เมื่อเร็วๆ นี้ ผมได้มีโอกาสเจอเพื่อนร่วมงานเก่าและเพื่อนๆ แบบออฟไลน์บ้าง พอรู้ว่าผมกำลังทำคอนเทนต์เกี่ยวกับ AI ทุกคนก็สนใจมาก และบทสนทนาก็มักจะวนกลับมาที่ AI โดยธรรมชาติ
แต่พอคุยไปเรื่อยๆ ผมก็สังเกตเห็นปัญหาหนึ่ง
ผมจะพูดถึงคำว่า Agent, Skill, MCP โดยอัตโนมัติ คิดว่าทุกคนน่าจะเคยได้ยินกันมาบ้าง แต่คนที่นั่งอยู่ตรงข้ามกลับหยุดแล้วถามว่า "Agent คืออะไรกันแน่" "Skill แปลว่าอะไร"
ตอนนั้นเองที่ผมรู้ตัวว่าตกอยู่ใน "คำสาปแห่งความรู้" (Curse of Knowledge) พอเราเห็นและใช้คำๆ หนึ่งบ่อยเกินไป เราก็ลืมไปว่าตอนแรกที่เห็น เราก็สับสนไม่ต่างกัน
ไม่กี่เดือนก่อน ผมเองก็จมอยู่กับคำย่อภาษาอังกฤษพวกนี้เหมือนกัน ตอนนั้นผมลงซีรีส์ "AI พื้นฐานรายวันสำหรับมือใหม่" เรียนรู้คำศัพท์วันละคำ เกือบ 30 วัน ค่อยๆ รวบรวมคำศัพท์ AI ที่ใช้บ่อยๆ ทีละคำ
พอช่วงนี้มีคนถามมากขึ้นเรื่อยๆ ผมก็เลยตัดสินใจทำเนื้อหานี้ให้สมบูรณ์ยิ่งขึ้น
ผมรวบรวมคำศัพท์ AI ที่คิดว่ามีความถี่สูงมา 66 คำ และอธิบายด้วยภาษาที่เข้าใจง่าย สำหรับแต่ละคำ ผมจะบอกคุณว่า: มันคืออะไร, คุณจะเจอมันที่ไหน, และสถานการณ์ในชีวิตจริงแบบไหนที่ทำให้จำได้ง่ายที่สุด
คุณไม่จำเป็นต้องจำทั้งหมดในครั้งเดียว แค่ลองอ่านผ่านๆ สักรอบ เพื่อว่าคราวหน้าที่คุณเจอ LLM, RAG, Agent, MCP, API หรือ CLI คุณจะพอรู้ว่ามันอยู่ในตำแหน่งไหนในโลกของ AI อย่างน้อยก็คร่าวๆ
I. ทำความเข้าใจ AI และโมเดลขนาดใหญ่ก่อน
กลุ่มนี้ตอบคำถามสองข้อ: AI คืออะไร และ Large Language Model ประมวลผลอะไรเวลาที่มันพูด? เมื่อคุณเข้าใจแผนที่นี้แล้ว คำศัพท์ต่อไปนี้จะง่ายขึ้นมาก
AI คือการทำให้เครื่องจักรทำงานที่ปกติต้องใช้ความเข้าใจ การตัดสินใจ การทำนาย หรือการสร้างสรรค์ของมนุษย์ การปลดล็อคใบหน้าบนมือถือ การพยากรณ์การจราจรบนแผนที่ การแนะนำวิดีโอบนแพลตฟอร์ม และแชทบอทที่ตอบคำถาม ล้วนเป็น AI มันเป็นคำรวมที่กว้าง เครื่องมือแชทเป็นเพียงแอปพลิเคชันประเภทหนึ่งเท่านั้น
Algorithm หรือ อัลกอริทึม คือชุดขั้นตอนที่ชัดเจนในการแก้ปัญหา คล้ายกับสูตรอาหาร สูตรอาหารกำหนดให้หั่นผักก่อน ตั้งกระทะ แล้วจึงปรุงรส อัลกอริทึมกำหนดว่าคอมพิวเตอร์ต้องอ่านอะไรก่อน เปรียบเทียบอย่างไร และสุดท้ายจะแสดงผลอะไร อัลกอริทึมแบบดั้งเดิมหลายอันไม่สามารถแชทได้เลย อัลกอริทึม AI เป็นเพียงส่วนหนึ่งของตระกูลอัลกอริทึมเท่านั้น
NLP หรือ การประมวลผลภาษาธรรมชาติ คือสาขาทางเทคนิคที่ทำให้คอมพิวเตอร์ประมวลผลภาษามนุษย์ได้ การแปล การสรุป การค้นหา การแปลงคำพูดเป็นข้อความ และการแชท ล้วนเกี่ยวข้องกับมัน เมื่อคุณป้อนคำถามแบบภาษาพูดแล้ว AI เข้าใจความหมายโดยรวมและตอบคำถามได้ นั่นคือการใช้ความสามารถในการประมวลผลภาษาธรรมชาติ
LLMs หรือ โมเดลภาษาขนาดใหญ่ คือโมเดลภาษาที่ได้รับการฝึกฝนด้วยข้อความและการคำนวณปริมาณมหาศาล เชี่ยวชาญในการทำความเข้าใจและสร้างข้อความ โมเดลหรือตระกูลโมเดลที่พบบ่อย ได้แก่ GPT ของ OpenAI, Claude ของ Anthropic, Gemini ของ Google รวมถึง DeepSeek และ Qwen สิ่งสำคัญคือต้องแยกแยะระหว่างผลิตภัณฑ์กับโมเดล: ChatGPT คือผลิตภัณฑ์ที่คุณเปิดและใช้งาน ในขณะที่ GPT คือตระกูลโมเดลที่อาจถูกเรียกใช้เบื้องหลัง
SLMs หรือ โมเดลภาษาขนาดเล็ก คือโมเดลภาษาที่มีขนาดเล็กกว่าและต้องการทรัพยากรการคำนวณน้อยกว่า ปัจจุบันยังไม่มีขอบเขตพารามิเตอร์ที่กำหนดไว้ทั่วโลก ตัวอย่างที่พบบ่อย ได้แก่ ซีรีส์ Phi ของ Microsoft และเวอร์ชันพารามิเตอร์เล็กของตระกูลโมเดลอย่าง Gemma และ Qwen ขอบเขตความรู้อาจจะแคบกว่า แต่สำหรับงานที่ตายตัว เช่น การสรุป การจำแนกประเภท หรือผู้ช่วยบนอุปกรณ์ มันสามารถทำงานได้เร็วขึ้น ถูกกว่า และง่ายต่อการรันบนโทรศัพท์หรือคอมพิวเตอร์ทั่วไป
