🤖 ສະບາຍດີ, ນີ້ແມ່ນ CLEVI.
ຂ້ອຍໄດ້ໄປຮ່ວມງານ 「2025 JBNU ອາທິດງານວິໄຈ (Research Fair Week)」 ທີ່ຈັດໂດຍມະຫາວິທະຍາໄລແຫ່ງຊາດຊອນບຸກ ແຕ່ວັນທີ 20 ຫາ 22 ມັງກອນ.
ງານນີ້ເປັນເວທີທີ່ມີຄວາມໝາຍ ໂດຍສຸມໃສ່ຜົນງານວິໄຈອັນໂດດເດັ່ນຂອງມະຫາວິທະຍາໄລແຫ່ງຊາດຊອນບຸກ, ນຳສະເໜີທິດທາງຂອງເທັກໂນໂລຊີໃນອະນາຄົດທີ່ເຊື່ອມໂຍງກັບຍຸດທະສາດອຸດສາຫະກຳ ແລະ ລະດັບຊາດ, ພ້ອມທັງຈັດໃຫ້ມີບ່ອນແລກປ່ຽນທີ່ພາກອຸດສາຫະກຳ, ວິຊາການ, ພາກລັດ ແລະ ພາກສ່ວນອື່ນໆ ມາຮ່ວມກັນ.
ໂດຍສະເພາະ, ທ່ານອີຮວານໂຮ, CEO ຂອງ CLEVI, ໄດ້ຮັບເຊີນໃຫ້ເປັນວິທະຍາກອນ VIP ໃນງານບັນຍາຍເປີດງານທີ່ຈັດຂຶ້ນໃນວັນທີ 20! 👏
ມາຮ່ວມສຳຜັດບັນຍາກາດຂອງມື້ນັ້ນອີກຄັ້ງກັນເທາະ!
ກ່ອນເລີ່ມງານ, ນີ້ແມ່ນພາບຂອງທ່ານອີຮວານໂຮກຳລັງກຽມການບັນຍາຍ. ເຫັນໄດ້ວ່າທ່ານກຳລັງຄິດວ່າຈະບັນຍາຍໃຫ້ຄົບຖ້ວນ ແລະ ເຂົ້າໃຈງ່າຍຍິ່ງຂຶ້ນແນວໃດ.
ຫຼັງຈາກງານເລີ່ມຂຶ້ນ, ພິທີເປີດງານກໍໄດ້ດຳເນີນຂຶ້ນ.
ທຳອິດ, ງານໄດ້ເປີດຂຶ້ນຢ່າງງົດງາມດ້ວຍການສະແດງສິນລະປະສົດທີ່ນັກສຶກສາຈາກມະຫາວິທະຍາໄລແຫ່ງຊາດຊອນບຸກສ້າງສັນຂຶ້ນທັນທີ.
ຫຼັງຈາກການບັນຍາຍຫຼັກຄັ້ງທຳອິດ, ທ່ານອີຮວານໂຮຈາກ CLEVI ໄດ້ບັນຍາຍຫຼັກຄັ້ງທີສອງໃນຫົວຂໍ້ “ເປັນຫຍັງ AI ຈຶ່ງຕ້ອງການສື່ກາງທາງກາຍະພາບ”. ມາເບິ່ງສັ້ນໆກັນບໍ?
AI ເຂົ້າໃຈໂລກແນວໃດ,
ສ້າງປະໂຫຍກ ແລະ ກະທັ່ງລົງມືເຮັດໄດ້ແນວໃດ?
ພວກເຮົາຈະລອງເບິ່ງເຂົ້າໄປໃນ 'ສະໝອງ' ຂອງໂມເດວພາສາຂະໜາດໃຫຍ່ (LLM) ເຊັ່ນ ChatGPT ຫຼື Claude ທີ່ພວກເຮົາໃຊ້ທຸກມື້ວ່າ ແທ້ຈິງແລ້ວພວກມັນເຂົ້າໃຈ ແລະ ສ້າງປະໂຫຍກດ້ວຍຫຼັກການໃດ.
