Meta เปิดตัว Llama 3 โมเดลโอเพนซอร์สขนาด 8B และ 70B พร้อมใช้งานบน 5 แพลตฟอร์มคลาวด์ใหญ่

เมื่อวันที่ 18 เมษายน พ.ศ. 2567 Meta ได้เปิดตัวโมเดลภาษาขนาดใหญ่แบบโอเพนซอร์สรุ่นใหม่ Llama 3 อย่างเป็นทางการ โดยมีให้เลือกสองขนาดคือ 8 พันล้านพารามิเตอร์ (8B) และ 7 หมื่นล้านพารามิเตอร์ (70B) แต่ละขนาดมีทั้งเวอร์ชัน “pretrained” และเวอร์ชัน “instruction-tuned” (Instruct) สำหรับการใช้งานที่แตกต่างกัน ตามประกาศบนบล็อกทางการของ Meta AI ระบุว่า Llama 3 ฝึกด้วยข้อมูลประมาณ 15 ล้านล้านโทเคน โดยข้อมูลทั้งหมดมาจากแหล่งสาธารณะ ซึ่งขนาดการฝึกเพิ่มขึ้นอย่างมากเมื่อเทียบกับ Llama 2 รุ่นก่อนหน้า

ทาง Meta อ้างว่า Llama 3 ทำผลงานเป็นอันดับต้นในกลุ่มโมเดลขนาดเดียวกันจากการทดสอบมาตรฐานหลายรายการของวงการ (รวมถึงการให้เหตุผล การเขียนโค้ด และการตอบคำถามความรู้ทั่วไป) และเน้นย้ำเป็นพิเศษว่าความสามารถด้านการให้เหตุผลและความเข้าใจคำสั่งดีขึ้นอย่างชัดเจนเมื่อเทียบกับรุ่นก่อน ในเวลาเดียวกัน Meta ได้นำ Llama 3 ขึ้นให้ใช้งานพร้อมกันบนแพลตฟอร์มคลาวด์และเครื่องมือพัฒนาหลักอย่าง AWS, Google Cloud, Microsoft Azure, Hugging Face และ NVIDIA NIM ทำให้นักพัฒนาทั่วโลกสามารถเข้าถึง ติดตั้ง และปรับแต่งโมเดลผ่านบัญชีคลาวด์ที่มีอยู่แล้วได้ทันที ทั้งนี้ Llama 3 ยังคงอยู่ภายใต้เงื่อนไขใบอนุญาตแบบชุมชนที่ Meta กำหนดเอง (Llama 3 Community License) ผู้พัฒนาต้องยอมรับเงื่อนไขก่อนใช้งาน และองค์กรที่มีผู้ใช้งานต่อเดือนเกิน 700 ล้านคนต้องยื่นขอใบอนุญาตเพิ่มเติมจาก Meta โดยเฉพาะ มิใช่ว่าไม่มีข้อจำกัดด้านใบอนุญาตเลย

นัยยะทางเทคนิค: ฝั่งโอเพนซอร์สไล่ตามโมเดลปิดทันเป็นครั้งแรก

เหตุผลที่การเปิดตัว Llama 3 ได้รับความสนใจอย่างมาก เพราะนี่เป็นครั้งแรกที่ฝั่งโอเพนซอร์สอ้างว่าผลการทดสอบมาตรฐานหลายรายการเทียบเท่าหรือดีกว่าโมเดลเชิงพาณิชย์แบบปิดบางรุ่นในช่วงเวลาเดียวกัน ในอดีตโมเดลโอเพนซอร์สมักถูกมองว่าด้อยกว่าโมเดลปิดในด้านการให้เหตุผลและการทำตามคำสั่งที่ซับซ้อน ผลงานของ Llama 3 จึงเท่ากับเป็นการประกาศต่อตลาดว่า “โอเพนซอร์สไม่ได้แปลว่าด้อยกว่า” และทำให้องค์กรมีทางเลือกเพิ่มขึ้นในการเลือกผู้ให้บริการ AI คือสามารถติดตั้งใช้งานเองได้โดยไม่ต้องจ่ายค่าบริการตามปริมาณการใช้ผ่าน API ของบุคคลที่สาม

เทียบกับรุ่นก่อน: ปริมาณข้อมูลฝึกเพิ่มขึ้นอย่างก้าวกระโดด

เมื่อเทียบกับขนาดข้อมูลฝึกของ Llama 2 ตัวเลข 15 ล้านล้านโทเคนของ Llama 3 ถือเป็นการเติบโตแบบก้าวกระโดดอย่างชัดเจน ซึ่งอธิบายได้ว่าทำไมทาง Meta จึงเน้นย้ำเรื่องความสามารถด้านการให้เหตุผลที่ดีขึ้น เพราะข้อมูลสาธารณะที่มากขึ้นและสะอาดขึ้น มักช่วยให้โมเดลเข้าใจภาษาและให้เหตุผลได้ดีขึ้นอย่างเห็นได้ชัด อย่างไรก็ตาม Meta ยังไม่ได้เปิดเผยรายละเอียดองค์ประกอบของชุดข้อมูลหรือวิธีคัดกรองคุณภาพในการประกาศครั้งนี้ ตลาดจึงยังต้องรอดูผลการทดสอบจริงจากบุคคลที่สามเพื่อยืนยันคำกล่าวอ้างว่า “แนวหน้าของวงการ”

ปฏิกิริยาของวงการ: พร้อมใช้งานบน 5 แพลตฟอร์มทันที ลดอุปสรรคการนำไปใช้ขององค์กร

ต่างจากโมเดลโอเพนซอร์สหลายรุ่นในอดีตที่มักต้องรอหลายสัปดาห์กว่าจะพร้อมใช้งานบนแพลตฟอร์มคลาวด์หลัก Llama 3 เลือกที่จะขึ้นใช้งานพร้อมกันในวันเปิดตัวบน AWS, Google Cloud, Azure, Hugging Face และ NVIDIA NIM ทันที ซึ่งเท่ากับทำให้ “การเปิดตัว” กับ “การใช้งานได้จริง” เกิดขึ้นพร้อมกัน สิ่งนี้มีความสำคัญมากสำหรับฝ่าย IT ขององค์กร เพราะไม่ต้องรอทีมงานภายในสร้างระบบประมวลผลเอง สามารถทดสอบหรือแม้แต่นำไปใช้งานจริงผ่านสัญญาคลาวด์ที่มีอยู่แล้วได้ทันที ช่วยลดระยะเวลาในการประเมินนำไปใช้ลงอย่างมาก

สำหรับผู้บริหาร การเปิดตัว Llama 3 หมายถึงทางเลือกในการนำ generative AI มาใช้ในองค์กรมีเพิ่มขึ้นอีกทาง นอกจากการจ่ายค่าบริการตามปริมาณการใช้ให้ผู้ให้บริการรายเดิมแล้ว ตอนนี้ยังสามารถพิจารณาใช้โมเดลโอเพนซอร์สสร้างเครื่องมือภายในเอง (เช่น ระบบตอบคำถามลูกค้า หรือการค้นคืนคลังความรู้ภายใน) เพื่อให้ข้อมูลอยู่ภายในองค์กรและควบคุมต้นทุนระยะยาวได้ดีขึ้น หากองค์กรมีทรัพยากร IT บนคลาวด์อยู่แล้ว อาจให้ทีมเทคนิคทดลองใช้เวอร์ชัน 8B ทำ proof of concept ขนาดเล็กก่อน เพื่อประเมินว่าเพียงพอที่จะทดแทนการใช้ API แบบเสียค่าบริการบางส่วนได้หรือไม่