โมเดล "Fugatto" ใหม่ของ Nvidia ช่วยเพิ่ม AI เชิงสร้างสรรค์ด้วยการเปลี่ยนแปลงดนตรี เสียง และเอฟเฟกต์ โดยสามารถสร้างเสียงที่ไม่เคยได้ยินมาก่อน แม้ว่าจะยังไม่เปิดให้ใช้งานแบบสาธารณะ แต่ตัวอย่างบนเว็บไซต์แสดงให้เห็นถึงความสามารถในการปรับเปลี่ยนคุณลักษณะของเสียง ตั้งแต่แซ็กโซโฟนที่ฟังดูเหมือนเสียงเห่า ไปจนถึงการพูดใต้น้ำหรือคณะนักร้องเสียงไซเรนรถพยาบาล ความสามารถอันหลากหลายนี้นำให้ Nvidia อธิบาย Fugatto ว่าเป็น "มีดพับสวิตเซอร์แลนด์สำหรับเสียง" ความท้าทายอยู่ที่การสร้างชุดข้อมูลฝึกสอนที่เน้นความสัมพันธ์ที่มีความหมายระหว่างเสียงและภาษา นักวิจัยของ Nvidia ใช้สคริปต์ Python ที่สร้างขึ้นจาก LLM เพื่อสร้างคำแนะนำที่มีรูปแบบและรูปแบบอิสระหลากหลายในการอธิบาย "บุคลิก" ของเสียง คำแนะนำเหล่านี้ถูกนำมาใช้กับชุดข้อมูลเสียงโอเพ่นซอร์สที่หลากหลาย พร้อมการบรรยายด้วยภาษาธรรมชาติที่วัดด้วยอารมณ์ เพศ และคุณภาพของการพูด นักวิจัยได้รักษาปัจจัยบางอย่างให้คงที่ในขณะที่เปลี่ยนแปลงปัจจัยอื่นๆ เพื่อสอนให้โมเดลรู้ความแตกต่าง เช่น การพูดที่มีความสุขมากขึ้นหรือเสียงของเครื่องดนตรีที่แตกต่างกัน หลังจากประมวลผลตัวอย่าง 20 ล้านตัวอย่าง (50,000 ชั่วโมงของเสียง) พวกเขาใช้แกนประมวลผลเทนเซอร์ของ Nvidia เพื่อพัฒนาโมเดลที่มีพารามิเตอร์ 2

เมื่อดำเนินการกรณีการใช้งาน AI บริษัทต่างๆ มักต้องตัดสินใจเกี่ยวกับวิธีเชื่อมต่อแหล่งข้อมูลของพวกเขากับโมเดลที่พวกเขากำลังนำไปใช้ กรอบงานต่าง ๆ เช่น LangChain ช่วยให้การผสานรวมฐานข้อมูลง่ายขึ้น แต่ผู้พัฒนายังต้องเผชิญกับการเขียนโค้ดในแต่ละครั้งที่เชื่อมโยงโมเดลกับแหล่งข้อมูลใหม่ ๆ Anthropic ตั้งใจจะปฏิวัติวิธีการนี้ด้วยการสร้างมาตรฐานในการผสานรวมข้อมูล Anthropic ได้นำเสนอ Model Context Protocol (MCP) เป็นโซลูชันแบบโอเพ่นซอร์ส โดยมีวิธีการที่มาตรฐานสำหรับเชื่อมโยงแหล่งข้อมูลกับกรณีการใช้งาน AI ในบล็อกโพสต์ บริษัทประกาศว่า MCP จะทำหน้าที่เป็น "มาตรฐานแบบเปิดและสากล" สำหรับเชื่อมต่อระบบ AI กับแหล่งข้อมูลต่าง ๆ โดยมีเป้าหมายให้ MCP ช่วยให้โมเดลเช่น Claude เข้าถึงฐานข้อมูลได้โดยตรง Alex Albert หัวหน้าฝ่ายความสัมพันธ์ของ Claude ที่ Anthropic กล่าวบน X ว่าวิสัยทัศน์ของบริษัทคือ "การสร้างโลกที่ AI เชื่อมต่อกับแหล่งข้อมูลใด