มาเรียนรู้เกี่ยวกับปัญญาประดิษฐ์กันเถอะ

ซีรีส์เกี่ยวกับ AI, แมชชีนเลิร์นนิง, ChatGPT และอื่นๆ

นับตั้งแต่ ChatGPT เปิดตัวอย่างถล่มทลายในเดือนพฤศจิกายน 2022 ฉันก็รู้สึกได้ถึงอาการแอบอ้างและวิตกกังวลเกี่ยวกับปัญญาประดิษฐ์ (AI) มันทำอะไรกันแน่? มันทำงานอย่างไร? อะไรต่อไป? ฉันเป็นวิศวกรซอฟต์แวร์และทำงานที่ Microsoft ตั้งแต่เรียนจบในปี 2020 แต่ฉันไม่เคยมีโอกาส "ใช้ AI" อย่างแท้จริงเลย และฉันก็เพิกเฉยต่อข่าวส่วนใหญ่รอบตัวเพราะเต็มไปด้วย คำศัพท์ hype และศัพท์แสง

มาเรียนรู้เกี่ยวกับ AI และการพัฒนาล่าสุดในด้านนี้กัน ซีรีส์นี้เหมาะสำหรับทุกคน ทั้งผู้ที่ใช้เทคโนโลยีและไม่ใช้เทคโนโลยี ซึ่งมีประสบการณ์ด้าน AI เพียงเล็กน้อย เราจะเรียนรู้ร่วมกันว่าเกิดอะไรขึ้นกับเครื่องมือแชทบอทเหล่านี้ — ChatGPT, Bing ใหม่, Bard, Copilot และอื่นๆ อีกมากมาย พวกเขาตื่นเต้นมากเกินไปหรือไม่? พวกเขามีความสามารถอะไร? มีความเป็นส่วนตัว ปลอดภัย และมีจริยธรรมเพียงพอหรือไม่ คำถามเหล่านี้เป็นคำถามใหญ่ และไม่สามารถตอบได้หมดในโพสต์เดียว แต่ฉันหวังว่าจะทำลายมันลงโดยไม่มีศัพท์แสงทั้งหมดที่ดูเหมือนจะมีอยู่ในทุกบทความที่ฉันได้อ่านจนถึงตอนนี้

ในบทความนี้เราจะกล่าวถึงคำจำกัดความของ AI, การเรียนรู้ของเครื่อง, OpenAI และการประกาศเกี่ยวกับผลิตภัณฑ์ AI ล่าสุด

บทความนี้กล่าวถึง Microsoft ซึ่งเป็นนายจ้างของฉัน ฉันเขียนบทความนี้ในเวลาว่างและความคิดเห็นทั้งหมดเป็นของฉันเอง

ฉันไม่ได้สนใจ AI จนกระทั่งต้นเดือนกุมภาพันธ์เมื่อทีมของเรารู้สึกตื่นเต้นกับ FHL ทั่วทั้งองค์กร ซึ่งเป็นสัปดาห์แห่งการเรียนรู้การแก้ไขแฮ็ก โดยพื้นฐานแล้วเราจะทำทุกอย่างที่เราต้องการ หัวข้อที่ครอบงำการสนทนาคือ ChatGPT และศักยภาพของเครื่องมือที่เกี่ยวข้อง ฉันใช้เวลาสัปดาห์นั้นอย่างกระวนกระวายใจในการเรียนรู้พื้นฐานของปัญญาประดิษฐ์สมัยใหม่ คำศัพท์รอบตัว และผลิตภัณฑ์ที่ออกล่าสุด ทีมของฉันป้อนข้อมูลให้กับโมเดลและอะไรก็ตาม แต่ฉันเพิ่งอ่านบทความ Wikipedia และขอให้ ChatGPT อธิบายให้ฉันฟังว่ามันทำงานอย่างไร เมื่อทีมของฉันพิสูจน์แนวคิดที่ใช้ได้ผลแล้ว ฉันถามพวกเขาว่าพวกเขาสร้างมันขึ้นมาได้อย่างไรและอาสาสร้างวิดีโอเสนอขาย ฉันรู้สึกกระวนกระวายใจมากที่ได้หยุดงานหนึ่งวัน แต่ฉันยังคงเรียนรู้

