GPT-3(3rd Generation Pre-trained Transformer) จะช่วยหรือฉุดอนาคตงานของคนทั่วโลก?!
เมื่อไม่นานมานี้คนทั้งโลกได้ตื่นตะลึงกับความสามารถของ GPT-3 ปัญญาประดิษฐ์ที่ได้รับการพัฒนาจากบริษัท OpenAI เพื่อแบ่งเบาภาระงานของมนุษย์ชาติ
ซึ่งโมเดล GPT-3 ทำหน้าที่คาดเดาคำต่อจากข้อความหลากหลายรูปแบบที่กำหนดให้ และสามารถแปรผลออกมาได้ซับซ้อนใกล้เคียงกับผลงานที่สร้างสรรค์โดยสมองมนุษย์เลยทีเดียว
แต่ GPT-3 จะเข้ามาช่วยให้มนุษย์ทำงานง่ายขึ้นหรือแย่งงานกันแน่
ทั้งโลกตกตะลึงเมื่อวันที่ GPT-3 ได้ทำการเปิดตัวสู่สาธารณะ หลายคนต่างก็มองว่านี้เป็นหนึ่งในนวัตกรรมที่จะช่วยแบ่งเบาภาระมนุษยชาติในการทำงานได้ แต่บ้างก็เสียงแตกกล่าวว่านี้คือภัยคุกคามต่อมนุษยชาติ ปัญญาประดิษฐ์ตัวนี้จะแย่งงานจนมนุษย์จะไม่เหลืออะไรให้ทำอีกต่อไป ในบทความนี้ เราจะมาสำรวจว่า GPT-3 คืออะไร มันทำงานอย่างไร และมันจะมาแย่งงานเราจริง ๆ หรือไม่ในอนาคต
GPT-3 คืออะไร
3rd generation Generative Pre-trained Transformer หรือ GPT-3 เป็น ระบบโครงข่ายประสาทเทียม (neural network) ขนาดยักษ์ที่เกี่ยวข้องกับการประมวลผลภาษาที่ถูกพัฒนาขึ้นโดย OpenAI จำนวนพารามิเตอร์ที่อยู่ในโมเดลของมันมีสูงถึง 1.75 แสนล้านตัว ถือเป็นโมเดลภาษาที่ใหญ่ที่สุดในโลก ณ ปัจจุบัน
โดยจุดเด่นของมันคือการเข้าใจประโยคที่ได้รับมาราวกับว่าเป็นมนุษย์คนหนึ่ง (แสดงให้เห็นได้จากคำตอบของมันเอง) ซึ่งนักพัฒนา(อิสระ)ได้ลองใช้งานเจ้าโมเดลภาษาตัวนี้ผ่านการทดลองหลาย ๆ อย่าง
ไม่ว่าจะเป็นการตอบคำถามความรู้รอบตัวในสาขาต่าง ๆ การเขียนบทกลอนภาษาอังกฤษด้วยสไตล์การประพันธ์อย่างนักเขียนบทละครชื่อดังอย่าง Shakespeare หรือการวาดภาพจากข้อความที่ใส่ไว้ สิ่งเหล่านี้แสดงให้เห็นว่า GPT-3 มีความเข้าใจภาษาเข้าใกล้กับภาษาที่มนุษย์เข้าใจมากขึ้น
OpenAI บริษัทที่อยู่เบื้องหลังการพัฒนาปัญญาประดิษฐ์ GPT-3
ในตอนแรกที่ OpenAI ได้เปิดให้นักพัฒนาอิสระได้เข้าไปใช้งานตัวโมเดลนี้ผ่าน API ที่ทางบริษัทจัดเตรียมไว้ให้โดยผู้ที่ประสงค์จะใช้งานต้องเข้ามาลงทะเบียนและมีคุณสมบัติตามที่กำหนด แต่ล่าสุด ทาง OpenAI มีความมั่นใจในตัว GPT-3 เพิ่มขึ้นจึงได้เปิดให้บริการเชื่อมต่อ API อย่างเปิดเผยให้กับคนทั่วไปได้สามารถได้เข้ามาใช้งานได้ โดยมีเงื่อนไขว่าจะไม่ใช้ GPT-3 ในทางที่ไม่เหมาะสม ยกตัวอย่างเช่น ความรุนแรง การสร้างความเกลียดชัง เนื้อหาผู้ใหญ่ เป็นต้น
