โมเดลพื้นฐาน (Foundation Models) คืออะไร 

เรากําลังอยู่ในช่วงเวลาที่น่าตื่นเต้นในโลกของปัญญาประดิษฐ์ (AI) ที่โมเดลใหม่ๆ สามารถสร้างข้อความที่สมจริง สร้างภาพที่สวยงาม เขียนโค้ดใหม่ และแต่งเพลงได้ สิ่งเหล่านี้เป็นความสามารถที่เกิดจากโมเดลพื้นฐาน ซึ่งเป็นระบบ AI ที่ได้รับการฝึกฝนจากข้อมูลขนาดใหญ่จากอินเทอร์เน็ต รวมถึงข้อความ ภาพ วิดีโอ และอื่นๆ โมเดลพื้นฐานเปิดโอกาสใหม่ๆ ที่ทรงพลังขึ้นมาก

Foundation Models คืออะไร?

ลองนึกภาพว่า Foundation Models คือ "สมอง AI" ขนาดใหญ่ที่ถูกฝึกฝนด้วยข้อมูลจํานวนมหาศาลจากทั่วทุกมุมโลก

ไม่ว่าจะเป็นข้อความ รูปภาพ วิดีโอ หรือแม้แต่โค้ดโปรแกรม

ทําให้ "สมอง AI" นี้มีความสามารถหลากหลาย เหมือนคนที่มีความรู้รอบตัว สามารถนําไปปรับใช้กับงานได้หลายประเภท

• สรุปเอกสาร: ย่อรายงานยาว ๆ ให้อยู่ในรูปแบบที่กระชับและเข้าใจง่าย
• สร้างเรื่องราว: แต่งนิทาน บทละคร หรือแม้แต่สคริปต์วิดีโอ
• ตอบคําถาม: หาคําตอบให้กับคําถามที่คุณสงสัย
• เขียนโค้ด: ช่วยเขียนโปรแกรมคอมพิวเตอร์
• แก้โจทย์คณิตศาสตร์: ช่วยแก้ปัญหาทางคณิตศาสตร์ที่ซับซ้อน
• สร้างเสียงสังเคราะห์: สร้างเสียงพูดที่เป็นธรรมชาติ (ตัวอย่างเช่น การสร้างเสียงผู้ช่วยเสมือนจริง)

ตัวอย่างที่เห็นได้ชัดคือ GPT (Generative Pre-trained Transformer) ที่สามารถเขียนบทความหรือร่างอีเมลได้อย่างคล่องแคล่ว หรือ DALL-E ที่สามารถเนรมิตภาพจากข้อความคําอธิบายง่าย ๆ

ตัวอย่าง Foundation Models ที่รู้จักกันดี

Foundation Models หรือโมเดลพื้นฐานที่รู้จักกันดีในแต่ละด้าน เช่น

โมเดลประเภทข้อความ (Text)

• GPT (Generative Pre-trained Transformer) จาก OpenAI: เป็นพื้นฐานของ ChatGPT และ GPT-4 ที่สามารถเขียนบทความ, ตอบคําถาม, เขียนโค้ด, และแต่งกลอนได้อย่างสมจริง
• Claude จาก Anthropic:  คู่แข่งของ GPT ที่เน้นความปลอดภัย, การให้คําตอบที่มีเหตุผล, และการตอบคําถามยาวๆ ได้อย่างละเอียด
• LLaMA จาก Meta:  เป็นโมเดลโอเพนซอร์สที่นักพัฒนาสามารถนําไปต่อยอดได้ มีหลายขนาดตั้งแต่เล็กถึงใหญ่
• Gemini จาก Google:  โมเดลที่ทํางานได้ทั้งกับข้อความและรูปภาพ ใช้งานใน Bard (ปัจจุบันคือ Gemini)

โมเดลประเภทภาพ (Image)

• DALL-E จาก OpenAI: สร้างภาพจากคําอธิบาย เช่น "แมวนั่งบนหลังคาในคืนพระจันทร์เต็มดวง" จะได้ภาพตามคําอธิบายนั้น
• Midjourney:  โมเดลสร้างภาพศิลปะที่สวยงามจากคําอธิบาย เป็นที่นิยมในกลุ่มนักออกแบบและศิลปิน
• Stable Diffusion:  โมเดลโอเพนซอร์สที่สามารถดาวน์โหลดมาใช้ได้ฟรี มีชุมชนขนาดใหญ่ที่พัฒนาต่อยอดเพิ่มความสามารถ

โมเดลประเภทเสียงและวิดีโอ (Audio/Video)

