ทุกคนใช้ AI
แทบไม่มีใครเข้าใจจริงๆ ว่ามันทำงานยังไง
คนพูดถึงคำศัพท์อย่าง transformers, embeddings, RAG, agents, RLHF…
…เหมือนกับว่าทุกคนรู้อยู่แล้ว
ส่วนใหญ่ไม่รู้
แล้วเอาจริงๆ?
AI ไม่ได้ซับซ้อนขนาดนั้น ถ้าคุณเข้าใจแนวคิดพื้นฐาน
ChatGPT, Claude, Midjourney, Cursor, Coding agents
ทั้งหมดนี้จะเข้าใจได้ทันทีเมื่อคุณรู้แนวคิด 20 ข้อด้านล่าง
ไม่ต้องมีปริญญาเอก ไม่ต้องใช้ศัพท์เทคนิค แค่คำอธิบายง่ายๆ พร้อมภาพประกอบ
เซฟไว้เลย คุณจะใช้อีกแน่
PART 1: AI ทำงานยังไงจริงๆ (พื้นฐานที่ทุกอย่างสร้างขึ้นมา)
1. โครงข่ายประสาทเทียม (Neural Networks)
สมองของโมเดล AI ทุกตัว
โครงข่ายประสาทเทียมคือท่อส่งข้อมูลหลายชั้น
→ ข้อมูลเข้าสู่ชั้น Input → ผ่านชั้น Hidden → ออกมาเป็นคำทำนาย
แต่ละจุดเชื่อมต่อมี "น้ำหนัก" (weight) — คะแนนเล็กๆ ที่ควบคุมว่าประสาทหนึ่งมีอิทธิพลต่ออีกประสาทมากแค่ไหน
การฝึก = การปรับน้ำหนักหลายพันล้านครั้งจนกว่าผลลัพธ์จะแม่นยำ
แนวคิดง่ายๆ แต่พอขยายขนาดแล้วบ้ามาก
GPT-4 มีพารามิเตอร์ประมาณ 1.8 ล้านล้าน Claude 3 Opus มีหลายแสนล้าน
ทั้งหมดมาจากแนวคิดพื้นฐานเดียวกัน: ชั้นของประสาทที่เชื่อมต่อกันแบบปรับค่าได้
2. การแบ่งเป็นหน่วยย่อย (Tokenization)
ก่อนที่ AI จะอ่านข้อความของคุณ มันจะแยกข้อความเป็นชิ้นเล็กๆ ที่เรียกว่า token
ไม่ใช่คำเต็มเสมอไป
"playing" → "play" + "ing"
"ChatGPT" → "Chat" + "G" + "PT"
"dog" → "dog" (คงไว้ทั้งคำ)
ทำไมไม่ใช้คำเต็ม?
