อภิธานศัพท์ AI 55 คำ อธิบายด้วยภาษาคน

พื้นฐาน

นี่คือฉบับอ้างอิง 55 คำ นิยามมาก่อน รายละเอียดตามหลัง ถ้าอยากได้ทัวร์แบบอ่อนโยนกว่านี้ที่ครอบคลุมเฉพาะคำที่สำคัญในสัปดาห์แรก ให้อ่าน ศัพท์ AI อธิบายง่าย ๆ แทน แล้วค่อยกลับมาที่นี่เมื่อมีคำไหนส่งคุณมา

Artificial intelligence

Artificial intelligence (ปัญญาประดิษฐ์) คือซอฟต์แวร์ที่ทำงานซึ่งปกติต้องใช้วิจารณญาณของมนุษย์ เช่น การเขียน การให้เหตุผล หรือการจดจำสิ่งที่อยู่ในภาพ

ในการใช้งานทั่วไปช่วงปี 2026 คำว่า "AI" มักหมายถึงผู้ช่วยแชตที่สร้างจากโมเดลภาษาขนาดใหญ่ มากกว่าจะหมายถึงสาขาวิชาการที่กว้างกว่านั้น

Machine learning

Machine learning (การเรียนรู้ของเครื่อง) คือเทคนิคการสอนซอฟต์แวร์ด้วยการให้มันดูตัวอย่าง แทนที่จะเขียนโปรแกรมด้วยกฎตายตัว

ผู้ช่วย AI สมัยใหม่ทุกตัวถูกสร้างขึ้นด้วยวิธีนี้ พฤติกรรมของมันมาจากแบบแผนในข้อมูลฝึก นั่นคือเหตุผลที่โมเดลตัวเดียวกันอาจเก่งมากกับงานที่พบบ่อย แต่สั่นคลอนกับงานที่พบยาก

Model

โมเดล (Model) คือระบบ AI ที่ผ่านการฝึกมาแล้วหนึ่งตัวโดยเฉพาะ เป็นสิ่งที่คุณส่งพรอมต์ไปหาจริง ๆ

GPT, Claude และ Gemini คือตระกูลโมเดล แต่ละตระกูลมีโมเดลย่อยหลายตัวที่ขนาด ความเร็ว และราคาต่างกัน การเลือกโมเดลให้เหมาะกับแต่ละงานคือทักษะหลักของการใช้ AI ให้ดี

LLM (large language model)

LLM หรือโมเดลภาษาขนาดใหญ่ คือโมเดลที่ผ่านการฝึกด้วยข้อความมหาศาลเพื่อทำนายว่าข้อความส่วนถัดไปควรเป็นอะไร

กลเม็ดเดียวนี้ เมื่อทำในสเกลใหญ่ คือสิ่งที่ผลิตคำตอบ ร่างงาน โค้ด และบทสรุปออกมา คำว่า "ขนาดใหญ่" หมายถึงทั้งปริมาณข้อมูลฝึกและจำนวนพารามิเตอร์

Chatbot

แชตบอต (Chatbot) คือหน้าต่างสนทนาที่ห่อหุ้มอยู่รอบโมเดล คือสิ่งที่มีกล่องข้อความให้พิมพ์

ความต่างข้อนี้สำคัญเวลาเทียบผลิตภัณฑ์ แชตบอตสองตัวอาจห่อโมเดลเดียวกันไว้แต่ให้ความรู้สึกต่างกัน และแชตบอตตัวเดียวก็เสนอได้หลายโมเดล ซึ่งเป็นวิธีที่ Whizi ทำงาน

Prompt

พรอมต์ (Prompt) คือทุกอย่างที่คุณส่งให้โมเดล ทั้งคำถาม คำสั่ง และข้อความหรือไฟล์ใด ๆ ที่แนบไปด้วย

คุณภาพของคำตอบผูกติดกับคุณภาพของพรอมต์อย่างใกล้ชิด บริบท ข้อจำกัด และรูปแบบผลลัพธ์ที่คุณอยากได้ คือสามสิ่งที่มือใหม่มักลืมใส่บ่อยที่สุด

