ทุกคนใช้ AI แทบไม่มีใครเข้าใจว่ามันทำงานยังไงจริงๆ คนพูดคำพวกนี้กันเกรียวกราว transformers, embeddings, RAG, agents, RLHF… เหมือนกับว่าทุกคนรู้กันหมดแล้ว แต่ส่วนใหญ่ไม่รู้ และพูดตามตรงนะ? AI ไม่ได้ซับซ้อนขนาดนั้น ถ้าคุณเข้าใจแนวคิดพื้นฐานของมัน ChatGPT, Claude, Midjourney, Cursor, Coding agents ทั้งหมดนี้จะเข้าใจได้ทันทีเมื่อคุณเข้าใจ 20 แนวคิดด้านล่างนี้ คุณไม่จำเป็นต้องมีปริญญาเอก ไม่มีศัพท์เทคนิคยุ่งยาก มีแค่คำอธิบายง่ายๆ และสื่อ visual ไว้เซฟหน้านี้ไว้เลย คุณจะได้กลับมาใช้ซ้ำ
ส่วนที่ 1: AI ทำงานยังไงจริงๆ (รากฐานที่ทุกอย่างสร้างขึ้นมา)
1. Neural Networks
สมองของโมเดล AI ทุกตัว
neural network คือลำดับของเลเยอร์
→ ข้อมูลเข้าสู่ input layer → ผ่าน hidden layers → ออกมาเป็นผลลัพธ์ (prediction)
แต่ละจุดเชื่อมต่อมี "น้ำหนัก" (weight) ซึ่งเป็นคะแนนเล็กๆ ที่ควบคุมว่าการเชื่อมต่อหนึ่งมีอิทธิพลต่ออีกจุดมากแค่ไหน
การเทรน = การปรับน้ำหนักนับพันล้านค่า จนกว่าผลลัพธ์จะแม่นยำ
แนวคิดง่ายๆ แต่พอทำในระดับใหญ่กลับบ้ามาก
GPT-4 มีพารามิเตอร์ประมาณ 1.8 ล้านล้านตัว Claude 3 Opus มีเป็นแสนล้านตัว
ทั้งหมดมาจากแนวคิดพื้นฐานเดียวกัน: neurons ในเลเยอร์ที่มีการเชื่อมต่อที่ปรับได้
2. Tokenization
ก่อนที่ AI จะอ่านข้อความของคุณ มันจะแตกข้อความออกเป็นชิ้นเล็กๆ ที่เรียกว่า tokens
tokens ไม่จำเป็นต้องเป็นคำที่สมบูรณ์เสมอไป
"playing" → "play" + "ing"
"ChatGPT" → "Chat" + "G" + "PT"
"dog" → "dog" (ยังคงเป็นคำเดิม)
ทำไมไม่ใช้คำเต็มๆ ล่ะ?
