Meta เปิด Muse ผู้ช่วย AI ส่วนบุคคล หวังเร่งจี้คู่แข่งด้วยฟีเจอร์ใช้ง่ายและความเป็นส่วนตัว

Meta ประกาศผลักดัน AI สู่ผู้ใช้ทั่วไปอีกครั้งด้วย Muse ผู้ช่วย AI ส่วนบุคคลที่ออกแบบมาให้ทำงานแทนผู้ใช้กับภารกิจประจำวัน เช่น ช้อปปิ้งออนไลน์ ส่งอีเมล หรือวางแผนการเดินทาง โดยบริษัทระบุว่า Muse สามารถทำงานต่อในเบื้องหลังหลังจากผู้ใช้ปิดแอป และจะกลับมาติดต่อเมื่อมีการเปลี่ยนแปลงหรือต้องขออนุมัติ เช่น การสั่งซื้อ
การวางตำแหน่งสินค้าและการเปิดตัว
Muse จะเริ่มปล่อยให้ผู้ใช้ในสหรัฐฯ ใช้งานบน iOS, Android และผ่าน muse.ai โดย Meta ระบุว่าจะมีแว่นตา AI ตามมาในภายหลัง ผู้ใช้ทั่วไปส่วนใหญ่จะใช้ได้ฟรี แต่มีแผนสมาชิกแบบชำระเงินสำหรับผู้ที่ต้องการความสามารถเพิ่มเติม โดยรายละเอียดด้านราคาและขอบเขตของบัญชีฟรียังไม่ถูกระบุ
จุดขาย - ความง่ายและการสื่อสาร
Meta ชูจุดขายว่า Muse ใช้งานได้ทันทีโดยไม่ต้องมีทักษะทางเทคนิค ผู้ใช้สามารถสื่อสารกับ Muse ได้เหมือนส่งข้อความผ่านแอป Muse หรือ WhatsApp และ Muse จะจดจำรายละเอียดที่ผู้ใช้บอกไว้เพื่อให้คำแนะนำเชิงรุกได้ดีขึ้น แนวทางนี้ตั้งใจจะตีตลาดผู้ใช้ทั่วไปให้กว้างกว่ากลุ่มธุรกิจหรือผู้เชี่ยวชาญเทคนิค
ความเป็นส่วนตัวและความปลอดภัย
ความน่าเชื่อถือเป็นสิ่งสำคัญสำหรับผู้ช่วยที่ต้องเข้าถึงข้อมูลส่วนบุคคล Meta อนุญาตให้ผู้ใช้เลือกไม่ให้อินเทอร์แอคชันถูกใช้เป็นข้อมูลฝึกโมเดล และสามารถสั่งให้ Muse ลืมข้อมูลบางอย่างได้ บริษัทระบุว่า Muse ทำงานบนเครื่องคอมพิวเตอร์เสมือนในคลาวด์ที่แยกข้อมูลผู้ใช้แต่ละคนเพื่อป้องกันการรั่วไหล ตัว Muse จะไม่เข้าถึงรหัสผ่านหรือวิธีการชำระเงินโดยตรง และมีเอเจนต์อีกตัวชื่อ Sentinel คอยตรวจสอบไม่ให้ Muse นำข้อมูลออกสู่ภายนอกโดยไม่ผ่านการอนุมัติ
- แผนจะเปิดตัวเวอร์ชันเครื่องเสมือนแบบ "confidential" ที่เข้ารหัส ทำให้แม้แต่ Meta เองก็ไม่สามารถเข้าถึงข้อมูลได้
- การผสานกับ 1Password และ Shop Pay กำลังทำงานอยู่ ขณะเดียวกัน Muse สามารถเช็คเอาท์อย่างปลอดภัยผ่าน Stripe's Link ได้แล้ว
การแข่งขันและความท้าทายของ Meta
แม้ Meta จะนำ Muse มาเป็นแกนกลางของกลยุทธ์ AI หลังจากลงทุนหลายพันล้านดอลลาร์ - รวมถึงงบประมาณเพื่อไล่ตามคู่แข่ง แต่ผลิตภัณฑ์ประเภทเอเจนต์ส่วนตัวมีผู้เล่นจำนวนมากในตลาด เช่น OpenAI ChatGPT Work, Anthropic Claude Cowork, Microsoft Copilot Tasks, SpaceXAI Grok Bot, Moltbot และ Google Gemini Spark การที่ Muse มีฐานผู้ใช้จากเครือข่ายโซเชียลของ Meta เป็นข้อได้เปรียบ แต่บริษัทยังต้องเผชิญกับปัญหาด้านความไว้วางใจจากประวัติเรื่องความเป็นส่วนตัวและความผิดพลาดของฟีเจอร์ AI ในอดีต
ในอดีต Meta เคยมีเหตุการณ์ที่กระทบความน่าเชื่อถือหลายครั้ง เช่น กรณี Cambridge Analytica ฟีเจอร์ Discover ที่แสดงการสนทนาของผู้ใช้คนอื่นๆ บ็อตสนับสนุนที่ถูกใช้ขโมยบัญชี Instagram กว่า 20,000 บัญชี และฟีดข่าว AI ที่สร้างคอนเทนต์คลิกเบตซึ่งอาจละเมิดต่อแนวทางของบริษัท รวมถึงประเด็นแว่นตาที่ถูกวิจารณ์
สิ่งที่ต้องติดตามคือรายละเอียดแพ็กเกจแบบชำระเงิน ข้อจำกัดของผู้ใช้ฟรี การเปิดตัวเวอร์ชัน confidential ของเครื่องเสมือน และการเปิดตัวแว่นตา AI ซึ่งจะเป็นสัญญาณวัดความจริงจังของ Meta ในการแข่งขันครั้งนี้
หมายเหตุสำหรับผู้ทำงานสายไอที - ข่าวนี้มีนัยสำคัญต่อผู้พัฒนาและวิศวกรด้านความปลอดภัยที่ต้องพิจารณาการผสาน Muse กับบริการอื่น ๆ และนโยบายการจัดการข้อมูล การฝึกทักษะด้าน prompt engineering, การออกแบบระบบที่คำนึงถึงความเป็นส่วนตัว และการทดสอบการทำงานแบบเอเจนต์จะเป็นประโยชน์เมื่อเทคโนโลยีประเภทนี้แพร่หลายขึ้น
ที่มา: The Verge - เรียบเรียงและสรุปเป็นภาษาไทยโดยทีมงาน IT Genius
ไอทีจีเนียส เอ็นจิเนียริ่ง ให้บริการด้านไอทีครบวงจร
ทั้งงานอบรม (Training) สัมมนา รับเขียนโปรแกรม เว็บไซต์ แอปพลิเคชัน งานออกแบบกราฟิก และงานด้าน E-Marketing ทั้ง SEO, PPC และ Social Media Marketing
ติดต่อเราเพื่อสอบถามผลิตภัณฑ์ ขอราคา หรือปรึกษาเรื่องไอทีได้เลยค่ะ
แนะนำหลักสูตรที่น่าสนใจ

