Pinterest เปิดชั้น AI ร่วมกับ Nvidia: เบื้องหลังการค้นหาด้วยภาพที่เร็วและขยายระบบได้ง่ายขึ้น

Pinterest ไม่ได้เปิดตัวฟีเจอร์สำหรับผู้ใช้เพียงรายการเดียว แต่กำลังวาง ชั้นโครงสร้าง AI กลาง ที่ให้ผลิตภัณฑ์หลายประเภทใช้ร่วมกันได้ เป้าหมายคือให้ทีมพัฒนาฟีเจอร์ที่ต้องเข้าใจทั้งรูปภาพและข้อความ ไม่ต้องสร้างระบบให้บริการโมเดลของตนเองใหม่ทุกครั้ง 46

Pinterest สร้างอะไรขึ้นมา

แกนหลักของระบบใหม่นี้ประกอบด้วย 3 ส่วน

• GPU Nvidia Blackwell B200 สำหรับกำลังประมวลผลของระบบให้บริการโมเดลภาพ-ภาษา หรือ VLM (vision-language model) 4
• Nvidia Dynamo ซอฟต์แวร์สำหรับให้บริการและจัดเส้นทางงาน AI แบบมัลติโหมดอย่างมีประสิทธิภาพ 24
• Visual embeddings ของ Pinterest หรือชุดตัวแทนเชิงตัวเลขของเนื้อหาภาพที่คำนวณเตรียมไว้ล่วงหน้า 26

ภาพรวมจึงไม่ใช่การทำระบบแยกส่วนสำหรับการค้นหาด้วยภาพ ผู้ช่วยสนทนา หรือเครื่องมือความปลอดภัย แต่เป็นการสร้างฐานเทคโนโลยีเดียว ซึ่งต่อยอดฟีเจอร์เหล่านี้ได้ง่ายขึ้นและขยายขนาดได้มากขึ้น 6

ฟีเจอร์ใดบ้างที่ใช้ฐานนี้ได้

Pinterest ระบุว่าชั้น AI ดังกล่าวรองรับงานที่ใช้ภาพและภาษาร่วมกัน เช่น การค้นหาด้วยภาพ การทำความเข้าใจเนื้อหา การค้นพบสินค้าและการช้อปปิ้งด้วย AI, Pinterest Assistant แบบสนทนา, การจัดอันดับซ้ำแบบมัลติโหมด, ระบบความปลอดภัยของเนื้อหา และการสร้างสัญญาณข้อมูล 46

ประเด็นสำคัญคือ AI สามารถพิจารณาได้ทั้งสิ่งที่ผู้ใช้พิมพ์ค้นหาและรายละเอียดในภาพ ซึ่งมีประโยชน์ต่อแพลตฟอร์มค้นหาไอเดียอย่าง Pinterest ไม่ว่าจะเป็นการตีความความต้องการ คัดเลือกเนื้อหาที่เกี่ยวข้อง หรือปรับคำแนะนำให้เหมาะกับผู้ใช้มากขึ้น

บริษัทระบุว่าใช้การค้นหามากกว่า 80,000 ล้านครั้งต่อเดือน เพื่อสร้างสัญญาณสำหรับการค้นพบและการช้อปปิ้งด้วย AI โดยโครงสร้างใหม่นี้มีเป้าหมายทำให้สัญญาณดังกล่าวนำไปใช้กับประสบการณ์ที่เน้นภาพและการสนทนาได้ดีขึ้น 6

เหตุใดการเตรียมตัวแทนของภาพไว้ล่วงหน้าจึงสำคัญ

โมเดลภาพ-ภาษามีต้นทุนการทำงานสูง เพราะต้องรับข้อมูลภาพขนาดใหญ่พร้อมข้อความ และจัดการข้อมูลแคชของโมเดลจำนวนมาก แนวทางของ Pinterest ใช้ projection embeddings หรือที่เรียกในเชิงเทคนิคว่า PinCLIP embeddings เพื่อแปลงข้อมูลภาพเข้าสู่พื้นที่โทเค็นของโมเดลโดยตรง

ผลคือ ในแต่ละคำขอ ระบบสามารถส่งตัวแทนของภาพที่คำนวณไว้แล้ว แทนการส่งและเข้ารหัสไฟล์ภาพดิบซ้ำทุกครั้ง 210

Pinterest รายงานผลด้านประสิทธิภาพจากแนวทางนี้และการปรับแต่ง Dynamo ดังนี้

• Pinterest Assistant รับบริบทภาพต่อคำขอได้มากขึ้น 25 เท่า 4
• เวลาเริ่มต้นการตอบสนองเร็วขึ้นราว 85 เท่า ในการทดสอบเบนช์มาร์ก 13
• ความหน่วงตลอดกระบวนการดีขึ้น 7.3 เท่า ในการทดสอบเบนช์มาร์ก 13

ตัวเลขเหล่านี้เป็นผลเบนช์มาร์กที่บริษัทรายงานสำหรับสถาปัตยกรรมและรูปแบบงานที่ทดสอบ จึงไม่ใช่คำรับประกันว่าการค้นหาหรือทุกบทสนทนากับผู้ช่วยบน Pinterest จะเร็วขึ้นในระดับเดียวกันทั้งหมด

ฐานระยะยาว ไม่ใช่การเปิดตัวครั้งเดียว

Pinterest และ Nvidia ระบุว่าความร่วมมือนี้ต่อยอดจากการทำงานร่วมกันมาเกือบ 5 ปี ครอบคลุมทั้งระบบแนะนำเนื้อหาและ generative AI โดย Pinterest มี GPU ของ Nvidia อยู่ในระบบรวม 14,000 ตัว 4

ขนาดของโครงสร้างดังกล่าวสะท้อนเป้าหมายเชิงกลยุทธ์: การมีชั้นให้บริการกลางช่วยให้ Pinterest ขยายฟีเจอร์ AI ที่ขับเคลื่อนด้วยภาพและการสนทนาได้ โดยยังใช้รากฐานเทคโนโลยีที่สอดคล้องกัน ตั้งแต่ Pinterest Assistant และการจัดอันดับซ้ำ ไปจนถึงความปลอดภัยของเนื้อหาและการสร้างสัญญาณข้อมูล 4

หลังการประกาศ หุ้น Pinterest เพิ่มขึ้นประมาณ 1.8% ในการซื้อขายวันจันทร์ ตามรายงานของ Investing.com 17

สรุปสำหรับผู้ใช้ Pinterest

Pinterest กำลังเปลี่ยนจากระบบ AI ที่พัฒนาแยกตามผลิตภัณฑ์ ไปสู่รากฐานมัลติโหมดแบบรวมศูนย์ Blackwell ทำหน้าที่ด้านกำลังประมวลผล, Dynamo ช่วยให้บริการและจัดเส้นทางโมเดล ส่วน visual embeddings ช่วยลดการประมวลผลภาพซ้ำ

เมื่อรวมกันแล้ว เทคโนโลยีชุดนี้ถูกออกแบบมาเพื่อทำให้การค้นพบไอเดียด้วยภาพ การช้อปปิ้ง และประสบการณ์แบบผู้ช่วยสนทนา ดำเนินงานได้รวดเร็วขึ้นและขยายไปทั่วแพลตฟอร์มได้ง่ายขึ้น 246