จากนั้น "Bing ใหม่" ก็เปิดตัว และ GPT-4 ก็ออกมา และ Microsoft 365 Copilot ก็ได้รับการประกาศ และ Google ก็ได้ประกาศของตัวเองมากมาย ทั้งหมดนี้เป็นการพัฒนาที่สำคัญอย่างไม่น่าเชื่อ และเน้นให้เห็นถึงศักยภาพใหม่ของเครื่องมือ AI พวกเขายังทำให้ฉันรู้สึกไร้ความสามารถและถูกครอบงำ แต่ทางออกเดียวคือทางผ่านใช่ไหม? งั้นไปกัน.

AI คือความสามารถในการทำบางสิ่งที่ “ดูเหมือนฉลาด”เช่น เล่นเกมได้ดี จดจำลายมือ แปลงคำพูดเป็นข้อความ แนะนำวิดีโอให้ดู หรือสร้างย่อหน้าเพื่อตอบคำถามที่เขียนด้วยภาษาอังกฤษธรรมดา คำจำกัดความนี้ดูเหมือนจะครอบคลุมมาก: และมันก็เป็นเช่นนั้น! เมื่อ 100 ปีก่อนทุกอย่างทำด้วยมือ ตั้งแต่เลขคณิตพื้นฐานไปจนถึงการเตรียมเอกสาร การตั้งเวลา ไปจนถึงการวางแผนรัฐบาลระหว่างประเทศ เครื่องมือที่มีอยู่สามารถถ่ายทอดข้อมูลที่มีอยู่เท่านั้น ไม่สามารถสรุปหรือ "ทำ" อะไรกับมันได้ เครื่องมือ AI จะกำหนดการเคลื่อนไหวครั้งต่อไปในเกมกระดาน หรือคำถัดไปในข้อความค้นหา หรือสะกดคำผิดหรือไม่ เครื่องมือใด ๆ ที่สามารถสร้างผลลัพธ์ที่แตกต่างจากที่คุณป้อนถือเป็นเครื่องมือ AI ในแง่พื้นฐานที่สุด

โดยทั่วไป เรานึกถึง AI “ระดับสูงขึ้น” ที่ทำ “สิ่งที่ฉลาดจริงๆ”: เมื่อเราพูดถึง “อัลกอริทึม” ที่มีอยู่ใน YouTube, Facebook, TikTok, Amazon และที่อื่น ๆ ที่แนะนำเนื้อหา เราจะหมายถึง อัลกอริทึม AI แน่นอนว่าสิ่งที่บางคนคิดว่า “ฉลาดจริงๆ” จะแตกต่างกันไป ขึ้นอยู่กับว่าคุณถามใครและถามเมื่อไหร่ เมื่อ 50 ปีที่แล้ว ความสามารถในการเล่นหมากฮอสของคอมพิวเตอร์เป็นเรื่องน่าประหลาดใจ แต่ปัจจุบันเป็นเพียง "การคำนวณ" นี่คือเอฟเฟ็กต์ AIและฉันพยายามตอบโต้ด้วยคำจำกัดความกว้างๆ ของ AI ก่อนหน้านี้ ChatGPT และ “เครื่องมือแชทบอท” ใหม่อื่นๆ เกือบจะได้รับการพิจารณาอย่างเป็นเอกฉันท์ว่า AI เป็น “ระดับสูง” แต่จริงๆ แล้วไม่มีความแตกต่างพื้นฐานระหว่าง ChatGPT และเครื่องคิดเลขอย่างง่าย ทั้งรับอินพุต ทำการคำนวณ (ตกลง ChatGPT ทำได้หลายอย่างของการคำนวณ) และให้ผลลัพธ์ใหม่ตามอินพุต เป็นเอไอทั้งคู่ ดังนั้นสิ่งที่แยกพวกเขา?

