ในบริบทที่ AI Agent กำลังพัฒนาอย่างรวดเร็ว “AI ส่วนบุคคล” กำลังขยับจากคำขวัญไปสู่การนำไปใช้จริงอย่างเป็นรูปธรรม นักวิทยาศาสตร์ AI ชื่อดัง Andrej Karpathy ล่าสุดได้เปิดประเด็นเกี่ยวกับ Farzapedia อีกครั้ง และย้ำอย่างตรงไปตรงมาว่า โครงสร้างแบบ “ส่วนตัว Wiki” นี้คือหนึ่งในไม่กี่วิธีที่ทำได้จริงในปัจจุบัน
เมื่อเทียบกับหน่วยความจำแบบกล่องดำที่มุ่งเน้น “ยิ่งใช้นานยิ่งเข้าใจคุณ” Farzapedia พยายามแปลงข้อมูลส่วนบุคคลให้กลายเป็นความรู้ที่มีโครงสร้าง เพื่อให้ AI สามารถอ่าน ทำความเข้าใจ และปฏิบัติการได้โดยตรง สร้างฐานที่โปร่งใสและควบคุมได้มากขึ้นสำหรับ AI ส่วนบุคคล
แนวคิดหลักของ Farzapedia: การสร้าง Wikipedia ส่วนบุคคลที่ AI เข้าใจได้
จุดสำคัญของ Farzapedia อยู่ที่การเปลี่ยนข้อมูลส่วนบุคคลให้เป็นระบบความรู้ที่จัดโครงสร้างอย่างชัดเจน ผ่านเอกสาร Markdown ไดเรกทอรี (index.md) และลิงก์ข้ามกัน ผู้ใช้สามารถสร้าง “Wikipedia” ของตนเองได้
ภายใต้โครงสร้างเช่นนี้ AI Agent ไม่ได้พึ่งพาหน่วยความจำบริบทแบบคลุมเครืออีกต่อไป แต่สามารถอ่านเอกสารเฉพาะเจาะจงได้โดยตรง เข้าใจความสัมพันธ์ระหว่างหัวข้อต่าง ๆ และแม้กระทั่งทำการอ้างอิงข้ามหน้าและการอัปเดต
Karpathy ย้ำเป็นพิเศษว่าวิธีนี้ทำให้ผู้ใช้รู้ได้ชัดเจนว่า AI มีข้อมูลอะไรบ้าง และสามารถตรวจสอบและแก้ไขได้ตลอดเวลา แก้ปัญหาที่หน่วยความจำของ AI ในอดีตมองไม่เห็น
ทำไมวิธีนี้ถึงใช้งานได้จริงกว่า? สี่ความแตกต่างที่สำคัญ
เมื่อเทียบกับโซลูชันการทำให้เป็นส่วนบุคคลในปัจจุบัน จุดแข็งของ Farzapedia ไม่ได้มาจากโมเดลที่แข็งแรงกว่า แต่เป็นการเปลี่ยนแปลงของโครงสร้างข้อมูล
อย่างแรกคือ “ทำให้ชัดเจน” ความรู้ทั้งหมดมีอยู่ในรูปแบบ Wiki ผู้ใช้สามารถดูและแก้ไขได้โดยตรง ไม่ต้องพึ่งพาหน่วยความจำภายในที่มองไม่เห็น
อย่างที่สองคือ “อำนาจการควบคุมข้อมูล (data sovereignty)” ไฟล์ทั้งหมดถูกเก็บไว้ในเครื่อง ไม่ถูกจำกัดโดยแพลตฟอร์ม AI เพียงเจ้าเดียว หลีกเลี่ยงไม่ให้ข้อมูลถูกล็อกหรือย้ายถ่ายโอนไม่ได้
ข้อที่สามคือการออกแบบ “File over App” ข้อมูลอยู่ในรูปแบบสากล เช่น Markdown และรูปภาพ จึงถูกเครื่องมือหลากหลายชนิดนำไปใช้ได้โดยตรง ตั้งแต่ Obsidian ไปจนถึงเครื่องมือบรรทัดคำสั่งก็สามารถผสานได้
ข้อสุดท้ายคือ “BYOAI” ผู้ใช้สามารถเลือกโมเดล AI ที่แตกต่างกันเพื่อเชื่อมต่อเข้ากับคลังความรู้เดียวกันได้อย่างอิสระ และแม้กระทั่งปรับจูนโมเดลโอเพนซอร์สเพิ่มเติม ทำให้ AI เข้าใจความรู้ส่วนบุคคลในระดับน้ำหนัก (weights)
จาก RAG สู่ Wiki: การเปลี่ยนผ่านของสถาปัตยกรรม AI ส่วนบุคคล
Karpathy ชี้ว่า ในช่วงปีที่ผ่านมา RAG (Retrieval-Augmented Generation) ที่กำลังเป็นที่นิยม แม้จะช่วยเพิ่มความสามารถในการดึงค้นข้อมูล แต่ส่วนใหญ่ยังคงอยู่ในระดับ “การขยายบันทึกการแชท”
วิธีแบบนี้โดยแก่นแล้วคือการค้นหาแบบคลุมเครือ ขาดโครงสร้างที่ชัดเจน และยากต่อการดูแลรักษาและขยายต่อ
ตรงกันข้าม Farzapedia ใช้โครงสร้างไฟล์ที่ชัดเจนและลิงก์ภายใน ทำให้ AI สามารถเข้าใจเนื้อหาได้เหมือนการอ่านเอกสาร และสร้างความสัมพันธ์เชิงตรรกะระหว่างหัวข้อต่าง ๆ อย่างมีนัยสำคัญ เพิ่มทั้งความสามารถในการใช้งานและความแม่นยำ
ทักษะใหม่ในยุคของ Agent: จัดการความรู้ ไม่ใช่แค่ตั้งคำถาม
Karpathy ยังยอมรับว่าข้อจำกัดของวิธีนี้อยู่ที่การต้องมีความสามารถในการจัดการไฟล์และการออกแบบโครงสร้างในระดับหนึ่ง
แต่เมื่อ AI Agent ก้าวหน้า งานเหล่านี้กำลังถูกทำให้อัตโนมัติ Agent สามารถช่วยจัดระเบียบข้อมูล สร้างบทความ รักษาลิงก์ให้ทันสมัย ทำให้ผู้ใช้โฟกัสกับตัวเนื้อหามากขึ้น
เขาเชื่อว่า “การใช้ Agent ให้เกิดประโยชน์” จะกลายเป็นความสามารถหลัก เครื่องมือเหล่านี้ไม่เพียงแต่เข้าใจภาษา แต่ยังสามารถสั่งการระบบคอมพิวเตอร์ได้ กำลังเปลี่ยนวิธีที่ผู้คนมีปฏิสัมพันธ์กับซอฟต์แวร์
บทความนี้ Farzapedia แนวคิดหลัก: การสร้าง Wikipedia ส่วนบุคคลที่ AI เข้าใจได้, Karpathy ชี้โซลูชันการทำให้เป็นส่วนบุคคลที่ใช้งานได้จริงที่สุด ชื่อเรื่องแรกสุดเริ่มปรากฏใน ข่าวโซ่ ABMedia。
