ความจำเป็นของการใช้ AI อย่างมีความรับผิดชอบ กับ “Responsible AI” โดย อรรณพ ศิริติกุล Country Director, Google Cloudประเทศไทย

Generative AI ระดับองค์กร เป็นตัวช่วยสำคัญในการปฏิวัติอุตสาหกรรม ดังนั้น เพื่อดึงพลังของ Generative AI มาใช้อย่างถูกต้องและเต็มประสิทธิภาพ การผนวกข้อมูลเข้ากับ enterprise truth ผ่านการ Grounding เพื่อส่งเสริมการใช้ AI อย่างมีความรับผิดชอบ หรือ Responsible AI จึงเป็นสิ่งสำคัญยิ่ง

Grounding หมายถึง การเชื่อมต่อโมเดล AI กับแหล่งข้อมูลที่เชื่อถือได้ เพื่อให้แน่ใจว่าผลลัพธ์จะออกมาจากข้อมูลที่ตรวจสอบแล้ว โดยมีบทบาทสำคัญในการทำให้ Generative AI มีความแม่นยำ เชื่อถือได้ และมีประโยชน์มากขึ้นสำหรับการใช้งานที่หลากหลาย อีกทั้งยังช่วยเชื่อมระหว่างข้อมูลจากในตัวโมเดลกับข้อมูลที่มีอยู่มากมายภายนอก ซึ่งนำไปสู่ระบบ AI ที่มีข้อมูลครบถ้วนและน่าเชื่อถือมากขึ้น

ตัวอย่างเช่น แชทบอทที่ผ่านการ Grounding แล้วจะสามารถเข้าถึงฐานข้อมูลความรู้เฉพาะของบริษัทหรือเอกสารประกอบผลิตภัณฑ์เพื่อให้คำตอบที่ถูกต้องแก่คำถามต่าง ๆ ของลูกค้า นอกจากนี้บริษัทที่ใช้ AI เพื่อพัฒนาการเขียนเชิงการตลาดยังสามารถใช้โมเดลที่ผ่านการ Grounding เพื่อให้มั่นใจได้ว่าเนื้อหากำลังถูกพัฒนาจากข้อมูลตลาดแบบเรียลไทม์ หรือแหล่งที่มาที่ได้รับการตรวจสอบแล้ว

เปิดใช้งานการเข้าถึงข้อมูลแบบเรียลไทม์และปรับให้เข้ากับสภาพแวดล้อมที่เปลี่ยนแปลงตลอด

การ Grounding โมเดล AI จากแหล่งข้อมูลแบบเรียลไทม์ เช่น ข่าวหรือข้อมูลทางการเงิน จะสามารถช่วยให้โมเดลเหล่านี้ให้คำตอบที่ตรงจุดและอัปเดตที่สุด ซึ่งมีประโยชน์ต่อแอปพลิเคชันอย่างแชทบอทหรือผู้ช่วยเสมือนจริงอย่างมาก

นอกจากนี้ Grounding ยังช่วยให้โมเดล AI สามารถปรับตัวตามสถานการณ์และข้อมูลที่เปลี่ยนแปลงอยู่ตลอดเวลา เช่น โปรแกรมนำทางที่ผ่านการ Grounding มาแล้วจะสามารถประมวลผลข้อมูลการจราจรแบบเรียลไทม์เพื่อแนะนำเส้นทางมีประสิทธิภาพสูงสุดแก่ผู้ใช้งาน เป็นต้น

เมื่อลูกค้าเลือกการ Grounding ด้วย Google Search สำหรับโมเดล Gemini ที่ใช้งานอยู่ Gemini จะใช้ Google Search ในการสร้างผลลัพธ์ที่ผ่านการย่อยรวมกับผลการค้นหาที่เกี่ยวข้อง ซึ่งใช้งานง่ายและยังช่วยให้ Gemini ได้รับข้อมูลต่าง ๆ จากทั่วโลก