เพราะภาษาไม่ได้เรียบร้อยตายตัว มีคำใหม่ๆ พิมพ์ผิด ภาษาปนกัน คำศัพท์ที่ตายตัวจะมีจำนวนมากเกินไป
tokens คือบล็อกตัวต่อที่ใช้ซ้ำได้
ถึงแม้โมเดลจะไม่เคยเห็นคำๆ นั้นมาก่อน มันก็สามารถเข้าใจได้โดยการแตกมันเป็นชิ้นส่วนที่คุ้นเคย
กฎคร่าวๆ: 1 token ≈ 0.75 คำ
1000 tokens ≈ 750 คำ
3. Embeddings
เมื่อข้อความถูก tokenize แล้ว แต่ละ token จะถูกแปลงเป็นตัวเลข
ตัวเลขนั้นคือ embedding ซึ่งเป็นเวกเตอร์ที่แสดงถึงความหมาย
ลองนึกว่าเป็น Google Maps สำหรับคำศัพท์
→ "Doctor" กับ "Nurse" อยู่ใกล้กัน
→ "Doctor" กับ "Pizza" อยู่ห่างกันมาก
→ "King" ลบ "Man" บวก "Woman" ≈ "Queen"
โมเดลไม่ได้เข้าใจคำศัพท์เหมือนกับคุณ
มันเข้าใจระยะทางและทิศทาง
นี่คือสิ่งที่ขับเคลื่อน:
→ การค้นหาเชิงความหมาย (Semantic search)
→ ระบบแนะนำ (Recommendations)
→ ระบบ RAG
ทุกอย่างที่ "เข้าใจเจตนา" ใช้ embeddings อยู่เบื้องหลัง
4. Attention
คำว่า "Apple" มีความหมายแตกต่างกัน:
→ "I ate an Apple" → ผลไม้
→ "I bought Apple stock" → บริษัท
Embedding อย่างเดียวแก้ปัญหานี้ไม่ได้
Attention ทำได้
Attention ทำให้แต่ละคำสามารถมองไปที่ทุกคำอื่นๆ ในประโยคและตัดสินใจว่าอะไรสำคัญ
ในประโยค "She bought Apple stock":
→ "Apple" ให้ความสนใจกับ "stock" และ "bought" มากเป็นพิเศษ
→ โมเดลสรุปว่า: บริษัท ไม่ใช่ผลไม้
ก่อนจะมี attention โมเดลจะอ่านจากซ้ายไปขวา ช้า และมีข้อจำกัด
หลังมี attention โมเดลจะเห็นทั้งประโยคพร้อมกัน
แนวคิดเดียวนี้เองที่ปลดล็อค AI สมัยใหม่
5. Transformers
สถาปัตยกรรมที่ขับเคลื่อนโมเดล AI เกือบทุกตัวในปัจจุบัน
เปิดตัวในปี 2017 ในบทความวิจัยชื่อ "Attention Is All You Need"
จุดพลิกผัน: แทนที่จะอ่านข้อความทีละคำ มันประมวลผลทุกอย่างพร้อมกันโดยใช้ attention
วิธีการทำงาน:
→ ข้อความ → Tokens → Embeddings → ชั้นของ attention ที่ซ้อนกัน → ผลลัพธ์
แต่ละเลเยอร์จะปรับปรุงความเข้าใจ:
→ เลเยอร์ต้นๆ: ไวยากรณ์ โครงสร้างพื้นฐาน
→ เลเยอร์กลางๆ: ความสัมพันธ์ระหว่างคำ
→ เลเยอร์ลึกๆ: การใช้เหตุผลที่ซับซ้อน
ผลลัพธ์: การเทรนที่เร็วกว่ามากและผลลัพธ์ที่ดีกว่ามาก
GPT, Claude, Gemini, Llama, Mistral
ทั้งหมดคือ transformers
ถ้าคุณเข้าใจสถาปัตยกรรมเดียวนี้ คุณก็เข้าใจ AI สมัยใหม่
