หมดปัญหาเรื่องตาราง Granite vision AI สรุปเอกสารครบจบในตัวเดียว
ที่ผ่านมาเราอาจตาลายหรือมีปัญหาในการสรุปกราฟ ตาราง หรือแผนภูมิกันไม่น้อย แต่ปัญหานี้จะหมดไปด้วย Granite vision โมเดล AI ใหม่จาก IBM ที่ช่วยสรุปเนื้อหาเหล่านี้โดยเฉพาะ
นอกจากเปิดตัว Granite 3.2 แล้ว IBM ยังได้เปิดตัวอีกหนึ่งโมเดล AI ใหม่อย่าง Granite vision ที่ไม่ใช่เพียง LLM ทั่วไปแต่เป็น VLM(Vision-large language model) ที่สามารถวิเคราะห์ภาพ ไม่เพียงภาพทั่วไปตามธรรมชาติแต่รวมถึงแผนภูมิ ตาราง หรือการนำเสนออื่นๆ สำหรับใช้นำเสนอภายในองค์กรโดยเฉพาะ
จริงอยู่ปัจจุบัน AI หลายตัวสามารถวิเคราะห์ภาพและเนื้อหาในตารางได้เช่นกัน แต่หลายครั้งเมื่อตารางมีความซับซ้อนมาก ข้อมูลที่ได้อาจคลาดเคลื่อนหรือเกิดอาการหลอนจนทำให้ข้อมูลคลาดเคลื่อน เป็นปัญหาอย่างยิ่งกับการสรุปเอกสาร โดยเฉพาะเอกสารในองค์กรที่พึ่งพาแนวทางนำเสนอแบบนี้เป็นจำนวนมาก
ด้วยเหตุนี้ Granite vision จึงถูกออกแบบมาเพื่อแยกข้อมูลเนื้อหาจากกราฟ แผนภูมิ และตารางโดยเฉพาะ อาศัยพื้นฐานจากโมเดล Granite 3.1 จากนั้นจึงทำการป้อนภาพนำเสนอ 4.2 ล้านภาพ และเอกสารองค์กรอีก 13.7 ล้านหน้า โดยอาศัยข้อมูลสังเคราะห์มาทำการเทรน
ผลลัพธ์ที่ได้เมื่อนำมาทดสอบกับชุดเอกสารทั่วไปพบว่า Granite vision ทำความเข้าใจเนื้อหาได้ลึกซึ้ง ไม่เพียงอ่านข้อมูลแผนภูมิและตารางเท่านั้น ยังสามารถทำความเข้าใจเรซูเม่ ใบแจ้งหนี้ ไปจนแบบฟอร์มของบริษัทและราชการ พร้อมสรุปรายละเอียดจากเนื้อหาเหล่านั้นอย่างมีประสิทธิภาพ ทำคะแนนในหลายการทดสอบได้สูงกว่า Microsoft Phi 3.5
นั่นทำให้ Granite vision มีศักยภาพในการประหยัดเวลาการทำงาน ลดความซ้ำซากจำเจในการตรวจทานและสรุปเนื้อหาเอกสารปริมาณมากได้ในเวลาอันรวดเร็ว เช่น การระบุข้อบกพร่องผลิตภัณฑ์, การแยกข้อมูลอุบัติเหตุจราจรจากภาพถ่าย ไปจนประมวลผลใบแจ้งหนี้หลายร้อยใบในเวลาไม่กี่นาทีต่อไป
สำหรับท่านที่สนใจ Granite vision สามารถเข้าถึงและดาวน์โหลดมาใช้งานได้ผ่านเว็บไซต์ Hugging face เช่นกัน
