ทดสอบ Phathumma LLM: AI ไทยฝีมือ สวทช. ขีดความสามารถแค่ไหน

หลายท่านอาจเคยรู้จัก Phathumma LLM ที่เป็นโมเดล AI ฝีมือคนไทยกันมาบ้าง จากการพัฒนาด้วยฝีมือของ สวทช. พร้อมเปิดให้เข้าถึงในฐานะโอเพนซอร์ส และสามารถทดสอบการใช้งานเวอร์ชัน 1.0 ได้ทันที แสดงให้เห็นว่าประเทศไทยก็มีขีดความสามารถในการพัฒนา Generative AI เช่นกัน

 

วันนี้เราจึงมาทดสอบการใช้งานว่า Phathumma LLM มีขีดความสามารถเพียงไร

 

 

Vision LLM

 

แรกสุดคือคุณสมบัติในการทำความเข้าใจ ตีความ และอธิบายรูปภาพออกมาเป็นตัวอักษร ถือเป็นหนึ่งในคุณสมบัติสำคัญต่อการทำความเข้าใจเนื้อหาภาพ เป็นพื้นฐานในการต่อยอดไปยัง AI สร้างรูปภาพ หรือตรวจสอบสภาพแวดล้อมช่วยเหลือสนับสนุนชีวิตประจำวันต่อไป

 

อย่างไรก็ตาม Vision LLM ของ Phathumma LLM ยังมีข้อจำกัดในการใช้งานค่อนข้างมาก ปัจจุบันรองรับการอัปโหลดรูปภาพและอธิบายรายละเอียด แต่หลายครั้งที่รายละเอียดที่อธิบายเกิดความคลาดเคลื่อนหรือเข้าใจผิด จนไม่ตรงกับข้อเท็จจริงที่ปรากฏอยู่บนภาพ

 

จากภาพตัวอย่างจะเห็นได้ว่า ที่ทำการอัปโหลดสู่ระบบเห็นได้ชัดว่าเป็นภาพแม่ลูกจิงโจ้ที่กำลังยืนอยู่บนทุ่งหญ้า แต่ AI กลับตอบว่านี่เป็นภาพของกวางแม่ลูกที่มีฉากหลังเป็นภูเขา เห็นได้ชัดว่าโมเดล AI นี้ยังมีความเข้าใจคลาดเคลื่อนอยู่มาก ซึ่งเป็นส่วนที่ต้องได้รับการแก้ไขอย่างเร่งด่วนเพื่อพัฒนาขีดความสามารถ

 

 

Audio LLM

 

อันดับถัดมาคือ โมเดล AI สำหรับทำความเข้าใจและถอดความเสียงออกมาเป็นตัวอักษร เป็นประโยชน์อย่างยิ่งต่อการตอบสนอง ทำความเข้าใจ และพูดคุยกับโมเดล AI สำหรับใช้งานเพื่อการสื่อสารในการอำนวยความสะดวก ไปจนรองรับการใช้งานของผู้พิการทางสายตา จึงเป็นอีกหนึ่งระบบที่มีความสำคัญ

 

ในส่วนของการใช้งานร่วมกับเสียงที่บันทึกผ่านอุปกรณ์ Audio LLM ยังไม่สามารถถอดออกมาได้น่าประทับใจนัก เนื้อหาคำพูดมีโอกาสตีความหรือใช้คำคลาดเคลื่อนให้เห็นอยู่ทั่วไป อีกทั้งยังไม่รองรับไฟล์ขนาดใหญ่กว่า 20 MB รวมถึงไฟล์สกุล .M4A ที่บันทึกจากสมาร์ทโฟน ในกรณีที่ต้องการใช้งานกับเสียงบันทึกจึงอาจต้องตัดและแปลงไฟล์ที่ยุ่งยาก

 

แต่สำหรับการทดลองถอดเทปไฟล์เสียงจากเว็บไซต์ Youtube ค่อนข้างให้ผลลัพธ์น่าสนใจ อาจมีการสะกดผิด ขาดการเว้นวรรคไปบ้าง แต่ก็ให้รายละเอียดครบถ้วนต่อให้มีเนื้อหายาวนับชั่วโมง แม้จะมีข้อจำกัดว่า Audio LLM นี้ยังไม่สามารถจำแนกผู้พูดแต่ละคนออกจากกันได้ดีนัก แต่ก็ยังสามารถถอดเนื้อหาออกมาได้ราว 70 – 80%

 

 

Text LLM

 

ส่วนที่สำคัญที่สุดของ AI Chatbot ในปัจจุบันหนีไม่พ้นการทำความเข้าใจภาษาพิมพ์ ฟังก์ชันใช้และสั่งงานหลักที่เราใช้งาน โดยปัจจุบัน Text LLM นี้ รองรับการใช้งานร่วมกับไฟล์ PDF ลิงค์บนเว็บไซต์ ไปจนการตอบโต้พูดคุยแบบ Chatbot ทั่วไป ใกล้เคียงกับฟีเจอร์ที่มีใน AI จากต่างประเทศ

 

การสรุปเนื้อหาจากไฟล์ PDF หรือเว็บไซต์ของ Text LLM นี้ เห็นได้ชัดว่ามีขีดจำกัดในการใช้งาน ในกรณีที่เนื้อหายาวเกินไปอาจสร้างความสับสนให้แก่เนื้อหาจนเกิดความคลาดเคลื่อนของข้อมูล แม้เนื้อหาที่ป้อนเข้าสู่ระบบจะเป็นข้อมูลตัวอักษรล้วนก็ตาม

 

อีกส่วนที่เป็นข้อจำกัดของ Text LLM หรืออาจเป็นของ Phathumma LLM ในฐานะให้คำปรึกษาคือ ข้อมูลที่นำมาเทรนทั้งหมดเป็นข้อมูลก่อนปี 2021 ทำให้อาจขาดการอัปเดตให้เป็นเรียลไทม์ จึงไม่สามารถใช้งานหรือสนับสนุนได้อย่างมีประสิทธิภาพนักในปี 2025 นี้

 

 

 

จริงอยู่เมื่อเปรียบเทียบกับ AI Chatbot ที่เราใช้งานกันประจำ Phathumma LLM อาจด้อยกว่าในหลายด้าน แต่ก็มีจุดเด่นในด้านการถอดเทปจากไฟล์หรือเว็บไซต์ที่ Chatbot ยอดนิยมไม่มี นอกจากนี้นี่ยังเป็นเพียงโครงการเริ่มต้น ในอนาคตอาจเป็นรากฐานสำหรับโมเดล AI ของประเทศไทยต่อไป