งานวิจัยล่าสุดจาก Huiying Sun และ Shunli Liu ได้เสนอรูปแบบใหม่ในการประเมินเครื่องมือ Generative AI สำหรับการออกแบบสื่อสาร (Visual Communication Design) โดยใช้วิธีการตัดสินแบบหลายเกณฑ์ (MCDM) ชื่อว่า CoCoSo ซึ่งถูกพัฒนาให้ทำงานร่วมกับชุดข้อมูลแบบฟัซซี่ทรงกลมค่าอินเตอร์วาล (Interval Valued Spherical Fuzzy Sets: IVSFS) เพื่อจัดการกับความไม่แน่นอนและความเห็นต่างกันของผู้เชี่ยวชาญในบริบทที่ต้องการการตัดสินใจที่แม่นยำและยืดหยุ่น
บริบทของปัญหา
Generative AI กำลังเปลี่ยนแปลงกระบวนการออกแบบสื่อสารภาพ ไม่ว่าด้านการสร้างต้นแบบ การปรับแต่งงาน การช่วยผลิต และการทำให้ผู้ที่ไม่มีทักษะสามารถสร้างเนื้อหาที่มีคุณภาพได้ อย่างไรก็ตาม การเลือกใช้เครื่องมือเหล่านี้อย่างมีประสิทธิภาพจำเป็นต้องมีระบบวิเคราะห์ที่เข้าใจถึงคุณสมบัติที่ซับซ้อนและไม่สามารถชี้วัดเชิงตัวเลขได้อย่างตรงไปตรงมา
เพื่อเติมเต็มช่องว่างนี้ นักวิจัยจึงเสนอการรวมเทคนิค CoCoSo และ IVSFS เข้าไว้ด้วยกัน เพื่อสะท้อนถึงระดับความเชื่อมั่น ความลังเล และการไม่เห็นด้วยในความคิดเห็นผู้เชี่ยวชาญ
วัตถุประสงค์ของการศึกษา
- ระบุเกณฑ์สำคัญที่มีผลต่อการนำ AI มาประยุกต์ใช้ในการออกแบบภาพ
- จัดการกับข้อมูลที่ไม่แน่นอนผ่านฟัซซี่แบบทรงกลมค่าอินเตอร์วาล
- จัดอันดับทางเลือกโดยอิงจากวิธี CoCoSo ที่รวมการให้คะแนนแบบเฉลี่ยและแบบดัชนี
เครื่องมือ AI ที่ถูกวิเคราะห์
นำเครื่องมือ 10 ตัวที่เป็นที่รู้จักมาเปรียบเทียบ โดยพิจารณาตาม 7 เกณฑ์ คือ:
- ความสร้างสรรค์
- ความง่ายในการใช้งาน
- ความคุ้มค่า
- ความสามารถในการปรับแต่ง
- คุณภาพการแสดงผล
- การเชื่อมต่อกับเครื่องมือออกแบบอื่น ๆ
- ความเร็วในการทำงาน
ผลลัพธ์สำคัญ
- DeepArt (A7) ได้รับคะแนนสูงสุด เนื่องจากโดดเด่นในด้านความสร้างสรรค์ การปรับแต่งงาน และคุณภาพของผลลัพธ์
- Artbreeder (A8) และ NightCafe (A6) ตามมาเป็นอันดับสองและสาม
- Canva AI (A4) และ DALL·E 3 (A2) อยู่ต่ำสุดในการจัดอันดับเนื่องจากข้อจำกัดในการปรับแต่งและเชื่อมต่อกับเวิร์กโฟลว์ระดับมืออาชีพ
- มีการวิเคราะห์ความไวของผลลัพธ์ โดยการเปลี่ยนพารามิเตอร์สำคัญ พบว่าลำดับการจัดอันดับยังคงเสถียร แสดงถึงความน่าเชื่อถือของโมเดล
การเปรียบเทียบกับวิธี MCDM อื่น
โมเดล IVSF-CoCoSo แสดงผลงานได้ดีกว่าวิธีอื่น เช่น TOPSIS, VIKOR, EDAS และ DEMATEL โดยเฉพาะในแง่การจัดการกับข้อมูลคลุมเครือและความคิดเห็นเชิงคุณภาพ
แนวคิดและผลเชิงทฤษฎี
- เสนอกรอบการทำงานแบบใหม่ที่จัดการกับความไม่ชัดเจนในการตัดสินใจเชิงสร้างสรรค์
- เสริมความสามารถของทฤษฎีฟัซซี่ให้แข็งแกร่งขึ้นในการใช้งานจริงในอุตสาหกรรมสร้างสรรค์
- ช่วยให้ UI/UX Designer, ผู้ออกแบบแบรนด์ และนักการตลาดสามารถตัดสินใจบนพื้นฐานที่มีความแม่นยำ
ข้อจำกัด & ข้อเสนอแนะ
- จำนวนผู้เชี่ยวชาญและเครื่องมือที่ศึกษาในโมเดลนี้ยังมีข้อจำกัดในด้านขนาดและความครอบคลุม
- การทำงานกับ IVSFS อาจต้องใช้ความเข้าใจด้านคณิตศาสตร์และการประมวลผลข้อมูลที่สูง
- แนะนำให้มีการอบรมหรือใช้เครื่องมือช่วยตัดสินที่ลดความซับซ้อนในการใช้งานจริง
ข้อเสนอแนะแนวทางอนาคต
- สามารถขยายเฟรมเวิร์กนี้ไปสู่ระบบ AHP, T-spherical fuzzy, PyFS หรือแม้แต่เทคนิคเฉพาะทางในอุตสาหกรรม เช่น รถยนต์หรือการศึกษา
- การประเมินควรครอบคลุมมิติเชิงจริยธรรมด้วย เช่น ความโปร่งใส การป้องกันอคติ และการใช้ทรัพย์สินทางปัญญาอย่างรับผิดชอบ
สรุป
งานวิจัยนี้ได้นำเสนอวิธีใหม่ที่ยืดหยุ่นและเหมาะสมในการเลือกเครื่องมือ Generative AI สำหรับออกแบบสื่อภาพในยุคที่เทคโนโลยีมีส่วนขับเคลื่อนความคิดสร้างสรรค์ ด้วยการผสมผสาน IVSFS และ CoCoSo วิจัยนี้ได้พิสูจน์ว่าเราสามารถเพิ่มความแม่นยำของการตัดสินใจได้แม้อยู่ในบริบทที่เต็มไปด้วยความไม่แน่นอนและข้อขัดแย้งของมนุษย์
เหมาะมากสำหรับ นักออกแบบ, AI researcher และผู้วางกลยุทธ์ในสายครีเอทีฟที่ต้องการเครื่องมือวิเคราะห์ที่ตอบโจทย์โลกยุคใหม่