ภาษาไม่เป็นระบบ มีคำใหม่ พิมพ์ผิด ภาษาผสม คำศัพท์คงที่จำนวนมากจะมีขนาดใหญ่เกินไป
Token เป็นชิ้นส่วนที่ใช้ซ้ำได้
ถึงแม้โมเดลจะไม่เคยเห็นคำนั้นมาก่อน มันก็สามารถเข้าใจได้โดยการแยกเป็นชิ้นส่วนที่คุ้นเคย
กฎคร่าวๆ: 1 token ≈ 0.75 คำ
1000 tokens ≈ 750 คำ
3. การฝังความหมาย (Embeddings)
เมื่อข้อความถูกแบ่งเป็น token แล้ว แต่ละ token จะกลายเป็นตัวเลข
ตัวเลขนั้นคือ embedding — เวกเตอร์ที่แสดงความหมาย
คิดว่ามันเป็น Google Maps สำหรับคำศัพท์
→ "หมอ" กับ "พยาบาล" อยู่ใกล้กัน
→ "หมอ" กับ "พิซซ่า" ห่างกันมาก
→ "กษัตริย์" ลบ "ผู้ชาย" บวก "ผู้หญิง" ≈ "ราชินี"
โมเดลไม่เข้าใจคำเหมือนที่คุณเข้าใจ
มันเข้าใจระยะทางและทิศทาง
นี่คือสิ่งที่ขับเคลื่อน:
→ การค้นหาเชิงความหมาย
→ ระบบแนะนำ
→ ระบบ RAG
ทุกอย่างที่ "เข้าใจเจตนา" ใช้ embedding ภายใต้ฝาครอบ
4. การใส่ใจ (Attention)
คำว่า "แอปเปิ้ล" มีความหมายต่างกัน:
→ "ฉันกินแอปเปิ้ล" → ผลไม้
→ "ฉันซื้อหุ้นแอปเปิ้ล" → บริษัท
embedding อย่างเดียวแก้ปัญหานี้ไม่ได้
attention แก้ได้
Attention ช่วยให้ทุกคำมองทุกคำอื่นๆ ในประโยคและตัดสินใจว่าอะไรสำคัญ
ใน "เธอซื้อหุ้นใน Apple":
→ "Apple" ให้ attention สูงกับ "หุ้น" และ "ซื้อ"
→ โมเดลสรุป: บริษัท ไม่ใช่ผลไม้
ก่อน attention โมเดลอ่านจากซ้ายไปขวา ช้าและจำกัด
หลัง attention โมเดลเห็นทั้งประโยคพร้อมกัน
แนวคิดเดียวนี้ปลดล็อค AI สมัยใหม่
5. ทรานส์ฟอร์เมอร์ (Transformers)
สถาปัตยกรรมที่ขับเคลื่อนโมเดล AI เกือบทุกตัวในปัจจุบัน
เปิดตัวในปี 2017 ในบทความชื่อ "Attention Is All You Need"
ความก้าวหน้า: แทนที่จะอ่านข้อความทีละคำ ให้ประมวลผลทุกอย่างพร้อมกันโดยใช้ attention
วิธีทำงาน:
→ ข้อความ → Tokens → Embeddings → ชั้น attention ที่ซ้อนกัน → ผลลัพธ์
แต่ละชั้นปรับปรุงความเข้าใจ:
→ ชั้นต้น: ไวยากรณ์ โครงสร้างพื้นฐาน
→ ชั้นกลาง: ความสัมพันธ์ของคำ
→ ชั้นลึก: การใช้เหตุผลเชิงซับซ้อน
ผลลัพธ์: การฝึกเร็วขึ้นมากและผลลัพธ์ดีขึ้นอย่างเห็นได้ชัด
GPT, Claude, Gemini, Llama, Mistral
ทั้งหมดเป็น transformers
ถ้าคุณเข้าใจสถาปัตยกรรมเดียวนี้ คุณก็เข้าใจ AI สมัยใหม่
