แนวทางที่ผิดพลาดในการพัฒนาผลิตภัณฑ์ AI
- ผลิตภัณฑ์ AI ส่วนใหญ่ถูกสร้างในรูปแบบที่ครอบโมเดลอื่นไว้อีกชั้นหนึ่ง เช่น การเรียกใช้ ChatGPT API
- แนวทางแบบนี้ทำได้ง่ายและสร้างฟีเจอร์ที่ดูน่าทึ่งได้ แต่มีปัญหาคือไม่แตกต่างจากคู่แข่ง มีต้นทุนสูง และทำงานช้า
- เมื่อคุณค่าหลักของผลิตภัณฑ์ AI อยู่ที่ข้อเสนอที่ไม่เหมือนใคร การพึ่งพาเทคโนโลยีที่ลอกตามได้ง่ายจึงหมายถึงการอยู่ในจุดที่เสี่ยง
ปัญหาต้นทุนสูงและความล่าช้าของ LLM
- โมเดลภาษาขนาดใหญ่ (Large Language Models, LLM) ให้ความยืดหยุ่นสูง แต่ด้วยขนาดและความซับซ้อน ทำให้ต้นทุนในการดำเนินงานสูงมาก
- ตัวอย่างเช่น GitHub Copilot มีต้นทุนเฉลี่ย $20 ต่อผู้ใช้ แต่เก็บเงินเพียง $10 จึงขาดทุน
- LLM ยังมีปัญหาเรื่องความเร็วที่ช้า ซึ่งอาจก่อปัญหาอย่างมากในแอปพลิเคชันที่ต้องการการตอบสนองแบบเรียลไทม์
ข้อจำกัดของ LLM และปัญหาเรื่องการปรับแต่ง
- แม้ LLM จะรองรับการ fine-tuning แต่ก็ยังมีข้อจำกัดในการให้คำตอบสำหรับปัญหาเฉพาะทาง
- ระหว่างการพัฒนา Visual Copilot ของ Builder.io มีความพยายามใช้ LLM เพื่อแปลงดีไซน์จาก Figma ให้เป็นโค้ด แต่ผลลัพธ์ที่ได้กลับช้า มีต้นทุนสูง และคุณภาพต่ำ
ทางออกคือการสร้าง toolchain ของตัวเอง
- Builder.io แก้ปัญหานี้ด้วยการสร้าง toolchain ของตัวเอง
- โดยผสาน LLM ที่ผ่านการ fine-tuning, คอมไพเลอร์ที่ปรับแต่งเอง และโมเดลฝึกสอนเฉพาะทางเข้าด้วยกัน
- วิธีนี้ช่วยให้สร้างผลิตภัณฑ์ที่เร็วขึ้น น่าเชื่อถือมากขึ้น ใช้ต้นทุนน้อยลง และมีความแตกต่างมากกว่าเดิม
ความเข้าใจผิดที่พบบ่อยเกี่ยวกับการพัฒนาผลิตภัณฑ์ AI
- หลายคนเข้าใจผิดว่าในผลิตภัณฑ์ AI เทคโนโลยีหลักทั้งหมดถูกจัดการโดยซูเปอร์โมเดลเพียงตัวเดียว
- ถ้ายกตัวอย่างรถยนต์ไร้คนขับ คนมักคิดว่ามี AI ขนาดมหึมาตัวเดียวรับอินพุตทั้งหมดแล้วตัดสินใจ แต่ในความเป็นจริง มันคือการผสานระหว่างโมเดลเฉพาะทางหลายตัวกับโค้ดทั่วไป
วิธีเริ่มต้นสร้าง AI ในโลกจริง
- แนวทางที่ใช้กับ Visual Copilot เป็นวิธีที่ควรนำไปสำรวจต่อสำหรับโซลูชัน AI
- เริ่มจากสำรวจขอบเขตของปัญหาด้วยแนวปฏิบัติการเขียนโปรแกรมทั่วไป แล้วค่อยระบุว่าจุดใดต้องใช้โมเดลเฉพาะทาง
- หากปัญหาใดที่การเขียนโค้ดแบบมาตรฐานแก้ได้ไม่ดีพอ ให้ใช้โมเดล AI ที่เป็นที่ยอมรับในการสร้างข้อมูล แล้วฝึกโมเดลของตัวเองขึ้นมา
ความเห็นของ GN⁺
- ประเด็นสำคัญที่สุดคือ ระหว่างพัฒนาผลิตภัณฑ์ AI ควรหลีกเลี่ยงการทำตามแนวทางเดียวกับคนอื่น และสร้าง toolchain ของตัวเองเพื่อมอบคุณค่าที่แตกต่าง
- บทความนี้น่าสนใจและชวนติดตาม เพราะนำเสนอการใช้เทคโนโลยี AI อย่างสร้างสรรค์ และวิธีที่นักพัฒนาจะใช้ AI เพื่อสร้างผลิตภัณฑ์ที่มีเอกลักษณ์ได้
ยังไม่มีความคิดเห็น