🤖 สวัสดีค่ะ เราคือ CLEVI
เราได้ไปร่วมงาน 「สัปดาห์งานวิจัย JBNU Research Fair Week 2025 (Research Fair Week)」 ซึ่งจัดโดยมหาวิทยาลัยแห่งชาติจอนบุก ตั้งแต่วันที่ 20 ถึง 22 มกราคม
งานนี้เป็นเวทีสำคัญที่นำเสนอทิศทางของเทคโนโลยีแห่งอนาคตซึ่งเชื่อมโยงกับยุทธศาสตร์อุตสาหกรรมและระดับประเทศ โดยมีผลงานวิจัยอันโดดเด่นของมหาวิทยาลัยแห่งชาติจอนบุกเป็นศูนย์กลาง และจัดให้เกิดการแลกเปลี่ยนระหว่างภาคอุตสาหกรรม ภาคการศึกษา ภาครัฐ และภาควิจัย
โดยเฉพาะอย่างยิ่ง คุณอีฮวานโฮ CEO ของ CLEVI ได้รับเชิญให้เป็นวิทยากรรับเชิญ VIP ในพิธีเปิดซึ่งจัดขึ้นในวันที่ 20! 👏
เรามาย้อนสัมผัสบรรยากาศของวันนั้นกันอีกครั้ง!
นี่คือภาพคุณอีฮวานโฮ CEO กำลังเตรียมการบรรยายก่อนเริ่มงาน จะเห็นได้ว่าท่านกำลังคิดว่าจะบรรยายอย่างไรให้มีเนื้อหาสาระครบถ้วนและเข้าใจง่ายยิ่งขึ้น
เมื่องานเริ่มขึ้น พิธีเปิดก็ดำเนินไป
งานเปิดฉากอย่างงดงามด้วยการแสดงศิลปะสดที่นักศึกษาจากมหาวิทยาลัยแห่งชาติจอนบุกสร้างสรรค์ขึ้นแบบสด ๆ
หลังจากการบรรยายปาฐกถาหลักครั้งแรก คุณอีฮวานโฮ CEO ของ CLEVI ได้ขึ้นบรรยายในหัวข้อ “เหตุใด AI จึงต้องการสื่อกลางทางกายภาพ” ซึ่งเป็นการบรรยายปาฐกถาหลักครั้งที่สอง เรามาดูเนื้อหาคร่าว ๆ กันดีไหม
AI เข้าใจโลกด้วยวิธีใดกันแน่
สร้างประโยคและไปจนถึงลงมือทำได้อย่างไร
เราจะมาร่วมกันสำรวจ 'ภายในสมอง' ของโมเดลภาษาขนาดใหญ่ (LLM) เช่น ChatGPT หรือ Claude ที่เราใช้กันทุกวัน ว่าแท้จริงแล้วมันเข้าใจและสร้างประโยคด้วยหลักการใด
- การติดป้ายชื่อ (Token ID): ก่อนอื่น AI จะกำหนดหมายเลขเฉพาะ เช่น '5' หรือ '8' ให้กับทุกคำเพื่อใช้ในการจัดการ
- การปักหมุดที่อยู่บนแผนที่ (Vector): แต่ไม่สามารถเข้าใจความหมายได้จากหมายเลขธรรมดาเพียงอย่างเดียว จึงกำหนด 'ที่อยู่โดยละเอียด (พิกัด)' ซึ่งประกอบด้วยตัวเลขหลายร้อยตัวให้กับแต่ละคำ
- การค้นหาเพื่อนบ้าน: คำที่มีความหมายคล้ายกัน (เช่น 'the' และ 'a') จะรวมตัวกันอยู่ใกล้ ๆ กันมากบนแผนที่นี้ ราวกับเป็น 'เพื่อนบ้าน' กัน
แล้ว AI ทายคำถัดไปได้อย่างไร
เมื่อเข้าใจการแปลงข้อมูลพื้นฐานแล้ว ตอนนี้เรามาดูกระบวนการทั้งหมดกันว่า ตัวเลขเหล่านี้ถือกำเนิดขึ้นเป็นประโยคจริงได้อย่างไร สมมติว่ามีอินพุตว่า "Paris is the city..."
