สรุปความโหดโมเดล “o1” ร่างทอง ChatGPT ที่ OpenAI เพิ่งเปิดตัว เก่งกว่าเดิมอย่างไรบ้าง?

OpenAI เปิดตัวโมเดล ChatGPT ตัวใหม่ในชื่อ “o1” หรือเรียกกันภายในว่าโมเดล “Strawberry” โดยโมเดลนี้ถูกออกแบบมาให้มีการคิดแบบเป็นเหตุเป็นผล “Reasoning Ability” คล้ายกับการคิดแบบมนุษย์มากขึ้น โดยจะเน้นไปที่การคำนวณ การวิเคราะห์หาคำตอบ และการเขียนโค้ดที่มีประสิทธิภาพมากขึ้น

โมเดล “o1” มีชื่อที่เรียกกันภายในว่า “Strawberry” คาดว่ามาจากประเด็นที่ก่อนหน้านี้มีการตั้งคำถามกับ ChatGPT-4o ว่า “How many ‘r’ in the word ‘Strawberry’?” หรือ “มีตัว r กี่ตัวในคำว่า Strawberry” ซึ่งคำตอบที่ ChatGPT ตอบกลับมาคือ “The word ‘Strawberry’ has two ‘r’s.” หรือ “มี r แค่ 2 ตัวในคำว่า Strawberry” ซึ่งนั่นเป็นคำตอบที่เราคาดไม่ถึง เพราะจริง ๆ แล้วคำตอบคือ “มี r อยู่ 3 ตัว”

โดยโมเดลใหม่ “o1” นี้จะใช้เวลาในการคิดคำตอบนานขึ้น ใช้ภาษาที่มีความเป็นธรรมชาติมากขึ้น และจากรายงานของ OpenAI ชี้ว่า โมเดลนี้ยังสามารถแก้ปัญหาที่ซับซ้อนได้อย่างเป็นขั้นเป็นตอน ซึ่งรวมไปถึงโจทย์คณิตที่ยาก ๆ และเขียนโค้ดให้ซับซ้อนได้ อีกทั้งยังมีการคิดด้วยตรรกะมากกว่าที่จะเรียบเรียงตัวหนังสือออกมาเป็นคำตอบเฉย ๆ

โมเดลใหม่นี้จะเปิดให้ใช้งานบน ChatGPT Plus และบน API โดยผู้ใช้สามารถเลือกได้ว่าจะใช้งาน “o1-preview” หรือ “o1-mini”

ร่างทอง ChatGPT ฉลาดขึ้นอย่างไรบ้าง?

OpenAI ได้มีการทดสอบวัดระดับความสามารถของโมเดล “o1” โดยเทียบกับ “ChatGPT-4o” และในบางประเด็นก็มีการเทียบกับทักษะของมนุษย์ ผ่านการให้ตอบคำถามจากข้อสอบทางวิชาการ ข้อสอบโอลิมปิกคณิตศาสตร์ เขียนโค้ด แก้โจทย์ครอสเวิร์ด ทำข้อสอบภาษาอังกฤษ ไปจนถึงตอบคำถามระดับปริญญาเอก พบว่า

— มีประสิทธิภาพในการแก้โจทย์ปัญหาได้แม่นยำกว่ามนุษย์ —

จากการทดสอบวัดระดับ พบว่า โมเดล o1 มีความแม่นยำในการแก้โจทย์ปัญหาคณิตศาสตร์ระดับโอลิมปิกที่ 83.3% (สูงกว่า GPT-4o ที่มีความแม่นยำ 13.4%) มีความแม่นยำในการตอบคำถามทางวิทยาศาสตร์ระดับปริญญาเอกที่ 78% (สูงกว่าโมเดล GPT-4o ที่แม่นยำ 56.1% และยังสูงกว่าผู้เชี่ยวชาญที่มีความแม่นยำที่ 69.7%)

