เมื่อ AI ตาไวเหมือนมีตาทิพย์ ! เจาะลึกฟีเจอร์ลับ Agentic Vision บน Gemini

เป็นอีกวันที่ผมตื่นเต้นกับ Google ครับ เขาประกาศฟีเจอร์ใหม่ชื่อว่า Agentic Vision ในโมเดล Gemini 3 Flash ซึ่งมันเปลี่ยนโลกของการที่ AI มองเห็นภาพ ไปอย่างสิ้นเชิงครับ

สมัยก่อนเวลาเราส่งรูปให้ AI ดู มันเหมือนเรายื่นรูปให้เพื่อนดูแล้วถามว่า “เห็นอะไรบ้างครับ?” เพื่อนผมก็จะตอบตามที่เห็นในแวบแรกว่า อุ๊ย ตัวอักษรเล็กจัง ถ้าภาพเบลอ เขาก็อาจจะเดาหรือบอกว่ามองไม่เห็น ใช่ไหมครับ ?

แต่ Agentic Vision ใน Gemini 3 Flash ไม่ใช่แบบนั้นครับ…

Agentic Vision คืออะไร ?

ผมเปรียบเทียบ AI ตัวใหม่นี้เหมือน นักสืบโซเชียล ครับ

แทนที่จะแค่ มอง รูปเฉยๆ แบบ Passive… เจ้า Gemini 3 Flash ตัวนี้จะทำงานแบบ Active Investigation ครับ คล้ายการทำ ReAct (Reasoning + Acting) ครับ ซึ่งมีรากฐานจาก Chain of Thought ครับ

ก็คือมันจะวนลูป ทำ 3 ขั้นตอนนี้ไปเรื่อย ๆ ดังนี้

1. Think
   คิดก่อนวางแผนก่อนว่า “เอ๊ะ ตรงมุมขวาล่างนั่นเลขอะไรนะ? ต้องซูมเข้าไปดูหน่อยแล้ว”
2. Act
   ขั้นตอนนี้เจ๋งมากครับ AI จะเขียนโค้ด Python ขึ้นมาจริงๆ เพื่อทำการ Crop ภาพ Zoom เข้าไป ปรับความคมชัด หรือแม้แต่หมุนภาพ เพื่อให้เห็นจุดที่สงสัยชัดขึ้น
3. Observe
   เอาภาพที่ตัวเองปรับแต่งแล้วมาดูซ้ำ เพื่อยืนยันคำตอบให้แม่นยำที่สุด

ผลลัพธ์คือ AI สามารถอ่าน Serial Number เล็กจิ๋วบนชิปคอมพิวเตอร์ หรืออ่านป้ายทะเบียนรถที่อยู่ไกลลิบๆ ได้แม่นยำขึ้นอย่างมหาศาล (Google เคลมว่าแม่นขึ้น 5–10% ในงานยากๆ เลยครับ) เดี๋ยวผมจะขยาย Action ของมันเพิ่มเติมในหัวข้อถัดไปครับ

เมื่อ AI ไม่ได้แค่มอง แต่ลงมือทำ (ในเรื่องรูปภาพ)

ความเจ๋งของ Gemini 3 Flash ที่ผมอยากพามาเจาะลึกคือกระบวนการ In Action ของมันครับ มันไม่ได้ทำงานแบบ Black Box ที่เรารู้แค่ Input กับ Output อีกต่อไป แต่มันมีขั้นตอนการทำงานที่คล้ายกับมนุษย์เรามากๆ ลองมาดูกันทีละสเต็ปครับ

1. Zoom: เจาะลึกในจุดที่มองไม่เห็น

ปกติเวลา AI รุ่นเก่าเจอกับภาพที่มีรายละเอียดเยอะๆ หรือวัตถุอยู่ไกลๆ มันมักจะยอมแพ้แล้วตอบแบบกว้างๆ ใช่ไหมครับ? แต่สำหรับ Agentic Vision เมื่อมันเจอจุดที่น่าสงสัย มันจะเขียนโค้ดเพื่อ Zoom หรือ Crop ภาพส่วนนั้นขึ้นมาดูใหม่โดยเฉพาะ