Token

โทเคน (Token) คือชิ้นส่วนเล็ก ๆ ของข้อความที่โมเดลอ่านและเขียนจริง ๆ โดยเฉลี่ยราวสามในสี่ของคำภาษาอังกฤษหนึ่งคำ

ราคา ความเร็ว และ context window ล้วนวัดกันเป็นโทเคน นั่นคือเหตุผลที่คำนี้โผล่มาในทุกหน้าราคาของ AI เอกสาร 1,000 คำตกอยู่ราว 1,300 โทเคน

Context window

context window คือปริมาณข้อความสูงสุด วัดเป็นโทเคน ที่โมเดลพิจารณาได้พร้อมกันในคราวเดียว

พรอมต์ของคุณ บทสนทนาที่ผ่านมา เอกสารที่แนบ และคำตอบ ล้วนแบ่งพื้นที่นี้ร่วมกัน ตาราง เปรียบเทียบ context window มีตัวเลขล่าสุดของโมเดลหลักทุกตัว และ บทอธิบาย บอกว่าทำไมมันจึงอธิบายคำร้องเรียนแบบ "AI ลืม" ได้เกือบทั้งหมด

Parameters

พารามิเตอร์ (Parameters) คือตัวเลขภายในที่โมเดลเรียนรู้มาระหว่างการฝึก และเป็นหน่วยวัดขนาดของมันตามปกติ

นับกันเป็นพันล้าน ยิ่งพารามิเตอร์เยอะก็มักหมายถึงความสามารถที่มากขึ้นและต้นทุนที่สูงขึ้นแบบคร่าว ๆ มันเป็นตัวชี้วัดที่แย่หากใช้เลือกซื้อเพียงลำพัง เบนช์มาร์กและการทดสอบของคุณเองให้คำตอบที่ดีกว่าจำนวนพารามิเตอร์

Response

response หรือคำตอบ คือผลลัพธ์ของโมเดลสำหรับพรอมต์หนึ่งข้อ เรียกอีกอย่างว่า completion

คำตอบถูกสร้างขึ้นใหม่ทุกครั้ง นั่นคือเหตุผลที่การรันพรอมต์เดิมซ้ำให้ถ้อยคำต่างออกไป และบางทีก็ได้คำตอบที่ต่างไปเลย

การคุยกับโมเดล

System prompt

System prompt คือคำสั่งตั้งต้นที่โมเดลได้รับก่อนข้อความของคุณ กำหนดบทบาท น้ำเสียง และกฎของมัน

ทุกผลิตภัณฑ์มีคำสั่งนี้แม้คุณจะมองไม่เห็น เวลาแชตบอตตัวหนึ่ง "มีบุคลิก" system prompt มักเป็นที่ที่บุคลิกนั้นอาศัยอยู่

Prompt engineering

Prompt engineering คือการฝึกฝนเขียนพรอมต์อย่างตั้งใจเพื่อให้ได้ผลลัพธ์ที่ดีขึ้นอย่างสม่ำเสมอ

แม้จะฟังดูยิ่งใหญ่ แต่ส่วนใหญ่ก็คือความชัดเจนธรรมดา ระบุเป้าหมาย ให้บริบท ยกตัวอย่าง และระบุรูปแบบที่ต้องการ คู่มือสำหรับมือใหม่ ครอบคลุมเทคนิคที่เปลี่ยนผลลัพธ์ได้จริง

Zero-shot

Zero-shot หมายถึงการขอให้โมเดลทำงานโดยไม่ให้ตัวอย่างใด ๆ เลย

โมเดลยุคใหม่รับมือกับงานทั่วไปส่วนใหญ่แบบ zero-shot ได้สบาย คำนี้ยังใช้อยู่ก็เพื่อเทียบกับการทำพรอมต์แบบ few-shot เป็นหลัก

Few-shot

Few-shot หมายถึงการใส่ตัวอย่างสำเร็จรูปสองสามชิ้นลงในพรอมต์ เพื่อให้โมเดลลอกแบบแผนนั้นตาม