ส่วนที่ 2: LLM ทำงานอย่างไร (สิ่งที่เกิดขึ้นจริงตอนคุณแชทกับ AI)
6. LLM (Large Language Models)
LLM คือ transformer ที่ถูกเทรนด้วยข้อมูลข้อความปริมาณมหาศาล
หนังสือ เว็บไซต์ โค้ด Wikipedia Reddit
หลายล้านล้าน tokens
ภารกิจการเทรนฟังดูง่ายเกินกว่าจะทรงพลัง:
→ ทำนาย token ถัดไป
แค่นั้น
แต่เมื่อคุณทำซ้ำสิ่งนี้กับตัวอย่างนับล้านล้านครั้ง สิ่งที่พิเศษก็เกิดขึ้น
โมเดลเรียนรู้ไวยากรณ์ จากนั้นก็เรียนรู้การใช้เหตุผล จากนั้นก็เรียนรู้วิธีเขียนโค้ด แปลภาษา แก้ปัญหาคณิตศาสตร์
ไม่มีใครสั่งให้มันทำสิ่งเหล่านั้น
มันเกิดขึ้นเองจากการทำนาย token ถัดไปในระดับใหญ่
"Large" = พารามิเตอร์หลายแสนล้านตัว ค่าใช้จ่ายในการเทรน = หลายล้านดอลลาร์
ChatGPT, Claude, Gemini → พวกมันทั้งหมดคือ LLM
7. Context Window
โมเดล AI ทุกตัวมีขีดจำกัดของความจำ
เรียกว่า context window
มันคือจำนวน token สูงสุดที่โมเดลสามารถ "มองเห็น" ได้ในครั้งเดียว: คำถามของคุณ + คำตอบของมัน + ประวัติการสนทนา
GPT รุ่นแรก: ~4,000 tokens GPT-4: 128,000 tokens Claude 3.5: 200,000 tokens Gemini 1.5 Pro: 1,000,000 tokens
window ที่ใหญ่ขึ้น = บริบทมากขึ้น = คำตอบที่ดีขึ้น
แต่มีข้อเสีย
โมเดลไม่ได้อ่านทุกอย่างอย่างเท่าเทียมกัน
มันให้ความสำคัญกับตอนต้นและตอนท้ายของ context
ส่วนกลาง? มักถูกมองข้าม
นี่เรียกว่าปัญหา "Lost in the Middle"
Context window ใหญ่ ≠ ความจำที่สมบูรณ์แบบ
การเข้าใจสิ่งนี้อธิบายว่าทำไม AI บางครั้ง "ลืม" สิ่งที่คุณพูดถึงอย่างชัดเจน
8. Temperature
เมื่อ AI สร้างข้อความ มันไม่ได้เลือกคำถัดไปที่มีโอกาสเป็นไปได้มากที่สุดเพียงคำเดียวทุกครั้ง
มันมีปุ่มหมุนที่เรียกว่า temperature
→ Temperature = 0: เลือกคำที่ปลอดภัยและคาดเดาได้มากที่สุดเสมอ
→ Temperature = 1: เลือกด้วยความคิดสร้างสรรค์มากขึ้น หลากหลายมากขึ้น
→ Temperature = 2+: กลายเป็นสุดโต่ง บางครั้งก็ไม่ต่อเนื่อง
temperature ต่ำ → ใช้สำหรับ: โค้ด, ข้อมูล, บทสรุป
temperature สูง → ใช้สำหรับ: การระดมสมอง, การเขียนเชิงสร้างสรรค์, การสร้างรูปแบบต่างๆ
เครื่องมือส่วนใหญ่จะตั้งค่านี้ให้คุณโดยอัตโนมัติ
แต่การเข้าใจมันอธิบายว่าทำไม AI บางครั้งรู้สึก "น่าเบื่อ" และบางครั้งก็ทำให้คุณประหลาดใจ
9. Hallucination
