บล็อก

ถามผู้เชี่ยวชาญด้านเทคโนโลยี: การอนุมานคืออะไร?

Markdown

ผู้เชี่ยวชาญจาก Google อธิบายการอนุมานของ AI ผ่านบทสัมภาษณ์ฉบับเต็ม ครอบคลุมการจับคู่รูปแบบ ประเภทโมเดล การคาดการณ์ การจำแนกประเภท การประเมิน ความเป็นส่วนตัว AI Overviews ระบบเอเจนต์ และประสิทธิภาพ

การอนุมานเป็นส่วนสำคัญที่ทำให้ AI มีความสามารถมากขึ้น ในบทสัมภาษณ์ Google Techspert นี้ ผู้เชี่ยวชาญจาก Google สองคนอธิบายว่าการอนุมานคืออะไร และช่วยให้ระบบ AI สร้างผลลัพธ์ที่เป็นประโยชน์ได้อย่างไร

ในเดือนเมษายน Google เปิดตัว Ironwood ซึ่งเป็นหน่วยประมวลผลเทนเซอร์ (TPU) รุ่นที่เจ็ด ออกแบบมาเพื่อขับเคลื่อนการอนุมานของ AI เชิงกำเนิด TPU เป็นชิปที่ขับเคลื่อนระบบ AI และไม่ใช่ของใหม่สำหรับ Google แต่ TPU รุ่นนี้ออกแบบมาเพื่อช่วยให้ระบบ AI ก้าวข้ามการตอบสนอง และเริ่มทำงานเชิงรุกได้ การอนุมานคือกระบวนการที่ช่วยให้ระบบ AI ใช้โมเดลเพื่อสร้างผลลัพธ์จากองค์ความรู้

ฉันรู้ความหมายของคำว่า inference — คือการสรุปอะไรบางอย่างจากข้อมูลที่ได้รับ แล้วเมื่อพูดถึง AI คำนี้มีความหมายแบบเดียวกันไหม?

ผู้เชี่ยวชาญจาก Google: ก็ประมาณนั้นครับ/ค่ะ แม้จะเป็นการอธิบายแบบง่ายเกินไป แต่คิดว่าวิธีทำความเข้าใจการอนุมานที่ง่ายที่สุดคือการจับคู่รูปแบบ ในความหมายกว้างที่สุด เมื่อพูดถึง AI เชิงกำเนิดและการอนุมาน เรากำลังถามว่า โมเดล AI จับคู่รูปแบบเพื่อคาดเดาสิ่งที่คุณต้องการได้ไหม ตัวอย่างเช่น ถ้าฉันพูดว่า “เนยถั่วกับ ____” แล้วขอให้ผู้ฟังชาวอเมริกันเติมคำในช่องว่าง พวกเขาก็น่าจะตอบว่า “เยลลี” นี่เป็นตัวอย่างที่ดีของการอนุมานรูปแบบการพูด และเป็นสิ่งที่การอนุมานของ AI ทำได้ แต่ความสามารถนั้นไปไกลกว่านี้มาก

ผู้เชี่ยวชาญจาก Google: โดยทั่วไป การอนุมานคือวิธีที่เราใช้โมเดลเพื่อทำสิ่งที่เป็นประโยชน์ ก่อนอื่นเราต้องฝึกโมเดล โมเดล AI จะประกอบด้วยพารามิเตอร์ของโมเดล สถาปัตยกรรมของโมเดล และการกำหนดค่า ซึ่งเป็นโค้ดที่จำเป็นต่อการทำงานตามภารกิจ และองค์ประกอบเหล่านี้รวมกันเพื่อให้โมเดลทำงานได้ตามที่ออกแบบไว้ การอนุมานจึงช่วยให้เรานำองค์ประกอบทั้งหมดนั้นมาใช้งานได้จริง

โมเดล AI ประเภทใดบ้างที่ใช้การอนุมาน?

ผู้เชี่ยวชาญจาก Google: AI เชิงลึก เช่น โมเดลภาษา โมเดลสร้างภาพ และโมเดลเสียง ล้วนใช้การอนุมาน เพราะโมเดลเหล่านี้คาดการณ์สิ่งที่จะ “เกิดขึ้น” โดยอิงจากรูปแบบข้อมูลในอดีตที่ได้เรียนรู้มา

ผู้เชี่ยวชาญจาก Google: โมเดลแนะนำก็ใช้การอนุมานเช่นกัน

ตัวอย่างของโมเดลแนะนำมีอะไรบ้าง?

