โมเดลภาษาเกือบทุกตัวที่เราคุ้นเคยในปัจจุบันสร้างคำตอบแบบเรียงลำดับทีละคำจากซ้ายไปขวา คล้ายการพิมพ์ดีดที่เคาะตัวอักษรไปข้างหน้า เมื่อพิมพ์คำใดลงไปแล้วจะไม่สามารถย้อนกลับมาแก้ไขได้ ล่าสุด Google ได้เปิดตัวโมเดลทดลองตัวใหม่ในชื่อ DiffusionGemma ซึ่งฉีกแนวคิดเดิมอย่างสิ้นเชิง โดยโมเดลจะสร้างข้อความขึ้นมาทั้งก้อนพร้อมกัน แล้วค่อยๆ ปรับเกลาความสมบูรณ์ของข้อความทั้งชุดหลายๆ รอบ ส่งผลให้สร้างคำตอบได้เร็วกว่าโมเดลภาษาแบบดั้งเดิมถึง 4 เท่าเมื่อรันบนฮาร์ดแวร์ระดับสูง เช่น Nvidia H100 ที่ทำความเร็วทะลุ 1,000 token ต่อวินาที หรือบนการ์ดจอเกมมิ่งอย่าง RTX 5090 ก็ยังทำความเร็วได้เกิน 700 token ต่อวินาที

Google ปล่อย DiffusionGemma เป็นโมเดลแบบ open model ภายใต้สัญญาอนุญาต Apache 2.0 สามารถดาวน์โหลดไฟล์โมเดลผ่าน Hugging Face เพื่อนำไปทดสอบบนเครื่องตัวเองหรือนำไปปรับแต่งต่อได้ทันที ความน่าสนใจของโมเดลนี้ไม่ได้จำกัดอยู่เพียงตัวเลขความเร็ว แต่คือสถาปัตยกรรมเบื้องหลังที่ท้าทายวิธีคิดเดิมของการสร้างโมเดลภาษา

ทำไมการสร้างข้อความทีละคำถึงมีข้อจำกัด

การทำงานของโมเดลภาษากระแสหลักอย่าง ChatGPT หรือ Claude อิงกับการคาดเดาคำถัดไป (Autoregressive) โดยดูจากข้อความก่อนหน้าเพื่อทายว่าคำต่อไปควรเป็นคำใด จากนั้นนำคำใหม่ที่ได้มารวมเข้ากับประโยคเดิม แล้วเดาคำถัดไปซ้ำไปเรื่อยๆ จนจบ

ข้อจำกัดสำคัญของกระบวนการนี้คือ ทุกคำที่ถูกสร้างขึ้นจะถูกล็อกตายตัว หากโมเดลเขียนข้อความไปถึงกลางประโยคแล้วพบว่าบริบทตอนต้นควรปรับเปลี่ยน ก็ไม่สามารถย้อนกลับไปแก้ไขได้แล้ว ทำได้เพียงเขียนประโยคต่อไปบนข้อผิดพลาดนั้น ยิ่งไปกว่านั้น การที่ทุกคำต้องรอให้คำก่อนหน้าประมวลผลเสร็จก่อน ทำให้ความเร็วในการสร้างข้อความถูกจำกัดด้วยจังหวะการประมวลผลแบบเรียงลำดับ

เริ่มต้นจากสัญญาณรบกวน แล้วเกลาจนเป็นข้อความ

DiffusionGemma นำแนวคิดมาจาก Diffusion Model ที่ใช้สร้างภาพ AI ซึ่งเริ่มต้นจากการสร้างผืนภาพที่เต็มไปด้วยสัญญาณรบกวน (noise) คล้ายภาพซ่าบนจอโทรทัศน์ แล้วค่อยๆ ขจัดสัญญาณรบกวนออกทีละรอบจนปรากฏเป็นรูปภาพที่คมชัด

สำหรับข้อความ DiffusionGemma ก็นำหลักการเดียวกันมาประยุกต์ใช้ โดยเริ่มต้นจากกลุ่มตัวอักษรที่ยังไม่มีความหมาย แล้วปรับจูนโครงสร้างข้อความทั้งชุดพร้อมกันภายในกรอบบริบท 256 คำ วิธีนี้ทำให้โมเดลมองเห็นภาพรวมของประโยคทั้งหมดตั้งแต่เริ่มต้น และสามารถปรับเปลี่ยนข้อความส่วนต้นได้ทันทีเมื่อมีข้อมูลใหม่เข้ามาในส่วนท้าย ต่างจากโมเดลทั่วไปที่คำตอบส่วนต้นจะถูกล็อกไปแล้ว

ทำไมโจทย์อย่าง Sudoku ถึงเห็นความต่างชัดเจน

เกม Sudoku เป็นตัวอย่างที่อธิบายจุดแข็งนี้ได้อย่างชัดเจน การเล่น Sudoku ไม่สามารถเติมตัวเลขทีละช่องจากมุมซ้ายบนไปยังมุมขวาล่างรวดเดียวได้ เนื่องจากการตัดสินใจลงตัวเลขในแต่ละช่องต้องพิจารณาทั้งแถว หลัก และตารางย่อยรอบข้างไปพร้อมกัน ผู้เล่นจึงต้องมองภาพรวมทั้งกระดาน เติมตัวเลขบางช่อง และย้อนกลับมาปรับแก้เมื่อเห็นรูปแบบรวม

