‘Together AI’ ผลักดันแนวคิดการใช้ AI หลายโมเดลทำงานร่วมกันเพื่อผลลัพธ์ที่เหนือกว่า และเจาะลึกเทคนิค “Mixture of Agents”

“AI | ALL Summit: Future of Equitable and Inclusive AI” งานสัมมนาที่เป็นเวทีสำคัญสำหรับการแลกเปลี่ยนแนวคิดเกี่ยวกับอนาคตของ AI ที่ร่วมจัดโดย SCB 10X, Sahara AI และ Sambanova มีผู้เชี่ยวชาญและผู้มากประสบการณ์ด้าน AI ร่วมแชร์มุมมองและประสบการณ์ โดยบทความนี้เป็นสรุปประเด็นสำคัญในหัวข้อ Together AI - Harnessing AI's Power: Multi-Model Inference and Mixture of Agents หรือหมายถึงการใช้พลังของปัญญาประดิษฐ์ (AI) โดยเฉพาะอย่างยิ่งการนำเอาโมเดล AI หลายๆ ตัวมาทำงานร่วมกันเพื่อเพิ่มประสิทธิภาพ และการผสมผสาน AI Agent ต่างๆ เพื่อให้ได้ผลลัพธ์ที่ดีกว่าการทำงานของโมเดลแบบเดี่ยว โดยมีคุณ Ben Athiwaratkun, Senior ML Scientist ของ Together.AI ร่วมแชร์มุมมองกับ ดร. ธันวา อาภรณ์ทิพย์, Senior Technical Advisor ของ SCB 10X ในหัวข้อนี้

การเดินทางสู่การพัฒนา AI และการใช้ประโยชน์จาก Mixture of Agents

• คุณ Ben เริ่มต้นด้วยการแนะนำตัวและประสบการณ์การศึกษาและการทำงานด้าน AI ตลอดจนได้เข้าร่วมกับบริษัท Together AI
  
  
• คุณ Ben มีความหลงใหลในฟิสิกส์และการศึกษาในสหรัฐอเมริกา ซึ่งในที่สุดได้นำไปสู่การทำงานด้านการวิจัย AI และการพัฒนารูปแบบการเรียนรู้เชิงลึก (Deep Learning) โดยต่อมาได้พบกับทีม Together AI และเข้าร่วมงานกับบริษัท เนื่องจากมองว่าเป็นโอกาสที่ดีในอุตสาหกรรม AI และ Together AI เป็นบริษัทที่มีผลิตภัณฑ์ AI ที่โดดเด่น

Mixture of Agents และความแตกต่างจาก Mixture of Experts

เมื่อกล่าวถึงการพัฒนา AI คุณ Ben ได้อธิบายเกี่ยวกับ “Mixture of Agents” ซึ่งเป็นเทคนิคที่มีความโดดเด่นในการทำงานร่วมกันของหลายโมเดล โดยเปรียบเทียบกับ “Mixture of Experts” ซึ่งเป็นเทคนิครวมเอาความเชี่ยวชาญของโมเดลหลายๆ โมเดลเข้าด้วยกัน ร่วมกันประมวลผลในรูปแบบของการสร้างคุณสมบัติข้อมูลเพื่อผลลัพธ์ที่แม่นยำ แต่สำหรับ Mixture of Agents นั้น โมเดลต่างๆ จะทำงานร่วมกันใน Natural Language ซึ่งช่วยให้การทำงานมีความเข้าใจและสามารถตีความได้ง่ายขึ้น

กระบวนการทำงานของ Mixture of Agents

ในกระบวนการทำงานของ Mixture of Agents โมเดลแต่ละตัวจะทำงานเป็น "Proposers" ที่เสนอแนวคิดหรือผลลัพธ์ต่างๆ และมีโมเดลอื่นที่ทำหน้าที่เป็น "Aggregators" ซึ่งทำการสังเคราะห์และปรับปรุงผลลัพธ์ที่ได้รับจาก Proposers โดยการทำงานเช่นนี้จะดำเนินไปในหลายรอบ จนกระทั่งได้ผลลัพธ์ที่มีคุณภาพสูงมากเพียงพอ เป้าหมายคือการสร้างผลลัพธ์ที่มีคุณภาพสูงกว่าการใช้โมเดลเดี่ยว ซึ่งการทำงานแบบนี้คล้ายกับการทำงานร่วมกันของมนุษย์ที่มีการประชุมและอภิปรายเพื่อหาข้อสรุปที่ดีที่สุด

ข้อดีและข้อเสียของ Mixture of Agents

ข้อดีที่สำคัญของการใช้ Mixture of Agents คือ สามารถรวมโมเดลแบบเปิดที่มาจากแหล่งต่างๆ เพื่อให้ผลลัพธ์มีประสิทธิภาพดีกว่าโมเดลแบบปิดที่ถูกพัฒนาโดยองค์กรเดียวกัน การทำเช่นนี้ช่วยเพิ่มอิสระในการใช้งาน AI ในองค์กรและสร้างผลลัพธ์ที่มีคุณภาพสูง และ Mixture of Agents สามารถช่วยลดความเอนเอียงและสร้างผลลัพธ์ที่สมดุลมากขึ้น

อย่างไรก็ตาม การใช้งาน Mixture of Agents อาจมีความล่าช้าและค่าใช้จ่ายสูงกว่าการใช้โมเดลเดียว โดยเฉพาะอย่างยิ่งในการประมวลผลแบบเรียลไทม์ รวมถึงอาจมีความซับซ้อนในการตั้งค่าและจัดการ แต่ก็มีการพัฒนาต่อเนื่องเพื่อปรับปรุงประสิทธิภาพในด้านนี้

การผสานเทคนิคต่างๆ เพื่อเพิ่มประสิทธิภาพของ Mixture of Agents

Together AI ได้พัฒนาเทคนิคต่างๆ เพื่อเพิ่มประสิทธิภาพและความเร็วในการประมวลผลของ Mixture of Agents หนึ่งในนั้นคือ "Flash Attention" ซึ่งเป็นเทคนิคที่ช่วยลดเวลาการประมวลผลในระดับฮาร์ดแวร์ และมีการปรับปรุงในหลายระดับตั้งแต่การใช้ฮาร์ดแวร์ไปจนถึงการออกแบบโมเดลและการประสบการณ์การใช้งานของผู้ใช้ โดยการพัฒนาเทคโนโลยีเหล่านี้จะช่วยให้ Mixture of Agents สามารถใช้ได้กับงานที่ต้องการความเร็วและประสิทธิภาพสูงมากขึ้น

ความท้าทายและอนาคตของ Together AI

Together AI มุ่งมั่นที่จะพัฒนาและรักษาความเป็นผู้นำในด้าน AI ผ่านการปรับปรุงประสิทธิภาพของระบบและอัลกอริทึม โดยเพิ่มความสามารถในการจัดการข้อมูลที่มีขนาดใหญ่มากขึ้น รวมถึงการพัฒนาเทคนิคใหม่ๆ เพื่อเพิ่มความยืดหยุ่นและประสิทธิภาพในการประมวลผล AI

จากมุมมองใน Section นี้ชี้ให้เห็นถึงความก้าวหน้าทางเทคโนโลยีที่น่าทึ่งในด้าน AI และการประยุกต์ใช้ Mixture of Agents ที่จะเปลี่ยนแปลงวิธีการพัฒนาและใช้ AI ในอนาคต

รับชมทั้งหมดได้ทาง Youtube: https://youtu.be/ZLuA3XTVKHc?si=gIj_cKxFSE9oHpqr