ໃນວັນທີ 24 ຕຸລາທີ່ຜ່ານມາ, ຕາມຄຳເຊີນຂອງສະມາຄົມອັດສະລິຍະການອຸດສາຫະກຳເກົາຫຼີ (KOIIA), ທ່ານ ອີ ຮວານໂຮ, CEO ຂອງ CLEVI, ໄດ້ເຂົ້າຮ່ວມແລະກ່າວປາໄສຫຼັກໃນງານ 'ອາຄາເດມີພັດທະນາບຸກຄະລາກອນຫຼັກຂອງວິສາຫະກິດຂະໜາດກາງ-ໃຫຍ່ 2025, ສຳມະນາຍຸດທະສາດຮັບມືກັບອຸດສາຫະກຳແຫ່ງອະນາຄົດ'.
ພວກເຮົາໄດ້ເຂົ້າຮ່ວມໃນເຊສຊັນ 'ກໍລະນີການນຳໃຊ້ເຕັກໂນໂລຊີ AI ແລະຍຸດທະສາດການປະຕິບັດ DX' ໃນຫົວຂໍ້ 'ກໍລະນີການນຳໃຊ້ Physical AI, ປັດໄຈຄວາມລົ້ມເຫຼວໃນຂະບວນການນຳໃຊ້ RAG ເອເຈນຕ໌ ແລະຍຸດທະສາດປັບປຸງ'.
ເນື່ອງຈາກຄວາມສົນໃຈຕໍ່ AI ເອເຈນຕ໌ເພີ່ມສູງຂຶ້ນໃນໄລຍະຫຼັງ, ບໍລິສັດຈຳນວນຫຼາຍກໍກຳລັງພິຈາລະນານຳ AI ມາໃຊ້. ເປັນທີ່ເຂົ້າໃຈວ່າ ຫຼາຍສະຖາບັນແລະບໍລິສັດໄດ້ທົດລອງນຳ AI ມາໃຊ້ແລະດຳເນີນງານແລ້ວ.
ແຕ່ໜ້າເສຍດາຍ, ຈາກການສຳຫຼວດພົບວ່າ ໃນຫຼາຍບໍລິສັດແລະສະຖາບັນ ບໍ່ສາມາດບັນລຸ ROI ຕາມທີ່ຄາດຫວັງ, ຫຼືຟັງຊັນທີ່ເຄີຍເຮັດວຽກໄດ້ໃນ PoC ກັບບໍ່ສາມາດໃຫ້ຄຳຕອບທີ່ຖືກຕ້ອງ ຫຼືບໍ່ເຮັດວຽກໃນໂຄງການຫຼັກຫຼືສະຖານທີ່ປະຕິບັດງານ.
ຂໍ້ມູນເຫຼົ່ານີ້ເຮັດໃຫ້ຫຼາຍບໍລິສັດລັງເລທີ່ຈະນຳ AI ມາໃຊ້ຢ່າງຮີບຮ້ອນ.
ໃນການບັນຍາຍຄັ້ງນີ້, ທ່ານ ອີ ຮວານໂຮ, CEO ຂອງ CLEVI, ໄດ້ອະທິບາຍຢ່າງລະອຽດເຖິງຂໍ້ຈຳກັດຂອງລະບົບ RAG ແລະໂມເດວໂອເພນຊອດ ຫຼື Small LLM (SLM), ເຊິ່ງເປັນສາເຫດຫຼັກຂອງຄວາມລົ້ມເຫຼວໃນການນຳ AI ມາໃຊ້ຢ່າງຮີບຮ້ອນ, ພ້ອມທັງອະທິບາຍວ່າເປັນຫຍັງກໍລະນີການນຳໃຊ້ກ່ອນໜ້ານີ້ຈຶ່ງລົ້ມເຫຼວ.
ທ້າຍທີ່ສຸດ, ເຫດຜົນທີ່ນຳ AI ມາໃຊ້ ກໍເພາະຄາດຫວັງໃຫ້ມັນເຮັດວຽກແທນຄົນ ຫຼືສະແດງຜົນງານທີ່ດີກວ່າຄົນ.
ພະນັກງານຜູ້ປະຕິບັດງານໃນບໍລິສັດທີ່ນຳ AI ມາໃຊ້ໃນປັດຈຸບັນ ບໍ່ສາມາດໄວ້ວາງໃຈຄຸນນະພາບຄຳຕອບຂອງ AI ໄດ້, ຈຶ່ງຕ້ອງກວດສອບຄຳຕອບຂອງ AI ເທື່ອລະລາຍການ, ເຮັດໃຫ້ມີສຽງບ່ນວ່າວຽກງານກັບເພີ່ມຂຶ້ນ.
