โมเดลตัดสินใจ AI คืออะไร และทำไมยุคแชทบอตกำลังหมดแรง
โมเดลตัดสินใจ AI คือโมเดลที่อ่านข้อมูลที่ไม่เป็นโครงสร้างเหมือนโมเดลภาษา แต่ตอบกลับด้วยการตัดสินใจแบบมีชนิดข้อมูลชัดเจนและความน่าจะเป็นกำกับ ไม่สร้างข้อความอิสระ แต่ให้ผลลัพธ์เป็นตัวเลือก คะแนน หรือค่าความเป็นจริงตามที่กำหนดไว้ล่วงหน้า เพื่อให้โค้ดหรือระบบสามารถใช้การตัดสินใจเหล่านี้ได้โดยตรงอย่างมีการสอบเทียบความเชื่อมั่นและตรวจสอบย้อนกลับได้ โมเดลชนิดนี้ถูกออกแบบมาเพื่อรองรับงานตัดสินใจจำนวนมากที่ต้องแม่นยำและรวดเร็วในระบบจริง ไม่ใช่แค่ตอบแชทหรือเขียนเนื้อหาเล่นสนุก ในช่วงที่ผ่านมา ผู้ใช้และธุรกิจผ่านช่วงตื่นเต้นกับแชทบอตเขียนอีเมล แต่งรูป และคุยเล่นไปแล้ว สิ่งที่โลกไอทีต้องการวันนี้ไม่ใช่ AI ที่คุยเก่ง แต่เป็น AI ที่ทำงานได้จริงและไม่พลาด โดยเฉพาะในงานสินเชื่อ การวิเคราะห์ความเสี่ยง และงานวิศวกรรมที่ต้องอาศัยความถูกต้องเชิงสถิติและตรรกะเข้มข้น โมเดลภาษาแบบเดิมที่มุ่งเดาคำถัดไปจึงเริ่มเผยข้อจำกัด ทั้งเรื่องอาการหลอนและความมั่นใจเกินจริงที่ตรวจสอบไม่ได้
System One architecture แยกระหว่างการคิดเร็วกับการให้เหตุผลช้าอย่างไร
หัวใจของ System One architecture คือการแยกชั้นการตัดสินใจที่เร็วออกจากการให้เหตุผลที่ช้า โดยอิงแนวคิด System 1 และ System 2 จากงานของ Daniel Kahneman ที่แบ่งการคิดเป็นแบบสัญชาตญาณฉับไวกับแบบคิดวิเคราะห์ใช้เวลา ปัจจุบันเอเยนต์จำนวนมากบังคับให้โมเดลภาษา ซึ่งเป็นเหมือน System 2 ต้องเลือกเครื่องมือ ประเมินผลลัพธ์ และตัดสินใจทุกอย่าง ส่งผลให้เวิร์กโฟลว์เต็มไปด้วยการเรียกโมเดลซ้ำ การขยายบริบท และการลองใหม่ที่กินเวลาและทรัพยากร โมเดล System One อย่าง Jev เข้ามาแก้สมการนี้ด้วยการทำหน้าที่เป็นชั้นสะท้อนกลับของเอเยนต์ รับสถานะ เช่น อีเมลหรือข้อมูลผู้ใช้ แล้วตอบคำถามหลายข้อที่ถูกกำหนดชนิดคำตอบล่วงหน้าเป็นชุดการตัดสินใจสั้น กระชับ มีความน่าจะเป็นกำกับในครั้งเดียว แนวทางนี้ยอมละทิ้งการสร้างข้อความเพื่อแลกกับความเร็วระดับมิลลิวินาที การลดข้อผิดพลาดด้านชนิดข้อมูล และการเชื่อมต่อกับโค้ดที่เรียบง่ายกว่าอย่างเห็นได้ชัด
RLCD และการตัดสินใจที่เชื่อถือได้มากกว่าแค่คำตอบสวยหรู
จุดเปลี่ยนสำคัญของโมเดลตัดสินใจ AI คือวิธีฝึกให้มันซื่อสัตย์กับความน่าจะเป็นของตัวเอง ไม่ใช่ถูกจูงให้เขียนคำตอบถูกใจคนอ่าน แบบที่ RLHF เคยทำกับ LLM จำนวนมาก RLCD หรือ Reinforcement Learning for Calibrated Decisions ตั้งเป้ารางวัลไปที่การให้โอกาสความน่าจะเป็นที่สอบเทียบได้บนทุกคำตอบมากกว่าการเขียนข้อความไพเราะ ผลลัพธ์คือโมเดลอย่าง Jev สามารถคืนค่าการตัดสินใจพร้อมความเชื่อมั่นที่สอดคล้องกับผลลัพธ์จริงเมื่อวัดซ้ำเป็นประจำ ทำให้ระบบมีฐานข้อมูลในการตรวจสอบการสอบเทียบของโมเดลอย่างต่อเนื่อง เพราะพื้นที่ผลลัพธ์ถูกกำหนดล่วงหน้า โมเดลจึงไม่ควรสร้างฟิลด์แปลกปลอมหรือย่อหน้าที่ต้องมานั่งแยกวิเคราะห์ทีหลัง สิ่งนี้ลดรูปแบบความล้มเหลวประเภทหนึ่ง แต่ไม่ได้อ้างว่าไม่มีข้อผิดพลาดเชิงความหมายเลย มุมมองที่น่าสนใจคือ แหล่งเดียวย้ำว่าแม้โมเดลจะให้การตัดสินใจที่สอบเทียบได้ มนุษย์ยังควรเป็นผู้รับผิดชอบต่อการตัดสินใจที่กระทบชีวิตผู้อื่น เพื่อสร้างระบบที่เชื่อถือได้ในระยะยาว
จากสายสร้างข้อความสู่สายตัดสินใจ: ผลกระทบต่อผู้ใช้และระบบเรียลไทม์
การเปลี่ยนผ่านจาก LLM สายสร้างข้อความไปสู่โมเดลตัดสินใจ AI ไม่ใช่เรื่องเทคโนโลยีเชิงแนวคิดอย่างเดียว แต่เริ่มแตะชีวิตผู้ใช้ทั่วไปแล้ว แหล่งข้อมูลหนึ่งระบุว่า ระบบปฏิบัติการบนสมาร์ทโฟนรุ่นใหม่จะฝัง Jev เป็นผู้ช่วยตัดสินใจส่วนบุคคล คอยบริหารพลังงานแบตเตอรี่ตามพฤติกรรมการใช้งาน ปรับโหมดกล้องตามสภาพแสงและองค์ประกอบทางฟิสิกส์แบบเรียลไทม์ รวมถึงช่วยจัดตารางชีวิตและการเงินจากข้อมูลดิบจริงแทนการเดาจากโมเดลภาษา นี่คือการขยับ AI จากการเป็นเพื่อนคุย มาเป็นสมองย่อยที่มีหน้าที่รับผิดชอบการเลือกทางเลือกในระดับเครื่องมือที่เราจับต้องได้ทุกวัน ในฝั่งระบบเรียลไทม์ การตอบสนองในช่วงประมาณ 70 ถึง 500 มิลลิวินาทีของโมเดล System One ทำให้การใช้ดุลพินิจของโมเดลเข้าไปอยู่ในวงจรตัดสินใจที่เคยต้องใช้โค้ดล้วน เช่น การตรวจการทุจริตขณะชำระเงิน การกลั่นกรองคอนเทนต์บนไลฟ์สตรีม หรือการจัดลำดับแจ้งเตือนในศูนย์รักษาความปลอดภัยเป็นครั้งแรก การมีการตัดสินใจที่เชื่อถือได้แบบนี้เปิดทางให้ระบบจำนวนมากใช้งาน AI ในส่วนที่เคยเสี่ยงเกินไปเมื่อยังต้องพึ่งการสร้างข้อความทีละโทเคนของ LLM แบบเดิม
บทสรุป: สถาปัตยกรรมการตัดสินใจคือชั้นใหม่ของสติปัญญาในโลกจริง
เมื่อมองภาพรวม การมาของ System One architecture และโมเดลตัดสินใจ AI อย่าง Jev ไม่ได้เป็นแค่การออกโมเดลรุ่นใหม่ แต่เป็นการเสนอชั้นสติปัญญาเพิ่มเติมเข้าไปในทุกระบบ AI ที่จริงจัง โมเดลภาษาแบบเดิมทำหน้าที่ได้ดีในฐานะ System 2 สำหรับการให้เหตุผลและอธิบาย แต่เราบังคับให้มันทำงาน System 1 คือการตัดสินใจฉับไวมากเกินไป จนเกิดต้นทุนด้านเวลาและคุณภาพการตอบสนองที่ไม่จำเป็น แนวคิดที่ชัดคือ เอเยนต์ไม่จำเป็นต้องมีปัญญาประเภทเดียวกันในทุกจุดของเวิร์กโฟลว์ โมเดล System One ผลิตการตัดสินใจที่มีขอบเขตซึ่งโค้ดสามารถใช้ได้โดยตรง จากนั้นจึงค่อยใช้โมเดลเชิงสร้างสำหรับการอธิบายหรือให้เหตุผลเพิ่มเติม ในโลกที่การอัตโนมัติระหว่างเครื่องต่อเครื่องจะมีสัดส่วนสูงมาก การมีชั้นการตัดสินใจที่สอบเทียบได้และตรวจสอบได้จึงดูเหมือนเงื่อนไขพื้นฐานของการเดินหน้าไปสู่ระบบอัจฉริยะที่ไม่ใช่แค่คุยเก่ง แต่ตัดสินใจได้อย่างรับผิดชอบ
