ในระยะเวลาไม่กี่ปีที่ผ่านมา เทคโนโลยีปัญญาประดิษฐ์หรือ AI ได้ก้าวเข้าสู่ยุคแห่งการเปลี่ยนแปลงครั้งใหญ่ นั่นก็คือ Generative AI หรือเรียกแบบย่อ ๆ ว่า Gen AI จากกระแสของการเปิดตัว chatGPT ในปี 2022 และสามารถสร้างยอดผู้ใช้งานเพิ่มขึ้นอย่างรวดเร็วถึง 10 ล้านคนภายในระยะเวลาเพียง 2 เดือน ที่สำคัญคือไม่ได้เป็นเพียงแต่กระแสชั่วคราวเท่านั้น ปัจจุบันจำนวนผู้ใช้งาน chatGPT ยังคงมีปริมาณการใช้งานสูงอย่างต่อเนื่อง นี่เป็นบทพิสูจน์ว่า Gen AI สามารถนำมาช่วยในการทำงานของมนุษย์ได้จริง ไม่ว่าจะเป็นการสร้างสรรค์รูปภาพขึ้นมาใหม่ เขียน Content โฆษณา แต่งนิยายเรื่องใหม่ หรือช่วยประมวลผลข้อมูลและตอบคำถามที่ซับซ้อนได้อย่างอัจฉริยะ

เทคโนโลยี AI ไม่ได้เป็นเทคโนโลยีที่เพิ่งเกิดขึ้นมาใหม่ แต่ผ่านการวิจัยและพัฒนามาอย่างยาวนานและต่อเนื่องมากว่า 70 ปี ในยุคที่ผ่านมาเทคนิคในการเรียนรู้ของเครื่องหรือ Machine Learning ยังมีข้อจำกัดอยู่หลายด้าน เช่น ข้อมูลในการเรียนรู้ยังน้อยและเฉพาะด้าน รวมทั้งชิปประมวลผลที่ใช้ในการเรียนรู้โมเดลยังเป็น CPU (Central Processing Unit) ไม่ได้ถูกออกแบบเฉพาะสำหรับการทำโมเดลแบบ Deep Learning ซึ่งเป็นโครงสร้างเครือข่ายที่เลียนแบบการทำงานในสมองของมนุษย์ (Artificial Neural Network) ในปัจจุบัน GPU (Graphics Processing Unit) ได้ถูกพัฒนาไปอย่างก้าวกระโดด สามารถประมวลผลข้อมูลขนาดใหญ่และซับซ้อนได้อย่างรวดเร็ว รวมทั้งข้อมูลสำหรับการเรียนรู้โมเดลยังมีจำนวนมหาศาลทั้งจากอินเทอร์เน็ตและ Social Media ทำให้ Gen AI สามารถเรียนรู้โมเดลขนาดใหญ่อย่างที่ไม่เคยมีมาก่อน และยังสามารถคิดและประมวลผล (Inferencing) ได้อย่างรวดเร็วมากกว่าสมองของมนุษย์

หากพูดถึงความสำเร็จของ Generative AI แล้วก็คงต้องยกเครดิตส่วนใหญ่ให้กับ LLM (Large Language Model) หรือโมเดลจำลองภาษาขนาดใหญ่ เบื้องหลังของความสำเร็จของ Gen AI คือการเรียนรู้จากข้อมูลภาษาขนาดใหญ่หลากหลายร้อยภาษาที่มนุษย์ใช้สื่อสารกันบนโลกใบนี้ ภายใต้กระบวนการสร้าง LLM คือ การนำข้อความจำนวนมหาศาลเข้าไปเรียนรู้และฝึกฝนผ่านโครงข่าย Transformer ที่แปลงข้อความที่ประกอบด้วยคำ เป็นตัวเลขจุดทศนิยมและจัดเก็บไว้ในโครงข่ายของโมเดล ในการเรียนรู้ยังมีการใช้เทคนิคที่เรียกว่า Self Attention ทำให้โมเดลสามารถเรียนรู้และจดจำบริบทของคำและวลีรอบข้างได้เป็นอย่างดี การเรียนรู้ในรูปแบบนี้มีความคล้ายกับการเรียนรู้ของสมองมนุษย์ ที่สามารถเข้าใจ เช่น คำว่า “เกาะ” เมื่ออยู่ในข้อความ “ไปเที่ยวเกาะ” จะมีความหมายว่า ผืนแผ่นดินที่อยู่กลางทะเล แต่ถ้าอยู่ในข้อความ “ขอเกาะไปด้วยสิ” จะสื่อถึงความหมายว่าขอติดตามไปด้วย