AI โกหกอย่างมั่นใจ
ไม่ใช่ด้วยความตั้งใจ มันทำแบบนั้นไม่ได้จริงๆ
นี่คือสาเหตุ
LLM ไม่ได้มองหาความจริง
มันกำลังทำนายว่า token ถัดไปที่น่าจะเป็นไปได้มากที่สุดคืออะไร
ถ้าข้อความเท็จดูเหมือนเป็นสิ่งที่ "ควรจะมาถัดไป" ตามรูปแบบการเทรน มันก็จะสร้างมันขึ้นมา
ไม่มีตรวจสอบข้อเท็จจริง ไม่มีการค้นหาฐานข้อมูล แค่จับคู่รูปแบบล้วนๆ
ดังนั้นมันจะ:
→ อ้างอิงงานวิจัยที่ไม่มีอยู่จริง
→ ประดิษฐ์ฟังก์ชัน API ที่ไม่เคยถูกสร้างขึ้น
→ ระบุ "ข้อเท็จจริง" ทางประวัติศาสตร์ที่ผิดอย่างมั่นใจ
นี่เรียกว่า hallucination
วิธีแก้: อย่าไว้ใจผลลัพธ์ของ AI กับข้อมูลที่เป็นข้อเท็จจริงโดยไม่ตรวจสอบ
ใช้ RAG (แนวคิดที่ 16) เพื่อยึดโยงมันกับข้อมูลจริง
10. Prompt Engineering
วิธีการถามของคุณเปลี่ยนทุกอย่าง
โมเดลเดียวกัน คำถามเดียวกัน ผลลัพธ์ที่แตกต่างกันอย่างสิ้นเชิง ขึ้นอยู่กับว่าคุณตั้งกรอบคำถามอย่างไร
Prompt แย่: → "อธิบาย APIs" → ได้: คำตอบคลุมเครือ ผิวเผิน
Prompt ที่ดี: → "อธิบายว่า REST APIs จัดการกับการตรวจสอบสิทธิ์อย่างไร ยกตัวอย่างจริงพร้อมโค้ด สมมติว่าฉันเป็นนักพัฒนาระดับจูเนียร์" → ได้: เฉพาะเจาะจง มีโครงสร้าง มีประโยชน์ทันที
Prompt engineering ก็แค่การสื่อสารที่ชัดเจน
เคล็ดลับที่ใช้ได้จริง: → ให้บริบท ("ฉันกำลังสร้าง SaaS สำหรับ X") → กำหนดบทบาท ("ทำตัวเป็นวิศวกร backend อาวุโส") → แสดงตัวอย่าง ("นี่คือรูปแบบที่ฉันชอบ: ___") → ระบุรายละเอียดของผลลัพธ์ ("ให้ 5 ตัวเลือกเป็นรายการตัวเลข") → แบ่งคำขอที่ซับซ้อนออกเป็นขั้นตอน
Prompt engineering ไม่ใช่การแฮค
มันคือวิธีหลักที่คุณสื่อสารกับโมเดล
ส่วนที่ 3: โมเดล AI พัฒนาขึ้นได้อย่างไร (โมเดลดิบกลายเป็นผลิตภัณฑ์ที่มีประโยชน์ได้ยังไง)
11. Transfer Learning
การเทรนจากศูนย์มีค่าใช้จ่ายสูง
ต้องใช้ข้อมูลปริมาณมหาศาล คอมพิวเตอร์ขนาดใหญ่ การเทรนเป็นสัปดาห์
Transfer learning แก้ปัญหานี้
คุณนำโมเดลที่ถูกเทรนมาบนงานทั่วไปขนาดใหญ่แล้ว และปรับให้เหมาะกับสิ่งที่เฉพาะเจาะจง
คุณไม่ได้เริ่มจากศูนย์ คุณสร้างบนรากฐานที่มีอยู่
ลองคิดแบบนี้:
→ คุณรู้วิธีขี่จักรยานอยู่แล้ว
→ การเรียนรู้ที่จะขี่มอเตอร์ไซค์ทำได้เร็วกว่ามากเพราะสิ่งนั้น
→ คุณถ่ายโอนสิ่งที่คุณรู้อยู่แล้ว
นี่คือวิธีที่ผลิตภัณฑ์ AI เกือบทั้งหมดทำงานในปัจจุบัน:
→ OpenAI เทรนโมเดลพื้นฐานขนาดใหญ่
→ บริษัทต่างๆ นำมาปรับแต่ง (fine-tune) สำหรับกรณีการใช้งานเฉพาะของตน
→ ประหยัดค่าใช้จ่ายในการประมวลผลหลายล้านดอลลาร์และเวลาการเทรนหลายเดือน
ไม่มีบริษัทไหนเทรนจากศูนย์อีกต่อไปแล้ว
12. Fine-Tuning
Transfer learning อธิบายแนวคิด
Fine-tuning คือวิธีที่คุณนำไปปฏิบัติ
คุณนำโมเดลที่ผ่านการเทรนมาก่อนแล้วมาเทรนต่อในชุดข้อมูลที่เล็กกว่าและเฉพาะเจาะจงมากขึ้น
โมเดลเชี่ยวชาญ "ภาษา" อยู่แล้ว
ตอนนี้คุณกำลังสอนมันในสาขาเฉพาะของคุณ
ตัวอย่าง:
→ โมเดลทางการแพทย์ที่ fine-tune ด้วยบันทึกทางคลินิก
→ โมเดลทางกฎหมายที่ fine-tune ด้วยสัญญา
→ โมเดลการเขียนโค้ดที่ fine-tune ด้วย GitHub
ผลลัพธ์: โมเดลที่ตอบสนองได้อย่างสมบูรณ์แบบสำหรับกรณีการใช้งานของคุณ
ต้นทุน: คุณต้องอัปเดตพารามิเตอร์หลายพันล้านตัว
สิ่งนี้ต้องใช้การประมวลผลหนัก: GPU หลายตัวและโครงสร้างพื้นฐานที่จริงจัง
(นี่คือเหตุผลที่ LoRA แนวคิดถัดไป มีความสำคัญมาก)
13. RLHF (Reinforcement Learning from Human Feedback)
Fine-tuning ทำให้โมเดลมีความเชี่ยวชาญ
RLHF คือสิ่งที่ทำให้พวกมันรู้สึกมีประโยชน์และปลอดภัย
ถ้าไม่มีมัน: โมเดลแค่ทำนายข้อความ คล่องแคล่วแต่ไม่สอดคล้องกับความต้องการของมนุษย์
ถ้ามีมัน: โมเดลเรียนรู้ว่ามนุษย์ชอบอะไรจริงๆ
วิธีการทำงาน:
→ คำถามจะถูกแสดงต่อโมเดล → โมเดลสร้างคำตอบหลายแบบ → มนุษย์จัดอันดับคำตอบ → โมเดลเรียนรู้ที่จะชอบสิ่งที่มนุษย์ชอบ
กระบวนการนี้ทำซ้ำหลายพันครั้ง
โมเดลสร้างความรู้สึกของ "คำตอบที่ดี":
→ ชัดเจน
→ มีประโยชน์
→ ซื่อสัตย์
→ ปลอดภัย
นี่คือสาเหตุที่ ChatGPT และ Claude รู้สึกเหมือนผู้ช่วย ไม่ใช่เครื่องสร้างข้อความสุ่ม
ถ้าไม่มี RLHF พวกมันจะยังคงน่าประทับใจ แต่มีประโยชน์น้อยกว่า เชื่อถือได้น้อยกว่า และควบคุมได้ยากกว่ามาก
14. LoRA (Low-Rank Adaptation)
Fine-tuning มีประสิทธิภาพแต่มีค่าใช้จ่ายสูง
การอัปเดตพารามิเตอร์หลายพันล้านตัวต้องใช้ GPU หลายตัวและโครงสร้างพื้นฐานที่จริงจัง
LoRA แก้ปัญหานี้
แทนที่จะเปลี่ยนทั้งโมเดล LoRA:
→ คงโมเดลเดิมไว้ไม่ให้เปลี่ยนแปลง
→ เพิ่มเลเยอร์ขนาดเล็กที่สามารถเทรนได้ด้านบน
→ เลเยอร์เหล่านี้มีขนาดเพียงเศษเสี้ยวของโมเดลเต็ม