ๆ" โดย MCP จะเป็น "ตัวแปลสากล" ข้อได้เปรียบหลักของ MCP คือความสามารถในการจัดการทั้งทรัพยากรในท้องถิ่น (เช่น ฐานข้อมูล ไฟล์ และบริการ) และทรัพยากรระยะไกล (เช่น API สำหรับ Slack หรือ GitHub) โดยใช้โปรโตคอลเดียวกัน Albert อธิบาย วิธีการมาตรฐานสำหรับการผสานรวมข้อมูลไม่เพียงแค่ทำให้กระบวนการง่ายขึ้นสำหรับผู้พัฒนาในการนำโมเดลภาษาใหญ่ (LLMs) ไปสู่ข้อมูล แต่ยังช่วยลดปัญหาการดึงข้อมูลสำหรับบริษัทในการสร้างตัวแทน AI เนื่องจาก MCP เป็นโอเพ่นซอร์ส Anthropic สนับสนุนให้มีการร่วมมือเพิ่มเติมในที่เก็บข้อมูลของคอนเน็กเตอร์และการประยุกต์ใช้ ปัจจุบันยังไม่มีมาตรฐานสากลสำหรับการเชื่อมต่อแหล่งข้อมูลกับโมเดล ดังนั้นบริษัทและผู้ให้บริการต้องรับผิดชอบในการตัดสินใจเหล่านี้ ผู้พัฒนามักจะใช้โค้ด Python เฉพาะหรือใช้ LangChain ในการเชื่อมต่อ LLMs กับฐานข้อมูล โดยที่แต่ละ LLM ทำงานแตกต่างกันนิดหน่อย จึงต้องใช้โค้ดแยกกันสำหรับการเชื่อมต่อแต่ละครั้ง นำไปสู่การใช้โมเดลหลาย ๆ ครั้งในการเข้าถึงฐานข้อมูลเดียวกันโดยไม่มีการทำงานร่วมกันอย่างไร้รอยต่อ บางบริษัทปรับฐานข้อมูลของตนเพื่อช่วยให้การสร้างเวคเตอร์สำหรับ LLMs เป็นเรื่องง่าย เช่น Microsoft ที่ผสาน Azure SQL กับ Fabric ขณะที่บริษัทขนาดเล็กเช่น Fastn มีวิธีการทางเลือกในการเชื่อมต่อกับแหล่งข้อมูล Anthropic มีวิสัยทัศน์ให้ MCP ขยายออกไปนอกเหนือจาก Claude เพื่อส่งเสริมการทำงานร่วมกันของโมเดลและแหล่งข้อมูล "MCP เป็นมาตรฐานแบบเปิดที่ช่วยให้ผู้พัฒนาสามารถสร้างการเชื่อมต่อสองทางที่ปลอดภัยระหว่างแหล่งข้อมูลและเครื่องมือที่ขับเคลื่อนด้วย AI การตั้งค่าให้ง่าย: ผู้พัฒนาสามารถทำให้ข้อมูลของพวกเขาพร้อมใช้งานผ่านเซิร์ฟเวอร์ MCP หรือพัฒนาแอปพลิเคชัน AI (ลูกค้า MCP) ที่เชื่อมต่อกับเซิร์ฟเวอร์เหล่านี้" Anthropic กล่าวในบล็อกโพสต์ การประกาศ MCP ได้รับการตอบรับเชิงบวกในสื่อสังคมออนไลน์ โดยเฉพาะอย่างยิ่งสำหรับการเปิดตัวแบบโอเพ่นซอร์ส ถึงแม้ว่าผู้ใช้บางคนบนแพลตฟอร์มเช่น Hacker News อาจมองว่าเป็นมาตรฐานแบบ MCP ไม่มีค่า ปัจจุบัน MCP เป็นมาตรฐานสำหรับกลุ่มโมเดล Claude เท่านั้น อย่างไรก็ตาม Anthropic ได้เปิดตัวเซิร์ฟเวอร์ MCP ที่เตรียมไว้สำหรับ Google Drive, Slack, GitHub, Git, Postgres, และ Puppeteer VentureBeat