ສາເຫດຫຼັກແມ່ນ ບໍລິສັດສ່ວນໃຫຍ່ນຳໂມເດວ SLM ແບບໂອເພນຊອດມາຟາຍນ໌ຈູນ ແລ້ວນຳໃຊ້ເປັນໂຊລູຊັນ.
ໂດຍສັນຊາດຍານ ອາດຄິດວ່າ AI ຈະສະຫຼາດຂຶ້ນຫາກຮຽນຮູ້ສິ່ງໃໝ່, ແຕ່ກົງກັນຂ້າມ, ການໃຫ້ AI ຮຽນຮູ້ຄວາມຮູ້ໃໝ່ກັບເຮັດໃຫ້ມັນສູນເສຍຄວາມຊົງຈຳໃນອະດີດ, ຫຼືນ້ຳໜັກພາຣາມິເຕີທີ່ກຳນົດແບບສຸ່ມ.
ບັນຫາທີ່ຮ້າຍແຮງກວ່ານັ້ນແມ່ນ ບໍ່ມີໃຜຮູ້ວ່າຂໍ້ມູນຫຼືຄວາມຮູ້ໃດຖືກສູນເສຍໄປ.
ເນື່ອງຈາກການນຳ AI ມາໃຊ້ບໍ່ແມ່ນວຽກທີ່ໃຊ້ພຽງຊັບພະຍາກອນໜ້ອຍໆ, ທ່ານຄົງໄດ້ດຳເນີນການກວດສອບຫຼາຍດ້ານຕັ້ງແຕ່ຂັ້ນຕອນ PoC ແລ້ວ.
ເປັນຫຍັງບັນຫາດັ່ງກ່າວຈຶ່ງບໍ່ປາກົດໃນເວລານັ້ນ? ແນ່ນອນວ່າ ເປັນເພາະມັນຖືກຝຶກຊ້ຳດ້ວຍຂໍ້ມູນເປົ້າໝາຍ.
AI ທີ່ເຄີຍຮູ້ພຽງແຕ່ຕົວເລກ ໄດ້ຖືກຝຶກໃຫ້ຮູ້ຕົວອັກສອນ ແລະຫຼັງຈາກນັ້ນກໍຖືກຖາມສະເພາະຄຳຖາມກ່ຽວກັບຕົວອັກສອນ, ດັ່ງນັ້ນຈຶ່ງຕອບໄດ້ດີເປັນທຳມະດາ. ແຕ່ໃນພາກສະໜາມ ພວກເຮົາຕ້ອງການພຽງແຕ່ໂມເດວທີ່ຊ່ຽວຊານສະເພາະໂດເມນແບບນີ້ບໍ?
ພາກສະໜາມຂອງພວກເຮົາຕ້ອງພົບກັບສະພາບແວດລ້ອມໃໝ່ແລະຂໍ້ມູນໃໝ່ໃນທຸກມື້. ແຕ່ AI ທີ່ຖືກຝຶກໂດຍການທຳລາຍຄວາມຮູ້ເດີມແບບສຸ່ມ ບໍ່ສາມາດຮັບປະກັນໄດ້ທັງຄວາມໃຊ້ງານທົ່ວໄປ ແລະຄວາມແມ່ນຍຳ.
ດັ່ງນັ້ນ ຈຶ່ງຈຳເປັນຕ້ອງມີ From-scratch Foundation ໂມເດວພາສາຂະໜາດໃຫຍ່ພິເສດ ຫຼືເຕັກໂນໂລຊີທີ່ສາມາດສ້າງໂມເດວນີ້ໄດ້.
ເນື່ອງຈາກໂມເດວເຫຼົ່ານີ້ມີຄວາມຮູ້ເກືອບທັງໝົດໃນໂລກ, ຈຶ່ງສາມາດໃຫ້ຄຸນນະພາບຄຳຕອບສູງ ແລະມີຄວາມແມ່ນຍຳສູງເຊັ່ນກັນ.
ສຳລັບໂດເມນສະເພາະ ສາມາດໃຊ້ເຕັກນິກ SFT(Supervised Fine-Tuning) ຫຼືຖ້າມີຂໍ້ມູນຈຳນວນໜ້ອຍ ກໍສາມາດໃຊ້ລະບົບ RAG ຫຼືເຕັກໂນໂລຊີຖານຂໍ້ມູນແບບຄວາມໝາຍ ເຊິ່ງເປັນລະບົບຖານຂໍ້ມູນອັດສະລິຍະທີ່ CLEVI ພັດທະນາເອງ ເພື່ອເອົາຊະນະຂໍ້ຈຳກັດຂອງ SLM ທີ່ຜ່ານການປັບແຕ່ງ.
