ในฐานะนักศึกษาปริญญาเอกในห้องแล็บ AI ที่ทำงาน ณ จุดตัดของ Machine Learning และ Ecology การทำงานประจำวันของผมแตกต่างจากที่คาดไว้เมื่อสามปีก่อนอย่างสิ้นเชิง เมื่อเริ่มต้น การเรียนรู้ภาษาโปรแกรมหรือเฟรมเวิร์กใหม่ต้องใช้เวลาอ่านเอกสารหลายชั่วโมง หรืออาจเป็นหลายวัน และการแก้ไขบั๊กเล็กน้อยก็กินเวลาหลายชั่วโมงเช่นกัน การทำให้โมเดลทำงานได้อย่างมีประสิทธิภาพก็ต้องผ่านการลองผิดลองถูกเป็นเวลานาน
ปัจจุบัน LLMs สามารถอธิบายเครื่องมือที่ไม่คุ้นเคย ค้นหาบั๊ก และเสนอแนวคิดใหม่ๆ สำหรับการทดลองได้ในเวลาเพียงเศษเสี้ยวของเดิม
อย่างไรก็ตาม แม้ว่าโค้ด การทดลอง และฉบับร่างที่รวดเร็วจะช่วยได้มาก แต่ก็ไม่สามารถแก้ไขปัญหาพื้นฐานของชุดข้อมูลที่มีประวัติศาสตร์ซับซ้อนได้ และมีการคาดการณ์ถึงการเปลี่ยนแปลงของห้องปฏิบัติการในอนาคตด้วย
ศัพท์ที่ควรรู้
- Machine Learning – เป็นสาขาของ AI ที่ทำให้คอมพิวเตอร์เรียนรู้จากข้อมูลโดยไม่ต้องถูกตั้งโปรแกรมอย่างชัดเจน
- Ecology – คือการศึกษาเกี่ยวกับสิ่งมีชีวิตและความสัมพันธ์ของพวกมันในระบบนิเวศ
- LLMs – คือแบบจำลองภาษาขนาดใหญ่ (Large Language Models) ที่ใช้ในการประมวลผลและสร้างข้อความ
- Framework – คือโครงสร้างหรือชุดเครื่องมือสำเร็จรูปที่ช่วยให้นักพัฒนาสร้างซอฟต์แวร์ได้ง่ายขึ้น
ที่มา: towardsdatascience.com