บทที่ 1 · AI เดาคำถัดไปยังไง หน้า 1/11 ~2 นาที

ทำไมถามซ้ำแล้วได้คำตอบไม่เหมือนเดิม

ยังใหม่กับ AI? เริ่มที่ Lite (~1 ชม., ไม่มีสูตร) →

ความลับข้อแรกคือ โมเดลภาษาขนาดใหญ่ (โมเดลภาษาขนาดใหญ่ (Large Language Model, LLM)โปรแกรมที่ถูกฝึกจากข้อความจำนวนมหาศาลให้เดาคำถัดไปได้เก่งมาก ChatGPT, Claude และ Gemini คือ LLMดูคำศัพท์ทั้งหมด) อย่าง ChatGPT หรือ Claude ไม่ได้เปิดฐานข้อมูลหาคำตอบสำเร็จรูป มันเขียนคำตอบขึ้นมาใหม่ทีละชิ้นเล็กๆ ที่เรียกว่า โทเคน (token)ชิ้นข้อความที่ AI มองเห็นจริงๆ อาจเป็นทั้งคำ ส่วนของคำ หรือตัวอักษรเดียว แต่ละชิ้นมีเลขประจำตัวดูคำศัพท์ทั้งหมด

LLM ไม่ได้ "ค้นคำตอบ" แต่ "เดาคำถัดไป" ทีละคำ ซ้ำไปเรื่อยๆ จนจบประโยค

เพราะมัน "เดา" การถามซ้ำจึงได้คำตอบไม่เหมือนเดิม และบางครั้งก็เดาผิดอย่างมั่นใจ

คอร์สนี้จะตอบคำถามของหัวหน้าพี่มดใน 7 บท:

  1. AI เดาคำถัดไปยังไง — เลือกคำยังไง และทำไมบางทีถึงมั่ว
  2. AI เข้าใจความหมายยังไง — "แผนที่ความหมาย" และการค้นเอกสารมาช่วย
  3. ข้างใน Transformer — ข้อความไหลผ่านชั้นต่างๆ จนออกมาเป็นคำ
  4. AI เรียนรู้ยังไง — ฝึกจากข้อความมหาศาลด้วยการลดความผิดทีละนิด
  5. จากเครื่องเดาคำ สู่ผู้ช่วย — ทำไมมันคุยรู้เรื่อง และบางทีก็ตามใจเราเกินไป
  6. ตอนมันตอบจริง — ทำไมตอบได้เร็ว และค่าใช้จ่ายมาจากไหน
  7. คิดเป็นขั้น ใช้เครื่องมือ เป็น agent — ทำงานเองได้แค่ไหน และวัดผลยังไง
แผนที่คอร์ส 7 บทบทที่ 1 AI เดาคำถัดไปยังไง: token · softmax · temperature · top-p บทที่ 2 AI เข้าใจความหมายยังไง: embedding · cosine · attention · RAG บทที่ 3 ข้างใน Transformer: RoPE · causal mask · multi-head · MLP บทที่ 4 AI เรียนรู้ยังไง: loss · gradient descent · scaling laws บทที่ 5 จากเครื่องเดาคำ สู่ผู้ช่วย: base model · SFT · RLHF · sycophancy บทที่ 6 ตอนมันตอบจริง: prefill · KV cache · quantization · MoE บทที่ 7 คิดเป็นขั้น ใช้เครื่องมือ เป็น agent: reasoning · tool calling · agent · eval1AI เดาคำถัดไปยังไงtoken · softmax · temperature · top-p2AI เข้าใจความหมายยังไงembedding · cosine · attention · RAG3ข้างใน TransformerRoPE · causal mask · multi-head · MLP4AI เรียนรู้ยังไงloss · gradient descent · scaling laws5จากเครื่องเดาคำ สู่ผู้ช่วยbase model · SFT · RLHF · sycophancy6ตอนมันตอบจริงprefill · KV cache · quantization · MoE7คิดเป็นขั้น ใช้เครื่องมือ เป็น agentreasoning · tool calling · agent · eval

ทุกตัวเลขในนี้กดเล่นได้ คณิตที่ใช้ไม่เกิน ม.ปลาย และใช้เวลาราว 30 นาทีต่อบท (ไม่รวมหน้าเสริมสำหรับคนอยากลงลึก)

มังคุด มาสคอตมังคุด

มังคุด

เดี๋ยวนะ มันเดาเหรอ? แล้วทำไมมันตอบเก่งจัง?