GPT-3 ทำงานอย่างไร
GPT-3 เป็นโมเดลทางภาษาที่ทำหน้าที่คาดเดาคำถัดต่อมาจากข้อความที่กำหนดให้ โดยที่ข้อความที่ใส่เข้าไปสามารถเป็นได้หลากหลายรูปแบบ ไม่ว่าจะเป็นการต่อเติมบทความให้เต็มจากประโยคเริ่มต้นที่กำหนดให้ หรือจะเป็นคำถามที่โมเดลจะตอบกลับมาเป็นคำตอบของคำถามนั้น แม้กระทั่งคำสั่งในการแปลภาษาจากภาษาอังกฤษเป็นภาษาฝรั่งเศสพร้อมแนบคำว่า “cheese” ดังในรูปที่ 2 โมเดลก็จะตอบกลับมาเป็นความว่า “fromage” ซึ่งแปลว่าชีสในภาษาฝรั่งเศสนั่นเอง
ในการสร้างโมเดล GPT-3 ทางทีมงาน OpenAI ผสมผสานระหว่างการเรียนรู้แบบ supervised learning และ unsupervised learning เข้าด้วยกัน โดยที่จะเริ่มต้นจากการเรียนรู้ของ unsupervised learning ผ่านข้อมูลในรูปแบบของข้อความในลงไปบน neural network ในการเทรนภาษาที่ได้รับความนิยมอย่าง Transformer ไปเป็นจำนวนมากก่อน
หลังจากนั้นจึงได้ทำการเรียนรู้แบบ Supervised Learning ด้วยการใช้เทคนิคการเทรนที่ทางโมเดลจะได้รับโจทย์บางอย่าง เช่น แบ่งแยกสุนัขกับแมวโดยที่โมเดลจะได้รับชุดข้อมูลในการเทรนในจำนวนที่จำกัด ซึ่งเป็นได้ทั้ง ไม่มีชุดข้อมูลเลย (Zero Shot), มีชุดข้อมูลสุนัขและแมวอยู่หนึ่งชุด (One Shot), หรือมีชุดข้อมูลดังกล่าวที่มากกว่าหนึ่ง (Few Shot) ก่อนที่จะทำการตรวจสอบผลและปรับจูนน้ำหนักของแต่ละพารามิเตอร์ในโมเดลต่อไป
ในกรณีนี้ โมเดลจะทำการเทรนโดยการรับคำสั่งมา (เป็นข้อความทั้งหมด) แล้วก็ได้รับตัวอย่างคำตอบมาเป็นจำนวนหลากหลายไม่ว่าจะเป็น ไม่ได้รับตัวอย่างเลย (Zero Shot) ได้รับมาแค่หนึ่งตัวอย่าง (One Shot) หรือได้รับมามากกว่าหนึ่ง (Few Shots) ดังในรูปที่ 2
สิ่งมหัศจรรย์ของ GPT-3 คือการตอบคำถามที่ไม่ยึดติดกับรูปแบบตายตัวอย่างการเทรน supervised learning ที่จะคาดหวังคำตอบจากโมเดลตรงตามแบบฟอร์ม เช่น การเทรนโมเดลเพื่อแยกแยะระหว่างรูปแมวกับสุนัขซึ่งโมเดลทำการตอบได้แค่เพียงว่ารูปที่ใส่เข้าไปเป็นรูปแมวหรือรูปสุนัขเท่านั้น นอกจากนี้ GPT-3 ยังสามารถทำการส่งข้อมูลออกมาได้หลากหลายมาก เช่น การต่อข้อความจากประโยคเรียงร้อยกันเป็นบทความ และอื่นๆ ดังที่จะเห็นได้จากหัวข้อต่อ ๆ ไป
GPT-3 ทำอะไรได้บ้าง
GPT-3 โชว์ทักษะทางด้านภาษาอย่างไม่น่าเชื่อ ในบทความนี้ได้รวบรวมสิ่งที่ GPT-3 สามารถทำได้ ตัวอย่างได้แก่
