สรุปตามความเข้าใจ

AI Engineering

สร้างแอปบน foundation model — สรุปจากหนังสือ AI Engineering (Chip Huyen)

หนังสือ · AI Engineering: Building Applications with Foundation Models — Chip Huyen (O'Reilly)

หนังสือสอนการใช้โมเดล AI ที่มีอยู่แล้ว เช่น GPT, Gemini, Claude มาสร้างโปรดักต์และแอปพลิเคชัน โดยไม่ต้องเทรนโมเดลเองตั้งแต่ศูนย์

คำสำคัญ

คำความหมาย
AI Engineeringสร้างแอปที่ใช้งานจริงด้วย AI
Foundation modelsโมเดล AI ขนาดใหญ่ เช่น GPT, Claude
Prompt engineeringเขียนคำสั่งให้ AI อย่างมีประสิทธิภาพ
RAGให้ AI ดึงข้อมูลจากฐานข้อมูลของเราเองมาตอบ
AI agentsให้ AI วางแผนและทำงานหลายขั้นตอนเอง
Dataset engineeringเตรียมและจัดการข้อมูลให้ AI
Evaluationทดสอบและวัดคุณภาพคำตอบของ AI
Latency & costลดเวลาตอบสนองและค่าใช้จ่าย

ขั้นตอนพัฒนาแอป AI

หนังสือเน้นการสร้างระบบ AI ตั้งแต่เริ่มพัฒนาจนถึงใช้งานจริง

  1. เลือกโมเดล → GPT / Gemini / Claude
  2. เตรียมข้อมูล → dataset / database / เอกสาร
  3. พัฒนาความสามารถ → prompt engineering / RAG / fine-tuning / AI agents
  4. วัดคุณภาพ → evaluation / ความแม่นยำ / ความน่าเชื่อถือ
  5. ขึ้น production → performance / latency / cost / scalability

AI Engineering ต่างจาก ML Engineering ยังไง

ML EngineeringAI Engineering
โมเดลสร้างหรือเทรนโมเดลเองใช้ foundation model ที่เทรนมาแล้ว
ข้อมูลใช้เทรนโมเดลใช้เสริมการทำงานของแอป
งานหลักtraining / model pipelineprompt engineering / RAG / agents
เป้าหมายโมเดลที่แม่นยำแอป AI ที่ใช้งานได้จริง
ตัวอย่างโมเดลทำนายราคาผู้ช่วย AI

ทำไม ChatGPT ถึงเปลี่ยนเกม

ผู้เขียนแปลกใจตอน ChatGPT ออกมา ไม่ใช่เพราะ AI ใหญ่ขึ้นหรือฉลาดขึ้น แต่เพราะความสามารถที่ดีขึ้นเปิดทางให้สร้างแอปใหม่ได้มหาศาล

  • โมเดลใหญ่ขึ้น มักเก่งขึ้น
  • GPU เร็วขึ้น เทรนได้เร็วขึ้น
  • ข้อมูลมากขึ้น ช่วยเพิ่มความสามารถ

สิ่งที่เปลี่ยนจริงๆ คือ AI ไม่ได้แค่ฉลาดขึ้น แต่เปิดโอกาสสร้างโปรดักต์ใหม่ได้มากกว่าที่ใครเคยคิด

AI เข้าถึงง่ายขึ้นสำหรับ developer

เมื่อก่อนตอนนี้
ต้องสร้างโมเดลเองตั้งแต่ศูนย์ใช้ GPT / Gemini / Claude
ต้องรู้ ML ขั้นสูงdeveloper ทั่วไปเริ่มได้เลย
ต้องสร้างระบบ AI ซับซ้อนเชื่อมผ่าน API
พัฒนานานทำ prototype ได้เร็ว
ต้องมีทีม AI เฉพาะทางdeveloper ทั่วไปสร้างแอป AI ได้

เทคนิคไม่ได้ใหม่ทั้งหมด

แม้ AI จะดังมากตอนนี้ แต่เทคนิคพื้นฐานหลายอย่างมีมาหลายสิบปีแล้ว

  • Language modeling — งานวิจัยตั้งแต่ยุค 1950
  • RAG — ต่อยอดจาก information retrieval
  • Search engine — มีมาก่อน generative AI นานแล้ว
  • Recommendation system — ระบบแนะนำสินค้า/ข้อมูลมีมาก่อน AI ยุคใหม่
  • Model evaluation และ optimization — ยังสำคัญเหมือนเดิม