มันคืออัปเกรดความน่าเชื่อถือที่ถูกที่สุดสำหรับงานที่อ่อนไหวต่อรูปแบบ ตัวอย่างอินพุตกับเอาต์พุตที่ต้องการสักสองสามคู่ชนะย่อหน้าคำอธิบายยาว ๆ ได้

Chain of thought

Chain of thought คือการที่โมเดลไล่ทำงานผ่านขั้นตอนระหว่างทางก่อนให้คำตอบสุดท้าย

การขอให้โมเดลให้เหตุผลทีละขั้นช่วยปรับปรุงโจทย์ยาก ๆ ได้อย่างวัดผลได้ และตอนนี้ reasoning model ก็ทำแบบนี้อยู่ภายในเป็นค่าเริ่มต้นอยู่แล้ว

Temperature

Temperature คือค่าที่ควบคุมว่าโมเดลจะสุ่มมากแค่ไหนตอนเลือกโทเคนถัดไปแต่ละตัว

Temperature ต่ำให้ผลลัพธ์ที่สม่ำเสมอและระมัดระวัง ส่วน temperature สูงให้ความหลากหลายและบางทีก็ไร้สาระบ้าง ผลิตภัณฑ์แชตส่วนใหญ่เลือกค่ากลาง ๆ ไว้ให้คุณแล้ว

Streaming

Streaming คือการที่โมเดลส่งคำตอบออกมาทีละโทเคนขณะที่กำลังสร้าง แทนที่จะส่งมาทั้งหมดพร้อมกันตอนเสร็จ

นี่คือเหตุผลที่คำตอบดูเหมือนพิมพ์ขึ้นมาเอง และเป็นเหตุผลที่คำตอบแย่ ๆ หยุดได้ตั้งแต่เนิ่น ๆ แทนที่จะต้องรอจนจบ

Regenerate

Regenerate หมายถึงการขอคำตอบใหม่สำหรับพรอมต์เดิม

เพราะการสร้างคำตอบเป็นเรื่องของความน่าจะเป็น การ regenerate จึงเป็นการสุ่มใหม่จริง ๆ ไม่ใช่การคำนวณซ้ำแบบเดิม การเทียบผลสองครั้ง หรือพรอมต์เดียวกันบนสองโมเดล เป็นวิธีตรวจคุณภาพที่รวดเร็ว

โมเดลถูกสร้างขึ้นมาอย่างไร

Training

Training หรือการฝึก คือกระบวนการปรับพารามิเตอร์ของโมเดลโดยอิงกับข้อมูล จนกว่าคำทำนายของมันจะดีขึ้น

มันเกิดขึ้นก่อนที่คุณจะได้เจอโมเดลด้วยซ้ำ และกินพลังประมวลผลมหาศาลของผู้ให้บริการ ไม่มีอะไรที่คุณพิมพ์ในแชตไปฝึกโมเดลใหม่ในทันที แม้ผู้ให้บริการอาจนำบทสนทนาไปใช้ฝึกเวอร์ชันในอนาคตขึ้นกับนโยบายของแต่ละราย

Training data

Training data หรือข้อมูลฝึก คือข้อความและวัสดุอื่น ๆ ที่โมเดลเรียนรู้มาจากมัน

ความกว้างของมันอธิบายว่าโมเดลรู้อะไรบ้าง ช่องว่างของมันอธิบายจุดบอดที่เป็นระบบ และช่วงวันที่ของมันกำหนดวันตัดข้อมูลฝึก

Pretraining

Pretraining คือขั้นตอนแรกและใหญ่ที่สุดของการฝึก ซึ่งโมเดลเรียนรู้ภาษาและความรู้เกี่ยวกับโลกจากข้อความจำนวนมหาศาล

ผลลัพธ์ที่ได้มีความสามารถแต่ยังดิบอยู่ ทุกอย่างที่ทำให้โมเดลทำตัวเหมือนผู้ช่วยที่มีประโยชน์เกิดขึ้นภายหลังจากขั้นนี้ทั้งสิ้น

