มารู้จักกับ RAG

#ฟังไมค์ เทปแรกของปีมาแล้วครับทุกคนน 😆 ช่วงนี้ใครๆ ก็พูดถึงการทำ AI ให้เก่งขึ้น ตอบโจทย์เฉพาะทางได้มากขึ้น และคำศัพท์ที่ได้ยินบ่อยที่สุดคงหนีไม่พ้น "RAG" หรือ Retrieval-Augmented Generation นั่นเองครับ หลายคนอาจจะสงสัยว่า RAG มันต่างจากการที่เราโยนไฟล์เข้าไปใน prompt ยาวๆยังไง หรือถ้าอยากให้ AI ฉลาดขึ้นเราควรไปทำ Fine-tuning เลยดีไหม? มารู้จักกับ RAG กันในฟังไมค์วันนี้กันครับ โดยในหัวข้อนี้เราจะมาพูดถึงประเด็นเหล่านี้กัน - ทำความรู้จัก RAG (Retrieval-Augmented Generation) คืออะไร และทำงานยังไง - ทำไม RAG ถึงมักถูกพูดถึงคู่กับ Vector Database และ Semantic Search - RAG vs Large Context Prompt vs Fine-tuning แตกต่างกันอย่างไร - หลักการเลือก Solution ให้เหมาะกับโจทย์ที่ใช้ร่วมกันกับ LLM และ Data หัวข้อ 00:00 แนะนำหัวข้อ 01:54 หลักการพื้นฐานของ LLM / Prompt 05:28 RAG คืออะไร ? มีองค์ประกอบอะไรบ้าง 14:35 แล้วทำไม RAG มักมาคู่กันกับ Vector Database ? 21:11 RAG vs Large Context Prompt แตกต่างกันยังไง ? 27:56 RAG vs Fine tuning แตกต่างกันยังไง ? 33:38 การพิจารณา solution ระหว่าง RAG / Fine tuning / Large Context 36:25 สรุปหัวข้อทั้งหมด ซึ่งเอาจริง นี่ถือเป็นตอนแรกของ Series ที่เราจะทำยาวๆต่อจากนี้อีก 2-3 ตอนนะครับ ถ้าใครมีอะไรอยากรู้เกี่ยวกับ RAG เพิ่มเติมในเรื่องไหนก็แชร์ไว้ใน comment ได้เลยนะครับ 😆