เวลาคนพูดถึงคำว่า "สมองกล" หลายคนมักจะเอาจินตนาการไปผูกกับสมองของมนุษย์ ที่คิดได้ด้วยและจำเรื่องราวในอดีตได้ด้วยในก้อนเดียวกัน
แต่ในความเป็นจริงของระบบคอมพิวเตอร์และโลก AI... มันไม่ได้เป็นแบบนั้นเลยครับ!
ถ้าถามผมในฐานะคนทำระบบ เรื่องนี้อธิบายได้ง่าย สั้น และตรงไปตรงมาที่สุดเลยครับ:
ในระบบคอมพิวเตอร์ หน้าที่มันถูกแบ่งออกเป็น 2 ฝั่งชัดเจน:
1. ส่วนคิด (Compute)
2. ส่วนจำ (Storage / Memory)และกติกาการทำงานของมันก็คือ:
“ส่วนคิด... ไม่ได้รับหน้าที่จดจำบทสนทนาข้ามรอบ
ส่วนจำ... ทำหน้าที่เก็บข้อมูลไว้ให้ส่วนคิดเรียกใช้”
เหมือนกับคู่หูในคอมพิวเตอร์หรือมือถือที่เราคุ้นเคยกันดี: CPU กับ RAM นั่นแหละครับ ไม่เห็นต้องไปอธิบายอะไรให้อ้อมค้อมเลย!
CPU กับ RAM (ส่วนคิด vs ส่วนจำ)
ลองนึกภาพคอมพิวเตอร์ที่เราใช้กันอยู่ทุกวันดูนะครับ:
- CPU (ส่วนคิด): มีหน้าที่ประมวลผลและคำนวณ แน่นอนว่าข้างในชิป CPU มันมี Register และ Cache ไว้พักข้อมูลขณะกำลังคำนวณอยู่ แต่หน้าที่หลักของมัน ไม่ได้รับหน้าที่มานั่งจดจำประวัติข้อมูลข้ามวันข้ามคืน พอคำนวณจบเป็นงาน ๆ ไป มันก็พร้อมรับงานใหม่ทันที
- RAM หรือ ฮาร์ดดิสก์ (ส่วนจำ): มีหน้าที่เก็บข้อมูลและบันทึกประวัติต่าง ๆ เอาไว้ เพื่อรอส่งให้ CPU หยิบไปใช้ แต่ตัวมันเอง คิดคำนวณอะไรไม่เป็นเลย จะสั่งให้มันวิเคราะห์ข้อมูลเอง มันก็ทำไม่ได้
แล้วเจ้า โมเดลภาษา (The Model / LLM) ที่พวกเรากำลังคุยอยู่นี้ มันอยู่ตรงไหน?
คำตอบก็คือ: ตัวโมเดล มันทำหน้าที่เป็น "ส่วนคิด (เหมือน CPU)" ในภาพนี้ครับ!
จริงอยู่ว่าตัวโมเดลมี "พารามิเตอร์" ที่เก็บความรู้ซึ่งเรียนรู้มาแล้ว และขณะที่มันกำลังประมวลผล มันก็มีหน่วยความจำชั่วคราว (เช่น KV Cache) ช่วยคำนวณสร้างคำตอบในรอบนั้น...
แต่ในระดับของการสนทนา ตัวโมเดลไม่ได้ทำหน้าที่จดจำประวัติการคุยข้ามรอบ (Cross-request History) ไว้ให้เราโดยอัตโนมัติ
นี่แหละครับ คือความหมายที่แท้จริงของคำว่า Stateless (ภาวะไร้สถานะ) ในระบบ AI ซึ่งตอบคำถามสำคัญจากตอนที่ 1 ได้อย่างชัดเจนที่สุดว่า:
“ถ้าอยากให้โมเดลตอบต่อจากเรื่องเดิม... ระบบต้องทำให้ข้อมูลจากเรื่องเดิมพร้อมใช้ในรอบนี้!”
ส่งประวัติซ้ำทุกรอบ หรือมีระบบช่วยจำ?