ได้ติดต่อ Anthropic เพื่อขอความคิดเห็นเพิ่มเติม ผู้ใช้ MCP ในระยะแรก ๆ รวมถึง Block และ Apollo ผู้ให้บริการ เช่น Zed, Replit, Sourcegraph, และ Codeium กำลังพัฒนาตัวแทน AI ที่ใช้ MCP เพื่อรวบรวมข้อมูลจากแหล่งข้อมูล ผู้พัฒนาที่สนใจใน MCP สามารถใช้โปรโตคอลนี้ได้ทันทีโดยติดตั้งเซิร์ฟเวอร์ MCP ที่เตรียมไว้ล่วงหน้าผ่านแอปเดสก์ท็อป Claude บริษัทต่าง ๆ ยังสามารถสร้างเซิร์ฟเวอร์ MCP ของตัวเองโดยใช้ Python หรือ TypeScript

Nvidia ได้เปิดตัวโปรแกรมแก้ไขเพลงด้วยปัญญาประดิษฐ์ชื่อ Fugatto ซึ่งสามารถสร้างเสียงที่ไม่เคยมีมาก่อน เช่น เสียงแตรที่เหมือนแมวร้อง เครื่องมือนี้สร้างดนตรี เสียง และคำพูดโดยใช้ข้อความและเสียงที่ไม่ได้รับการฝึกฝนโดยเฉพาะ ตามที่แสดงในวิดีโอด้านล่าง Fugatto สามารถแต่งเพลงจากคำสั่งที่ไม่ปกติ เช่น "สร้างเสียงแซกโซโฟนที่เห่า แล้วเป็นเพลงอิเล็กทรอนิกส์พร้อมกับเสียงหมาเห่า" Nvidia นำเสนอตัวอย่างที่ Fugatto ผลิตเอฟเฟคเสียงที่ไม่เหมือนใคร เช่น "เสียงเบสลึกดังก้องพร้อมกับเสียงดีจิทัลแหลมเป็นระยะ เหมือนกับเสียงของเครื่องจักรที่มีสติรู้ตื่นขึ้น" มันยังแปลงเสียงพูดโดยเปลี่ยนสำเนียงหรือโทนเสียงให้ดูโกรธหรือสงบ สำหรับการแก้ไขเพลง Fugatto สามารถแยกเสียงร้อง เพิ่มเครื่องดนตรี และสลับเสียงเปียโนกับนักร้องโอเปร่าเพื่อปรับเปลี่ยนท่วงทำนอง มีเอกสารประกอบการประกาศนี้ที่แสดงถึงชุดข้อมูลที่ใช้ในการฝึกอบรม Fugatto ซึ่งรวมถึงเอฟเฟคเสียงจาก BBC แม้ว่ามีเครื่องมือเสียง AI หลายตัว เช่น ของ Stability AI, OpenAI, Google DeepMind, ElevenLabs, และ Adobe ไม่มีใครอ้างว่าสามารถสร้างเสียงใหม่ได้ทั้งหมด บางสตาร์ทอัพ AI ยังเผชิญกับคดีลิขสิทธิ์จากเครื่องมือคล้าย ๆ กัน และรายงานระบุว่า Nvidia และอื่น ๆ ใช้คำบรรยายใน YouTube ฝึกโมเดล AI ในการพัฒนา Fugatto Nvidia ได้รวบรวมชุดข้อมูลจากตัวอย่างเสียงนับล้าน พวกเขายังพัฒนาคำสั่งเพื่อขยายขอบเขตความสามารถของโมเดล เพิ่มความแม่นยำและเปิดใช้งานงานใหม่โดยไม่ต้องใช้ข้อมูลเพิ่มเติม Nvidia ยังไม่ได้ประกาศวันที่จะเปิดตัวเครื่องมือสู่สาธารณะ

