Published: May 22, 2025
AI กำลังเปลี่ยนวิธีที่นักพัฒนาเว็บสร้างเว็บไซต์และเว็บแอปพลิเคชัน ในงาน Google I/O 2025 เราได้แชร์สิ่งที่ทำมาตลอดปีที่ผ่านมา สาธิตวิธีที่พาร์ทเนอร์ใช้ประโยชน์จาก AI บนเว็บ และ ประกาศเปิดตัว AI API ใหม่ที่มาพร้อมกับผลิตภัณฑ์
หากคุณพลาดงานนี้ เรามีข่าวดีมาบอก ตอนนี้คุณสามารถดูการบรรยายแบบออนดีมานด์ได้แล้ว
AI ที่มาพร้อมกับผลิตภัณฑ์และนำไปใช้ได้จริงด้วย Gemini Nano ใน Chrome
พันธกิจหลักของเราคือการทำให้ Chrome และเว็บฉลาดขึ้นสำหรับนักพัฒนาแอปและผู้ใช้ทุกคน ในการบรรยายครั้งนี้ Thomas Steiner จะแชร์ข้อมูลอัปเดตเกี่ยวกับ AI ที่มาพร้อมกับผลิตภัณฑ์ กรณีการใช้งานจริง และภาพรวมของอนาคต
AI ที่มาพร้อมกับผลิตภัณฑ์จะเรียกใช้โมเดลฝั่งไคลเอ็นต์ในเบราว์เซอร์ ซึ่งมีข้อดีหลายประการ ดังนี้
- เป็นส่วนตัว: ข้อมูลผู้ใช้ที่ละเอียดอ่อนจะยังคงอยู่ในอุปกรณ์ โดยไม่จำเป็นต้องออกจากเบราว์เซอร์
- ใช้งานแบบออฟไลน์ได้: แอปพลิเคชันสามารถเข้าถึงความสามารถของ AI ได้แม้ไม่มีการเชื่อมต่ออินเทอร์เน็ต
- มีประสิทธิภาพ: API เหล่านี้ให้ประสิทธิภาพที่ยอดเยี่ยมด้วยการเร่งความเร็วด้วยฮาร์ดแวร์
ดูตัวอย่างโค้ดสำหรับ AI API แต่ละรายการที่มาพร้อมกับผลิตภัณฑ์ รับข้อมูลอัปเดตเกี่ยวกับสถานะ และดูว่าบริษัทใดบ้างที่ใช้เทคโนโลยีนี้
Multimodal API
เรากำลังพัฒนา Multimodal API ใหม่ ซึ่งหมายความว่าคุณสามารถถามโมเดลเกี่ยวกับสิ่งที่ "เห็น" ในเนื้อหาภาพหรือสิ่งที่ "ได้ยิน" ในเนื้อหาเสียง เช่น รับคำแนะนำสำหรับข้อความแสดงแทนในรูปภาพที่อัปโหลดในแพลตฟอร์มบล็อก ซึ่งผู้ใช้สามารถปรับแต่งได้ หรือคุณจะขอให้ Gemini Nano เขียนคำอธิบายหรือคำบรรยายสำหรับพอดแคสต์ก็ได้
Hybrid AI
ความท้าทายอย่างหนึ่งที่นักพัฒนาแอปต้องเผชิญกับ AI ฝั่งไคลเอ็นต์คือไม่ใช่ทุกแพลตฟอร์มและเบราว์เซอร์ที่มีคุณสมบัติตรงตามข้อกำหนดของฮาร์ดแวร์ในการเรียกใช้โมเดลในอุปกรณ์ Gemini และ Firebase จึงร่วมมือกันสร้าง Firebase Web SDK เพื่อให้คุณสามารถใช้ Gemini Nano ในเซิร์ฟเวอร์ได้ในกรณีที่การใช้งานฝั่งไคลเอ็นต์ไม่พร้อมใช้งาน
การทำงานร่วมกับคุณ
เรารู้สึกยินดีเป็นอย่างยิ่งที่ได้ร่วมงานกับนักพัฒนาแอปจำนวนมากใน AI API ที่มาพร้อมกับผลิตภัณฑ์ ความพยายามของเราจะเกิดขึ้นไม่ได้หากไม่มีคุณ
- โปรแกรมทดลองใช้ก่อนเปิดตัว: นักพัฒนาแอปกว่า 16,000 รายเข้าร่วม EPP เพื่อทดสอบ API ใหม่ ค้นพบกรณีการใช้งานใหม่ๆ และให้ความคิดเห็นเพื่อสร้าง AI ที่ดีขึ้นสำหรับเว็บ
- Hackathon: เราได้จัด Hackathon 2 ครั้ง และคุณได้สร้างเว็บไซต์และส่วนขยายที่น่าทึ่ง
งานของคุณยังไม่จบ โปรดแชร์ความคิดเห็นและทดสอบ API ใหม่ที่มาพร้อมกับผลิตภัณฑ์ต่อไป แล้วเราจะปรับปรุงอย่างต่อเนื่อง คุณยังช่วยกำหนดมาตรฐาน API เหล่านี้ได้ด้วยการเข้าร่วมกลุ่มชุมชน Web Machine Learning ของ W3C
