🧠 AI ตัวเดียวเข้าใจทุกอย่าง — ข้อความ ภาพ วิดีโอ โมเดล 3 มิติ พร้อมกัน

ถ้าบอกว่า AI ตัวหนึ่งอ่านข้อความได้ ดูรูปเป็น ดูวิดีโอรู้เรื่อง แถมยังเข้าใจโมเดล 3 มิติ — แล้วเอาทุกอย่างมาคิดร่วมกันได้ด้วย?

ฟังดูเหมือนหนัง แต่ตอนนี้มันเป็นงานวิจัยจริงแล้ว

ปกติ AI แต่ละตัวจะเก่งแค่ด้านเดียว — ตัวหนึ่งอ่านข้อความ อีกตัวดูรูป อีกตัววิเคราะห์วิดีโอ พอจะเอามาใช้งานจริง ต้องต่อหลายตัวเข้าด้วยกัน เหมือนคนที่ตาข้างหนึ่งมองได้ แต่หูไม่ได้ยิน

ปัญหาคือ ข้อมูลจากแต่ละช่องทางไม่ได้ถูก "คิดร่วมกัน" จริงๆ แค่เอาผลลัพธ์มาปะติดปะต่อ

ทีมวิจัยเปิดตัว Omni — โมเดลที่ถูกฝึกให้เข้าใจ 5 รูปแบบข้อมูลพร้อมกันตั้งแต่ต้น ได้แก่ ข้อความ ภาพนิ่ง วิดีโอ โมเดล 3 มิติ และข้อมูลซ่อนภายใน

สิ่งที่น่าสนใจที่สุดคือความสามารถที่เรียกว่า "Context Unrolling" — แทนที่จะดูทีละอย่างแล้วค่อยรวม โมเดลจะ "คลี่" ข้อมูลจากทุกช่องทางออกมาวิเคราะห์พร้อมกัน เหมือนคนที่มองภาพ ฟังเสียง และอ่านคำอธิบายไปพร้อมๆ กัน แล้วสรุปออกมาเป็นคำตอบเดียว

🎯 ทำไมถึงสำคัญ:

• AI ที่ "คิดข้ามสื่อ" ได้จริง — ไม่ใช่แค่ดูรูปแล้วตอบ แต่เอารูป+วิดีโอ+ข้อความมาวิเคราะห์ร่วมกัน
• สร้างเนื้อหาได้หลายรูปแบบ — พิมพ์คำสั่งแล้วได้ทั้งข้อความ ภาพ วิดีโอ และโมเดล 3 มิติ
• เปิดทางให้ AI รุ่นถัดไปเข้าใจโลกแบบ "องค์รวม" ไม่ใช่แค่ทีละมิติ

ลองนึกภาพ AI ที่ดูวิดีโอสอนทำอาหาร อ่านสูตรไปด้วย เห็นภาพวัตถุดิบ แล้วสร้างโมเดล 3 มิติของจานอาหารออกมาให้ดู — ทั้งหมดจาก AI ตัวเดียว

นี่คือทิศทางที่ AI กำลังมุ่งหน้าไป — จากผู้เชี่ยวชาญเฉพาะทาง สู่ผู้ช่วยที่เข้าใจทุกมิติของข้อมูล