PART 2: LLM ทำงานยังไง (เกิดอะไรขึ้นจริงๆ ตอนคุณแชทกับ AI)
6. LLM (Large Language Models)
LLM คือ transformer ที่ถูกฝึกด้วยข้อความปริมาณมหาศาล
หนังสือ เว็บไซต์ โค้ด Wikipedia Reddit
หลายล้านล้าน token
ภารกิจในการฝึกฟังดูง่ายเกินไปที่จะมีพลัง:
→ ทำนาย token ถัดไป
แค่นั้น
แต่เมื่อคุณทำซ้ำกับตัวอย่างหลายล้านล้านครั้ง สิ่งที่น่าทึ่งก็เกิดขึ้น
โมเดลเรียนรู้ไวยากรณ์ แล้วก็การใช้เหตุผล แล้วก็วิธีการเขียนโค้ด แปลภาษา แก้ปัญหาคณิตศาสตร์
ไม่มีใครบอกให้มันทำสิ่งเหล่านั้น
มันเกิดขึ้นจากการทำนาย token ถัดไปในระดับมหาศาล
"Large" = พารามิเตอร์หลายแสนล้าน ค่าใช้จ่ายในการฝึก = ล้านดอลลาร์
ChatGPT, Claude, Gemini → ทั้งหมดคือ LLM
7. หน้าต่างบริบท (Context Window)
โมเดล AI ทุกตัวมีขีดจำกัดความจำ
เรียกว่า context window
คือจำนวน token สูงสุดที่โมเดลสามารถ "เห็น" ได้ในครั้งเดียว — ข้อความของคุณ + คำตอบ + ประวัติการสนทนา
รุ่น GPT แรกๆ: ~4,000 tokens
GPT-4: 128,000 tokens
Claude 3.5: 200,000 tokens
Gemini 1.5 Pro: 1,000,000 tokens
หน้าต่างใหญ่ขึ้น = บริบทมากขึ้น = คำตอบดีขึ้น
แต่มีข้อเสีย
โมเดลไม่อ่านทุกอย่างเท่าๆ กัน
มันโฟกัสที่จุดเริ่มต้นและจุดสิ้นสุดของบริบท
ตรงกลาง? มักถูกมองข้าม
นี่คือปัญหา "Lost in the Middle"
หน้าต่างบริบทใหญ่ ≠ ความจำสมบูรณ์แบบ
การเข้าใจสิ่งนี้อธิบายว่าทำไม AI บางครั้ง "ลืม" สิ่งที่คุณพูดไว้ชัดเจน
8. อุณหภูมิ (Temperature)
เมื่อ AI สร้างข้อความ มันไม่ได้เลือกคำถัดไปที่น่าจะเป็นไปได้มากที่สุดทุกครั้ง
มันมีปุ่มปรับที่เรียกว่า temperature
→ Temperature = 0: เลือกคำที่ปลอดภัยและคาดเดาได้มากที่สุดเสมอ
→ Temperature = 1: เลือกอย่างสร้างสรรค์มากขึ้น มีความหลากหลาย
→ Temperature = 2+: เริ่มเพี้ยน บางครั้งไม่เป็นภาษา
temperature ต่ำ → ใช้กับ: โค้ด ข้อเท็จจริง บทสรุป
temperature สูง → ใช้กับ: การระดมสมอง งานเขียนสร้างสรรค์ รูปแบบต่างๆ
เครื่องมือส่วนใหญ่ตั้งค่านี้ให้คุณอัตโนมัติ
แต่การเข้าใจมันอธิบายว่าทำไมบางครั้ง AI ดู "น่าเบื่อ" และบางครั้งก็ทำให้คุณประหลาดใจ
9. ภาพหลอน (Hallucination)
