Sanyanggae LogoSanyanggae

AIใช้เวลาอ่าน 5 นาที

AI คัดข้อความโฆษณาอย่างไร?

กับข้อความเดียวกัน ฟังก์ชันหนึ่งระบุว่า «ดูเหมือนโฆษณา» ส่วนอีกฟังก์ชันร่างคำตอบสุภาพ ทั้งคู่เรียกว่า AI แต่ทำงานเดียวกันหรือไม่?

ภาพประกอบการ์ดข้อความที่แยกลงถาดจำแนกสองถาด พร้อมการ์ดคำตอบต่างหากและดินสอ
ภาพประกอบเพื่ออธิบายที่สร้างด้วย AI เปรียบเทียบการจำแนกข้อความกับการสร้างคำตอบ ไม่ใช่หน้าจอบริการจริง แบบโครงข่ายประสาทเทียม หรือผลการทดลองความแม่นยำ

แค่มองหาคำว่า «ฟรี» ก็พอหรือ?

ลองนึกถึงกล่องข้อความสมมติ คนอาจเขียนกฎว่า «ถ้ามีคำว่าฟรี ให้จำแนกเป็นโฆษณา» วิธีนี้ง่าย แต่ข้อความส่วนตัวอย่าง «ฉันจะช่วยให้ฟรี» ก็อาจถูกกรองผิด และโฆษณาที่ไม่มีคำนั้นอาจหลุดไป เมื่อคนเป็นผู้กำหนดว่าจะใช้เงื่อนไขใด ก็อาจต้องเสริมกฎเมื่อพบสำนวนและบริบทใหม่

AI เป็นสาขาที่กว้างกว่าชื่อฟังก์ชันเดียวเช่นนี้ ยังครอบคลุมการหาวัตถุในภาพ การวางแผนเส้นทาง และแนวทางแก้ปัญหาด้วยความรู้กับกฎ จึงไม่ใช่ว่า AI ทั้งหมดเรียนรู้จากข้อมูล และการมีเงื่อนไขง่าย ๆ เพียงข้อเดียวก็ไม่ได้ทำให้เหมาะจะเรียกทุกโปรแกรมว่า AI สิ่งสำคัญกว่าชื่อคือจัดการงานอะไรด้วยวิธีไหน

ช่วงเวลาที่ตัวอย่างเปลี่ยนตัวจำแนก

อีกวิธีคือให้ข้อความตัวอย่างที่ติดป้ายไว้แล้วว่าเป็นโฆษณาหรือไม่ แล้วฝึกโมเดล การเรียนรู้ของเครื่องเป็นแนวทางใช้ข้อมูลฝึกโมเดลให้สร้างการทำนายหรือผลลัพธ์อื่น แม้ในวิธีนี้ คนก็ยังออกแบบว่าจะใช้ข้อมูลใดและตั้งเป้าหมายอะไร การมีตัวอย่างไม่ได้แปลว่าจะตอบถูกกับสำนวนที่ไม่คุ้นเสมอ กล่องข้อความนี้เป็นฉากสมมติเพื่อเทียบหลักการ ไม่ใช่การทดลองวัดความแม่นยำของบริการจริง

ในการฝึก จะปรับค่าภายในโมเดลตามข้อมูลและเป้าหมาย หลังจากนั้น การใส่ข้อความใหม่แล้วได้ผลจำแนกคือการอนุมาน ซึ่งเป็นการใช้โมเดลที่ฝึกแล้ว การใส่ข้อมูลเข้าใหม่ไม่ได้หมายความว่าค่าภายในจะถูกฝึกใหม่ทุกครั้ง การใช้เนื้อหาบทสนทนาเป็นบริบทก็ต้องแยกจากการปรับค่าโมเดลใหม่ด้วย «เวลาสร้างจากตัวอย่าง» กับ «เวลาใช้โมเดลที่สร้างแล้ว» เชื่อมต่อกัน แต่ไม่ใช่ขั้นตอนเดียวกัน