- ●สร้างบทสนทนาโต้ตอบไปมาระหว่างกันได้ (ซึ่งคล้าย ๆ กับ Chatbot) รวมถึงการตอบคำถามที่ยาก ๆ เชิงปรัชญาได้อีกด้วย ตัวอย่าง: ZeroCater CEO Arram Sabeti ใช้ GPT-3 เพื่อสร้างบทสนทนาเสมือนระหว่าง Tim Ferriss (นักจัด podcast ชาวอเมริกัน) กับ Marcus Aurelius (จักรพรรดิของอาณาจักรโรมัน) เกี่ยวกับลัทธิ Stoicism
- ●เขียนโค้ดขึ้นได้ด้วยตัวเองตามรายละเอียดที่เราต้องการอยากได้ ตัวอย่าง: สร้างโค้ด Javascript ในการออกแบบหน้าตาของส่วนประกอบเว็บไซต์แต่ละชิ้น Sharif Shameem twitter
- ●สร้างงานศิลปะ ตัวอย่าง: เขียนคอร์ดกีตาร์ของเพลงที่แต่งขึ้นเอง Amanda Askell twitter
- ●สร้างบัญชีดุลทางการเงินได้จากข้อความ Yash Dani twitter
จากที่เห็นในตัวอย่างดังกล่าว เราจะเห็นว่าความสามารถบางอย่างถือว่าน่าประทับใจเลยทีเดียว แต่บางอย่างก็น่ากลัวเนื่องจากมันอาจจะทำงานแทนมนุษย์ได้ในงานอย่างเช่น การเขียนเว็บไซต์ งานสัมภาษณ์ สร้างงบดุลทางการเงิน เป็นต้น
ข้อจำกัดของมัน
ถึงแม้ว่ามันจะทำงานหลากหลายได้อย่างไร้ที่ติ แต่ก็ยังมีข้อจำกัด ตัวอย่างเช่น
- ●อคติ: GPT-3 อาจมีอคติบางอย่างเกี่ยวกับสังคมเนื่องจากว่าข้อมูลที่ใช้เทรนเป็นข้อมูลที่ได้มาจากอินเทอร์เน็ตมาอย่างไม่ได้กรอง เพราะฉะนั้นจึงอาจจะมีคำพูดที่ส่อถึงอคติต่อบางเชื้อชาติได้
- ●พลังงาน: การเทรนข้อมูลของ GPT-3 ด้วยข้อมูลทั้งหมดใช้พลังงานในการประมวลผลเทียบเท่ากับการขับรถยนต์ไปดวงจันทร์แล้วกลับมา ที่มีค่าใกล้เคียงกับตัวเลข 190,000 kWh ซึ่งนั่นเป็นปริมาณพลังงานที่สูงมาก
- ●จากรายงานผลการศึกษาของ GPT-3 พบว่าในหลาย ๆ การทดสอบทักษะภาษา GPT-3 ยังทำออกมาได้ดีไม่เท่าโมเดลภาษาแบบ supervised learning ที่ดีที่สุดในตอนนั้น (State-Of-The-Art: SOTA)
- ●GPT-3 เป็นโมเดลการเทรนภาษาแบบทั่วไป ไม่ได้ถูกเทรนมาเพื่อทำงานใดงานหนึ่งโดยเฉพาะ เป็นไปได้ว่าหากเราต้องการใช้ทำงานจริง ๆ การเทรนมันด้วยการทำงานใดงานหนึ่งโดยเฉพาะเจาะจง (Goal-Oriented Training) จะก่อให้เกิดการประยุกต์ใช้ในการทำงานจริงได้
จากที่กล่าวมา เราก็จะเห็นว่า GPT-3 อาจยังไม่พร้อมที่จะออกมาใช้งานกับงานทั่ว ๆ ไปอย่างที่ทุกคนคิด มันยังต้องการการศึกษาค้นคว้าเพื่อทำให้โมเดลพร้อมสมบูรณ์และอาจจะต้องทำให้โมเดลมีขนาดเล็กลงด้วยเพื่อทำให้การใช้งานเข้าถึงได้ทั่วไปมากกว่านี้