Tokens หรือ โทเค็น คือชิ้นส่วนเล็กๆ ที่โมเดลใช้ในการอ่านและเขียนข้อความ มันไม่เท่ากับหนึ่งตัวอักษรจีน หนึ่งคำภาษาอังกฤษ หรือหนึ่งเครื่องหมายวรรคตอนพอดี โมเดลจะแบ่งประโยคออกเป็นโทเค็นหลายๆ อันก่อนจะคำนวณ การคิดค่าบริการและความจุของบริบท (Context) ก็มักนับเป็นโทเค็นเช่นกัน ให้คิดว่ามันเป็น "บล็อกตัวต่อ" ที่ AI ใช้ประมวลผลข้อความ
Context หรือ บริบท คือข้อมูลทั้งหมดที่ AI สามารถอ้างอิงได้ในขณะนั้น รวมถึงคำถามของคุณ บทสนทนาก่อนหน้า ไฟล์ที่อัปโหลด กฎของระบบ และผลลัพธ์จากเครื่องมือ เช่นเดียวกับการปรึกษาแพทย์ วลีเดียวกันว่า "ฉันไม่สบาย" จะนำไปสู่การวินิจฉัยที่แตกต่างกัน ขึ้นอยู่กับว่ามีอายุ อาการ และผลตรวจประกอบหรือไม่ ยิ่งบริบทที่ให้ AI ชัดเจนมากเท่าไหร่ คำตอบก็จะยิ่งมีหลักการมากขึ้นเท่านั้น
Context Window หรือ กรอบบริบท คือปริมาณข้อมูลสูงสุดที่โมเดลสามารถประมวลผลได้ในครั้งเดียว โดยปกติจะแสดงเป็นโทเค็น เปรียบเสมือนโต๊ะทำงานที่มีพื้นที่จำกัด: มีข้อจำกัดว่าเราจะวางเอกสารได้พร้อมกันกี่แผ่น เมื่อเนื้อหาเกินกว่านี้ ระบบจะต้องตัดทอน สรุป ประมวลผลเป็นชุด หรือปล่อยให้ข้อมูลก่อนหน้านี้ออกจากกรอบไป
Context Length หรือ ความยาวบริบท มักมีความหมายสองแบบ: จำนวนโทเค็นสูงสุดที่โมเดลอนุญาต หรือจำนวนโทเค็นจริงที่ใช้ในคำขอเฉพาะ อย่างแรกเหมือนพื้นที่สูงสุดของโต๊ะ อย่างหลังเหมือนเอกสารที่คุณวางจริงๆ ในครั้งนี้ เมื่อผลิตภัณฑ์โฆษณา "บริบทขนาดยาวพิเศษ" โดยปกติแล้วพวกเขาจะหมายถึงความจุสูงสุด
MLLMs หรือ โมเดลภาษาขนาดใหญ่แบบหลายรูปแบบ สามารถประมวลผลข้อมูลที่นอกเหนือจากข้อความ เช่น รูปภาพ เสียง หรือวิดีโอ ถ้าคุณให้รูปถ่ายตู้เย็นกับมัน มันจะเห็นวัตถุดิบและแนะนำเมนูอาหารค่ำตามความต้องการที่บอกเป็นข้อความได้ ถ้าคุณอัปโหลดบันทึกการประชุม มันอาจจะสรุปประเด็นสำคัญหลังจากฟังจบ "Multimodal" หรือ "หลายรูปแบบ" ในที่นี้หมายถึงข้อมูลหลายรูปแบบ
VLM หรือ โมเดลภาษาภาพ เชื่อมต่อการมองเห็นและภาษาโดยเฉพาะ เน้นจัดการงานเช่น "ดูรูปภาพและทำความเข้าใจหรือตอบด้วยข้อความ" มันสามารถเขียนคำบรรยายใต้ภาพ ระบุเนื้อหาบนแผนภูมิ หรือค้นหาปุ่มตามภาพหน้าจอ VLM เน้นการประสานงานระหว่างการมองเห็นและภาษา และขอบเขตของมันมักจะเฉพาะเจาะจงกว่าคำว่าโมเดลหลายรูปแบบทั่วไป
MoE หรือ Mixture of Experts จัดเรียงชุด "ผู้เชี่ยวชาญ" หลายชุดไว้ภายในโมเดล โดยให้มีเพียงบางส่วนเท่านั้นที่เข้าร่วมการคำนวณในแต่ละครั้ง เปรียบเสมือนการคัดแยกผู้ป่วยในโรงพยาบาล: ปัญหาผิวหนังไปหาแพทย์ผิวหนัง กระดูกหักไปหาแพทย์กระดูก แทนที่จะให้แพทย์ทุกคนมาปรึกษากันพร้อมกัน วิธีนี้จะขยายความสามารถของโมเดลในขณะที่ควบคุมปริมาณการคำนวณที่จำเป็นในแต่ละครั้ง
หลังจากอ่านกลุ่มนี้แล้ว คุณเพียงแค่ต้องแยกแยะ: LLM ประมวลผลภาษาเป็นหลัก VLM เชื่อมต่อภาพและภาษา และ MLLM สามารถจัดการข้อมูลได้หลายประเภท Token คือบล็อกข้อความ และ Context คือวัตถุดิบที่โมเดลสามารถอ้างอิงได้ในครั้งนี้
II. คำศัพท์ที่พบบ่อยที่สุดเวลาคุยกับ AI
กลุ่มนี้ใช้ทุกวัน Prompt ทำหน้าที่มอบหมายงาน Context ให้วัตถุดิบ และ AI สร้างคำตอบตามข้อมูลนี้
Prompt หรือ ข้อความแจ้งเตือน คือข้อมูลทั้งหมดที่คุณป้อนให้กับ AI ซึ่งอาจเป็นประโยค คำถาม เอกสาร หรือรูปภาพ "สรุปสัญญานี้เป็นความเสี่ยง 5 ข้อ" คือ prompt หนึ่ง Prompt ไม่จำเป็นต้องเขียนเหมือนคาถาวิเศษ ตราบใดที่เป้าหมาย วัตถุดิบ ข้อจำกัด และรูปแบบผลลัพธ์ชัดเจน AI ก็มีแนวโน้มที่จะทำงานได้ถูกต้องมากขึ้น
Prompt Engineering หรือ วิศวกรรม prompt คือวิธีการออกแบบ ทดสอบ และปรับปรุง prompt มันคล้ายกับการมอบหมายงานให้เพื่อนร่วมงาน: ถ้าผลลัพธ์แรกผิด คุณก็ตรวจสอบว่างานชัดเจนหรือไม่ วัตถุดิบครบถ้วนหรือไม่ ระบุรูปแบบหรือยัง แล้วจึงปรับคำสั่ง คุณค่าของมันอยู่ที่การลดข้อผิดพลาดในการสื่อสารและการทำงานซ้ำ