Fine-tuning

Fine-tuning คือการฝึกเพิ่มเติมด้วยชุดข้อมูลที่แคบลง เพื่อทำให้โมเดลที่ผ่าน pretraining มาแล้วเชี่ยวชาญเฉพาะทางหรือมีรูปแบบเฉพาะ

ผู้ให้บริการทำ fine-tuning เพื่อความช่วยเหลือและความปลอดภัย ส่วนบริษัทต่าง ๆ ทำเพื่องานเฉพาะด้าน สำหรับผู้ใช้ส่วนใหญ่ พรอมต์ที่ดีบวกกับโมเดลทั่วไปที่มีความสามารถสูงชนะการจ่ายเงินทำ fine-tune ได้

RLHF

RLHF หรือ reinforcement learning from human feedback คือการฝึกโมเดลโดยอิงกับคะแนนที่มนุษย์ให้กับคำตอบของมัน

มันเป็นส่วนสำคัญที่ทำให้ผู้ช่วย AI ยุคใหม่สุภาพ มีโครงสร้าง และระมัดระวัง แต่ถ้าทำมากเกินไป มันก็ทำให้โมเดลบางตัวลังเลจนปฏิเสธหรือพูดอ้อมค้อมเกินไปเช่นกัน

Alignment

Alignment คืองานที่ทำให้พฤติกรรมของโมเดลสอดคล้องกับเจตนาและค่านิยมของมนุษย์

ในทางปฏิบัติมันครอบคลุมตั้งแต่การปฏิเสธคำขอที่เป็นอันตราย ไปจนถึงการทำตามคำสั่งอย่างแม่นยำ เวลาโมเดลทำอะไรที่น่าประทับใจทางเทคนิคแต่ไม่ใช่สิ่งที่ต้องการ นั่นคือช่องว่างด้าน alignment

Inference

Inference คือการรันโมเดลที่ฝึกเสร็จแล้วเพื่อผลิตคำตอบ ตรงข้ามกับการฝึกโมเดล

ทุกข้อความที่คุณส่งไปกระตุ้น inference และต้นทุนของ inference คือสิ่งที่ราคาต่อโทเคนวัดอยู่ โมเดลที่รันถูกก็มีความสามารถสูงได้อย่างน่าทึ่ง ดัชนีต้นทุนโมเดล AI แสดงส่วนต่างราคาถึง 2,000 เท่า

Transformer

Transformer คือสถาปัตยกรรมโครงข่ายประสาทเทียมที่อยู่เบื้องหลังโมเดลภาษายุคใหม่แทบทุกตัว

กลไกหลักของมันคือ attention ซึ่งให้โมเดลชั่งน้ำหนักทุกส่วนของอินพุตเทียบกับส่วนอื่น ๆ ทั้งหมด คุณไม่จำเป็นต้องรู้รายละเอียด แต่คำนี้ปรากฏอยู่ทั่วไปในงานเขียนเกี่ยวกับ AI

เมื่อสิ่งต่าง ๆ ผิดพลาด

Hallucination

Hallucination หรืออาการหลอน คือการที่โมเดลพูดสิ่งที่ผิดออกมาด้วยความมั่นใจเต็มที่

มันไม่ใช่บั๊กที่รอแพตช์ในรุ่นถัดไป แต่เป็นผลจากวิธีที่การสร้างคำตอบทำงาน ความถี่ต่างกันมากตามโมเดลและงาน ให้ถือว่าข้อเท็จจริง ตัวเลข หรือการอ้างอิงเฉพาะเจาะจงใด ๆ ยังไม่ผ่านการตรวจสอบจนกว่าคุณจะเช็กเอง ทำไม AI ถึงตอบผิด อธิบายกลไกนี้

Grounding

Grounding คือการให้เอกสารที่น่าเชื่อถือแก่โมเดลไว้ใช้ตอบ แทนที่จะปล่อยให้มันพึ่งความจำของตัวเอง

การวางสัญญาลงไป การแนบรายงาน หรือการเปิดค้นเว็บ ล้วนเป็น grounding ทั้งสิ้น มันคือแนวทางป้องกันอาการหลอนที่ได้ผลที่สุดในชีวิตประจำวัน

