ZENITH · AI • Work • Future

ฟรี 7 บท · ~3.5 ชั่วโมง · ไม่ต้องสมัคร

ใช้ AI ทุกวัน แต่รู้มั้ยว่าข้างในมันคิดยังไง?

เข้าใจ ChatGPT และ Claude จากข้างใน ตั้งแต่การเดาคำถัดไป การฝึก ไปจนถึง agent ด้วยคณิต ม.ปลาย ที่กดเล่นได้ — แล้วคุณจะรู้ว่าเมื่อไรควรเชื่อ เมื่อไรควรตรวจ และจะสั่งงานมันให้ได้ผลขึ้นยังไง

Lite: 5 บท ~60 นาที เล่นบนมือถือ ไม่มีสูตร ขั้นสูง: 7 บท ~3.5 ชั่วโมง คณิต ม.ปลาย

ยังใหม่กับ AI? เริ่มที่ Lite (~1 ชม., ไม่มีสูตร) →

ลองเล่น: AI จะเติมคำว่าอะไรต่อจาก “แมวชอบกิน ___”

"แมวชอบกิน ___"

  • ปลา65.7%
  • ข้าว24.2%
  • หนู8.9%
  • รถ1.2%

ลาก T ดู: ยิ่งต่ำ AI ยิ่งเลือกคำเดิมๆ ยิ่งสูงยิ่งกล้าเลือกคำแปลก

ตารางตัวเลข: โอกาสของแต่ละคำที่ temperature 1.0
คำlogitโอกาส
ปลา3.065.7%
ข้าว2.024.2%
หนู1.08.9%
รถ−1.01.2%

ลองลากดู นี่คือปุ่มที่ทำให้ AI ตอบไม่เหมือนเดิมทุกครั้ง

หนูก็เพิ่งรู้ว่ามันเดาทีละคำ!

เข้าใจสิ่งที่สำคัญ ใช้สิ่งที่ได้ผล และมองเห็นสิ่งที่กำลังมา

2 คอร์สฟรี เรียนต่อกัน

  1. คอร์ส 1 · พื้นฐาน

    AI ทำงานยังไง ฉบับเล่นก่อนเข้าใจ

    5 บท ราว 60 นาที เล่นก่อนแล้วค่อยเข้าใจ ไม่มีสูตร

    เริ่มที่ Lite →
  2. คอร์ส 2 · ต่อยอด

    AI ข้างในทำงานยังไง

    7 บท ราว 3.5 ชั่วโมง เปิดดูกลไกข้างใน ว่าตัวเลขแต่ละตัวมาจากไหน

    เริ่ม Primer →

ฟังดูคุ้นมั้ย

  • ถามคำถามเดิม ได้คำตอบไม่เหมือนเดิม แล้วไม่รู้จะเชื่ออันไหน

  • AI ตอบมั่นใจมาก แต่พอเช็กแล้วข้อมูลไม่มีจริง

  • ได้ยินคำว่า token, embedding, RAG ทุกวัน แต่ไม่มีใครอธิบายให้เข้าใจจริงๆ

ปัญหาไม่ใช่คุณใช้ AI ไม่เป็น แต่คือยังไม่มีใครเปิดฝาให้ดูข้างใน

จบ 7 บท คุณจะ…

  • เข้าใจว่า AI เลือกคำยังไง และปรับ temperature ให้เหมาะกับงาน
  • รู้ว่าทำไมมันมั่ว และลดได้ยังไง
  • เข้าใจ embedding, attention และ RAG ที่ทุกบริษัทกำลังพูดถึง
  • มองเห็นข้างใน Transformer ทีละชั้น และอ่านตัวเลข B ในชื่อโมเดลออก
  • รู้ว่าโมเดลเรียนจาก loss ยังไง และทำไมมันไม่รู้เรื่องหลังวันตัดข้อมูล
  • รู้ว่าเครื่องเดาคำกลายเป็นผู้ช่วยได้ยังไง และทำไมบางทีมันเอาใจเกินไป
  • เข้าใจว่าทำไมคำตอบยาวถึงช้าและแพง และจัด prompt ให้ประหยัดขึ้น
  • ใช้ reasoning model และ agent อย่างรู้ทัน ทั้งความผิดพลาดที่สะสมและ prompt injection

