ตัว T ในตัวย่อของ ChatGPT : T ตัวนี้มาจาก Transformer Model โมเดล Neural Network เป็นโมเดล AI ที่ไว้ใช้หาความสัมพันธ์ของคำ เป็นข้อมูลลำดับ เช่น คำต่าง ๆ ในประโยค Agentic AI ปะทะ Generative AI หาความเกี่ยวโยงพึ่งพาของคำในประโยค ถอดออกมาเป็นองค์ประกอบ ให้คอมพิวเตอร์เข้าใจ และสร้างประโยคออกมาได้ หาความเป็นไปได้ของคำที่จะต่อ ๆ กันเป็นรูปประโยค เข้าใจองค์ประกอบของความหมาย
โมเดล Transformer ถูกกล่าวถึงครั้งแรกในเอกสารวิจัยของ Google เมื่อปี 2017 ถือว่าเป็นหนึ่งในโมเดลที่ทรงพลังที่สุดและเป็นคลาสของโมเดลที่ล้ำหน้าที่สุดในปัจจุบัน ซึ่งได้ผลักดันความก้าวหน้าในวงการ Machine Learning จนบางคนเรียกกระแสนี้ว่า Transformer AI
T ที่ทรงพลังนี้มีบทบาทสำคัญในการประมวลผลภาษาธรรมชาติของมนุษย์ ช่วยให้ คอมพิวเตอร์เข้าใจความหมายและบริบท ของภาษา ทำให้เข้าใจสิ่งที่เราพยายามจะสื่อความหมายกับคอมพิวเตอร์ ได้กลายเป็นการ Prompt ที่เราได้ยินกันบ่อย ๆ ถ้าไม่มี T เราคงยังต้องเรียนภาษาโปรแกรมมิ่งในการสั่งงานคอมพิวเตอร์เหมือนกัน T ปลดล๊อคการสั่งงานคอมพิวเตอร์ ทำให้เราคุยกับมันง่าย เหมือนกับคุยกับมนุษย์ด้วยกัน ไม่ต้องใช้ภาษาต่างดาว (Coding Programing Langauage)
โมเดล Transformer เป็นพื้นฐานของ Generative AI ที่สามารถสร้างข้อความที่มีความสอดคล้องและสมเหตุสมผล เลยสามารถสร้างบทความประโยคสวย ๆ มาตอบเราได้ และยิ่งเพิ่มพลังความสามารถเข้าไปอีกเมื่อ มีการเอาข้อมูลความรู้ของมนุษยชาติ ข้อมูลจากอินเตอร์เน็ต สร้าง Model LLMs (Large Language Model) เกิดเป็น GPT (Generative Pre-trained Transformer) ถูกพัฒนาขึ้นบนสถาปัตยกรรมของ Transformer ที่ Google วิจัยขึ้นมา
ทำไมต้องเล่าตรงนี้ ก็อยากเล่าครับ 🤣 เป็นคำอธิบายรากของการเป็นมาของ Generative AI ซึ่งผมเชื่อว่าเมื่อเราเข้าใจแนวคิดพื้นฐาน ถ้าทุกคนได้เข้าใจ Concept ของมันจะทำให้การทำความเข้าใจอื่น ๆ ในบทความหรือโลก AI ลึกซึ้งขึ้น
GenAI ที่เปลี่ยนโลกเราช่วงที่ผ่านมา มันช่วยให้ชาวเน็ต พิมพ์คำสั่งง่าย ๆ ได้ภาพ ข้อความ เสียง วิดีโอ โดยที่มันเข้าใจบริบทสิ่งที่เราต้องการ
Generative AI (Gen AI)
Generative AI (Gen AI): เป็น AI ที่มีความสามารถในการสร้างเนื้อหาใหม่ เช่น ข้อความ รูปภาพ หรือเสียง โดยใช้โมเดลการเรียนรู้เชิงลึกที่ได้รับการฝึกฝนจากข้อมูลจำนวนมาก ในบริบทของการตลาด Gen AI สามารถช่วยสร้างข้อความโฆษณา บทความ หรือภาพประกอบที่ตรงกับกลุ่มเป้าหมาย
- Purpose and Functionality สำคัญของ GenAI
