Temperature และ Top-P คืออะไร? ปรับ AI ให้ตอบตามที่ต้องการ

เคยสังเกตไหมคะว่าบางทีถาม AI คำถามเดิม แต่ได้คำตอบต่างกัน? หรืออยากให้ AI ตอบแบบ creative มากขึ้น หรือตรงไปตรงมามากขึ้น? วันนี้เราจะมาอธิบายเรื่อง Temperature และ Top-P ที่ช่วยควบคุมพฤติกรรมของ AI กันค่ะ

Temperature คืออะไร?

Temperature คือ parameter ที่ควบคุม "ความสุ่ม" หรือ "ความ creative" ของ AI ในการเลือกคำตอบ

เปรียบเทียบให้เข้าใจง่าย

ลองนึกภาพว่า AI กำลังเลือกคำถัดไปจากตัวเลือกหลายๆ คำ:

• Temperature ต่ำ (0-0.3) = เลือกคำที่มั่นใจที่สุดเสมอ → คำตอบคาดเดาได้, ตรงไปตรงมา
• Temperature กลาง (0.5-0.7) = บ้างก็เลือกอันดับ 1 บ้างก็เลือกอันดับ 2-3 → สมดุลดี
• Temperature สูง (0.8-1.0+) = กล้าเลือกตัวเลือกที่ไม่ธรรมดา → creative, อาจประหลาด

ตัวอย่างจริง

ถาม: "แนะนำอาหารเช้า"

Temperature = 0.2: "ข้าวต้ม, ไข่เจียว, โจ๊ก" (ตอบตรงๆ คาดเดาได้)

Temperature = 0.7: "ลองทำ overnight oats ใส่กล้วยกับเนยถั่ว หรือไม่ก็ไข่เบเนดิกต์สำหรับเช้าวันพิเศษ" (มีความ creative พอดี)

Temperature = 1.2: "ทำ sushi breakfast แบบญี่ปุ่น หรือ shakshuka สไตล์ตะวันออกกลาง ผสมกับ matcha latte" (creative มาก อาจแปลกไปบ้าง)

Top-P (Nucleus Sampling) คืออะไร?

Top-P คือ parameter ที่ควบคุมว่า AI จะพิจารณาตัวเลือกกี่ตัว โดยเลือกจากตัวเลือกที่มี probability รวมกันได้ตามค่าที่กำหนด

เปรียบเทียบให้เข้าใจง่าย

• Top-P = 0.1 = พิจารณาแค่ตัวเลือกยอดนิยมไม่กี่ตัว
• Top-P = 0.5 = พิจารณาตัวเลือกที่เป็นไปได้ครึ่งหนึ่ง
• Top-P = 0.9 = พิจารณาแทบทุกตัวเลือกที่สมเหตุสมผล
• Top-P = 1.0 = พิจารณาทุกตัวเลือก

ตัวอย่าง

สมมติ AI มีตัวเลือกคำถัดไป:

• "สวัสดี" (40%)
• "หวัดดี" (30%)
• "ไง" (15%)
• "Hello" (10%)
• "Yo" (5%)

Top-P = 0.7: จะพิจารณา "สวัสดี" (40%) + "หวัดดี" (30%) = 70% → เลือกจาก 2 คำนี้

Top-P = 0.95: จะพิจารณาเกือบทั้งหมด ยกเว้น "Yo"

Temperature vs Top-P: ต่างกันอย่างไร?

Feature	Temperature	Top-P
ควบคุม	ความสุ่มในการเลือก	จำนวนตัวเลือกที่พิจารณา
ค่าต่ำ	เลือกตัวเลือกที่มั่นใจที่สุด	พิจารณาแค่ตัวเลือกยอดฮิต
ค่าสูง	กล้าเสี่ยงเลือกตัวเลือกแปลกๆ	พิจารณาตัวเลือกหลากหลาย

ใช้พร้อมกันได้ไหม?

ได้ค่ะ แต่ผู้เชี่ยวชาญแนะนำว่า ควรปรับทีละตัว ไม่ใช่ปรับทั้งคู่พร้อมกัน เพราะผลจะทับซ้อนกันและคาดเดายาก

ค่าที่แนะนำสำหรับงานแต่ละประเภท

งานที่ต้องการความแม่นยำ

Temperature: 0-0.3 | Top-P: 0.1-0.5

เหมาะกับ:

• ตอบคำถามที่มีคำตอบถูกผิด
• แปลภาษา
• สรุปเอกสาร
• Code generation
• Math problems

Temperature: 0.2
"ตอบคำถามเกี่ยวกับประวัติศาสตร์ไทย"

งานทั่วไป

Temperature: 0.5-0.7 | Top-P: 0.7-0.9

เหมาะกับ:

• Chatbot ทั่วไป
• ตอบคำถามลูกค้า
• เขียน email
• อธิบายความรู้

Temperature: 0.7
"เขียน email ตอบรับนัดประชุม"

งาน Creative

Temperature: 0.8-1.0 | Top-P: 0.9-1.0

เหมาะกับ:

• เขียนบทความ blog
• Brainstorm ideas
• สร้าง content social media
• เขียนเรื่องสั้น