7 บทนี้เรียนอะไรบ้าง

แต่ละหน้าสั้น อ่านจบในไม่กี่นาที หยุดกลางทางได้ เบราว์เซอร์จะจำว่าคุณค้างตรงไหน

บทที่ 1 · ~30 นาที · 11 หน้า

AI เดาคำถัดไปยังไง

  • token
  • softmax
  • temperature
  • top-p
  • hallucination

ยังไม่ได้เริ่ม ทำต่อจากที่ค้าง · ทำแล้ว 0/10 ✔ ทำครบแล้ว

เริ่มบทนี้ → ทำต่อจากที่ค้าง → ทบทวนบทนี้ →
ดูรายการหน้าในบทนี้
  1. ทำไมถามซ้ำแล้วได้คำตอบไม่เหมือนเดิม 2 นาที
  2. Token: AI ไม่ได้อ่านเป็น “คำ” 3 นาที
  3. คะแนนดิบ (logit): ทุกคำได้คะแนน 3 นาที
  4. Softmax: เปลี่ยนคะแนนเป็นความน่าจะเป็น 3 นาที
  5. คำนวณ softmax เอง 4 นาที
  6. Temperature: ปุ่มความกล้า 3 นาที
  7. Top-p: ตัดหางทิ้งก่อนสุ่ม 3 นาที
  8. ทำไม AI ถึง hallucinate 4 นาที
  9. วงจร autoregressive และ log-probability Advanced 3 นาที
  10. สรุปสูตรบทที่ 1 2 นาที
  11. แบบทดสอบบทที่ 1 3 นาที

บทที่ 2 · ~29 นาที · 11 หน้า

AI เข้าใจความหมายยังไง

  • embedding
  • cosine similarity
  • attention
  • context window
  • RAG

ยังไม่ได้เริ่ม ทำต่อจากที่ค้าง · ทำแล้ว 0/10 ✔ ทำครบแล้ว

เริ่มบทนี้ → ทำต่อจากที่ค้าง → ทบทวนบทนี้ →
ดูรายการหน้าในบทนี้
  1. คอมพิวเตอร์รู้ได้ไงว่า "แมว" ใกล้ "หมา" 2 นาที
  2. Embedding: พิกัดบนแผนที่ความหมาย 3 นาที
  3. Cosine similarity: ชี้ไปทางเดียวกันแค่ไหน 3 นาที
  4. ลากเวกเตอร์เอง 3 นาที
  5. คำนวณ cosine เอง 3 นาที
  6. Attention: คำไหนควรฟังคำไหน 3 นาที
  7. Scaled dot-product attention ด้วยตัวเลขจริง Advanced 4 นาที
  8. Context window: ความจำระยะสั้นมีขีดจำกัด 3 นาที
  9. RAG: ให้ AI เปิดเอกสารก่อนตอบ 4 นาที
  10. สรุปสูตรบทที่ 2 2 นาที
  11. แบบทดสอบบทที่ 2 3 นาที

บทที่ 3 · ~32 นาที · 13 หน้า

ข้างใน Transformer

  • transformer
  • positional encoding
  • causal mask
  • multi-head attention
  • residual stream
  • MLP
  • layer norm
  • unembedding
  • parameters

ยังไม่ได้เริ่ม ทำต่อจากที่ค้าง · ทำแล้ว 0/12 ✔ ทำครบแล้ว

เริ่มบทนี้ → ทำต่อจากที่ค้าง → ทบทวนบทนี้ →
ดูรายการหน้าในบทนี้
  1. คะแนน 3, 2, 1, −1 มาจากไหน 2 นาที
  2. ขั้นแรก: เปิดตาราง token → เวกเตอร์ 2 นาที
  3. "แมวกินปลา" ≠ "ปลากินแมว": โมเดลรู้ลำดับคำยังไง 3 นาที
  4. ห้ามแอบดูคำถัดไป: causal mask 3 นาที
  5. Attention หลายหัว: ถามหลายคำถามพร้อมกัน 3 นาที
  6. ทางหลัก residual: บวกเพิ่ม ไม่เขียนทับ 3 นาที
  7. MLP: ให้แต่ละคำคิดต่อเอง 3 นาที
  8. ซ้อนหลายสิบชั้น คำเดาค่อยๆ ชัดขึ้น 2 นาที
  9. จากเวกเตอร์สุดท้าย กลับเป็นคะแนนทุกคำ 3 นาที
  10. นับพารามิเตอร์เอง: "8B" มาจากไหน 3 นาที
  11. สูตรเต็มของ Transformer หนึ่งชั้น Advanced 4 นาที
  12. สรุปบทที่ 3 2 นาที
  13. แบบทดสอบบทที่ 3 3 นาที

บทที่ 4 · ~32 นาที · 13 หน้า

AI เรียนรู้ยังไง

  • pre-training
  • cross-entropy loss
  • perplexity
  • gradient descent
  • backpropagation
  • scaling laws
  • knowledge cutoff