- Key Capability : Focuses on content creation ช่วยในการสร้าง ข้อความ ภาพ วิดีโอเสียง ต่าง ๆ เน้นไปที่การให้ผลลัพธ์ Output
- Goal : เป้าหมายของ GenAI คือ เน้นการสร้าง Output (Output-Oriented)เน้นการสร้างผลงานเชิงสร้างสรรค์จากข้อมูลนำเข้าที่ได้รับ โดยไม่ตัดสินใจด้วยตัวเอง จุดแข็งของมันอยู่ที่การสร้างเนื้อหา ทำให้เกิดการเปลี่ยนแปลงในอุตสาหกรรมต่างๆ เช่น การเขียน การออกแบบ และบันเทิง
ผมไม่ลงลึก GenAI มากนัก ผมว่าโดยส่วนใหญ่ พวกเราน่าจะคุ้นชินกับ GenerativeAI กันอยู่แล้วเพราะเราเห็นความเคลื่อนไหวอยากมากในสองปีที่ผ่านมา เดี๋ยวเราค่อยไปดูส่วนของอนาคต GenAI ในตอนท้ายกัน
Agentic AI เป็นสิ่งใหม่ขออธิบายเยอะหน่อยนะครับ
Agentic AI คือ เป็น AI ที่ออกแบบมาเพื่อทำความเข้าใจขั้นตอนการทำงานที่ซับซ้อน และ เน้นให้การทำ Task หลายๆ Task ประกอบออกมาเป็นผลลัพธ์เป้าหมาย Goal Oriented เน้นเอามาเพื่อเป็นผู้ช่วยอย่างแท้จริง โดย Agentic AI สามารถ ทำทุกอย่างเป็นอัตโนมัติ โดยแทบไม่ต้องมีการแทรกแซงจากมนุษย์ คิด วิเคราะห์ ตัดสินใต ใช้เครื่องมือต่าง ๆ ได้อย่างชำนาญ โดยรวมสิ่งที่ทำให้ Agentic AI มีความฉลาดเพราะมีองค์ประกอบเหล่านี้
- Agentic AI จะมีความเป็นอิสระ (Autonomy) ของการทำงาน Goal ของตัวเอง : ปัญญาประดิษฐ์แบบเอเจนต์มีเป้าหมาย วัตถุประสงค์ และ Motivate แรงผลักดันของตัวเอง ซึ่งเป็นตัวขับเคลื่อนการตัดสินใจและการกระทำ มันสามารถเลือกขั้นตอนที่เหมาะสมที่สุดในการติดตามเป้าหมายได้โดยอัตโนมัติโดยไม่ต้องมีการดูแลจากมนุษย์
- การเรียนรู้และการใช้เหตุผลเชิงปรับตัว (Adaptive learning and Reasoning): ปัญญาประดิษฐ์แบบเอเจนต์ สามารถรวบรวมข้อมูล เรียนรู้ จากการปฏิสัมพันธ์กับสภาพแวดล้อมและเรียนรู้จากประสบการณ์ (ข้อมูล)ในอดีต เอามาพัฒนาการคิดในการใช้เหตุผลและ เพิ่มความสามารถในการแก้ปัญหาเพื่อปรับปรุงความรู้ ปรับปรุงกลยุทธ์ และปรับปรุงประสิทธิภาพของตนเองได้ตลอดเวลา
- ความเข้าใจภาษา (Language understanding): ปัญญาประดิษฐ์แบบเอเจนต์ใช้แบบจำลอง NLP ที่ทันสมัย เช่น โมเดล Transformer และโมเดลภาษาขนาดใหญ่ เพื่อประมวลผลและทำความเข้าใจภาษาของมนุษย์ในระดับความหมายเชิงลึก ในตอนที่มีการพูดคุยใน Session Agentic ของทาง Google ในโมเดล Gemini 2.0 ความใจภาษาของ AI ถึงขั้นที่พูดได้ว่า No Bias Barier และการเข้าใจ Content ได้มากขึ้นเพราะมี Memmory ความจำ ไม่เหมือน GenAI ที่มีการจำที่สั้น (Context Window)
