Generative AI คืออะไร

AI ที่คุณใช้มาก่อนหน้านี้จัดหมวดหมู่สิ่งต่าง ๆ ส่วน generative AI สร้างสิ่งต่าง ๆ

ตลอดยี่สิบปีที่ผ่านมา AI ในชีวิตประจำวันมักทำงานแบบไม่มีใครสังเกตเห็นและทำหน้าที่จัดหมวดหมู่ ตัวกรองสแปมตัดสินว่าเป็นสแปมหรือไม่ แอปรูปภาพตัดสินว่าใบหน้าไหนเป็นของใคร ธนาคารตัดสินว่าเป็นการฉ้อโกงหรือไม่ ระบบแนะนำจัดอันดับสิ่งที่จะแสดงต่อไป ทุกอย่างเหล่านี้นำสิ่งที่มีอยู่แล้วมาติดป้ายหรือให้คะแนน What is AI ครอบคลุมกลุ่มที่กว้างกว่านี้

Generative AI กลับทิศทางตรงกันข้าม แทนที่จะนำภาพมาแล้วตอบว่า "แมว" มันรับคำว่า "แมวบนขอบหน้าต่างตอนพลบค่ำ" แล้วสร้างภาพออกมา แทนที่จะให้คะแนนอีเมล มันเขียนอีเมลขึ้นมาเอง โมเดลได้เรียนรู้รูปแบบจากตัวอย่างนับล้านมากพอที่จะสร้างชิ้นใหม่ที่สอดคล้องกับรูปแบบนั้น

การกลับทิศทางนี้คือเหตุผลทั้งหมดที่ทำให้เทคโนโลยีนี้เข้าถึงคนทั่วไป การจัดหมวดหมู่เป็นเพียงฟีเจอร์หนึ่งในผลิตภัณฑ์ของคนอื่น ส่วนการสร้างเนื้อหาคือผลิตภัณฑ์ในตัวมันเอง พิมพ์คำขอแล้วได้รับสิ่งที่ต้องการ ChatGPT เปิดตัวเมื่อวันที่ 30 พฤศจิกายน 2022 และมีผู้ใช้งานต่อเดือนโดยประมาณ 100 ล้านคนในเดือนมกราคม 2023 หลังเปิดตัวเพียงสองเดือน ตามการวิเคราะห์ของ UBS ที่ Reuters รายงานเมื่อวันที่ 1 กุมภาพันธ์ 2023 ถือเป็นแอปพลิเคชันสำหรับผู้บริโภคที่เติบโตเร็วที่สุดถึงจุดนั้นในเวลานั้น เพราะเป็นครั้งแรกที่ผลลัพธ์ของโมเดลคือตัวสินค้าเอง

สิ่งที่ตามมาไม่ใช่การหยดทีละน้อยแบบสม่ำเสมอ ไทม์ไลน์การเปิดตัวโมเดล บันทึกการเปิดตัวครั้งใหญ่ 41 ครั้งนับตั้งแต่วันนั้น และ 31 ครั้งในจำนวนนั้นเกิดขึ้นในปี 2025 และ 2026 สีส้มหมายถึงโมเดลที่ใช้เหตุผลหรือตระกูลที่มาพร้อมโหมดคิด ส่วนช่วงที่แรเงาเริ่มต้นที่ o1-preview

โมเดล generative ทุกตัวเรียนรู้ว่าตัวอย่างที่น่าเชื่อถือมีหน้าตาอย่างไร แล้วสร้างมันขึ้นมา

โมเดล generative ทุกตัวถูกฝึกด้วยวิธีเดียวกันโดยพื้นฐาน คือให้มันดูตัวอย่างจำนวนมหาศาลแล้วให้มันเรียนรู้ว่าตัวอย่างที่น่าเชื่อถือมีหน้าตาอย่างไร จากนั้นในเวลาใช้งาน จะขอให้มันสร้างตัวอย่างใหม่ที่สอดคล้องกับรูปแบบและคำสั่งนั้น

สำหรับข้อความ โมเดลเรียนรู้ที่จะทำนายโทเคนถัดไป และสร้างคำตอบทีละโทเคน What is an LLM มีคำอธิบายแบบเต็ม สำหรับภาพและวิดีโอ วิธีการหลักคือ diffusion คือโมเดลเรียนรู้ที่จะขจัดสัญญาณรบกวนออกจากภาพทีละขั้นตอนเล็ก ๆ และในเวลาสร้างจริงจะเริ่มจากสัญญาณรบกวนล้วน ๆ แล้วขจัดออกไปทีละขั้นตอน ขณะที่คำบรรยายข้อความคอยกำหนดทิศทางของสิ่งที่ปรากฏขึ้น สูตรที่โมเดลสร้างภาพส่วนใหญ่ใช้คืองานวิจัย Denoising Diffusion Probabilistic Models ปี 2020 โดย Ho, Jain และ Abbeel ส่วนวิธีที่มันแทนที่คือ generative adversarial networks ซึ่งมีมาตั้งแต่ Goodfellow และคณะในปี 2014 เครื่องมือสร้างเพลงส่วนใหญ่ยืมแนวทางใดแนวทางหนึ่งจากสองวิธีนี้

