tag: Google Research

Google Research ร่วมกับ Stanford เปิดตัวภารกิจ AI Quests ลำดับที่ 3 ให้เด็กอายุ 11-14 ปีสวมบทนักวิจัยเพื่อเรียนรู้การทำงานของ AI ผ่านการสร้างแผนที่เครือข่ายประสาทในสมอง

Google Research และ Google for Health พัฒนาโมเดลพื้นฐาน AI อย่าง MedGemma และเครื่องมือวิเคราะห์ภาพเอกซเรย์ช่วยลดเวลาการวินิจฉัยวัณโรคจากหลายสัปดาห์เหลือเพียง 45 วินาที

Google Research เปิดตัว Harness² เฟรมเวิร์กที่ช่วยให้ AI agent พัฒนาทักษะและแก้ไขข้อผิดพลาดได้เองผ่านระบบรีเคอร์ซีฟสองระดับ โดยไม่ต้องเทรนโมเดลใหม่หรือแก้ไข model weights

Google Research พัฒนาระบบ AI แปลผลอัลตราซาวนด์แบบ Blind Sweep ช่วยให้บุคลากรด่านหน้าประเมินอายุครรภ์ได้แม่นยำเทียบเท่าผู้เชี่ยวชาญ แม้ไม่มีทักษะเฉพาะทาง

Google Research เปิดตัว Harness2 เฟรมเวิร์กโอเพนซอร์สแบบ Apache-2.0 ที่ช่วยปรับปรุงระบบแวดล้อมของ AI Agent ได้ในตัว โดยไม่ต้องอัปเดตน้ำหนักโมเดล ช่วยเพิ่มคะแนนประสิทธิภาพได้สูงสุดถึง 11.5 คะแนน

การศึกษาจาก Google, MIT และ Harvard พบว่า AI agent มักข้ามรายงานข้อผิดพลาดอย่างเป็นระบบแม้จะตรวจพบเองก็ตาม แต่การใช้คำสั่งให้ซื่อสัตย์ช่วยลดปัญหานี้ได้

Google Research เผยความสำเร็จล่าสุดในงาน Research@ ณ Mountain View โชว์ 10 นวัตกรรม AI ที่จะเข้ามาเปลี่ยนโฉมงานวิจัย วิทยาศาสตร์ สาธารณสุข และการดำเนินธุรกิจทั่วโลก

Google จัดงาน Research@ ณ เมือง Mountain View เผยความสำเร็จล่าสุดของเทคโนโลยี AI และความฉลาดอัจฉริยะที่จะเข้ามาช่วยแก้ปัญหาระดับโลก ทั้งด้านสาธารณสุขและการรับมือวิกฤตการณ์

Deep Review เป็นระบบ AI แบบ agentic ที่พัฒนาขึ้นเพื่อช่วยตรวจสอบความสอดคล้องทางตรรกะและความถูกต้องในเอกสารวิชาการ กฎหมาย และการเงิน เพื่อแก้ปัญหาคอขวดในการตรวจสอบข้อมูลจำนวนมาก

สำรวจแนวทางการใช้ RRSI (Regularized Recursive Self-Improvement) เพื่อสร้าง AI Agent ที่ปลอดภัยและมีประสิทธิภาพผ่านกฎ noise bands การควบคุมต้นทุน และการคัดกรองข้อมูลรั่วไหล

Google Research เปิดตัวระบบ Federated Learning รูปแบบใหม่ที่ประมวลผลบน TEE ฝั่งเซิร์ฟเวอร์ พร้อมเปิดให้ตรวจสอบความเป็นส่วนตัวจากภายนอกได้ ซึ่ง Gboard ได้นำมาใช้งานจริงแล้ว

ทำความรู้จัก Kauldron ไลบรารีที่ช่วยให้การเทรน JAX ยืดหยุ่นและเป็นโมดูลมากขึ้น ด้วยระบบ Config ที่เป็น JSON, การเชื่อมต่อองค์ประกอบผ่าน String Path และระบบตรวจสอบ Shape ของ Array ขณะรันไทม์

Google Cloud AI Research เปิดตัว RRSI เฟรมเวิร์กโอเพนซอร์สที่ช่วยให้เอเย่นต์ LLM พัฒนาศักยภาพได้ด้วยตนเองผ่านการปรับปรุงระบบสนับสนุนโดยไม่ต้องแก้ไขน้ำหนักโมเดล

สรุปขั้นตอนการใช้งาน Massive Sound Embedding Benchmark (MSEB) ตั้งแต่การสร้าง custom encoder ไปจนถึงการประเมินผลผ่านภารกิจการจำแนกประเภท การจัดกลุ่ม และการสืบค้นข้อมูลเสียง