AI โกหกอย่างมั่นใจ
ไม่ใช่ตั้งใจ มันทำอะไรไม่ได้จริงๆ
นี่คือสาเหตุ
LLM ไม่ได้ค้นหาความจริง
มันทำนายว่า token ถัดไปที่น่าจะเป็นไปได้มากที่สุดคืออะไร
ถ้าข้อความเท็จดูเหมือนว่า "ควรจะตามมา" จากรูปแบบการฝึก มันก็จะสร้างมันขึ้นมา
ไม่มีการตรวจสอบ ไม่มีการค้นหา แค่จับคู่รูปแบบล้วนๆ
ดังนั้นมันจะ:
→ อ้างอิงงานวิจัยที่ไม่มีอยู่จริง
→ ประดิษฐ์ฟังก์ชัน API ที่ไม่เคยสร้าง
→ ระบุ "ข้อเท็จจริง" ทางประวัติศาสตร์ที่ปลอมด้วยความมั่นใจเต็มเปี่ยม
นี่เรียกว่า hallucination
ทางแก้: อย่าเชื่อถือผลลัพธ์ AI ในเรื่องข้อเท็จจริงโดยไม่ตรวจสอบ
ใช้ RAG (แนวคิดข้อ 16) เพื่อเชื่อมโยงกับข้อมูลจริง
10. วิศวกรรมคำสั่ง (Prompt Engineering)
วิธีที่คุณถามเปลี่ยนทุกอย่าง
โมเดลเดียวกัน คำถามเดียวกัน ผลลัพธ์ต่างกันสุดขั้วตามวิธีที่คุณตั้งกรอบ
คำสั่งไม่ดี:
→ "อธิบาย API"
→ ได้: คำตอบคลุมเครือ ระดับผิวเผิน
คำสั่งที่ดี:
→ "อธิบายว่า REST API จัดการ authentication อย่างไร ยกตัวอย่างจริงพร้อมโค้ด สมมติว่าฉันเป็นนักพัฒนา junior"
→ ได้: คำตอบเจาะจง มีโครงสร้าง มีประโยชน์ทันที
วิศวกรรมคำสั่งคือการสื่อสารที่ชัดเจน
เทคนิคที่ใช้ได้จริง:
→ ให้บริบท ("ฉันกำลังสร้าง SaaS สำหรับ X")
→ กำหนดบทบาท ("ทำตัวเป็นวิศวกร backend อาวุโส")
→ แสดงตัวอย่าง ("นี่คือรูปแบบที่ฉันชอบ: ___")
→ เจาะจงเกี่ยวกับผลลัพธ์ ("ให้ 5 ตัวเลือกเป็นรายการตัวเลข")
→ แบ่งคำขอที่ซับซ้อนเป็นขั้นตอน
วิศวกรรมคำสั่งไม่ใช่การแฮก
มันเป็นวิธีหลักที่คุณสื่อสารกับโมเดล
PART 3: โมเดล AI ปรับปรุงอย่างไร (โมเดลดิบกลายเป็นผลิตภัณฑ์ที่มีประโยชน์ได้อย่างไร)
11. การเรียนรู้ถ่ายโอน (Transfer Learning)
การฝึกจากศูนย์มีค่าใช้จ่ายสูง
ข้อมูลปริมาณมหาศาล การคำนวณมหาศาล การฝึกหลายสัปดาห์
Transfer learning แก้ปัญหานี้
คุณนำโมเดลที่ฝึกแล้วในงานทั่วไปขนาดใหญ่มาปรับใช้กับงานเฉพาะ
คุณไม่ได้เริ่มจากศูนย์ คุณกำลังต่อยอด
ลองนึกภาพแบบนี้:
→ คุณปั่นจักรยานได้แล้ว
→ การเรียนขี่มอเตอร์ไซค์จะเร็วกว่ามากเพราะพื้นฐานนั้น
→ คุณถ่ายโอนสิ่งที่คุณรู้อยู่แล้ว
นี่คือวิธีที่ผลิตภัณฑ์ AI เกือบทั้งหมดทำงานในปัจจุบัน:
→ OpenAI ฝึกโมเดลพื้นฐานขนาดใหญ่
→ บริษัทต่างๆ fine-tune มันสำหรับกรณีใช้งานเฉพาะ
→ ประหยัดเงินหลายล้านดอลลาร์และเวลาฝึกหลายเดือน
ไม่มีบริษัทไหนฝึกจากศูนย์อีกแล้ว
12. การปรับแต่งละเอียด (Fine-Tuning)
Transfer learning บอกแนวคิด
Fine-tuning คือวิธีทำ
คุณนำโมเดลที่ฝึกไว้แล้วมาฝึกต่อด้วยชุดข้อมูลที่เล็กกว่าและเจาะจงกว่า
โมเดลพูด "ภาษา" ได้แล้ว
ตอนนี้คุณกำลังสอนโดเมนเฉพาะของคุณ
ตัวอย่าง:
→ โมเดลทางการแพทย์ที่ fine-tune ด้วยบันทึกทางคลินิก
→ โมเดลทางกฎหมายที่ fine-tune ด้วยสัญญา
→ โมเดลเขียนโค้ดที่ fine-tune ด้วย GitHub
ผลลัพธ์: โมเดลที่ตอบสนองได้สมบูรณ์แบบสำหรับกรณีใช้งานของคุณ
ค่าใช้จ่าย: คุณต้องอัปเดตพารามิเตอร์หลายพันล้านตัว
นั่นต้องใช้การคำนวณหนัก — GPU หลายตัว โครงสร้างพื้นฐานขนาดใหญ่
(นี่คือเหตุผลที่ LoRA แนวคิดถัดไป มีความสำคัญมาก)
13. RLHF (การเรียนรู้แบบเสริมกำลังจากคำติชมของมนุษย์)
Fine-tuning ทำให้โมเดลมีความเชี่ยวชาญ
RLHF คือสิ่งที่ทำให้พวกมันรู้สึกมีประโยชน์และปลอดภัย
หากไม่มีมัน: โมเดลแค่ทำนายข้อความ คล่องแคล่วแต่ไม่สอดคล้องกับความต้องการ
เมื่อมีมัน: โมเดลเรียนรู้ว่ามนุษย์ชอบอะไรจริงๆ
นี่คือวิธีการทำงาน:
→ แสดงคำสั่งให้โมเดล
→ โมเดลสร้างคำตอบหลายแบบ
→ มนุษย์จัดอันดับคำตอบ
→ โมเดลเรียนรู้ที่จะชอบสิ่งที่มนุษย์ชอบ
ทำซ้ำหลายพันครั้ง
โมเดลสร้างความรู้สึกของ "คำตอบที่ดี":
→ ชัดเจน
→ มีประโยชน์
→ ซื่อสัตย์
→ ปลอดภัย
นี่คือเหตุผลที่ ChatGPT และ Claude รู้สึกเหมือนผู้ช่วย — ไม่ใช่เครื่องสร้างข้อความสุ่ม
หากไม่มี RLHF พวกมันยังน่าประทับใจ แต่มันจะมีประโยชน์น้อยกว่า น่าเชื่อถือน้อยกว่า และควบคุมยากกว่ามาก
14. LoRA (การปรับแบบอันดับต่ำ)
Fine-tuning มีพลังแต่แพง
การอัปเดตพารามิเตอร์หลายพันล้านตัวต้องใช้ GPU หลายตัวและโครงสร้างพื้นฐานขนาดใหญ่
LoRA แก้ปัญหานี้
แทนที่จะเปลี่ยนทั้งโมเดล LoRA:
→ คงโมเดลดั้งเดิมไว้
→ เพิ่มชั้นที่ฝึกได้ขนาดเล็กลงไปด้านบน
→ ชั้นเหล่านี้เป็นเศษส่วนของขนาดโมเดลเต็ม
แนวคิด: การเปลี่ยนแปลงส่วนใหญ่ในการ fine-tuning มีขนาดเล็ก
คุณไม่ต้องเขียนโมเดลใหม่ทั้งตัว