เหมือนเวลาเราส่องพระเครื่อง หรือดูรายละเอียดลายผ้า เราไม่ได้มองผ่านๆ แต่เราจะเพ่งหรือเอาแว่นขยายส่องเข้าไปเฉพาะจุดเพื่อให้เห็นชัดที่สุด เจ้า AI ตัวนี้ก็ทำแบบเดียวกันเป๊ะ

2. Annotate: ขีดเขียนเพื่อกันลืมและแม่นยำ

อันนี้ผมชอบมากครับ มันคือฟีเจอร์ที่แก้ปัญหา นับแล้วลืม หรือ นับซ้ำ ได้ดีมาก เคยไหมครับเวลาต้องนับของเยอะๆ ในภาพแล้วตาลาย นับไม่เสร็จสักที

Agentic Vision แก้ปัญหานี้ด้วยเทคนคิการ Annotate หรือการทำเครื่องหมายลงไปบนภาพเลยครับ มันสามารถเขียนโค้ดเพื่อวาด Bounding Box (กรอบสี่เหลี่ยมล้อมวัตถุหรือข้อความ) หรือเขียนตัวเลขกำกับลงบนวัตถุที่นับไปแล้ว ทำให้มันมี Visual Memory ว่า “อ๋อ อันนี้ผมนับไปแล้วนะ” หรือ “ตรงนี้ผมตรวจสอบแล้วไปแล้ว” ซึ่งช่วยลดความผิดพลาด แบบ Hallucination ในงานจำพวกการนับสต็อกหรือตรวจ Defect ได้อย่างเยอะเลยครับ

3. Visual Reasoning: ประมวลผลภาพรวมเพื่อคำตอบสุดท้าย

หลังจากทั้งซูมทั้งจดไปแล้ว ขั้นสุดท้ายคือนำข้อมูลที่ Visual ทั้งหมดมาประมวลผลรวมกันครับ โดยที่มันจะที่ซูมที่ขีดเขียนมาวิเคราะห์ร่วมกับบริบทเดิมของภาพใหญ่ เพื่อสรุปเป็นคำตอบสุดท้ายครับ

การทำงานแบบครบวงจรนี้แหละครับ ที่ทำให้ผลลัพธ์ของ Gemini 3 Flash มีความน่าเชื่อถือสูงกว่าโมเดลทั่วไป เพราะมันมี Evidence จากการลงมือทำมายืนยันคำตอบของตัวเองครับ

แล้วเราจะเริ่มใช้งาน Agentic Vision ได้ยังไง ?

จริง ๆ แล้ว Agentic Vision เป็นความสามารถที่ถูกใส่เข้ามาในโมเดลตัวล่าสุดอย่าง Gemini 3 Flash ครับ แต่จุดที่ทำให้มันต่างจากโมเดลปกติคือ วิธีการเรียกใช้งาน ครับ

ปกติเราเรียกโมเดลมาเพื่อ “ถาม-ตอบ” ใช่ไหมครับ? แต่ถ้าจะใช้ฟีเจอร์ Agentic Vision เราต้องทำ 2 อย่างนี้คู่กัน:

1. เลือกใช้โมเดล gemini-3-flash-preview
2. ต้องเปิดฟังก์ชัน Code Execution (อนุญาตให้ AI เขียนและรันโค้ดได้)

เปรียบเหมือนเราใช้พนักงานคนเดิม (Gemini 3 Flash) แต่ยื่นคอมให้เขียนโปรแกรม (Code Execution Tool) เขาก็เลยไม่ได้แค่นั่งมองแล้วตอบ แต่สามารถโค้ดดิ้งนู่นนี่นั่นเพื่อซูมภาพ หรือวิเคราะห์ข้อมูลเชิงลึกให้เราได้ทันทีครับ

อยากใช้ Agentic Vision ทำไง?

