AI Update Bangkok 2026 ตอนที่ 4

เวลาโมเดลตอบไม่ตรงกับงานของเรา ความคิดแรกที่ขึ้นมามักเป็นข้อเดียวกัน คือต้องเอาข้อมูลของเราไปฝึกโมเดล

ท่อนนี้ของงาน AI Update Bangkok 2026 เป็นท่อนที่ทำให้ต้องคิดใหม่ เพราะคำตอบของพี่หมอจิม (Jimmy Tejasen) เจ้าของงาน สั้นและสวนความคาดหวัง ส่วนใหญ่ไม่คุ้ม และเหตุผลไม่ใช่เรื่องแพงหรือเรื่องยาก แต่เป็นเรื่องว่าการฝึกแก้ปัญหาคนละข้อกับที่คนส่วนใหญ่กำลังเจอ

ต่อจาก ตอนที่ 2 ที่เป็นแผนที่ของทั้งงาน และ ตอนที่ 3 ที่ว่าด้วยการบีบโมเดล ตอนนี้ลงที่ก้อนการฝึก ซึ่งเป็นก้อนที่พี่หมอจิมเรียงเป็นกฎสำหรับตัดสินใจ ไม่ใช่ข่าวสินค้า

สายพานการฝึก มี 4 ขั้น

คำว่าฝึกโมเดลถูกใช้ปนกันจนหมดความหมาย เพราะคำนี้หมายถึงของ 4 อย่างที่ราคาและผลลัพธ์ต่างกันคนละโลก พี่หมอจิมเลยเริ่มด้วยการวางสายพานให้ดูก่อน

สามขั้นแรกเป็นงานของเจ้าของโมเดล ใช้เครื่องระดับศูนย์ข้อมูลและเวลาเป็นเดือน ส่วนขั้นที่ 4 เป็นขั้นเดียวที่คนทั่วไปทำเองได้ และเป็นขั้นเดียวที่คนหมายถึงเวลาพูดว่าจะฝึกโมเดล

เส้นที่ขีดอยู่ กลางสายพาน

ประโยคเดียวที่ทำให้ทั้งเรื่องตัดสินใจได้ อยู่ตรงรอยต่อระหว่างขั้นที่ 3 กับขั้นที่ 4

ขั้นที่ 1 ถึง 3 สร้างความฉลาด ขั้นที่ 4 ปรับพฤติกรรม

ความหมายที่ตามมาคือ ถ้าสิ่งที่เราอยากได้อยู่ฝั่งความฉลาด การ fine-tune ให้ไม่ได้ ไม่ว่าจะเตรียมข้อมูลดีแค่ไหน เพราะไม่ใช่เครื่องมือของฝั่งนั้น

พอเส้นนี้ชัด คำถามที่เหลือแยกเป็น 2 ข้อ คือจะสอนอะไร กับจะสอนยังไง

จะสอนอะไร มีตั้งแต่การป้อนคู่คำถามคำตอบที่ถูกให้ดูตรงๆ ไปจนถึงการให้โมเดลเลือกระหว่างคำตอบ 2 แบบแล้วบอกว่าอันไหนดีกว่า วิธีหลังนี้สอนรสนิยมได้ในแบบที่การป้อนตัวอย่างเฉยๆ ทำไม่ได้

จะสอนยังไง มี 3 ระดับ คือแก้ทั้งโมเดล แช่ฐานไว้แล้วแปะส่วนเสริม และแปะส่วนเสริมบนฐานที่ถูกบีบแล้ว 2 แบบหลังเกิดมาเพื่อให้งานนี้ลงเครื่องที่มีอยู่ได้ ซึ่งเป็นเหตุผลว่าทำไมคนถึงเริ่มลองกันได้ในระดับที่ไม่ต้องเช่าศูนย์ข้อมูล

ที่ควรพ่วงไว้คือความง่ายของขั้นตอนไม่ได้เปลี่ยนคำตอบว่าคุ้มหรือไม่คุ้ม ที่เปลี่ยนคือราคาของการลอง

RAG ไม่ใช่การฝึก

จุดที่พี่หมอจิมย้ำหนักที่สุดในท่อนนี้ เป็นจุดที่คนสับสนกันมากที่สุดด้วย

เหตุผลที่แยกแบบนี้ไม่ใช่เรื่องความชอบ ความรู้ที่ถูกยัดเข้าไปในน้ำหนักของโมเดล (ค่าตัวเลขที่โมเดลเก็บสิ่งที่เรียนมาไว้ข้างใน) จะถูกแช่แข็งไว้ตรงนั้น วันที่ข้อมูลเปลี่ยน โมเดลจะยังตอบด้วยของเก่าอย่างมั่นใจ และทางแก้คือฝึกใหม่ทั้งรอบ