ເນື່ອງຈາກລັດຖະບານກໍຮັບຮູ້ເຖິງຄວາມສຳຄັນຂອງ Foundation Model ເຫຼົ່ານີ້, ຈຶ່ງໄດ້ໃຫ້ການສະໜັບສະໜູນຢ່າງຫຼວງຫຼາຍ.
ນັ້ນຄືໂຄງການ AI ຕົວແທນຂອງຊາດ. ເປົ້າໝາຍຫຼັກທີ່ສຸດຂອງໂຄງການນີ້ຄົງແມ່ນການຮັບປະກັນອະທິປະໄຕດິຈິຕອນ.
CLEVI ເອງກໍຮູ້ເຖິງຂໍ້ຈຳກັດຮ້າຍແຮງຂອງການໃຊ້ໂມເດວແບບໂອເພນຊອດ, ດັ່ງນັ້ນຈຶ່ງໄດ້ພັດທະນາຢ່າງເອກະລາດ ຕັ້ງແຕ່ການເກັບກຳຂໍ້ມູນຈົນເຖິງການອອກແບບສະຖາປັດຕະຍະກຳ ແລະໄດ້ຝຶກໂມເດວຂອງ CLEVI.
ປັດຈຸບັນ ໂມເດວຂອງ CLEVI ມີປະສິດທິພາບທີ່ບໍ່ດ້ອຍກວ່າ AI ຊັ້ນນຳຂອງໂລກເລີຍ ແມ່ນແຕ່ໃນການແຂ່ງຂັນກັນ.
ໂດຍສະເພາະ ເນື່ອງຈາກມີໂມເດວຂອງຕົນເອງ, CLEVI ຈຶ່ງບໍ່ປະສົບບັນຫາການພຶ່ງພາຫຼືຜູກຕິດກັບໂມເດວພາຍນອກທີ່ອາດເກີດຂຶ້ນ.
ປັດຈຸບັນ ການນຳ AI ມາໃຊ້ກຳລັງກາຍເປັນສິ່ງຈຳເປັນ ບໍ່ແມ່ນທາງເລືອກອີກຕໍ່ໄປ. ແຕ່ພຽງແຕ່ນຳເຕັກໂນໂລຊີລ່າສຸດມາໃຊ້ ກໍຍັງຍາກທີ່ຈະໄດ້ຜົນລັບຕາມທີ່ຕ້ອງການ.
ນະວັດຕະກຳທີ່ແທ້ຈິງເລີ່ມຕົ້ນຂຶ້ນກໍຕໍ່ເມື່ອເຂົ້າໃຈຂໍ້ຈຳກັດຂອງເຕັກໂນໂລຊີຢ່າງຖືກຕ້ອງ ແລະວາງຍຸດທະສາດທີ່ເໝາະສົມທີ່ສຸດກັບສະພາບແວດລ້ອມແລະເປົ້າໝາຍຂອງອົງກອນ.
ດ້ວຍຄວາມສາມາດດ້ານເຕັກໂນໂລຊີທີ່ໂດດເດັ່ນ ເຊັ່ນ ໂມເດວພາສາຂະໜາດໃຫຍ່ທີ່ CLEVI ພັດທະນາເອງ ແລະຖານຂໍ້ມູນແບບຄວາມໝາຍ, CLEVI ກຳລັງຫຼຸດຜ່ອນການລອງຜິດລອງຖືກແລະຄວາມສ່ຽງທີ່ບັນດາອົງກອນປະສົບໃນຂະບວນການນຳ AI ມາໃຊ້.
ຕໍ່ໄປພວກເຮົາຈະຮັບຟັງສຽງຈາກໜ້າງານຢ່າງຕໍ່ເນື່ອງ ແລະທຸ່ມເທຢ່າງເຕັມທີ່ເພື່ອເປັນຄູ່ຮ່ວມງານດ້ານ AI ທີ່ຫຼາຍບໍລິສັດສາມາດໄວ້ວາງໃຈໄດ້. ຂໍໃຫ້ທ່ານຮ່ວມສ້າງຄວາມສຳເລັດທີ່ແທ້ຈິງຂອງການນຳ AI ມາໃຊ້ໄປພ້ອມກັບ CLEVI.