ประเด็นสำคัญ: การเปลี่ยนแปลงส่วนใหญ่ในการ fine-tuning นั้นเล็กน้อย
คุณไม่จำเป็นต้องเขียนโมเดลทั้งหมดใหม่
คุณแค่ต้องการการปรับเปลี่ยนเล็กน้อยที่เฉพาะเจาะจง
ผลลัพธ์:
→ การ fine-tuning บน GPU ทั่วไปสำหรับผู้บริโภค: เป็นไปได้
→ การจัดเก็บโมเดลฐานหนึ่งตัว + สลับ LoRA adapter ต่างๆ: ทำได้จริง
→ โมเดลเฉพาะทางหลายตัวโดยไม่ต้องใช้พื้นที่จัดเก็บมหาศาล: สำเร็จ
LoRA คือสาเหตุที่โอเพนซอร์ส AI ระเบิดขึ้น
ทันใดนั้น ทุกคนก็สามารถ fine-tuning โมเดลที่ทรงพลังบนแล็ปท็อปได้
15. Quantization
โมเดลมีขนาดใหญ่ขึ้นเรื่อยๆ
การรันพวกมันต้องใช้หน่วยความจำและการประมวลผลมหาศาล
Quantization ทำให้พวกมันเล็กลงและถูกลงในการรัน
วิธีการ: โดยการลดความแม่นยำของแต่ละ weight
weight ที่เก็บในความแม่นยำเต็มใช้ 32 bits
เมื่อ quantize เหลือ 4 bits → เล็กลง 8 เท่า
ส่วนที่น่าทึ่ง: การสูญเสียคุณภาพมักจะน้อยอย่างน่าประหลาดใจ
นี่คือสาเหตุที่ตอนนี้คุณสามารถ:
→ รัน LLaMA บน MacBook
→ รัน Mistral บนเครื่องด้วย GPU ทั่วไปสำหรับผู้บริโภค
→ ใช้โมเดลที่ทรงพลังบนโทรศัพท์
ถ้าไม่มี quantization โมเดลขนาดใหญ่จะยังคงถูกขังอยู่ในดาต้าเซ็นเตอร์
เมื่อมี quantization พวกมันรันบนเครื่องของคุณ
ส่วนที่ 4: ระบบ AI จริงถูกสร้างขึ้นมาได้อย่างไร (เบื้องหลังผลิตภัณฑ์ที่คุณใช้จริง)
16. RAG (Retrieval-Augmented Generation)
LLM เกิดอาการ hallucination เพราะมันตอบจากความจำ
RAG แก้ไขปัญหานี้โดยให้มันค้นหาข้อมูลก่อน
วิธีการทำงาน:
ผู้ใช้ถามคำถาม
ระบบค้นหาเอกสารที่เกี่ยวข้องในฐานความรู้
เอกสารเหล่านั้นถูกส่งให้โมเดลเป็นบริบท
โมเดลตอบโดยใช้ข้อมูลจริง ไม่ใช่การเดา
ลองคิดแบบนี้:
→ สอบแบบปิดหนังสือ (ไม่มี RAG): ตอบจากความจำ มักตอบผิด
→ สอบแบบเปิดหนังสือ (มี RAG): ดูแหล่งที่มา แม่นยำกว่ามาก
ทำไมมันถึงทรงพลัง:
→ ไม่ต้องเทรนใหม่เมื่อข้อมูลของคุณเปลี่ยนแปลง แค่ปรับปรุงเอกสาร
→ โมเดลทำงานกับข้อมูลที่ทันสมัยและแม่นยำเสมอ
→ ลดอาการ hallucination ลงอย่างมาก
ผลิตภัณฑ์ AI ที่จริงจังทุกตัวใช้ RAG
บอทสนับสนุนลูกค้า เครื่องมือทางกฎหมาย ผู้ช่วยทางการแพทย์ ฐานความรู้ภายในองค์กร
17. Vector Databases
RAG ต้องการค้นหาเอกสารที่ถูกต้องอย่างรวดเร็ว
แต่คุณจะค้นหาเอกสารนับล้านตามความหมาย ไม่ใช่แค่คีย์เวิร์ดได้อย่างไร?