Google เปิดให้ลองของจริงได้แล้วผ่านช่องทางเหล่านี้ครับ

สำหรับ Developers เข้าไปลองเล่นได้ที่ Google AI Studio หรือ Vertex AI (ใครใช้ Google Cloud ผ่าน Tangerine อยู่แล้ว เข้าไปลองใน Console ได้เลยครับ) โดยอย่าลืมติ๊กเปิด Code Execution ในหมวด Tools นะครับ

สำหรับผู้ใช้ทั่วไป ฟีเจอร์นี้กำลังทยอยปล่อยใน Gemini App ครับ โดยให้เลือกโมเดลเป็น Thinking ในเมนู Drop-down ครับ

ตัวอย่าง Code: สั่งให้ AI “ซูม” ด้วย Python

สำหรับใครที่เป็นสาย Dev หรือ Data Engineer ที่อยากเห็นภาพว่าเขียนโค้ดยากไหม? ผมเอาตัวอย่าง Python สั้นๆ มาให้ดูครับ ความลับมันอยู่ที่บรรทัดการตั้งค่า config ครับ

from google import genai
from google.genai import types
client = genai.Client()
# 1. ภาพเครื่องดนตรี
image = types.Part.from_uri(
    file_uri="https://goo.gle/instrument-img",
    mime_type="image/jpeg",
)
# 2. เรียก Gemini 3 Flash เลย
response = client.models.generate_content(
    model="gemini-3-flash-preview",
    contents=[image, "Zoom into the expression pedals and tell me how many pedals are there?"], # สั่งให้ซูมและนับจำนวน
    
    # ** สำคัญทั้งหมดคือตรงนี้ครับ **
    # ต้องเปิด tools code_execution เพื่อให้ AI ทำงานแบบ Agentic Vision ได้
    config=types.GenerateContentConfig(
        tools=[types.Tool(code_execution=types.ToolCodeExecution)]
    ),
)
print(response.text)

ตัวอย่าง Use Case ในไทยกับ Agentic Vision

ทีนี้มาลองนึกภาพการเอามาใช้จริงในบ้านเราบ้างครับ มันค่อนข้างที่ใช้ในอุตสหากรรมที่หลากหลาย เช่น Retail หรือ Logistic เป็นต้น

Example: Smart Shelf Auditor

ตัวอย่างที่ผมยกมานี้ให้มองเป็น ผู้ช่วยตรวจสอบสต๊อกนะครับ

ปัญหา: ป้ายราคาไม่ตรงกับสินค้า หรือ สินค้าหมดอายุแอบซ่อนอยู่ ใน Super Market

แบบเดิม ๆ

พนักงานต้องเดินส่องทีละอัน หรือใช้กล้อง AI ธรรมดาถ่ายรูปชั้นวางสินค้า ซึ่งมักจะพลาดเพราะป้ายราคามันเล็กมาก หรือแสงสะท้อนทำให้มองไม่เห็นวันที่ผลิต

Agentic Vision เข้ามาช่วยยังไง?

1. ใช้กล้องวงจรปิดหรือหุ่นยนต์ถ่ายรูปชั้นวางสินค้าทั้งแผง
2. Gemini 3 Flash เห็นภาพรวม แล้ว “เอะใจ” ว่าสินค้าตัวหนึ่งดูเหมือนวางผิดช่อง
3. AI สั่งการ (Act) ให้ซูมภาพดิจิทัลเข้าไปที่ “ป้ายราคาเล็กๆ” ตรงมุมภาพ
4. อ่านบาร์โค้ดและวันที่ผลิตที่เล็กจิ๋วได้อย่างชัดเจน เพื่อ Cross-check กับฐานข้อมูล
5. แจ้งเตือนพนักงานทันทีว่า “แถว 3 ล็อค B ป้ายราคาผิดครับ”

นี่คือการลด Error ของมนุษย์และเพิ่มประสิทธิภาพการจัดการหน้าร้านได้มหาศาล โดยไม่ต้องเปลี่ยนกล้องใหม่ให้แพงขึ้น แต่ใช้ AI ที่ฉลาดขึ้นในการเพ่งมองครับ

Example: Automated Damage Inspection

ปัญหา: ในโกดังสินค้าแถวบางนาหรือสมุทรปราการ วันหนึ่งมีพัสดุหมุนเวียนหลักแสนชิ้น การจะให้พนักงานมานั่งส่องพัสดุทุกกล่องว่า กล่องบุบไหม ก่อนขึ้นรถขนส่งเป็นเรื่องยากมาก พอของไปถึงลูกค้าแล้วเสียหาย ก็เถียงกันไม่จบว่าพังมาจากต้นทางหรือระหว่างทาง

Agentic Vision เข้ามาช่วยยังไง ?

