LLM สำหรับเด็กประถม

ปัจจุบัน คำสำคัญที่ร้อนแรงที่สุดในอุตสาหกรรมก็คือ LLM นั่นเอง
มีการเปิดตัวโมเดลอย่างต่อเนื่อง เช่น Claude 3.5, Grok3
และบริการต่างๆ ที่ใช้ LLM ก็เพิ่มมากขึ้นเช่นกัน เช่น 뤼튼 (Ruiton) และ 제타 (Zeta)

ในฐานะนักพัฒนาซอฟต์แวร์ สักวันเราคงต้องนำ LLM มาใช้กับบริการของเราด้วยเช่นกัน
เพื่อไม่ให้ตกใจเมื่อถึงเวลานั้น เราควรทำความเข้าใจพื้นฐานไว้ก่อนล่วงหน้าจะดีกว่านะ!
ดังนั้น ผมจึงรวบรวมคำสำคัญหลักๆ มาให้ดูกัน

LLM

LLM (Large Language Model) พูดให้เข้าใจง่ายๆ ก็คือ
"AI ที่เข้าใจข้อความที่ป้อนเข้าไป แล้วตอบกลับมาเป็นข้อความ"
ตัวอย่างเช่น โมเดลอย่าง GPT-4o, Claude 3, Grok3

ปัจจุบัน LLM ไม่ได้แค่สร้างประโยคอย่างเดียวอีกต่อไปแล้ว
แต่สามารถทำงานได้หลากหลาย เช่น การเขียนโค้ด การวิเคราะห์ภาพ การแก้สมการ
ผมว่าตอนนี้มาถึงยุคที่นักพัฒนาใช้ AI เป็นเครื่องมือแล้วล่ะ

Tool Call, Function Call

LLM ไม่ได้แค่ตอบคำถามอย่างเดียว
"สามารถขอให้เรียกใช้เครื่องมือที่จำเป็นเพื่อช่วยทำงานได้"

ตัวอย่างเช่น

• ถ้าผู้ใช้บอกว่า "ช่วยคำนวณตัวเลขนี้หน่อย"
• LLM จะขอให้เรียกใช้ API ของเครื่องคิดเลข
• แล้วส่งผลลัพธ์กลับไปให้ผู้ใช้

แต่ LLM ไม่ได้เรียกใช้ API โดยตรงนะ
เราต้องเขียนโค้ดเพื่อเรียกใช้เอง ㅜㅜ

RAG (Retrieval-Augmented Generation)

ไม่ว่า LLM จะฉลาดแค่ไหน
มันก็สร้างคำตอบได้จากข้อมูลที่เรียนรู้มาเท่านั้น
แล้วจะเรียกใช้ข้อมูลอย่างข่าวล่าสุดหรือเอกสารภายในบริษัทได้ยังไงล่ะ?

ตอนนั้นแหละที่ต้องใช้ RAG นี่แหละ

• ค้นหาข้อมูลที่ต้องการจากฐานข้อมูลภายนอกก่อน (Retrieval)
• แล้วใช้ข้อมูลนั้นสร้างคำตอบ (Generation)

แบบนี้ LLM ก็สามารถใช้ข้อมูลล่าสุดได้แล้ว

กล่าวคือ ก่อนที่ LLM จะตอบคำถาม จะมีการป้อนข้อมูลที่จำเป็นสำหรับการตอบคำถามก่อน แล้วสรุปหรือใช้ข้อมูลนั้นเป็นพื้นฐานในการตอบคำถาม
ทั้งหมดนี้เรียกว่า RAG นั่นเอง

4B, 8B, 308B? ตัวเลขเหล่านี้คืออะไร?

