Prompt, Output, Hallucination: คำศัพท์ AI ที่ฟังดูแปลกกว่าที่เป็นจริง

คุณเปิดเครื่องมือ AI ขึ้นมา แล้วมีคนบอกให้คุณ "write a better prompt" จากนั้นเขาก็เตือนว่าโมเดลอาจ "hallucinate" ได้ และเอ่ยว่าข้อความของคุณมีค่าใช้จ่ายเป็นจำนวน "tokens" เท่านั้นเท่านี้ ถ้าคุณหยุดคิดถึงคำพวกนี้แบบโดด ๆ มันจะฟังดูประหลาด เครื่องมือที่หลอนได้? Tokens เหมือนเหรียญในตู้เกม?

ข่าวดีคือ คำพวกนี้ไม่ได้แปลกอย่างที่ฟัง แต่ละคำยืมคำในชีวิตประจำวันมาแล้วมอบหน้าที่แคบ ๆ เฉพาะเจาะจงให้ พอคุณเรียนรู้หน้าที่ของมัน คำศัพท์เหล่านี้ก็เลิกน่ากลัวและเริ่มมีประโยชน์

ลองคิดว่าคำพวกนี้เป็นชุดแฟนซี คำที่คุ้นเคยสวมชุดเทคโนโลยีแล้วเดินเข้าไปในห้องใหม่ "prompt" ดูเหมือนเดิมจากภายนอก แต่ในห้อง AI มันมีความหมายเฉพาะ หน้าที่ของคุณคือแค่จำให้ได้ว่าคุณยืนอยู่ในห้องไหน เพื่อจะได้อ่านคำนั้นอย่างถูกต้อง

คำตอบสั้น ๆ

ในโลก AI prompt คือคำสั่งหรือคำถามที่คุณพิมพ์เข้าไป output คือสิ่งที่ระบบผลิตออกมาเป็นการตอบสนอง hallucination คือชิ้นส่วนของผลลัพธ์ที่มั่นใจแต่ผิด token คือชิ้นเล็ก ๆ ของข้อความที่ระบบประมวลผล และ model คือระบบที่ผ่านการฝึกมาแล้วนั่นเอง ไม่มีอันไหนหมายความตามที่มันจะหมายถึงบนโต๊ะอาหารเลย และช่องว่างนั้นแหละคือจุดที่คนสับสน

คำสำคัญ

• Prompt. สิ่งที่คุณให้ AI ไป คือคำถาม คำสั่ง หรือข้อความของคุณ "Write me a prompt" หมายถึง "เขียนอินพุตที่คุณจะส่งไป"
• Output. สิ่งใดก็ตามที่ระบบสร้างกลับมา คำนี้เป็นกลางโดยตั้งใจ เราใช้ "output" แทน "answer" เพราะผลลัพธ์ไม่ได้รับประกันว่าถูกต้องหรือแม้แต่ตรงประเด็น
• Hallucination. ชิ้นส่วนของผลลัพธ์ที่มั่นใจและลื่นไหลแต่กุขึ้นมาหรือผิดล้วน ๆ ข้อเท็จจริงปลอม คำพูดที่ถูกแต่งขึ้น การอ้างอิงที่ไม่มีอยู่จริง
• Token. ชิ้นเล็ก ๆ ของข้อความ มักเป็นคำหรือส่วนของคำ ใช้เป็นหน่วยที่ระบบอ่านและนับ ความยาวและค่าใช้จ่ายมักวัดเป็น token
• Model. ระบบที่ผ่านการฝึกแล้วซึ่งผลิตผลลัพธ์ออกมา "The model" คือสิ่งที่ทำงาน ไม่ใช่คน และไม่ใช่ตัวอย่างให้ลอกเลียน
• Context. ข้อความที่ระบบกำลังให้ความสนใจอยู่ตอนนี้ รวมถึง prompt ของคุณและบทสนทนาล่าสุด "context window" คือปริมาณข้อความที่มันเก็บไว้ได้ในคราวเดียว
• Fine-tune. การนำโมเดลที่มีอยู่มาฝึกต่ออีกเล็กน้อยด้วยเนื้อหาเฉพาะ เพื่อให้มันมีพฤติกรรมแบบหนึ่ง ไม่ใช่ "การปรับเล็ก ๆ ด้วยมือ" แต่เป็นขั้นตอนการฝึกจริง แม้จะเล็กกว่าก็ตาม

