ความสามารถในการอธิบาย LLM

แนวคิด Explainable Artificial Intelligence (XAI)

Folkert Stijnman

ML Engineer

Large Language Models (LLMs)

  • เข้าใจ สร้าง และตีความภาษามนุษย์
  • ChatGPT, Bard
  • ฝึกด้วยข้อมูลข้อความจำนวนมหาศาล
  • เขียนบทความ บทกวี และโค้ด
  • จะทำความเข้าใจการตัดสินใจของโมเดลได้อย่างไร?

 

กราฟิกของ LLM

แนวคิด Explainable Artificial Intelligence (XAI)

LLM กับความสามารถในการอธิบาย

กราฟิกแสดงการที่ข้อมูลเข้าสู่ large language model และการส่ง prompt ให้โมเดล

  • ซับซ้อนเนื่องจาก:
    • ความลึกและขนาดของเลเยอร์ใน neural network ภายในโมเดล
    • ข้อความจำนวนมาก เช่น ข้อมูลระดับเทราไบต์
แนวคิด Explainable Artificial Intelligence (XAI)

วิธีการอธิบาย LLM

ผู้สร้างโมเดล

  • ความโปร่งใสของข้อมูลที่ใช้ฝึก
  • ใช้โมเดลที่เรียบง่ายกว่า
  • นำ feedback จากมนุษย์มาใช้

ผู้ใช้งาน

  • การอธิบายตนเอง (Self-explanation)
  • ปรับแต่ง input
แนวคิด Explainable Artificial Intelligence (XAI)

การใช้ LLM ในอนาคต

  • การเพิ่มความสามารถในการอธิบายจะยังคงเป็นสิ่งจำเป็น
  • สร้างความไว้วางใจและความมั่นใจ

กราฟิกแสดงสมองที่มีองค์ประกอบต่าง ๆ แทนการประมวลผลภาษา

แนวคิด Explainable Artificial Intelligence (XAI)

มาฝึกกันเถอะ!

แนวคิด Explainable Artificial Intelligence (XAI)

Preparing Video For Download...