Bias

Bias หรืออคติ คือการที่โมเดลเอียงผลลัพธ์ของมันอย่างเป็นระบบไปในทางที่รับตกทอดมาจากข้อมูลฝึก

มันแสดงออกมาเป็นข้อสันนิษฐานเกี่ยวกับผู้คน สถานที่ และค่าเริ่มต้นต่าง ๆ สำหรับการตัดสินใจที่มีผลสำคัญ ให้ตรวจผลลัพธ์ของ AI แบบเดียวกับที่คุณจะตรวจงานของเด็กฝึกงานที่ฉลาดแต่ยังไม่ผ่านการคัดกรอง

Guardrails

Guardrails คือข้อจำกัดที่ผู้ให้บริการสร้างล้อมรอบโมเดลไว้ เพื่อบล็อกผลลัพธ์ที่เป็นอันตรายหรือขัดนโยบาย

ผู้ให้บริการแต่ละรายขีดเส้นไว้ต่างกัน ซึ่งเป็นความต่างของผลิตภัณฑ์ที่มีผลจริง คำขอเดียวกันอาจได้รับคำตอบจากโมเดลหนึ่ง แต่ถูกปฏิเสธโดยอีกโมเดลหนึ่ง

Jailbreak

Jailbreak คือพรอมต์ที่ถูกออกแบบมาเพื่อหลอกให้โมเดลเมิน guardrails ของมัน

ผู้ให้บริการแพตช์ช่องโหว่แบบนี้อยู่ตลอดเวลา สำหรับผู้ใช้ทั่วไป คำนี้สำคัญในฐานะแนวคิดด้านความปลอดภัยเป็นหลัก คือถ้ามีทางพูดให้โมเดลทำอะไรได้ ก็จะมีคนพยายามพูดให้มันทำแบบนั้นเสมอ

Red teaming

Red teaming คือการตั้งใจโจมตีโมเดลก่อนเปิดตัว เพื่อหารูปแบบความล้มเหลวที่เป็นอันตราย

ผู้ให้บริการมีทั้งทีม red team ภายในและภายนอก และ model card ที่เผยแพร่ก็มักสรุปสิ่งที่พบไว้ มันคือเวอร์ชัน AI ของการทดสอบเจาะระบบ (penetration testing)

Knowledge cutoff

Knowledge cutoff หรือวันตัดข้อมูลฝึก คือวันที่ข้อมูลฝึกของโมเดลสิ้นสุดลง

ถามเรื่องหลังจากวันนั้น โมเดลก็จะยอมรับว่าไม่รู้ ค้นเว็บถ้าทำได้ หรือไม่ก็หลอน การรู้วันตัดข้อมูลฝึกของโมเดลที่คุณใช้ช่วยป้องกันข้อผิดพลาดทั้งหมวดหมู่นี้ได้

การดึงข้อมูลและข้อมูลของคุณ

RAG (retrieval augmented generation)

RAG หรือ retrieval augmented generation คือการดึงเอกสารที่เกี่ยวข้องมาก่อน แล้วให้โมเดลตอบโดยอิงจากเอกสารเหล่านั้น

นี่คือวิธีที่ผลิตภัณฑ์แบบ "คุยกับคลังความรู้ของคุณ" ทำงานอยู่เบื้องหลัง และเป็นเหตุผลที่มันอ้างอิงแหล่งที่มาได้ RAG ลดอาการหลอนลง แต่ก็รับเอาคุณภาพของสิ่งที่มันดึงมาไปด้วย

Embedding

Embedding คือชุดตัวเลขที่แทนความหมายของข้อความชิ้นหนึ่ง

ข้อความที่มีความหมายคล้ายกันจะได้ตัวเลขที่อยู่ใกล้กัน ซึ่งทำให้ซอฟต์แวร์หาข้อความที่เกี่ยวข้องกันได้ด้วยวิธีทางคณิตศาสตร์ Embedding คือกลไกเบื้องหลัง semantic search และ RAG

Vector database

Vector database คือฐานข้อมูลที่สร้างขึ้นมาเพื่อเก็บ embedding และค้นหาตัวที่ใกล้เคียงที่สุดได้เร็ว

