คณิตศาสตร์ของ LLM, สมการที่ซ่อนอยู่เบื้องหลัง ChatGPT อธิบายให้คนนอกสายเข้าใจได้
โดย Nokka (นก-กา) | 21 สิงหาคม 2026
บทความนี้เขียนโดย AI (DeepSeek V4 Pro) ผ่าน Hermes Agent ภายใต้การควบคุมและตรวจสอบคุณภาพโดยมนุษย์, Nokka (นก-กา)
เราคุยกับ ChatGPT ทุกวัน แต่มีกี่คนที่รู้ว่า "สมอง" ของมันทำงานด้วยสมการอะไร?
Kirk Borne (นักดาราศาสตร์ฟิสิกส์ PhD จาก Caltech) เพิ่งแชร์หนังสือ "The Mathematics of Large Language Models" ที่อธิบายคณิตศาสตร์เบื้องหลัง LLM แบบอ่านง่าย
บทความนี้จะพาไปดู "คณิตศาสตร์ของ LLM" แบบละเอียด, อธิบายด้วยอุปมาและตัวอย่างที่คนไม่ได้เรียนสายนี้ก็เข้าใจได้
ก่อนอื่น ทำความเข้าใจศัพท์พื้นฐาน
ก่อนลงรายละเอียด ขอปูศัพท์ 3 คำ:
LLM (Large Language Model), โมเดล AI ที่ "เรียนรู้ภาษา" จากข้อมูลมหาศาล แล้วทำนายคำถัดไป
Transformer, สถาปัตยกรรมที่อยู่เบื้องหลัง LLM ทุกตัว (GPT, Claude, Gemini) ใช้กลไก "attention"
Attention, กลไกที่ให้โมเดล "เลือกสนใจ" คำที่สำคัญในประโยค (เหมือนคนอ่านแล้วโฟกัสคำสำคัญ)
4 สาขาคณิตศาสตร์ที่ซ่อนอยู่ (อธิบายละเอียด)
1. Linear Algebra, คำกลายเป็น "ตัวเลข"
แนวคิด: คอมพิวเตอร์ไม่เข้าใจ "คำ", มันเข้าใจแค่ "ตัวเลข" ดังนั้นทุกคำต้องถูกแปลงเป็น "เวกเตอร์" (ชุดตัวเลข)
ตัวอย่างที่โด่งดังที่สุด [1]:
king - man + woman ≈ queen
แปลว่า: ถ้าเอาเวกเตอร์ของ "king" ลบ "man" บวก "woman", ผลลัพธ์จะใกล้เคียงกับเวกเตอร์ของ "queen"
อุปมา: เหมือนการวางคำทุกคำลงบน "แผนที่ความหมาย", คำที่ความหมายใกล้กันจะอยู่ใกล้กันบนแผนที่ (เช่น "แมว" กับ "หมา" อยู่ใกล้กัน ส่วน "แมว" กับ "รถยนต์" อยู่ไกลกัน)
ทำไมสำคัญ: เพราะเมื่อคำเป็นตัวเลขแล้ว โมเดลถึงจะ "คำนวณ" ความสัมพันธ์ระหว่างคำได้
2. Probability, LLM ไม่ได้ "รู้" แต่มัน "เดา"
แนวคิด: LLM ไม่ได้ "รู้คำตอบ", มันคำนวณ "ความน่าจะเป็นของคำถัดไป" แล้วเลือกคำที่มีโอกาสสูงสุด
ตัวอย่าง: เมื่อคุณพิมพ์ "ท้องฟ้าวันนี้เป็นสี..." โมเดลคำนวณว่า:
- "ฟ้า" มีโอกาส 85%
- "แดง" มีโอกาส 3%
- "เขียว" มีโอกาส 1%
แล้วเลือก "ฟ้า" เพราะโอกาสสูงสุด
อุปมา: เหมือนคนที่อ่านนิยายแล้วเดา "คำถัดไป", ไม่ได้รู้ล่วงหน้า แต่เดาจากบริบทที่เห็น
ทำไมสำคัญ: นี่คือเหตุผลที่ LLM "มั่ว" ได้, เพราะมันเดาจากความน่าจะเป็น ไม่ใช่ "รู้ความจริง"
3. Calculus, โมเดล "เรียนรู้" ยังไง
แนวคิด: Gradient descent คือวิธีที่โมเดล "เรียนรู้" โดยค่อยๆ ปรับน้ำหนักให้ "ผิดน้อยลง" ทีละนิด
อุปมาที่ใช้กันแพร่หลาย [2]:
"Imagine a blindfolded man who wants to reach the bottom of a hill. He can't see, but he can feel which direction is downhill. So he takes small steps, always moving downhill, until he reaches the bottom."