Temperature: 0.9
"คิด slogan สำหรับร้านกาแฟ 10 แบบ"

งานที่ต้องการความแปลกใหม่มาก

Temperature: 1.0-1.5 | Top-P: 0.95-1.0

เหมาะกับ:

• Brainstorm แนวคิดใหม่ๆ
• เขียนบทกวี
• สร้าง prompt สำหรับ AI art
• เล่นเกมสร้างสรรค์

Temperature: 1.2
"คิดคอนเซปต์ธุรกิจแปลกๆ 5 อย่าง"

ตารางสรุป

ประเภทงาน	Temperature	Top-P	ตัวอย่าง
Factual Q&A	0.0-0.3	0.1-0.3	FAQ, คำถามความรู้
Code	0.0-0.2	0.1-0.3	เขียน/แก้โค้ด
Translation	0.0-0.3	0.3-0.5	แปลภาษา
Business writing	0.3-0.5	0.5-0.7	Email, รายงาน
Chat	0.5-0.7	0.7-0.9	บทสนทนาทั่วไป
Content writing	0.7-0.9	0.8-0.95	Blog, บทความ
Creative writing	0.9-1.2	0.9-1.0	เรื่องสั้น, กวี
Brainstorming	1.0-1.5	0.95-1.0	คิด ideas

วิธีปรับใน Tools ต่างๆ

ChatGPT (เว็บ)

ปัจจุบัน ChatGPT ไม่ให้ปรับโดยตรง แต่สามารถสั่งในข้อความได้:

"ตอบแบบตรงไปตรงมา ไม่ต้อง creative"
"คิดไอเดียแปลกๆ ใหม่ๆ ให้หน่อย"

OpenAI API

response = openai.ChatCompletion.create(
    model="gpt-4",
    messages=[{"role": "user", "content": "..."}],
    temperature=0.7,  # ปรับได้ 0-2
    top_p=0.9         # ปรับได้ 0-1
)

Claude API

response = anthropic.messages.create(
    model="claude-3-opus-20240229",
    max_tokens=1024,
    temperature=0.7,  # ปรับได้ 0-1
    messages=[{"role": "user", "content": "..."}]
)

เทคนิคขั้นสูง

1. Dynamic Temperature

ปรับ Temperature ตามขั้นตอนของงาน

ขั้นที่ 1: Brainstorm (temp=1.0) → ได้ไอเดียหลากหลาย
ขั้นที่ 2: Filter (temp=0.3) → เลือกไอเดียที่ดีที่สุด
ขั้นที่ 3: Develop (temp=0.5) → พัฒนาไอเดียที่เลือก

2. Temperature Comparison

ลองถามเดิมหลายๆ Temperature แล้วเปรียบเทียบ

"คิด tagline สำหรับแบรนด์นี้"

temp=0.3: "คุณภาพที่คุณวางใจ"
temp=0.7: "ก้าวไปด้วยกัน สู่วันที่ดีกว่า"
temp=1.1: "ปลุกความมหัศจรรย์ในทุกวัน"

3. Controlled Creativity

ใช้ Temperature สูง แต่กำหนดขอบเขต

Temperature: 1.0
"คิดชื่อแบรนด์ใหม่ 10 ชื่อ
ข้อจำกัด:
- ต้องออกเสียงง่าย
- มี 2-3 พยางค์
- ไม่ซ้ำกับแบรนด์ที่มีอยู่"

ข้อควรระวัง

1. Temperature สูงเกินไป

อาจได้คำตอบที่ไม่สมเหตุสมผล หรือ "พูดไม่รู้เรื่อง"

2. Temperature ต่ำเกินไป

อาจได้คำตอบซ้ำๆ เบื่อๆ ไม่มีความหลากหลาย

3. ไม่มีค่าที่ดีที่สุดตายตัว

ขึ้นอยู่กับงานและความชอบ ต้องลองปรับดู

4. Model แต่ละตัวต่างกัน

ค่า Temperature เดียวกัน ใน GPT-4 กับ Claude อาจให้ผลต่างกัน

สรุป

• Temperature = ความกล้าเลือกตัวเลือกที่ไม่ธรรมดา (ต่ำ = safe, สูง = เสี่ยง)
• Top-P = จำนวนตัวเลือกที่พิจารณา (ต่ำ = น้อย, สูง = มาก)

กฎง่ายๆ:

• งาน Factual → Temperature ต่ำ
• งาน General → Temperature กลาง
• งาน Creative → Temperature สูง

ลองปรับค่าต่างๆ แล้วดูผลลัพธ์ จะเข้าใจมากขึ้นค่ะ!

---

อยากเรียนรู้เพิ่มเติม?

ถ้าอยากเรียนรู้เรื่อง AI parameters และการใช้ AI อย่างมีประสิทธิภาพ

คอร์สสอน AI ที่เชียงใหม่ ของเราสอนทั้งทฤษฎีและปฏิบัติ พร้อม workshop ให้ลองใช้จริง

👉 ดูรายละเอียดคอร์สเพิ่มเติม

มีคำถามเพิ่มเติม ทักมาคุยกันได้เลยค่ะ!