ถ้าผลิตภัณฑ์บอกว่า "จัดทำดัชนี" เอกสารของคุณเพื่อการค้นหาด้วย AI แล้วล่ะก็ embedding ของทุกชิ้นส่วนกำลังนั่งอยู่ในฐานข้อมูลแบบนี้

Semantic search

Semantic search คือการค้นหาข้อความด้วยความหมาย แทนที่จะจับคู่คำสำคัญตรง ๆ

การค้นคำว่า "ปัญหาเรื่องเงิน" อาจดึงข้อความเกี่ยวกับปัญหากระแสเงินสดขึ้นมาได้ แม้จะไม่มีคำไหนตรงกันเลยก็ตาม มันคือ embedding ที่ถูกนำมาใช้งานจริง

Chunking

Chunking คือการตัดเอกสารยาว ๆ ออกเป็นชิ้นเล็กพอที่จะทำ embedding และดึงข้อมูลได้ดี

ฟังดูเป็นงานท่อประปาก็จริง แต่การ chunking ที่ไม่ดีก็เป็นสาเหตุที่พบบ่อยที่ทำให้เครื่องมือแชตกับเอกสารตอบผิดส่วนของไฟล์

Web search (in AI)

การค้นเว็บใน AI หมายถึงการที่โมเดลดึงหน้าเว็บปัจจุบันมาก่อนตอบ แทนที่จะพึ่งความจำจากการฝึก

มันแลกความเร็วกับความสด และทำให้คำตอบมีการอ้างอิงที่คุณเปิดดูได้ สำหรับเรื่องใดก็ตามที่เกิดหลังวันตัดข้อมูลฝึกของโมเดล มันคือความต่างระหว่างคำตอบกับการเดา

Knowledge base

Knowledge base หรือคลังความรู้ คือชุดเอกสารที่คัดสรรแล้วซึ่งบริษัทให้ AI ของตัวเองไว้ใช้ตอบ

ข้อมูลเข้าดีก็ได้ผลลัพธ์ดี ผู้ช่วยที่อิงกับวิกิที่ล้าสมัยก็จะตอบคำตอบที่ล้าสมัยอย่างมั่นใจ พร้อมการอ้างอิงประกอบด้วย

สามคำในอภิธานศัพท์นี้คือคำตอบที่แข่งกันตอบคำถามเดียวกัน คือทำอย่างไรให้โมเดลทำงานของคุณได้ดีขึ้น และการสับสนระหว่างสามคำนี้คือความผิดพลาดด้านศัพท์เทคนิคที่พบบ่อยที่สุดในห้องประชุมผลิตภัณฑ์ เทียบกันแบบเคียงข้าง

แนวทาง	สิ่งที่เปลี่ยน	ต้นทุนและความเร็ว	เมื่อไรถึงชนะ
ปรับพรอมต์ให้ดีขึ้น (zero-shot, few-shot)	เฉพาะข้อความที่คุณส่งไป	ฟรี ใช้เวลาไม่กี่นาที	เกือบทุกครั้งคือทางเลือกแรก ตัวอย่างสำเร็จรูปสองสามชิ้นแก้ปัญหาการจัดรูปแบบได้ส่วนใหญ่
RAG	สิ่งที่โมเดลอ่านก่อนตอบ	สร้างปานกลาง ไม่ต้องฝึกใหม่	คำตอบที่ต้องทันสมัยอยู่เสมอ หรือต้องอ้างอิงเอกสารของคุณเอง
Fine-tuning	พารามิเตอร์ของโมเดลเอง	ช้าและแพง แล้วก็คงที่	ข้อกำหนดเรื่องสไตล์และรูปแบบที่มั่นคงในสเกลใหญ่ แทบไม่เคยเหมาะกับคนคนเดียว

ไกลกว่าข้อความ

Multimodal

Multimodal หมายถึงโมเดลที่ทำงานได้มากกว่าสื่อประเภทเดียว เช่น ข้อความบวกกับรูปภาพ เสียง หรือวิดีโอ