คุณแค่ต้องการการปรับเปลี่ยนเล็กน้อยที่ตรงเป้า
ผลลัพธ์:
→ Fine-tuning บน GPU สำหรับผู้บริโภคเครื่องเดียว: เป็นไปได้
→ เก็บโมเดลพื้นฐานหนึ่งตัว + สลับ LoRA adapter ต่างๆ: ใช้ได้จริง
→ มีโมเดลเฉพาะทางหลายตัวโดยไม่ต้องใช้พื้นที่เก็บข้อมูลมหาศาล: เสร็จ
LoRA คือสาเหตุที่ AI โอเพนซอร์ซระเบิดขึ้น
ทันใดนั้นทุกคนก็สามารถ fine-tune โมเดลทรงพลังบนแล็ปท็อปได้
15. การลดทอนความแม่นยำ (Quantization)
โมเดลมีขนาดใหญ่ขึ้นเรื่อยๆ
การรันพวกมันต้องใช้หน่วยความจำและการคำนวณจำนวนมาก
Quantization ทำให้พวกมันเล็กลงและถูกกว่าในการรัน
วิธี: ลดความแม่นยำของน้ำหนักแต่ละตัว
น้ำหนักที่เก็บในความแม่นยำเต็มใช้ 32 บิต
ลดเป็น 4 บิต → เล็กลง 8 เท่า
สิ่งที่น่าทึ่ง: การลดลงของคุณภาพมักจะน้อยอย่างน่าประหลาดใจ
นี่คือเหตุผลที่ตอนนี้คุณสามารถ:
→ รัน LLaMA บน MacBook
→ รัน Mistral ในเครื่องบน GPU สำหรับผู้บริโภค
→ ใช้โมเดลทรงพลังบนโทรศัพท์
หากไม่มี quantization โมเดลขนาดใหญ่จะถูกจำกัดอยู่ในศูนย์ข้อมูล
เมื่อมี quantization พวกมันรันบนเครื่องของคุณ
PART 4: ระบบ AI จริงถูกสร้างขึ้นอย่างไร (สิ่งที่อยู่เบื้องหลังผลิตภัณฑ์ที่คุณใช้จริง)
16. RAG (การสร้างเสริมด้วยการค้นคืน)
LLM เกิดภาพหลอนเพราะพวกมันตอบจากความจำ
RAG แก้ไขปัญหานี้โดยให้พวกมันค้นหาข้อมูลก่อน
วิธีการทำงาน:
- ผู้ใช้ถามคำถาม
- ระบบค้นหาฐานความรู้เพื่อหาเอกสารที่เกี่ยวข้อง
- เอกสารเหล่านั้นถูกส่งให้โมเดลเป็นบริบท
- โมเดลตอบโดยใช้ข้อมูลจริง — ไม่ใช่การเดา
คิดว่ามันเหมือน:
→ สอบแบบปิดหนังสือ (ไม่มี RAG): ตอบจากความจำ มักผิด
→ สอบแบบเปิดหนังสือ (มี RAG): ตรวจสอบแหล่งที่มา แม่นยำกว่ามาก
ทำไมมันถึงทรงพลัง:
→ ไม่ต้องฝึกใหม่เมื่อข้อมูลของคุณเปลี่ยน — แค่ปรับปรุงเอกสาร
→ โมเดลทำงานกับข้อมูลปัจจุบันและแม่นยำเสมอ
→ ลดภาพหลอนลงอย่างมาก
ผลิตภัณฑ์ AI ที่จริงจังทุกตัวใช้ RAG
บอทบริการลูกค้า เครื่องมือทางกฎหมาย ผู้ช่วยทางการแพทย์ ฐานความรู้ภายในองค์กร
17. ฐานข้อมูลเวกเตอร์ (Vector Databases)
RAG ต้องค้นหาเอกสารที่ถูกต้องอย่างรวดเร็ว
แต่คุณจะค้นหาเอกสารหลายล้านชิ้นด้วยความหมาย — ไม่ใช่แค่คำสำคัญ — ได้อย่างไร?