ส่วนเอกสารที่เปิดอ่านตอนตอบ แก้ด้วยการแก้ไฟล์

แล้วเมื่อไหร่ ถึงคุ้ม

คำตอบตั้งต้นของพี่หมอจิมคือไม่คุ้ม และเขาให้เหตุผลไว้ตรงๆ ว่าตัวตั้งต้นเก่งอยู่แล้ว ส่วนที่ได้เพิ่มจากการฝึกจึงมักน้อยกว่าที่คิด

ที่น่าสนใจกว่าคือเขาบอกว่าบทบาทของการ fine-tune เปลี่ยนไปแล้วในปี 2026 จากเครื่องมือที่ทำให้โมเดลเก่งขึ้น กลายเป็นเครื่องมือลดต้นทุนกับบังคับรูปแบบ และการขัดคำสั่งให้ดีขึ้นตอนนี้แข่งกับวิธีฝึกที่ซับซ้อนกว่าได้ และชนะได้ในหลายงาน

สิ่งที่ยังเหลือให้การฝึกทำ จึงเหลือ 3 อย่าง

• ลดต้นทุนต่อครั้ง สอนโมเดลเล็กให้ทำงานเดิมได้ แทนที่จะจ่ายค่าโมเดลใหญ่ทุกครั้งที่เรียก
• บังคับรูปแบบผลลัพธ์ ให้ออกมาเป็นโครงเดียวเสมอ จนเอาไปต่อระบบได้โดยไม่ต้องคอยดักแก้
• ย่อขนาด ให้ลงเครื่องที่มีอยู่ได้ โดยยังคุมงานเดิมไว้

สังเกตว่าไม่มีข้อไหนพูดว่าฉลาดขึ้นเลย ทั้ง 3 ข้อเป็นเรื่องต้นทุนกับความแน่นอน

เอา 3 เงื่อนไขนี้มาวางต่อกับคำตอบตั้งต้น จะได้ลำดับที่ใช้ตัดสินใจได้จริง คือ ขัดคำสั่งก่อน ถ้าปัญหาคือความรู้ให้เปิดเอกสารให้อ่าน แล้วค่อยคิดเรื่องฝึก และคิดเมื่อรู้แล้วว่าจะวัดยังไง

อ่านตอนไหนต่อ

ตอนนี้จบก้อนการฝึก เหลืออีกก้อนเดียวคือเรื่องเงิน

• ตอนที่ 1 Physical AI และคำถามว่าพลาดแล้วซ่อมคืนได้ไหม
• ตอนที่ 2 แผนที่ของทั้งงาน และ 4 คำถามก่อนเชื่อตัวเลข benchmark
• ตอนที่ 3 การบีบโมเดล และราคาคุณภาพที่มองไม่เห็น
• ตอนที่ 5 เงินในกองซ้อนของ AI อยู่ชั้นไหน และทำไมชั้นที่ครอบโมเดลถึงมีอำนาจ

ที่มา

เนื้อหาทั้งหมดมาจากงาน AI Update Bangkok 2026 ที่พี่หมอจิม (Jimmy Tejasen) จัดขึ้นวันที่ 21 สิงหาคม 2026 ที่ The Cloud Bangkok ตอนนี้สรุปจากช่วงที่เขาขึ้นพูดเรื่องโมเดลเปิดน้ำหนักและการฝึก

• บันทึกถ่ายทอดสดของงาน: ดูย้อนหลัง
• งานของ Jimmy Tejasen: aiserver.in.th เว็บข่าวและรีวิวฮาร์ดแวร์เซิร์ฟเวอร์ AI และ agentic-press.com สำนักพิมพ์หนังสือสาย AI

ตัวเลขในบทความนี้มาจากที่พี่หมอจิมเล่าบนเวที ไม่ใช่เอกสารสเปกของผู้ผลิต จึงใช้ดูอัตราส่วนและใช้ตั้งคำถามได้ แต่ไม่ควรเอาไปอ้างเป็นสเปกของสินค้า ส่วนของที่ขึ้นจอในงาน Productize ไม่ได้ทำสำเนามาลง