System Prompt หรือ ข้อความแจ้งเตือนระบบ คือชุดกฎที่มีลำดับความสำคัญสูงซึ่งกำหนดไว้เบื้องหลังในแอปพลิเคชัน AI เพื่อกำหนดตัวตน น้ำเสียง ขอบเขตความสามารถ และขอบเขตด้านความปลอดภัย เปรียบเสมือนคู่มือพนักงานของบริษัท ผู้ใช้มักจะไม่เห็นทั้งหมด ถ้าคำขอของคุณขัดแย้งกับกฎของระบบ โดยทั่วไปโมเดลจะให้ความสำคัญกับ system prompt ก่อน
User Prompt หรือ ข้อความแจ้งเตือนผู้ใช้ คือความต้องการปัจจุบันที่ผู้ใช้ป้อนเข้าไป ซึ่งก็คือเนื้อหาที่คุณส่งในช่องแชท System prompt เปรียบเสมือนกฎการดำเนินงานของร้านค้า ในขณะที่ user prompt เปรียบเสมือน "ขอเครื่องดื่มร้อนๆ ลดหวานหน่อย" ทั้งสองอย่างส่งผลต่อผลลัพธ์ ซึ่งเป็นเหตุผลว่าทำไมประโยคเดียวกันในผลิตภัณฑ์ AI ที่ต่างกันอาจให้คำตอบที่แตกต่างกัน
Instruction หรือ คำสั่ง คือการกระทำที่ชัดเจนที่คุณขอให้ AI ทำภายใน prompt เช่น สรุป แปล เปรียบเทียบ จัดประเภท หรือตรวจสอบ prompt ที่สมบูรณ์สามารถรวมข้อมูลพื้นฐานและข้อจำกัดได้ด้วย ตัวอย่างเช่น "อ่านอีเมลด้านล่าง แยกวันที่ออกมา และห้ามเพิ่มข้อมูลที่ไม่มีในข้อความต้นฉบับ" มีคำสั่งสองคำสั่งอยู่
Markdown คือรูปแบบสำหรับจัดเรียงข้อความโดยใช้สัญลักษณ์ง่ายๆ
- # แทนหัวข้อ
- - แทนรายการ
- \\ข้อความ\\ แทนตัวหนา
ผลลัพธ์ AI หลายๆ อย่างที่ดูมีลำดับชั้นชัดเจนเป็นเพราะพวกเขาใช้ Markdown คุณจะพบมันบ่อยครั้งเวลาที่เขียนบทความ เอกสาร หรือคำอธิบายโปรเจกต์
JSON คือรูปแบบข้อมูลที่มีโครงสร้างซึ่งโปรแกรมมักใช้ โดยปกติประกอบด้วยเครื่องหมายปีกกา ชื่อฟิลด์ และเนื้อหาที่สอดคล้องกัน มันเหมือนกับสเปรดชีตอิเล็กทรอนิกส์ที่มีฟิลด์ตายตัว มนุษย์อ่านได้และโปรแกรมก็ประมวลผลได้ง่าย การขอให้ AI "แสดงผลเป็น JSON" มักมีไว้เพื่อให้ซอฟต์แวร์อื่นนำผลลัพธ์ไปใช้โดยอัตโนมัติ
Conversation History หรือ ประวัติการสนทนา คือข้อความที่ปรากฏก่อนหน้านี้ในแชทปัจจุบัน AI สามารถสนทนาต่อจากเมื่อห้านาทีที่แล้วได้ โดยปกติแล้วเป็นเพราะแอปพลิเคชันส่งบันทึกการแชทก่อนหน้ากลับไปให้โมเดลอีกครั้ง หลังจากแชทนานเกินไป เนื้อหาตอนต้นอาจถูกตัดทอนหรือสรุป ดังนั้น AI บางครั้งจึงลืมสิ่งที่คุณพูดตอนเริ่มต้น
Hallucination หรือ ภาพหลอน คือการที่ AI สร้างเนื้อหาที่ฟังดูสมเหตุสมผลแต่จริงๆ แล้วผิดหรือไม่มีอยู่จริง เช่น การสร้างชื่อหนังสือ ลิงก์ ข้อมูล หรือประสบการณ์ส่วนตัวที่ไม่มีอยู่จริง มันเหมือนกับคนที่มีทักษะทางภาษาดีแต่ปฏิเสธที่จะยอมรับว่า "ไม่รู้" และเติมเต็มช่องว่างด้วยตัวเอง ควรตรวจสอบแหล่งที่มาดั้งเดิมเสมอสำหรับวันที่ ตัวเลข การอ้างอิง และการตัดสินใจที่สำคัญ
สิ่งที่สำคัญที่สุดที่ต้องจำจากกลุ่มนี้: Prompt กำหนดว่าคุณถามอย่างไร Context กำหนดว่า AI สามารถอ้างอิงอะไรได้บ้าง และ Hallucination เตือนคุณว่าคำตอบยังคงต้องตรวจสอบ
III. ให้ AI อ่านข้อมูล: RAG และการค้นหา
เมื่อคุณเห็น "ให้ AI อ่านไฟล์บริษัท" หรือ "สร้างฐานความรู้ส่วนตัว" คุณมักจะเจอกลุ่มคำศัพท์นี้ เส้นทางทั้งหมดมีเพียงประโยคเดียว: ค้นหาเนื้อหาที่เกี่ยวข้องก่อน แล้วให้โมเดลตอบคำถาม
RAG หรือ การค้นหามาเสริมการสร้างคำตอบ คือการให้ AI ค้นหาเนื้อหาที่เกี่ยวข้องจากเอกสารที่ระบุก่อนที่จะตอบ จากนั้นส่งส่วนที่พบให้โมเดลจัดเรียงคำตอบ มันเหมือนกับการสอบแบบเปิดหนังสือ: นักเรียนเปิดตำราก่อนแล้วจึงตอบตามนั้น RAG สามารถลดการสร้างข้อมูลเท็จได้ แต่มันก็อาจค้นหาเนื้อหาผิดได้ ดังนั้นการอ้างอิงยังคงต้องให้มนุษย์ตรวจสอบ
Knowledge Base หรือ ฐานความรู้ คือชุดรวมของเอกสารที่จัดเก็บไว้อย่างเป็นระเบียบและพร้อมให้ระบบสอบถาม คู่มือผลิตภัณฑ์ของบริษัท เอกสารนโยบาย และคำถามที่พบบ่อย เมื่อรวมกันแล้วสามารถกลายเป็นฐานความรู้ของฝ่ายบริการลูกค้าได้ บันทึกส่วนตัว บทความ และบันทึกการอ่านของบุคคลหนึ่งก็สามารถเป็นฐานความรู้ได้เช่นกัน ความถูกต้องและความทันสมัยของเอกสารส่งผลโดยตรงต่อคุณภาพของคำตอบ
Retrieval หรือ การค้นคืน คือการค้นหาเนื้อหาที่เกี่ยวข้องมากที่สุดจากเอกสารจำนวนมาก การที่บรรณารักษ์ฟังคำถามของคุณแล้วนำหนังสือที่เหมาะสมที่สุดสามเล่มจากหลายหมื่นเล่มมาให้คุณ คือการค้นคืน ใน RAG โดยปกติแล้วโมเดลจะไม่อ่านฐานข้อมูลทั้งหมดก่อน แต่จะค้นคืนข้อมูลสองสามส่วนมาตอบ