หลักการที่ยังใช้ได้เสมอ: ทดลองอย่างเป็นระบบ, วัดผลอย่างเข้มงวด, ปรับให้โมเดลเร็วขึ้น, ลด latency, ลดค่าใช้จ่าย

Key concept: ใช้ AI เป็น ไม่เท่ากับสร้างระบบ AI ที่มีคุณภาพ เชื่อถือได้ และไว้ใจได้

คำถามที่หนังสือตอบ

  • ควรใช้ AI สร้างแอปนี้ไหม
  • จะทดสอบและวัดคุณภาพแอป AI ยังไง
  • ใช้ AI ประเมินผลของ AI อีกตัวได้ไหม
  • ทำไม AI ถึงตอบผิดหรือแต่งข้อมูลขึ้นมา (hallucination)
  • เขียน prompt ยังไงให้ได้ผลดีขึ้น
  • ทำไม RAG ช่วยให้ AI ตอบได้แม่นขึ้น และออกแบบ RAG ได้กี่แบบ

โครงสร้างหนังสือ

บทเรื่องเนื้อหา
1ก่อนสร้าง AIควรสร้างแอป AI ไหม AI เหมาะกับปัญหาหรือเปล่า
2Foundation modelsโมเดลถูกสร้างและทำงานยังไง
3–4Evaluationวัดผลและประเมินคุณภาพ AI
5Prompt engineeringเขียน prompt และป้องกัน prompt attack
6Context constructionป้อนข้อมูลที่เกี่ยวข้องผ่าน RAG และ agent
7Fine-tuningปรับโมเดลให้เก่งงานเฉพาะ
8Dataเตรียมและประเมินคุณภาพข้อมูล
9Inference optimizationทำให้ AI เร็วขึ้นและถูกลง
10End-to-endสร้างแอป AI ที่พร้อม production

บทที่ 1 — ยุคแห่ง Scale

ถ้าให้ใช้คำเดียวอธิบาย AI หลังปี 2020 ผู้เขียนเลือกคำว่า scale โมเดลอย่าง ChatGPT, Gemini, Claude ใหญ่มากและใช้ทรัพยากรมหาศาล

  • ไฟฟ้า — พลังงานจำนวนมากในการเทรนและรันโมเดล
  • ข้อมูล — ข้อมูลมหาศาล โดยเฉพาะจากอินเทอร์เน็ต
  • GPU / compute — ฮาร์ดแวร์ประสิทธิภาพสูง
  • คน — ผู้เชี่ยวชาญเฉพาะทาง

ข้อกังวล: ข้อมูลบนอินเทอร์เน็ตที่ใช้เทรนได้อาจไม่พอในอนาคต

Model as a Service (MaaS) ทำให้ใช้โมเดลผ่าน API ได้โดยไม่ต้องสร้างเอง → ความต้องการใช้ AI เพิ่มขึ้น ขณะที่กำแพงในการเริ่มต้นลดลง AI engineering จึงกลายเป็นทักษะจำเป็น

Language model และ Token

ภาษามีธรรมชาติเชิงสถิติ เช่น ตัว e ใช้บ่อยที่สุดในภาษาอังกฤษ → language model ทาย token ถัดไปจากความน่าจะเป็น เช่น my favourite colour is ___ คำว่า blue มีโอกาสสูง ส่วน car มีโอกาสต่ำ

Token อาจเป็นตัวอักษร คำ หรือส่วนของคำ เช่น I can't wait → I, can, 't, wait

Vocabulary คือชุด token ทั้งหมดที่โมเดลใช้ได้ เช่น Mistral 32,000 / GPT-4 100,000

หน่วยตัวอย่าง
Characterc-o-o-k-i-n-gหน่วยเยอะ ความหมายน้อย
Wordcookingคำเต็ม คำศัพท์เยอะมาก
Tokencook + ingสมดุล — หน่วยน้อยกว่าตัวอักษร แต่เก็บความหมายได้

Masked vs Autoregressive

Masked LMAutoregressive LM
ทายtoken ที่หายไปกลางประโยคtoken ถัดไป
ตัวอย่างBERTGPT
เหมาะกับวิเคราะห์และทำความเข้าใจข้อความสร้างข้อความ