- ຕິດປ້າຍຊື່ (Token ID): AI ຈະກຳນົດເລກປະຈຳຕົວສະເພາະເຊັ່ນ '5' ຫຼື '8' ໃຫ້ກັບທຸກຄຳກ່ອນ ແລະ ໃຊ້ເລກເຫຼົ່ານັ້ນໃນການຈັດການ.
- ປັກທີ່ຢູ່ລົງໃນແຜນທີ່ (Vector): ແຕ່ເນື່ອງຈາກບໍ່ສາມາດຮູ້ຄວາມໝາຍຈາກເລກງ່າຍໆເທົ່ານັ້ນ, ຈຶ່ງກຳນົດ 'ທີ່ຢູ່ລະອຽດ (ພິກັດ)' ທີ່ປະກອບດ້ວຍຕົວເລກຫຼາຍຮ້ອຍຕົວໃຫ້ແຕ່ລະຄຳ.
- ຊອກຫາເພື່ອນບ້ານ: ຄຳທີ່ມີຄວາມໝາຍຄ້າຍກັນ (ຕົວຢ່າງ: 'the', 'a') ຈະຢູ່ຮວມກັນໃນບ່ອນທີ່ໃກ້ກັນຫຼາຍໃນແຜນທີ່ນີ້ ເໝືອນກັບເປັນ 'ເພື່ອນບ້ານ'.
ຖ້າເຊັ່ນນັ້ນ AI ຄາດເດົາຄຳຕໍ່ໄປໄດ້ແນວໃດ?
ເມື່ອເຂົ້າໃຈການແປງຂໍ້ມູນຂັ້ນພື້ນຖານແລ້ວ, ຕອນນີ້ມາເບິ່ງຂະບວນການທັງໝົດວ່າ ຕົວເລກເຫຼົ່ານີ້ກາຍເປັນປະໂຫຍກຈິງໄດ້ແນວໃດ. ສົມມຸດວ່າມີຄ່າປ້ອນເຂົ້າວ່າ "Paris is the city...".
Tokenizer (ການແບ່ງເປັນສ່ວນ): ປະໂຫຍກທີ່ເຮົາປ້ອນເຂົ້າໄປຈະຖືກປ່ຽນເປັນຕົວເລກ (Token ID) ຜ່ານ tokenizer ດັ່ງທີ່ເຫັນກ່ອນໜ້ານີ້. "Paris" ແມ່ນເລກ 1652, "is" ແມ່ນເລກ 5... ເປັນແບບນີ້.
LLM (ເຄື່ອງຄຳນວນຂະໜາດໃຫຍ່): ກຸ່ມຕົວເລກເຫຼົ່ານີ້ຈະຖືກປ້ອນເຂົ້າໄປໃນເຄື່ອງຄຳນວນຂະໜາດໃຫຍ່ທີ່ເອີ້ນວ່າ LLM (ໂມເດວ Bloom ໃນຮູບ). ຢູ່ບ່ອນນີ້ ມັນຈະເຂົ້າໃຈບໍລິບົດຜ່ານການຄຳນວນ 'ເວັກເຕີ' ທີ່ໄດ້ຮຽນກ່ອນໜ້ານີ້. ເຊັ່ນວ່າ 'ອ້າວ, ຕອນນີ້ກຳລັງເວົ້າເຖິງເມືອງປາຣີຢູ່!'
Logits & Softmax (ການຄຳນວນຄວາມນ່າຈະເປັນ): ຫຼັງຈາກຄຳນວນແລ້ວ AI ຈະໃຫ້ຄະແນນແກ່ຜູ້ສະໝັກຄຳສັບນັບຫຼາຍໝື່ນຄຳທີ່ອາດຈະມາຕໍ່ໄປ. ຈາກນັ້ນ ມັນຈະປ່ຽນຄະແນນເຫຼົ່ານັ້ນເປັນ **'ຄວາມນ່າຈະເປັນ'** ທີ່ເຮົາເບິ່ງເຂົ້າໃຈງ່າຍ ຜ່ານຕົວກັ່ນຕອງທີ່ເອີ້ນວ່າ 'Softmax'.