การเรียนรู้ของเครื่องเป็นวิธีที่วิศวกรพูดถึงมากที่สุดในการสร้างอัลกอริทึม AI “ระดับสูง” เหล่านี้ และเช่นเดียวกับ AI แมชชีนเลิร์นนิงเป็นสาขาที่กว้างมาก ลักษณะที่กำหนดของอัลกอริทึมการเรียนรู้ของเครื่อง (เทียบกับอัลกอริทึม AI อื่น ๆ ) คือวิศวกรไม่ได้ "บอกโดยตรง" ว่าต้องทำอะไร แต่อัลกอริทึมการเรียนรู้ของเครื่องจะได้รับข้อมูลการฝึกอบรม (อินพุตและเอาต์พุตตัวอย่าง) และคาดว่าจะ "เรียนรู้" รูปแบบระหว่างอินพุตและเอาต์พุต ตัวอย่างเช่น อัลกอริทึมสามารถให้รูปภาพสุนัข 10,000 ภาพพร้อมเอาต์พุตตัวอย่าง "นี่คือสุนัข" และจากนั้น 10,000 รูปภาพของสิ่งอื่นใดที่มีเอาต์พุตตัวอย่าง "นี่ไม่ใช่สุนัข" จากจุดนั้น อาจมีบางคนให้ภาพใหม่แก่อัลกอริทึม และอัลกอริทึมจะใช้การเรียนรู้เพื่อบอกว่า "นี่คือสุนัข" หรือ "นี่ไม่ใช่สุนัข"

แมชชีนเลิร์นนิงไม่ได้จำกัดอยู่เพียงการจำแนกรูปภาพ แต่เป็นกระบวนการหลักเดียวกับที่ขับเคลื่อน ChatGPT, “อัลกอริทึม” ที่ปรากฏบนโซเชียลมีเดียและเว็บไซต์ช็อปปิ้ง, อัลกอริทึมหมากรุก และอื่นๆ (ในแบบฝึกหัด ให้พิจารณาว่าข้อมูลการฝึกสำหรับอัลกอริทึมเหล่านี้เป็นอย่างไร)

ลองใช้ตัวอย่าง : หมากฮอส ในอัลกอริทึมแบบดั้งเดิม วิศวกรอาจพูดว่า "โอเค คอมพิวเตอร์ นี่คือบอร์ดปัจจุบัน วิ่งผ่านการเคลื่อนไหวต่อไปที่เป็นไปได้ทั้งหมด และให้คะแนนแต่ละการเคลื่อนไหวตามจำนวนชิ้นส่วนที่ผู้เล่นคนอื่นมี และจำนวนชิ้นส่วนของคุณที่เสี่ยง เลือกการเคลื่อนไหวที่มีคะแนนสูงสุด” ระบบการให้คะแนนนี้ถือเป็นแบบอย่าง: ฟังก์ชันทางคณิตศาสตร์ที่คำนวณคะแนนสำหรับการป้อนข้อมูลที่กำหนด อัลกอริทึมนี้เป็น AI แต่ไม่ใช่การเรียนรู้ของเครื่อง ในแมชชีนเลิร์นนิง อัลกอริทึมจะได้รับข้อมูลการฝึกอบรม: "โอเค คอมพิวเตอร์ นี่คือกระดานหมากรุก นี่คือขั้นตอนต่อไปที่ดีที่สุด เราได้ให้ตัวอย่างเช่นนี้แก่คุณ 100 ตัวอย่าง เรียนรู้วิธีเล่นหมากฮอส” อัลกอริทึมสร้างโมเดลของตัวเองโดยปรับฟังก์ชันการให้คะแนนใหม่เมื่อผ่านข้อมูลการฝึกอบรม มันเปลี่ยนการให้คะแนนตามสิ่งที่คาดเดาและผลลัพธ์ที่คาดหวังคืออะไร ในขณะที่อัลกอริทึมกำลังดำเนินการผ่านข้อมูลการฝึกอบรม กล่าวกันว่ากำลังเรียนรู้หรือฝึกอบรมแบบจำลอง จากนั้นจะใช้โมเดลที่ผ่านการฝึกอบรมนี้เพื่อคาดการณ์อินพุตใหม่ เราสามารถแสดงอัลกอริทึมที่ผ่านการฝึกอบรมให้กับกระดานที่มันไม่เคยเห็นมาก่อน และมันจะใช้โมเดลของมันเพื่อทำคะแนนการเคลื่อนไหวถัดไปที่เป็นไปได้และตัดสินใจเลือก