ยังไม่ได้เริ่ม ทำต่อจากที่ค้าง · ทำแล้ว 0/12 ✔ ทำครบแล้ว

เริ่มบทนี้ → ทำต่อจากที่ค้าง → ทบทวนบทนี้ →
ดูรายการหน้าในบทนี้
  1. AI "เรียน" ตอนไหน แล้วเรียนยังไง 2 นาที
  2. ข้อสอบที่มีเฉลยในตัว 3 นาที
  3. Loss: วัดว่าเดาผิดแค่ไหน 3 นาที
  4. Perplexity: ลังเลเหมือนเลือกจากกี่ทาง 2 นาที
  5. Gradient descent: เดินลงก้นชาม 2.5 นาที
  6. p − y: ขยับคะแนนไปทางไหน 2.5 นาที
  7. ฝึกโมเดล 1 ก้าวด้วยมือ 3 นาที
  8. ที่มาของสูตร p − y Advanced 4 นาที
  9. ส่งความรับผิดย้อนทุกชั้น 3 นาที
  10. ใหญ่ขึ้น 10 เท่า เก่งขึ้นแค่ไหน 3 นาที
  11. ทำไมสอนในแชตแล้วไม่จำ 3 นาที
  12. สรุปสูตรบทที่ 4 2 นาที
  13. แบบทดสอบบทที่ 4 3 นาที

บทที่ 5 · ~32 นาที · 12 หน้า

จากเครื่องเดาคำ สู่ผู้ช่วย

  • base model
  • chat template
  • system prompt
  • SFT
  • reward model
  • RLHF
  • DPO
  • sycophancy
  • calibration

ยังไม่ได้เริ่ม ทำต่อจากที่ค้าง · ทำแล้ว 0/11 ✔ ทำครบแล้ว

เริ่มบทนี้ → ทำต่อจากที่ค้าง → ทบทวนบทนี้ →
ดูรายการหน้าในบทนี้
  1. base model กับผู้ช่วยที่คุณคุยด้วย ต่างกันตรงไหน 2 นาที
  2. base model แค่ "ต่อข้อความ" 3 นาที
  3. แชตคือเอกสารยาวชิ้นเดียว 3 นาที
  4. SFT: สอนบทบาทผู้ช่วยด้วยตัวอย่าง 3 นาที
  5. ให้คนเลือก A หรือ B แล้วสร้างกรรมการให้คะแนน 3 นาที
  6. ลองคำนวณ: คนจะชอบคำตอบไหนมากกว่า 3 นาที
  7. RLHF: ไล่คะแนนแบบมีเบรก 3 นาที
  8. สูตรเต็ม: reward model, KL และ DPO Advanced 4 นาที
  9. ผลข้างเคียง: เอาใจ ตอบยาว และปฏิเสธเกินเหตุ 3 นาที
  10. ทำไมผู้ช่วยยังมั่ว และมั่นใจเกินจริง 4 นาที
  11. สรุปสูตรบทที่ 5 2 นาที
  12. แบบทดสอบบทที่ 5 3 นาที

บทที่ 6 · ~31 นาที · 12 หน้า

ตอนมันตอบจริง

  • prefill และ decode
  • KV cache
  • quantization
  • batching
  • หน่วยความจำการ์ด
  • mixture of experts
  • speculative decoding
  • ค่าใช้จ่ายและ prompt caching

ยังไม่ได้เริ่ม ทำต่อจากที่ค้าง · ทำแล้ว 0/11 ✔ ทำครบแล้ว

เริ่มบทนี้ → ทำต่อจากที่ค้าง → ทบทวนบทนี้ →
ดูรายการหน้าในบทนี้
  1. ทำไมคำตอบยาวถึงช้า และบิล AI คิดยังไง 2 นาที
  2. อ่านรวดเดียว แต่เขียนทีละคำ 3 นาที
  3. KV cache: จดไว้ ไม่ต้องคิดใหม่ 3 นาที
  4. คำนวณขนาด KV cache เอง 3 นาที
  5. Quantization: ปัดเศษให้โมเดลตัวเล็กลง 3 นาที
  6. รวมหลายคำขอในรอบเดียว 3 นาที
  7. การ์ดใบเดียว จะรับได้กี่คน 3 นาที
  8. MoE: โมเดลใหญ่ที่ใช้แค่บางส่วน 3 นาที
  9. Speculative decoding: ให้ตัวเล็กเดา ตัวใหญ่ตรวจ Advanced 3 นาที
  10. ค่าใช้จ่าย และ prompt caching 3 นาที
  11. สรุปสูตรบทที่ 6 2 นาที
  12. แบบทดสอบบทที่ 6 3 นาที

บทที่ 7 · ~31 นาที · 13 หน้า

คิดเป็นขั้น ใช้เครื่องมือ เป็น agent

  • chain-of-thought
  • reasoning model
  • self-consistency
  • tool calling
  • AI agent
  • multimodal
  • prompt injection
  • evaluation
  • interpretability