นี่คือเหตุผลที่คุณแคปหน้าจอข้อผิดพลาดแล้วถามได้ว่าเกิดอะไรขึ้น คู่มือ multimodal AI ครอบคลุมสิ่งที่ใช้งานได้จริงในตอนนี้

Vision model

Vision model คือโมเดลที่ตีความภาพได้ ทั้งภาพถ่าย ภาพหน้าจอ กราฟ และเอกสาร

การอ่านไม่เหมือนกับการสร้าง โมเดลอาจอธิบายไดอะแกรมของคุณได้ถูกต้องเป๊ะ แต่ยังวาดมันเองไม่ได้

Image generation

Image generation คือการสร้างภาพใหม่จากคำอธิบายที่เป็นข้อความ

คุณภาพ ความหลากหลายของสไตล์ และการแสดงตัวอักษรในภาพต่างกันมากระหว่างเครื่องมือแต่ละตัว นั่นคือเหตุผลที่ผู้ใช้จริงจังต้องเทียบหลายตัว สรุปเครื่องมือสร้างภาพ AI ติดตามความเคลื่อนไหวของวงการนี้อยู่เสมอ

Diffusion model

Diffusion model สร้างภาพโดยเริ่มจากสัญญาณรบกวนแล้วค่อย ๆ ปรับให้ละเอียดขึ้นทีละขั้นจนตรงกับคำอธิบาย

มันคือเทคนิคหลักที่อยู่เบื้องหลังเครื่องมือสร้างภาพยุคใหม่ คำนี้สำคัญส่วนใหญ่ก็เพื่อให้คำว่า "diffusion" ในชื่อผลิตภัณฑ์บอกคุณได้ว่าผลิตภัณฑ์นั้นทำอะไร

Speech to text

Speech to text คือการถอดเสียงพูดออกมาเป็นตัวอักษร

การถอดเสียงยุคใหม่แม่นยำพอที่จะทำให้การประชุม บันทึกเสียง และบทสัมภาษณ์ค้นหาได้ และนี่คือวิธีที่การพิมพ์ด้วยเสียงในแอปแชตทำงาน

Text to speech

Text to speech คือการสร้างเสียงพูดจากตัวอักษรที่เขียนไว้

ระบบปัจจุบันสร้างเสียงที่เป็นธรรมชาติและมีอารมณ์ ซึ่งขับเคลื่อนฟีเจอร์อ่านออกเสียงและบทสนทนาด้วยเสียงกับ AI

ระบบนิเวศ

API

API คือประตูเชิงโปรแกรมที่นักพัฒนาใช้ส่งพรอมต์ไปยังโมเดลจากซอฟต์แวร์ของตัวเอง

ราคา API คิดต่อโทเคน ซึ่งเป็นที่มาสุดท้ายของต้นทุนต่อคำตอบของผลิตภัณฑ์ AI ทุกตัว

Open weights

Open weights หมายถึงพารามิเตอร์ที่ฝึกแล้วของโมเดลถูกเผยแพร่ให้ใครก็ดาวน์โหลดไปรันเองได้

มันเปิดทางให้โฮสต์เองได้ และให้ผู้ให้บริการรายอื่นนำโมเดลไปให้บริการบนโครงสร้างพื้นฐานของตัวเองได้ DeepSeek และ Llama คือตัวอย่างที่มีชื่อเสียง

Open-source model

Open-source model คือโมเดลที่เผยแพร่ให้ใช้และดัดแปลงได้แบบสาธารณะโดยคร่าว ๆ แม้สัญญาอนุญาตจะต่างกันมากก็ตาม

คำถามที่ใช้ได้จริงมีอยู่แค่สองข้อเดิม ๆ คือใช้ในเชิงพาณิชย์ได้ไหม และใครเป็นคนโฮสต์ให้คุณ ระบบนิเวศของโมเดลแบบ open weights สำคัญที่สุดเมื่อความเป็นส่วนตัวหรือต้นทุนตัดตัวเลือกโมเดลเรือธงแบบโฮสต์ไว้ให้ออกไป

