ทำไม Open Model ถึงสำคัญกับเรา (แม้คุณจะไม่เคยโหลดมาใช้เลย!)

ราวกันตกที่มองไม่เห็นของโลกคอมพิวเตอร์ยุคใหม่

Open model คือโครงสร้างพื้นฐานที่ทำงานอยู่เบื้องหลังโลกยุคใหม่แบบเงียบๆ ถึงคุณจะไม่เคยดาวน์โหลดไฟล์จาก Hugging Face หรือรันเซิร์ฟเวอร์เองเลย แต่โมเดลเหล่านี้แหละที่กำหนดราคาที่คุณต้องจ่ายให้กับบริการแบบปิด และเป็นตัวเร่งให้ฟีเจอร์ใหม่ๆ ออกมาเร็วขึ้น สิ่งนี้ทำหน้าที่เป็น “ฐานการแข่งขัน” ที่สำคัญมาก เพราะถ้าไม่มีพวกมัน บริษัทเทคโนโลยีเพียงไม่กี่แห่งคงจะผูกขาดเทคโนโลยีที่สำคัญที่สุดแห่งศตวรรษนี้ไปแล้ว Open model มอบขีดความสามารถพื้นฐานที่บีบให้ยักษ์ใหญ่ต้องสร้างนวัตกรรมต่อไปและตั้งราคาให้สมเหตุสมผล นี่ไม่ใช่แค่เรื่องของคนชอบลองของหรือนักวิจัยเฉพาะกลุ่ม แต่มันคือการเปลี่ยนแปลงครั้งใหญ่ในการกระจายอำนาจของอุตสาหกรรมเทคโนโลยี เมื่อโมเดลอย่าง Llama ถูกปล่อยออกมา มันได้สร้างมาตรฐานใหม่ว่าฮาร์ดแวร์ทั่วไปทำอะไรได้บ้าง แรงกดดันนี้ทำให้โมเดลแบบปิดที่คุณใช้ทุกวันยังคงเก่งกาจและราคาเข้าถึงได้ การเข้าใจความหมายที่แท้จริงของความเปิดกว้างนี้คือก้าวแรกที่จะทำให้เห็นว่าอุตสาหกรรมกำลังมุ่งหน้าไปทางไหน

ถอดรหัสภาษาการตลาดของคำว่า “เปิด”

มีความสับสนมากมายว่าคำว่า “เปิด” (Open) ในบริบทนี้หมายถึงอะไรกันแน่ ซอฟต์แวร์ open source ที่แท้จริงต้องอนุญาตให้ใครก็ได้ดูโค้ด แก้ไข และแจกจ่ายได้ แต่ในโลกของโมเดลภาษาขนาดใหญ่ (LLM) นิยามนี้เริ่มคลุมเครือ โมเดลส่วนใหญ่ที่คนเรียกว่า open source จริงๆ แล้วเป็นโมเดลแบบ open weight หมายความว่าบริษัทปล่อยพารามิเตอร์ที่เทรนเสร็จแล้วออกมา แต่ไม่ได้ปล่อยชุดข้อมูลมหาศาลที่ใช้เทรนหรือสคริปต์ที่ใช้ทำความสะอาดข้อมูลเหล่านั้น หากไม่มีข้อมูล คุณก็ไม่สามารถสร้างโมเดลเลียนแบบขึ้นมาใหม่ได้จริงๆ คุณได้ไปเพียงแค่สินค้าสำเร็จรูปเท่านั้น นอกจากนี้ยังมีเรื่องของสัญญาอนุญาต (license) บางบริษัทใช้สัญญาที่ดูเหมือนจะเปิดกว้างแต่มีข้อจำกัดในการใช้เชิงพาณิชย์ หรือมีเงื่อนไขห้ามคู่แข่งใช้โมเดล เช่น โมเดลอาจจะฟรีสำหรับบุคคลทั่วไป แต่ต้องจ่ายเงินถ้าบริษัทของคุณมีผู้ใช้งานเกิน 700 ล้านคนต่อเดือน ซึ่งต่างจากสัญญาแบบ GPL หรือ MIT ที่สร้างอินเทอร์เน็ตขึ้นมามาก เรายังเห็นการตลาดที่ใช้คำว่า open เพื่ออธิบาย API ที่เข้าถึงได้สาธารณะแต่ถูกควบคุมโดยบริษัทเดียว ซึ่งนั่นไม่ใช่การเปิดเลย มันเป็นแค่ผลิตภัณฑ์ที่มีประตูหน้าบ้านเปิดอยู่เท่านั้น โมเดลที่เปิดจริงๆ ต้องยอมให้คุณดาวน์โหลดไฟล์มารันบนฮาร์ดแวร์ของตัวเองได้โดยไม่ต้องต่ออินเทอร์เน็ต ความแตกต่างนี้สำคัญมากเพราะมันกำหนดว่าใครเป็นคนถือ “ปุ่มปิดสวิตช์” ถ้าคุณพึ่งพา API ผู้ให้บริการสามารถเปลี่ยนกฎหรือปิดบริการเมื่อไหร่ก็ได้ แต่ถ้าคุณมี weight อยู่ในฮาร์ดไดรฟ์ คุณคือเจ้าของความสามารถนั้นอย่างแท้จริง

