Google Cloud Next 2024: เปิดตัว Gemini 1.5 Pro รุ่นทดลองสาธารณะ

ในงาน Google Cloud Next 2024 ที่จัดขึ้นระหว่างวันที่ 9-11 เมษายน พ.ศ. 2567 Google ได้ประกาศอย่างเป็นทางการว่า Gemini 1.5 Pro เปิดให้ลูกค้าและนักพัฒนาของ Google Cloud ทดลองใช้แบบ "Public Preview" แล้ว ต่อจากที่เปิดตัว Gemini 1.5 Pro ครั้งแรกในเดือนกุมภาพันธ์ที่ผ่านมา ซึ่งตอนนั้นจำกัดเฉพาะผู้ได้รับเชิญเพียงไม่กี่รายในรูปแบบ "Private Preview" ครั้งนี้ถือเป็นการเปิดกว้างขึ้นอย่างชัดเจน โดยองค์กรและนักพัฒนาที่มีบัญชี Google Cloud สามารถขอใช้งานผ่านแพลตฟอร์ม Vertex AI และเชื่อมต่อเข้ากับแอปพลิเคชันของตนได้ทันทีโดยไม่ต้องรอคำเชิญ

คุณสมบัติที่ได้รับความสนใจมากที่สุดของ Gemini 1.5 Pro คือความสามารถในการประมวลผลบริบท (context window) ที่ยาวถึง 1 ล้าน token อย่างเสถียร ซึ่งเทียบเท่ากับวิดีโอความยาวประมาณ 1 ชั่วโมง เสียงบันทึกยาว 11 ชั่วโมง หรือข้อความมากกว่า 700,000 ตัวอักษร ที่สามารถป้อนเข้าโมเดลได้ในครั้งเดียวโดยไม่ต้องใช้เทคนิคการค้นคืนหรือแบ่งส่วนเพิ่มเติม บริบทความยาวระดับนี้เหนือกว่าโมเดลหลักส่วนใหญ่ในตลาดขณะนั้น (รวมถึง GPT-4 Turbo ที่รองรับ 128k token) และถือเป็นความก้าวหน้าทางเทคนิคที่สำคัญที่สุดของตระกูล Gemini 1.5 เมื่อเทียบกับ Gemini 1.0 รุ่นก่อนหน้า

ความหมายเชิงเทคนิค: บริบทยาวกลายเป็นสนามรบใหม่

ในอดีต หากองค์กรต้องการให้ AI "อ่านเข้าใจ" สัญญาทั้งฉบับ รายงานประจำปีทั้งเล่ม หรือวิดีโอประชุมทั้งช่วง มักต้องตัดเนื้อหาเป็นส่วนเล็กๆ ป้อนให้โมเดลทีละส่วน แล้วอาศัยเทคนิคการค้นคืนเพิ่มเติม (เช่น RAG) มาประกอบบริบทเข้าด้วยกัน ซึ่งเสี่ยงต่อการหลุดข้อมูลที่เชื่อมโยงกันข้ามส่วน การมีบริบทระดับล้าน token ของ Gemini 1.5 Pro ทำให้โมเดลสามารถ "อ่านจบ" ข้อมูลทั้งชุดในครั้งเดียวก่อนตอบคำถาม นับเป็นการยกระดับความสามารถที่จับต้องได้จริงสำหรับงานที่ต้องประมวลผลเอกสาร วิดีโอ หรือฐานโค้ดจำนวนมาก และทำให้ Google ขึ้นนำอย่างชัดเจนในการแข่งขันด้านความยาวบริบทชั่วระยะหนึ่ง

เทียบกับรุ่นก่อนหน้าและคู่แข่ง

เมื่อเทียบกับตอนเปิดตัวเดือนกุมภาพันธ์ที่ให้พาร์ทเนอร์เพียงไม่กี่รายทดสอบ การเปิด Public Preview ครั้งนี้สะท้อนว่า Google มั่นใจในความเสถียรและการควบคุมต้นทุนของเทคโนโลยีนี้มากพอที่จะเปิดกว้างให้ลูกค้าคลาวด์แบบเสียเงินจำนวนมาก เมื่อเทียบกับ GPT-4 Turbo ของ OpenAI (128k token) และตระกูล Claude 3 ของ Anthropic ที่เพิ่งเปิดตัวในช่วงเวลาใกล้เคียงกัน ความยาวบริบทของ Gemini 1.5 Pro นั้นห่างกันเป็นระดับขั้น ทำให้ Google Cloud มีจุดแตกต่างที่ชัดเจนในการแย่งชิงลูกค้าองค์กร

ปฏิกิริยาจากวงการ

ในงาน Cloud Next และชุมชนนักพัฒนาต่างมองว่าบริบทระดับล้าน token คือไฮไลต์ที่สุดของการประกาศครั้งนี้ การพูดคุยส่วนใหญ่มุ่งไปที่คำถามว่า "บริบทยาวขนาดนี้จะมาแทนที่สถาปัตยกรรมการค้นคืนแบบเวกเตอร์แบบดั้งเดิมได้หรือไม่" ขณะเดียวกันก็มีเสียงเตือนว่าต้นทุนการประมวลผลและความหน่วงของบริบทยาวยังเป็นตัวแปรที่องค์กรต้องทดสอบจริงก่อนนำไปใช้ การเปิด Public Preview จึงมีความหมายในแง่ที่ให้นักพัฒนาจำนวนมากขึ้นได้พิสูจน์ข้อสงสัยเหล่านี้ด้วยตนเอง

ความหมายต่อผู้บริหาร

สำหรับผู้บริหาร ข่าวนี้สะท้อนว่าเกณฑ์ของการ "ป้อนเอกสารทั้งฉบับหรือวิดีโอประชุมทั้งช่วงให้ AI วิเคราะห์ในครั้งเดียว" กำลังลดลงอย่างรวดเร็ว ไม่จำเป็นต้องพึ่งฝ่าย IT เตรียมข้อมูลล่วงหน้าที่ซับซ้อนอีกต่อไป เมื่อจะประเมินการนำเครื่องมือ AI มาใช้ในอนาคต อาจลองใช้คำถามง่ายๆ ว่า "เครื่องมือนี้อ่านเอกสารที่ยุ่งเหยิงที่สุดของเราจบในครั้งเดียวได้หรือไม่" เป็นโจทย์ทดสอบจริง