PewDiePie โชว์เหนือ! ปั้น AI สายโค้ดเอง ตบ ChatGPT ร่วงในผลทดสอบ Benchmark

ก้าวกระโดดจาก 8% สู่ 39.1% ด้วยการ Fine-tuning

PewDiePie เริ่มต้นโปรเจกต์นี้ด้วยโมเดล Open-source ที่มีพื้นฐานการเขียนโค้ดเพียง 8% แต่หลังจากผ่านการปรับแต่ง (Fine-tuning) นานหลายเดือน โดยเน้นไปที่การคัดเลือกชุดข้อมูล และการปรับรูปแบบการตอบสนองเขาสามารถผลักดันประสิทธิภาพให้พุ่งขึ้นไปถึง 39.1% ซึ่งสูงกว่าคะแนนมาตรฐานของ ChatGPT ใน Benchmark เดียวกันเกือบเท่าตัว

อุปสรรคหลังบ้าน: เมื่อ GPU พังและข้อมูลปนเปื้อน

เบื้องหลังความสำเร็จไม่ได้โรยด้วยกลีบกุหลาบ เขาเปิดเผยว่าต้องเผชิญกับปัญหาทางเทคนิคมากมาย ตั้งแต่ความล้มเหลวของฮาร์ดแวร์อย่างการ์ดจอ พัง ไปจนถึงปัญหา “Data Contamination” หรือข้อมูลทดสอบปนเปื้อนเข้าไปในชุดฝึกสอน ซึ่งเขาใช้ประสบการณ์เหล่านี้เป็นบทเรียนในการทำความเข้าใจโครงสร้างของ LLM ในระดับที่ลึกกว่าผู้ใช้งานทั่วไป

เสียงสะท้อนจากชุมชน: เจ๋งจริงหรือแค่ตัวเลข?

แม้ผลลัพธ์จะดูน่าทึ่ง แต่ในคอมเมนต์ก็มีการถกเถียงกันอย่างกว้างขวาง บางส่วนชื่นชมที่เขาทำให้เรื่องเทคนิคยากๆ กลายเป็นเรื่องที่เข้าถึงง่ายสำหรับคนทั่วไป ขณะที่ผู้เชี่ยวชาญบางกลุ่มเตือนว่าต้องแยกแยะระหว่างการจูนให้เก่งเฉพาะทาง กับการฝึกโมเดลใหม่ทั้งหมด และคะแนน Benchmark เพียงตัวเดียวอาจไม่ได้สะท้อนถึงความสามารถในการเขียนโปรแกรมที่ซับซ้อนในระดับใช้งานจริง

ความเห็นผู้เขียน

ส่วนตัวมองว่าเรื่องนี้มันเจ๋งมากครับที่ยูทูบเบอร์ระดับโลกหันมาหมกมุ่นกับการทำ AI แบบลงลึกขนาดนี้ มันพิสูจน์ว่ายุคนี้ “ใครๆ ก็จูน AI ให้เก่งได้” ถ้ามีความตั้งใจพอ แม้มันจะเป็นแค่การทดลองเพื่อความรู้ แต่มันก็ส่งสัญญาณบอกยักษ์ใหญ่ในวงการว่า พลังของ Open-source ในมือของคนที่กระหายความรู้นั้นน่ากลัวแค่ไหน

แหล่งข้อมูล: @Dexerto