Vector databases
วิธีการทำงาน:
แต่ละเอกสารจะถูกแปลงเป็น embedding (เวกเตอร์ของตัวเลข)
เวกเตอร์เหล่านี้จะถูกเก็บไว้ในฐานข้อมูล
เมื่อผู้ใช้ถามคำถาม คำถามก็จะถูกแปลงเป็นเวกเตอร์เช่นกัน
ฐานข้อมูลจะค้นหาเวกเตอร์ที่อยู่ใกล้กับเวกเตอร์ของคำถามมากที่สุด
มันจะส่งคืนเอกสารที่มีความหมายคล้ายคลึงกันมากที่สุด
ทำไมถึงดีกว่าการค้นหาด้วยคีย์เวิร์ด:
→ "heart disease treatment" ค้นหาเอกสารเกี่ยวกับ "cardiac care protocols"
→ ถึงแม้คำที่แน่นอนจะไม่ตรงกัน แต่ความหมายตรงกัน
เครื่องมือ: Pinecone, Qdrant, Weaviate, pgvector
Vector databases คือสิ่งที่ทำให้ระบบ AI "เข้าใจ" และไม่ใช่แค่จับคู่สตริงข้อความ
18. AI Agents
LLM ตอบคำถาม
AI agent ทำสิ่งต่างๆ จริงๆ
ความแตกต่าง:
→ LLM: คุณถาม มันตอบ จบ
→ Agent: คุณให้เป้าหมาย มันวางแผน ลงมือทำ ตรวจสอบผลลัพธ์ ปรับเปลี่ยน ทำซ้ำ
วงจรของ agent:
คิด → ลงมือ → สังเกต → ทำซ้ำ
ตัวอย่าง: coding agent ที่แก้บั๊ก
→ อ่าน issue
→ สำรวจซอร์สโค้ด
→ ระบุข้อบกพร่อง
→ เขียนโค้ดแก้ไข
→ รันเทส
→ สังเกตว่าส่วนไหนล้มเหลว
→ ปรับการแก้ไข
→ ทำซ้ำจนกว่าจะเสร็จ
โมเดลคือสมอง เครื่องมือคือมือ
เครื่องมืออะไรที่ agents ใช้ได้?
→ ค้นหาเว็บ
→ รันโค้ด
→ ระบบไฟล์
→ APIs
→ อีเมล / ปฏิทิน
→ ฐานข้อมูล
Agents คือสิ่งที่เปลี่ยน AI จากแชทบอทธรรมดา ให้กลายเป็นเพื่อนร่วมงาน
19. Chain of Thought (CoT)
บางครั้ง AI ให้คำตอบที่ผิด ไม่ใช่เพราะมันโง่
แต่เพราะมันกระโดดไปหาคำตอบเร็วเกินไป
Chain of Thought แก้ปัญหานี้
แทนที่จะถามหาคำตอบสุดท้ายโดยตรง:
→ "จงแก้: ถ้ารถไฟวิ่งด้วยความเร็ว 60 ไมล์ต่อชั่วโมงเป็นเวลา 2.5 ชั่วโมง มันจะวิ่งได้ระยะทางเท่าไหร่?"
คุณบอกให้มันคิดทีละขั้น:
→ "จงแก้ทีละขั้น: ความเร็ว = 60 mph เวลา = 2.5 ชั่วโมง ระยะทาง = ความเร็ว × เวลา = ?"