คนตาบอดเดินลงเขา, รู้สึกว่าทิศไหน "ชันลง" แล้วก้าวไปทางนั้นทีละนิด จนถึงจุดต่ำสุด
ทำไมสำคัญ: นี่คือ "หัวใจของการเรียนรู้" ของ AI, ทุกครั้งที่โมเดลตอบผิด มันจะ "ปรับ" ตัวเองให้ตอบถูกขึ้นในครั้งหน้า
4. Information Theory, วัด "ความไม่แน่นอน"
แนวคิด: Entropy วัดว่า "ภาษาไม่แน่นอนแค่ไหน" [3]
ตัวอย่าง:
- "วันนี้คือวัน..." → ไม่แน่นอนสูง (จันทร์/อังคาร/พุธ... มีหลายคำตอบ)
- "หนึ่งบวกหนึ่งเท่ากับ..." → ไม่แน่นอนต่ำ (เกือบแน่นอนว่า "สอง")
อุปมา: เหมือนการเดาคำในเกม Hangman, บางตำแหน่งเดาง่าย (แน่นอน) บางตำแหน่งเดายาก (ไม่แน่นอน)
ทำไมสำคัญ: Entropy บอกว่า "โมเดลต้องใช้ข้อมูลแค่ไหน" ในการทำนาย, และ cross-entropy วัดว่า "โมเดลเดาเก่งแค่ไหน"
สมการสำคัญ 3 ตัว (อธิบายละเอียด)
1. Softmax, เปลี่ยนตัวเลขเป็น "ความน่าจะเป็น"
softmax(x_i) = e^(x_i) / Σ e^(x_j)
ทำอะไร: เปลี่ยน "คะแนนดิบ" ของแต่ละคำ ให้เป็น "ความน่าจะเป็น" ที่รวมกันได้ 1 พอดี
ทำไมต้องรวมกันได้ 1: เพราะโมเดลต้อง "ตัดสินใจ" ว่า "ในบรรดาคำทั้งหมด ควรสนใจคำไหนเท่าไหร่" [4]
อุปมา: เหมือนการแบ่งเค้ก 1 ก้อนให้หลายคน, softmax ทำให้ทุกชิ้นรวมกันเป็นเค้ก 1 ก้อนพอดี ไม่เกิน ไม่ขาด
ตัวอย่างจริง: ถ้าโมเดลให้คะแนน "ฟ้า=5, แดง=2, เขียว=1" softmax จะแปลงเป็น "ฟ้า=85%, แดง=12%, เขียว=3%" (รวมกัน 100%)
2. Attention, เลือกสนใจคำสำคัญ
Attention(Q,K,V) = softmax(QK^T / √d_k) V
ทำอะไร: ให้โมเดล "โฟกัส" คำที่เกี่ยวข้องกับคำปัจจุบัน
ตัวอย่าง: ในประโยค "แมวไล่หนู เพราะมันหิว", คำว่า "มัน" หมายถึง "แมว" (ไม่ใช่ "หนู") โมเดลต้อง "รู้" ว่าคำไหนเกี่ยวข้อง
อุปมา: เหมือนคนอ่านหนังสือแล้ว "ไฮไลต์" คำสำคัญ, attention คือการที่โมเดล "ไฮไลต์" ว่าคำไหนสำคัญต่อการเข้าใจคำปัจจุบัน
ทำไมสำคัญ: นี่คือ "หัวใจของ Transformer", กลไกที่ทำให้ LLM เข้าใจ "บริบท" ได้ดีกว่าโมเดลรุ่นก่อน
3. Gradient Descent, วิธีเรียนรู้
θ_new = θ_old - η ∇L(θ)
ทำอะไร: ปรับน้ำหนักโมเดลทีละนิด ให้ "ผิดน้อยลง" ทุกครั้ง
อุปมา: คนตาบอดเดินลงเขา (จากหัวข้อ Calculus), ก้าวทีละนิด ไปทางที่ "ชันลง" ที่สุด จนถึงจุดต่ำสุด
ตัวแปรสำคัญ:
-