ฐานข้อมูลเวกเตอร์
นี่คือวิธีการทำงาน:
- ทุกเอกสารถูกแปลงเป็น embedding (เวกเตอร์ของตัวเลข)
- เวกเตอร์เหล่านี้ถูกเก็บในฐานข้อมูล
- เมื่อผู้ใช้ถามคำถาม คำถามก็กลายเป็นเวกเตอร์เช่นกัน
- ฐานข้อมูลค้นหาเวกเตอร์ที่ใกล้กับเวกเตอร์คำถามมากที่สุด
- ส่งคืนเอกสารที่มีความหมายใกล้เคียงที่สุด
ทำไมดีกว่าการค้นหาด้วยคำสำคัญ:
→ "การรักษาโรคหัวใจ" ค้นพบเอกสารเกี่ยวกับ "แนวทางการดูแลหัวใจและหลอดเลือด"
→ ถึงแม้คำที่ตรงกันจะไม่มี แต่ความหมายตรงกัน
เครื่องมือ: Pinecone, Qdrant, Weaviate, pgvector
ฐานข้อมูลเวกเตอร์คือสิ่งที่ทำให้ระบบ AI "เข้าใจ" — ไม่ใช่แค่จับคู่สตริง
18. ตัวแทน AI (AI Agents)
LLM ตอบกลับข้อความ
ตัวแทน AI ลงมือทำจริง
ความแตกต่าง:
→ LLM: คุณถาม มันตอบ จบ
→ Agent: คุณให้เป้าหมาย มันวางแผน ลงมือ ตรวจสอบผลลัพธ์ ปรับเปลี่ยน ทำซ้ำ
วงจรของ agent:
คิด → ลงมือ → สังเกต → ทำซ้ำ
ตัวอย่าง: coding agent แก้บั๊ก
→ อ่าน issue
→ สำรวจ codebase
→ ระบุปัญหา
→ เขียนวิธีแก้ไข
→ รันเทส
→ ดูว่าอะไรล้มเหลว
→ ปรับการแก้ไข
→ ทำซ้ำจนกว่าจะเสร็จ
โมเดลคือสมอง เครื่องมือคือมือ
เครื่องมืออะไรที่ agent ใช้ได้?
→ ค้นหาเว็บ
→ รันโค้ด
→ ระบบไฟล์
→ API
→ อีเมล / ปฏิทิน
→ ฐานข้อมูล
Agent คือสิ่งที่เปลี่ยน AI จากแชทบอทเป็นเพื่อนร่วมงาน
19. การคิดเป็นขั้นตอน (Chain of Thought - CoT)
บางครั้ง AI ได้คำตอบผิดไม่ใช่เพราะมันโง่
แต่เพราะมันกระโดดไปหาคำตอบเร็วเกินไป
Chain of thought แก้ปัญหานี้
แทนที่จะถามคำตอบสุดท้ายโดยตรง:
→ "แก้: ถ้ารถไฟวิ่ง 60 ไมล์/ชม. เป็นเวลา 2.5 ชม. จะได้ระยะทางเท่าไหร่?"
คุณสั่งให้มันคิดทีละขั้นตอน:
→ "แก้ทีละขั้นตอน: ความเร็ว = 60 ไมล์/ชม. เวลา = 2.5 ชม. ระยะทาง = ความเร็ว × เวลา = ?"
โมเดลเดินผ่านกระบวนการคิด:
→ ขั้นตอน 1: ระบุสูตร
→ ขั้นตอน 2: แทนค่าตัวเลข
→ ขั้นตอน 3: คำนวณ
เชื่อถือได้มากกว่ามากสำหรับคณิตศาสตร์ ตรรกะ ปัญหาหลายขั้นตอน
แนวคิด: ให้พื้นที่โมเดลได้คิด ไม่ใช่แค่ตอบสนอง
นี่คือเหตุผลที่คำสั่งอย่าง "คิดทีละขั้นตอน" หรือ "ใช้เหตุผลอย่างรอบคอบ" ใช้ได้จริง
20. โมเดลการแพร่ (Diffusion Models)
ทุกอย่างที่ผ่านมาเกี่ยวกับข้อความ
Diffusion models อธิบายว่า AI สร้างภาพอย่างไร
กระบวนการนี้ไม่ตรงตามสัญชาตญาณ