กับดักที่พบบ่อย

กับดักที่พบบ่อยคือการได้ยินคำว่า prompt แล้วนึกถึงความหมายในชีวิตประจำวัน ในภาษาอังกฤษทั่วไป "prompt" หมายถึงรวดเร็วได้ ("a prompt reply") หรือกระตุ้นเตือนใครสักคน ("she prompted him to speak") แต่ในโลก AI มันเป็นคำนาม คือข้อความอินพุต ดังนั้น "improve your prompt" ไม่ได้หมายความว่า "ให้เร็วขึ้น" แต่หมายถึง "เขียนคำสั่งที่คุณพิมพ์ไปใหม่"

คำว่า output ทำคนสะดุดเพราะพวกเขาคาดหวังว่ามันหมายถึง "คำตอบที่ถูกต้อง" แต่ไม่ใช่ Output คือแค่สิ่งที่ออกมา มันอาจยอดเยี่ยม หรืออาจไร้สาระก็ได้ การจำคำที่เป็นกลางนี้ไว้ช่วยปกป้องคุณจากการเชื่อผลลัพธ์เร็วเกินไป

Hallucination ฟังดูดราม่า แม้แต่ฟังดูเป็นเรื่องทางการแพทย์ และหลายคนคิดว่ามันแปลว่า AI เสียหรือมีอาการบางอย่าง แต่มันสงบกว่านั้น มันเป็นแค่ศัพท์เทคนิคธรรมดาสำหรับผลลัพธ์ที่ลื่นไหลและมั่นใจแต่เป็นเท็จ ระบบไม่ได้เห็นภาพหลอน มันแค่เติมช่องว่างด้วยข้อความที่ฟังดูสมเหตุสมผล อันตรายอยู่ตรงที่มันไม่ดูเหมือนความผิดพลาด มันดูลื่นไหลพอดี

Token ทำเกือบทุกคนสับสนในตอนแรก มันไม่ใช่เหรียญ ของขวัญ การแสดงน้ำใจ ("a token of thanks") หรือบัตรผ่านความปลอดภัย ในโลก AI มันคือชิ้นของข้อความ เวลาเครื่องมือบอกว่าคุณมีขีดจำกัดกี่ token มันกำลังพูดถึงปริมาณข้อความที่มันรับไหว ไม่ใช่สกุลเงินที่คุณจ่ายเพื่อแลกรางวัล

สุดท้าย model ฟังดูเหมือนควรหมายถึงคนที่โพสต์ท่าถ่ายรูป หรือตัวอย่างที่สมบูรณ์แบบให้เลียนแบบ ("a model student") แต่ในโลก AI มันหมายถึงระบบที่ผ่านการฝึกแล้วเอง "Which model are you using?" ถามว่าใช้ระบบที่ฝึกแล้วตัวไหน ไม่ใช่ตัวอย่างไหนหรือแบบอย่างไหน

ยังมีกับดักที่เงียบกว่าซ่อนอยู่ในคำว่า context ในภาษาพูดทั่วไป context หมายถึงภูมิหลังหรือสถานการณ์ ("in this context") แต่ในโลก AI มันมีขอบที่แม่นยำ คือข้อความเฉพาะที่ระบบมองเห็นได้ตอนนี้ เวลาคนพูดว่า "มันลืม context หมดแล้ว" พวกเขาหมายถึงบทสนทนายาวเกินกว่าที่ระบบเก็บไหว ไม่ใช่ว่ามันหมดความสนใจ และ fine-tune ในภาษาอังกฤษทั่วไปหมายถึงการปรับนิด ๆ ("fine-tune the wording") แต่ในโลก AI มันหมายถึงการฝึกเพิ่มอีกรอบจริง ๆ ดังนั้น "we fine-tuned the model" เป็นการกระทำที่ใหญ่กว่า "we tweaked a setting" แม้คำในชีวิตประจำวันจะฟังดูอ่อนโยนและเล็กน้อย