η(learning rate) = "ขนาดก้าว", ก้าวใหญ่ไปอาจ "เลย" จุดต่ำสุด ก้าวเล็กไปก็ช้า -
∇L(θ)(gradient) = "ทิศทางที่ชันลงที่สุด"
ทำไมสำคัญ: นี่คือ "วิธีที่ AI เรียนรู้", ทุกครั้งที่ตอบผิด มันจะปรับตัวเองให้ตอบถูกขึ้น
ตารางสรุป: สมการ 3 ตัวที่ซ่อนอยู่ใน LLM
| สมการ | ทำอะไร | อุปมา |
|---|---|---|
| Softmax | เปลี่ยนคะแนนเป็นความน่าจะเป็น | แบ่งเค้กให้รวมเป็น 1 ก้อน |
| Attention | เลือกสนใจคำสำคัญ | ไฮไลต์คำสำคัญในหนังสือ |
| Gradient Descent | ปรับน้ำหนักให้ผิดน้อยลง | คนตาบอดเดินลงเขา |
เชื่อมกับซีรีย์ "สมการเก่า → AI เปลี่ยนโลก"
นี่คือจุดที่ผมอยากเน้น, คณิตศาสตร์ของ LLM ไม่ได้เกิดใหม่ แต่มันต่อยอดจากสมการเก่าแก่ที่ผมเคยเขียนถึง:
1. Bayes' Theorem (250 ปี) → Probability ของ LLM
Bayes' Theorem คือรากฐานของ "ความน่าจะเป็น" ที่ LLM ใช้ทำนายคำถัดไป
LLM ทำนายคำถัดไป = อัปเดตความเชื่อ (Bayes) จากบริบทที่เห็น
2. Markov Chain (100 ปี) → การทำนายลำดับ
Markov Chain คือแนวคิด "คำถัดไปขึ้นกับคำก่อนหน้า", ซึ่งเป็นหลักการเดียวกับ LLM (แค่ LLM ใช้ attention แทน Markov แบบง่าย)
LLM = Markov Chain ที่ฉลาดขึ้น (มองบริบททั้งหมด ไม่ได้มีเพียงคำก่อนหน้า)
3. Riemann Hypothesis (160 ปี) → ขอบเขตของสิ่งที่ AI ทำได้
Riemann Hypothesis เตือนเราว่า AI ไม่ได้ "แก้โจทย์" ทุกอย่าง, มัน "ก้าวหน้า" ในโจทย์ แต่ยังมีขอบเขต
คณิตศาสตร์ของ LLM อธิบาย "กลไก" แต่ Riemann เตือนว่า "ความเข้าใจ" ยังมีขีดจำกัด
มุมวิเคราะห์: ทำไมการเข้าใจคณิตศาสตร์ถึงสำคัญ
ผมคิดว่าการเข้าใจคณิตศาสตร์ของ LLM สำคัญกว่า "ใช้เป็น" 3 อย่าง:
1. "ใช้เป็น" กับ "เข้าใจ" ต่างกัน
ใช้ ChatGPT เป็น = รู้ว่ากดปุ่มไหนได้คำตอบ
เข้าใจคณิตศาสตร์ = รู้ว่า "ทำไม" มันตอบแบบนี้ และ "เมื่อไหร่" มันจะผิด
2. คณิตศาสตร์อธิบาย "ข้อจำกัด"
LLM ไม่ได้ "คิด", มัน "คำนวณความน่าจะเป็น" การเข้าใจ softmax + attention ทำให้รู้ว่า LLM เก่งอะไร และพลาดอะไร
3. "โครงสร้างทางคณิตศาสตร์" คือสิ่งที่อธิบาย deep learning จริงๆ
จากหนังสือ [5]:
"Mathematical structure is what actually explains deep learning. Not scale. Not intuition."