นักวิทยาศาสตร์จาก MIT ได้พัฒนาวิธีการที่ใช้ AI แบบสร้างสรรค์ร่วมกับแบบจำลองน้ำท่วมที่อิงตามฟิสิกส์เพื่อสร้างภาพถ่ายดาวเทียมที่แสดงการน้ำท่วมหลังพายุเฮอริเคน วิธีการนี้ช่วยในการทำนายภาพลักษณ์ของพื้นที่หลังจากพายุรุนแรง ช่วยให้ผู้อยู่อาศัยตัดสินใจว่าจะอพยพหรือไม่ ในการทดสอบ วิธีการนี้ถูกนำไปใช้ที่ฮูสตัน สร้างภาพน้ำท่วมที่สมจริงจากพายุแบบเฮอริเคนฮาร์วีย์ ภาพที่ปรับปรุงด้วย AI นี้มีความถูกต้องมากกว่าภาพที่สร้างโดยไม่ใช้แบบจำลองฟิสิกส์ซึ่งแสดงสภาพน้ำท่วมในที่ที่เป็นไปไม่ได้ เทคนิคนี้ถูกตั้งชื่อว่า "Earth Intelligence Engine" โดยมีจุดมุ่งหมายเพื่อเพิ่มการเตรียมพร้อมของสาธารณะโดยการเสนอภาพที่จับต้องได้มากกว่าการใช้แผนที่ที่มีรหัสสีแบบดั้งเดิม ระบบนี้รวมเครือข่ายแอดเวอร์ซาเรียลที่สร้างสรรค์ (GANs) เพื่อการสร้างภาพที่สมจริงและเน้นความสำคัญของข้อมูลที่เชื่อถือได้ในสถานการณ์ที่มีความเสี่ยงสูง การทดสอบพบว่าเพียงใช้ GANs อาจทำให้เกิด "ภาพหลอน" หรือข้อผิดพลาด ทำให้จำเป็นต้องรวมแบบจำลองตามฟิสิกส์เพื่อเพิ่มความน่าเชื่อถือ งานวิจัยนี้ตีพิมพ์ใน IEEE Transactions on Geoscience and Remote Sensing แสดงการบรรจบกันที่มีศักยภาพระหว่าง AI และฟิสิกส์เพื่อการเตรียมพร้อมสำหรับภัยพิบัติ โดยได้รับการสนับสนุนจากหน่วยงานต่าง ๆ รวมถึง NASA และ Google Cloud

ศูนย์ระบบสุขภาพเมาท์ไซนายในนิวยอร์กซิตี้ได้เปิดตัวศูนย์แฮมิลตันและเอมเมเบลเจมส์เพื่อปัญญาประดิษฐ์และสุขภาพมนุษย์ โดยมีเป้าหมายเพื่อพัฒนาการให้บริการด้านการดูแลสุขภาพผ่านความก้าวหน้าของ AI สถานที่ทันสมัยนี้ตั้งอยู่ที่วิทยาเขตของโรงพยาบาลเมาท์ไซนายในแมนฮัตตัน จะรวม AI เข้ากับข้อมูลวิทยาศาสตร์และจีโนมิกส์ ได้รับการสนับสนุนจากการบริจาคจากโทนี่และเอมเมเบลเจมส์ ศูนย์นี้ครอบครองพื้นที่อาคารที่ดัดแปลงใหม่ขนาด 65,000 ตารางฟุต จะมีนักวิจัยหลัก 40 คน พร้อมกับนักเรียนปริญญาโทและเจ้าหน้าที่สนับสนุน 250 คน ศูนย์นี้ออกแบบมาเพื่อปฏิวัติการวินิจฉัยและการรักษา สร้างความก้าวหน้าในสุขภาพมนุษย์ ประกอบด้วยภาควิชา AI และสุขภาพมนุษย์วินดรีค ที่มุ่งเน้นการฝังตัว AI ภายในระบบการดูแลสุขภาพของเมาท์ไซนาย; สถาบันสุขภาพดิจิทัลฮัสโซพลัทเนอร์ ที่เพิ่มความสามารถด้านวิทยาศาสตร์ข้อมูลและวิศวกรรมดิจิทัล; และสถาบันสุขภาพจีโนมิกส์ ที่ช่วยให้การค้นพบด้านจีโนมิกส์ก้าวหน้าสำหรับการป้องกันโรค ความพยายามด้าน AI ของเมาท์ไซนายยังมีสถาบันวิศวกรรมชีวภาพและภาพทางการแพทย์เพื่อการวิจัยภาพที่แม่นยำและนาโนแพทยศาสตร์ รวมถึงสถาบันการแพทย์ส่วนบุคคล ซึ่งได้เปิดตัวโครงการเกี่ยวกับการทำจีโนมเข้าใจสำหรับหนึ่งล้านจีโนมเพื่อพัฒนาการแพทย์ที่แม่นยำ ภาควิชาวินดรีคของเมาท์ไซนายทุ่มเทในการพัฒนา AI ด้านสุขภาพ ซึ่งได้รับการยอมรับด้วยรางวัล Hearst Health Prize จากเครื่องมือ NutriScan AI ที่ปรับปรุงการวินิจฉัยภาวะทุพโภชนาการในผู้ป่วยที่เข้ารับการรักษา โดยรวมแล้ว ศูนย์นี้จะขับเคลื่อนนวัตกรรมในด้านการดูแลสุขภาพโดยการผสานการวิจัยและข้อมูล หวังให้มีการค้นพบที่ก้าวหน้าในการรักษาและป้องกันโรค

เรียน เชรุวู มักจะนำหน้าผู้อื่นเสมอในเส้นทางการศึกษา เธอจบการศึกษาระดับมัธยมปลายเมื่ออายุ 11 ปี และเป็นหนึ่งในผู้สำเร็จการศึกษาที่อายุน้อยที่สุดจากมหาวิทยาลัยฮาร์วาร์ด การศึกษาของเธอโดยเฉพาะด้านประสาทชีววิทยาและวิทยาการคอมพิวเตอร์ ปูทางให้เธอเข้าร่วมทีมจริยธรรมที่อินเทลตั้งแต่อายุ 14 ปี ก่อนที่ AI จะกลายเป็นเทคโนโลยีกระแสหลัก ปัจจุบันเมื่ออายุ 20 ปี เธอเป็นบุคคลชั้นนำในการพัฒนา AI ที่มีความรับผิดชอบ ได้รับสิทธิบัตรและปริญญาโทด้านวิทยาการข้อมูล ที่อินเทล เชรุวู ถือครองตำแหน่งผู้เชี่ยวชาญด้าน AI ซึ่งเธอมุ่งเน้นที่ "AI เพื่อสิ่งที่ดี" โดยสนับสนุนการพัฒนา AI ที่มีจริยธรรม งานของเธอเกี่ยวข้องกับการจัดการประเด็น เช่น ความเป็นส่วนตัว การยินยอม และอคติ และเธอเน้นย้ำถึงความสำคัญของคนรุ่นใหม่ในการมีส่วนร่วมกับเทคโนโลยี AI เธอได้รับแรงบันดาลใจจากการพูดคุยกับมารดาของเธอ ซึ่งมีปริญญาเอกด้านอภิปรัชญาและปรัชญา เชรุวูเผชิญหน้ากับคำถามเรื่องการมีสติและความสัมพันธ์ระหว่างมนุษย์กับ AI เชรุวูย้ำถึงความจำเป็นที่ AI ต้องเสริมพลังให้ผู้ใช้ โดยยืนยันว่าการควบคุมข้อมูลส่วนบุคคลและความสามารถในการจัดการอคตินั้นจำเป็น เธอสนับสนุน AI ที่ใช้ได้จริงและมีมนุษย์เป็นศูนย์กลาง ซึ่งสร้างความไว้วางใจและเพิ่มประสบการณ์ของผู้ใช้ โดยได้รับแรงบันดาลใจจากผู้นำในอุตสาหกรรมเช่น เฟย เฟย หลี่ และ เยจิน ชเว ในฐานะผู้พูดสาธารณะและนักสื่อสาร เชรุวูจัดการกับกระแส AI โดยมุ่งเน้นที่ผลกระทบที่มีความหมายและความโปร่งใสเกี่ยวกับความท้าทาย เธอให้ความสำคัญกับมุมมองของผู้เชี่ยวชาญในอุตสาหกรรมที่มีมาอย่างยาวนานมากกว่าคนใหม่และเห็นถึงศักยภาพอันมหาศาลของผู้เชี่ยวชาญด้านเทคโนโลยีรุ่นใหม่ที่จะกำหนดรูปแบบการพัฒนา