Benchmark

Benchmark คือชุดทดสอบมาตรฐานที่ใช้ให้คะแนนและเทียบโมเดล

มีประโยชน์สำหรับการคัดกรองรอบแรก แต่มักถูกฝ่ายการตลาดใช้เกินจริงอยู่เสมอ โมเดลที่ครองอันดับหนึ่งใน benchmark ก็ยังแพ้ได้ในงานจริงของคุณ นั่นคือเหตุผลที่การรันงานสามชิ้นเทียบกันเองชนะการอ่านกราฟ

Agent

Agent คือระบบ AI ที่ลงมือทำทีละขั้นเพื่อไปให้ถึงเป้าหมาย แทนที่จะแค่ตอบครั้งเดียว

การจองทริป การค้นคว้า การเขียนโค้ด และการแจ้งตั๋วงาน คือพื้นที่ของ agent ความสามารถนี้เป็นของจริงและกำลังพัฒนาเร็ว เช่นเดียวกับความจำเป็นที่ต้องตรวจสอบว่า agent ทำอะไรไปบ้างก่อนที่มันจะสำคัญ

Tool use

Tool use หรือ function calling คือการที่โมเดลเรียกใช้ความสามารถภายนอก เช่น การค้นหา เครื่องคิดเลข โค้ด หรือปฏิทินของคุณ

นี่คือวิธีที่ผู้ช่วยแชตลงมือทำกับโลกจริง แทนที่จะแค่บรรยายมัน และมันคือกลไกที่อยู่ใต้ agent

Reasoning model

Reasoning model คือโมเดลที่ใช้พลังประมวลผลเพิ่มขึ้นเพื่อคิดผ่านโจทย์อยู่ภายในก่อนตอบ

สิ่งที่แลกมาคือเวลาและต้นทุนเพื่อความแม่นยำในโจทย์ยาก สำหรับคำถามง่าย ๆ การคิดเพิ่มนี้ไม่ได้ให้อะไรกลับมา ซึ่งเป็นอีกเหตุผลที่ควรสลับโมเดลตามแต่ละงาน

Latency

Latency คือระยะเวลาที่คุณรอระหว่างส่งพรอมต์กับที่คำตอบมาถึงหรือเริ่ม stream

มันต่างกันไปตามขนาดโมเดล ปริมาณโหลด และว่าโมเดลนั้นเป็น reasoning model หรือไม่ สำหรับงานที่ต้องโต้ตอบสด โมเดลที่เร็วและดีพอมักชนะโมเดลที่ฉลาดแต่ช้า

Rate limit

Rate limit คือเพดานที่ผู้ให้บริการตั้งไว้ว่าคุณใช้คำขอหรือโทเคนได้กี่ครั้งในช่วงเวลาหนึ่ง

การชนเพดานนี้คือเหตุผลปกติที่ผลิตภัณฑ์แชตบอกให้คุณรอหรืออัปเกรด เพดานข้อความในแผนสมาชิกก็คือ rate limit ที่ถูกตั้งชื่อให้เป็นมิตรกว่าเดิม

ทำให้อภิธานศัพท์นี้มีประโยชน์อยู่เสมอ

คำศัพท์ในวงการนี้ล้าสมัยเร็วมาก หน้านี้ได้รับการดูแลในฐานะข้อมูลอ้างอิง รายการต่าง ๆ จะถูกเขียนใหม่เมื่อการใช้งานเปลี่ยนไป และคู่มือเจาะลึกที่ลิงก์ไว้จะพารายละเอียดที่ใส่ในนิยามไม่พอไปเล่าต่อ

ถ้าคำที่คุณเจอในโลกจริงไม่มีอยู่ในนี้ ทางที่เร็วที่สุดคือวางประโยคที่คุณเจอคำนั้นลงในโมเดลที่มีความสามารถ แล้วขอนิยามตามบริบทนั้น ใน Whizi คุณถามสองโมเดลพร้อมกันได้ และจะสังเกตเห็นเวลาที่พวกมันเห็นไม่ตรงกัน ซึ่งสำหรับศัพท์ใหม่ ๆ นั้นเกิดขึ้นบ่อยอย่างน่าแปลกใจ