ศัพท์ AI อธิบายง่าย ๆ อภิธานศัพท์ภาษาคนสำหรับมือใหม่

ห้าคำที่สำคัญในชั่วโมงแรกของคุณ

งานเขียนเรื่อง AI ส่วนใหญ่สมมติว่าคุณมีคลังคำที่ไม่เคยมีใครสอน แต่ส่วนที่ใช้ได้จริงนั้นเล็กนิดเดียว ห้าคำแบกน้ำหนักในทางปฏิบัติไว้เกือบทั้งหมด ส่วนที่เหลือรอไปอีกหลายเดือนได้

โมเดล คือตัว AI เอง ระบบที่ผ่านการฝึกมาแล้วซึ่งอ่านคำของคุณและผลิตคำตอบออกมา แอปไม่ใช่โมเดล ChatGPT คือแอปที่รันโมเดลของ OpenAI, Gemini คือแอปที่รันโมเดลของ Google และ Whizi คือแอปที่ถือโมเดลของหลายบริษัทไว้พร้อมกัน ความต่างข้อนี้คุ้มค่าขึ้นมาทันทีในครั้งแรกที่คำตอบทำให้คุณผิดหวัง เพราะการเปลี่ยนโมเดลมักเป็นคานงัดที่ใหญ่กว่าการเรียบเรียงคำถามใหม่

พรอมต์ ก็คือสิ่งที่คุณพิมพ์นั่นแหละ ไม่มีไวยากรณ์ลับ ไม่มีรายการคำสั่ง ไม่มีอะไรให้ท่อง คำขอธรรมดาที่ระบุว่าผลลัพธ์นี้ทำเพื่อใคร มีหน้าที่อะไร และคุณอยากได้รูปแบบไหนกลับมา ชนะประโยคเท่ ๆ บรรทัดเดียวได้เกือบทุกครั้ง

แชตบอต คือหน้าต่างบทสนทนาที่คุณพิมพ์ลงไป ทุกอย่างที่คุณพูดในบทสนทนาหนึ่งยังอยู่ในสายตาของโมเดลตอนที่มันตอบ นั่นคือเหตุผลที่คำสั่งต่อเนื่องอย่าง "สั้นลงหน่อย" หรือ "เป็นทางการขึ้น" ได้ผลโดยที่คุณไม่ต้องเล่าคำขอเดิมซ้ำ พอเปิดแชตใหม่ ความจำที่ใช้ร่วมกันนั้นก็หายไป ซึ่งเป็นสิ่งที่คุณต้องการเมื่อเปลี่ยนหัวข้อ เพราะบริบทตกค้างจากคำถามที่ไม่เกี่ยวข้องคือต้นเหตุที่พบบ่อยของคำตอบที่รู้สึกเพี้ยน ๆ

โทเคน คือชิ้นส่วนของข้อความ ราวสามในสี่ของคำภาษาอังกฤษโดยเฉลี่ย โมเดลอ่าน นับ และคิดเงินเป็นโทเคนแทนที่จะเป็นคำ เอกสาร 1,000 คำจึงตกอยู่ราว 1,300 โทเคน คุณจะเจอคำนี้ในหน้าราคาและในเรื่องขีดจำกัดการใช้งานเป็นหลัก

context window คือปริมาณข้อความที่โมเดลถือไว้ในสายตาได้พร้อมกัน วัดเป็นโทเคน มันต้องครอบคลุมทั้งเอกสารที่คุณวางลงไป บทสนทนาทั้งหมดที่ผ่านมา และคำตอบที่กำลังถูกเขียน เมื่อคุณโยนสัญญาห้าสิบหน้าลงในแชตแล้วคำตอบเริ่มขัดกับหน้าสามอย่างเงียบ ๆ นั่นคือคุณเจอขอบของมันแล้ว context window คืออะไร มีตัวเลขจริงให้ดู ส่วนกฎที่ใช้ได้จริงนั้นสั้นมาก คือหนึ่งบทสนทนายาว ๆ ต่อหนึ่งเรื่อง แล้วค่อยเริ่มใหม่