ยังไม่ได้เริ่ม ทำต่อจากที่ค้าง · ทำแล้ว 0/12 ✔ ทำครบแล้ว

เริ่มบทนี้ → ทำต่อจากที่ค้าง → ทบทวนบทนี้ →
ดูรายการหน้าในบทนี้
  1. AI ที่คิด ใช้เครื่องมือ และทำงานเอง 2 นาที
  2. Chain-of-thought: กระดาษทดของ AI 3 นาที
  3. Reasoning model: ฝึกให้คิดก่อนตอบ 3 นาที
  4. ถามหลายรอบแล้วโหวต 3 นาที
  5. Tool calling: AI กดปุ่มเองได้ยังไง 3 นาที
  6. Agent: วนลูปจนงานเสร็จ 3 นาที
  7. AI มองเห็นภาพได้ยังไง 2 นาที
  8. Prompt injection: คำสั่งที่ซ่อนในข้อมูล 3 นาที
  9. วัดผล AI กับงานของคุณเอง 3 นาที
  10. ส่องข้างในโมเดล: feature และ superposition Advanced 3 นาที
  11. สรุปสูตรบทที่ 7 2 นาที
  12. แบบทดสอบบทที่ 7 3 นาที
  13. จาก token ถึง agent: คุณเรียนจบแล้ว 1 นาที

ป้าย Advanced = เนื้อหาเสริม ข้ามได้

เรียนยังไง

  1. อ่านเรื่องสั้น

    เริ่มจากสถานการณ์ที่คุณเจอจริงตอนใช้แชตบอต

  2. ลากเล่นกับตัวเลข

    ขยับ slider แล้วดูว่าความน่าจะเป็นเปลี่ยนยังไง

  3. ตอบโจทย์ ตรวจทันที

    มีคำใบ้ให้ และดูเฉลยได้เมื่อติด

  4. เก็บ XP + ใบประกาศ

    จบครบ 7 บทแล้วดาวน์โหลดใบประกาศไปแชร์ได้

ตัวเลขในบทเรียนตั้งขึ้นให้คิดในหัวได้ โมเดลจริงใหญ่กว่ามาก — เราบอกตรงๆ ทุกครั้ง

เริ่มบทแรกได้เลย ไม่ต้องสมัคร ไม่ต้องใส่บัตร

เริ่มเรียนฟรี →

คำถามพบบ่อย

ต้องเก่งคณิตไหม?

ไม่ต้อง ใช้คณิต ม.ปลาย: บวก ลบ คูณ หาร ยกกำลัง และ log นิดหน่อย ทุกตัวเลขกดเล่นหรือใช้เครื่องคิดเลขในหน้าได้ หน้าที่ติดป้าย Advanced เป็นเนื้อหาเสริม ข้ามได้ ไม่นับรวมในเวลาเรียน

ต้องเขียนโค้ดเป็นไหม?

ไม่ต้องเลย ทุกอย่างกดเล่นบนเว็บ

ฟรีจริงไหม มีอะไรแอบแฝงไหม?

ฟรีครบทั้ง 7 บท ไม่ต้องสมัคร ไม่มีคอร์สเสียเงินต่อท้าย สรุปสูตร PDF 2 หน้าก็ดาวน์โหลดได้เลยโดยไม่ต้องให้อีเมล ดาวน์โหลดสรุปสูตร (PDF)

ใช้เวลาเท่าไร?

ทั้งคอร์สราว 3.5 ชั่วโมง บทละประมาณ 30 นาที (ไม่นับหน้า Advanced) เรียนวันละบทก็ได้ หยุดกลางทางได้ ระบบจำว่าค้างตรงไหน (ในเบราว์เซอร์นั้น)

เรียนบนมือถือได้ไหม?

ได้ ออกแบบมาสำหรับมือถือก่อน

เนื้อหาใช้ได้กับ ChatGPT, Claude, Gemini ไหม?

ได้ เป็นหลักการพื้นฐานของ LLM ทุกตัว รายละเอียดแต่ละเจ้าต่างกันบ้าง

เก็บข้อมูลอะไรของฉันบ้าง?

ความคืบหน้าเก็บในเบราว์เซอร์ของคุณเท่านั้น analytics แบบไม่ใช้ cookie และเราไม่ขอชื่อหรืออีเมลของคุณ อ่านนโยบายความเป็นส่วนตัว

มังคุดโบกมือ

เริ่มบทแรกวันนี้ ~30 นาที แล้วคุณจะมองแชตบอตไม่เหมือนเดิม

เริ่มเรียนฟรี →