ข้ามไปยังเนื้อหาหลัก
Kobkrit Viriyayudhakorn
CEO, iApp Technology
ดูผู้เขียนทั้งหมด

AI อ่านเอกสารไทยตัวจิ๋ว 4 MB ไม่ต่อเน็ต ไม่ใช้การ์ดจอ: OpenThai 2.0 OCR แจกฟรี คนเอาไปทำอะไรบ้าง (Kobkrit.com EP.5)

· อ่าน 13 นาที
Kobkrit Viriyayudhakorn
CEO, iApp Technology

AI ตัวนี้ทั้งตัวมีขนาดแค่ 4 MB พอ ๆ กับรูปถ่ายรูปเดียวในมือถือ ปิดอินเทอร์เน็ต ไม่ใช้การ์ดจอ ใช้แค่ CPU ก็อ่านราชกิจจานุเบกษาได้ทั้งหน้าในเวลาไม่ถึงวินาที

ปิดเน็ตแล้ว AI ยังทำงาน! โน้ตบุ๊กชิป NVIDIA RTX Spark กับการใช้ AI ในเครื่อง 3 วิธี (Kobkrit.com EP.4)

· อ่าน 10 นาที
Kobkrit Viriyayudhakorn
CEO, iApp Technology

ถ้าปิดเน็ตแล้ว AI ในโน้ตบุ๊กยังฟังเสียงภาษาไทย เปิดโปรแกรม และพิมพ์งานให้ได้ คุณจะเอาไปใช้ทำอะไรก่อน? ใน EP.4 ผมลองกับโน้ตบุ๊ก RTX Spark ที่ NVIDIA ทำชิปเองทั้งก้อน แล้วตอบ 3 เรื่อง: มันต่างจากโน้ตบุ๊ก Windows ทั่วไปและ Mac ยังไง ใช้ทำอะไรได้จริง และจะเริ่มใช้ AI ในเครื่องได้ด้วยวิธีไหนบ้าง

DGX Spark เครื่องเดียว ให้คนถาม AI กฎหมายพร้อมกันได้กี่คน? ทดสอบโหลดจริง (Kobkrit.com EP.3)

· อ่าน 14 นาที
Kobkrit Viriyayudhakorn
CEO, iApp Technology

ถ้าออฟฟิศมี NVIDIA DGX Spark หนึ่งเครื่อง แล้วให้ทุกคนถาม AI กฎหมายพร้อมกัน เครื่องจะรับได้กี่คนก่อนจะช้าจนใช้ไม่ได้? ใน EP.3 ผมแกะกล่อง ลง OpenThai 2.0 Legal พร้อมระบบค้นตัวบทกฎหมาย 2,065 ฉบับ ไว้ในเครื่องนี้ทั้งหมด แล้วทดสอบตั้งแต่ 1 ถึง 20 คนพร้อมกัน คำตอบสั้นๆ คือ 5 คน ถ้าทุกคนกดส่งพร้อมกันเป๊ะ และ ราว 2,000 คำถามต่อชั่วโมง ถ้าคำถามทยอยเข้ามาแบบออฟฟิศจริง

เปิดตัว Chinda Operator: AI รับโทรศัพท์แทนคน ตั้งค่าเองใน 5 นาที (Kobkrit.com EP.2)

· อ่าน 12 นาที
Kobkrit Viriyayudhakorn
CEO, iApp Technology

หลังปล่อย EP.1 ที่ให้ AI รับโทรศัพท์ของบริษัทแทนคน มีคนสนใจเยอะมาก ผมเลยใช้ 10 วันหลังจากนั้นทำระบบนี้ให้เป็นสินค้าที่ใครก็ใช้ได้ ชื่อ Chinda Operator สมัครเอง ให้ AI อ่านเว็บไซต์ของบริษัท ลองคุย แล้วเปิดรับสายจริงด้วยเบอร์ 02 หรือเบอร์เดิมของคุณ ใช้เวลาตั้งค่าราว 5 นาที

ให้ AI รับโทรศัพท์บริษัทแทนคน: เบอร์ 02 + Asterisk + Gemini Live (Kobkrit.com Live EP.1)

· อ่าน 9 นาที
Kobkrit Viriyayudhakorn
CEO, iApp Technology

บริษัทขนาดกลางแทบทุกที่เจอปัญหาเดียวกัน: ลูกค้าโทรมาเรื่องด่วน แต่คนที่ควรรับสายติดประชุมอยู่ สายก็หลุดไป ผมเลยลองให้ AI รับโทรศัพท์ของบริษัทแทนคน ตอบเป็นภาษาไทย ค้นข้อมูลจากคลังความรู้ของบริษัท ยืนยันตัวตนลูกค้า เปิด Ticket และส่ง Lead ให้ทีมขายต่อได้เอง ค่าเบอร์เริ่มต้น 500 บาทต่อเดือน ส่วนค่า AI ผมประเมินไว้ราว 1 บาทต่อนาที

