GenAI โมเดลภาษาขนาดใหญ่ที่อาจไม่แม่นยำสำหรับธุรกิจ

องค์กรควรพิจารณาปัจจัยต่อไปนี้ก่อนใช้ GenAI

ความแม่นยำของโมเดล

• ความแม่นยำต่ำของ GenAI เกิดจากหลายปัจจัย เช่น ปริมาณข้อมูลที่ใช้ฝึกอบรมโมเดล ความซับซ้อนของงานที่ต้องการให้โมเดลทำ และอคติที่มีอยู่ในตัวข้อมูลที่ใช้ฝึกอบรม

• งานวิจัยของ Sequeda พบว่า GenAI สามารถสร้างข้อความที่ผิดพลาดได้ 30% เมื่อใช้สำหรับการสร้างเนื้อหา โดยข้อความที่ผิดพลาดส่วนใหญ่เกิดจากการที่ GenAI เข้าใจข้อความต้นฉบับไม่ถูกต้อง หรือสร้างข้อความที่ขัดแย้งกับความรู้ทั่วไป

• งานแปลภาษาของ GenAI ก็มีความแม่นยำต่ำกว่าเครื่องมือแปลภาษาอื่นๆ เช่น Google Translate โดยงานวิจัยของ Sequeda พบว่า GenAI แปลข้อความภาษาอังกฤษเป็นภาษาสเปนได้อย่างถูกต้องเพียง 70%

ความโปร่งใสของโมเดล

• ความโปร่งใสของ GenAI น้อยลงเมื่อเวลาผ่านไป เนื่องจากโมเดลภาษาขนาดใหญ่มักใช้เทคนิคการเรียนรู้ของเครื่องที่ซับซ้อน ซึ่งทำให้ยากต่อการอธิบายว่าโมเดลตัดสินใจสร้างข้อความหรือคำแปลบางอย่างออกมาอย่างไร

• Sequeda ระบุว่า GenAI ไม่สามารถอธิบายได้อย่างชัดเจนว่าทำไมจึงสร้างข้อความหรือคำแปลบางอย่างออกมา ซึ่งทำให้องค์กรไม่สามารถตรวจสอบความถูกต้องของผลลัพธ์ของโมเดลได้

วัตถุประสงค์ในการใช้งาน

• องค์กรควรกำหนดวัตถุประสงค์ในการใช้งาน GenAI อย่างชัดเจน เช่น จะใช้สำหรับงานใด จะใช้เพื่อสร้างผลลัพธ์ประเภทใด

ความเสี่ยงที่อาจเกิดขึ้น

• หากองค์กรใดใช้ GenAI โดยไม่ให้ความสำคัญกับความแม่นยำ อาจประสบปัญหาต่างๆ เช่น สูญเสียข้อมูล ความผิดพลาดในกระบวนการตัดสินใจ และความเสียหายต่อชื่อเสียง