ทำไมหลายประเทศถึงเดิมพันกับ Public Weights

ผลกระทบระดับโลกของโมเดลเหล่านี้ยากที่จะประเมินค่าต่ำไป สำหรับหลายประเทศ การพึ่งพาบริษัทสหรัฐฯ เพียงไม่กี่แห่งในเรื่องโครงสร้างพื้นฐาน AI ทั้งหมดถือเป็นความเสี่ยงต่อ อธิปไตยทางดิจิทัล (digital sovereignty) รัฐบาลในยุโรปและเอเชียเริ่มหันมาใช้ Open model เพื่อสร้าง AI เวอร์ชันท้องถิ่นของตนเอง เพื่อให้มั่นใจว่าโมเดลจะสะท้อนคุณค่าทางวัฒนธรรมและภาษาที่ละเอียดอ่อน ไม่ใช่แค่ค่านิยมจาก Silicon Valley เท่านั้น นอกจากนี้ยังช่วยเก็บข้อมูลไว้ภายในพรมแดน ซึ่งเป็นเรื่องใหญ่สำหรับความเป็นส่วนตัวและความมั่นคง ธุรกิจขนาดกลางและขนาดย่อม (SME) ก็ได้ประโยชน์เช่นกัน พวกเขาสามารถสร้างเครื่องมือเฉพาะทางได้โดยไม่ต้องกลัวว่าเทคโนโลยีหลักจะถูกดึงกลับไป Open model ยังช่วยลดกำแพงสำหรับนักพัฒนาในตลาดเกิดใหม่ คนในลากอสหรือจาการ์ตาสามารถเข้าถึงเทคโนโลยีระดับโลกได้เหมือนคนในซานฟรานซิสโก ขอแค่มีฮาร์ดแวร์รันก็พอ สิ่งนี้ช่วยสร้างความเท่าเทียมในแบบที่ API แบบปิดทำไม่ได้ การมีอยู่ของโมเดลเหล่านี้ยังสร้างระบบนิเวศของเครื่องมือเสริมมากมาย นักพัฒนาช่วยกันหาวิธีทำให้โมเดลรันเร็วขึ้นหรือใช้หน่วยความจำน้อยลง นวัตกรรมร่วมกันนี้ก้าวหน้าเร็วกว่าบริษัทเดียวทำมาก และสุดท้ายการปรับปรุงเหล่านี้ก็จะวนกลับไปสู่โมเดลแบบปิดที่เราใช้กันในที่สุด