— “Chain of Thought” คิดคำตอบอย่างเป็นวิธี —

ในโมเดล o1 การตอบคำถามของ ChatGPT จะใช้เวลาในการคิดคำนวณนานขึ้น และจะใช้วิธีการที่เรียกว่า “Chain of Thought” ในการแก้ปัญหาที่ซับซ้อนขึ้น และจะมีการขัดเกลาข้อมูลก่อนที่จะสร้างเป็นคำตอบออกมา โมเดลนี้มีการเรียนรู้ที่จะรับรู้และแก้ไขข้อผิดพลาด ด้วยการแยกย่อยชุดคำถาม และวิเคราะห์แบบ Step by Step เพื่อให้คำตอบที่สมเหตุสมผลมากขึ้น อีกทั้งยังสามารถทำงานด้วยวิธีการที่แตกต่างกันไป หากพบว่าวิธีการแรกที่ใช้ไม่สามารถหาคำตอบได้

โดยในตัวอย่างที่เปิดเผยมาโดย OpenAI พบว่า โมเดลนี้สามารถถอดรหัส (Decode) ชุดภาษาหรือโค้ดที่ผู้ถามต้องการได้อย่างเป็นขั้นตอน (ดูตัวอย่างการถอดรหัสได้ที่ OpenAI.com) รวมไปถึงสามารถวิเคราะห์หรือวินิจฉัยโรคตามอาการที่ Prompt ลงไปได้อีกด้วย พร้อมกับให้คำแนะนำว่าต้องทำการรักษาอย่างไรต่อ

— พัฒนาทักษะโปรแกรมมิ่งขั้นสูง เขียนโค้ดได้ดีขึ้น —

ในการเทรนโมเดล o1 ได้มีการประเมินผลในการแก้ปัญหาทางโปรแกรมมิ่งขั้นสูง โดยทดสอบผ่านการแข่งขันในโปรแกรม Codeforces พบว่า โมเดล o1 สามารถทำคะแนน Elo ได้ถึงมากถึง 1807 คะแนน ซึ่งสูงกว่า 93% ของผู้แข่งขันที่เป็นมนุษย์ทั้งหมด

จากวิดีโอที่เผยแพร่บนเว็บไซต์ ถึงการลองทดสอบให้ ChatGPT-o1 สร้างโค้ดออกแบบเกม “Snake” หรือ “งูกินหาง” พบว่า โมเดลนี้ใช้เวลาไม่กี่วินาทีก็สามารถ Generate โค้ดของทั้งเกมออกมาได้ (ดูวิดีโอได้ที่ OpenAI)

— เน้นเรื่องความปลอดภัย —

เนื่องจากโมเดลนี้สามารถคิดและให้คำตอบอย่างเป็นขั้นเป็นตอน ความสามารถนี้ OpenAI มองว่าจะช่วยเสริมเรื่องของความปลอดภัยได้เป็นอย่างดี โมเดลนี้จะสามารถตรวจสอบเนื้อหาได้เป็นอย่างดี โดยมีการทดสอบความปลอดภัยผ่านการจำลองการโจมตีทางไซเบอร์ (Red-Teaming) ก่อนการนำไปใช้งานจริง

นอกจากโมเดล o1 จะให้คำตอบแบบเป็นขั้นเป็นตอนได้แล้ว ผู้ใช้ก็ควรจะ Prompt คำถามหรือชุดข้อมูลที่มีการอธิบายเป็น Step by Step ด้วยเช่นกัน เพื่อให้ได้คำตอบที่ดูสมเหตุสมผลมากที่สุด

หลายฝ่ายมองว่า หลังจากนี้ประสบการณ์ในการใช้งาน ChatGPT ด้วยโมเดลใหม่จะเปลี่ยนไปอย่างสิ้นเชิง ผู้ใช้จะได้เห็นคำตอบที่ดูมีความเป็นธรรมชาติมากขึ้น คล้ายคลึงกับการสื่อสารกับมนุษย์ด้วยกัน ไม่ได้ตอบคำถามด้วย “ข้อมูล” ที่รวบรวมมา แต่เป็นการให้คำตอบแบบ “จับใจความ” สรุป และเรียบเรียงออกมาอย่างเป็นขั้นตอน

ที่มา: OpenAI, Reuters, Bloomberg

ติดตามเพจ Facebook : Thairath Money ได้ที่ลิงก์นี้ - https://www.facebook.com/ThairathMoney