OpenAI คือแล็บที่อยู่เบื้องหลัง ChatGPT ก่อตั้งขึ้นในปี 2015 OpenAI บัญญัติคำว่า generative pre-trained transformer (GPT) ในปี 2018 Generative หมายความว่าโมเดลจะสร้างเนื้อหา เช่น ข้อความ เราจะพูดถึงเพิ่มเติมเกี่ยวกับ "การฝึกอบรมล่วงหน้า" และ "หม้อแปลงไฟฟ้า" ในบทความต่อๆ ไป แต่จะเกี่ยวกับวิธีการสร้างอัลกอริทึมมากกว่า ไม่ใช่สิ่งที่สามารถทำได้ แต่สิ่งเหล่านี้ GPT-n (GPT-2, GPT-3 ฯลฯ) เป็นเพียงโมเดล โดยเฉพาะโมเดลภาษาขนาดใหญ่ (LLM) LLM ใช้ข้อความ ให้คะแนนข้อความผลลัพธ์ที่เป็นไปได้ จากนั้นส่งคืนข้อความที่มีคะแนนสูงสุด พวกเขาไม่ได้โต้ตอบโดยตรงเช่น ChatGPT

มี LLM อื่น ๆ ที่สร้างโดยบริษัทขนาดใหญ่อื่น ๆ เช่น Google มีLaMDAเป็นต้น “เครื่องมือแชทบอท” ใหม่เหล่านี้โดยพื้นฐานแล้วมีสองส่วน: ส่วนที่รับข้อความของคุณ (ข้อความของคุณไปยังแชทบอท) และรูปแบบภาษาเอง ทั้งสองส่วนคุยกันเหมือนกับเบราว์เซอร์ของคุณคุยกับ Google เมื่อคุณทำการค้นหาเว็บ

ChatGPT เป็นเว็บไซต์ที่พูดคุยกับโมเดล GPT เบื้องหลัง บริษัทอื่นๆ กำลังสร้างเครื่องมือของตัวเองที่พูดคุยกับ GPT-n หรือโมเดล ChatGPT ตัวอย่างเช่น “ Bing ใหม่ ” พูดคุยกับ GPT-4ซึ่งเพิ่งเผยแพร่สู่สาธารณะเมื่อวันที่ 14 มีนาคม 2023

(อัปเดต 8 เมษายน: ฉันควรชี้แจงว่าChatGPT เป็นชื่อของรุ่นที่เว็บไซต์ ChatGPT พูดคุยด้วย มันถูกระบุว่าเป็น “gpt-3.5-turbo”ในเอกสาร OpenAI หลายฉบับ ดังนั้นคุณอาจได้ยินคนพูดว่า “ChatGPT คุยกับ GPT -3.5” หรือ “ChatGPT คุยกับรุ่น GPT-3.5” ซึ่งทั้งสองอย่างนี้มักจะใกล้เคียงพอ)

การสัมผัสกันเล็กน้อย: Microsoft เป็นพันธมิตรหลักของ OpenAI GPT-4 ได้รับการฝึกอบรมเกี่ยวกับซูเปอร์คอมพิวเตอร์ที่สร้าง โดยMicrosoft ซูเปอร์คอมพิวเตอร์นั้นใหญ่เป็นอันดับห้าของโลก และมันถูกสร้างขึ้นสำหรับ OpenAI เท่านั้น Microsoft ลงทุนหลายพันล้านดอลลาร์ในแล็บและมีรายงานว่าเป็นผู้ถือหุ้น 49%ณ เดือนมกราคม 2023 โอ้ และGPT-3 นั้นได้รับอนุญาตจาก Microsoft แต่เพียงผู้เดียว — นี่หมายความว่า Microsoft จะตัดสินว่าใครสร้างหรือไม่สร้างเครื่องมือในอนาคต เช่น ChatGPT ใช้รุ่นนั้น ฉันยังไม่แน่ใจเกี่ยวกับสถานะของ GPT-4 แต่ฉันจะไม่แปลกใจเกินไปหากรุ่น GPT-n ในอนาคตทั้งหมดเป็นของ Microsoft เท่านั้น

