ปลดล็อกความลับ: AI "คิด" แบบไหน? ทำความเข้าใจกระบวนการทางคณิตศาสตร์เบื้องหลัง

เคยสงสัยไหมคะว่า เวลาที่เราถาม ChatGPT คำถามแล้วมันตอบกลับมาได้อย่างฉลาดราวกับมีคนนั่งพิมพ์ตอบเราอยู่อีกฝั่งจอ? หลายคนอาจนึกภาพว่า AI มีความรู้สึก มีจิตสำนึก หรือเข้าใจความหมายของคำพูดเหมือนมนุษย์ แต่ความจริงแล้ว หากเรามองลึกลงไปในแกนกลางของระบบ จะพบว่าไม่มีจิตวิญญาณหรือความคิดแบบมนุษย์เลยสักนิด ทุกอย่างคือตัวเลขและการคำนวณ

ในบทความนี้ เราจะมาเปิดกล่องดำของปัญญาประดิษฐ์กันค่ะ เพื่อให้น้องๆ นักเรียนและนักศึกษาเข้าใจกลไกการทำงานที่แท้จริง ว่าสิ่งที่เราเรียกว่า "การคิดของ AI" นั้น แท้จริงแล้วคือกระบวนการทางคณิตศาสตร์และสถิติที่ทำงานผ่าน 3 ขั้นตอนหลัก นั่นคือ การรับข้อมูล (Input) การประมวลผล (Processing) และการสร้างผลลัพธ์ (Output) นั่นเองค่ะ

ไขปมตำนาน: AI ไม่ได้ "รู้สึก" แบบมนุษย์

ในภาพยนตร์ไซไฟ เรามักเห็น AI ที่มีความรู้สึก โกรธ เสียใจ หรือรักได้ แต่ในโลกความเป็นจริง AI ในปัจจุบัน (เช่น Large Language Models หรือ LLMs) ไม่มีความรู้สึกหรือสติรับรู้ (Consciousness) แบบมนุษย์ สิ่งที่ AI ทำได้ดีคือการ "จดจำรูปแบบ" (Pattern Recognition) จากข้อมูลจำนวนมหาศาล

เมื่อ AI ตอบคำถามเราว่า "ฉันเข้าใจความรู้สึกของคุณ" มันไม่ได้เข้าใจหรือเห็นอกเห็นใจเราจริงๆ ค่ะ แต่มันแค่คำนวณทางสถิติว่า จากคำถามและบริบทที่ได้รับ คำตอบที่มีโอกาสเกิดขึ้นสูงสุดและเหมาะสมที่สุดคือประโยคนั้น มันเป็นเพียงการทายผลทางความน่าจะเป็น (Probability) ที่แม่นยำมากๆ เท่านั้นเองค่ะ

หัวใจสำคัญ: คณิตศาสตร์และสถิติคือสมองของ AI

หากให้เปรียบเทียบ สมองของมนุษย์ทำงานด้วยเซลล์ประสาท (Neurons) ที่ส่งสัญญาณไฟฟ้าและเคมี ส่วน "สมอง" ของ AI ทำงานด้วยโครงข่ายประสาทเทียม (Artificial Neural Networks) ที่ส่งผ่านตัวเลขและค่าน้ำหนัก (Weights) ทางคณิตศาสตร์

กระบวนการคิดของ AI จึงเป็นเพียงสมการที่ซับซ้อนมากๆ โดยมีขั้นตอนการทำงานที่ชัดเจน 3 ขั้นตอน ดังนี้ค่ะ

ขั้นตอนที่ 1: การรับข้อมูล (Input) - แปลงคำเป็นตัวเลข

คอมพิวเตอร์ไม่สามารถอ่านภาษามนุษย์ออกมาเป็นตัวหนังสือแล้วเข้าใจความหมายได้โดยตรงค่ะ มันเข้าใจแค่ตัวเลข 0 และ 1 ดังนั้นขั้นตอนแรกของการรับข้อมูล (Input) คือการแปลงสิ่งที่เราพิมพ์หรือป้อนเข้าไปให้กลายเป็นตัวเลข

การแบ่งคำ (Tokenization)

ระบบ AI จะทำการตัดคำหรือประโยคที่เราพิมพ์เข้าไปให้เป็นชิ้นเล็กๆ ที่เรียกว่า "Token" ซึ่งอาจจะเป็นคำเต็มคำ พยางค์ หรือแม้แต่ตัวอักษรเดี่ยวๆ ก็ได้ ขึ้นอยู่กับระบบ