ปัญญาประดิษฐ์กับภาพในอนาคต
จากในหัวข้อความสามารถของ GPT-3 ประกอบกับรายงานที่บอกว่าปัญญาประดิษฐ์จะทำให้การจ้างงานหายไปทั้งหมด 40-50% ภายในเวลา 15-20 ปี นั่นทำให้หลายคนตื่นกลัวว่าตนเองจะโดนปัญญาประดิษฐ์แย่งงานไป แต่ทว่าในอดีตที่ผ่าน ๆ มา ทุก ๆ การเปลี่ยนแปลงอุตสาหกรรมก่อให้เกิดอาชีพใหม่อยู่เสมอ
ครั้งนี้ถึงแม้ว่าผลกระทบจะกินวงกว้างมากขึ้นกว่าเดิม และการถ่ายโอนทักษะจากโลกอุตสาหกรรมบริการไปสู่โลกอุตสาหกรรมดิจิทัลจะเกิดขึ้นได้ยากกว่า อย่างไรก็ตามในครั้งนี้ดูเหมือนว่านี่คือทางที่โลกเลือกเดินและเราจำเป็นต้องปรับตัวให้ได้
การมาของเทคโนโลยีนี้ส่งผลกระทบต่อหลากหลายอุตสาหกรรมมาก โดยเฉพาะอย่างยิ่งอุตสาหกรรมที่อาศัยการสื่อสารของมนุษย์ หนึ่งในอุตสาหกรรมที่จะได้รับผลกระทบมากที่สุดคืออุตสาหกรรมการศึกษาที่หนังสือ AI 2041 ได้คาดการณ์ว่าด้วยเทคโนโลยีนี้ การเรียนรู้แบบเฉพาะบุคคล (personalized education) จะเกิดขึ้นซึ่งมันเข้ามาตอบโจทย์ปัญหาของอุตสาหกรรมการเรียนรู้ในปัจจุบันที่โดดเด่นทางด้านการสอนนักเรียนจำนวนมาก แต่ไม่ยืดหยุ่นพอให้นักเรียนได้เรียนรู้ตามความเร็วในการเรียนรู้ของตนเอง
รวมถึงการเรียนรู้ที่คำนึงถึงความสนใจของผู้เรียนเป็นหลัก การใช้งาน GPT-3 จะเปรียบเสมือนเป็น “ผู้ช่วยเหลือการเรียนรู้” ที่นำมาใช้ในการตอบคำถามให้กับผู้เรียนในส่วนที่ผู้เรียนสงสัย (เพราะตัวมันเองได้ผ่านความรู้ต่าง ๆ เป็นจำนวนมากอยู่แล้ว) รวมถึงปรับระดับความเร็วในการสอนให้เข้ากับความสนใจของผู้เรียนเอง และในอนาคตครูจะทำหน้าที่เป็นผู้ส่งเสริมการเรียนรู้ให้กับเด็ก
ไม่ว่าจะเป็นการแนะนำเรื่องใหม่ที่ผู้เรียนอาจสนใจ หรือแม้กระทั่งเป็นผู้ปรับจูนพารามิเตอร์ให้กับผู้ช่วยเหลือการเรียนรู้ GPT-3 ให้เหมาะสมกับผู้เรียนโดยทั่วไปได้ นี่เป็นเพียงแค่หนึ่งในหลากหลายอาชีพที่จะได้รับผลระทบจากการมาของ GPT-3 เพราะฉะนั้น กลุ่มอาชีพที่จะต้องมีการติดต่อสื่อสารที่ซ้ำ ๆ เดิม ๆ อาจได้รับผลกระทบ
ปฏิเสธไม่ได้ว่า ประสิทธิภาพของ GPT-3 ในปัจจุบัน ทำให้เราตั้งคำถามถึงความอยู่รอดของมนุษยชาติในโลกที่ปัญญาประดิษฐ์มีความฉลาดเหนือกว่าเราในทุก ๆ ด้าน หรือสุดท้ายแล้ว GPT-3 จะเป็นจุดเริ่มของปัญญาประดิษฐ์แบบทั่วไป (Artificial General Intelligence: AGI) หรือไม่?