  1. รวบรวมตัวอย่าง

    กำหนดว่าจะใช้ข้อมูลอะไรให้เรียนรู้เรื่องใด

  2. สร้างโมเดล

    ปรับค่าภายในโมเดลระหว่างการฝึก

  3. ลองใช้กับข้อความใหม่

    ได้ผลจำแนกจากการอนุมาน แล้วเปรียบเทียบกับข้อความจริง

แผนภาพแนวคิดที่แยกเวลาสร้างกับเวลาใช้โมเดลจำแนกที่อาศัยการเรียนรู้ ไม่ใช่ทุกระบบ AI ที่ทำงานแบบนี้

การคัดโฆษณากับการเขียนคำตอบ

โมเดลที่เลือกว่าข้อความเป็นโฆษณาหรือไม่ กับโมเดลที่สร้างประโยคคำตอบใหม่ มีเป้าหมายของผลลัพธ์ต่างกัน AI เชิงกำเนิดหมายถึงระบบที่สร้างเนื้อหา เช่น ข้อความ ภาพ และเสียง โดย AI เชิงกำเนิดสมัยใหม่มักใช้โมเดลที่ฝึกด้วยการเรียนรู้ของเครื่อง การเรียนรู้ของเครื่องเป็นแนวทางหนึ่งใน AI โมเดลที่เพียงจำแนกข้อความและไม่เขียนบทความก็อาจเป็นโมเดลการเรียนรู้ของเครื่องได้

การแยกนี้ไม่ใช่แบ่งเป็นกล่องที่ผสมกันไม่ได้ บริการหนึ่งอาจใช้โมเดลจำแนกคัดข้อความ ใช้โมเดลเชิงกำเนิดร่างคำตอบ แล้วใช้กฎที่คนกำหนดจัดการผลอีกครั้ง หน้าจอที่สนทนาได้ก็ไม่ได้บอกว่าภายในมีโมเดลเดียว แม้การจำแนก การสร้าง และกฎจะรวมอยู่บนหน้าจอเดียวกัน เราก็ยังแยกดูงานของแต่ละส่วนได้

พูดเก่งกับพูดถูก

คำตอบหรือคำอธิบายที่ลื่นไหลและมั่นใจก็อาจไม่ตรงข้อเท็จจริง เช่นเดียวกับโมเดลจำแนกที่เลือกผิดได้ โมเดลเชิงกำเนิดก็อาจสร้างข้อผิดพลาดที่ดูน่าเชื่อ จึงต้องตรวจผลด้วยข้อมูลและการประเมินที่เหมาะกับเป้าหมาย ลองตรวจการคำนวณในคำอธิบายเอง และดูว่าชื่อกับลิงก์เอกสารอ้างอิงมีอยู่จริงและสนับสนุนข้อกล่าวอ้างนั้นหรือไม่ ความลื่นไหลไม่ใช่หลักฐานของความถูกต้องในตัวเอง

สำหรับร่างคำตอบ ต้องดูด้วยว่ามีข้อเท็จจริงที่แต่งขึ้นหรือข้อมูลส่วนบุคคลที่ไม่จำเป็นแทรกอยู่หรือไม่ ก่อนป้อนข้อมูลส่วนบุคคลหรือเอกสารที่ไม่เปิดเผยต่อสาธารณะ ควรตรวจนโยบายการจัดการข้อมูลของบริการที่ใช้ การผสมหลายแนวทางเข้าด้วยกันเพียงอย่างเดียวไม่ได้รับประกันความถูกต้องของผลหรือการจัดการข้อมูลอย่างปลอดภัย แม้พบฟังก์ชันสะดวก หากดูร่วมกันว่าใส่อะไรเข้าไป ได้ผลอะไรออกมา และจะใช้อะไรตรวจผล ก็จะเข้าใจ AI ได้เป็นรูปธรรมขึ้น

เพียงตามข้อความหนึ่งข้อความ ก็เห็นได้ว่าในชื่อใหญ่ ๆ อย่าง AI มีงานต่างกันอยู่ ครั้งถัดไปที่พบปุ่ม «ฟังก์ชัน AI» ลองดูก่อนว่าฟังก์ชันนั้นกำลังเลือกหรือกำลังสร้าง