- การเพิ่มประสิทธิภาพขั้นตอนการทำงาน (Workflow Optimization): เอเจนต์ปัญญาประดิษฐ์แบบเอเจนต์ ผนวกทั้ง ความเข้าใจภาษาเข้ากับ ความสามารถในการใช้เหตุผล การวางแผน และการตัดสินใจเพื่อเพิ่มประสิทธิภาพ ในการทำงานด้วยกัน เพราะฉะนั้นขั้นตอนการทำงานและกระบวนการทางธุรกิจ ซึ่งรวมถึงการเพิ่มประสิทธิภาพการจัดสรรทรัพยากร การทำให้การสื่อสารและการทำงานร่วมกันราบรื่นยิ่งขึ้น
- การสนทนาแบบหลายเอเจนต์และระบบ (Multi-agent and System Conversation): เบื้องหลังการทำงาน ของ AgenticAI มีเอเจนต์ในการทำงานประกอบหลาย Agent เข้าด้วยกันจำนวนมาก ซึ่งถูกแบ่งหน้าที่ความสามารถที่แตกต่างกัน ปัญญาประดิษฐ์แบบเอเจนต์สามารถสื่อสารระหว่างเอเจนต์ต่างๆ เพื่อสร้างขั้นตอนการทำงานที่ซับซ้อน นอกจากนี้ยังสามารถเชื่อมต่อกับระบบหรือเครื่องมืออื่นๆ เช่น อีเมล ตัวประมวลผลโค้ด หรือเครื่องมือค้นหา เพื่อทำงานต่างๆ ได้หลากหลาย
องค์ประกอบความสามารถในการทำงานของ Agentic
Agentic AI ใน Function หลักคือ การใช้โมเดียวทางภาษา language model ในการปฏิสัมพันธ์กับโลกภายนอก ในหลากหลายรูปแบบในการปฏิสัมพันธ์ (Forms) โดยการปฏิสัมพันธ์ที่ทำให้ Agent ทำงานได้ซับซ้อนกว่า GenAI คือ การที่ Agent ใช้ประโยชน์จากหน่วยความจำ (Memory ) ทั้งสั้น Short-Term และ Long-Term Memory อีกส่วนหนึ่งที่ Agent ใช้ประโยชน์รวมกับ Memory คือ การ Planing ในการวางแผนการการใช้เครื่องมือ มีการคิดกระบวนการการทำงานเป็นขั้นตอน CoT(Chain of thoughts) และตัดสินวางเป้าหมายของการทำงาน หลังจากนั้นก็ไปใช้เครื่องมือ ที่มีในการทำงานให้ลุล่วงเป้าหมาย Goal Oriented
เปรียนเทียบ Feature ของ AgenticAI vs Generative AI
| Feature | Agentic AI | Generative AI |
|---|---|---|
| Focus | Autonomy โฟกัสการทำงานอัตโนมัติ | Creativity โฟกัสความสร้างสรรค์ |
| Orientation | Goal-Oriented เน้นเป้าหมายผลลัพธ์ | Output-Oriented เน้นผลลัพธ์ |
| Interaction | Real-time Environment สามารถ Interaction กับสถานการณ์ปัจจุบันแบบเรียงไทม์ | Content-Based Interaction กับกลุ่มการสร้างเนื้อหาเป็นหลัก |
| Tools & Resources | Utilizes Tools and APIs ทำงานกับเครื่องมือภายนอกได้หลากหลาย | No external tools ไม่มีการทำงานกับเครื่องมือภายนอก |
| Learning | Continuous Adaptation เรียนรู้ต่อเนื่อง เพราะมีความจำ | No adaptation from real-time |
| Key Applications | Robotics, Autonomous Systems ตอบโจทย์การทำงานอัตโนมัติ | Content Creation เน้นการสร้าง Content ใหม่ เช่น Text, image,Video, Sound |