หนึ่งวันในโลกที่ไร้ Cloud

ลองมาดูตัวอย่างจาก Sarah นักพัฒนาซอฟต์แวร์ในสตาร์ทอัพด้านการแพทย์ที่ต้องจัดการข้อมูลคนไข้ที่ละเอียดอ่อน บริษัทของเธอไม่สามารถใช้ AI บน cloud ได้เพราะความเสี่ยงเรื่องข้อมูลรั่วไหลและข้อบังคับทางกฎหมายที่เข้มงวด Sarah จึงใช้โมเดลแบบ open weight รันบนเซิร์ฟเวอร์ท้องถิ่นที่ปลอดภัยแทน ในตอนเช้า เธอใช้โมเดลช่วยปรับปรุงโค้ดที่ซับซ้อน เนื่องจากเป็นโมเดลในเครื่อง เธอจึงไม่ต้องกังวลว่าโค้ดความลับของบริษัทจะถูกนำไปเทรน AI เวอร์ชันถัดไปของเจ้าอื่น ต่อมาเธอใช้โมเดลเวอร์ชันที่ถูกปรับแต่ง (fine-tuned) มาเป็นพิเศษเพื่อสรุปบันทึกของคนไข้ ซึ่งโมเดลนี้ถูกเทรนด้วยศัพท์เฉพาะทางการแพทย์ ทำให้แม่นยำกว่าโมเดลทั่วไป ช่วงพักเที่ยง Sarah อ่านบล็อก บทวิเคราะห์อุตสาหกรรม AI เกี่ยวกับเทรนด์ล่าสุดของการประมวลผลในเครื่อง (local inference) เธอจึงรู้วิธีเพิ่มประสิทธิภาพงานของเธอไปอีกขั้น ในช่วงบ่าย เธอทดลองใช้เทคนิค quantization ใหม่ที่ช่วยให้รันโมเดลขนาดใหญ่ขึ้นบนฮาร์ดแวร์เดิมได้ นี่คือความสวยงามของระบบนิเวศแบบเปิด เธอไม่ต้องรอให้บริษัทเทคยักษ์ใหญ่ปล่อยฟีเจอร์ใหม่ แต่เธอสามารถทำเองได้ด้วยเครื่องมือที่ชุมชนสร้างขึ้น เมื่อจบวัน เธอสามารถเพิ่มความแม่นยำของเครื่องมือสรุปผลได้ถึง 15 เปอร์เซ็นต์ สถานการณ์แบบนี้เริ่มพบเห็นได้ทั่วไปในหลายอุตสาหกรรม ตั้งแต่สำนักงานกฎหมายไปจนถึงเอเจนซี่โฆษณา ผู้คนพบว่าการควบคุมและความเป็นส่วนตัวที่ Open model มอบให้นั้นคุ้มค่ากับความพยายามในการติดตั้ง พวกเขากำลังสร้างเครื่องมือที่ตอบโจทย์เฉพาะทาง แทนที่จะพยายามยัดปัญหาเข้าไปในกล่องของ AI ทั่วไป การเปลี่ยนแปลงนี้ยังเห็นได้ชัดในภาคการศึกษา มหาวิทยาลัยใช้ Open model สอนนักเรียนว่า AI ทำงานอย่างไรภายใต้ฝากระโปรง สามารถตรวจสอบ weight และทดลองเทคนิคการเทรนที่หลากหลาย สร้างแรงงานที่มีทักษะและเข้าใจเทคโนโลยีอย่างลึกซึ้งสำหรับอนาคต