1. กล้องถ่ายภาพ Pallet ที่วางสินค้าเรียงกันเป็นชั้นๆ ก่อนยกขึ้นรถบรรทุก
2. Zoom: แทนที่จะมองผ่านๆ Gemini 3 Flash จะสั่งการ (Code Execution) ให้ Zoom เข้าไปตรวจสอบกล่องที่มีรอยยับ หรือมุมกล่องที่ดูผิดปกติ
3. Annotate & Report: AI จะตีกรอบสีแดงตรงจุดที่บุบ แล้วระบุว่า “กล่องที่ 3 แถวที่ 2 มีรอยฉีกขาด 5 ซม.” พร้อมอ่าน Barcode ของกล่องนั้นเพื่อระบุตัวตน
4. Action: ระบบแจ้งเตือนหัวหน้าคลังทันทีให้นำกล่องนั้นออกก่อน ที่จะส่งไปถึงมือลูกค้า

ผลลัพธ์: ลดอัตราการเคลมสินค้า (Return Rate) และรักษาชื่อเสียงร้านค้าได้

Example: Container & Seal Verifier

ปัญหา: ลองนึกภาพลานตู้คอนเทนเนอร์แถวแหลมฉบัง หรือนิคมฯ ในระยองครับ มันจะมีตู้คอนเทนเนอร์วางซ้อนกันสูงๆ ปัญหาคือ เลขตู้ (Container ID) และ เบอร์ซีลล็อกตู้ (Seal Number) นั้นตัวเล็กนิดเดียวเมื่อเทียบกับขนาดตู้ แถมบางทีสีถลอก หรือมีสนิมเกาะ ทำให้กล้อง OCR ทั่วไปอ่านผิดอ่านถูก

Agentic Vision เข้ามาช่วยยังไง ?

1. Think: โดรนหรือกล้องวงจรปิดถ่ายภาพหน้าตู้คอนเทนเนอร์ระยะไกล
2. Zoom: Agentic Vision เห็นว่าภาพไม่ชัด มันจึงสั่ง Crop ภาพเฉพาะส่วนที่เป็น เลขตู้ และ ตัวล็อกซีล ขึ้นมา แล้วปรับ Contrast (ผ่าน Python code) ให้ตัวหนังสือชัดขึ้นสู้กับสนิมหรือแสงแดด (ซึ่งปกติจะเป็นเทคนิคที่ทีม Dev จะทำ Pre-processing กันอยู่แล้วครับ แต่อันนี้ให้ AI ทำแทน)
3. Verify: อ่านเลขซีลเพื่อ Cross-check กับเอกสาร Manifest ว่า “ตู้นี้ ถูกล็อกด้วยซีลเบอร์นี้จริงหรือไม่”
4. Observe: ถ้าพบว่าซีลมีการแตกหัก หรือเลขไม่ตรง มันจะแจ้งเตือน รปภ. ทันทีว่า “มีความเสี่ยงตู้ถูกเปิดก่อนกำหนด”

ผลลัพธ์: เพิ่มความปลอดภัยให้สินค้ามูลค่าสูง และลดเวลาที่รถบรรทุกต้องจอดรอคนเดินไปจดเลขที่หน้าตู้ครับ

Example: Smart Cadastral Map Auditor

ขอยกเป็นเคสผู้ช่วยรังวัดและตรวจสอบระวางที่ดินครับ เช่น โฉนดเอกสิทธิ์ที่ดินในไทยค่อนมีหลายยุคสมัย ถ้าสมัยคุณปู่อาจจะเป็นกระดษาเก่าๆ ที่มีเส้นระวางขีดเขียนทับซ้อนกัน