เหตุใดบริษัทต่างๆ จึงเปิดตัวเครื่องมือแชทบอทจำนวนมาก กล่าวโดยสรุปคือ หลายๆ บริษัทได้รับรู้ถึงศักยภาพของ LLM เมื่อนานมาแล้ว และเครื่องมือเหล่านี้ก็ได้ถูกนำมาใช้งานตั้งแต่นั้นเป็นต้นมา แต่ด้วยความนิยมอย่างไม่เคยมีมาก่อนของ ChatGPT วิศวกรอาจได้รับความสามารถเพิ่มเติม และการแข่งขันดังกล่าวก็ได้รับการเผยแพร่อย่างดีตั้งแต่นั้นมา

เครื่องมือนี้มีประสิทธิภาพเนื่องจากใช้ ภาษาอังกฤษธรรมดาทั้งอินพุตและเอาต์พุต เช่นเดียวกับเครื่องมือค้นหาทั่วไป เราไม่จำเป็นต้องจำวิธีการพูดคุยกับคอมพิวเตอร์แบบเฉพาะเจาะจง เราเพียงแค่พิมพ์สิ่งที่เราคิดและเราจะได้ผลลัพธ์ ยิ่งไปกว่านั้นผลลัพธ์เป็นภาษาอังกฤษธรรมดาด้วย! แทนที่จะเป็นรายการ (โฆษณาและ) ลิงก์ที่อาจมีประโยชน์ เราเพิ่งได้รับ... คำตอบ! เครื่องมือที่สร้างขึ้นโดยใช้โมเดลของ OpenAI ทำให้การค้นหาไม่ต้องค้นหาอีกต่อไป บอกได้ไหมว่าฉันตื่นเต้น (หมายเหตุด้านข้าง: ผู้เชี่ยวชาญอ้างถึง "ภาษาอังกฤษล้วน" เป็น "ภาษาธรรมชาติ")

ในที่สุด ความกว้างและความลึกของเครื่องมือเหล่านี้ให้ความรู้สึกไร้ขีดจำกัดอย่างแท้จริง ฉันเชื่อว่าการประกาศของ Microsoft เกี่ยวกับ Microsoft 365 Copilotพูดเพื่อตัวเอง แต่ถ้าการสาธิต 40 นาทีและภาพรวมมากเกินไปสำหรับคุณ ฉันจะสรุปให้ Microsoft เชื่อมั่นในพลังของเครื่องมือที่คุณป้อนภาษาอังกฤษธรรมดา และส่งออกข้อมูลที่เป็นประโยชน์หรือแม้แต่การแก้ไขที่เป็นประโยชน์ในเอกสารของคุณ Copilot คือ "ChatGPT ที่เข้าถึงเอกสาร Microsoft 365 ของคุณได้" ขอให้ Copilot บรรยายสุนทรพจน์ 3 นาทีสำหรับการสำเร็จการศึกษาของลูกสาว อย่าลืมพูดถึงผลการเรียนที่ดีของเธอ คุณภูมิใจในตัวเธอแค่ไหน และคุณตื่นเต้นกับอนาคตของเธอมากแค่ไหน แล้วคุณจะได้สิ่งนั้น ทันที ไม่ต้องค้นหา ไม่ต้องคัดลอก ไม่มีอะไรเลย เป้าหมายของกระบวนทัศน์ "copilot" คือการจัดเตรียมแบบร่างและตัวเลือกการแก้ไขด่วนโดยไม่ต้องเข้าควบคุมและผู้ใช้ไม่ต้องทำงานที่วุ่นวายใดๆ เลย แทนที่จะถาม "เพื่อน Excel" ของคุณถึงวิธีเขียนสูตรเฉพาะ (ฉันกำลังดูคุณอยู่ พ่อ) หรือพยายามกรองผลลัพธ์จาก Google เพียงถาม Copilot มันจะไม่เพียงแค่ให้สูตรแก่คุณเท่านั้น แต่ยังแสดงภาพให้คุณเห็น ให้บริบทเพิ่มเติมเกี่ยวกับมัน ให้คำแนะนำทางเลือก — อะไรก็ได้! โอเค นี่เริ่มฟังดูเหมือนโฆษณา (ไม่ใช่นะ) แต่ฉันรู้สึกตื่นเต้นจริงๆ ฉันยังไม่ได้ใช้ Copilot แต่ฉันกระตือรือร้นที่จะใช้งาน และฉันจะรายงานกลับเมื่อทำได้ หากเทคโนโลยีนี้ใช้งานได้ "เพียงแค่ Google เท่านั้น" จะถูกแทนที่ด้วย "เพียงแค่ถาม Copilot"