แล้วในทางปฏิบัติ เวลาเราสร้างแชตหรือต่อใช้งานจริง ระบบจัดการ "ส่วนจำ" นี้อย่างไร?
ตรงนี้ขึ้นอยู่กับการออกแบบของแต่ละระบบและเครื่องมือที่เราเลือกใช้ครับ:
- บาง API หรือการเรียกใช้งานระดับพื้นฐาน: ตัว API จะไม่มีการจำอะไรไว้เลย ทุกครั้งที่เราส่งคำถามใหม่เข้าไป ระบบของเราจะต้องนำประวัติการคุยรอบก่อนหน้าทั้งหมด แนบเป็นข้อมูลนำเข้าส่งกลับไปให้โมเดลอ่านซ้ำใหม่ทุกรอบ
- บางบริการหรือเฟรมเวิร์กจัดการแชต: ตัวบริการภายนอกอาจมีระบบจัดการสถานะ (Session Management) คอยบันทึกประวัติบทสนทนาไว้ให้ที่ฝั่งเซิร์ฟเวอร์หรือฝั่งแอป ทำให้ผู้พัฒนาเพียงแค่ระบุรหัสการสนทนา ตัวบริการก็จะนำประวัติเดิมมาประกอบส่งให้โมเดลเองโดยอัตโนมัติ
แต่ไม่ว่าระบบภายนอกจะช่วยเก็บหรือส่งต่อข้อมูลแบบไหน... ในระดับของตัวโมเดลข้างใน มันก็ยังคงเป็น "ส่วนคิดที่ไม่ได้รับหน้าที่จดจำบทสนทนาข้ามรอบ" เหมือนเดิมเสมอครับ
แต่ CPU ตัวนี้... คำนวณแบบสถิติ ไม่ใช่แบบเดิม
มีอีกจุดหนึ่งที่น่าสนใจครับ...
แม้โมเดลจะเป็น "ส่วนคิด" เหมือน CPU ทั่วไป แต่ธรรมชาติการคิดของมันกลับต่างออกไป:
- CPU ทั่วไป (งานตรรกะแน่นอน — Deterministic): สั่ง 1 + 1 ต้องได้ผลลัพธ์เป็น 2 เสมอ คำนวณกี่ล้านครั้ง คำตอบก็ต้องเป๊ะเหมือนเดิม 100% ไม่มีวันเปลี่ยน
- สมองกล AI (งานความน่าจะเป็นทางสถิติ — Probabilistic): มันไม่ได้คำนวณตามสูตรตรรกะตายตัว แต่มันประเมินว่าข้อความถัดไปควรเป็นอะไร โดยบางระบบอาจสุ่มเลือกข้อความตามความน่าจะเป็น เพราะวิธีสร้างคำตอบทางสถิติมีได้หลายรูปแบบ (ขึ้นอยู่กับการตั้งค่าความหลากหลาย เช่น Temperature ของระบบ)
นี่คือเหตุผลที่บางครั้งเราถามคำถามเดิมเป๊ะ ๆ แต่ละรอบ มันอาจจะตอบกลับมาด้วยสำนวนที่ไม่เหมือนเดิมเป๊ะ 100% เพราะมันคือการคำนวณทางสถิติที่มีความน่าจะเป็นหลายทางเลือกนั่นเองครับ
รู้แบบนี้แล้ว... เราได้ประโยชน์อะไร?
