รู้ทันการทำงานของ
LLM

LLM คืออะไร (Large Language Model)

LLM = เครื่องทำนายคำถัดไปที่ฉลาดมาก

• LLM (Large Language Model) คือโครงข่ายประสาทเทียม (neural network) ที่ถูกฝึกด้วยข้อความมหาศาลจากอินเทอร์เน็ต หนังสือ และเอกสารต่าง ๆ
• งานหลักที่มันเรียนรู้คือ ทำนายคำ (token) ถัดไป ที่น่าจะตามมา ทีละคำ ต่อเนื่องกันจนกลายเป็นคำตอบทั้งย่อหน้า
• สถาปัตยกรรมเบื้องหลังโมเดลส่วนใหญ่ในปัจจุบัน (Claude, GPT, Gemini) เรียกว่า Transformer ซึ่งมีกลไกสำคัญชื่อ Attention
• Attention ทำให้โมเดล "มองย้อนไปทั้งประโยค" แล้วตัดสินใจว่าคำไหนควรให้น้ำหนัก/ความสำคัญมากกว่ากันตอนสร้างคำตอบ — คล้ายเวลาคนอ่านประโยคยาว ๆ แล้วรู้ว่าคำไหนเชื่อมกับคำไหน

Token (หน่วยของข้อความ)

Token คือชิ้นส่วนย่อยของข้อความที่ AI ใช้อ่านและคิด

• โมเดลไม่ได้อ่านข้อความเป็น "ตัวอักษร" หรือ "คำ" ตรง ๆ แต่จะตัดข้อความออกเป็น token — อาจเป็นคำเต็ม ส่วนของคำ หรือแม้แต่เครื่องหมายวรรคตอน
• ตัวอย่างภาษาอังกฤษ: คำว่า tokenization อาจถูกตัดเป็น token + ization ส่วนคำสั้น ๆ อย่าง the มักเป็น 1 token
• ภาษาไทยมักถูกตัดเป็น token ที่ไม่ตรงกับคำ ๆ หนึ่งเป๊ะ ทำให้บางครั้งข้อความไทยใช้ token มากกว่าที่คิด
• ทุกคำถามที่เราพิมพ์ + คำตอบที่ AI สร้าง = ถูกนับเป็น token ทั้งหมด

Context Window (ขนาดหน้าต่างบริบท)

พื้นที่ทั้งหมดที่ AI "มองเห็น" ได้ในครั้งเดียว

• Context window คือจำนวน token สูงสุดที่โมเดลรับเข้าไปประมวลผลได้ในคำขอเดียว รวมทั้งข้อความที่เราป้อนเข้าไปและคำตอบที่มันสร้างออกมา
• โมเดลรุ่นใหม่ในปี 2026 รองรับ context window ที่ใหญ่ขึ้นมาก บางรุ่นรับข้อความได้เป็นแสนถึงล้าน token ต่อครั้ง (ตัวเลขจริงต่างกันไปตามรุ่น ควรเช็คสเปกล่าสุดของแต่ละโมเดล)
• เมื่อบทสนทนายาวเกิน context window เนื้อหาส่วนต้น ๆ จะถูก "ตัดทิ้ง" หรือสรุปย่อ AI จะไม่เห็นมันอีกต่อไป

Parameters (ขนาดโมเดล)

Parameters คือ "ตัวหมุน" ที่โมเดลปรับระหว่างฝึก

• Parameter คือค่าตัวเลขภายในโครงข่ายประสาทเทียมที่ถูกปรับแต่งระหว่างการฝึก (training) เพื่อให้โมเดลทำนายคำถัดไปได้แม่นขึ้นเรื่อย ๆ
• จำนวน parameter มักถูกใช้เป็นตัวเลขคร่าว ๆ บอก "ขนาด" ของโมเดล ยิ่งมาก โมเดลก็ยิ่งมีความจุในการเก็บรูปแบบภาษาและความรู้ได้มากขึ้น
• ผู้พัฒนาโมเดลชั้นนำส่วนใหญ่ (รวมถึง Anthropic) ไม่เปิดเผยจำนวน parameter ที่แน่นอนของโมเดลปัจจุบัน จึงไม่ควรเชื่อตัวเลขที่ไม่มีแหล่งอ้างอิงทางการ

Training vs Inference (ฝึก vs ใช้งาน)

3 ขั้นตอนสร้างผู้ช่วย AI ก่อนถึงมือผู้ใช้

Temperature (การสุ่มเลือกคำตอบ)

