ai-001 ปัญญาประดิษฐ์ (AI) โมเดลภาษาขนาดใหญ่ (Large Language Model, LLM)

ปัญญาประดิษฐ์ (Artificial Intelligence, AI) หมายถึง ความสามารถของเครื่องจักรหรือโปรแกรมคอมพิวเตอร์ในการทำงานทดแทนการทำงานเดิม ที่ต้องใช้สติปัญญาของมนุษย์ในการตัดสิน เช่น การรับรู้ภาพ การรู้จำเสียง การตัดสินใจ และการประมวลผลภาษาธรรมชาติ

โมเดลภาษาขนาดใหญ่ (Large Language Model, LLM) คือ รูปแบบของ AI หรือปัญญาประดิษฐ์ในรูปแบบหนึ่ง ซึ่งสามารถสร้างรูปแบบสนทนาและให้ข้อมูล ได้คล้ายกับการสรรสร้างภาษาของมนุษย์ โดย LLM จะต้องผ่านการให้ความรู้ฝึกฝนและแนะนำการวิเคราะห์ข้อมูลที่เกี่ยวกับข้อความเป็นจำนวนมาก ให้ระบบสามารถเรียนรู้การประมวลผลคิดค้นคำตอบและเชื่อมคำต่อคำ ได้คล้ายกับภาษาที่มนุษย์เราใชคุยถามตอบหรือประเมินผลลัพท์ บางครั้งจะพบว่า LLM มีความสามารถเข้าใจหรือตีความจากข้อความได้ดี แม้ว่าบางประโยคจะไม่สมบูรณ์ขาดข้อมูลที่ชัดเจน โดย LLM จะอาศัยการคาดเดาความน่าจะเป็นและการวิเคราะห์เชื่อมโยงคำจากรูปแบบประโยคที่มี มาทำให้เกิดคำตอบใช้ในการสื่อสารได้อย่างเป็นธรรมชาติเหมือนคนสนทนากัน

โมเดลภาษาขนาดใหญ่ (Large Language Model, LLM) เป็นรูปแบบของปัญญาประดิษฐ์ (AI) ชนิดหนึ่ง ที่โมเดลถูกเทรนด้วยข้อมูลข้อความมากมายมหาศาลจากอินเตอร์เน็ต สร้างเป็นโมเดลภาษา Language Model ให้สามารถมีความเข้าใจความหมายข้อความตามบริบท (Context) และสร้างข้อความที่สอดคล้องออกมาได้

รูปแบบแนวทางการพัฒนาระบบ AI โดยใช้โมเดลภาษาขนาดใหญ่ (Large Language Model, LLM) เป็นตัวแทน ที่ใช้ในการกำหนดและควบคุมรูปแบบของภาษาที่ใช้ ในการทำความเข้าใจในคำถาม วิเคราะห์ข้อมูล และสร้างเนื้อหาเพื่อทำเป็นผลลัพท์ โดย LLM เป็นส่วนหนึ่งของ AI ที่มีความสำคัญและมีประโยชน์ในงาน AI มาก 

ข้อดีของโมเดลภาษาขนาดใหญ่ LLM ในงาน AI ได้แก่

- เข้าใจและตอบคำถาม โมเดลภาษาขนาดใหญ่สามารถเข้าใจและตอบคำถามในภาษาธรรมชาติได้ ทำให้สามารถสร้างตัวแทน AI ที่สามารถควบคุมและประสานกับผู้ใช้งานได้อย่างมีประสิทธิภาพ

- การสร้างเนื้อหา โมเดลภาษาขนาดใหญ่สามารถสร้างเนื้อหาที่น่าสนใจและมีคุณภาพได้โดยอัตโนมัติ เช่น การเขียนบทความ คำแนะนำ รีวิว หรือข้อความที่เกี่ยวข้องกับเนื้อหาที่มีอยู่

- แปลภาษา โมเดลภาษาขนาดใหญ่สามารถนำเอาข้อความที่ให้เป็นป้อนเข้าและแปลงเป็นภาษาอื่นได้ มีประโยชน์ในงานการแปลภาษาและสื่อสารระหว่างภาษา

- ความสามารถในธุรกิจ ในธุรกิจที่มีการใช้งานทางภาษามาก อาทิ การตอบคำถามของลูกค้า คำถามเกี่ยวกับผลิตภัณฑ์และบริการ การส่งข้อความการตอบรับจากลูกค้า LLM สามารถช่วยอำนวยความสะดวกและความรวดเร็วในการตอบโต้และให้ข้อมูลในรูปแบบข้อความ

