Google ชงแนวคิด'ความจำเป็น' ใช้ AI อย่างรับผิดชอบ
Generative AI เป็นตัวช่วยสำคัญในการปฏิวัติอุตสาหกรรม ดังนั้นเพื่อดึงพลังมาใช้อย่างถูกต้องและเต็มประสิทธิภาพ การผนวกข้อมูลเข้ากับความจริงองค์กร (enterprise truth) ผ่านการ Grounding เพื่อส่งเสริมการใช้ AI อย่างรับผิดชอบ หรือ Responsible AI จึงเป็นสิ่งสำคัญ
อรรณพ ศิริติกุล Country Director, Google Cloud ประเทศไทย เปิดประเด็น การใช้เอไอ อย่างมีความรับผิดชอบซึ่งเป็นเรื่องสำคัญ ท่ามกลางการใช้ AI อย่างแพร่หลาย ซึ่งการ Grounding เป็นหนึ่งในปัจจัยที่ดันให้เอไอมีความแม่นยำและเชื่อถือได้
Grounding หมายถึง
Grounding หมายถึง การเชื่อมต่อโมเดล เอไอ กับแหล่งข้อมูลที่เชื่อถือได้ เพื่อให้แน่ใจว่า ผลลัพธ์จะออกมาจากข้อมูลที่ตรวจสอบแล้ว โดยมีบทบาทสำคัญในการทำให้เจเนอเรทีฟ เอไอ (Generative AI) มีความแม่นยำ เชื่อถือได้ และมีประโยชน์มากขึ้นสำหรับการใช้งานที่หลากหลาย ทั้งช่วยเชื่อมระหว่างข้อมูลจากในตัวโมเดลกับข้อมูลที่มีอยู่มากมายภายนอก นำไปสู่ระบบเอไอที่มีข้อมูลครบถ้วนน่าเชื่อถือมากขึ้น
ตัวอย่างเช่น แชทบอท ที่ผ่านการ Grounding แล้วจะสามารถเข้าถึงฐานข้อมูลความรู้เฉพาะของบริษัท หรือเอกสารประกอบผลิตภัณฑ์ เพื่อให้คำตอบที่ถูกต้องแก่คำถามต่างๆ ของลูกค้า นอกจากนี้ บริษัทที่ใช้ เอไอ เพื่อพัฒนาการเขียนเชิงการตลาด ยังใช้โมเดลที่ผ่านการ Grounding เพื่อให้มั่นใจได้ว่าเนื้อหากำลังถูกพัฒนาจากข้อมูลตลาดแบบเรียลไทม์ หรือแหล่งที่มาที่ได้รับการตรวจสอบแล้ว
การ Grounding โมเดล เอไอ จากแหล่งข้อมูลแบบเรียลไทม์ เช่น ข่าวหรือข้อมูลการเงิน ช่วยให้โมเดลเหล่านี้ให้คำตอบที่ตรงจุดและอัปเดตที่สุด มีประโยชน์ต่อแอปพลิเคชันอย่างแชทบอท หรือผู้ช่วยเสมือนจริงอย่างมาก การ Grounding ช่วยให้โมเดลเอไอปรับตัวตามสถานการณ์ และข้อมูลที่เปลี่ยนแปลงอยู่ตลอดเวลา
เช่น โปรแกรมนำทางที่ผ่านการ Grounding มาแล้วสามารถประมวลผลข้อมูลการจราจรแบบเรียลไทม์เพื่อแนะนำเส้นทางมีประสิทธิภาพสูงสุดแก่ผู้ใช้งาน เป็นต้น
เมื่อลูกค้าเลือกการ Grounding ด้วย กูเกิล เสิร์ช สำหรับโมเดลเจมิไน (Gemini) ที่ใช้งานอยู่ Gemini จะใช้กูเกิล เสิร์ชสร้างผลลัพธ์ที่ผ่านการย่อยรวมกับผลค้นหาที่เกี่ยวข้อง ซึ่งใช้งานง่ายและช่วยให้ Gemini ได้รับข้อมูลจากทั่วโลก
ความสามารถการ Grounding
ความสามารถการ Grounding ช่วยจัดการกับอุปสรรคที่สำคัญที่สุดต่อการนำ Generative AI มาใช้ในองค์กร คือความจริงที่ว่าโมเดลต่างๆ นั้น ไม่สามารถเรียนรู้ข้อมูลอื่นได้ นอกเหนือจากข้อมูลที่ได้รับการฝึกอบรมมา และแนวโน้มที่โมเดลจะเกิดอาการ “หลอน” หรือสร้างข้อมูลที่ดูน่าเชื่อถือแต่ไม่ถูกต้องตามข้อเท็จจริง
การ Grounding ด้วยกูเกิล เสิร์ช มีค่าใช้จ่ายเพิ่มเติมในการดำเนินการ แต่เนื่องจาก Gemini มีความสามารถฝึกฝนเพิ่มเติมความรู้ในระดับสูง การ Grounding จึงอาจไม่จำเป็นต้องใช้ในการตอบทุกคำถาม
อรรณพ อธิบายว่า Gemini จะเลือกทำงานผ่านความสามารถในการทำความเข้าใจว่า prompts หรือคำสั่งต่างๆ ที่ได้รับจะถูกจำแนกอยู่ในหมวดหมู่ใด อาทิ ข้อเท็จจริงที่ไม่เคยเปลี่ยนแปลง เปลี่ยนแปลงช้า หรือเปลี่ยนแปลงอย่างรวดเร็ว ยกตัวอย่างเช่น คำถามเกี่ยวกับภาพยนตร์ใหม่ล่าสุดที่การ Grounding ด้วยกูเกิล เสิร์ช จะช่วยให้ข้อมูลล่าสุดได้
แต่ในทางกลับกันหากเป็นคำถามทั่วไป เช่น “เมืองหลวงของฝรั่งเศสคืออะไร” Gemini ก็สามารถตอบด้วยความรู้มากมายที่มีอยู่ในโมเดลได้ทันที โดยไม่จำเป็นต้องทำการ Grounding ข้อมูลจากภายนอก
อรรณพ อธิบายว่า โมเดลที่ผ่านการ Grounding แล้วมีแนวโน้มให้การตอบสนองที่สม่ำเสมอและแม่นยำ ซึ่งช่วยเพิ่มความน่าเชื่อถือและความไว้วางใจสำหรับการใช้งานสำคัญ ๆ ที่การได้รับข้อมูลที่ผิดพลาดอาจส่งผลร้ายแรงได้
ในโลกที่พัฒนาอย่างรวดเร็วของเทคโนโลยี Generative AI การ Grounding ถือเป็นรากฐานที่สำคัญในการแบ่งแยก Generative AI จากเพียงคอนเซ็ปต์ในฝัน สู่ความเป็นจริงที่ใช้งานได้อย่างถูกต้องและมีประสิทธิภาพ
