ข้ามไปยังเนื้อหา
โลโก้ DailyUncle.comDailyUncle

MongoDB เปิดตัว Voyage 4 ย้ำชัดระบบค้นคืนข้อมูลแม่นยำ สำคัญกว่าโมเดลขนาดใหญ่

เทคโนโลยี
1 ครั้ง
0 ความเห็น
3 นาที
MongoDB เปิดตัว Voyage 4 ย้ำชัดระบบค้นคืนข้อมูลแม่นยำ สำคัญกว่าโมเดลขนาดใหญ่
Image Credit: Voyage AI
By Suphansa Makpayab
TL;DR

MongoDB เปิดตัวโมเดล Embeddings ตระกูล Voyage 4 และ Voyage-multimodal-3.5 เน้นแก้ปัญหาคุณภาพการดึงข้อมูล (Retrieval) ในระบบ AI องค์กร ชี้ชัดว่าความแม่นยำในการค้นหาข้อมูลสำคัญกว่าขนาดของโมเดล พร้อมชูจุดเด่นการรวมศูนย์บนแพลตฟอร์ม Atlas เพื่อลดความยุ่งยากในการจัดการ Data Stack

ในยุคที่ใคร ๆ ก็แข่งกันสร้างโมเดล AI ให้ใหญ่เข้าไว้ ทาง MongoDB กลับมองต่างมุม โดยเชื่อว่ากุญแจสำคัญที่จะทำให้ AI ในระดับองค์กร (Enterprise AI) น่าเชื่อถือและใช้งานได้จริง ไม่ใช่ขนาดของโมเดล แต่เป็นระบบการดึงข้อมูล หรือ Retrieval ที่ต้องแม่นยำและมีประสิทธิภาพ เพราะเมื่อระบบอย่าง Agentic AI หรือ RAG (Retrieval-Augmented Generation) ถูกนำไปใช้งานจริง ปัญหาที่มักเจอคือคุณภาพการค้นคืนข้อมูลที่ตกลง ทำให้ AI ตอบผิด ตอบมั่ว หรือต้นทุนบานปลาย แม้ตัวโมเดลหลักจะฉลาดแค่ไหนก็ตาม

เพื่อแก้ปัญหานี้ MongoDB จึงได้เปิดตัวโมเดล Embeddings (การแปลงข้อมูลเป็นตัวเลขเพื่อให้คอมพิวเตอร์เข้าใจความหมาย) และ Reranking รุ่นใหม่ในตระกูล Voyage 4 ออกมาถึง 4 เวอร์ชัน เพื่อตอบโจทย์การใช้งานที่แตกต่างกัน ดังนี้:

  • voyage 4 embedding: โมเดลอเนกประสงค์สำหรับการใช้งานทั่วไป

  • voyage-4-large: โมเดลเรือธง (Flagship) ที่ทาง MongoDB เคลมว่าเก่งที่สุด

  • voyage-4-lite: เน้นความรวดเร็ว (Low Latency) และประหยัดต้นทุน

  • voyage-4-nano: ออกแบบมาสำหรับการพัฒนาแบบ Local หรือรันบนอุปกรณ์ (On-device) และเป็นรุ่นแรกที่เป็น Open-weight

นอกจากรุ่นปกติแล้ว ยังมีของใหม่อย่าง voyage-multimodal-3.5 ที่เป็นโมเดลแบบ Multimodal สามารถจัดการเอกสารที่มีทั้งข้อความ รูปภาพ และวิดีโอได้ โดยมันสามารถดึงความหมายจากตาราง กราฟ หรือสไลด์ในเอกสารธุรกิจออกมาประมวลผลได้เลย ซึ่งทาง MongoDB เคลมว่าจากการทดสอบบน Benchmark RTEB โมเดลของพวกเขาทำคะแนนได้เหนือกว่าคู่แข่งอย่าง Google และ Cohere เสียอีก

Frank Liu ผู้จัดการผลิตภัณฑ์ของ MongoDB เปรียบเทียบไว้อย่างน่าสนใจว่า Embedding models เหมือนเป็นตัวเลือกที่มองไม่เห็น แต่ชี้ชะตาประสบการณ์ใช้งาน AI ได้เลย ถ้าเลือกผิด ผลลัพธ์การค้นหาจะดูสุ่มและตื้นเขิน แต่ถ้าเลือกถูก แอปพลิเคชันจะดูเหมือนเข้าใจผู้ใช้และข้อมูลจริง ๆ ซึ่งเป้าหมายของ Voyage 4 คือการแก้ปัญหาหน้างานจริงที่ระบบมักจะพังเมื่อเจอกับข้อมูลที่ซับซ้อน

สุดท้าย MongoDB ยังมองเห็นปัญหาความยุ่งยากขององค์กรที่ต้องคอยปะติดปะต่อเครื่องมือหลายตัวเข้าด้วยกัน (Fragmentation) จึงมัดรวมโมเดลเหล่านี้ไว้ในแพลตฟอร์มข้อมูล Atlas เพื่อให้การจัดการ Database และการทำ Retrieval เป็นเรื่องเดียวกัน เรียกว่างานนี้พี่แกกะจะบอกว่า ขนาดไม่สำคัญเท่าลีลาการหาของเจอจริง ๆ

ความเห็น (0)

เข้าสู่ระบบเพื่อแสดงความเห็น

เข้าสู่ระบบ

ยังไม่มีความเห็น

เป็นคนแรกที่แสดงความเห็นในบทความนี้