Onton เปิดตัว Ontology 1 โมเดลค้นหาแบบ Neurosymbolic ที่แม่นยำกว่าเครื่องมืออีคอมเมิร์ซชั้นนำถึง 2.7 เท่า
Onton เปิดให้บริการ Ontology 1 โมเดลค้นหาอีคอมเมิร์ซยุคใหม่ที่ขับเคลื่อนด้วย Neurosymbolic และกราฟความรู้ พร้อมเผยผลทดสอบความแม่นยำเอาชนะ Amazon และ Google Shopping ได้สำเร็จ
ภาพประกอบจากคลังภาพสต็อก ไม่ใช่ภาพจากเหตุการณ์จริง
- Onton เปิดตัวโมเดลค้นหา Ontology 1 สำหรับใช้งานจริงผ่านหน้าเว็บไซต์ Onton.com แล้ว
- ทดสอบความแม่นยำด้วยชุดข้อมูล Subtext-Decor-90 เทียบกับ Amazon และ Google Shopping
- โมเดลขับเคลื่อนด้วย Ograph ฐานข้อมูลกราฟเฉพาะตัวที่มีประสิทธิภาพสูง
- ยังไม่มีการเปิดให้ดาวน์โหลดโมเดลหรือเปิดใช้งานผ่าน Public API ในขณะนี้
Onton ได้ทำการเปิดตัว Ontology 1 โมเดลการค้นหาที่ใช้เทคโนโลยี Neurosymbolic โดยปัจจุบันได้เปิดให้บริการแก่ผู้ใช้งานทั่วไปแล้วที่เว็บไซต์ Onton.com สำหรับทีมพัฒนาที่สนใจสร้างระบบบน agentic web สามารถติดต่อขอเข้าถึงผ่านการเป็นพาร์ทเนอร์ในลักษณะรายกรณีเท่านั้น โดยในขณะนี้ยังไม่มีการเปิดให้ดาวน์โหลดโมเดล ไม่มี Public API และไม่มีการกำหนดราคาแบบสาธารณะ การใช้งานในปัจจุบันจึงเป็นการร่วมมือกันเป็นพาร์ทเนอร์แทนที่จะเป็นการติดตั้งผ่าน pip install แบบทั่วไป
ในมุมมองของ Onton รูปแบบการใช้งานแคตตาล็อกสินค้าของอีคอมเมิร์ซแบบดั้งเดิมแทบจะไม่มีการเปลี่ยนแปลงมานานเกือบ 30 ปีแล้ว ซึ่งมักจะตั้งอยู่บนสมมติฐานว่าความต้องการของผู้ซื้อจะตรงกับหมวดหมู่และคุณ 0ลักษณะทั่วไป เช่น ขนาด ราคา วัสดุ หรือแบรนด์ โดยไม่มีตัวกรองสำหรับคำค้นหาเชิงซ้อน เช่น สินค้าที่เป็นมิตรกับสัตว์เลี้ยง หรือเฟอร์นิเจอร์ที่เข้ากับขนาดห้องพอดี
เพื่อพิสูจน์ประสิทธิภาพ Onton ได้ปล่อยชุดข้อมูลและโค้ด Subtext-Decor-90 โดยใช้กรรมการแบบ Multimodal จำนวน 3 โมเดล ได้แก่ Claude Opus 4.8, Gemini 3.1 Pro และ GPT-5.5 ทำการให้คะแนนผลลัพธ์ 10 อันดับแรกจากผลการค้นหา 90 ข้อความของ Onton, Amazon และ Google Shopping ค่า P@10 ถูกนำมาหาค่าเฉลี่ยพร้อมช่วงความเชื่อมั่น 95% จากการสุ่มตัวอย่างซ้ำ 10,000 ครั้ง
ภาพประกอบจากคลังภาพสต็อก ไม่ใช่ภาพจากเหตุการณ์จริง
ผลลัพธ์ปรากฏว่า Onton ทำคะแนนเฉลี่ยอยู่ที่ 0.630 ตามด้วย Google Shopping ที่ 0.543 และ Amazon ที่ 0.469 โดย Onton ชนะการเปรียบเทียบรายข้อความไปถึง 52 ข้อความ ขณะที่ Google ชนะ 19 ข้อความ และ Amazon ชนะ 16 ข้อความ ตัวเลขดังกล่าวรวมกันได้ 87 เนื่องจาก Ontology ให้ผลลัพธ์น้อยกว่า 10 ผลลัพธ์ใน 3 ข้อความค้นหา และช่องว่างเหล่านั้นถูกนับเป็นไม่เกี่ยวข้อง หากตัดช่องว่างเหล่านั้นออก คะแนนของ Onton จะอยู่ที่ 0.665, Google อยู่ที่ 0.549 และ Amazon อยู่ที่ 0.459
การนำเทคโนโลยี Neurosymbolic มาประยุกต์ใช้กับระบบค้นหาอีคอมเมิร์ซถือเป็นก้าวสำคัญในการแก้ปัญหาการค้นหาด้วยภาษาธรรมชาติที่ซับซ้อน ซึ่งระบบคีย์เวิร์ดแบบเดิมมักทำได้ไม่ดี การผสานพลังระหว่างการเรียนรู้ของเครื่อง (Machine Learning) และตรรกะสัญลักษณ์ (Symbolic Reasoning) ช่วยให้ระบบเข้าใจบริบทความต้องการที่แท้จริงของผู้ใช้ได้ลึกซึ้งยิ่งขึ้น เช่น การตีความความเข้ากันได้ของสินค้ากับพื้นที่อยู่อาศัย
สำหรับเบื้องหลังการทำงาน กราฟความรู้ของ Ontology 1 ทำงานบน Ograph ซึ่งเป็นฐานข้อมูลกราฟที่พัฒนาขึ้นเอง โดยทาง Onton รายงานว่า Ograph เพียง 1 คอร์สามารถทำงานได้เร็วกว่า SuiteSparse:GraphBLAS ที่รันบน 14 คอร์ถึงประมาณ 100 เท่าต่อคอร์ และรุ่นที่รันบน GPU มีความเร็วมากกว่ารุ่น CPU ถึง 43 เท่า ซึ่งการปรับแต่งเบื้องต้นอาจทำให้มีความเร็วเพิ่มขึ้นสูงสุดถึง 1,000 เท่า
ที่มา: MarkTechPost
พบข้อมูลผิดพลาดในบทความนี้? แจ้งปัญหาบทความนี้
ความคิดเห็น
แสดงความคิดเห็น