AI ความจำเป็นในการเข้าถึงการศึกษา AI เป็นสิ่งสำคัญ และเชรุวูเข้าร่วมในโครงการต่างๆ เช่น โปรแกรมความพร้อมทางดิจิทัลของอินเทล มุ่งหมายที่จะทำให้การเรียนรู้ AI เป็นเรื่องทั่วไปและเพิ่มการรู้ดิจิทัล ด้วยการส่งเสริมแนวทางการใช้ AI ที่ครอบคลุมและปฏิบัติได้จริง เชรุวูเชื่อว่าเทคโนโลยีสามารถเป็นแรงผลักดันเพื่อสิ่งที่ดีและเข้าถึงได้สำหรับทุกคน

ลูอิส พลันเคตต์ จากนอริชมีชีวิตที่เปลี่ยนไปอย่างสิ้นเชิงด้วยเครื่องมือ AI เนื่องจากโรคสตาร์การ์ดท์ โรคทางพันธุกรรมที่ทำให้การมองเห็นลดลง เธอใช้ผู้ช่วยดิจิทัลเช่น Alexa, Google Home และ Siri สำหรับงานต่าง ๆ เช่น การตั้งปลุก แต่พบว่าแอป Be My AI นั้นมีประโยชน์เป็นพิเศษ แอปนี้ใช้ ChatGPT เพื่อบรรยายภาพออกเสียง ช่วยให้พลันเคตต์ระบุสถานที่ต่าง ๆ เช่น ห้องน้ำสาธารณะ และอ่านฉลากอาหารหรือจดหมาย โดยไม่ต้องการความช่วยเหลือจากมนุษย์ทันที อย่างไรก็ตาม เธอสังเกตว่าบางครั้งคำบรรยายจาก AI อาจให้รายละเอียดที่ไม่จำเป็น Be My AI ซึ่งพัฒนาโดยบริษัทเดนมาร์ก Be My Eyes แต่เดิมเชื่อมต่อผู้ใช้ที่มีปัญหาด้านการมองเห็นกับอาสาสมัครมนุษย์ที่บรรยายสภาพแวดล้อมทางโทรศัพท์ ปัจจุบันผู้ใช้บางคนจาก 600,000 คนชอบใช้ AI สำหรับงานเช่นการแปลความหมายของภาพจาก WhatsApp Jesper Hvirring Henriksen, CTO ของ Be My Eyes คาดการณ์ว่าการพัฒนาในอนาคตของแอปอาจรวมถึงการสตรีมวิดีโอสดเพื่อบรรยายสภาพแวดล้อมของผู้ใช้แบบเรียลไทม์ ในขณะที่ผู้ใช้สามารถใช้ Be My Eyes ได้ฟรี บริษัทได้รับรายได้จากบริการไดเรกทอรีที่เสียค่าใช้จ่ายที่บริษัทใช้ในการให้ข้อมูลกับชุมชนผู้พิการทางสายตา แม้ว่า AI จะมีประโยชน์มากขึ้น Henrikson ได้เน้นถึงความจำเป็นในการเชื่อมต่อกับมนุษย์ โดยระบุว่าผู้สูงวัยที่มักประสบปัญหาการมองเห็นอาจพบว่าเทคโนโลยีนี้ซับซ้อน เครื่องมือที่เป็นนวัตกรรมอื่น ๆ สำหรับผู้พิการทางสายตา ได้แก่ WeWalk ซึ่งเป็นไม้เท้าอัจฉริยะที่ใช้ AI ที่สามารถตรวจจับสิ่งกีดขวางและให้ข้อมูลการนำทางและการขนส่งสาธารณะ ไม้เท้านี้เชื่อมต่อกับแอปสมาร์ทโฟน ช่วยให้ผู้ใช้ค้นหาสถานที่ที่สนใจ เช่น คาเฟ่ใกล้เคียง ในกว่า 3,000 เมือง Gamze Sofuoğlu ผู้จัดการผลิตภัณฑ์ ซึ่งใช้ไม้เท้านี้เอง เน้นถึงบทบาทของไม้เท้าในการให้ความเป็นอิสระแก่ผู้ที่ตาบอดและมีปัญหาการมองเห็นต่ำ