เจาะประเด็น
AI / Training
สอนโมเดลเขียนโค้ดให้วาดรูปสีน้ำได้? นี่คือก้าวที่ทำให้ AI ไม่ได้เก่งแค่พิมพ์
ไม่ใช่แค่เทคนิคเทรนโมเดล แต่คือการสั่นคลอนนิยาม "โมเดลภาษา" ที่เราคุ้นเคย
ทีมข่าว เอไอไทย.com
⏱ อ่าน 4 นาที
เคยสงสัยไหมว่าถ้าเราสอน AI ด้วย "โค้ด" แทนที่จะเป็น "ภาพ" มันจะวาดรูปเป็นยังไง? คำตอบอาจเปลี่ยนวิธีคิดเรื่องความสามารถของ AI ไปตลอดกาล
เอาล่ะ เพื่อนๆ รู้กันดีว่าวงการ AI ตอนนี้มันคลั่งไคล้เรื่อง "โมเดลภาษา" ขนาดไหน ทุกคนวาดฝันว่าโมเดลพวกนี้จะเขียนบทความ ตอบคำถาม เขียนโค้ดเก่งๆ แต่จะมีสักกี่คนที่คิดว่า... เราสามารถสอนโมเดลที่ถูกฝึกมาเพื่อเขียนโค้ดให้กลายเป็น "ศิลปิน" ที่วาดภาพสีน้ำได้?
ฟังดูเพี้ยนๆ ใช่ไหมล่ะ? แต่ทีมงานจาก Hugging Face เขาทำจริงจัง และผลลัพธ์ที่ออกมามันไม่ได้แค่ "น่ารัก" หรือ "เท่" แต่กำลังบอกอะไรบางอย่างกับวงการ AI ทั้งวงการได้อย่างน่าคิด
เรื่องนี้มันเริ่มจากคำถามง่ายๆ ที่ว่า "ถ้าเราอยากได้โมเดลที่วาดรูปได้ แต่ไม่อยากเสียเวลาฝึก diffusion model (โมเดลสร้างภาพแบบ Midjourney) หนักๆ ล่ะ?" คำตอบที่ทีมเขาค้นพบคือ การใช้ TRL (Transformer Reinforcement Learning) กับ OpenEnv ซึ่งเป็นเครื่องมือโอเพนซอร์สของเขาเอง มาสอนโมเดลภาษาให้ "คิดเป็นภาพ" ผ่านการเขียนโค้ดนั่นแหละ
วิธีคิดมันไม่ได้ซับซ้อนอะไรขนาดนั้น แทนที่จะป้อนภาพให้โมเดลดูเป็นล้านๆ รูป เขาสอนให้โมเดลรู้จัก "เครื่องมือ" ที่ใช้สร้างภาพ เช่น การเรียกใช้ฟังก์ชันบางอย่าง แล้วให้รางวัลเมื่อผลลัพธ์ออกมาดูดี ฟังดูเหมือนการฝึกหมาให้ทำท่าทาง แต่ในระดับที่ซับซ้อนกว่ามาก
ผลลัพธ์ที่ออกมาแม้จะไม่ได้สวยงามเท่า DALL-E หรือ Midjourney แต่มันคือ "ภาพวาดสีน้ำ" ที่มีตัวตน มีความอาร์ตในแบบของมันเอง และนั่นคือประเด็นสำคัญที่คนส่วนใหญ่มองข้าม
สิ่งที่ทีมเขาทำสำเร็จไม่ใช่แค่การสร้างโมเดลวาดรูป แต่คือการพิสูจน์ว่า "โมเดลภาษา" ไม่ได้ถูกจำกัดอยู่แค่ในโลกของตัวอักษรอีกต่อไป มันสามารถเป็น "ตัวควบคุม" (Controller) สำหรับเครื่องมืออื่นๆ ได้ ไม่ว่าจะเป็นเครื่องมือวาดรูป หรืออะไรก็ตามที่เราสามารถเขียนโค้ดสั่งมันได้
ลองคิดดูเล่นๆ นะครับ ถ้าเราเทรนโมเดลแบบนี้กับเครื่องมืออื่นๆ ที่ไม่ใช่แค่การวาดรูป เช่น การควบคุมหุ่นยนต์ในโรงงาน หรือการจัดการระบบไฟในบ้าน โมเดลภาษาก็จะกลายเป็น "สมอง" ที่ควบคุมทุกอย่างได้ด้วยคำสั่งธรรมชาติ (Natural Language) ซึ่งนี่แหละคือก้าวสำคัญที่จะพาเราไปสู่ยุคที่เราสั่งงานคอมพิวเตอร์ด้วยการพูดคุยจริงๆ จังๆ ไม่ใช่แค่พิมพ์โค้ดอีกต่อไป
ต้องยอมรับว่าวิธีนี้มัน "คิดนอกกรอบ" จริงๆ เพราะปกติเรามักจะคิดว่าโมเดลสร้างภาพต้องเป็น diffusion model เท่านั้น แต่ Hugging Face เขาเล่นอีกมุมนึง คือใช้โมเดลภาษาเป็นตัวขับเคลื่อน ซึ่งอาจจะไม่ให้ผลลัพธ์ที่เหนือกว่า แต่ให้ความยืดหยุ่นและเปิดโลกใหม่ในการพัฒนาได้มากกว่า
นี่ไม่ใช่แค่เรื่องของการวาดรูปสีน้ำสวยๆ แต่คือการประกาศว่า "ภาษา" คือยูนิเวอร์แซลอินเทอร์เฟซที่แท้จริงของ AI ในอนาคต และใครก็ตามที่คิดว่าโมเดลภาษาเอาไว้แค่พิมพ์แชตคุย คงต้องคิดใหม่ เพราะของเล่นชิ้นนี้มันใหญ่กว่าที่คิด
ที่มา: Hugging Face Blog — อ่านต้นฉบับ
ความคิดเห็น 5
กำลังโหลดความคิดเห็น...