| Decision-Making | Independent มีความสามารถในการตัดสนใจสร้าง Flow ของการทำงานด้วยตัวเอง เพื่อให้ถึงเป้าหมายของงานนั้น | Based on Input Patterns การทำงานของ GenAI จะขึ้นอยู่กับสิ่งที่เราป้อนสั่งงาน (Prompt) |
The Future of Agentic AI and Generative AI
อนาคตของ Agentic AI จะถูกพัฒนาความสามารถที่เข้ามาทำงานแทมนุษย์ ด้วยความสามารถที่ AI สามารถออกแบบคิดวิเคราะห์ เรียนรู้การทำงานใน เป้าหมายที่ได้รับ และจะเรียนรู้และทำให้ดีที่สุด ด้วยเครื่องมือที่เชื่อมการทำงานไว้ให้ ระดับการพัฒนาของ Agentic AI จะเป็นเรื่องของการตัดสินใจ ในการคิดออกแบบกระบวนการทำงานของตัวเอง และการ Reflection ผลลัพธ์ในอดีตของ Memory แล้วทำให้ดีขึ้นเรื่อย ๆ ช่วงแรก ๆ อาจจะยังไม่สามารถทำงานที่มี Goal ที่เข้มข้นได้ดีนัก แต่เมื่อเกิดการเรียนรู้ หรือ Model ดีขึ้นเครื่องมือดีขึ้น การรองรับ Complex Goal ด้วยการทำงาน Complex Decitions ก็จะยิ่งทำให้ Agentic AI เก่งขึ้นครอบคลุมงานของมนุษย์ กลายเป็นผู้ช่วยสารพัดในงานในหลาย ๆ ความชำนาญ
และ Agentic AI จะมีเป้าเพื่อทำให้ผู้ใช้งานพึงพอใจมากที่สุด การ Personalized User Interactions จะเข้ามาทำให้ประสบการณ์ดีขึ้น เรียนความชอบ ตัวตนของ User ยิ่งกว่าเป็นคนรู้ใจ เข้าใกล้หนังเรื่อง Her มากขึ้นและเป็นจริงได้ในไม่ช้า
อนาคตของ Gernative AI GenAI ช่วงแรกจะติดเรื่องความสมจริงของ เนื้อหา ความหลอน และการสร้างภาพ และวิดีโอที่ยังไม่สมบูรณ์นักในเชิงความสมจริงทาง Physic สีแสง เงา มุมมอง น้ำหนัก กฏฟิสิกส์ธรรมชาติ แน่นอนว่าจากโมเดลใหม่ ๆ ความสมบูรณ์ในการสร้างภาพ วิดีโอ เริ่มสมจริงจนแยกแยะไม่ได้ เมื่อมันสมจริงมาก ความเก่งในการสร้างสรรค์ Creativity ซึ่งเป็น Key Capability สำคัญของ GenAI จะเพิ่มการเป็นการ Collaboration คือทำงานร่วมกัน ในหนึ่งงานการสร้างสรรค์ จะมี AI ช่วย และทำงานคู่กันกับมนุษย์ และแน่นอนเมื่อทำงานเสมือนเพื่อนร่วมงานก็จะเริ่มเกิด Personalization ขึ้นด้วยเช่นกัน เรียนรู้ Pattern ความชอบ จนทำให้ประสบการณ์ดีขึ้นพร้อมกับ ความสามารถในการทำงานที่มีบริบทแวดล้อมมาเข้ามาเป็นส่วนหนึ่งของการ Generate งานที่พัฒนาขึ้นไปอีกขั้น
ถ้าทั้ง GenAI และ Agentic AI ถูกพัฒนาให้เก่งขึ้นขนาดนี้ ตั้งคำถามกับการทำงานของคุณกัน เราจะทำอะไรเมื่อมีผู้ช่วยที่ Super เก่ง และอาจแก้ไขปัญหาและเรียนรู้ได้ในอัตราที่เร็วกว่าเราหลายเท่า และไม่ป่วย 😄🙏
Credit อ้างอิง ที่ใช้ในบทความ
What’s next for AI agents ft. LangChain’s Harrison Chase
https://www.fabrixai.com/blog/agentic-ai-vs-generative-ai-what-you-need-to-know