Keyword Search หรือ การค้นหาด้วยคำสำคัญ เน้นการค้นหาว่ามีคำบางคำปรากฏโดยตรงหรือไม่ ถ้าคุณค้นหา "กำหนดส่งคืน" มันจะให้ความสำคัญกับเนื้อหาที่มีคำว่า "ส่งคืน" และ "กำหนด" เป็นอันดับแรก วิธีนี้เร็วและเหมาะสำหรับการตรวจสอบรหัสสินค้า ชื่อ และคำศัพท์ตายตัว แต่อาจพลาดคำตอบถ้ารูปแบบการถามและคำดั้งเดิมแตกต่างกันมาก
Semantic Search หรือ การค้นหาเชิงความหมาย เน้นว่าความหมายของสองข้อความใกล้เคียงกันหรือไม่ ถ้าคุณค้นหา "ฉันไม่อยากได้แล้ว วิธีคืนสินค้า" มันอาจจะพบเอกสารชื่อ "นโยบายการคืนสินค้า" ด้วย มันเหมาะสำหรับคำถามในภาษาธรรมชาติ แต่ความเข้าใจอาจคลาดเคลื่อนได้ ดังนั้นสถานการณ์สำคัญๆ มักจะรวมกับการค้นหาด้วยคำสำคัญ
Hybrid Search หรือ การค้นหาแบบผสมผสาน ใช้การค้นหาด้วยคำสำคัญและการค้นหาเชิงความหมายร่วมกัน หมายเลขประจำตัวและหมายเลขสัญญาเหมาะสำหรับการจับคู่แบบตรงตัว "วิธีการขอเบิกค่าใช้จ่าย" ต้องใช้ความเข้าใจความหมาย ผลลัพธ์จากทั้งสองวิธีจะถูกรวมและจัดลำดับ โดยคำนึงถึงทั้งความสอดคล้องตามตัวอักษรและความหมายที่คล้ายคลึงกัน เป็นวิธีที่ระบบ RAG หลายระบบนำมาใช้
IV. Agent, เครื่องมือ และ MCP
นี่คือกลุ่มคำศัพท์ที่ได้รับความนิยมมากที่สุดและมักจะทำให้สับสนมากที่สุดในตอนนี้ Agent, Skill และ MCP ที่ผมพูดถึงบ่อยที่สุดเวลาคุยกับเพื่อนๆ อยู่ในบทนี้ทั้งหมด
ก่อนอื่น มาดูเส้นทางที่สั้นที่สุดกัน:
1คุณเสนอเป้าหมาย2→ Agent ตัดสินใจขั้นตอนถัดไป3→ เรียกใช้เครื่องมือเพื่ออ่านข้อมูลหรือดำเนินการ4→ ประมวลผลต่อตามผลลัพธ์5→ มนุษย์ตรวจสอบขั้นตอนสำคัญ
Chatbot หรือ แชทบอท คือซอฟต์แวร์ที่ตอบคำถามเป็นหลักผ่านการสนทนา แชทบอทในยุคแรกๆ อาจตอบกลับตามคำสำคัญที่ตายตัวเท่านั้น ปัจจุบันแชทบอทหลายตัวเชื่อมต่อกับโมเดลขนาดใหญ่เพื่อให้คำตอบที่เป็นธรรมชาติมากขึ้น จุดเน้นของมันยังคงเป็น "คุณถาม มันตอบ" และโดยปกติแล้วมันจะไม่ดำเนินการภายนอกที่ยาวเหยียดด้วยตัวเองโดยอิสระ
AI Assistant หรือ Copilot หรือ ผู้ช่วย AI คือผลิตภัณฑ์ AI ที่ช่วยให้ผู้คนทำงานสำเร็จ เช่น ช่วยเขียน จัดการประชุม ทำสเปรดชีต หรือเขียนโปรแกรม คำอุปมาอุปไมย "ผู้ช่วยนักบิน" (Copilot) นั้นจำง่าย: มันสามารถสังเกต เตือน และช่วยเหลือได้ แต่พวงมาลัยยังอยู่ในมือมนุษย์ และผลลัพธ์สุดท้ายต้องให้มนุษย์ตรวจสอบ
Workflow หรือ เวิร์กโฟลว์ คือชุดขั้นตอนตายตัวที่จัดเตรียมไว้ล่วงหน้า หลังจากได้รับใบแจ้งหนี้ ระบุจำนวนเงินก่อน จากนั้นเขียนลงในตาราง และสุดท้ายแจ้งฝ่ายการเงิน นี่คือเวิร์กโฟลว์ แต่ละขั้นตอนมักจะถูกกำหนดไว้ล่วงหน้า ทำให้มีความเสถียรและตรวจสอบได้ง่าย มันจะไม่ตัดสินใจขั้นตอนต่อไปอย่างยืดหยุ่นเหมือน Agent เมื่อพบกับสถานการณ์ที่ไม่ได้วางแผนไว้
AI Agent หรือ เอเจนต์ AI คือระบบที่สามารถตัดสินใจขั้นตอนต่อไปโดยยึดเป้าหมาย เรียกใช้เครื่องมือ สังเกตผลลัพธ์ และดำเนินการต่อไป แชทปกติจะบอกวิธีซื้อตั๋ว Agent สามารถเปิดบริการจอง ค้นหาเที่ยวบิน และกรอกข้อมูลภายในขอบเขตที่ได้รับอนุญาต มันสามารถลงมือทำได้ ดังนั้นสิทธิ์ ข้อผิดพลาด และการยืนยันจากมนุษย์จึงมีความสำคัญมาก
Agentic AI หรือ AI เชิงเอเจนต์ หมายถึงระบบหรือแนวทางการออกแบบประเภทหนึ่งที่เน้นความสามารถของ AI ในการวางแผนอย่างต่อเนื่อง ใช้เครื่องมือ และดำเนินงานหลายขั้นตอน คำนี้มีขอบเขตกว้าง และบริษัทต่างๆ ก็ใช้ชื่อที่แตกต่างกัน เมื่อคุณเห็นผลิตภัณฑ์ที่มีป้าย "Agentic" คุณสามารถถามต่ออีกสามข้อ: มันใช้เครื่องมืออะไรได้บ้าง, มันสามารถดำเนินการได้กี่ขั้นตอนด้วยตัวเอง, และจุดไหนที่มนุษย์ต้องยืนยัน
