DOMAIN-SPECIFIC LARGE LANGUAGE MODELS

คุณจรีพร จารุกรสกุล

ประธานคณะกรรมการบริหารและประธานเจ้าหน้าที่บริหารกลุ่ม

บริษัท ดับบลิวเอชเอ คอร์ปอเรชั่น จำกัด (มหาชน)

ในช่วงไม่กี่ปีที่ผ่านมา ปัญญาประดิษฐ์โดยเฉพาะ Large Language Models (LLMs) ได้เข้ามาเปลี่ยนวิธีการทำงานของผู้คนอย่างมีนัยสำคัญ ซึ่งจุดเปลี่ยนสำคัญคือการที่เทคโนโลยีเหล่านี้สามารถเข้าถึงและใช้งานได้ง่ายสำหรับบุคคลทั่วไป ทำให้พวกเขาสามารถยกระดับประสิทธิภาพการทำงานได้อย่างมาก ไม่ว่าจะเป็นการสร้างสรรค์งานเขียน การสรุปข้อมูลที่มีความซับซ้อน หรือการค้นคว้าหาความรู้ โดยไม่ต้องมีความรู้เชิงเทคนิค อย่างไรก็ตาม เมื่อการใช้งานขยายจากระดับบุคคลไปสู่ระดับองค์กร General-purpose LLM ที่ฝึกจากข้อมูลทั่วไปบนอินเทอร์เน็ตกลับเริ่มเผชิญข้อจำกัดเมื่อถูกนำมาใช้ในบริบทเฉพาะทาง เช่น การไม่เข้าใจศัพท์เฉพาะ การตีความคลาดเคลื่อน หรือการให้ข้อมูลผิดพลาดที่อาจส่งผลต่อการตัดสินใจ

ด้วยเหตุนี้ แนวคิด Domain-specific LLM จึงถูกพัฒนาขึ้นเพื่อแก้ไขข้อจำกัดดังกล่าว โดยเข้ามาเปลี่ยนบทบาทของ AI จากโมเดลที่มีความรู้กว้าง ไปสู่โมเดลที่มีความรู้เชิงลึกและเข้าใจบริบทของแต่ละอุตสาหกรรมหรือองค์กรอย่างแท้จริง การพัฒนานี้อาศัยข้อมูลเฉพาะด้าน เช่น รายงานทางการเงิน ระเบียบปฏิบัติ กฎหมาย หรือนโยบายภายในองค์กร ฯลฯ เพื่อให้โมเดลเข้าใจภาษา โครงสร้างข้อมูล และวิธีการทำงานได้ตรงตามความเป็นจริง ซึ่งความเชี่ยวชาญเฉพาะทางนี้ส่งผลโดยตรงต่อความน่าเชื่อถือของผลลัพธ์และลดความคลาดเคลื่อนในการให้ข้อมูลได้อย่างมีนัยสำคัญ อีกทั้งโมเดลเฉพาะด้านมักมีขนาดเล็กกว่า จึงใช้ทรัพยากรน้อยและตอบสนองเร็วกว่า ทำให้เหมาะกับการใช้งานระดับองค์กร หลายฝ่ายจึงมองว่า Domain-specific LLM ไม่ใช่แค่เครื่องมือเพิ่มประสิทธิภาพ แต่เป็นการพัฒนาโครงสร้างพื้นฐานดิจิทัลที่ยกระดับคุณภาพการตัดสินใจ รวบรวมและเชื่อมโยงข้อมูลที่กระจัดกระจาย ลดการพึ่งพาความรู้เฉพาะบุคคล และรักษาความต่อเนื่องขององค์ความรู้ขององค์กรในระยะยาว

ในปัจจุบัน เราเริ่มเห็นการนำ Domain-specific LLM ไปใช้งานจริงอย่างเป็นรูปธรรม โดยเฉพาะในอุตสาหกรรมอย่างภาคการเงินและธนาคารที่ต้องการความแม่นยำและความน่าเชื่อถือสูง โดยมีตัวอย่างโมเดลที่พัฒนาขึ้นและเริ่มใช้งานจริง เช่น BloombergGPT ที่พัฒนาจากข่าวและข้อมูลตลาดการเงินโดยเฉพาะ เพื่อช่วยวิเคราะห์ข่าว ประเมินมุมมองตลาด และตอบคำถามด้านการเงิน หรือแพลตฟอร์ม Kasisto ที่เป็นผู้ช่วยเฉพาะทางเพื่อให้คำแนะนำด้านบัญชีและผลิตภัณฑ์ทางการเงิน ในขณะที่ภาคการแพทย์ที่ความผิดพลาดเพียงเล็กน้อยอาจส่งผลต่อชีวิตผู้ป่วย ก็มีโมเดลอย่าง MedPaLM ที่พัฒนาโดยทีมวิจัยของ Google และ DeepMind โดยใช้ข้อมูลการแพทย์เฉพาะทางเพื่อช่วยสนับสนุนการซักถามอาการ การสรุปข้อมูลผู้ป่วย และการตัดสินใจทางการแพทย์ เพื่อลดภาระงานเอกสารของบุคลากรทางการแพทย์และเพิ่มเวลาที่แพทย์สามารถใช้กับผู้ป่วย นอกจากนี้ยังถูกนำมาใช้ในบริการเชิงวิชาชีพที่ต้องการความรู้เฉพาะทาง เช่น งานกฎหมายโดยฝึกจากเอกสาร สัญญา และหลักกฎหมายเฉพาะ เพื่อช่วยตรวจเอกสาร ให้คำแนะนำ และค้นหาข้อมูลที่เกี่ยวข้องได้อย่างแม่นยำ ตัวอย่างเหล่านี้สะท้อนว่า Domain-specific LLM กำลังถูกพัฒนาเป็นส่วนหนึ่งของกระบวนการทำงานขององค์กร ไม่ใช่เพียงเครื่องมือ AI เชิงทดลองอีกต่อไป

อย่างไรก็ตาม การพัฒนา Domain-specific LLM ไม่ได้เป็นเพียงเรื่องของเทคโนโลยี แต่เป็นเรื่องของข้อมูลและการกำกับดูแลอย่างเป็นระบบ เพราะคุณภาพของโมเดลขึ้นอยู่กับความถูกต้อง ความทันสมัย และความสอดคล้องของข้อมูลกับการทำงานจริงขององค์กร ควบคู่กับการบริหารจัดการประเด็นด้านความปลอดภัย ความเป็นส่วนตัว และการใช้งานข้อมูลอย่างเหมาะสม ในระยะยาว Domain-specific LLM มีศักยภาพที่จะกลายเป็นแหล่งความได้เปรียบในการแข่งขันที่สำคัญ เพราะองค์กรที่สามารถหล่อหลอมองค์ความรู้เข้าไปใน AI ได้อย่างเป็นระบบ จะสามารถสร้างระบบที่สะท้อนองค์ความรู้เฉพาะขององค์กรและพัฒนาให้กลายเป็นทรัพย์สินเชิงกลยุทธ์ที่ฝังอยู่ในองค์กรอย่างแท้จริง