มีอย่างหนึ่งที่ทำได้ตอนนี้เลย เปิดแอป AI ตัวไหนก็ได้ แล้วขอให้มันอธิบายศัพท์ที่คุณเห็นมาสัปดาห์นี้แล้วไม่รู้จัก ด้วยคำพูดของคุณเอง จากนั้นถามคำถามที่สอง "คุณสมมติว่าฉันรู้อะไรอยู่แล้วบ้าง" คำถามต่อเนื่องข้อนี้เปลี่ยนคำนิยามให้กลายเป็นคำอธิบาย และใช้ได้กับทุกหัวข้อ

แต่อย่าลืมตรวจคำตอบกับที่อื่นด้วย ระบบเหล่านี้พูดสิ่งที่ผิดด้วยน้ำเสียงสงบแบบเดียวกับที่ใช้กับสิ่งที่ถูก และคำนิยามก็เป็นเป้าที่อ่อน เพราะรายละเอียดที่แต่งขึ้นมาอย่างน่าเชื่อจะเล็ดลอดผ่านคุณไป ในเมื่อคุณไม่มีทางจับได้อยู่แล้ว ความล้มเหลวแบบนั้นมีชื่อเรียก และมันอยู่ในตารางข้างล่างนี้

อภิธานศัพท์ที่เหลือ และคุณต้องรู้มันตอนนี้หรือยัง

นี่คือคำที่รอคุณอยู่ในพาดหัวข่าว หน้าราคา และช่องคอมเมนต์ คอลัมน์ที่สามคือส่วนที่พูดตรง ๆ ส่วนใหญ่ไม่ใช่ความรู้วันแรก และการแกล้งทำเป็นว่าใช่คือสาเหตุที่มือใหม่ลงเอยด้วยความรู้สึกโง่กับเรื่องที่ไม่ได้กระทบตัวเองเลย

ศัพท์	ความหมายแบบง่าย	คุณต้องรู้ไหม
LLM	โมเดลภาษาขนาดใหญ่ ชนิดของโมเดลที่อยู่เบื้องหลังแอปแชตทุกตัวที่คุณเคยได้ยิน เวลาบทความเขียนว่า LLM ให้อ่านว่า AI	ควรรู้ พาดหัวข่าวจะได้เลิกเป็นเสียงรบกวน
Generative AI	AI ใดก็ตามที่ผลิตข้อความ ภาพ เสียง หรือวิดีโอใหม่ แทนที่จะจัดเรียงของที่มีอยู่แล้ว	ควรรู้ ประโยคเดียวก็พอ
การฝึกโมเดล	กระบวนการที่ยาวนานและแพง คือป้อนข้อความมหาศาลให้โมเดลจนมันเรียนรู้แบบแผน มันจบไปก่อนที่คุณจะเปิดแอปเสียอีก	ควรรู้ แบบสั้น ๆ
วันตัดข้อมูลฝึก	วันที่ข้อมูลฝึกหยุดลง ถามเรื่องหลังจากนั้นแล้วโมเดลก็เดา เว้นแต่แอปจะค้นเว็บให้	ควรรู้ ข้อนี้ทำคนสะดุดบ่อย
Hallucination หรืออาการหลอน	คำตอบที่มั่นใจ ลื่นไหล และแต่งขึ้นทั้งหมด เป็นข้อบกพร่องที่สำคัญที่สุด	ควรรู้ ตั้งแต่วันแรก
Multimodal	โมเดลรับมือกับอะไรมากกว่าข้อความ ทั้งรูปถ่าย PDF เสียง และบางทีก็วิดีโอ	ควรรู้ ทันทีที่คุณอยากอัปโหลดรูป
Fine-tuning	การฝึกโมเดลที่มีอยู่แล้วซ้ำด้วยข้อมูลของคุณเอง เพื่อให้มันเชี่ยวชาญเฉพาะทาง	ยังไม่ต้อง นี่เป็นโปรเจกต์ระดับบริษัท
Temperature	ปุ่มปรับว่าถ้อยคำจะสุ่มมากแค่ไหน ต่ำคือคาดเดาได้ สูงคือหลุดกรอบ	ยังไม่ต้อง ค่าเริ่มต้นที่สมเหตุสมผลถูกเลือกไว้ให้แล้ว
Agent	AI ที่ลงมือทำหลายขั้นตอนด้วยตัวเอง แทนที่จะตอบครั้งเดียว	ยังไม่ต้อง และดูหัวข้อถัดไป
API	ท่อที่นักพัฒนาใช้ต่อโมเดลเข้ากับซอฟต์แวร์ของตัวเอง	ยังไม่ต้อง เว้นแต่คุณเขียนโค้ด
RAG	การสร้างคำตอบโดยดึงข้อมูลมาช่วย คือโมเดลไปค้นในคลังเอกสารก่อนตอบ	ยังไม่ต้อง แม้แอปที่ตอบจากไฟล์ที่คุณอัปโหลดจะทำงานด้วยสิ่งนี้
โมเดลโอเพนซอร์ส	โมเดลที่ใครก็ดาวน์โหลดค่าน้ำหนักไปรันเองได้ เช่น Llama หรือ DeepSeek	ยังไม่ต้อง มันเปลี่ยนอะไรไม่มากสำหรับคนใช้แชต
Reasoning model	โมเดลที่ไล่แก้ปัญหาเป็นขั้นที่มองเห็นได้ก่อนตอบ ช้ากว่า แต่เก่งเลขและตรรกะกว่า	อีกไม่นาน ครั้งแรกที่คำถามยาก ๆ ล้มเหลว
System prompt	คำสั่งที่ซ่อนอยู่ ซึ่งแอปให้โมเดลไว้ก่อนที่คุณจะพิมพ์อะไร	ยังไม่ต้อง มีประโยชน์ตอนคุณสร้างผู้ช่วยของตัวเอง