Generative AI for Software Developers
Generative AI กลายเป็นส่วนหนึ่งของงานพัฒนาซอฟต์แวร์ประจำวัน ตั้งแต่ออกแบบระบบ เขียนโค้ด แก้ Bug เขียน Test ไปจนถึงทำเอกสาร แต่ผลลัพธ์ที่ได้ขึ้นอยู่กับว่านักพัฒนาสื่อสารกับ AI ได้ชัดเจนแค่ไหน ให้บริบทเพียงพอหรือไม่ และตรวจสอบผลงานของ AI อย่างไร นักพัฒนาที่ใช้…

Advanced Prompt Engineering & AI Evaluation
องค์กรจำนวนมากเริ่มนำ Generative AI มาใช้ในงานจริงแล้ว แต่กลับพบปัญหาเดียวกันคือผลลัพธ์ไม่คงที่ สั่งงานเดิมแต่ได้คำตอบต่างกันทุกครั้ง คุณภาพขึ้นอยู่กับคนเขียน Prompt และไม่มีวิธีวัดว่า Prompt ที่ปรับไปแล้วดีขึ้นจริงหรือไม่ ปัญหาเหล่านี้ทำให้ AI…

AI-Powered System Analysis & Design
งานวิเคราะห์และออกแบบระบบใช้เวลาไปกับการเขียนเอกสารและวาด Diagram มากกว่าการคิดออกแบบจริง กว่าจะได้ Use Case ครบ วาด Process Flow เสร็จ ทำ ER Diagram ให้ตรงกับที่คุยไว้ แล้วยังต้องเขียนสเปก API และร่างสถาปัตยกรรมอีก พอความต้องการเปลี่ยนกลางทาง…
