีการเรียนรู้ของโมเดล Generative AI ระบบเหล่านี้รับข้อมูลคำศัพท์และรูปภาพจำนวนมหาศาลเพื่อระบุรูปแบบ ในช่วงแรกของการพัฒนา นักวิจัยใช้ชุดข้อมูลขนาดใหญ่อย่าง Common Crawl โดยไม่ได้กังวลเรื่องสิทธิส่วนบุคคลที่ติดมากับข้อมูลนั้นมากนัก พวกเขาโต้แย้งว่ากระบวนการนี้เป็นการเปลี่ยนแปลงเชิงสร้างสรรค์ (transformative) ซึ่งหมายความว่ามันสร้างสิ่งใหม่ขึ้นมาทั้งหมดและไม่ได้มาแทนที่ผลงานต้นฉบับ ข้อโต้แย้งนี้เป็นรากฐานของการป้องกันการใช้งานที่เป็นธรรม (fair use) ในสหรัฐอเมริกา อย่างไรก็ตาม ขนาดของการผลิต AI ในปัจจุบันได้เปลี่ยนสมการไปแล้ว เมื่อโมเดลสามารถสร้างบทความข่าวในสไตล์ของนักข่าวคนใดคนหนึ่ง หรือสร้างภาพที่เลียนแบบศิลปินที่มีชีวิตอยู่ การอ้างว่าเป็นการเปลี่ยนแปลงเชิงสร้างสรรค์จึงทำได้ยากขึ้น นำไปสู่การฟ้องร้องที่เพิ่มขึ้นจากเจ้าของเนื้อหาที่เห็นว่าผลงานที่เลี้ยงชีพพวกเขาถูกนำไปใช้ฝึกฝนเพื่อสร้างสิ่งที่มาแทนที่พวกเขาในที่สุดความเปลี่ยนแปลงล่าสุดแสดงให้เห็นว่าอุตสาหกรรมกำลังเลิกใช้กลยุทธ์ “ขออภัยทีหลัง” แล้ว บริษัทเทคโนโลยีขนาดใหญ่กำลังทำข้อตกลงมูลค่าหลายล้านดอลลาร์กับสำนักพิมพ์เพื่อรับประกันข้อมูลที่มีคุณภาพสูงและถูกกฎหมาย สิ่งนี้สร้างระบบสองมาตรฐาน ด้านหนึ่งคือโมเดล “สะอาด” ที่ฝึกฝนจากข้อมูลที่มีลิขสิทธิ์หรือข้อมูลสาธารณะ อีกด้านหนึ่งคือโมเดลที่สร้างจากข้อมูลที่คัดลอกมาซึ่งมีความเสี่ยงทางกฎหมายสูง โลกธุรกิจเริ่มชอบแบบแรกมากกว่า บริษัทต่างๆ ไม่ต้องการรวมเครื่องมือที่อาจถูกสั่งปิดโดยคำสั่งศาลหรือนำไปสู่บิลค่าเสียหายจากการละเมิดลิขสิทธิ์ก้อนโต สิ่งนี้ทำให้ ที่มาทางกฎหมาย (legal

  • | | | |

    DeepSeek, Perplexity และคลื่นลูกใหม่ของ AI ที่น่าจับตามอง

    ยุคสมัยแห่งการผูกขาดของ AI ราคาแพงกำลังจะจบลง ตลอดสองปีที่ผ่านมา อุตสาหกรรมนี้ดำเนินงานภายใต้สมมติฐานที่ว่าประสิทธิภาพระดับสูงต้องแลกมาด้วยเงินหลายพันล้านดอลลาร์ในการประมวลผลและการใช้พลังงานมหาศาล แต่ DeepSeek และ Perplexity กำลังพิสูจน์ให้เห็นว่าความคุ้มค่าสามารถเอาชนะขนาดที่ใหญ่โตได้ DeepSeek สร้างความตกตะลึงให้กับตลาดด้วยการปล่อยโมเดลที่มีประสิทธิภาพเทียบเท่าผู้นำในอุตสาหกรรมโดยใช้ต้นทุนการฝึกฝนเพียงเศษเสี้ยว ในขณะเดียวกัน Perplexity ก็กำลังพลิกโฉมวิธีที่ผู้คนใช้งานอินเทอร์เน็ตโดยการเปลี่ยนรายการลิงก์แบบเดิมให้กลายเป็นคำตอบที่ตรงประเด็นและมีการอ้างอิง การเปลี่ยนแปลงนี้ไม่ใช่แค่เรื่องของเครื่องมือใหม่ แต่เป็นการเปลี่ยนแปลงพื้นฐานทางเศรษฐศาสตร์ของปัญญาประดิษฐ์ โฟกัสได้เปลี่ยนจากโมเดลที่ใหญ่แค่ไหน ไปสู่การใช้งานที่ประหยัดต้นทุนเพียงใด เมื่อผู้ท้าชิงเหล่านี้เริ่มมีบทบาทมากขึ้น ยักษ์ใหญ่ในตลาดก็ถูกบีบให้ต้องปกป้องโมเดลธุรกิจที่มีกำไรสูงของตนจากการรุกคืบของคู่แข่งที่เน้นความคล่องตัวและเชี่ยวชาญเฉพาะด้าน ซึ่งให้ความสำคัญกับประโยชน์ใช้สอยมากกว่ากระแสฮือฮา แรงกระแทกจากความคุ้มค่าสู่ตลาดปัญญาประดิษฐ์DeepSeek ถือเป็นการเปลี่ยนแปลงในความเป็นจริงของผลิตภัณฑ์ในโลก AI ในขณะที่หลายบริษัทมุ่งเน้นไปที่การสร้าง Neural Networks ที่ใหญ่ที่สุดเท่าที่จะเป็นไปได้ ทีมงานนี้กลับมุ่งเน้นไปที่การปรับแต่งสถาปัตยกรรม โมเดล DeepSeek-V3 ของพวกเขาใช้แนวทาง Mixture of Experts ซึ่งจะเปิดใช้งานพารามิเตอร์เพียงบางส่วนสำหรับงานที่ได้รับมอบหมาย สิ่งนี้ช่วยให้โมเดลรักษาประสิทธิภาพระดับสูงไว้ได้ในขณะที่ลดพลังการประมวลผลที่จำเป็นสำหรับทุกคำที่สร้างขึ้นอย่างมาก เรื่องราวของบริษัทนี้มักวนเวียนอยู่กับงบประมาณการฝึกฝนที่ต่ำ ซึ่งรายงานว่าต่ำกว่าหกล้านดอลลาร์ ตัวเลขนี้ท้าทายแนวคิดที่ว่ามีเพียงประเทศและองค์กรที่ร่ำรวยที่สุดเท่านั้นที่สามารถสร้างโมเดลระดับแนวหน้าได้ มันบ่งบอกว่าอุปสรรคในการเข้าสู่การเรียนรู้ของเครื่องระดับสูงนั้นต่ำกว่าที่เราเคยคิดไว้Perplexity เข้าหาปัญหานี้จากมุมมองของผู้ใช้งาน มันคือ Answer Engine มากกว่าจะเป็น Search Engine แบบดั้งเดิม โดยใช้ Large Language