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
| คำ | ความหมาย |
|---|---|
| AI Engineering | สร้างแอปที่ใช้งานจริงด้วย AI |
| Foundation models | โมเดล AI ขนาดใหญ่ เช่น GPT, Claude |
| Prompt engineering | เขียนคำสั่งให้ AI อย่างมีประสิทธิภาพ |
| RAG | ให้ AI ดึงข้อมูลจากฐานข้อมูลของเราเองมาตอบ |
| AI agents | ให้ AI วางแผนและทำงานหลายขั้นตอนเอง |
| Dataset engineering | เตรียมและจัดการข้อมูลให้ AI |
| Evaluation | ทดสอบและวัดคุณภาพคำตอบของ AI |
| Latency & cost | ลดเวลาตอบสนองและค่าใช้จ่าย |
ขั้นตอนพัฒนาแอป AI
หนังสือเน้นการสร้างระบบ AI ตั้งแต่เริ่มพัฒนาจนถึงใช้งานจริง
- เลือกโมเดล → GPT / Gemini / Claude
- เตรียมข้อมูล → dataset / database / เอกสาร
- พัฒนาความสามารถ → prompt engineering / RAG / fine-tuning / AI agents
- วัดคุณภาพ → evaluation / ความแม่นยำ / ความน่าเชื่อถือ
- ขึ้น production → performance / latency / cost / scalability
AI Engineering ต่างจาก ML Engineering ยังไง
| ML Engineering | AI Engineering | |
|---|---|---|
| โมเดล | สร้างหรือเทรนโมเดลเอง | ใช้ foundation model ที่เทรนมาแล้ว |
| ข้อมูล | ใช้เทรนโมเดล | ใช้เสริมการทำงานของแอป |
| งานหลัก | training / model pipeline | prompt engineering / RAG / agents |
| เป้าหมาย | โมเดลที่แม่นยำ | แอป AI ที่ใช้งานได้จริง |
| ตัวอย่าง | โมเดลทำนายราคา | ผู้ช่วย 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
| เมื่อก่อน | ตอนนี้ |
|---|---|
| ต้องสร้างโมเดลเองตั้งแต่ศูนย์ | ใช้ GPT / Gemini / Claude |
| ต้องรู้ ML ขั้นสูง | developer ทั่วไปเริ่มได้เลย |
| ต้องสร้างระบบ AI ซับซ้อน | เชื่อมผ่าน API |
| พัฒนานาน | ทำ prototype ได้เร็ว |
| ต้องมีทีม AI เฉพาะทาง | developer 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
| บท | เรื่อง | เนื้อหา |
|---|---|---|
| 1 | ก่อนสร้าง AI | ควรสร้างแอป AI ไหม AI เหมาะกับปัญหาหรือเปล่า |
| 2 | Foundation models | โมเดลถูกสร้างและทำงานยังไง |
| 3–4 | Evaluation | วัดผลและประเมินคุณภาพ AI |
| 5 | Prompt engineering | เขียน prompt และป้องกัน prompt attack |
| 6 | Context construction | ป้อนข้อมูลที่เกี่ยวข้องผ่าน RAG และ agent |
| 7 | Fine-tuning | ปรับโมเดลให้เก่งงานเฉพาะ |
| 8 | Data | เตรียมและประเมินคุณภาพข้อมูล |
| 9 | Inference optimization | ทำให้ AI เร็วขึ้นและถูกลง |
| 10 | End-to-end | สร้างแอป 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
| หน่วย | ตัวอย่าง | |
|---|---|---|
| Character | c-o-o-k-i-n-g | หน่วยเยอะ ความหมายน้อย |
| Word | cooking | คำเต็ม คำศัพท์เยอะมาก |
| Token | cook + ing | สมดุล — หน่วยน้อยกว่าตัวอักษร แต่เก็บความหมายได้ |
Masked vs Autoregressive
| Masked LM | Autoregressive LM | |
|---|---|---|
| ทาย | token ที่หายไปกลางประโยค | token ถัดไป |
| ตัวอย่าง | BERT | GPT |
| เหมาะกับ | วิเคราะห์และทำความเข้าใจข้อความ | สร้างข้อความ |
Supervision vs Self-supervision
| Supervision | Self-supervision | |
|---|---|---|
| ข้อมูล | ต้องมีคน label | label สร้างจากข้อมูลเอง |
| ต้นทุน | สูง ช้า (เช่น label ภาพ CT scan แพงมาก) | ลดการพึ่งคน scale ได้ง่าย |
| ตัวอย่าง | ตรวจจับ fraud | language 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
- Prompt engineering — บอก AI ว่าต้องทำอะไร
- RAG — ให้ข้อมูลเพิ่มเติม
- 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
| Consumer | Enterprise | |
|---|---|---|
| เน้น | ใช้ง่ายสำหรับคนทั่วไป | เพิ่ม 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