การมาของ Gen AI ได้สร้างความตื่นเต้นและตื่นตัวให้กับบริษัท IT และนักพัฒนาโปรแกรมทั่วโลก เพราะงานต่าง ๆ ที่ AI ในยุคก่อนหน้าไม่สามารถทำได้ดีเทียบเท่ามนุษย์ มาถึงวันนี้ Gen AI สามารถทำได้ชนะมนุษย์ทั้งในเรื่องของประสิทธิภาพความถูกต้องแม่นยำและยังประมวลผลและทำงานได้เร็วกว่าหลายเท่า นอกจากนั้นยังสามารถสร้างสรรค์และจินตนาการสิ่งใหม่ ๆ ได้อย่างน่าทึ่งอีกด้วย ตัวอย่างงานที่ Gen AI สามารถนำมาประยุกต์ใช้มีมากมาย เช่น

● แปลข้อความหรือเอกสารที่เขียนด้วยภาษาหนึ่งไปหลายภาษา (Machine Translation)

● สรุปใจความสำคัญจากข้อความและเอกสาร (Text Summarization)

● สร้างคำบรรยายจากรูปภาพ (Image Captioning)

● สร้างข้อความใหม่ เช่น ข้อความโฆษณา ข้อความเชิงวิชาการ นิยายหรือเรื่องราวตลกขำขัน ตามที่ผู้ใช้ระบุเงื่อนไข (Content Generation from User Prompts)

● วางแผนโปรแกรมท่องเที่ยวโดยระบุสถานที่และจำนวนวันที่ต้องการ (Trip Planner)

● คัดกรองใบสมัครงานหรือค้าหาผู้สมัครที่เหมาะกับตำแหน่งงาน (Resume Screening)

● ร่างเอกสารต่าง ๆ เช่น เอกสารหน่วยงานราชการ จากข้อมูลที่ป้อนเข้าไป (Document Drafting)

● เขียนโปรแกรมโดยบอกฟังก์ชันหรือผลลัพธ์ที่ต้องการ (Coding)

● สร้างรูปภาพจากคำบรรยายหรือ prompt ที่ป้อนเข้าไป (Image Generation)

● ค้นหาและตอบคำถามที่ซับซ้อนได้ (Question Answering)

ในตอนต่อไป เราจะตามไปดูว่าผลของความสำเร็จของ Gen AI ที่เป็นกระแสใหม่ล่าสุดในวงการ AI ทั่วโลก จะส่งผลต่อการพัฒนา Chatbot ให้มีความฉลาดแบบก้าวกระโดดได้อย่างไร

---

แหล่งที่มาและอ้างอิง

1. ChatGPT reaches 100 million users two months after launch,

https://www.theguardian.com/technology/2023/feb/02/chatgpt-100-million-users-open-ai-fastest-growing-app

2. What is generative AI?,

https://www.mckinsey.com/featured-insights/mckinsey-explainers/what-is-generative-ai

3. What is Generative AI?,

https://www.nvidia.com/en-us/glossary/generative-ai/

4. Transformer: A Novel Neural Network Architecture for Language Understanding,

https://research.google/blog/transformer-a-novel-neural-network-architecture-for-language-understanding/

5. What Is a Transformer Model?,

https://blogs.nvidia.com/blog/what-is-a-transformer-model/

6. Large Language Models Explained,

https://www.nvidia.com/en-us/glossary/large-language-models/

บทความที่น่าสนใจ