โมเดลไม่ได้เรียนรู้ที่จะวาด
มันเรียนรู้ที่จะทำลายภาพ
การฝึก:
→ เริ่มด้วยภาพจริง
→ เพิ่มสัญญาณรบกวนทีละขั้นจนเป็นสัญญาณรบกวนล้วน
→ ฝึกโมเดลให้ย้อนกลับ这个过程 — ลบสัญญาณรบกวนทีละขั้น
การสร้าง:
→ เริ่มด้วยสัญญาณรบกวนล้วน
→ โมเดลลบสัญญาณรบกวนทีละขั้น
→ ถูกชี้นำโดยคำสั่งข้อความของคุณ
→ ภาพปรากฏจากความสุ่ม
ชื่อนี้มาจากฟิสิกส์ — อนุภาคแพร่กระจายแบบสุ่มผ่านตัวกลาง เหมือนหมึกกระจายในน้ำ
ที่นี่ โมเดลเรียนรู้ที่จะย้อนกลับการแพร่นั้น
ไม่ใช่แค่ภาพอีกแล้ว:
→ วิดีโอ (Sora, Runway)
→ เสียง
→ เนื้อหา 3 มิติ
→ โมเลกุลยา
Diffusion models คือวิธีที่ AI สร้างทุกอย่างที่เกี่ยวข้องกับภาพ
ครบ 20 ข้อแล้ว
ให้ฉันสรุป:
AI ทำงานอย่างไร:
→ 1. โครงข่ายประสาทเทียม — การเรียนรู้รูปแบบแบบชั้น
→ 2. การแบ่งเป็นหน่วยย่อย — แยกข้อความเป็นชิ้นส่วน
→ 3. การฝังความหมาย — ความหมายในรูปแบบตัวเลข
→ 4. การใส่ใจ — บริบทเปลี่ยนความหมาย
→ 5. ทรานส์ฟอร์เมอร์ — สถาปัตยกรรมเบื้องหลังทุกสิ่ง
LLM ทำงานอย่างไร:
→ 6. LLM — การทำนาย token ถัดไปในระดับมหาศาล
→ 7. หน้าต่างบริบท — ขีดจำกัดความจำและปัญหาตรงกลาง
→ 8. อุณหภูมิ — ปุ่มปรับความคิดสร้างสรรค์
→ 9. ภาพหลอน — มั่นใจแต่ผิด
→ 10. วิศวกรรมคำสั่ง — วิธีที่คุณสื่อสาร
โมเดลปรับปรุงอย่างไร:
→ 11. การเรียนรู้ถ่ายโอน — สร้างต่อจากสิ่งที่มีอยู่
→ 12. การปรับแต่งละเอียด — ทำให้โมเดลเชี่ยวชาญ
→ 13. RLHF — สอนให้มันมีประโยชน์
→ 14. LoRA — fine-tuning โดยไม่เสียค่าใช้จ่ายสูง
→ 15. การลดทอนความแม่นยำ — รันโมเดลใหญ่บนเครื่องเล็ก
ระบบจริงถูกสร้างขึ้นอย่างไร:
→ 16. RAG — ค้นหาก่อน แล้วตอบ
→ 17. ฐานข้อมูลเวกเตอร์ — ค้นหาด้วยความหมาย
→ 18. ตัวแทน AI — จากการตอบเป็นการลงมือทำ
→ 19. การคิดเป็นขั้นตอน — ให้พื้นที่มันได้คิด
→ 20. โมเดลการแพร่ — จากสัญญาณรบกวนสู่ภาพ
ตอนนี้คุณเข้าใจแล้วว่า AI ทำงานจริงๆ อย่างไร
คนส่วนใหญ่ที่ใช้ AI ทุกวันไม่เข้าใจ
ช่องว่างนั้นคือความได้เปรียบของคุณ
ถ้าสิ่งนี้มีประโยชน์:
→ รีโพสต์เพื่อแชร์ให้กับเครือข่ายของคุณ
→ ติดตาม @sairahul1 สำหรับบทความแบบนี้เพิ่มเติม
→ บุ๊กมาร์กไว้สำหรับอ้างอิง
ฉันเขียนเกี่ยวกับ AI การสร้างผลิตภัณฑ์ และระบบที่ทำงานในขณะที่คุณหลับ
