ผู้นำทางความคิด
การให้เหตุผลของ LLMs ผ่านปัญหาเชิงซ้อนได้ดีเพียงใด?
การแนะนำและการพัฒนาของ ปัญญาประดิษฐ์เชิงสร้างสรรค์ เป็นการเปลี่ยนแปลงที่เกิดขึ้นอย่างรวดเร็วและเข้มข้น ทำให้เราต้องพยายามเข้าใจถึงผลกระทบของเทคโนโลยีนี้ต่อชีวิตของเรา
ถอยหลังไปสามปีที่แล้ว AI กำลังแพร่หลายมากขึ้น แต่คนส่วนใหญ่ยังไม่เข้าใจถึงความสามารถของ AI จริงๆ การให้เครดิตกับ AI มากเกินไปหรือน้อยเกินไป ทำให้คนส่วนใหญ่ไม่เข้าใจถึงความสามารถของ AI ที่แท้จริง
เมื่อเปรียบเทียบกับปัจจุบัน เราสามารถสร้างภาพ เสียง และภาพยนตร์ที่เป็นเอกลักษณ์ได้โดยไม่ต้องมีทักษะพิเศษ nào และสามารถเข้าถึงข้อมูลได้อย่างง่ายดาย โดยใช้เพียงการเขียนประโยคหรือถามคำถามเท่านั้น
หลายคนได้ทดลองใช้ AI เชิงสร้างสรรค์ เช่น ChatGPT, Midjourney หรือเครื่องมืออื่นๆ และบางคนได้นำ AI มาใช้ในชีวิตประจำวันของตนเอง ความเร็วในการพัฒนาของ AI นี้ทำให้เราต้องตื่นตัวและเตรียมพร้อมสำหรับการเปลี่ยนแปลงในอนาคต
หนึ่งในเครื่องมือที่ใช้ในการพัฒนาคือระบบการสร้างข้อความที่มีการดึงข้อมูลมาจากแหล่งต่างๆ (Retrieval-Augmented Generation) และความสามารถในการคิดเชิงซ้อนของ AI นี้ได้รับการทดสอบผ่านชุดข้อมูล FRAMES ซึ่งได้รับการอธิบายไว้ในบทความเกี่ยวกับวิธีการทำงานของชุดข้อมูลนี้
เรามาดูว่า FRAMES เป็นอย่างไรและ AI เชิงสร้างสรรค์สามารถทำงานได้ดีเพียงใด เราจะเห็นได้ว่า AI ที่กระจายและเปิดกว้างสามารถแข่งขันกับ AI ที่เป็นศูนย์กลางและปิดได้อย่างไร และเราจะเห็นได้ว่า AI เหล่านี้สามารถให้ผลลัพธ์ที่น่าประทับใจได้อย่างไร
FRAMES เป็นหน้าต่างสู่สมองของ GenAI
ชุดข้อมูล FRAMES และกระบวนการประเมินมุ่งเน้นไปที่คำถาม 824 ข้อที่ต้องการการอนุมาน การเชื่อมโยงเชิงตรรกะ การใช้แหล่งข้อมูลหลายแหล่ง และความสามารถในการสร้างคำตอบโดยการเชื่อมโยงข้อมูลเหล่านั้นเข้าด้วยกัน
เมื่อชุดข้อมูลนี้ถูกปล่อยออกมาและทดสอบ นักวิจัยพบว่า AI ที่ดีที่สุดสามารถตอบคำถามได้อย่างแม่นยำประมาณ 40% เมื่อต้องใช้วิธีการเดียว แต่สามารถตอบได้อย่างแม่นยำถึง 73% เมื่อให้สามารถดึงข้อมูลที่จำเป็นทั้งหมดมาใช้
ตัวอย่างเช่น คำถามหนึ่งคือ “ปีใดที่ผู้นำวงดนตรีที่演奏เพลงที่ถูกตัวอยู่ในเพลง Power ของ Kanye West เกิด?” เพื่อตอบคำถามนี้ AI จะต้องสามารถดึงข้อมูลมาจากหลายแหล่ง เช่น ข้อมูลเกี่ยวกับเพลง Power และข้อมูลเกี่ยวกับวงดนตรีที่演奏เพลงที่ถูกตัวอยู่ในเพลงนั้น
FRAMES แสดงให้เห็นว่าการตอบคำถามที่ซับซ้อนจำเป็นต้องมีการประมวลผลความคิดที่มาก และสองสิ่งที่น่าสนใจคือ ความสามารถของ AI ที่กระจายและเปิดกว้างในการแข่งขันกับ AI ที่เป็นศูนย์กลางและปิด และความสามารถของ AI ที่เปิดกว้างในการให้ผลลัพธ์ที่น่าประทับใจ
เราจะเห็นได้ว่า AI เหล่านี้สามารถให้ผลลัพธ์ที่น่าประทับใจได้อย่างไร และเราจะเห็นได้ว่า AI เหล่านี้สามารถพัฒนาได้อย่างไรในอนาคต
อนาคตที่อยู่ข้างหน้า
กุญแจสำคัญของการเปลี่ยนแปลงเหล่านี้คือความเร็วในการพัฒนาที่เร็วมาก และเราจะเห็นได้ว่า AI เหล่านี้จะพัฒนาได้อย่างไรในอนาคต และเราจะเห็นได้ว่า AI เหล่านี้จะส่งผลกระทบต่อชีวิตของเราอย่างไรในอนาคต