Microsoft ไม่ได้เป็นเพียงรายเดียว: Google ได้ประกาศคุณลักษณะที่คล้ายคลึงกันสำหรับGoogle Workspaceและทั้งสองบริษัทได้ประกาศกรอบงานสำหรับนักพัฒนาบางรูปแบบเพื่อช่วยให้วิศวกรสามารถสร้างประสบการณ์ที่ขับเคลื่อนด้วย LLM-AI ของตนเองได้: Microsoft มีSemantic KernelและGoogle มีMakerSuite ขณะที่เขียน Google's Bard เพิ่งเข้าสู่การแสดงตัวอย่างสาธารณะ ฉันยังไม่เคยได้ยินอะไรมากนักจาก Amazon, Apple หรือบริษัทเทคโนโลยีขนาดใหญ่อื่นๆ แต่เป็นเรื่องของเวลาเท่านั้น

นอกจากนี้ OpenAI ยังเผยแพร่เรื่องราวของลูกค้า 6 เรื่อง สำหรับ GPT-4: Duolingo , Khan Academy , Government of Iceland , Stripe , Morgan StanleyและBe My Eyes เรื่องราวเหล่านี้เน้นให้เห็นถึงความหลากหลายของแอปพลิเคชัน LLM ที่นอกเหนือจาก “เครื่องมือแชทบอท” ที่เราคุ้นเคย คาดว่าเทคโนโลยีนี้จะเริ่มผสานรวมในรูปแบบที่แปลกใหม่มากขึ้นเรื่อยๆ!

เห็นได้ชัดว่าผู้เล่นรายใหญ่หลายรายในอุตสาหกรรมเชื่อว่าเครื่องมือแชทบอทใหม่เหล่านี้จะเป็นการปฏิวัติเช่นเดียวกับสมาร์ทโฟน ฉันมีแนวโน้มที่จะเชื่อพวกเขา

นั่นคือบทสรุปของตอนที่ 1! ฉันหวังว่าบทความนี้จะช่วยให้คุณเข้าใจภูมิทัศน์ของ AI ในปัจจุบันและสิ่งที่จะเกิดขึ้นในอนาคตอันใกล้ หากคุณยังไม่ได้ใช้ คุณสามารถใช้ChatGPTได้ฟรีลองใช้ Bing ใหม่หรือดูการสาธิตไม่รู้จบที่เว็บไซต์วิดีโอใดก็ได้ที่อยู่ใกล้คุณ

ขอบคุณสำหรับการอ่าน. คุณต้องการเรียนรู้อะไรต่อไป ฉันจะช่วยได้อย่างไร? แจ้งให้เราทราบในความคิดเห็น!

นี่คือบทความที่สองในชุดนี้:

อัปเดตเมื่อวันที่ 8 เมษายนเพื่อชี้แจงว่า ChatGPT เป็นทั้งรุ่นและผลิตภัณฑ์

อัปเดต 16 เมษายนเพื่อเพิ่มคำบรรยาย

อัปเดตเมื่อวันที่ 6 พฤษภาคมสำหรับรูปภาพเด่นที่น่าสนใจยิ่งขึ้น (เป็นรูปสมอง หุ่นยนต์ และอีโมจิหัวระเบิดบนพื้นหลังสีน้ำเงิน) อัปเดตข้อสรุปและเปลี่ยน "Bing ใหม่" เป็น "Bing ใหม่"

อัปเดต 7 พฤษภาคมเพื่อกำหนด "พรอมต์" และเพิ่มข้อจำกัดความรับผิดชอบ "ไม่ขึ้นกับ Microsoft"