Autonomy หรือ ความเป็นอิสระ หมายถึงระดับที่ระบบสามารถตัดสินใจและดำเนินการได้ด้วยตัวเองโดยไม่ต้องมีมนุษย์ชี้แนะทุกขั้นตอน การจัดระเบียบสำเนาไฟล์โดยอัตโนมัติมีความเป็นอิสระและความเสี่ยงต่ำ การส่งอีเมล ชำระเงิน หรือลบข้อมูลโดยอัตโนมัติจะเพิ่มความเสี่ยงอย่างมาก ยิ่งงานสำคัญมากเท่าไหร่ ควรจำกัดสิทธิ์และเพิ่มจุดยืนยันมากขึ้นเท่านั้น
Planning หรือ การวางแผน คือการแบ่งเป้าหมายออกเป็นขั้นตอนที่สามารถดำเนินการตามลำดับได้ เช่น การเตรียมตัวเดินทางโดยยืนยันวันที่ก่อน ตรวจสอบการเดินทาง จองที่พัก และทำรายการสิ่งที่ต้องเตรียม Agent ก็วางแผนเช่นกันเมื่อเจองานที่ซับซ้อน แผนที่สวยงามไม่ได้รับประกันการดำเนินการที่สำเร็จ แต่ละขั้นตอนที่เสร็จสมบูรณ์ต้องตรวจสอบผลลัพธ์จริง
Tool หรือ เครื่องมือ คือความสามารถภายนอกที่ AI สามารถเรียกใช้ได้ เช่น การค้นหาเว็บ เครื่องคิดเลข ฐานข้อมูล ปฏิทิน และอีเมล ตัวโมเดลเองเปรียบเสมือนสมองที่ทำหน้าที่ตัดสินใจ เครื่องมือทำให้มันมีมือและตา หากไม่มีเครื่องมือ โมเดลจะตอบได้ตามบริบทที่มีอยู่เท่านั้น หลังจากเชื่อมต่อเครื่องมือแล้ว มันจะมีโอกาสสอบถามและดำเนินการได้
Tool Calling หรือ การเรียกใช้เครื่องมือ คือเมื่อโมเดลเลือกเครื่องมือตามรูปแบบที่กำหนดและกรอกพารามิเตอร์ที่จำเป็น จากนั้นโปรแกรมจะดำเนินการและส่งคืนผลลัพธ์ให้โมเดล มันเหมือนกับผู้จัดการกรอกใบสั่งงานให้พนักงานดำเนินการ โมเดลรับผิดชอบในการตัดสินใจ "จะเรียกอะไร" และโค้ดเฉพาะรับผิดชอบในการดำเนินการสอบถาม คำนวณ หรือเขียนให้เสร็จ
Plugin หรือ ปลั๊กอิน คือแพ็คเกจส่วนขยายที่ติดตั้งลงในซอฟต์แวร์เพื่อเพิ่มฟังก์ชันการทำงาน เบราว์เซอร์สามารถแปลหน้าเว็บได้หลังจากติดตั้งปลั๊กอินแปลภาษา แอปพลิเคชัน AI อาจเชื่อมต่อกับไฟล์ ปฏิทิน หรือบริการของบุคคลที่สามหลังจากติดตั้งปลั๊กอิน ปลั๊กอินมักจะขึ้นอยู่กับผลิตภัณฑ์เฉพาะ และสิ่งที่ทำได้ขึ้นอยู่กับอินเทอร์เฟซและสิทธิ์ที่ผลิตภัณฑ์นั้นจัดเตรียมไว้ให้
Skill หรือ ทักษะ คือชุดของคำสั่ง สคริปต์ และทรัพยากรที่สามารถนำกลับมาใช้ซ้ำได้ ซึ่งสอนให้ Agent ทำงานบางประเภทได้อย่างเสถียร มันเหมือนกับคู่มือปฏิบัติงานมาตรฐานสำหรับพนักงาน: ต้องอ่านเอกสารอะไรก่อน ทำตามขั้นตอนไหน ตรวจสอบผลลัพธ์อย่างไร เขียนไว้ชัดเจนทั้งหมด Prompt มักจะแก้ปัญหางานครั้งเดียว ในขณะที่ Skill เหมาะสำหรับการทำงานประเภทเดียวกันซ้ำๆ
MCP หรือ Model Context Protocol คือโปรโตคอลแบบเปิดที่ให้แอปพลิเคชัน AI เชื่อมต่อกับข้อมูลและเครื่องมือภายนอก อุปมาอุปไมยที่ดีที่สุดคือ USB-C ของโลก AI: ในอดีต เครื่องมือทุกชนิดต้องถูกปรับแต่งให้เข้ากันเป็นรายบุคคล ตอนนี้พวกเขาสามารถมอบความสามารถตามมาตรฐานการเชื่อมต่อเดียวกันได้ มันแก้ปัญหา "วิธีการเชื่อมต่อ" แต่ไม่ได้ตัดสินใจเป้าหมายของงานให้กับ Agent
MCP Host หรือ โฮสต์ MCP คือแอปพลิเคชัน AI ที่ผู้ใช้ใช้งานจริง เช่น ผู้ช่วยเดสก์ท็อป โปรแกรมแก้ไขโค้ด หรือแพลตฟอร์ม Agent มันรับผิดชอบในการจัดการผู้ใช้ โมเดล สิทธิ์ความปลอดภัย และการเชื่อมต่อหลายรายการ คิดว่า Host เป็นคอมพิวเตอร์: มันคือสภาพแวดล้อมการใช้งานทั้งหมด และเป็นที่ที่ MCP Client ตั้งอยู่
MCP Client หรือ ไคลเอนต์ MCP ตั้งอยู่ภายใน Host และมีหน้าที่สร้างและรักษาการสื่อสารกับ MCP Server ที่เฉพาะเจาะจง มันค้นพบว่า Server มีเครื่องมือและวัสดุอะไรบ้าง และส่งคำขอเรียกใช้ไป เช่นเดียวกับคอมพิวเตอร์ที่เชื่อมต่อกับเครื่องพิมพ์ จำเป็นต้องมีช่องทางการสื่อสารเฉพาะภายในเพื่อจัดการการเชื่อมต่อนี้
MCP Server หรือ เซิร์ฟเวอร์ MCP คือโปรแกรมที่จัดหาเครื่องมือ วัสดุ หรือเทมเพลต prompt ให้กับแอปพลิเคชัน AI ตามข้อกำหนดของ MCP การมีคำว่า "Server" อยู่ในชื่อไม่ได้หมายความว่ามันต้องอยู่ห่างไกล มันสามารถทำงานบนคอมพิวเตอร์ของคุณได้เช่นกัน ตัวอย่างเช่น เซิร์ฟเวอร์ไฟล์ในเครื่องสามารถให้ AI อ่านไฟล์ในไดเรกทอรีที่ได้รับอนุญาต
