หัวใจของ AI Applications
จากที่เล่าไปเมื่อตอนที่แล้ว (link) ว่า ThaiGPT ตั้งเป้าว่าจะไปในแนวทางการสร้าง AI Application ที่นำเอาความสามารถของ Large Language Model (LLM) มาใช้ให้เป็นประโยชน์สูงสุดในชีวิตจริง ทีมงานจึงเริ่ม define ก่อนว่า AI Application ที่เราอยากได้นั้น น่าจะมีคุณสมบัติยังไง ซึ่งได้ข้อสรุปดังนี้ หากเราทำให้ AI เข้าใจ, เลือกเครื่องมือในการทำงานแล้วทำงานไปได้เอง และเราเพิ่มเครื่องมือให้ได้เรื่อยๆ เราก็จะมี AI เป็นผู้ช่วยที่ไม่จำกัด ซึ่งในเวลาต่อมากระแสการทำงานแบบนี้ก็สูงขึ้นเรื่อยๆ ทั้งในด้านการทำงานผ่าน Chat และการทำงานแบบ Fully Automation แบบ AutoGPT ก็มีหลักการเดียวกัน ต่างกันแค่ต้องนั่งเฝ้ามันหรือไม่เท่านั้น ดังนั้นสิ่งแรกที่เราต้องทำคือ ทำให้ AI เข้าใจสิ่งที่เราต้องการ แล้วไปเลือก Tools มาทำงาน ตอนเริ่มโครงการใหม่ๆ ทีมงานเลือกใช้ LangChain เป็น development library เพราะมีทั้ง Chain, Agent […]
ThaiGPT Chat – Dev Blog
เกือบ 6 เดือนแล้วนับตั้งแต่ ChatGPT ออกมาให้พวกเราได้ใช้ได้ตื่นเต้นกัน ในช่วงหลายเดือนนี้เป็นช่วงเวลาที่ผมทำงานหนักมาก แทบไม่มีเวลาพักผ่อน ซึ่งต้องขอขอบคุณผู้ให้การสนับสนุนทุกท่าน โดยเฉพาะ Bitkub ที่เข้ามาลงทุนใน ThaiGPT และผู้ถือหุ้นท่านอื่นๆ ทำให้ผมได้มีโอกาสได้ทำงานที่รักได้อย่างเต็มที่ วันนี้เลยขอมาเล่าว่าใน 6 เดือนที่ผ่านมาผมได้เรียนรู้อะไรบ้าง และได้ทำอะไรบ้าง ที่สำคัญคือจะมี product อะไรออกมาบ้าง Blog นี้จะยาวมาก เพราะจะเล่าทุกอย่างที่ได้เรียนมา โดยจะพยายามให้เป็นประโยชน์กับผู้อ่านให้มากที่สุด หลายอย่างเป็นเรื่องที่ต้องลองผิดลองถูกหลายครั้งหลายหน ก็จะมาเล่าให้ฟัง เพื่อนๆจะได้ไม่หลงทางอย่างที่ผมเคยหลง ผมสนใจ GPT-3 มาตั้งแต่ราวๆปลายปี 2021 ได้อ่านหนังสือ Exploring GPT-3 แต่งโดย Steve Tingiris and Bret Kinsella เริ่มมีความคิดจะทำ application ด้าน AI แต่ภาพตอนนั้นยังไม่ชัดนัก ในตอนนั้นแม้ว่าจะมีความเชื่อว่าการที่ OpenAI มี API ให้ใช้ และ GPT-3 เป็น Model-as-a-Service ตัวแรกที่เราได้ใช้กัน แต่การประยุกต์ใช้ยังติดอยู่กับความเชื่อที่ว่าต้องทำการ […]