ปุ่มคุมความสุ่มตอนเลือกคำถัดไป

• ในแต่ละจังหวะ โมเดลจะคำนวณ "ความน่าจะเป็น" ของคำถัดไปหลาย ๆ ตัวเลือก แล้วสุ่มเลือกหนึ่งตัวตามความน่าจะเป็นนั้น
• Temperature เป็นค่าที่ปรับว่าการสุ่มนั้น "แหลม" หรือ "แบน" แค่ไหน — ค่ามักอยู่ระหว่าง 0 ถึง 2
• Temperature ต่ำ (เช่น 0.2) → โมเดลเลือกคำที่น่าจะเป็นที่สุดเกือบทุกครั้ง คำตอบจึงนิ่ง สม่ำเสมอ คาดเดาได้
• Temperature สูง (เช่น 0.8–1+) → เปิดโอกาสให้เลือกคำที่ไม่ใช่ตัวเลือกอันดับหนึ่งบ้าง คำตอบจึงหลากหลาย สร้างสรรค์ แต่เสี่ยงหลุดประเด็นมากขึ้น

Hallucination (อาการมั่วอย่างมั่นใจ)

ทำไม AI ถึง "มั่ว" แบบมั่นใจสุด ๆ

• Hallucination คือการที่ AI สร้างข้อมูลที่ฟังดูมั่นใจ ลื่นไหล แต่ไม่เป็นความจริง เช่น อ้างอิงงานวิจัยที่ไม่มีอยู่จริง หรือบอกข้อเท็จจริงผิด ๆ
• สาเหตุหลักคืองานวิจัยพบว่า กระบวนการฝึกและวัดผลโมเดลมักให้รางวัลกับการ "เดาคำตอบ" มากกว่าการยอมรับว่า "ไม่รู้" เพราะการทดสอบส่วนใหญ่ให้คะแนนคำตอบที่ผิดกับคำตอบที่บอกว่าไม่แน่ใจเท่ากัน (คือ 0 คะแนนทั้งคู่) โมเดลจึงถูกฝึกให้ "เดาไปเลยดีกว่า"
• โมเดลไม่มีกลไก "ตรวจสอบข้อเท็จจริง" ในตัวเองแบบมนุษย์ค้นเอกสาร มันแค่ทำนายลำดับคำที่ฟังดูสมเหตุสมผลที่สุดจากสิ่งที่เคยเห็นตอนฝึก

Embeddings (เวกเตอร์ความหมาย)

Embedding = พิกัดของความหมายในพื้นที่หลายมิติ

• Embedding คือการแปลงข้อความ (คำ ประโยค หรือทั้งเอกสาร) ให้เป็น เวกเตอร์ตัวเลข ชุดหนึ่งในพื้นที่หลายมิติ
• ข้อความที่มี ความหมายใกล้เคียงกัน จะถูกวางให้มี "พิกัด" อยู่ใกล้กันในพื้นที่นั้น แม้จะใช้คำคนละคำกันเลยก็ตาม
• ตัวอย่าง: ประโยค "แล็ปท็อปเปิดไม่ติด" กับ "คอมพิวเตอร์บูตไม่ขึ้น" ใช้คำต่างกันโดยสิ้นเชิง แต่ embedding ของทั้งสองจะอยู่ใกล้กันมาก เพราะความหมายใกล้เคียงกัน

RAG (Retrieval-Augmented Generation)

RAG = ค้นก่อน แล้วค่อยให้ AI ตอบ

• RAG (Retrieval-Augmented Generation) คือเทคนิคที่รวม 2 ขั้นตอนเข้าด้วยกัน: ค้นหา (Retrieval) เอกสารที่เกี่ยวข้องจากฐานข้อมูลของเรา แล้ว ส่งเอกสารนั้นเข้าไปใน context ให้ AI ใช้ประกอบการตอบ (Generation)
• ขั้นตอนคร่าว ๆ: แปลงคำถามผู้ใช้เป็น embedding → ค้นหาเอกสารที่ embedding ใกล้เคียงที่สุดในฐานข้อมูลเวกเตอร์ → แนบเนื้อหาที่เจอเข้าไปใน prompt → ให้ AI สร้างคำตอบโดยอ้างอิงเนื้อหานั้น
• ต่างจากการ fine-tune ตรงที่ RAG ไม่ได้แก้ไขตัวโมเดลเลย แค่ "ยืมข้อมูล" มาใส่ใน context ชั่วคราวตอนตอบแต่ละครั้ง

Fine-tuning vs Prompting vs RAG

จุดตัดสินใจสำคัญที่สุดสำหรับคนสร้างงานด้วย AI — เลือกวิธีไหนดีกับงานแบบไหน