ราคาที่ต้องจ่ายสำหรับซอฟต์แวร์ฟรี

แม้ข้อดีจะชัดเจน แต่เราต้องตั้งคำถามยากๆ เกี่ยวกับต้นทุนที่แท้จริงของความเปิดกว้างนี้ ใครเป็นคนจ่ายค่าพลังงานมหาศาลที่ใช้เทรนโมเดลเหล่านี้? ถ้าบริษัทอย่าง Meta ทุ่มเงินหลายร้อยล้านดอลลาร์เพื่อเทรนโมเดลแล้วแจกฟรี แผนระยะยาวของพวกเขาคืออะไร? นี่เป็นวิธีบีบให้คู่แข่งรายย่อยที่ไม่มีปัญญาแจกฟรีต้องล้มหายตายจากไปหรือเปล่า? เรายังต้องคำนึงถึงความเสี่ยงด้านความปลอดภัยด้วย หากโมเดลเปิดกว้างจริงๆ หมายความว่าระบบป้องกันความปลอดภัยอาจถูกถอดออกได้ ซึ่งอาจเปิดทางให้ผู้ไม่หวังดีนำเทคโนโลยีไปใช้ในทางที่ผิด เช่น สร้าง deepfake หรือเขียนโค้ดอันตราย เราจะรักษาสมดุลระหว่างนวัตกรรมแบบเปิดและความปลอดภัยสาธารณะได้อย่างไร?

อีกเรื่องคือต้นทุนแฝงของฮาร์ดแวร์ การรันโมเดลเหล่านี้ในเครื่องต้องใช้ GPU ประสิทธิภาพสูงที่มีราคาแพงและกินไฟมาก เสรีภาพของ Open model มีไว้สำหรับคนที่มีเงินซื้อฮาร์ดแวร์เท่านั้นหรือเปล่า? แล้วเรื่องข้อมูลล่ะ? ถ้าเราไม่รู้ว่ามีข้อมูลอะไรบ้างที่ใช้เทรน เราจะมั่นใจได้อย่างไรว่ามันไม่มีอคติหรือละเมิดลิขสิทธิ์? ทาง Open Source Initiative กำลังพยายามกำหนดมาตรฐานเหล่านี้ แต่อุตสาหกรรมก้าวไปเร็วกว่านโยบายเสมอ และเราต้องถามด้วยว่าคำว่า “เปิด” ถูกใช้เป็นเกราะป้องกันเพื่อเลี่ยงการตรวจสอบจากภาครัฐหรือไม่ โดยการอ้างว่าโมเดลเปิดกว้าง บริษัทอาจพยายามโยนความรับผิดชอบในการใช้งานไปให้ผู้ใช้ปลายทางแทน คำถามเหล่านี้ไม่มีคำตอบที่ง่าย แต่จำเป็นอย่างยิ่งสำหรับใครก็ตามที่อยากเข้าใจอนาคตของวงการนี้

เจาะลึกเทคนิคการรันโมเดลในเครื่อง

สำหรับใครที่อยากนำโมเดลเหล่านี้ไปใช้ในงานระดับมืออาชีพ รายละเอียดทางเทคนิคคือเรื่องสำคัญ วิธีที่นิยมที่สุดในการรันโมเดลในเครื่องคือการใช้ framework เฉพาะทาง เครื่องมือเหล่านี้ใช้ quantization เพื่อลดขนาดโมเดล ให้สามารถใส่ลงใน VRAM ของการ์ดจอทั่วไปได้ ตัวอย่างเช่น โมเดลที่เดิมต้องใช้หน่วยความจำ 40GB สามารถบีบอัดเหลือ 8GB ได้โดยเสียคุณภาพเพียงเล็กน้อย ด้วยการเปลี่ยนความละเอียดของ weight จาก 16-bit เป็น 4-bit หรือต่ำกว่านั้น ในส่วนของ API โมเดลแบบเปิดหลายตัวมีให้บริการผ่านผู้ให้บริการอย่าง Hugging Face หรือ Together AI ซึ่งมักจะมี rate limit สูงกว่าเจ้าของโมเดลแบบปิด ทำให้เหมาะกับแอปพลิเคชันที่ต้องการใช้งานหนักๆ อย่างไรก็ตาม พลังที่แท้จริงมาจากการจัดเก็บในเครื่องและการทำ fine-tuning ด้วยเทคนิคอย่าง LoRA คุณสามารถเทรนโมเดลด้วยข้อมูลของคุณเองได้ภายในไม่กี่ชั่วโมงบน GPU ตัวเดียว สร้างเครื่องมือเฉพาะทางที่เก่งกว่าโมเดลยักษ์ใหญ่ในงานเฉพาะด้าน นอกจากนี้ต้องพิจารณาเรื่อง context window ด้วย ปัจจุบัน Open model หลายตัวรองรับ context window ถึง 32k หรือ 128k token ช่วยให้ประมวลผลเอกสารทั้งฉบับได้พร้อมกัน การรวมโมเดลเหล่านี้เข้ากับซอฟต์แวร์เดิมก็ทำได้ง่ายขึ้นเรื่อยๆ ด้วย API มาตรฐาน ซึ่งหมายความว่าคุณสามารถสลับจากโมเดลแบบปิดมาเป็นแบบเปิดได้เพียงแค่เปลี่ยนโค้ดบรรทัดเดียว ในปีหน้าเราคาดว่าเครื่องมือเหล่านี้จะเข้าถึงนักพัฒนาทั่วไปได้ง่ายยิ่งขึ้นไปอีก