MCP Tool หรือ เครื่องมือ MCP คือการกระทำเฉพาะที่ Server จัดเตรียมไว้ให้ AI ขอดำเนินการ เช่น สอบถามสภาพอากาศ สร้างตารางเวลา อ่านฐานข้อมูล หรือส่งข้อความ แต่ละ Tool จะระบุพารามิเตอร์ที่ต้องการ การกระทำแบบสอบถามมีความเสี่ยงต่ำ ในขณะที่การส่ง ลบ หรือชำระเงินควรมีสิทธิ์และการยืนยันที่ชัดเจน
MCP Resource หรือ ทรัพยากร MCP คือเนื้อหาที่จัดหาผ่าน MCP สำหรับให้ AI อ่าน เช่น ไฟล์ บันทึกฐานข้อมูล โครงสร้างโปรเจกต์ หรือสถานะของแอปพลิเคชัน มันเหมือนกับเอกสารที่วางบนโต๊ะ ในขณะที่ Tool เหมือนกับปุ่มที่สามารถกดได้ ว่าจะอ่านทรัพยากรได้หรือไม่นั้นยังขึ้นอยู่กับสิทธิ์การเข้าถึงที่ Host และ Server กำหนดไว้
MCP Prompt หรือ ข้อความแจ้งเตือน MCP คือเทมเพลต prompt ที่สามารถนำกลับมาใช้ซ้ำได้ซึ่ง Server จัดเตรียมไว้เพื่อช่วยให้ผู้ใช้เริ่มต้นงานในรูปแบบที่ตายตัว มันเหมือนกับเทมเพลตตารางที่ติดตั้งไว้ล่วงหน้า โดยจัดเรียงฟิลด์และโครงสร้างงานที่จะกรอก มันไม่ได้ดำเนินการโดยอัตโนมัติ ยังคงต้องให้ผู้ใช้เลือกและให้โมเดลประมวลผล
Memory หรือ หน่วยความจำ คือข้อมูลที่ระบบบันทึกและนำกลับมาใช้ในภายหลัง ซึ่งอาจรวมถึงสรุปแชทปัจจุบัน การตั้งค่าผู้ใช้ งานในประวัติศาสตร์ และข้อมูลระยะยาว เมื่อ AI "จำคุณได้" โดยปกติแล้วหมายถึงข้อมูลนี้ถูกจัดเก็บและส่งให้โมเดลอีกครั้งในบทสนทนาต่อๆ ไป หน่วยความจำส่งผลต่อประสบการณ์การใช้งาน และยังต้องให้ความสนใจกับความเป็นส่วนตัวและวิธีการลบข้อมูลด้วย
Human in the Loop หรือ มนุษย์อยู่ในวงจร หมายถึงขั้นตอนสำคัญต้องได้รับการตรวจสอบ เลือก หรืออนุมัติโดยมนุษย์ AI สามารถจัดเรียงรายการคืนเงินและกรอกแบบร่างได้ แต่การโอนเงินจริงจะต้องได้รับการยืนยันจากฝ่ายการเงิน วิธีนี้ใช้ประโยชน์จากความเร็วของ AI ในขณะที่หลีกเลี่ยงผลกระทบที่แก้ไขไม่ได้ซึ่งเกิดจากข้อมูลไม่ครบถ้วนหรือการตัดสินใจที่ผิดพลาด
Multi-Agent หรือ หลายเอเจนต์ คือการให้ Agent หลายตัวทำงานร่วมกัน เช่น ตัวหนึ่งค้นหาข้อมูล ตัวหนึ่งร่างบทความ และตัวหนึ่งตรวจสอบการอ้างอิง มันเหมือนกับทีมโปรเจกต์ เมื่อการแบ่งงานมีความสมเหตุสมผล ก็สามารถจัดการงานที่ซับซ้อนแบบขนานได้ อย่างไรก็ตาม สมาชิกที่มากขึ้นก็เพิ่มการสื่อสาร งานที่ซ้ำซ้อน และการแพร่กระจายข้อผิดพลาด ดังนั้น Agent จำนวนมากไม่ได้ดีกว่าเสมอไป
A2A หรือ Agent-to-Agent หมายถึงวิธีการสื่อสารระหว่าง Agent เพื่อแลกเปลี่ยนงาน สถานะ และผลลัพธ์ MCP เน้นที่วิธีที่ Agent เชื่อมต่อกับเครื่องมือและข้อมูล ในขณะที่ A2A เน้นที่วิธีที่ Agent ตัวหนึ่งส่งงานให้อีกตัวหนึ่ง ให้คิดว่าแบบแรกคือ "การเชื่อมต่ออุปกรณ์" และแบบหลังคือ "การส่งต่องานระหว่างเพื่อนร่วมงาน"
Computer Use หรือ การใช้คอมพิวเตอร์ คือการให้ AI ควบคุมซอฟต์แวร์โดยการสังเกตหน้าจอ เลื่อนเมาส์ คลิก และพิมพ์ มันเหมือนกับผู้ปฏิบัติการระยะไกลที่สามารถใช้เว็บแอปพลิเคชันและแอปพลิเคชันเดสก์ท็อปได้โดยไม่ต้องมี API เฉพาะ การเปลี่ยนแปลงอินเทอร์เฟซอาจทำให้มันคลิกผิดที่ การยืนยันจากมนุษย์เป็นสิ่งจำเป็นสำหรับการชำระเงิน การลบ และข้อความขาออก
Sandbox หรือ แซนด์บ็อกซ์ คือสภาพแวดล้อมที่แยกเดี่ยวซึ่งจำกัดขอบเขตการทำงานของโปรแกรม มันเหมือนกับกระบะทรายที่มีรั้วล้อมให้เด็กเล่น พวกเขาสามารถลองสิ่งต่างๆ ได้ และถ้ามีอะไรผิดพลาด มันจะไม่แตะต้องไฟล์สำคัญหรือระบบ เมื่อให้ Agent รันโค้ด ดาวน์โหลดไฟล์ หรือแก้ไขโปรเจกต์ แซนด์บ็อกซ์จะลดขอบเขตของผลกระทบ แต่ไม่สามารถแทนที่การตรวจสอบความปลอดภัยทั้งหมดได้
สำหรับบทนี้ ให้จำไว้แค่ประโยคเดียว: Agent รับผิดชอบในการตัดสินใจและดำเนินการ Tool มอบความสามารถเฉพาะ Skill สอนวิธีการทำ และ MCP รับผิดชอบในการเชื่อมต่อ AI กับความสามารถภายนอก
V. คำศัพท์คอมพิวเตอร์ที่คุณจะพบในบทช่วยสอน AI
คำเหล่านี้ไม่ได้ถูกคิดค้นขึ้นโดยวงการ AI โดยเฉพาะ แต่มักปรากฏเมื่อคุณเรียนรู้เกี่ยวกับ Agent ระบบอัตโนมัติ และโมเดลในเครื่อง ถ้าคุณเข้าใจมันได้ บทช่วยสอนมากมายจะไม่รู้สึกเหมือนภาษาต่างประเทศอีกต่อไป
