AI อะไรเนี่ย

Tools

เร่งความเร็วการเรียกใช้เครื่องมือของเอเจนต์ AI ด้วยการปรับแต่งโมเดลแบบไร้เซิร์ฟเวอร์ใน Amazon SageMaker AI

เร่งความเร็วการเรียกใช้เครื่องมือของเอเจนต์ AI ด้วยการปรับแต่งโมเดลแบบไร้เซิร์ฟเ

ทุกคนคงรู้กันดีว่า Agentic tool calling สำคัญแค่ไหนในการทำให้เอเจนต์ AI มีประโยชน์ในโลกจริง ไม่ว่าจะเป็นการดึงข้อมูลจากฐานข้อมูล การสั่งงานเวิร์กโฟลว์ หรือการเรียกข้อมูลแบบเรียลไทม์ แต่มักจะมีปัญหาที่โมเดลพื้นฐานชอบสร้างข้อมูลเท็จเกี่ยวกับเครื่องมือ ส่งพารามิเตอร์ผิด หรือพยายามทำงานทั้งที่ควรจะถามข้อมูลเพิ่มเติมก่อน ปัญหาพวกนี้ทำให้เราไม่ค่อยมั่นใจใน AI และเป็นอุปสรรคในการนำไปใช้งานจริง

ข่าวดีก็คือ Amazon SageMaker AI มีฟีเจอร์การปรับแต่งโมเดลแบบไร้เซิร์ฟเวอร์ (Serverless model customization) ที่เข้ามาช่วยแก้ปัญหาเหล่านี้ได้ โดยที่เราไม่ต้องมาคอยจัดการโครงสร้างพื้นฐานเองให้ยุ่งยากเลยล่ะ! ฟีเจอร์นี้ช่วยให้เราเร่งความเร็วในการเรียกใช้เครื่องมือของเอเจนต์ AI ได้อย่างมีประสิทธิภาพ

Amazon SageMaker AI ทำอะไรได้บ้าง

Amazon SageMaker AI ทำให้การปรับแต่งโมเดล AI ของเราง่ายขึ้นเยอะมากครับ เพราะเขาช่วยจัดการงานที่ซับซ้อนให้หมด ไม่ว่าจะเป็นการจัดหา GPU, การจัดการหน่วยความจำ, การวางระบบรางวัล (reward infrastructure) หรือการทำเช็คพอยต์ ที่ปกติจะกินเวลาและทรัพยากรเยอะมาก

บริการนี้รองรับโมเดลตระกูลดังๆ หลายตัว เช่น Amazon Nova, GPT-OSS, Llama, Qwen และ DeepSeek นอกจากนี้ยังมีเทคนิคการปรับแต่งให้เลือกใช้หลากหลาย ไม่ว่าจะเป็น Supervised Fine-Tuning (SFT), Direct Preference Optimization (DPO), Reinforcement Learning with Verifiable Rewards (RLVR) และ Reinforcement Learning from AI Feedback (RLAIF) ซึ่งแต่ละแบบก็เหมาะกับงานที่ต่างกันไป ทำให้เราสามารถเลือกใช้เทคนิคที่ตรงกับความต้องการของโปรเจกต์ได้เลย

RLVR: หัวใจสำคัญของการเรียกใช้เครื่องมือที่แม่นยำ

ในบทความนี้ เขาเน้นไปที่เทคนิค Reinforcement Learning with Verifiable Rewards (RLVR) เป็นพิเศษ ซึ่งเป็นวิธีที่เจ๋งมากสำหรับการปรับปรุงความแม่นยำในการเรียกใช้เครื่องมือของเอเจนต์ AI

RLVR ทำงานยังไงน่ะเหรอ? ง่ายๆ เลยคือ สำหรับแต่ละคำสั่ง โมเดลจะสร้างคำตอบที่เป็นไปได้ออกมาหลายๆ แบบ (อย่างเช่น 8 แบบ) จากนั้นก็จะมีฟังก์ชันรางวัล (reward function) มาช่วยตรวจสอบว่าคำตอบไหนถูกต้อง แล้วโมเดลก็จะเรียนรู้และปรับปรุงพฤติกรรมให้เลือกคำตอบที่ดีที่สุดโดยใช้ Group Relative Policy Optimization (GRPO) ซึ่งจะเปรียบเทียบคะแนนรางวัลของแต่ละคำตอบกับคะแนนเฉลี่ยของกลุ่ม แล้วเสริมการตอบสนองที่ทำคะแนนได้สูงกว่าค่าเฉลี่ย ทำให้โมเดลเรียนรู้รูปแบบการเรียกใช้เครื่องมือ และตัดสินใจได้ดีขึ้นว่าเมื่อไหร่ควรเรียกใช้เครื่องมือ เมื่อไหร่ควรถามข้อมูลเพิ่มเติม