• Llama.cpp สำหรับการประมวลผลบน CPU และ GPU แบบข้ามแพลตฟอร์ม
• Ollama สำหรับการจัดการโมเดลในเครื่องที่ง่ายและสะดวก

บทสรุปเรื่องการเลือกใช้งาน

การเลือกระหว่างโมเดลแบบเปิดและแบบปิดไม่ใช่เรื่องที่ต้องเลือกอย่างใดอย่างหนึ่ง คนส่วนใหญ่จะยังคงใช้ผสมกันไป โมเดลแบบปิดจากบริษัทอย่าง Meta AI หรือเจ้าอื่นๆ ให้ความสะดวก ความประณีต และประสิทธิภาพระดับสูงสุดสำหรับงานทั่วไป ส่วน Open model ให้การควบคุม ความเป็นส่วนตัว และความสามารถในการปรับแต่งเฉพาะทาง ถึงคุณจะไม่เคยดาวน์โหลดโมเดลมาใช้เองเลย แต่การที่คนอื่นทำได้นั่นแหละคือสิ่งที่ทำให้อุตสาหกรรมนี้มีความโปร่งใส มันทำให้มั่นใจได้ว่า AI จะยังคงเป็นเครื่องมือสำหรับทุกคน ไม่ใช่ความลับที่ถูกเก็บไว้ในมือคนเพียงไม่กี่กลุ่ม การแข่งขันที่ขับเคลื่อนโดยชุมชนแบบเปิดคือพลังที่ทรงพลังที่สุดในโลกเทคโนโลยีวันนี้ มันบีบให้เกิดความโปร่งใสและทำให้ทุกคนเข้าถึงเครื่องมือที่ทรงพลังที่สุดเท่าที่เคยมีมาได้

มีเรื่องราว, เครื่องมือ, เทรนด์ หรือคำถามเกี่ยวกับ AI ที่คุณคิดว่าเราควรนำเสนอหรือไม่? ส่งแนวคิดบทความของคุณมาให้เรา — เรายินดีรับฟัง

หมายเหตุจากบรรณาธิการ: เราสร้างเว็บไซต์นี้ขึ้นมาเพื่อเป็นศูนย์กลางข่าวสารและคู่มือ AI หลายภาษาสำหรับผู้ที่ไม่ได้เป็นผู้เชี่ยวชาญคอมพิวเตอร์ แต่ยังคงต้องการทำความเข้าใจปัญญาประดิษฐ์ ใช้งานได้อย่างมั่นใจมากขึ้น และติดตามอนาคตที่กำลังจะมาถึงแล้ว

พบข้อผิดพลาดหรือสิ่งใดที่ต้องแก้ไขหรือไม่? แจ้งให้เราทราบ