An LLM ไม่ใช่ Backend: บทเรียนจากการพัฒนาแอป AI

ช่วงแรกที่ผมเริ่มทำงานเกี่ยวกับปัญญาประดิษฐ์ ผมเคยคิดว่า Large Language Model หรือ LLM มีลักษณะคล้ายกับระบบหลังบ้านที่ฉลาดมากๆ คุณป้อนข้อมูลเข้าไป มันทำความเข้าใจ ประมวลผล และให้คำตอบกลับมา จนทำให้ผมตั้งคำถามว่าทำไมเราถึงต้องเขียนตรรกะหลังบ้านมากมาย ในเมื่อเราสามารถบอก LLM ว่าแอปพลิเคชันของเราทำอะไรได้บ้างแล้วให้มันจัดการทุกอย่าง

ผลลัพธ์คือ มันไม่ได้เป็นแบบนั้น และความเข้าใจในจุดนี้ได้เปลี่ยนวิธีคิดของผมในการสร้างแอปพลิเคชัน AI ไปอย่างสิ้นเชิง

ในแง่พื้นฐาน LLM คือระบบที่ถูกฝึกฝนด้วยข้อความจำนวนมหาศาล เรียนรู้รูปแบบทางภาษา และใช้รูปแบบเหล่านั้นเพื่อสร้างข้อความขึ้นมา เปรียบเสมือนคนที่อ่านหนังสือ บทความ บทสนทนา เอกสาร และโค้ดมาตลอดชีวิตจนเก่งเรื่องการคาดเดาว่าประโยคถัดไปควรจะเป็นอย่างไร เช่น เมื่อมีคนพูดว่าพระอาทิตย์ขึ้นทางทิศ สมองของคุณจะคาดเดาคำว่าตะวันออกทันที

ภาพประกอบจากคลังภาพสต็อก ไม่ใช่ภาพจากเหตุการณ์จริง

LLM ทำงานในลักษณะที่คล้ายกันในเชิงแนวคิด แต่ใช้การแทนค่าทางเชิฃคณิตศาสตร์และโครงข่ายประสาทเทียมขนาดใหญ่ ซึ่งเป็นเหตุผลว่าทำไมมันถึงทำอะไรได้หลายอย่าง เช่น อธิบายแนวคิด เขียนโค้ด สรุปเอกสาร แปลภาษา สร้างเรื่องราว วิเคราะห์ข้อความ และสนทนา ทำให้บางครั้งเรารู้สึกเหมือนกำลังคุยกับสิ่งที่เข้าใจทุกอย่าง แต่แท้จริงแล้วมันยังคงทำงานกับรูปแบบที่เรียนรู้มาจากการฝึกฝนและสร้างโทเค็นตามรูปแบบเหล่านั้น

มาลองดูตัวอย่างง่ายๆ สมมติว่าผมพูดว่าฉันไปที่ร้านอาหารและสั่ง สมองของคุณอาจคาดเดาคำว่าอาหาร พิซซ่า อาหารเย็น หรือเบอร์เกอร์ LLM คำนวณความน่าจะเป็นของโทเค็นถัดไปที่เป็นไปได้ตามบริบท ตัวอย่างเช่น ความน่าจะเป็นอาจเป็น 32% สำหรับพิซซ่า 21% สำหรับอาหาร 15% สำหรับอาหารเย็น และอื่นๆ ตัวเลขเหล่านี้เป็นเพียงภาพประกอบ ตัวสำคัญคือโมเดลกำลังทำนายสิ่งที่ควรเกิดขึ้นถัดไปจากบริบทที่ได้รับ

แล้วทำไมมันถึงให้ความรู้สึกเหมือนกำลังคิด? หากผมขอให้ LLM อธิบายการเรียกซ้ำเหมือนผมอายุห้าขวบ หรือขอให้เขียนโค้ดภาษาจาวาสำหรับแก้ปัญหา หรือให้มันเขียนอีเมลใหม่ให้เป็นทางการ มันสามารถปรับเปลี่ยนน้ำโทนเสียง สรุปเอกสารยาวๆ หรือใช้เหตุผลผ่านแนวทางที่เป็นไปได้ ทำให้รู้สึกเหมือนมีคนจริงๆ นั่งอยู่หลังหน้าจอ แต่เราไม่ควรสับสนความสามารถนั้นกับการที่ LLM เป็นระบบซอฟต์แวร์ที่สมบูรณ์

"Sure! Your pizza has been ordered."

LLM

ลองจินตนาการว่าคุณกำลังสร้างแอปพลิเคชันจัดส่งอาหารออนไลน์ที่มีผู้ช่วย AI คุณส่งข้อความนั้นไปและ LLM ตอบกลับมาว่าแน่นอน! พิซซ่าของคุณถูกสั่งแล้ว ฟังดูยอดเยี่ยม แต่คำถามคือมันได้สั่งอะไรจริงๆ หรือไม่? คำตอบคือไม่ LLM เพียงแค่สร้างประโยคขึ้นมาเท่านั้น มันไม่ได้ตรวจสอบว่าร้านไหนเปิดอยู่บ้าง ตรวจสอบว่าพิซซ่ามีจำหน่ายหรือไม่ ตรวจสอบที่อยู่ของคุณ ดำเนินการชำระเงิน สร้างคำสั่งซื้อในฐานข้อมูล หรือส่งคำสั่งซื้อไปยังร้านอาหาร

ความแตกต่างนี้มีความชัดเจนมากเมื่อผมเริ่มคิดถึงแอปพลิเคชัน AI ในฐานะผลิตภัณฑ์ซอฟต์แวร์จริง แทนที่จะมองเป็นแค่แชทบอท โดย LLM มีความโดดเด่นมากในการทำความเข้าใจภาษาธรรมชาติ การสกัดเจตนา การสร้างคำตอบ การสรุปข้อมูล การทำงานกับบริบท และการตัดสินใจว่าจะใช้เครื่องมือใด

ที่มา: Dev.to