โมเดลภาษาแบบพิมพ์ดีดจึงทำโจทย์ประเภทนี้ได้ไม่ดีนัก เพราะระบบบังคับให้สร้างคำตอบไปข้างหน้าโดยย้อนกลับมาแก้ไขไม่ได้ ในขณะที่ DiffusionGemma มองเห็นตารางทั้งผืนและปรับแก้ตัวเลขไปมาได้เหมือนวิธีคิดของมนุษย์ จากการทดสอบที่ช่อง AI Revolution นำเสนอ DiffusionGemma ที่ยังไม่ผ่านการเทรนเฉพาะทางได้คะแนน Sudoku 0% แต่เมื่อผ่านการ fine-tune เพิ่มเติม ความแม่นยำพุ่งขึ้นไปถึง 80%

นอกจาก Sudoku แล้ว สถาปัตยกรรมแบบนี้ยังมีประโยชน์อย่างยิ่งกับงานเขียนโค้ดประเภทเติมเต็มตรงกลางไฟล์ (fill-in-the-middle) การแปลงและจัดโครงสร้างเอกสาร การสกัดข้อความจากภาพ (OCR) รวมถึงงาน AI agent ที่ต้องการวางเค้าโครงของผลลัพธ์ทั้งหมดก่อนลงรายละเอียด

สถาปัตยกรรมและการนำไปรันบนเครื่องจริง

DiffusionGemma พัฒนาต่อยอดจากตระกูล Gemma 4 โดยใช้โครงสร้างแบบ Mixture of Experts (MoE) มีพารามิเตอร์รวม 2.6 หมื่นล้านตัว แต่ในการประมวลผลแต่ละรอบจะดึงพารามิเตอร์มาใช้งานจริงเพียงประมาณ 3.88 พันล้านตัวเท่านั้น เสมือนมีผู้เชี่ยวชาญหลายคนแต่เลือกเรียกใช้เฉพาะคนที่ตรงกับโจทย์ โดยมีหัวใจหลักมาจากงานวิจัย Gemini Diffusion ของ Google

สำหรับการนำไปใช้งานจริง เมื่อผ่านการบีบอัดขนาด (quantization) โมเดลจะใช้ VRAM การ์ดจอราว 18 GB ทำให้คอมพิวเตอร์ระดับเวิร์กสเตชันหรือพีซีสเปกสูงสามารถรันบนเครื่องได้โดยตรง พร้อมทั้งรองรับเฟรมเวิร์กยอดนิยมอย่าง Transformers, VLLM, MLX, Unsloth และ Nvidia NeMo รวมถึงมีแผนรองรับ llama.cpp ในอนาคต โดย Google ได้รวบรวมตัวอย่างโค้ดและวิธีตั้งค่าไว้ใน คู่มือสำหรับนักพัฒนา เรียบร้อยแล้ว

เร็วกว่าเดิม แต่ยังไม่ใช่โมเดลที่ฉลาดที่สุดในทุกด้าน

แม้ความเร็วของ DiffusionGemma จะโดดเด่นมาก แต่ก็มีบริบทการใช้งานที่ต้องพิจารณา ความเร็วระดับนี้จะแสดงผลได้ชัดที่สุดเมื่อรันบนเครื่องตัวเอง (local deployment) สำหรับการใช้งานแบบผู้ใช้เดี่ยวหรือกลุ่มเล็ก ส่วนบนระบบคลาวด์ขนาดใหญ่ที่มีการจัดคิวคำขอพร้อมกันจำนวนมาก โมเดลแบบเดิมก็ยังคงมีความคุ้มค่าในการจัดการทรัพยากรอยู่

นอกจากนี้ Google ระบุอย่างตรงไปตรงมาว่า Gemma 4 รุ่นมาตรฐานยังคงให้คุณภาพคำตอบในภาพรวมที่แม่นยำและลึกซึ้งกว่า DiffusionGemma โดย Google วางตำแหน่งของ DiffusionGemma ให้เป็นโมเดลทดลองที่เน้นการตอบสนองที่รวดเร็วและการประมวลผลแบบเห็นภาพรวม

สิ่งที่ DiffusionGemma จุดประกายให้วงการ AI ไม่ใช่เพียงแค่การเพิ่มความเร็วในการประมวลผล แต่เป็นการพิสูจน์ว่า การสร้างข้อความของโมเดลภาษาไม่จำเป็นต้องยึดติดกับวิธีพิมพ์ทีละคำเสมอไป และบางโจทย์อาจแก้ได้ดีกว่าเมื่อโมเดลมองเห็นภาพรวมทั้งหมดก่อนลงมือสร้างคำตอบ

---

ที่มา: คลิป Google's New AI Just Broke The AI Speed Limit: DiffusionGemma จากช่อง AI Revolution