ตัวอย่างเช่น คำว่า "สวัสดี" อาจถูกแบ่งเป็น Token ที่มี ID เป็นตัวเลข เช่น 4523 และ 8910 จากนั้นตัวเลขเหล่านี้จะถูกแปลงต่อเป็นเวกเตอร์ (Vectors) ซึ่งเป็นชุดของตัวเลขที่แทนความหมายและความสัมพันธ์ของคำในมิติทางคณิตศาสตร์ค่ะ

การฝังคำ (Word Embeddings)

เมื่อได้ตัวเลขมาแล้ว AI จะจัดเรียงคำเหล่านั้นในระบบพิกัดที่เรียกว่า Embedding Space คำที่มีความหมายใกล้เคียงกันจะอยู่ใกล้กันในพื้นที่ทางคณิตศาสตร์ เช่น คำว่า "แมว" และ "หมา" จะอยู่ใกล้กันมากกว่าคำว่า "แมว" และ "รถยนต์" นี่คือวิธีที่ AI เริ่มต้น "เข้าใจ" บริบทของคำในรูปแบบของระยะทางระหว่างตัวเลขค่ะ

ขั้นตอนที่ 2: การประมวลผลผ่านโครงข่ายประสาทเทียม (Processing)

นี่คือหัวใจสำคัญของกระบวนการคิดของ AI เลยค่ะ เมื่อข้อมูลถูกแปลงเป็นเวกเตอร์ตัวเลขแล้ว มันจะถูกส่งเข้าไปในโครงข่ายประสาทเทียม (Neural Network) ซึ่งประกอบด้วยชั้นข้อมูล (Layers) มากมายเชื่อมต่อกัน

โครงสร้างชั้นข้อมูล (Layers)

1. Input Layer: ชั้นที่รับเวกเตอร์ของคำเข้ามา
2. Hidden Layers: ชั้นซ่อนเร้นจำนวนมากมาย (ในโมเดลใหญ่ๆ อาจมีเป็นร้อยชั้น) ที่ทำหน้าที่ประมวลผล
3. Output Layer: ชั้นที่คายผลลัพธ์ออกมา

ในแต่ละชั้น จะมี "โหนด" (Nodes) ทำหน้าที่คล้ายเซลล์ประสาท โหนดเหล่านี้จะรับค่าตัวเลขเข้ามา คูณด้วย "น้ำหนัก" (Weights) และบวกด้วย "ค่าอคติ" (Biases) จากนั้นจึงนำผลลัพธ์ไปผ่านฟังก์ชันคณิตศาสตร์ที่เรียกว่า Activation Function เพื่อปรับค่าให้เหมาะสมก่อนส่งต่อไปยังชั้นถัดไป

สมการคูณเมทริกซ์อันซับซ้อน

ถ้าให้มองให้ง่ายที่สุด การประมวลผลในส่วนนี้คือการคูณเมทริกซ์ (Matrix Multiplication) นับล้านๆ ครั้งในเสี้ยววินาทีค่ะ น้ำหนัก (Weights) แต่ละตัวในโครงข่าย คือผลลัพธ์ที่ได้จากการ "ฝึกฝน" (Training) ของ AI ด้วยข้อมูลมหาศาลในอดีต ยิ่ง AI ผ่านการฝึกมาเยอะ น้ำหนักเหล่านี้ก็จะยิ่งละเอียดและแม่นยำมากขึ้น

กลไกความสนใจ (Attention Mechanism)

สำหรับ AI สมัยใหม่อย่าง ChatGPT จะมีกลไกพิเศษที่เรียกว่า Self-Attention ซึ่งช่วยให้ AI ทราบว่าในประโยคที่รับเข้ามา คำไหนที่ควรให้ความสนใจมากที่สุด ตัวอย่างเช่น ในประโยค "ธนาคารริมแม่น้ำ" และ "ธนาคารเพื่อการเกษตร" คำว่าธนาคารมีความหมายต่างกัน AI จะใช้สถิติคำนวณค่า Attention เพื่อตัดสินใจว่าควรโฟกัสที่บริบทใด ทำให้สามารถเข้าใจความหมายที่แท้จริงได้อย่างน่าทึ่งค่ะ

ขั้นตอนที่ 3: การสร้างผลลัพธ์ (Output) - ทายคำต่อไปที่เป็นไปได้มากที่สุด

หลังจากที่ตัวเลขวิ่งผ่านชั้นต่างๆ ในโครงข่ายประสาทเทียมจนครบทุกชั้น ข้อมูลจะไปถึงชั้นสุดท้ายคือ Output Layer ค่ะ

การคำนวณความน่าจะเป็น (Probability)