AGI คือความพยายามที่จะสร้างปัญญาประดิษฐ์ที่มีความฉลาดและความคิดสร้างสรรค์เหมือนมนุษย์ที่ซึ่งถูกแบ่งแยกจากปัญญาประดิษฐ์แบบแคบ (Artificial Narrow Intelligence: ANI) ที่เป็นปัญญาประดิษฐ์ส่วนใหญ่ที่เรารู้จักในปัจจุบัน ถึงแม้ว่านักวิจัยหลายคนกล่าวว่าการพัฒนาปัญญาประดิษฐ์ปัจจุบันเป็นพื้นฐานในการต่อยอดไปสู่การสร้าง AGI ในอนาคต
แต่ Professor Emeritus Ragnar Fjelland จาก University of Bergen ได้ตีพิมพ์งานวิจัยที่เห็นแย้งว่า ความก้าวหน้าทาง ANI ไม่ได้สร้างความก้าวหน้าให้กับ AGI และ AGI ไม่มีทางที่จะเกิดขึ้นได้นอกเสียจากมันจะเติบโต เป็นส่วนหนึ่งของสังคม และใช้ชีวิตอยู่บนโลกมนุษย์
อย่างไรก็ตาม ในทรรศนะของผู้เขียน แก่นของโมเดลการเทรนภาษานี้คือการทำซ้ำในสิ่งที่ปรากฏบ่อย ๆ ในชุดข้อมูลที่นำมาเทรน เมื่อเปรียบเทียบกับมนุษย์ผู้ซึ่งมี “ความคิดสร้างสรรค์”แล้วนั้น ความคิดสร้างสรรค์ของโมเดลภาษาที่เป็นอยู่คงเป็นเพียงอะไรที่อยู่ภายในข้อมูลที่ใช้เทรนและไม่เหมือนความคิดสร้างสรรค์ที่มนุษย์เข้าใจและรู้จัก
ถึงแม้ว่าการแทนที่แรงงานมนุษย์ด้วย GPT-3 หรือปัญญาตัวประดิษฐ์ตัวอื่นอาจจะสร้างผลกระทบในแง่ลบต่อระบบเศรษฐกิจปัจจุบัน แต่ในภาพกว้างแล้วการเข้ามาของโมเดลภาษาลักษณะนี้เป็นเรื่องที่ดีสำหรับเรา เพราะเราจะได้ใช้มันทำงานที่ไม่ได้ใช้ความคิดสร้างสรรค์เพื่อที่จะให้เราทำงานในส่วนที่ใช้ความคิดสร้างสรรค์ให้มาขึ้นกว่านี้ นั่นอาจรวมถึงการสร้างสรรค์รูปแบบของระบบเศรษฐกิจที่มีปัญญาประดิษฐ์เป็นตัวขับเคลื่อนในอนาคต
เขียนโดย อนันต์วัฒน์ ทิพย์ภาวัต
ตรวจทานและปรับปรุงเนื้อหาโดย นนทวิทย์ ชีวเรืองโรจน์
#BigData #Data #digital #Tech #Technology #เทคโนโลยี #AI #GPT3
- 8
โฆษณา
- ดาวน์โหลดแอปพลิเคชัน
- © 2025 Blockdit