ทั้งนี้ ความสามารถของการ Grounding ได้ช่วยจัดการกับอุปสรรคที่สำคัญที่สุดต่อการนำ Generative AI มาใช้ในองค์กรนั่นคือความจริงที่ว่าโมเดลต่าง ๆ นั้นไม่สามารถเรียนรู้ข้อมูลอื่นได้นอกเหนือจากข้อมูลที่ได้รับการฝึกอบรมมา และแนวโน้มที่โมเดลจะเกิดอาการ “หลอน” หรือสร้างข้อมูลที่ดูน่าเชื่อถือแต่ไม่ถูกต้องตามข้อเท็จจริง อย่างไรก็ตามการดึงข้อมูลแบบ Retrieval Augmented Generation (RAG) ได้ถูกพัฒนาขึ้นเพื่อลดปัญหาดังกล่าว โดยขั้นแรกโปรแกรมจะ “ดึง” ข้อเท็จจริงจากคำถาม จากนั้นจึงป้อนข้อเท็จจริงเหล่านั้นลงไปในโมเดลเพื่อ “สร้าง” คำตอบ ซึ่งเป็นความหมายของการ Grounding โดยงการใช้งานฟีเจอร์ search อย่างมีประสิทธิภาพจะส่งผลถึงการเข้าถึงข้อมูลของ Generative AI

การ Grounding ด้วย Google Search มีค่าใช้จ่ายเพิ่มเติมในการดำเนินการ แต่เนื่องจาก Gemini มีความสามารถในการฝึกฝนเพิ่มเติมความรู้ในระดับสูง การ Grounding จึงอาจไม่จำเป็นต้องใช้ในการตอบทุกคำถาม ดังนั้นเพื่อช่วยให้ลูกค้าได้ผลลัพธ์อย่างมีคุณภาพควบคู่ไปกับความคุ้มค่าในการใช้จ่าย Grounding ด้วย Google Search จะเปิดให้บริการ dynamic retrieval ซึ่งเป็นฟังก์ชั่นใหม่ที่จะช่วยให้ Gemini เลือกได้ว่าจะ grounding ข้อมูลผู้ใช้ผ่าน Google Search หรือใช้ข้อมูลที่ถูกฝังลงในฐานข้อมูลความรู้ของโมเดล เพื่อให้ลูกค้าจัดการค่าใช้จ่ายได้คุ้มค่ายิ่งขึ้น

โดย Gemini จะเลือกทำงานผ่านความสามารถในการทำความเข้าใจว่า prompts ต่าง ๆ ที่ได้รับจะถูกจำแนกอยู่ในหมวดหมู่ใด อาทิ ข้อเท็จจริงที่ไม่เคยเปลี่ยนแปลง เปลี่ยนแปลงช้า หรือเปลี่ยนแปลงอย่างรวดเร็ว ยกตัวอย่างเช่น คำถามเกี่ยวกับภาพยนตร์ใหม่ล่าสุดที่การ Grounding ด้วย Google Search จะช่วยให้ข้อมูลล่าสุดกับเราได้ แต่ในทางกลับกันหากเป็นคำถามทั่วไป เช่น “เมืองหลวงของฝรั่งเศสคืออะไร” Gemini ก็สามารถตอบด้วยความรู้มากมายที่มีอยู่ในโมเดลได้ทันที โดยไม่จำเป็นต้องทำการ Grounding ข้อมูลจากภายนอก

อย่างไรก็ดี ข้อมูลส่วนตัวนั้นไม่ได้อยู่บนอินเทอร์เน็ตและ Google Search จะไม่สามารถค้นหาข้อมูลดังกล่าวได้ ดังนั้นนอกเหนือจากการ Grounding ด้วย Google Search แล้ว เรายังมีอีกหลายวิธีในการนำการค้นหาที่มีคุณภาพของ Google ไปใช้กับข้อมูลองค์กรของคุณ เช่น Vertex AI Search สามารถทำงานได้ทันทีสำหรับการใช้งานระดับองค์กรส่วนใหญ่ และสำหรับลูกค้าที่ต้องการสร้างเวิร์กโฟลว์ RAG แบบกำหนดเอง รวมถึงสร้างเครื่องมือแบบ semantic search หรือหากเพียงต้องการอัปเกรดความสามารถในการค้นหาที่มีอยู่ เราขอเสนอตัวช่วยการค้นหาอย่าง APIs for RAG โดยชุด APIs นี้พร้อมใช้งานโดยทั่วไปแล้วและจะมอบฟังก์ชั่นสำหรับการแยกวิเคราะห์เอกสารคุณภาพสูง การแปลงข้อมูลสู่ Vector (Embedding Generation) การจัดลำดับความหมาย และการสร้างคำตอบผ่านการ Grounding รวมถึงบริการตรวจสอบข้อเท็จจริงของข้อมูลที่เรียกว่า check-grounding อีกด้วย