Supervision vs Self-supervision

SupervisionSelf-supervision
ข้อมูลต้องมีคน labellabel สร้างจากข้อมูลเอง
ต้นทุนสูง ช้า (เช่น label ภาพ CT scan แพงมาก)ลดการพึ่งคน scale ได้ง่าย
ตัวอย่างตรวจจับ fraudlanguage modeling

Language model ใช้ token ในประโยคสร้างคู่ input/output สำหรับเทรนเอง โดยมี BOS = จุดเริ่ม และ EOS = จุดจบของลำดับ ต่างจาก unsupervised learning ที่โมเดลหา pattern เองโดยไม่มีคำตอบตั้งต้น

Foundation model และ Multimodal

Foundation model คือโมเดลที่เทรนด้วยข้อมูลมหาศาลจนเรียนรู้ pattern และโครงสร้าง แล้วนำไปใช้กับงานได้หลากหลาย และรองรับข้อมูลมากกว่าแค่ข้อความ

เดิมงานวิจัย AI แยกตามชนิดข้อมูล (NLP, computer vision, audio) ตอนนี้ multimodal model ทาย token ถัดไปได้จากทั้ง text และ image token

CLIP เรียนรู้ความสัมพันธ์ระหว่างภาพกับข้อความจากคู่ภาพ-ข้อความบนอินเทอร์เน็ต ใช้จับคู่ว่าข้อความไหนตรงกับภาพ ต่างจาก ChatGPT ที่ตอบคำถามและสร้างข้อความ

3 วิธีปรับ AI ให้เข้ากับงาน

  1. Prompt engineering — บอก AI ว่าต้องทำอะไร
  2. RAG — ให้ข้อมูลเพิ่มเติม
  3. Fine-tuning — เทรนต่อให้เก่งงานเฉพาะ

จาก Foundation model สู่ AI Engineering

AI engineering คือการสร้างแอปบน foundation model — เดิมใช้ ML engineering / MLOps ที่สร้างโมเดลเอง ตอนนี้ใช้โมเดลที่มีอยู่แล้ว

  • Upstream — ทรัพยากรและฮาร์ดแวร์
  • Midstream — โครงสร้างพื้นฐานและ foundation model
  • Downstream — ใช้ AI สร้างโปรดักต์ให้ลูกค้า

สำหรับ solo developer จุดเริ่มที่เหมาะที่สุดคือ downstream: AI engineering → แอป AI → SaaS

การลงทุนใน AI เพิ่มขึ้นเพราะ ต้นทุนต่ำลง, ออกสู่ตลาดเร็วขึ้น, ROI สูงขึ้น — ไม่ได้โตเพราะเทคโนโลยีเก่งขึ้นอย่างเดียว ไม่ต้องซื้อ GPU หรือดูแล infrastructure เอง แค่เรียก API โอกาสใหญ่สำหรับคนส่วนใหญ่จึงอยู่ที่การปรับ foundation model ไปแก้ปัญหาเฉพาะ

AI exposure

งานถือว่า exposed to AI ถ้า AI ลดเวลาทำงานนั้นได้อย่างน้อย 50% — ไม่ได้แปลว่าแทนคน แต่แปลว่ามีโอกาสให้ AI ช่วยสูง

  • exposure ต่ำ: พ่อครัว ช่างหิน นักกีฬา — งานที่ใช้มือและร่างกาย
  • exposure สูง = โอกาสทำ SaaS: ระบบแปลภาษา ผู้ช่วยบัญชี วิเคราะห์ข้อมูล เครื่องมือออกแบบเว็บ

มุมธุรกิจ

ConsumerEnterprise
เน้นใช้ง่ายสำหรับคนทั่วไปเพิ่ม productivity ลดต้นทุน ผูกกับ workflow

องค์กรเน้นความเสี่ยงต่ำ จึงมักใช้ AI กับงานภายใน (internal-facing) ก่อนงานที่เจอลูกค้า เพราะถ้า AI ผิดต่อหน้าลูกค้าจะกระทบชื่อเสียงและความเชื่อใจ

  • Open-ended — ทำได้หลากหลาย ไม่มีคำตอบตายตัว เช่น chatbot ทั่วไป
  • Close-ended — ขอบเขตชัด เช่น แยกอีเมลว่าเป็น spam หรือไม่