ผู้เชี่ยวชาญจาก Google: โมเดลโฆษณาส่วนใหญ่เป็นโมเดลแนะนำ เช่นเดียวกับโมเดลที่แนะนำวิดีโอ YouTube ให้คุณ โมเดลเหล่านี้เป็น AI “แบบดั้งเดิม” (บางครั้งเรียกว่า “แบบคลาสสิก”) ไม่ใช่ AI เชิงกำเนิดอย่าง LLM และโมเดลสร้างภาพหรือวิดีโอ ซึ่งใช้การอนุมานมานานแล้ว

แสดงว่าการอนุมานไม่ใช่เรื่องใหม่ใน AI แต่พัฒนาขึ้นตามความสามารถของ AI ที่เพิ่มขึ้นใช่ไหม?

ผู้เชี่ยวชาญจาก Google: ใช่ครับ/ค่ะ นอกจากช่วยให้โมเดล AI คาดการณ์แล้ว การอนุมานยังช่วยให้โมเดลจำแนกประเภทได้ด้วย โมเดลสามารถติดป้ายกำกับสิ่งต่าง ๆ ตามสิ่งที่ได้เรียนรู้มา ตัวอย่างที่มีชื่อเสียงคือ เมื่อหลายปีก่อน Google ให้ภาพหนึ่งภาพแก่โมเดล AI แล้วถามว่าโมเดลระบุแมวในภาพได้ไหม ด้วยข้อมูลและการอนุมาน โมเดลสามารถเรียนรู้ได้ด้วยตัวเองว่าแมวคืออะไรและมีลักษณะอย่างไร แล้วระบุแมวได้อย่างถูกต้อง

ฉันจำได้!

ผู้เชี่ยวชาญจาก Google: นั่นเป็นตัวอย่างของโมเดลที่ใช้การอนุมาน

ผู้เชี่ยวชาญจาก Google: เมื่อไม่นานมานี้ คุณจำได้ไหมว่าเมื่อสองสามปีก่อน ผู้คนพูดถึงภาพที่ AI สร้างขึ้นซึ่งแทบจะไม่สนใจกฎฟิสิกส์เลย ตัวอย่างเช่น มือของคนมักแสดงออกมาไม่ถูกต้อง แต่โมเดลในปัจจุบันทำได้ดีกว่ามาก ทั้งในเรื่องฟิสิกส์และพื้นผิว รวมถึงด้านอื่น ๆ เช่นเดียวกับการแปลข้อความ ตัวอย่างเช่น การแปลภาษาในอดีตใช้วิธีเชิงสถิติ แม้จะใช้งานได้ แต่ก็ไม่แม่นยำนัก และแน่นอนว่าไม่เป็นธรรมชาติเหมือนบทสนทนา อย่างไรก็ตาม การแปลเชิงสถิติได้นำไปสู่การแปลด้วย AI เชิงกำเนิด ซึ่งทุกวันนี้ผู้คนจำนวนมากรู้สึกสบายใจที่จะนำไปใช้ แม้แต่ในผลิตภัณฑ์ที่ให้บริการแก่ลูกค้า เรายังคงใช้กระบวนการที่เรียกว่าการอนุมาน แต่ AI ที่อยู่เบื้องหลังและความสามารถในการประมวลผลของเราพัฒนาขึ้นอย่างมาก

เราวัดได้ไหมว่าการอนุมานทำงานได้ดีแค่ไหน?

ผู้เชี่ยวชาญจาก Google: วัดได้ โดยดูว่าโมเดลทำงานในภารกิจต่าง ๆ ได้ดีแค่ไหน เรายังใช้การอนุมานเพื่อประเมินและฝึกโมเดลให้ดีขึ้นด้วย ดังนั้น ระหว่างฝึกโมเดล เราจึงเรียกใช้การอนุมานอย่างต่อเนื่อง เพื่อพยายามปรับปรุงคุณภาพของโมเดลไปพร้อมกัน

ผม/ฉันคิดว่าการตั้งค่าการฝึกแบบนี้ทำให้ระดับการอนุมานดีขึ้นเรื่อย ๆ ตามเกณฑ์มาตรฐานของอุตสาหกรรม