มีสองแถวที่ควรมีเชิงอรรถ อาการหลอนไม่ใช่ข้อผิดพลาดนาน ๆ ครั้งที่รอแพตช์ปิด มันไหลออกมาจากวิธีที่ระบบเหล่านี้สร้างข้อความ นั่นคือเหตุผลที่ ทำไม AI ถึงตอบผิด เป็นคู่มือของตัวเอง ไม่ใช่แค่หัวข้อย่อยหนึ่งข้อ ส่วนคำว่า multimodal คุ้มค่ากับสิบนาทีทันทีที่คุณมีรูปใบเสร็จ ภาพหน้าจอข้อความแจ้งข้อผิดพลาด หรือแบบฟอร์มที่สแกนมาให้ต้องจัดการ การทำงานกับรูปภาพและเอกสาร แสดงให้เห็นว่าหน้าตาเป็นอย่างไรในวันอังคารธรรมดา ๆ

คำที่ฝ่ายการตลาดใช้ ซึ่งมีความหมายน้อยกว่าที่ฟัง

ผู้ขายไม่ได้โกหกเสียทีเดียว พวกเขาแค่ใช้คำที่เคยมีความหมายเฉพาะเจาะจง แต่ตอนนี้ส่วนใหญ่แปลว่า "เราออกของใหม่แล้ว" การรู้ช่องว่างนี้คือสิ่งที่ทำให้คุณไม่ต้องจ่ายค่าอัปเกรดเพื่อดรอปดาวน์ที่บรรจุคำตอบสำเร็จรูปไว้