ปัญหาที่พบบ่อยมักจะเป็น

1. ตัวเลขหลักเขตเลือนราง: เวลาสแกนแผนที่ระวางเข้าสู่ระบบดิจิทัล ตัวเลขระบุหลักเขตที่ดิน (Survey Marker Numbers) มักจะเล็กและอ่านยากมาก
2. เส้นแบ่งเขตไม่ชัดเจน: การแปลงเส้นวาดมือให้เป็น Vector เพื่อคำนวณเนื้อที่มักเกิดความคลาดเคลื่อน
3. การตรวจสอบลายเซ็นและตราประทับ: ต้องใช้ผู้เชี่ยวชาญส่องกล้องดู “ตราครุฑ” หรือลายเซ็นเจ้าพนักงานว่าเป็นของจริงหรือไม่

Agentic Vision เข้ามาช่วยยังไง ?

โมเดลนี้จะทำงานเหมือน เจ้าหน้าที่ผู้ชำนาญการ ครับ

1. Zoom อ่านเลขหลักเขตที่ตาเกือบมองแทบไม่เห็น

ปกติ OCR ทั่วไปจะกวาดอ่านทีเดียวทั้งหน้าแล้วมักจะพลาดตรงตัวเลขเล็กๆ

Action: เมื่อ Gemini เห็นแผนที่ระวางใหญ่ๆ มันจะสั่ง Code Execution เพื่อ Crop ภาพเจาะลงไปทีละแปลง

Result: มันจะซูมเข้าไปที่มุมของแปลงที่ดิน เพื่ออ่าน “เลขหลักเขต” ที่อาจจะเขียนด้วยลายมือหวัดๆ หรือหมึกจางๆ โดยเฉพาะ ปรับ Contrast ให้ชัดขึ้น แล้วแปลงเป็นข้อมูลดิจิทัลที่แม่นยำเก็บเข้าฐานข้อมูล

2. Annotate: วาดเส้นแบ่งเขตใหม่ให้แม่นเป๊ะ

แทนที่เจ้าหน้าที่จะต้องมานั่งลากเส้น Digital ทับเส้นปากกาเดิมเองทุกแปลง

• Action: Gemini สามารถเขียนโค้ดเพื่อ Annotate หรือลากเส้น Vector สีแดงทับลงบนเส้นแบ่งเขตแดนในภาพสแกน
• Calculation: เมื่อได้เส้นรอบรูปที่แม่นยำแล้ว มันยังสามารถคำนวณพื้นที่ (Area Calculation) เบื้องต้น เพื่อ Cross-check กับตัวเลขที่ระบุในโฉนดว่า “เนื้อที่ 50 ตารางวา” นั้นตรงกับรูปวาดจริงหรือไม่ ถ้าไม่ตรง ให้ Flag แจ้งเตือนทันที

สรุป

การมาของ Agentic Vision ใน Gemini 3 Flash คือการที่ทำให้พวกเราเห็นว่า AI ไม่ใช่ แค่ ตอบคำถาม แต่ลงมือทำ ได้แล้วครับ

สำหรับธุรกิจในไทย ไม่ว่าจะเป็นโรงงานที่ต้องตรวจ Defect เล็กๆ บนแผงวงจร หรือธุรกิจประกันภัยที่ต้องซูมดูรอยถลอกของรถยนต์ เทคโนโลยีนี้คือ Game Changer ที่น่าจับตามองมากครับ

ถ้าองค์กรไหนสนใจอยากลองเอาโซลูชันล้ำ ๆ แบบนี้ไปปรับใช้ หรืออยากรู้ว่า Google Cloud จะช่วย Transform ธุรกิจคุณได้อย่างไร มาคุยกับผมและทีมงาน Tangerine ได้เลยนะครับ เราพร้อมเอาเทคโนโลยีระดับโลกมาปรับให้เข้ากับบริบทธุรกิจไทยเสมอครับ

สนใจบริการหรือสอบถามข้อมูลเพิ่มเติม
Website:https://www.tangerine.co.th/contact-us/
Email: marketing@tangerine.co.th
Tel: 02-285-5511