ผู้เชี่ยวชาญจาก Google: ใช่ครับ/ค่ะ แต่ยังมีเรื่องการรับรู้ของมนุษย์ด้วยว่า เราทุกคนสังเกตเห็นสิ่งเหล่านี้ดีขึ้นมากน้อยเพียงใด โดยทั่วไปแล้ว เราสังเกตเห็นการเปลี่ยนแปลงค่อนข้างมาก อีกเรื่องที่เราให้ความสำคัญอย่างยิ่งที่ Google เมื่อพัฒนาการอนุมานคือความเป็นส่วนตัว เราระมัดระวังเกี่ยวกับข้อมูลที่จำเป็นต้องจัดเก็บเพื่อให้ประสบการณ์เหล่านี้ทำงานได้

มีตัวอย่าง AI ของ Google อะไรบ้างที่แสดงให้เห็นว่าการอนุมานพัฒนาขึ้น?

ผู้เชี่ยวชาญจาก Google: หนึ่งในกรณีการใช้งานการอนุมานที่ดีที่สุดของเราที่ Google คือ AI Overviews คุณพิมพ์คำค้นหาใน Search แล้วระบบที่ซับซ้อนมากจะแจกจ่ายงานนั้นไปยังโมเดลหลายตัวเพื่อรวบรวมผลลัพธ์ ระบบใช้การอนุมานเพื่อทำความเข้าใจคำค้นหาและรู้ว่าคุณต้องการคำตอบแบบไหน จากนั้นจะสรุปสิ่งที่เรียนรู้ให้กลายเป็นข้อมูลที่เป็นประโยชน์อย่างยิ่ง การอนุมานยังมีความสำคัญต่อ งานด้านเอเจนต์หลายอย่างที่ Google กำลังทำอยู่ ด้วยเอเจนต์ นอกจากจะขอให้โมเดล AI ให้ข้อมูลตามการอนุมานแล้ว คุณยังสั่งให้โมเดลทำสิ่งต่าง ๆ ให้ได้ด้วย นี่เป็นการขยายแนวคิดการอนุมานจากที่เราเคยเข้าใจในอดีต

การอนุมานจึงเก่งขึ้นในการใช้ข้อมูลหรือองค์ความรู้เพื่อเสนอคำตอบและแม้แต่ลงมือทำ แล้วมีการเปลี่ยนแปลงอะไรอีกบ้าง?

ผู้เชี่ยวชาญจาก Google: สิ่งหนึ่งที่สำคัญมากคือค่าใช้จ่าย เราพยายามทำให้การอนุมานมีราคาที่เข้าถึงได้มากที่สุด สมมติว่าเราต้องการทำให้ผู้คนเข้าถึง Gemini รุ่นที่เล็กลงและมีราคาถูกลง เราจะปรับปรุงการอนุมานของโมเดลเพื่อหาวิธีเปลี่ยนแนวทางการประมวลผล หรือโค้ดที่ประกอบเป็นโมเดล โดยไม่เปลี่ยนความหมายหรือภารกิจหลักที่โมเดลควรทำ เพื่อช่วยลดค่าใช้จ่าย โดยพื้นฐานแล้วคือการสร้างโมเดลรุ่นที่เล็กลงและมีประสิทธิภาพมากขึ้น เพื่อให้ผู้คนจำนวนมากเข้าถึงความสามารถของโมเดลได้

เราจะลดค่าใช้จ่ายได้อย่างไร?

ผู้เชี่ยวชาญจาก Google: วิธีหนึ่งคือการเพิ่มประสิทธิภาพฮาร์ดแวร์ นั่นจึงเป็นเหตุผลที่ Google จะเปิดตัว Ironwood ในปีนี้ การออกแบบที่ให้ความสำคัญกับการอนุมานเป็นอันดับแรกทำให้ชิปนี้เหมาะกับงานอนุมาน โดยมีพลังประมวลผลและหน่วยความจำมากขึ้น พร้อมเพิ่มประสิทธิภาพสำหรับชนิดตัวเลขบางประเภท ในด้านซอฟต์แวร์ Google กำลังปรับปรุงคอมไพเลอร์และเฟรมเวิร์กของตน เมื่อเวลาผ่านไป เป้าหมายคือทำให้การอนุมานของ AI มีประสิทธิภาพยิ่งขึ้น ได้คุณภาพดีขึ้นโดยใช้ทรัพยากรน้อยลงและมีต้นทุนต่ำลง เพื่อให้เป็นประโยชน์ได้

ดูเอกสารประกอบ API ของ Ailoot ได้ที่ ailoot.ai/docs