โมเดลจะเดินตามการใช้เหตุผล:
→ ขั้นที่ 1: ระบุสูตร
→ ขั้นที่ 2: ใส่ตัวเลข
→ ขั้นที่ 3: คำนวณ
มันมีความน่าเชื่อถือมากกว่ามากสำหรับปัญหาคณิตศาสตร์ ตรรกะ และปัญหาหลายขั้นตอน
ประเด็นสำคัญ: การให้พื้นที่กับโมเดลในการคิด ไม่ใช่แค่ตอบสนอง
นี่คือสาเหตุที่ prompt เช่น "คิดทีละขั้น" หรือ "ใช้เหตุผลอย่างรอบคอบ" ใช้ได้ผลจริง
20. Diffusion Models
จนถึงตอนนี้ทุกอย่างเกี่ยวกับข้อความ
Diffusion models อธิบายว่า AI สร้างภาพอย่างไร
กระบวนการนี้ขัดกับสัญชาตญาณ
โมเดลไม่ได้เรียนรู้ที่จะวาด
มันเรียนรู้ที่จะทำลายภาพ
การเทรน:
→ เริ่มต้นด้วยภาพจริง
→ เพิ่มสัญญาณรบกวน (noise) ทีละขั้นจนกลายเป็นสัญญาณรบกวนบริสุทธิ์
→ เทรนโมเดลให้ย้อนกลับกระบวนการนี้ ลบสัญญาณรบกวนทีละขั้น
การสร้าง:
→ เริ่มต้นด้วยสัญญาณรบกวนบริสุทธิ์
→ โมเดลลบสัญญาณรบกวนทีละขั้น
→ ควบคุมโดยข้อความ prompt ของคุณ
→ ภาพปรากฏออกมาจากความสุ่ม
ชื่อนี้มาจากฟิสิกส์: อนุภาคกระจายตัวอย่างสุ่มผ่านตัวกลาง เหมือนหมึกกระจายในน้ำ
ในที่นี้ โมเดลเรียนรู้ที่จะย้อนกลับการกระจายตัวนั้น
ตอนนี้ไม่ใช่แค่ภาพอีกต่อไป:
→ วิดีโอ (Sora, Runway)
→ เสียง
→ เนื้อหา 3D
→ โมเลกุลของยา
Diffusion models คือวิธีที่ AI สร้างสิ่งต่างๆ ที่เป็นภาพ
นี่คือ 20 แนวคิดนั้น ขอสรุปให้:
AI ทำงานยังไง:
→ 1. Neural Networks: การเรียนรู้รูปแบบด้วยเลเยอร์
→ 2. Tokenization: การแตกข้อความเป็นชิ้นส่วน
→ 3. Embeddings: ความหมายในรูปของตัวเลข
→ 4. Attention: บริบทเปลี่ยนความหมาย
→ 5. Transformers: สถาปัตยกรรมเบื้องหลังทุกสิ่ง
LLM ทำงานยังไง:
→ 6. LLM: การทำนาย token ถัดไปในระดับมหาศาล
→ 7. Context Window: ขีดจำกัดความจำและปัญหาตอนกลาง
→ 8. Temperature: ปุ่มหมุนความคิดสร้างสรรค์
→ 9. Hallucination: มั่นใจและผิด
→ 10. Prompt Engineering: วิธีที่คุณสื่อสาร
โมเดลพัฒนาขึ้นยังไง:
→ 11. Transfer Learning: สร้างบนสิ่งที่มีอยู่
→ 12. Fine-Tuning: ทำให้โมเดลเชี่ยวชาญเฉพาะทาง
→ 13. RLHF: สอนให้มันมีประโยชน์
→ 14. LoRA: fine-tuning โดยไม่ต้องเสียค่าใช้จ่ายสูง
→ 15. Quantization: รันโมเดลใหญ่บนเครื่องเล็ก
ระบบจริงถูกสร้างขึ้นยังไง:
→ 16. RAG: ค้นหาก่อน แล้วค่อยตอบ
→ 17. Vector Databases: ค้นหาด้วยความหมาย
→ 18. AI Agents: จากการตอบ สู่การลงมือทำ
→ 19. Chain of Thought: ให้พื้นที่มันได้คิด
→ 20. Diffusion Models: จากสัญญาณรบกวน สู่ภาพ
ตอนนี้คุณเข้าใจแล้วว่า AI ทำงานยังไงจริงๆ
คนส่วนใหญ่ที่ใช้ AI ทุกวันไม่รู้เรื่องนี้
ช่องว่างนั้นคือข้อได้เปรียบของคุณ
ถ้าสิ่งนี้มีประโยชน์:
→ กด repost เพื่อแชร์ต่อให้คนในเครือข่ายของคุณ
→ ติดตาม @chesny สำหรับบทความเจาะลึกแบบนี้เพิ่มเติม
→ เซฟหน้านี้ไว้เป็นข้อมูลอ้างอิง
ผมเขียนเกี่ยวกับ AI, การสร้างผลิตภัณฑ์, และระบบที่ทำงานขณะคุณหลับ