Google Research เปิดตัวนวัตกรรมที่ใช้ Generative UI ช่วยให้ครูสามารถสร้างสื่อการเรียนรู้แบบโต้ตอบ (Interactive) ที่ปรับแต่งตามหลักสูตรได้โดยอัตโนมัติ พร้อมผ่านการตรวจสอบจากผู้เชี่ยวชาญ

Google Research พัฒนาเฟรมเวิร์ก Retrieve-for-Train (R4T) ที่ใช้ RL ฝึกโมเดล Diffusion ขนาด 53.9 ล้านพารามิเตอร์ ให้สามารถสร้างผลลัพธ์การค้นหาที่หลากหลายและแม่นยำได้ในการประมวลผลครั้งเดียว เร็วกว่าเดิมสูงสุด 20 เท่า

Google Research พัฒนา ToolGrad เฟรมเวิร์กที่พลิกกระบวนการสร้างชุดข้อมูล tool-use โดยตรวจสอบ API chain ก่อนเขียน query ส่งผลให้ Gemma-3-12B ที่ถูกฝึกด้วยข้อมูลเพียง 500 ชุด มีประสิทธิภาพเทียบเท่า Gemini 2.5 Pro

นักวิทยาศาสตร์ประสบความสำเร็จในการจัดทำแผนที่เครือข่ายประสาทของแมลงวันผลไม้ตัวผู้แบบสมบูรณ์เป็นครั้งแรก โดยพบเซลล์ประสาทกว่า 166,000 เซลล์ ซึ่งจะช่วยเปิดประตูสู่การทำความเข้าใจกลไกสมองที่ซับซ้อนยิ่งขึ้น

Google เปิดตัว TimesFM-3 โมเดล AI รุ่นล่าสุดที่รองรับการพยากรณ์อนุกรมเวลาแบบพหุตัวแปรโดยเฉพาะ มาพร้อมพารามิเตอร์ 330 ล้านตัว และความสามารถในการวิเคราะห์ปัจจัยภายนอกเพื่อความแม่นยำระดับแนวหน้า

Google Research และ UNSW Sydney พัฒนา GlucoFM โมเดล Foundation Model ขนาดเล็กแต่ทรงพลังที่แยกข้อมูลการตรวจระดับน้ำตาลต่อเนื่อง (CGM) เป็นสายข้อมูลสรีรวิทยาและเหตุการณ์ชั่วคราว ซึ่งให้ความแม่นยำสูงกว่าโมเดลขนาดใหญ่หลายร้อยเท่า

Google Research พัฒนา ME-POIs เฟรมเวิร์กที่นำข้อมูลการสัญจรจริงมาเสริมกับ AI ภาษา ช่วยให้ระบบเข้าใจพฤติกรรมการใช้งานสถานที่นอกเหนือจากคำบรรยาย เพิ่มความแม่นยำในการคาดการณ์ความหนาแน่นและเจตนาการเข้าชมได้สูงสุดถึง 81.9%

Google เปิดตัวเฟรมเวิร์ก ME-POIs ที่รวมรูปแบบความคล่องตัวของประชากรเข้ากับข้อมูลข้อความ เพื่อให้ AI เข้าใจจังหวะและฟังก์ชันการทำงานของสถานที่จริงได้อย่างแม่นยำกว่าที่เคย

บทช่วยสอนการสร้างเวิร์กโฟลว์พยากรณ์อนุกรมเวลาขั้นสูงแบบ end-to-end ด้วย TimesFM 2.5 ครอบคลุมตั้งแต่การจัดการตัวแปรต้น การทดสอบย้อนหลัง ไปจนถึงการตรวจจับความผิดปกติบน Google Colab

Google Research พัฒนา SensorFM โมเดลพื้นฐานที่ฝึกฝนด้วยข้อมูลจากผู้ใช้ Fitbit และ Pixel Watch กว่า 5 ล้านคน พบประสิทธิภาพเหนือกว่าเกณฑ์มาตรฐานเดิมในเกือบทุกด้าน และอาจเป็นกลไกสำคัญของ AI Health Coach ในอนาคต

Google Research แสดงให้เห็นว่าการใช้ AI ประสานงานเส้นทางผ่านแอปนำทางแม้เพียงส่วนน้อย สามารถเพิ่มความเร็วขณะขับขี่ได้ 2% และลดการปล่อยก๊าซเรือนกระจกได้หลายพันตันต่อปี