แกะรอยสมองกล: LLM สร้างข้อความได้อย่างไร?
คุณเคยสงสัยไหมว่า โมเดลภาษาขนาดใหญ่ (LLM) ที่อยู่เบื้องหลัง ปัญญาประดิษฐ์ (AI) แสนฉลาดเหล่านี้ สร้างสรรค์ถ้อยคำที่เหมือนมนุษย์ได้อย่างไร? มันไม่ใช่เวทมนตร์ แต่เป็นกระบวนการที่ซับซ้อนแต่มีหลักการที่ชัดเจน อาศัยกลไกหลักเพียงไม่กี่อย่างที่ทำงานร่วมกันอย่างน่าทึ่ง
จริง ๆ แล้ว หลักการเบื้องหลังการสร้างข้อความของ AI นั้นเรียบง่ายกว่าที่คิด และเราจะมาทำความเข้าใจมันกัน
การแปลงภาษาให้เป็นตัวเลข: “โทเค็น” คืออะไร?
หัวใจเริ่มต้นของการทำงานของ LLM คือการแปลงทุกสิ่งทุกอย่างให้เป็นภาษาที่คอมพิวเตอร์เข้าใจได้ นั่นก็คือ ตัวเลข ข้อความที่เราเห็นจะถูกแบ่งออกเป็นหน่วยย่อย ๆ ที่เรียกว่า โทเค็น
ลองจินตนาการว่าโทเค็นคือหน่วยสร้างภาษาขนาดเล็ก อาจเป็นคำทั้งคำ, ส่วนหนึ่งของคำ (เช่น “ไม่-” จาก “ไม่สบาย”), หรือแม้แต่เครื่องหมายวรรคตอน การแปลงนี้เรียกว่า การแปลงรหัส (Tokenization)
จากนั้น โทเค็นเหล่านี้จะถูกเปลี่ยนเป็น รูปแบบตัวเลข (Numerical Representation) ที่มีความหมายเชิงบริบทในมิติที่ซับซ้อน เพื่อให้โมเดลสามารถประมวลผลและทำความเข้าใจความสัมพันธ์ของแต่ละโทเค็นได้
“กลไกความสนใจ”: หัวใจของการทำความเข้าใจบริบท
เมื่อมีโทเค็นและรูปแบบตัวเลขแล้ว ขั้นตอนสำคัญถัดไปคือการทำให้โมเดลเข้าใจว่าแต่ละโทเค็นมีความสำคัญและเชื่อมโยงกันอย่างไรในประโยคยาว ๆ นี่คือหน้าที่ของ กลไกความสนใจ (Attention Mechanism)
กลไกนี้ทำให้ LLM สามารถ “มองย้อนกลับไป” และ “ให้ความสนใจ” กับโทเค็นที่สำคัญในประโยคที่ผ่านมา
ยกตัวอย่างเช่น ในประโยค “ฉันกินแอปเปิล เพราะมันอร่อย” คำว่า “มัน” ในที่นี้หมายถึง “แอปเปิล” กลไกความสนใจจะช่วยให้โมเดลเข้าใจความเชื่อมโยงนี้ โดยจะให้ คะแนนความสนใจ ที่สูงกว่ากับคำว่า “แอปเปิล” เมื่อต้องพิจารณาคำว่า “มัน”
เพื่อทำความเข้าใจความสัมพันธ์นี้ โมเดลจะสร้างสิ่งที่เรียกว่า Query, Key, และ Value สำหรับแต่ละโทเค็น
Query เปรียบเหมือนคำถามที่โมเดลใช้เพื่อหาข้อมูลที่เกี่ยวข้อง
Key คือข้อมูลที่โทเค็นอื่น ๆ มี เพื่อตอบ Query นั้น
Value คือตัวข้อมูลที่แท้จริง
จากนั้นโมเดลจะนำ Query ไปเทียบกับ Key ทั้งหมด เพื่อหาว่าโทเค็นไหนมีความเกี่ยวข้องกันมากที่สุด ผลลัพธ์ที่ได้คือ คะแนนความสนใจ ซึ่งบอกว่าแต่ละโทเค็นในอดีตมีความสำคัญแค่ไหนต่อการทำความเข้าใจ บริบท ปัจจุบัน
คะแนนเหล่านี้จะถูกนำไปใช้ถ่วงน้ำหนัก Value เพื่อสร้าง เวกเตอร์บริบท (Context Vector) ที่รวบรวมแก่นแท้ของข้อมูลที่เกี่ยวข้องทั้งหมดเข้าไว้ด้วยกัน ทำให้โมเดลมีข้อมูลที่ครบถ้วนและลึกซึ้งในการตัดสินใจขั้นต่อไป
พยากรณ์ “โทเค็นถัดไป” ซ้ำแล้วซ้ำอีก
เมื่อโมเดลมีเวกเตอร์บริบทที่ครอบคลุมความเข้าใจจากโทเค็นก่อนหน้าทั้งหมดแล้ว ขั้นตอนสุดท้ายคือการ พยากรณ์โทเค็นถัดไป
โมเดลจะมองไปยังคลังคำศัพท์ขนาดใหญ่ของตัวเอง และคำนวณ กระจายความน่าจะเป็น สำหรับทุกโทเค็นที่เป็นไปได้ ว่าโทเค็นใดมีโอกาสมากที่สุดที่จะปรากฏเป็นคำถัดไปในประโยค
ยกตัวอย่างเช่น หากโมเดลเห็น “ฉันกิน” โอกาสที่โทเค็นถัดไปจะเป็น “ข้าว” “ไก่” หรือ “แอปเปิล” ย่อมสูงกว่า “ภูเขา” หรือ “รถยนต์”
จากนั้น โมเดลจะทำการ สุ่มเลือก (Sampling) โทเค็นตามความน่าจะเป็นที่คำนวณได้ แม้ว่าจะมีความน่าจะเป็นที่สูงที่สุดอยู่แล้ว โมเดลก็อาจไม่ได้เลือกคำนั้นเสมอไป การสุ่มเลือกนี้เป็นสิ่งสำคัญที่ทำให้ข้อความที่ AI สร้างขึ้นมีความหลากหลาย มีความคิดสร้างสรรค์ และไม่เป็นเชิงกลมากเกินไป
กระบวนการนี้จะถูกทำซ้ำไปเรื่อย ๆ ทีละโทเค็น จากโทเค็นที่ถูกสร้างขึ้นใหม่ ก็จะนำมาใช้เป็นส่วนหนึ่งของบริบทสำหรับพยากรณ์โทเค็นถัดไป วนไปเรื่อย ๆ จนกว่าจะได้ข้อความที่สมบูรณ์ หรือถึงจุดสิ้นสุดที่เหมาะสม กลไกที่ดูเรียบง่ายนี้เองที่ทำให้ LLM สามารถสร้างสรรค์ข้อความที่มีความซับซ้อนและน่าเชื่อถือได้อย่างไม่น่าเชื่อ