ในทุกคำเหล่านี้ แบบแผนเหมือนกัน คือ คำที่นุ่มและคุ้นเคยซ่อนหน้าที่ทางเทคนิคที่แม่นยำเอาไว้ ความเข้าใจผิดไม่ได้มาจากคำที่ยาก แต่มาจากการที่เราเชื่อความหมายในชีวิตประจำวันนานเกินไปนิดเดียว ช้าลงกับแต่ละคำ แปะหน้าที่แคบ ๆ ของมันเข้าไป แล้วความสับสนก็จะกระจ่าง

ตัวอย่างแบบธรรมชาติ vs แบบแปร่ง

แบบแปร่ง: I gave the AI a quick prompt, so it answered promptly with the right output.

แบบธรรมชาติ: I typed a short prompt, and the model produced an output I still had to check.

เป็นธรรมชาติน้อยกว่า: The model hallucinated, so something must be seriously wrong with it.

ดีกว่า: The model hallucinated a source, so I verified the claim before trusting it.

แบบแปร่ง: My message used too many tokens, like spending coins.

แบบธรรมชาติ: My message was long, so it used a lot of tokens.

แบบแปร่ง: This AI model is a real role model for writing.

แบบธรรมชาติ: This model produces strong writing, though it still makes mistakes.

เวอร์ชันที่เป็นธรรมชาติคงคำไว้ในหน้าที่ทางเทคนิคแคบ ๆ ของมัน และไม่ปล่อยให้ความหมายในชีวิตประจำวันแอบเข้ามา

เป็นธรรมชาติน้อยกว่า: The conversation got too long, so the AI lost interest in the context.

ดีกว่า: The conversation got too long, so it ran past the context the model could hold.

ตรงนี้ "lost interest" ลักลอบใส่ความรู้สึกเข้ามา โมเดลไม่มีความสนใจให้เสีย มันแค่ไม่สามารถเก็บข้อความก่อนหน้าทั้งหมดไว้ในสายตาได้

ตารางสรุป

ฝึกสั้น ๆ

เติมคำในช่องว่างด้วยหนึ่งใน prompt, output, hallucination, token, model แล้วตรวจสอบตัวเองทีหลัง

1. The system invented a study that does not exist; that is a ________.
2. The instruction you type into the tool is the ________.
3. Long text costs more because it uses more ________s.
4. Whatever the tool generates back is its ________.
5. The trained system answering you is the ________.

คำตอบ:

1. hallucination
2. prompt
3. token
4. output
5. model

โบนัส: ในประโยค "she gave a prompt reply" คำว่า "prompt" เป็นความหมายแบบ AI ไหม? (ไม่ใช่ ตรงนั้นมันหมายถึงรวดเร็ว ซึ่งเป็นความหมายในชีวิตประจำวัน)

สิ่งที่ควรจำ

คำศัพท์ชุดนี้ฟังดูแปลกก็เพราะแต่ละคำยืมคำธรรมดามาแล้วมอบหน้าที่เฉพาะเจาะจงให้เพียงหน้าที่เดียว prompt คืออินพุตของคุณ output คือผลลัพธ์ดิบ ๆ hallucination คือเรื่องไร้สาระที่มั่นใจ token คือชิ้นของข้อความ และ model คือระบบเอง ยึดแต่ละคำไว้กับความหมายแคบ ๆ ของมัน โดยเฉพาะ output และ hallucination แล้วคุณจะอ่านงานเขียนเกี่ยวกับ AI ได้โดยไม่สะดุ้ง และพูดถึงเครื่องมือพวกนี้ได้เหมือนคนที่รู้จริงว่าคำพวกนี้ทำหน้าที่อะไร ศัพท์เหล่านี้ไม่ใช่เวทมนตร์ลึกลับ มันเป็นแค่ป้ายชื่อ และตอนนี้มันเป็นของคุณแล้ว