ผลลัพธ์ที่ต้องจดจำไว้คือทั้งหมดนี้สร้างสิ่งที่เข้ากับรูปแบบ ไม่ใช่สิ่งที่เป็นความจริง โมเดลข้อความจะสร้างการอ้างอิงที่มีรูปร่างเหมือนการอ้างอิง โมเดลภาพจะสร้างมือที่มีรูปร่างเหมือนมือ บางครั้งมีหกนิ้ว ความลื่นไหลและข้อผิดพลาดมาจากที่เดียวกัน และ what is an AI hallucination อธิบายเวอร์ชันข้อความไว้อย่างละเอียด

สื่อสี่ประเภท โมเดลสี่แบบ หน้าต่างเดียว

ในปี 2022 generative AI หมายถึงข้อความ และแยกต่างหากคือภาพ พอถึงปี 2026 ผลิตภัณฑ์แชทเดียวส่งต่อไปยังตัวสร้างสี่ประเภท และโมเดลเบื้องหลังแต่ละประเภทก็แตกต่างกัน

การตัดสินใจของผลิตภัณฑ์ที่อยู่เบื้องหลังคือสิ่งเหล่านี้ถูกวัดปริมาณต่างกันเพราะมีต้นทุนในการรันต่างกัน คำตอบข้อความมีราคาแค่เศษเสี้ยวของหนึ่งเซนต์ ภาพเป็นตัวนับแยกต่างหาก วิดีโอและเพลงเป็นรายการที่แพงที่สุดและอยู่บนแพลนสูงสุด

การสร้างภาพไม่รวมอยู่ใน Starter อยู่ที่ 100 ต่อเดือนใน Pro และ 500 ต่อเดือนใน Powerhouse ส่วนการสร้างวิดีโอและเพลงเป็นฟีเจอร์ของ Powerhouse ตาม how Whizi credits work ช่องว่างระหว่างคำตอบข้อความกับคลิปวิดีโอคือช่องว่างระหว่างการสร้าง 500 โทเคนกับการสร้างเฟรมหลายวินาที และการตั้งราคาก็เป็นไปตามการประมวลผลนั้น

Generative AI เหมาะกับอะไร และขอบเขตที่แท้จริงของมัน

มันเก่งในการร่างต้นฉบับแรกของสิ่งที่มีรูปแบบชัดเจน เช่น อีเมล บทสรุป ฟังก์ชัน ภาพถ่ายสินค้า แทร็กเพลงประกอบ มันเก่งในการแปลงรูปแบบ นำสิ่งที่มีอยู่แล้วมาผลิตในรูปแบบอื่น แปล ย่อ เขียนใหม่ให้เหมาะกับผู้อ่านต่างกลุ่ม ปรับสไตล์ใหม่ และมันเก่งในเรื่องปริมาณ ผลิตยี่สิบแบบในเวลาที่คนคนหนึ่งจะผลิตได้แค่สองแบบ

มันอ่อนแอโดยธรรมชาติในสามเรื่อง ข้อเท็จจริงที่ไม่เคยได้รับข้อมูลมาก่อน เพราะมันสร้างสิ่งที่เข้ากับรูปแบบ ไม่ใช่สิ่งที่เป็นจริง ความแม่นยำในกรณีปลีกย่อย เช่น นิ้วที่หก หรือโค้ดที่คอมไพล์ได้แต่ทำงานผิด และการตัดสินว่าผลลัพธ์ดีหรือไม่ ซึ่งยังคงเป็นหน้าที่ของคนที่ถามคำถามนั้น คู่มือ how to use AI คือเวอร์ชันปฏิบัติของการทำงานภายในขีดจำกัดเหล่านี้

กฎการตัดสินใจคือ generative AI เป็นเครื่องมือที่เหมาะสมเมื่อคุณสามารถแยกแยะผลลัพธ์ที่ดีได้เร็วกว่าที่คุณจะผลิตมันเองได้ ถ้าคุณแยกไม่ออกว่าผลลัพธ์ไหนดีหรือไม่ดี มันยังไม่ใช่เครื่องมือที่เหมาะกับงานนั้น

Generative AI คือสาขาหนึ่งของ machine learning ซึ่งเป็นสาขาหนึ่งของ AI

Artificial intelligence คือคำร่มที่ครอบคลุมทั้งหมด นั่นคือซอฟต์แวร์ใด ๆ ที่ทำสิ่งที่เราจะเรียกว่าฉลาดถ้าคนทำ Machine learning คือวิธีที่ AI สมัยใหม่ส่วนใหญ่ใช้ คือเรียนรู้กฎจากข้อมูลแทนที่จะถูกโปรแกรมมาให้ทำตามกฎนั้น Generative AI คือสาขาของ machine learning ที่ผลลัพธ์คือเนื้อหาใหม่ Large language model คือโมเดล generative สำหรับข้อความ Chatbot คือแอปที่ห่อหุ้มรอบโมเดลนั้นไว้ แต่ละอย่างเป็นส่วนย่อยของอันก่อนหน้า และ AI glossary มีคำศัพท์ทั้งหมดรวมไว้ในที่เดียว

การอ่านในเชิงปฏิบัติคือ เมื่อผลิตภัณฑ์บอกว่า "ใช้ AI" ให้ถามว่าเป็นชนิดไหน ถ้ามันจัดหมวดหมู่ จัดอันดับ หรือคาดการณ์ นั่นคือชนิดเดิมและมักทำงานได้ดี ถ้ามันสร้างเนื้อหา นั่นคือชนิดใหม่และต้องมีคนตรวจสอบผลลัพธ์