API หรือ Application Programming Interface คือจุดเริ่มต้นสำหรับซอฟต์แวร์ในการสื่อสารตามข้อตกลง คุณไม่จำเป็นต้องบุกเข้าไปในครัวของร้านอาหาร คุณแค่สั่งอาหารผ่านพนักงานเสิร์ฟ API ก็เหมือนพนักงานเสิร์ฟในโลกซอฟต์แวร์ รับคำขอของคุณไปส่งที่แบ็กเอนด์แล้วนำผลลัพธ์กลับมา แอปพลิเคชันสภาพอากาศ บริการชำระเงิน และโมเดลขนาดใหญ่ ล้วนสามารถถูกเรียกใช้โดยโปรแกรมอื่นผ่าน API ได้
API Key หรือ คีย์ API คือข้อมูลประจำตัวลับที่ใช้เมื่อโปรแกรมเข้าถึงบริการ ใช้เพื่อระบุว่าใครเป็นผู้เรียก และมักเชื่อมโยงกับขีดจำกัดการใช้งานและการคิดค่าบริการ มันเหมือนกับรหัส PIN ของบัตรธนาคาร ใครก็ตามที่ได้มันไปก็สามารถใช้โควต้าของคุณได้ อย่าใส่ Key ทั้งหมดในโค้ดสาธารณะ ภาพหน้าจอ บทช่วยสอน หรือแชทกลุ่ม
SDK หรือ Software Development Kit คือชุดรวมของโค้ด คำแนะนำ ตัวอย่าง และเครื่องมือที่ใช้กันทั่วไปในการพัฒนาแอปพลิเคชันสำหรับแพลตฟอร์มหนึ่งๆ ในขณะที่ API บอกคุณว่า "สั่งอย่างไร" SDK จะเตรียมเมนู อุปกรณ์ และอาหารตัวอย่างให้ ทำให้ผู้พัฒนาไม่ต้องเขียนโค้ดพื้นฐานจำนวนมาก ภาษาโปรแกรมที่แตกต่างกันมักจะมี SDK ของตัวเอง
CLI หรือ Command Line Interface คืออินเทอร์เฟซสำหรับการใช้งานคอมพิวเตอร์โดยการพิมพ์คำสั่งข้อความ อินเทอร์เฟซแบบกราฟิกให้คุณคลิก "โฟลเดอร์ใหม่" ในขณะที่ CLI ให้คุณพิมพ์คำสั่งบรรทัดเดียวเพื่อทำสิ่งเดียวกัน มันดูเหมือนหน้าต่างสีดำ แต่จริงๆ แล้วมันเป็นเพียงอีกวิธีหนึ่งในการใช้งาน การติดตั้งและรันเครื่องมือโอเพนซอร์สของ AI มักใช้ CLI
เทอร์มินัลคือหน้าต่างที่ใช้แสดงและป้อนคำสั่ง เช่น "Terminal" บน Mac หรือ Windows Terminal ให้คิดว่ามันเป็นหน้าต่างแชทระหว่างคุณกับคอมพิวเตอร์ โดยที่คำสั่ง CLI คือข้อความที่ส่งไปยังคอมพิวเตอร์ เทอร์มินัลคือหน้าต่าง ส่วน CLI คือวิธีการทำงานผ่านข้อความ ทั้งสองอย่างมักจะมาด้วยกัน
Repository หรือที่มักเรียกสั้นๆ ว่า Repo คือสถานที่ที่เก็บไฟล์โครงการและประวัติการแก้ไขไว้รวมกัน มันเหมือนกับโฟลเดอร์โครงการที่มีบันทึกเวอร์ชัน ซึ่งสามารถใส่โค้ด คำแนะนำ รูปภาพ และการกำหนดค่าได้ เมื่อมีคนพูดว่า "clone the Repo" โดยปกติแล้วหมายถึงการคัดลอกโครงการนี้พร้อมประวัติการแก้ไขไปยังเครื่องคอมพิวเตอร์ของคุณ
Git คือเครื่องมือสำหรับบันทึกการเปลี่ยนแปลงของเวอร์ชันไฟล์ มันสามารถบอกคุณได้ว่าเนื้อหาส่วนไหนถูกแก้ไขและโดยใคร และสามารถเก็บเวอร์ชันในแต่ละขั้นตอนไว้ได้ เหมือนกับการบันทึกทุกครั้งที่แก้ไขเมื่อเขียนบทความ แต่เป็นระบบมากกว่า Git ทำงานในเครื่องคอมพิวเตอร์ของคุณ ไม่จำเป็นต้องออนไลน์ตลอดเวลา และไม่เหมือนกับ GitHub
GitHub คือเว็บไซต์สำหรับโฮสต์ Git repositories และรองรับการทำงานร่วมกันของหลายคน นักพัฒนาจะเผยแพร่โค้ด เขียนคำแนะนำ รายงานปัญหา และร่วมกันแก้ไขโครงการบนนี้ Git คือเครื่องมือจัดการเวอร์ชัน ส่วน GitHub คือแพลตฟอร์มที่ให้บริการโฮสต์ออนไลน์และการทำงานร่วมกัน เมื่อคุณเรียนรู้เครื่องมือโอเพนซอร์สด้าน AI คุณมักจะเริ่มต้นจากลิงก์ GitHub
อย่ากังวลเมื่อเห็น CLI เป็นครั้งแรก ก่อนที่จะคัดลอกคำสั่ง ให้ตรวจสอบก่อนว่ามันจะอ่าน แก้ไข ลบ หรืออัปโหลดอะไรหรือไม่ และให้ทดลองกับสำเนาเมื่อเกี่ยวข้องกับไฟล์สำคัญ
VI. คำศัพท์ทั่วไปเกี่ยวกับโมเดลท้องถิ่นและฮาร์ดแวร์
คุณจำเป็นต้องดูคำศัพท์กลุ่มนี้อย่างละเอียดก็ต่อเมื่อคุณพร้อมที่จะรันโมเดลบนคอมพิวเตอร์ของคุณเองเท่านั้น หากคุณมักจะใช้ผลิตภัณฑ์ AI ออนไลน์ การรู้ความหมายคร่าวๆ ก็เพียงพอแล้ว
การติดตั้งในเครื่อง (Local deployment) คือการรันโมเดลหรือโปรแกรมบนคอมพิวเตอร์ โทรศัพท์ หรือเครื่องของบริษัทของคุณเอง ข้อมูลจะผ่านบริการภายนอกน้อยลงและสามารถใช้งานแบบออฟไลน์ได้ อย่างไรก็ตาม การติดตั้ง อัปเดต ประสิทธิภาพ และความปลอดภัยต้องจัดการด้วยตัวเอง เหมาะสำหรับผู้ที่ให้ความสำคัญกับการควบคุมข้อมูลหรือต้องการสภาพแวดล้อมที่ตายตัว แต่ไม่ได้หมายความว่าปลอดภัยอย่างแท้จริงโดยธรรมชาติ