ผลลัพธ์ที่น่าทึ่งจากการปรับแต่งโมเดล

ตัวอย่างที่ AWS สาธิตให้ดูคือ การ Fine-tune โมเดล Qwen 2.5 7B Instruct สำหรับการเรียกใช้เครื่องมือด้วย RLVR ซึ่งผลลัพธ์ออกมาน่าประทับใจมากครับ! โมเดลที่ปรับแต่งแล้ว (Qwen 2.5 7B Instruct พร้อม RLVR) สามารถเพิ่มประสิทธิภาพในการเรียกใช้เครื่องมือได้ถึง 57% เมื่อเทียบกับโมเดลพื้นฐาน ในสถานการณ์ที่ไม่เคยเห็นมาก่อนระหว่างการฝึกฝนเลยด้วยซ้ำ!

ชุดข้อมูลที่ใช้ในการฝึกฝนโมเดลนี้ สร้างขึ้นจากตัวอย่างสังเคราะห์ 1,500 ตัวอย่าง โดยใช้ Kiro ซึ่งเป็น AI-powered IDE ของ Amazon ครอบคลุมชุดรูปแบบเครื่องมือถึง 5 แบบ ได้แก่ พยากรณ์อากาศ (weather), เที่ยวบิน (flights), การแปลภาษา (translation), การแปลงสกุลเงิน (currency conversion) และสถิติ (statistics)

ตัวอย่างการฝึกฝนยังแบ่งพฤติกรรมของเอเจนต์ออกเป็นสามประเภทด้วยนะ:

  1. Execute (60%): ผู้ใช้ให้ข้อมูลครบถ้วน โมเดลควรเรียกใช้เครื่องมือ
  2. Ask for clarification (25%): คำขอของผู้ใช้ขาดพารามิเตอร์ที่จำเป็น โมเดลควรถามข้อมูลเพิ่มเติม
  3. Refuse (15%): คำขอไม่เหมาะสมหรืออยู่นอกขอบเขต โมเดลควรปฏิเสธอย่างสุภาพ

การติดตามเมตริกสำหรับการฝึกอบรมและตรวจสอบความถูกต้องก็ทำได้ง่ายๆ ผ่าน MLflow ที่รวมอยู่ในระบบอยู่แล้ว ทำให้เราเห็นความคืบหน้าและประสิทธิภาพของโมเดลได้ชัดเจน

เริ่มต้นใช้งานง่ายๆ

ถ้าคุณอยากลองใช้ฟีเจอร์การปรับแต่งโมเดลแบบไร้เซิร์ฟเวอร์ใน SageMaker AI ก็ไม่ได้ซับซ้อนอะไรเลยครับ แค่มีสิ่งเหล่านี้เป็นคุณสมบัติเบื้องต้น:

  • บัญชี AWS
  • AWS IAM role ที่มีสิทธิ์ตามที่กำหนด
  • SageMaker AI domain ที่สามารถเข้าถึง Studio ได้
  • Amazon S3 bucket

จากนั้นคุณก็สามารถเข้าไปใน Amazon SageMaker AI Studio เลือกโมเดลที่ต้องการปรับแต่ง เช่น Qwen 2.5 7B Instruct แล้วเลือกเทคนิคอย่าง RLVR กำหนดข้อมูลและฟังก์ชันรางวัล เท่านี้ SageMaker AI ก็จะจัดการส่วนที่เหลือให้คุณเอง

โดยสรุปแล้ว การปรับแต่งโมเดลแบบไร้เซิร์ฟเวอร์ใน Amazon SageMaker AI โดยเฉพาะเทคนิค RLVR เป็นเครื่องมือที่ทรงพลังมากๆ ในการสร้างเอเจนต์ AI ที่ฉลาดและแม่นยำขึ้น ช่วยลดงานจัดการโครงสร้างพื้นฐาน และทำให้เราโฟกัสกับการสร้างสรรค์นวัตกรรมได้เต็มที่ครับ

อ่านต่อ: อยากรู้รายละเอียดเพิ่มเติมและวิธีการตั้งค่าแบบเป็นขั้นตอน สามารถเข้าไปดูบทความเต็มๆ ได้เลยที่ เร่งความเร็วการเรียกใช้เครื่องมือของเอเจนต์ AI ด้วยการปรับแต่งโมเดลแบบไร้เซิร์ฟเวอร์ใน Amazon SageMaker AI รับรองว่ามีข้อมูลเชิงลึกเพียบ!