ข้อเสียของโมเดลภาษาขนาดใหญ่ในงาน AI

- ความถูกต้องและเป็นระเบียบ LLM อาจมีปัญหาในความถูกต้องและเป็นระเบียบของข้อมูลที่ได้รับ อาจทำให้มีความเป็นไปได้ที่ LLM จะสร้างข้อมูลที่ไม่ถูกต้องหรือไม่สอดคล้องกับความคาดหวัง

- ข้อจำกัดในการเรียนรู้ LLM อาจมีข้อจำกัดในการเรียนรู้ของข้อมูลในกระบวนการฝึกสอน อาจทำให้ไม่สามารถเรียนรู้ข้อมูลที่ซับซ้อนหรือความสัมพันธ์ที่ซับซ้อนได้

- ความน่าเชื่อถือของข้อมูล ข้อมูลที่ใช้ในการฝึกสอน LLM มาจากแหล่งต่าง ๆ อาจส่งผลให้ LLM ให้คำตอบที่ไม่น่าเชื่อถือ หรือตอบโจทย์ที่ไม่ถูกต้อง

- ความเข้าใจต่อคำถาม บางครั้ง LLM อาจไม่สามารถเข้าใจคำถามที่ซับซ้อนหรือคำถามที่มีความหมายที่ไม่แน่นอนได้ อาจทำให้ให้คำตอบที่ไม่เหมาะสมกับความต้องการของผู้ใช้งาน

แม้ว่าโมเดลภาษาขนาดใหญ่จะมีข้อเสียบ้าง แต่ก็ยังคงเป็นส่วนหนึ่งที่สำคัญและมีความสำคัญในการพัฒนาและใช้งาน AI ในงานต่าง ๆ ที่เกี่ยวข้องกับภาษาและข้อความ

การทำงานของ LLM ประกอบด้วยขั้นตอน

- การรวบรวมข้อมูลมาทำการเก็บสะสมข้อมูลในรูปแบบแหล่งข้อมูลขนาดใหญ่ มีการนำข้อมูลจำนวนมากมายมหาศาลจากแหล่งต่าง ๆ เช่น อินเตอร์เน็ต เป็นต้น

- การประมวลผลข้อมูลก่อนนำมาเทรนสอบระบบ หรือจัดเตรียมข้อมูลให้อยู่ในรูปแบบที่จะสามารถนำไปใช้ในการสอนระบบต่อได้ง่ายและรวดเร็ว

- การออกแบบพัฒนาและปรับปรูง รูปแบบสถาปัตยกรรมการทำงานระบบ (Architecture) และปรับปรุงให้โมเดลที่ออกแบบมีความเหมาะสมตามเป้าหมายงาน

- การให้ความรู้สอนระบบหรือเทรนโมเดลด้วยข้อมูลมหาศาล (Big data) ซึ่งหากการทำงานนี้ในลักษณะทั่วไปที่ใช้คนทำอาจต้องใช้เวลานาน แต่การใช้ GPU ในการช่วยประมวลผลสามารถทำงานขนานกันได้หลายเครื่องช่วยกันทำให้ประหยัดเวลาลงได้มาก

- การ Fine-tuned เพื่อเพิ่มประสิทธิภาพสำหรับงานที่จะนำโมเดลไปใช้ต่อ และการใช้งานโมเดลในการสร้างข้อความ

เราสามารถนำ LLM ไปประยุกต์ใช้ในงานที่หลากหลาย ในทุกสาขาอาชีพ เช่น การประมวลผลภาษาธรรมชาติ การแปลภาษา การสร้างเนื้อหา การแพทย์ กฏหมาย การค้า การผลิต และงานเชิงสร้างสรรค์ 

AI มีแนวคิดในการพัฒนาโมเดลภาษาขนาดใหญ่ หลายวิธีตามความพร้อมและงบประมาณ เช่น 

1. แบบที่มีการพัฒนาระบบโมเดลภาษาขนาดใหญ่ (LLM) เองและพัฒนา AI เพื่อทำงาน ในแบบนี้จะเป็นกลุ่มบริษัทขนาดใหญ่มีความพร้อมสามารถมีและพัฒนาระบบ LLM (Language Model) เป็นส่วนหนึ่งของ AI Infusion ได้แก่ GPT-3.5 หรือรุ่น LLM อื่นๆ ปัจจุบันได้รับการพัฒนาให้มีความสามารถในการทำงานหลากหลาย มีการนำเอา LLM มาใช้เพื่อแก้ปัญหาทางธุรกิจมากมาย เช่น การเขียนข้อความ คำแนะนำ หรือตอบคำถามที่ซับซ้อนในภาษาธรรมชาติ เพื่อสนองความต้องการของลูกค้าหรือผู้ใช้งานต่าง ๆ