• ขับเคลื่อนด้วย AI ปกติหมายถึงมีฟีเจอร์หนึ่งที่เรียกโมเดลของคนอื่น บางครั้งก็หมายถึงกล่องแนะนำที่คุณปิดได้ คำถามที่ควรถามคือ โมเดลไหน และมันเปิดไว้ตั้งแต่ต้นหรือเปล่า
• สมาร์ต คำนี้มีมาก่อนคลื่นลูกนี้ทั้งหมด และตอนนี้แทบไม่มีความหมาย โฟลเดอร์สมาร์ตคือการค้นหาที่บันทึกไว้ การตอบกลับแบบสมาร์ตคือวลีสำเร็จรูปสามอัน มองข้ามคำคุณศัพท์ไปหาคำกริยา คือมันทำอะไรกับงานของคุณ
• เจเนอเรชันถัดไป เป็นคำกล่าวอ้างในรูปอนาคตกาล มันเข้ากันได้ดีกับผลิตภัณฑ์ที่แย่กว่าเวอร์ชันที่มันมาแทน และมักโผล่มาตอนที่ไม่มีการพัฒนาที่วัดได้ให้ใครเอ่ยถึง
• AI agent วลีที่ทำงานหนักที่สุดของปี 2026 ถ้าใช้อย่างเคร่งครัด มันหมายถึงซอฟต์แวร์ที่วางแผนและลงมือทำหลายขั้นด้วยตัวเอง เช่น จองทริปตั้งแต่ต้นจนจบ แต่ในภาษาการตลาด มันมักหมายถึงแชตบอตที่มีอวาตาร์หน้าตาเป็นมิตรขึ้น ลองถามว่ามันทำอะไรเมื่อไปต่อไม่ได้ และมันลงมือได้เองโดยไม่ถามคุณก่อนหรือเปล่า
• AI-first เป็นคำแถลงเรื่องกลยุทธ์ภายใน ไม่ใช่เรื่องประสบการณ์ของคุณกับผลิตภัณฑ์ มันบอกว่าบริษัทเล็งงบวิศวกรรมไปทางไหน ซึ่งอาจยังไปไม่ถึงฟีเจอร์ที่คุณกำลังจะจ่ายเงินซื้อ

มีคำถามเดียวที่ตัดผ่านทั้งหมดนี้ได้ คือถามว่าฟีเจอร์นี้ทำอะไรเมื่อมันผิด ผลิตภัณฑ์ที่มี AI จริงอยู่ข้างในจะมีคำตอบ และคำตอบนั้นเกี่ยวกับขั้นตอนตรวจทาน ปุ่มย้อนกลับ สัญญาณความมั่นใจ หรือแหล่งอ้างอิงที่มองเห็นได้ ส่วนผลิตภัณฑ์ที่แค่แปะสติกเกอร์ไว้จะเงียบไปเลย

ทำไมชื่อโมเดลถึงดูเหมือนป้ายทะเบียนรถ

ชื่อโมเดลมีสองส่วนที่ทำหน้าที่คนละอย่าง ตัวคำคือตระกูล ซึ่งเป็นสายผลิตภัณฑ์ที่บริษัทพัฒนาต่อเนื่อง เช่น GPT จาก OpenAI, Claude จาก Anthropic, Gemini จาก Google และ Llama จาก Meta ส่วนตัวเลขและคำต่อท้ายคือเวอร์ชัน และบ่อยครั้งก็บอกขนาดด้วย ตระกูลหนึ่งจึงอาจปล่อยสมาชิกตัวเล็กที่เร็ว กับตัวใหญ่ที่ละเอียดรอบคอบ ออกมาในเช้าวันเดียวกัน การอ่านชื่อจึงเป็นเรื่องของการแยกสองส่วนนี้ออกจากกัน แล้วมองข้ามคำการตลาดที่แทรกอยู่ตรงกลาง

คุณอาจสังเกตว่าบทความนี้ไม่ได้ระบุหมายเลขเวอร์ชันสักตัว นั่นตั้งใจ เวอร์ชันเปลี่ยนทุกไม่กี่สัปดาห์ และอภิธานศัพท์ใดที่ตรึงมันไว้ก็จะผิดภายในฤดูกาลถัดไป สิ่งที่ไม่เปลี่ยนคือรูปร่างของตัวเลือก โมเดลเล็กเร็วและถูก และใช้จัดอีเมลให้เรียบร้อยได้สบายมาก ส่วนโมเดลใหญ่ช้ากว่าและเก่งกว่ากับเอกสารยาว ๆ และการให้เหตุผลที่ยาก แต่ละตระกูลยังมีบุคลิกของตัวเองที่ออกมาในน้ำเสียง และในความเคร่งครัดที่จะยึดกับต้นทางที่คุณให้ไป