ถ้าดูโมเดล LLM จะเห็นตัวเลขอย่าง 8B, 70B ติดอยู่
นี่คือ จำนวนพารามิเตอร์ (Parameter) ที่โมเดลเรียนรู้มา นั่นเอง

• 8B (8 พันล้านตัว) → โมเดลเบา เร็ว
• 308B (308 พันล้านตัว) → โมเดลใหญ่ แต่ช้า

ยิ่งโมเดลใหญ่ ยิ่งแม่นยำ แต่ก็อาจจะใช้เวลาและค่าใช้จ่ายมาก
ปัจจุบันนี้ โมเดลขนาดเล็ก กำลังเป็นที่นิยม

เพราะโมเดลใหญ่จะทำให้ความเร็วในการตอบสนองช้าลง
ส่งผลให้ผู้ใช้เลิกใช้บริการไป

มัลติเอเจนต์ (Multi-Agent)

LLM ไม่ได้ทำงานทุกอย่างคนเดียว
แต่ใช้ AI หลายตัว (เอเจนต์) ร่วมมือกันทำงาน

เช่น

• ตัวหนึ่งรับผิดชอบการเขียนโค้ด
• ตัวหนึ่งวิเคราะห์ข้อมูล
• ตัวหนึ่งจัดการเอกสาร

การแบ่งงานแบบนี้จะทำให้ เร็วขึ้นและตอบคำถามได้แม่นยำขึ้น เหมือนบริษัทเลยใช่ไหม? มีคนทำฝั่ง front-end ... มีคนทำฝั่ง back-end ...
เป็นต้น

Validation Feedback (ฟีดแบ็กการตรวจสอบ)

LLM ไม่ได้ตอบถูกเสมอไป
อาจจะตอบผิดบ้าง

ดังนั้นจึงจำเป็นต้องมี Validation Feedback นี่แหละ

• ถ้าผู้ใช้ให้ฟีดแบ็กว่าคำตอบของ LLM ถูกหรือผิด
• โมเดลก็จะฉลาดขึ้นเรื่อยๆ

สามารถทำให้เป็นระบบอัตโนมัติได้ด้วยนะเพื่อให้ LLM เรียนรู้ด้วยตัวเอง นั่นเอง

หรือในกรณีที่ใช้ Function Call หรือรูปแบบการตอบกลับที่กำหนดไว้
สามารถบังคับให้ปฏิบัติตามรูปแบบได้

วิธีใช้ Function Call ใน OpenAI

ถ้าจะใช้ Function Call กับ GPT-4o ของ OpenAI จริงๆ
สามารถเขียนโค้ดได้ดังนี้

🔹 ตัวอย่าง TypeScript

การใช้ Function Call แบบนี้จะทำให้
LLM ไม่ได้แค่สร้างข้อความอย่างเดียว
แต่สามารถทำงานจริงได้ด้วย ทำให้เป็น **AI ที่มีประโยชน์จริงๆ**

Agentica

การกรอกค่าพารามิเตอร์ลงใน FunctionCall อย่างละเอียด อาจจะยุ่งยากมาก
ดังนั้น Vercel ai และ LangChain จึงใช้ไลบรารี่ zod
เพื่อตรวจสอบว่าค่าพารามิเตอร์ที่ LLM ส่งกลับมานั้นถูกต้องหรือไม่ ทำการ Validation Feedback

ซึ่งจะทำให้การเรียกใช้ Function Call แม่นยำมากขึ้น

แต่การเขียนสกีมาด้วย zod สำหรับค่าพารามิเตอร์ของฟังก์ชันที่ซับซ้อนนั้นยุ่งยากมาก
นักพัฒนาอาจจะรู้สึกว่า"ยุ่งยาก" นั่นเอง

ดังนั้นผมจึงขอแนะนำไลบรารี่ Agentica ดูนะครับ

ด้วยโค้ดสั้นๆ นี้ สามารถกำหนดฟังก์ชันในสามคลาสและ endpoint ของ swagger
เป็น Function Call และตั้งค่าให้เรียกใช้โดยอัตโนมัติในระหว่างการสนทนา

ซึ่งจะสร้าง "เอเจนต์แชทบอท" ขึ้นมา

การใช้งาน LLM และ AI กำลังง่ายขึ้นเรื่อยๆ
น่ากลัวจริงๆ ว่าเทคโนโลยีจะพัฒนาไปถึงไหน