OpenThai 2.0 Legal ขึ้น TH-AI Passport แล้ว: โมเดลกฎหมายไทยที่ตอบพร้อมบอกมาตรา

· อ่าน 7 นาที
Kobkrit Viriyayudhakorn
CEO, iApp Technology

OpenThai 2.0 Legal เพิ่งขึ้นแพลตฟอร์ม AiPASS ของกระทรวงดิจิทัลเพื่อเศรษฐกิจและสังคม (DE) ใครมี TH-AI Passport ลองได้เลย จุดต่างจากโมเดลทั่วไปคือมันตอบคำถามกฎหมายพร้อมบอกว่าอยู่ พ.ร.บ. ไหน มาตราอะไร โดยค้นจากตัวบทจริงกว่า 2,000 ฉบับ ไม่ได้ตอบจากความจำอย่างเดียว และเป็นโมเดลแบบ open-weight ที่ดาวน์โหลดไปรันเองได้

OpenThai-SystemOne v1.0 เดโมแรก: สั่งคอมพิวเตอร์ด้วยเสียงภาษาไทย ไม่แตะเมาส์เลยสักครั้ง

· อ่าน 6 นาที
Kobkrit Viriyayudhakorn
CEO, iApp Technology

ทำได้แล้ว! สั่งคอมพิวเตอร์ด้วย เสียงภาษาไทยล้วนๆ ไม่แตะเมาส์ ไม่แตะคีย์บอร์ดเลยสักครั้ง ค้นราคาทอง เปิด YouTube หาโรงพยาบาลใกล้บ้าน ไปจนถึงกดไลก์และคอมเมนต์ Facebook นี่คือเดโมแรกของ OpenThai-SystemOne v1.0 โมเดลโอเพนซอร์สขนาดไม่ถึง 1B ที่มองเห็นหน้าจอได้ ในคลิปผมพูดอย่างเดียว แล้วเครื่องก็ทำตาม

[LLM 1/10] Continue Pretraining: สอนความรู้ใหม่ให้ LLM ภาษาไทย

· อ่าน 4 นาที
Kobkrit Viriyayudhakorn
CEO, iApp Technology

โมเดลภาษาขนาดใหญ่ที่เก่งภาษาไทยระดับหนึ่ง มักจะ "ไม่รู้จัก" ความรู้เฉพาะทางขององค์กรคุณเลย — ไม่รู้ระเบียบราชการไทย ไม่รู้ศัพท์เฉพาะในวงการของคุณ ไม่รู้เอกสารภายในบริษัท บทความนี้จะสอนวิธีแก้ที่ตรงที่สุด คือ Continue Pretraining (CPT) ตั้งแต่สมการ ไปจนถึงโค้ดที่รันจบได้จริงบน Colab ฟรีภายในราว 15 นาที

[LLM 2/10] SFT + LoRA: สอนโมเดลให้เป็นผู้ช่วย ด้วยการเทรน 1.69% ของพารามิเตอร์

· อ่าน 8 นาที
Kobkrit Viriyayudhakorn
CEO, iApp Technology

บทที่แล้วเราใช้ Continue Pretraining ใส่ความรู้เข้าไปในน้ำหนักโมเดล แต่โมเดลที่ "รู้" ไม่ได้แปลว่าโมเดลที่ "ตอบ" — โมเดล base มีอาชีพเดียวคือเขียนข้อความต่อ บทนี้จะสอน SFT (Supervised Fine-Tuning) ด้วย LoRA: เทคนิคที่เทรนแค่ราว 1.7% ของพารามิเตอร์ แต่เปลี่ยนพฤติกรรมของโมเดลได้ทั้งตัว — จบใน ~15 นาทีบน Colab ฟรี และสิ่งที่ได้กลับมาคือไฟล์ adapter ขนาดราว 40 MB ที่จะกลายเป็นกระดูกสันหลังของบทที่เหลือทั้งซีรีส์

[LLM 3/10] RLHF และ PPO: เทรนโมเดลด้วยรางวัลที่หาอนุพันธ์ไม่ได้

· อ่าน 11 นาที
Kobkrit Viriyayudhakorn
CEO, iApp Technology

บทที่ 2 เราสอนโมเดลด้วยการ "เลียนแบบเฉลย" ทีละ token แต่คุณสมบัติที่ทำให้ผู้ช่วย AI ใช้งานได้จริง — ตอบถูก สุภาพ ไม่มั่ว ไม่หลุดเป็นภาษาอังกฤษ — ไม่มีเฉลยให้เลียนแบบ และเขียนเป็น loss function ตรง ๆ ไม่ได้ บทนี้คือคำตอบแบบดั้งเดิมที่สุดของปัญหานั้น: RLHF (Reinforcement Learning from Human Feedback) ด้วย PPO เราจะเทรน reward model จริงจากคู่ preference ภาษาไทย แล้วเขียนลูป PPO เองจากศูนย์ราว 120 บรรทัด และปิดท้ายด้วยการทดลองที่ผมชอบที่สุดในซีรีส์: ถอดสายจูง KL ออก แล้วดูโมเดลโกงรางวัลกันสด ๆ นี่คือบทที่หนักที่สุดของซีรีส์โดยตั้งใจ เพราะบทที่ 4 (DPO) และบทที่ 5 (GRPO) ต่างก็เริ่มจากสมการของบทนี้ แล้วเลือก "ลบ" ชิ้นส่วนออกคนละชิ้น