รุ่นใหม่ล่าสุดก็ไม่ได้เหมาะกับงานของคุณโดยอัตโนมัติเช่นกัน ใหม่กว่ามักแปลว่าคะแนนเบนช์มาร์กดีกว่า และเบนช์มาร์กวัดโจทย์แบบข้อสอบ ไม่ได้วัดว่างานเขียนฟังดูเหมือนคุณหรือไม่ หลายคนพบว่าโมเดลรุ่นเก่ากว่าและถูกกว่าเขียนอีเมลให้พวกเขาได้ดีกว่า แล้วเก็บตัวแพงไว้ใช้กับงานยากสองงานต่อสัปดาห์ คุณจะรู้เรื่องนี้ได้ก็ต่อเมื่อรันงานจริงงานเดียวกันผ่านสองหรือสามโมเดล แล้วอ่านผลลัพธ์เทียบกัน ซึ่ง การเลือกโมเดล AI พาทำทีละขั้น การทำแบบนั้นโดยไม่ต้องจ่ายให้ผู้ให้บริการสามรายคือเหตุผลทั้งหมดที่ Whizi วาง GPT, Claude, Gemini และโมเดลสร้างภาพไว้ในการสมัครเดียว

ห้าคำที่ควรเรียนตอนครบสามเดือน

พอถึงเดือนที่สาม คุณจะเดินชนกำแพงมาแล้วสองสามครั้ง ห้าคำนี้คือชื่อของกำแพงเหล่านั้น นั่นคือเหตุผลที่มันคุ้มจะเรียนตอนนั้น ไม่ใช่ตอนนี้

1. Reasoning model เริ่มสำคัญในครั้งแรกที่โมเดลทำการคำนวณหลายขั้นหรือโจทย์ตรรกะพังอย่างมั่นใจ การสลับไปใช้ reasoning model มักแก้ได้ทันที แลกกับการรอคำตอบนานขึ้น
2. System prompt สำคัญตอนที่คุณสังเกตว่าตัวเองกำลังวางย่อหน้าปูพื้นเดิม ๆ ลงในแชตใหม่ทุกครั้ง วิธีแก้คือบันทึกมันไว้ครั้งเดียวเป็นคำสั่งประจำ
3. RAG สำคัญตอนที่คุณอยากได้คำตอบที่ยึดกับไฟล์ของคุณเองมากกว่าอินเทอร์เน็ตทั้งใบ เช่น โฟลเดอร์นโยบายที่ไม่มีใครอ่านมาตั้งแต่ปี 2019
4. Temperature สำคัญตอนที่ผลลัพธ์รู้สึกว่าซ้ำ ๆ กันเกินไปในทุกครั้งที่ลอง หรือไม่ก็แกว่งเกินไป และคุณอยากหมุนปุ่มมากกว่าจะกดสุ่มใหม่ไปเรื่อย ๆ
5. Fine-tuning แทบไม่เคยสำคัญเลยสำหรับคนทั่วไป และคุ้มที่จะรู้ว่าทำไม คือมันใช้เงินจริง ต้องมีตัวอย่างที่สะอาดหลายร้อยชุด และพรอมต์ที่ดีบนโมเดลที่ดีก็ชนะมันในเกือบทุกกรณีที่คนนึกว่าจะใช้มัน

ถ้าอยากได้ชั้นที่อยู่ใต้ทั้งหมดนี้ AI คืออะไรกันแน่ ครอบคลุมกลไกโดยไม่ต้องใช้คณิตศาสตร์ และ วิธีคุยกับ AI เปลี่ยนย่อหน้าเรื่องพรอมต์จากหัวข้อแรกให้กลายเป็นนิสัย เปิดหน้านี้ทิ้งไว้ในแท็บสักหนึ่งสัปดาห์ คลังคำจะเลิกน่ากลัวราวครั้งที่สี่ที่คุณเจอคำที่คุณรู้จักอยู่แล้ว