หนุนการตัดสินใจพร้อมเพิ่มความเชื่อมั่นและความน่าเชื่อถือ

โมเดลที่ผ่านการ Grounding แล้วมีแนวโน้มที่จะให้การตอบสนองที่สม่ำเสมอและแม่นยำ ซึ่งช่วยเพิ่มความน่าเชื่อถือและความไว้วางใจสำหรับการใช้งานสำคัญ ๆ ที่การได้รับข้อมูลที่ผิดพลาดอาจส่งผลร้ายแรงได้

คำตอบที่ถูกสร้างด้วย agents และแอปที่มี RAG มักจะผสานข้อมูลที่ได้รับจากองค์กรเข้ากับการฝึกฝนภายในของโมเดล ซึ่งมีประโยชน์สำหรับการใช้งานในหลายกรณี เช่น ผู้ช่วยการเดินทาง บริการด้านการเงิน การดูแลสุขภาพ และการประกันภัย ที่มักจะต้องการการตอบสนองด้วยข้อมูลที่บันทึกไว้เท่านั้น ดังนั้นเราจึงให้บริการ การ Grounding ด้วยโหมดความเที่ยงตรงสูง (high-fidelity mode) ซึ่งขณะนี้อยู่ช่วงทดลอง ซึ่งเป็นคุณสมบัติใหม่ของ Grounded Generation API ที่สร้างขึ้นเพื่อรองรับกรณีที่ต้องการการตอบสนองที่ผ่านการ Grounding โดยเฉพาะ

โหมด Grounding ดังกล่าวใช้โมเดล Gemini 1.5 Flash ที่ได้รับการปรับแต่งอย่างละเอียดเพื่อเน้นไปที่ข้อมูลตามบริบทที่ลูกค้าให้มาเพื่อสร้างคำตอบ โดยบริการนี้รองรับการใช้งานหลักสำหรับองค์กร เช่น การสรุปเอกสารหลายชุด หรือการดึงข้อมูลจากคลังข้อมูลทางการเงิน ส่งผลให้มีความถูกต้องแม่นยำในระดับที่สูงขึ้น และลดโอกาสในการสร้างข้อมูลผิดพลาดได้
ซึ่งเมื่อเปิดใช้งานโหมดความเที่ยงตรงสูง ประโยคทั้งหลายในคำตอบจะมีแหล่งที่มาแนบมาด้วยเพื่อสนับสนุนการอ้างอิง  รวมถึงยังมีการให้คะแนนความเชื่อมั่นในการ Grounding อีกด้วย

ตั้งแต่ไตรมาสหน้าเป็นต้นไป Vertex AI จะเสนอบริการใหม่ที่ช่วยให้ลูกค้าสามารถ ground โมเดลและ AI agents ของตนกับข้อมูลเฉพาะจากผู้ให้บริการชั้นนำ เช่น Moody’s, MSCI, Thomson Reuters และ Zoominfo เพื่อการใช้งาน RAG ที่ง่ายยิ่งขึ้น และช่วยให้องค์กรต่าง ๆ รวมข้อมูลของบุคคลที่สามเข้ากับ Generative AI agents ของตนสำหรับการใช้งานเฉพาะองค์กร และขับเคลื่อน enterprise truth ขององค์กรไปอีกระดับผ่านการใช้งาน AI

Gen AI ที่น่าเชื่อถือ แข็งแกร่ง และไว้ใจได้

ในโลกที่พัฒนาอย่างรวดเร็วของเทคโนโลยี Generative AI การ Grounding ถือเป็นรากฐานที่สำคัญในการแบ่งแยก Generative AI จากเพียงคอนเซ็ปต์ในฝัน สู่ความเป็นจริงที่ใช้งานได้อย่างถูกต้องและมีประสิทธิภาพ ความตั้งใจอันแน่วแน่ของ Google Cloud ในการ Grounding ทำให้ Google Cloud แตกต่างในฐานะผู้นำด้าน AI ที่น่าเชื่อถือและมีความรับผิดชอบ ที่จะช่วยให้องค์กรต่าง ๆ ยอมรับเทคโนโลยีที่เปลี่ยนแปลงนี้ได้อย่างมั่นใจ