อนาคตของส่วนขยาย Chrome ด้วย Gemini ในเบราว์เซอร์
จำนวนส่วนขยายที่ทำงานด้วยระบบ AI เพิ่มขึ้นเป็น 2 เท่าในช่วง 2 ปีที่ผ่านมา โดย 10% ของส่วนขยายทั้งหมดที่ติดตั้งจาก Chrome เว็บสโตร์ใช้ AI ในการบรรยายครั้งนี้ Sebastian Benz จะยกตัวอย่างการใช้งานจริงเพื่อแสดงให้เห็นว่าเหตุใดส่วนขยาย Chrome และ Gemini จึงเป็นการผสมผสานที่ทรงพลัง
ตัวอย่างการใช้งานมีตั้งแต่การทำให้เบราว์เซอร์มีประโยชน์มากขึ้นด้วยการแยกและประมวลผลข้อมูลจากเว็บไซต์ในไคลเอ็นต์โดยใช้ Prompt API ที่เพิ่งเปิดตัวของ Chrome
ไปจนถึงการสาธิตศักยภาพของความสามารถแบบมัลติโมดัลใหม่ของ Prompting API ของ Chrome ในส่วนขยาย Chrome เพื่อทำให้เสียงและรูปภาพเข้าถึงได้ง่ายขึ้นสำหรับผู้ใช้
สำรวจศักยภาพของการใช้ Gemini ในระบบคลาวด์หรือ ในเบราว์เซอร์ ใน ส่วนขยาย Chrome เพื่อสร้างประสบการณ์การท่องเว็บใหม่ๆ และทำให้เบราว์เซอร์มีประโยชน์มากขึ้น
กรณีการใช้งานและกลยุทธ์ Web AI ในโลกแห่งความเป็นจริง
Yuriko Hirota และ Swetha Gopalakrishnan ได้ยกตัวอย่างการใช้งานจริงของบริษัทที่ใช้ AI บนเว็บเพื่อปรับปรุงธุรกิจและประสบการณ์ของผู้ใช้ ไม่ว่าโซลูชันจะใช้โมเดลฝั่งไคลเอ็นต์ ฝั่งเซิร์ฟเวอร์ หรือโซลูชันแบบไฮบริด สิ่งสำคัญคือฟังก์ชันและฟีเจอร์ใหม่ๆ ที่น่าตื่นเต้นซึ่งคุณพร้อมให้บริการแก่ผู้ใช้แล้วในตอนนี้
BILIBILI ทำให้ วิดีโอสตรีมมีส่วนร่วมมากขึ้นด้วยฟีเจอร์ใหม่: ความคิดเห็นแบบกระสุน ซึ่งจะแสดงความคิดเห็นของผู้ใช้แบบเรียลไทม์ในวิดีโอ โดยแสดงอยู่ด้านหลังผู้พูด โดยใช้การแบ่งส่วนรูปภาพ ซึ่งเป็นแนวคิดแมชชีนเลิร์นนิงที่เข้าใจได้ง่าย ส่งผลให้ระยะเวลาเซสชันเพิ่มขึ้น 30% Tokopedia ลดความยุ่งยากใน กระบวนการยืนยันตัวตนของผู้ขายโดยใช้โมเดลการตรวจจับใบหน้าเพื่อประเมิน คุณภาพของรูปภาพที่อัปโหลด ส่งผลให้การอนุมัติด้วยตนเองลดลงเกือบ 70%
Vision Nanny ซึ่งเป็นแพลตฟอร์มเว็บสำหรับเด็กที่มีความบกพร่องทางการมองเห็นจากสมอง (Cerebral Visual Impairment หรือ CVI) มีกิจกรรมกระตุ้นการมองเห็นที่ทำงานด้วยระบบ AI โดยใช้ไลบรารี MediaPipe หลายรายการ รวมถึงโมเดลการตรวจจับจุดสังเกตของมือ ซึ่งจะระบุจุดสำคัญของมือในรูปภาพ วิดีโอ หรือแบบเรียลไทม์ การทดลองใช้กับเด็ก 50 คนแสดงให้เห็นว่า Vision Nanny ให้ผลลัพธ์เร็วกว่ากิจกรรมกระตุ้นการมองเห็นด้วยตนเองถึง 5 เท่า นักบำบัดรายงานว่าประหยัดเวลาได้เฉลี่ย 3 ชั่วโมงต่อเซสชันจากการไม่ต้องตั้งค่าด้วยตนเอง
Google Meet มีฟีเจอร์หลายอย่างที่ทำงานด้วยระบบ AI ตั้งแต่การปรับปรุงแสงไปจนถึงการลดความเบลอและวิดีโอที่ไม่ชัด ความท้าทายที่ใหญ่ที่สุดคือฟีเจอร์เหล่านี้ต้องทำงานแบบเรียลไทม์ WebAssembly (Wasm) จึงเข้ามามีบทบาทในการใช้พลังเต็มที่ของ CPU ของคอมพิวเตอร์และเปิดใช้การประมวลผลวิดีโอแบบเรียลไทม์