Tokenizer (การแบ่งเป็นชิ้น): ประโยคที่เราป้อนเข้าไปจะถูกแปลงเป็นตัวเลข (Token ID) ผ่านโทเคนไนเซอร์ตามที่เห็นก่อนหน้านี้ "Paris" คือหมายเลข 1652, "is" คือหมายเลข 5... ในลักษณะนี้
LLM (เครื่องคำนวณขนาดยักษ์): กลุ่มตัวเลขเหล่านี้จะถูกป้อนเข้าไปในเครื่องคำนวณขนาดยักษ์ที่เรียกว่า LLM (โมเดล Bloom ในภาพ) จากนั้นจะทำความเข้าใจบริบทผ่านการคำนวณแบบ 'เวกเตอร์' ที่เราได้เรียนรู้ไปก่อนหน้านี้ เช่น 'อ๋อ ตอนนี้กำลังพูดถึงเมืองปารีสอยู่นี่เอง!'
Logits & Softmax (การคำนวณความน่าจะเป็น): หลังจากคำนวณเสร็จแล้ว AI จะให้คะแนนคำที่อาจตามมาได้หลายหมื่นคำ จากนั้นจะแปลงคะแนนเหล่านี้เป็น **'ความน่าจะเป็น'** ที่เราเข้าใจได้ง่ายผ่านตัวกรองที่เรียกว่า 'ซอฟต์แมกซ์'
การเลือกขั้นสุดท้าย: ดูกราฟทางด้านขวา
- of → 33.7%
- that → 15.3%
- where → 9.4%
ท้ายที่สุด AI จะเลือก **'of'** ซึ่งมีความน่าจะเป็นสูงสุด เพื่อเติมประโยค "Paris is the city of..." ให้สมบูรณ์ และทำซ้ำกระบวนการนี้หลายหมื่นครั้งเพื่อสร้างคำตอบยาว ๆ ที่เราเห็น
โดยสรุปแล้ว การที่ AI จดจำคำศัพท์ไม่ได้หมายถึงการท่องจำตัวอักษร แต่เป็นการจดจำ 'ที่อยู่' ว่าคำนั้นอยู่บริเวณใดบนแผนที่แห่งความหมายอันกว้างใหญ่
LLM สามารถขยายขีดความสามารถไปสู่การมองเห็น หุ่นยนต์ และการเรียนรู้เชิงพฤติกรรมได้
AI ที่เข้าใจความหมาย มองเห็นและเข้าใจ รวมถึงลงมือปฏิบัติ
การให้แขนและขาแก่ AI หมายถึงการขยายความฉลาดจากภาษาไปสู่การรับรู้ และก้าวต่อไปสู่การลงมือปฏิบัติ
AI ไม่ได้อยู่เพียงในขอบเขตของแนวคิดหรือจินตนาการอีกต่อไป แต่ได้ก้าวเข้าสู่ขั้นตอนของการนำไปใช้จริงและโลกความเป็นจริงแล้ว
ก้าวต่อไปของ CLEVI
CLEVI มีแผนที่จะขยายโอกาสต่าง ๆ เช่น เวิร์กช็อปภายในและภายนอกสถาบัน โครงการฝึกปฏิบัติ และบูธทดลอง เพื่อให้ผู้คนจำนวนมากขึ้นได้สัมผัสด้วยตนเองว่าเทคโนโลยี AI ทำงานอย่างไรในโลกจริง
เช่นเดียวกับที่การบรรยายครั้งนี้ที่มหาวิทยาลัยแห่งชาติจอนบุกได้เป็นสะพานอันล้ำค่าที่เชื่อมโยงนักศึกษาเข้ากับเรา เราจะยังคงทำหน้าที่เป็นสะพานเชื่อมระหว่างนักเทคโนโลยีกับผู้ใช้ รวมถึงแวดวงวิชาการกับภาคอุตสาหกรรมต่อไป