คำศัพท์ AI ที่ควรรู้ - จาก opaque recurrence ถึง hallucination

วงการ AI กำลังก่อรูปและขยายภาษาเชิงเทคนิคของตัวเองอย่างรวดเร็ว คำศัพท์ใหม่ๆ เช่น opaque recurrence ซึ่งเป็นเทคนิคการเรียงเหตุผลของโมเดล Astra ของ OpenAI ไปจนถึงคำย่ออย่าง LLM, RAG หรือ RLHF ถูกยกขึ้นพูดในการประชุมและพรีเซนต์บ่อยครั้ง บทความนี้สรุปคำและแนวคิดที่ควรรู้ เพื่อช่วยให้ผู้พัฒนา นักออกแบบ และคนที่ติดตามข่าวสามารถจับใจความสำคัญได้เร็วขึ้น

ภาพรวมคำศัพท์พื้นฐาน

AGI หรือ artificial general intelligence หมายถึง AI ที่มีความสามารถในหลายงานเทียบเท่าหรือดีกว่ามนุษย์คนนึง ความหมายยังมีความคลุมเครือและสถาบันต่างๆ ให้คำนิยามไม่เหมือนกัน แต่แก่นคือการเป็นระบบที่ทำงานเชิงปัญญาได้กว้างกว่าระบบเฉพาะทางทั่วไป อีกคำที่ควรรู้คือ compute ซึ่งหมายถึงกำลังประมวลผล - ฮาร์ดแวร์อย่าง GPUs, TPUs หรือ CPUs ที่เป็นพื้นฐานให้โมเดลเรียนรู้และทำงานได้

แนวทางการคิดและการเรียนรู้ของโมเดล

Chain-of-thought คือการแยกปัญหาเป็นขั้นตอนย่อยเพื่อให้โมเดลสามารถให้คำตอบที่แม่นยำขึ้น โดยเฉพาะงานเชิงตรรกะหรือโค้ด ส่วน deep learning หมายถึงสถาปัตยกรรมเครือข่ายประสาทเทียมหลายชั้นที่เรียนรู้ฟีเจอร์จากข้อมูลเอง ขณะที่ diffusion เป็นเทคนิคสร้างสรรค์เนื้อหาโดยทำให้ข้อมูลถูกทำลายเป็น noise แล้วให้โมเดลเรียนรู้กระบวนการย้อนกลับเพื่อนำ noise กลับสู่ข้อมูลที่มีความหมาย

เทคนิคเพื่อปรับขนาดและเฉพาะทาง

Distillation เป็นวิธีถ่ายโอนความรู้จากโมเดลขนาดใหญ่ (teacher) มาสู่โมเดลขนาดเล็ก (student) เพื่อได้รุ่นที่เร็วและประหยัดมากขึ้น โดยยังคงพฤติกรรมของต้นแบบในระดับที่ยอมรับได้ ส่วน fine-tuning คือการฝึกเพิ่มข้อมูลเฉพาะทางบนโมเดลที่มีอยู่แล้วเพื่อปรับให้เหมาะกับงานจริง และ GAN เป็นเฟรมเวิร์กที่ใช้สองเครือข่ายแข่งกันเพื่อสร้างข้อมูลเทียมที่สมจริง เช่นภาพหรือวิดีโอ

เอเจนต์และความเสี่ยงที่ต้องระวัง

AI agent คือระบบที่ทำงานแบบอัตโนมัติหลายขั้นตอน เช่น จัดการค่าใช้จ่าย จองตั๋ว หรือแม้แต่เขียนและแก้โค้ด โดยอาจเรียกใช้หลายบริการผ่าน API endpoints ซึ่งเปรียบได้กับปุ่มที่โปรแกรมอื่นกดได้ ความสามารถของเอเจนต์ยิ่งสูงก็ยิ่งเปิดช่องทางอัตโนมัติที่ทรงพลังแต่ยังมีความเสี่ยง เช่น hallucination หรือการที่โมเดลสร้างข้อมูลผิดพลาดซึ่งอาจก่อให้เกิดผลเสียร้ายแรงได้

สรุปแล้ว การเข้าใจคำศัพท์และแนวคิดพื้นฐานของ AI จะช่วยให้เราแยกแยะเทคโนโลยีใหม่ๆ ได้ชัดเจนขึ้น ไม่ว่าจะเป็นการประเมินความเสี่ยงด้านความปลอดภัย การออกแบบระบบที่เชื่อถือได้ หรือนำไปใช้พัฒนาโปรดักต์ที่ตอบโจทย์ สำหรับคนทำงานไอทีในไทย ความรู้เหล่านี้มีประโยชน์ทั้งกับการออกแบบสถาปัตยกรรม การเลือกโมเดล และการประเมินงานอัตโนมัติ แต่ละองค์กรควรติดตามความเปลี่ยนแปลงของคำศัพท์เหล่านี้อย่างต่อเนื่อง

ที่มา: TechCrunch - เรียบเรียงและสรุปเป็นภาษาไทยโดยทีมงาน IT Genius