Cloud API คือการที่โมเดลทำงานบนเซิร์ฟเวอร์ระยะไกลของผู้ให้บริการ และผู้ใช้ส่งคำขอและรับผลลัพธ์ผ่านเครือข่าย เหมือนกับการไปร้านอาหารเพื่อสั่งอาหาร คุณไม่จำเป็นต้องซื้อเตาและวัตถุดิบเอง ทำให้เริ่มต้นได้ง่าย ในขณะเดียวกันก็ได้รับผลกระทบจากเครือข่าย ราคา ข้อจำกัดในการเรียกใช้ กฎของแพลตฟอร์ม และนโยบายข้อมูล
โอเพนซอร์ส (Open source) โดยทั่วไปหมายถึงซอร์สโค้ดถูกเปิดเผยต่อสาธารณะภายใต้ใบอนุญาตบางอย่าง ทำให้ผู้อื่นสามารถดู แก้ไข และแจกจ่ายได้ภายในขอบเขตที่ใบอนุญาตอนุญาต การดาวน์โหลดต่อสาธารณะไม่ได้หมายความว่าสามารถนำไปใช้ในเชิงพาณิชย์ได้ตามอำเภอใจ ใบอนุญาตที่แตกต่างกันมีข้อกำหนดที่แตกต่างกันมาก เมื่อคุณเห็น "Open Source AI" คุณยังคงต้องดูว่าโค้ด ข้อมูล และน้ำหนักส่วนใดบ้างที่เปิดเผยจริง
Open weights หมายถึงพารามิเตอร์หลังจากการฝึกโมเดลสามารถดาวน์โหลดได้ ทำให้ผู้ใช้มีโอกาสที่จะรันหรือปรับแต่งเพิ่มเติมบนอุปกรณ์ของตนเอง ข้อมูลการฝึก โค้ดการฝึกทั้งหมด และสิทธิ์ทางการค้าไม่จำเป็นต้องเปิดเผยพร้อมกัน ดังนั้น open weights และโอเพนซอร์สเต็มรูปแบบจึงเป็นคนละเรื่องกัน วิธีการใช้งานโดยเฉพาะนั้นขึ้นอยู่กับใบอนุญาตของโมเดล
GPU เดิมทีมีความสามารถในการประมวลผลกราฟิกและยังเหมาะอย่างยิ่งสำหรับการคำนวณปริมาณมากที่คล้ายคลึงกันพร้อมกัน ดังนั้นจึงถูกใช้อย่างแพร่หลายในการฝึกและรันโมเดล AI มันเหมือนกับคนกลุ่มใหญ่ที่สามารถแก้ปัญหาแบบขนานได้ เมื่อซื้อคอมพิวเตอร์เพื่อรันโมเดลท้องถิ่น รุ่น GPU และขนาด VRAM มักจะสำคัญกว่าสถานการณ์การทำงานในสำนักงานทั่วไป
VRAM คือหน่วยความจำความเร็วสูงที่ GPU ใช้เอง ซึ่งต้องวางน้ำหนักโมเดลและข้อมูลระหว่างกลางระหว่างการทำงาน โมเดลเปรียบเสมือนชุดบล็อกก่อสร้างขนาดใหญ่ และ VRAM ก็เหมือนกับพื้นโต๊ะ ถ้าพื้นโต๊ะเล็กเกินไป บล็อกก็จะวางไม่พอ และโมเดลอาจโหลดไม่สำเร็จหรือต้องใช้วิธีที่ช้ากว่าแต่ประหยัดพื้นที่มากกว่า
ตัวเลข 7B หรือ 70B ในชื่อโมเดลมักจะหมายถึงพารามิเตอร์ประมาณ 7 พันล้านหรือ 7 หมื่นล้านตัว พารามิเตอร์สามารถเข้าใจได้ว่าเป็นตัวเลขภายในจำนวนมหาศาลที่โมเดลเรียนรู้หลังจากการฝึก ตัวเลขที่มากขึ้นมักจะหมายถึงหน่วยความจำและทรัพยากรการคำนวณที่มากขึ้น มันไม่ได้หมายถึงความสามารถที่มากขึ้นโดยตรง เพราะคุณภาพการฝึกและงานเฉพาะก็มีความสำคัญไม่แพ้กัน
VII. ถ้าคุณจำแค่ 10 คำ
คุณไม่จำเป็นต้องจำ 66 คำ หลังจากอ่านครั้งแรก ให้จำ 10 คำนี้ก่อน:
- AI: ทำให้เครื่องจักรจัดการงานที่ต้องใช้ความเข้าใจ การตัดสินใจ การทำนาย หรือการสร้างสรรค์
- LLM: โมเดลขนาดใหญ่ที่รับผิดชอบในการทำความเข้าใจและสร้างภาษา
- Token: ชิ้นส่วนเล็กๆ ที่โมเดลใช้เมื่ออ่านและเขียนข้อความ
- Context: ข้อมูลที่โมเดลสามารถอ้างอิงได้ในครั้งนี้
- Prompt: ข้อกำหนดและวัสดุที่คุณให้กับ AI
- Hallucination: AI ทำให้เนื้อหาที่ผิดฟังดูเหมือนจริงมาก
- RAG: การดึงข้อมูลจากเอกสารที่กำหนดก่อน จากนั้นจึงเรียบเรียงคำตอบ
- Agent: ระบบที่สามารถตัดสินใจและดำเนินการอย่างต่อเนื่องตามเป้าหมาย
- MCP: โปรโตคอลเปิดที่เชื่อมต่อ AI กับข้อมูลและเครื่องมือภายนอก
- CLI: อินเทอร์เฟซสำหรับใช้งานคอมพิวเตอร์ผ่านคำสั่งข้อความ
เมื่อสองสามเดือนที่แล้ว ฉันก็เริ่มต้นด้วยการทำความเข้าใจวันละคำเช่นกัน คุณไม่จำเป็นต้องจำทั้ง 66 คำในวันนี้ ตราบใดที่ภาพรวมปรากฏขึ้นในใจของคุณในครั้งต่อไปที่คุณเห็น Agent, Skill หรือ MCP พจนานุกรมนี้ก็บรรลุวัตถุประสงค์แล้ว
ในอนาคต เมื่อคุณเจอคำย่อที่แปลก คุณสามารถถามก่อนว่ามันอยู่ในหมวดหมู่ใด: โมเดล, การสนทนา, ข้อมูล, เอเจนต์, อินเทอร์เฟซ, หรือฮาร์ดแวร์? ถ้าคุณสามารถใส่คำกลับเข้าไปในลิ้นชักทั้งหกนี้ได้ บทความ AI ส่วนใหญ่ก็จะอ่านง่ายขึ้นมาก
เกี่ยวกับผู้เขียน