นี่เป็นเพียงตัวอย่างการใช้งานจริงของ AI บนเว็บ บริษัทอื่นๆ อีกหลายแห่งได้ทดลองใช้ AI API ที่มาพร้อมกับผลิตภัณฑ์ ซึ่งบางแห่งได้แชร์ผลงานใน กรณีศึกษา
เอเจนต์ Web AI ฝั่งไคลเอ็นต์เพื่อสร้างประสบการณ์การใช้งานที่ชาญฉลาดขึ้นในอนาคต
Jason Mayes ได้อธิบายภาพรวมของอนาคตของ อินเทอร์เน็ต นั่นก็คือเอเจนต์ Web AI เว็บจะมีอนาคตที่ขับเคลื่อนด้วยเอเจนต์ ซึ่งจะนำความสามารถของ AI มาไว้ในเบราว์เซอร์โดยตรงเพื่อทำงานที่เป็นประโยชน์แทนคุณ โดยมีความสามารถที่มากกว่าโมเดลภาษาขนาดใหญ่ (LLM)
แนวทางฝั่งไคลเอ็นต์ช่วยเพิ่มความเป็นส่วนตัว ลดเวลาในการตอบสนอง และอาจประหยัดค่าใช้จ่ายได้อย่างมาก เอเจนต์ช่วยให้คุณอัปเกรดเว็บไซต์ที่มีอยู่เพื่อทำงานให้ผู้ใช้โดยอัตโนมัติ โดยจะเลือกและใช้เครื่องมือที่เปิดเผยแบบไดนามิก ซึ่งอาจอยู่ในลูป ทำให้เอเจนต์ทำงานที่ซับซ้อนหรือมีหลายขั้นตอนให้เสร็จสมบูรณ์ได้
เอเจนต์ทำสิ่งต่อไปนี้ได้
- วางแผนและแบ่งงานย่อย เพื่อจัดการปัญหาที่ซับซ้อนมากขึ้นผ่าน การวางแผนหลายขั้นตอนเพื่อแบ่งงานออกเป็นขั้นตอนเชิงตรรกะเพื่อให้งานเสร็จสมบูรณ์
- เลือกเครื่องมือที่ดีที่สุด ไม่ว่าจะเป็นฟังก์ชัน การใช้ API หรือการเข้าถึง Datastore เพื่อเพิ่มพูนความรู้พื้นฐานของโมเดลภาษา แล้วดำเนินการ ในโลกภายนอก
- เก็บความจำตามบริบท โดยอิงตามเอาต์พุตก่อนหน้าจากเอเจนต์หรือ เครื่องมือภายนอก ความจำระยะสั้นทำงานเหมือนบัฟเฟอร์ FIFO ของประวัติบริบทที่มีขนาดไม่เกินขนาดหน้าต่างบริบทของโมเดล เทียบกับความจำระยะยาวที่สามารถใช้ฐานข้อมูลเวกเตอร์เพื่อจัดเก็บข้อมูลเพื่อเรียกคืนตามต้องการจากเซสชันการสนทนาก่อนหน้าหรือแหล่งข้อมูลอื่นๆ ทั้งหมด
เอเจนต์ Web AI ได้รับการออกแบบมาให้ผสานรวมเข้ากับเทคโนโลยีเว็บที่มีอยู่ใน JavaScript สิ่งสำคัญคือเราต้องเร่งความเร็วฮาร์ดแวร์ต่อไปเพื่อให้โมเดลทำงานในเบราว์เซอร์ได้ดีที่สุด เมื่อมองไปในอนาคต เทคโนโลยีอย่าง WebNN จะมีบทบาทสำคัญในการเพิ่มประสิทธิภาพการทำงานของโมเดลใน CPU, GPU และ NPU ด้วยแนวโน้มของ LLM ที่มีขนาดเล็กลงและความก้าวหน้าอย่างต่อเนื่อง เทคโนโลยีนี้จะทรงพลังมากขึ้นในอนาคต
ลองใช้แนวทางแบบไฮบริดที่ผสานรวมการประมวลผลในอุปกรณ์กับการเรียกใช้ระบบคลาวด์เชิงกลยุทธ์ เพื่อให้คุณสร้างประสบการณ์การใช้งานที่ชาญฉลาด ตอบสนอง และเป็นส่วนตัวในเบราว์เซอร์ได้แล้วตอนนี้ ในไม่ช้า ผลตอบแทนจากการลงทุนใน แนวทาง Web AI จะคุ้มค่าเมื่ออุปกรณ์มีความสามารถในการเรียกใช้ LLM มากขึ้น
ดูข้อมูลย้อนหลังเกี่ยวกับงาน Google I/O 2025
เราได้เผยแพร่การบรรยายทั้งหมดสำหรับงาน Google I/O 2025 พร้อมเพลย์ลิสต์สำหรับ นักพัฒนาเว็บ ดูข้อมูลเพิ่มเติมได้ที่ io.google/2025