• Whisper จาก OpenAI:  โมเดลแปลงเสียงพูดเป็นข้อความที่แม่นยําในหลายภาษา
• Sora จาก OpenAI:  สร้างวิดีโอความยาวหลายวินาทีจากคําอธิบาย ที่มีความสมจริงสูงมาก
• Dream Machine จาก Luma Labs : เป็น Video Generative Foundation Model แบบ text-to-video สําหรับสร้างวิดีโอแบบสวยงามเสมือนจริง จากคําสั่ง Prompt ด้วยข้อความ
• Veo 2 จาก Google DeepMind : เป็น text-to-video ที่ใช้สร้างวิดีโอเสมือนจริงแบบคุณภาพสูงระดับ 4k
• LLark จาก Spotify: เป็น Multimodal Foundation Model สําหรับเพลง สามารถใช้อธิบายเพลงต่างๆได้ เช่น จังหวะ เครื่องดนตรีที่ใช้
• Bark จาก Suno : เป็นโมเดลแบบ text-to-audio และ text-to-music สําหรับสร้างเสียงดนตรีและแต่งเพลงได้  จากการสั่งงาน Prompt ด้วยข้อความ พัฒนาโดยบริษัท Suno
• Udio : เป็นโมเดลแบบ text-to-audio และ text-to-music แบบ Suno ถูกสร้างโดยอดีตนักวิจัยจาก Google Deepmind

ความเสี่ยงและข้อควรระวัง

แม้ Foundation Models จะมีศักยภาพสูง แต่ก็มีความเสี่ยงที่ต้องพิจารณา:

• อคติในข้อมูล (Bias) 
  • เนื่องจากโมเดลถูกเทรนด้วยข้อมูลจากอินเทอร์เน็ต ซึ่งอาจมีอคติหรือเนื้อหาที่ไม่เหมาะสม ทําให้โมเดลอาจสะท้อนอคติเหล่านั้นออกมาโดยไม่รู้ตัว ตัวอย่างเช่น หากข้อมูลที่ใช้เทรนส่วนใหญ่เป็นภาพผู้ชายในบทบาทนักวิทยาศาสตร์ โมเดลก็อาจจะเชื่อมโยง "นักวิทยาศาสตร์" เข้ากับ "ผู้ชาย" โดยอัตโนมัติ และอาจจะไม่สามารถสร้างภาพนักวิทยาศาสตร์หญิงได้ดีเท่าที่ควร หรืออาจสร้างภาพผู้หญิงในบทบาทอื่น ๆ ที่เหมารวม (stereotype) แทน

• การกระจายของข้อมูลเท็จ (Disinformation)
  • ผู้ไม่หวังดีสามารถใช้ Foundation Models สร้างข่าวปลอม บทความบิดเบือน หรือเนื้อหาหลอกลวงอื่น ๆ ที่ดูสมจริงจนยากที่จะแยกแยะได้ว่าเป็นข้อมูลเท็จ

•  การกระจุกตัวของอํานาจ
  • เนื่องจากต้นทุนในการพัฒนาโมเดลเหล่านี้สูงมาก (ระดับหลายสิบถึงหลายร้อยล้านดอลลาร์) ทําให้มีเพียงบริษัทเทคโนโลยีขนาดใหญ่ไม่กี่แห่งที่สามารถพัฒนาได้ ส่งผลให้เกิดการรวมศูนย์อํานาจและความไม่เท่าเทียมในการเข้าถึงเทคโนโลยี

อนาคตของ Foundation Models และแนวทางรับมือ

Foundation Models จะยังคงมีบทบาทสําคัญในอนาคต เปลี่ยนแปลงวิธีที่เราทํางาน ใช้ชีวิต และสร้างสรรค์สิ่งใหม่ ๆ อย่างไรก็ตาม เพื่อให้เทคโนโลยีนี้เป็นประโยชน์ต่อสังคมอย่างแท้จริง เราจําเป็นต้อง:

• สร้างมาตรฐานและแนวทางที่ชัดเจน: กําหนดมาตรฐานและแนวทางปฏิบัติในการพัฒนาและใช้งาน Foundation Models ที่โปร่งใส ตรวจสอบได้ และคํานึงถึงผลกระทบต่อสังคม
• ส่งเสริมความร่วมมือ: สร้างความร่วมมือระหว่างภาครัฐ ภาคเอกชน และภาคประชาสังคม เพื่อกําหนดกรอบจริยธรรมและกฎระเบียบที่เหมาะสมในการใช้งาน AI
• ลงทุนในการวิจัย: สนับสนุนการวิจัยและพัฒนาเพื่อแก้ไขปัญหาอคติ เพิ่มความหลากหลายของข้อมูล และสร้าง AI ที่เป็นธรรมและเชื่อถือได้
• ให้ความรู้แก่ประชาชน: ส่งเสริมความเข้าใจเกี่ยวกับ AI และ Foundation Models ให้กับประชาชนทั่วไป เพื่อให้ทุกคนสามารถใช้เทคโนโลยีนี้ได้อย่างรู้เท่าทัน และเท่าเทียม

 บทสรุป

Foundation Models เป็นก้าวสําคัญของวงการ AI ที่เปิดประตูสู่โอกาสใหม่ ๆ มากมาย แต่ก็มาพร้อมกับความท้าทายที่ต้องรับมืออย่างรอบคอบ

การพัฒนาและใช้งานเทคโนโลยีนี้ต้องมีความรับผิดชอบ โปร่งใส และคํานึงถึงผลกระทบต่อสังคม เพื่อเป็นกุญแจสําคัญในการสร้างอนาคตที่ AI เป็นประโยชน์ต่อทุกคนอย่างแท้จริง

แหล่งอ้างอิง

• What is a Foundation Model? An Explainer for Non-Experts
• Sora
• Google DeepMind
• Dream Machine