ข้อดี LLM เป็นส่วนหนึ่งของระบบ ทำให้สามารถให้คำตอบหรือข้อเสนอแนะที่มีความน่าเชื่อถือและน่าสนใจมากขึ้น สามารถใช้งานในหลากหลายอุตสาหกรรมและสามารถปรับแต่งให้ตรงกับความต้องการของธุรกิจ

ข้อเสีย อาจมีความเสี่ยงในเรื่องของความน่าเชื่อถือของข้อมูลที่ได้รับ เนื่องจากการใช้งาน LLM อาจมีความเป็นไปได้ที่ตัว AI จะสร้างเนื้อหาที่ไม่ถูกต้องหรือมีความเป็นอยู่ได้ ทำให้ควรต้องตรวจสอบและควบคุมความน่าเชื่อถือในการใช้งาน

ตัวอย่าง บริษัทที่ให้บริการลูกค้าด้านการเงินอาจใช้ AI Infusion เพื่อพัฒนาตัว AI ที่สามารถตอบคำถามเกี่ยวกับการลงทุนและแนะนำการลงทุนให้กับลูกค้าโดยอัตโนมัติ

2. AI ที่ไม่มีระบบโมเดลภาษาขนาดใหญ่ (LLM) แต่ใช้การเชื่อม API เพื่อทำงาน ในประเภทนี้ AI Infusion ไม่มี LLM เป็นส่วนหนึ่ง แต่มีการเชื่อมต่อกับ API (Application Programming Interface) ของบริการ AI ซึ่งสามารถเข้าถึงและนำมาใช้งานในเครื่องเซิร์ฟเวอร์หรือแพลตฟอร์มที่ให้บริการ AI ต่าง ๆ เช่น Google Cloud AI, Microsoft Azure AI, หรือ IBM Watson เพื่อรับประโยชน์ในการทำงานตามความต้องการ

ข้อดี การใช้งานผ่าน API ช่วยให้ AI Infusion สามารถใช้งานได้หลากหลาย และสามารถเชื่อมต่อกับบริการ AI ที่เชื่อถือได้ที่มีความสามารถมากมาย ทำให้สามารถนำเสนอความสามารถที่เพิ่มขึ้นให้กับผู้ใช้งาน

ข้อเสีย การใช้งานผ่าน API อาจมีค่าใช้จ่ายที่สูง นอกจากนี้อาจจะมีความซับซ้อนในการเชื่อมต่อและการปรับแต่งให้เข้ากับระบบที่ใช้งานอยู่

ตัวอย่าง ในประเภท AI Infusion ที่ไม่มี LLM แต่ใช้การเชื่อม API เพื่อทำงาน เช่น บริษัทเกมส์ออนไลน์อาจใช้ AI Infusion นี้เพื่อเชื่อมต่อกับบริการแปลงข้อความเสียงเพื่อรับคำสั่งเสียงจากผู้เล่นและควบคุมเกมส์ได้ทันที

3. แบบที่มีการนำระบบโมเดลภาษาขนาดใหญ่ (LLM) มาพัฒนาต่อยอดทำให้เป็นระบบของตัวเองที่สามารถจัดการได้ง่าย ทำการพัฒนาระบบของตัวเอง โดยใช้เทคนิคและข้อมูลที่มีให้เพื่อสร้าง AI ที่มีความสามารถในการทำงานและเรียนรู้เหมือน LLM ที่มีอยู่ในโมเดลรุ่นเดียวกัน

ข้อดี AI Infusion ที่มี LLM ของตัวเองสามารถปรับแต่งและปรับใช้งานให้ตรงกับความต้องการของธุรกิจหรือผู้ใช้งาน โดยสามารถเพิ่มความเชื่อถือในข้อมูลและประสิทธิภาพในการทำงาน

ข้อเสีย การพัฒนา LLM ของตัวเองอาจใช้เวลาและทรัพยากรที่มากขึ้น และอาจต้องใช้ทีมนักวิจัยและนักพัฒนาที่มีความเชี่ยวชาญในเทคนิคการสร้าง LLM

ตัวอย่าง ในประเภท AI ที่มีการนำ LLM มาพัฒนาให้เป็น LLM ของตัวเอง เช่น สำนักข่าวอาจใช้ AI Infusion นี้เพื่อสร้างตัวแทนข่าวที่สามารถเขียนข่าวและอัปเดตข้อมูลอย่างรวดเร็วตามเหตุการณ์ในขณะเดียวกัน