พอเราเข้าใจว่า "โมเดลคือส่วนคิดที่ไม่ได้รับหน้าที่จำประวัติข้ามรอบ และคำนวณแบบสถิติ" เราจะเข้าใจการออกแบบระบบทันที:
- เข้าใจหน้าที่ของการจัดเตรียมข้อมูล: ถ้าอยากให้ AI คุยต่อเนื่องได้ราบรื่น หัวใจสำคัญอยู่ที่การจัดเตรียมประวัติเดิมให้พร้อมใช้ ไม่ว่าจะเป็นการส่งประวัติซ้ำผ่าน API หรือใช้บริการที่ช่วยจำสถานะ ไม่ใช่การคาดหวังให้โมเดลจำได้เอง
- ไม่ใช้โมเดลคิดเลขบัญชีเพียว ๆ: งานตรรกะที่ต้องแม่นยำ 100% ห้ามผิดพลาด เราอย่าปล่อยให้โมเดลสร้างคำตอบทางสถิติเอง แต่ต้องให้มันเรียกใช้ "เครื่องมือคำนวณภายนอก" (Tools)
- กระจายงานได้ง่ายขึ้น: การแยกประวัติออกจากตัวประมวลผล ช่วยให้ระบบกระจายงานไปยังเซิร์ฟเวอร์ต่าง ๆ ได้ง่ายขึ้น เพราะเครื่องไหนในระบบก็สามารถรับงานต่อได้ทันที ขอเพียงมีข้อมูลตั้งต้นส่งมาให้อ่านครับ
เห็นไหมครับว่า พอเรามองผ่านแกน CPU กับ RAM ทุกอย่างมันชัดเจน จบในตัว และไม่อ้อมค้อมเลยแม้แต่นิดเดียว!
แต่คำถามถัดมาก็คือ... ในเมื่อโมเดลทำหน้าที่เป็น CPU เหมือนกัน:
แล้วทำไมในตลาดตอนนี้ ถึงมีรุ่นของ Model ให้เราเลือกเต็มไปหมด?
สมองเล็ก, สมองใหญ่, โมเดลรันเร็ว, โมเดลคิดช้า... จำเป็นไหมที่ตัวใหญ่กว่าต้องฉลาดกว่าเสมอ? แล้วในงานจริง เราควรเลือกใช้ตัวไหน?
เราจะไปผ่าความต่างของ Model แต่ละประเภทพร้อมกันในตอนต่อไปครับ!
ศัพท์เทคนิค → คำแปลภาษาคนทำงาน — แตะเพื่อย่อ/ขยาย
- Stateless (ภาวะไร้สถานะ): ธรรมชาติของโมเดลที่ไม่ได้ทำหน้าที่จดจำประวัติการสนทนาข้ามคำขอไว้โดยอัตโนมัติ ประมวลผลคำตอบจบเป็นรอบ ๆ แล้วพร้อมรับงานใหม่ทันที
- Inference: รอบการทำงานประมวลผลคำตอบของโมเดลในแต่ละครั้ง
- Deterministic vs Probabilistic: การทำงานที่ผลลัพธ์แน่นอนตายตัว 100% ตามกฎตรรกะ (Deterministic) เทียบกับการทำงานที่คำนวณผลลัพธ์ตามความน่าจะเป็นทางสถิติ ซึ่งบางระบบอาจสุ่มเลือกข้อความถัดไปตามค่าน้ำหนักความน่าจะเป็น (Probabilistic)
หลักคิดเชิงสถาปัตยกรรม — แตะเพื่อย่อ/ขยาย
- ส่วนคิดไม่ได้รับหน้าที่จำข้ามรอบ ส่วนจำทำหน้าที่เก็บข้อมูลไว้ให้ส่วนคิดเรียกใช้: สถาปัตยกรรมที่ดีจะแยกหน้าที่ (Separation of Concerns) ชัดเจน ตัวโมเดลทำหน้าที่เป็นตัวประมวลผล (Compute) ส่วนการจัดเก็บประวัติการสนทนาเป็นเรื่องของระบบหน่วยความจำภายนอก (Storage / Memory) ซึ่งบาง API ต้องส่งประวัติซ้ำทุกรอบ ขณะที่บางบริการระดับสูงอาจมีระบบจัดการสถานะให้เอง
- การแยกประวัติออกจากตัวประมวลผลช่วยให้กระจายงานได้ง่ายขึ้น: สถาปัตยกรรมที่แยกข้อมูลประวัติออกจากโมเดล ช่วยให้ระบบสามารถกระจายงานไปยังเครื่องประมวลผลเครื่องใดก็ได้โดยไม่ต้องพะวงเรื่องสถานะเดิมครับ