ในขั้นตอนนี้ AI จะไม่ได้คายคำตอบออกมาทันที แต่มันจะคำนวณหาค่าความน่าจะเป็น (Probability) ของคำถัดไปทุกคำในพจนานุกรมของมัน ยกตัวอย่างเช่น หากเราให้ AI เติมคำในประโยค "ท้องฟ้าสี..." ระบบจะคำนวณออกมาเป็นเปอร์เซ็นต์ของคำที่เป็นไปได้ เช่น

• คำว่า "ฟ้า" มีโอกาส 95%
• คำว่า "คราม" มีโอกาส 3%
• คำว่า "เขียว" มีโอกาส 1%
• คำอื่นๆ รวม 1%

จากนั้น AI จะเลือกคำที่มีค่าความน่าจะเป็นสูงที่สุด (หรือสุ่มจากคำที่มีโอกาสสูงๆ เพื่อให้คำตอบดูเป็นธรรมชาติ) มาเป็นคำตอบ และนำคำที่ได้ไปต่อท้ายประโยคเดิม แล้ววนลูปกระบวนการทั้ง 3 ขั้นตอนนี้ใหม่อีกครั้ง เพื่อทายคำถัดไป คำต่อไป จนกว่าจะครบถ้วนตามความยาวที่กำหนด หรือจนกว่าจะเจอ Token ที่บอกว่าสิ้นสุดประโยคค่ะ

กรณีศึกษา: ChatGPT เขียนบทความให้เราได้อย่างไร?

ลองนึกภาพว่าเราสั่งให้ ChatGPT เขียนบทความเรื่อง "ความสำคัญของการอ่านหนังสือ" ค่ะ

1. Input: AI รับคำสั่ง "เขียนบทความเรื่องความสำคัญของการอ่านหนังสือ" แปลงเป็น Token และเวกเตอร์
2. Processing: ตัวเลขเหล่านั้นถูกส่งผ่านโครงข่ายประสาทเทียมที่มีน้ำหนักหลายพันล้านตัว ซึ่งถูกฝึกมาจากบทความ หนังสือ และเว็บไซต์ทั่วโลก AI คำนวณหาความสัมพันธ์และรูปแบบของบทความที่มักเขียนกันในหัวข้อนี้ พร้อมทั้งกำหนดโครงสร้างเรียงความในรูปแบบของตัวเลข
3. Output: AI เริ่มคายคำแรกออกมา อาจจะเป็นคำว่า "การ" เพราะมีค่าความน่าจะเป็นสูงสุดในการเริ่มต้นประโยคแรกของบทความประเภทนี้ จากนั้นจึงวนลูปทายคำต่อไปว่า "อ่าน" "หนังสือ" "เป็น" "สิ่ง" "จำเป็น" ไปเรื่อยๆ จนจบบทความ

ทุกประโยคที่เราเห็น ไม่ได้เกิดจากการที่ AI นั่งคิดทบทวนเหมือนมนุษย์ แต่เกิดจากการคำนวณทางสถิติว่าคำไหนควรตามหลังคำไหน จึงจะดูเป็นธรรมชาติและถูกต้องตามหลักภาษาศาสตร์มากที่สุดค่ะ

สรุป: มอง AI ให้เป็นเครื่องมือ ไม่ใช่สิ่งมีชีวิต

การเข้าใจว่า AI ทำงานด้วยกระบวนการทางคณิตศาสตร์และสถิติ ไม่ใช่การลดทอนคุณค่าของมันค่ะ แต่เป็นการทำให้เราตระหนักถึงขีดจำกัดและศักยภาพของมันอย่างแท้จริง AI ไม่ใช่นักคิดที่มีความคิดสร้างสรรค์เอง แต่เป็นเครื่องมือที่สะท้อนความรู้และรูปแบบของมนุษย์ออกมาผ่านการคำนวณที่รวดเร็วและแม่นยำ

เมื่อเราเข้าใจตรงนี้แล้ว เราจะสามารถใช้ AI ได้อย่างมีประสิทธิภาพมากขึ้น เราจะรู้ว่าเราควรป้อนข้อมูล (Input) แบบไหน เพื่อให้กระบวนการประมวลผล (Processing) นำไปสู่ผลลัพธ์ (Output) ที่เราต้องการได้ดีที่สุดค่ะ

ลองนำความรู้นี้ไปทดลองเล่นกับ AI ดูนะคะ ลองสังเกตดูว่าถ้าเราเปลี่ยนวิธีการถาม หรือใส่บริบทเพิ่มเติม ผลลัพธ์ที่ได้จะเปลี่ยนไปอย่างไร และอย่าลืมติดตามบทความต่อไปของเราที่จะพาไปเจาะลึกเทคนิคการเขียน Prompt เพื่อควบคุมกระบวนการทางคณิตศาสตร์ของ AI ให้ทำงานเพื่อเราได้อย่างใจค่ะ!