ການເລືອກຂັ້ນສຸດທ້າຍ: ເບິ່ງກຣາຟທາງດ້ານຂວາ.
- of → 33.7%
- that → 15.3%
- where → 9.4%
ໃນທີ່ສຸດ AI ຈະເລືອກ **'of'** ທີ່ມີຄວາມນ່າຈະເປັນສູງທີ່ສຸດ ແລະຄ່ອຍໆສຳເລັດປະໂຫຍກ "Paris is the city of...". ໂດຍເຮັດຊ້ຳຂະບວນການນີ້ນັບຫຼາຍໝື່ນເທື່ອ ຈຶ່ງສ້າງຄຳຕອບຍາວໆທີ່ເຮົາເຫັນ.
ໂດຍສະຫຼຸບແລ້ວ ການທີ່ AI ຈື່ຈຳຄຳສັບ ບໍ່ແມ່ນການທ່ອງຈື່ຕົວອັກສອນ ແຕ່ເປັນການຈື່ຈຳ 'ທີ່ຢູ່' ວ່າຄຳສັບນັ້ນຢູ່ບ່ອນໃດໃນແຜນທີ່ຄວາມໝາຍຂະໜາດໃຫຍ່.
LLM ສາມາດຂະຫຍາຍໄປສູ່ວິໄສທັດ, ຫຸ່ນຍົນ ແລະການຮຽນຮູ້ດ້ານພຶດຕິກຳໄດ້.
AI ທີ່ເຂົ້າໃຈຄວາມໝາຍ, ເບິ່ງແລະເຂົ້າໃຈ, ພ້ອມທັງລົງມືເຮັດ.
ການໃຫ້ແຂນແລະຂາແກ່ AI ໝາຍເຖິງການຂະຫຍາຍຄວາມສາມາດຈາກພາສາໄປສູ່ການຮັບຮູ້ ແລະຕໍ່ໄປສູ່ການກະທຳ.
AI ບໍ່ໄດ້ເປັນພຽງແນວຄິດຫຼືຈິນຕະນາການອີກຕໍ່ໄປ ແຕ່ໄດ້ເຂົ້າສູ່ຂັ້ນຕອນຂອງການພັດທະນາແລະຄວາມເປັນຈິງແລ້ວ.
ກ້າວຕໍ່ໄປຂອງ CLEVI
ຕໍ່ໄປ CLEVI ມີແຜນຈະຂະຫຍາຍໂອກາດຫຼາຍຮູບແບບ ເຊັ່ນ ກອງປະຊຸມເຊິງປະຕິບັດທັງພາຍໃນແລະພາຍນອກສະຖາບັນ, ໂຄງການຝຶກປະຕິບັດ ແລະບູດໃຫ້ປະສົບການ ເພື່ອໃຫ້ຜູ້ຄົນຈຳນວນຫຼາຍໄດ້ສຳຜັດໂດຍກົງວ່າເຕັກໂນໂລຊີ AI ເຮັດວຽກແນວໃດໃນໂລກຈິງ.
ດັ່ງທີ່ການບັນຍາຍທີ່ມະຫາວິທະຍາໄລຊອນບຸກໄດ້ເປັນຂົວອັນລ້ຳຄ່າເຊື່ອມໂຍງນັກສຶກສາກັບພວກເຮົາ ຕໍ່ໄປພວກເຮົາຈະສືບຕໍ່ບົດບາດເປັນຂົວເຊື່ອມລະຫວ່າງນັກເຕັກໂນໂລຊີກັບຜູ້ໃຊ້ ແລະລະຫວ່າງວົງການວິຊາການກັບພາກອຸດສາຫະກຳ.