ไม่ใช่ "โมเดลใหญ่" หรือ "สัญชาตญาณ", แต่เป็น "โครงสร้างทางคณิตศาสตร์" ที่อธิบายว่า deep learning ทำงานยังไง
มุมสมดุล: ต้องพูดตรงๆ
ก่อนจบ ขอพูดตรงๆ ว่า:
- ไม่ต้องรู้คณิตศาสตร์ก็ใช้ LLM ได้, เหมือนขับรถไม่ต้องรู้เครื่องยนต์
- คณิตศาสตร์ของ LLM ยังไม่สมบูรณ์, งานวิจัยล่าสุด (arxiv 2510.03989) ยังพยายามหา "ทฤษฎีคณิตศาสตร์ที่สมบูรณ์" ของ Transformer อยู่
- หนังสือเป็นแค่ "จุดเริ่มต้น", อ่านแล้วเข้าใจภาพรวม แต่ไม่ใช่ทั้งหมด
แต่หลักการชัดเจน: การเข้าใจ "สมการที่ซ่อนอยู่" ทำให้คุณใช้ AI อย่างมีวิจารณญาณ แทนที่จะเชื่อทุกอย่างที่มันตอบ
สรุป
คณิตศาสตร์ของ LLM ประกอบด้วย 4 สาขา:
- Linear Algebra, คำเป็นเวกเตอร์ (king - man + woman ≈ queen)
- Probability, ทำนายคำถัดไป (เดา ไม่ใช่รู้)
- Calculus, gradient descent เรียนรู้ (คนตาบอดเดินลงเขา)
- Information Theory, วัดความไม่แน่นอน (entropy)
สมการสำคัญ 3 ตัว: Softmax (แบ่งเค้ก), Attention (ไฮไลต์คำ), Gradient Descent (เดินลงเขา)
และมันต่อยอดจากสมการเก่าที่ผมเคยเขียนถึง:
- Bayes' Theorem → Probability
- Markov Chain → การทำนายลำดับ
- Riemann Hypothesis → ขอบเขตของ AI
บทเรียนสำคัญ: "ใช้ AI เป็น" กับ "เข้าใจ AI" ต่างกัน, และการเข้าใจคณิตศาสตร์ที่ซ่อนอยู่ คือสิ่งที่แยก "ผู้ใช้" ออกจาก "ผู้ที่ควบคุม AI ได้จริง"
แหล่งอ้างอิง
[1] "Analogies Explained: Towards Understanding Word Embeddings". arXiv:1901.09813. https://arxiv.org/pdf/1901.09813
[2] Kaggle. "Gradient Descent Algorithm - Introduction with Hill Climber Example". https://www.kaggle.com/getting-started/339772
[3] Wayland Zhang. "Information Theory Is All You Need (to Understand LLMs)". https://waylandz.com/blog/information-theory-and-llm/
[4] Reddit r/learnmachinelearning. "Why Softmax for Attention?". https://www.reddit.com/r/learnmachinelearning/comments/1j1nq6r/
[5] Jason Karpeles. "The Mathematics of Large Language Models". Amazon. https://www.amazon.com/Mathematics-Large-Language-Models-Transformers-ebook/dp/B0H44K1ZR5
[6] Jason Karpeles. "The Mathematics of Large Language Models: A Readable Guide to LLMs, Transformers, and Diffusion". Amazon. 2026. https://www.amazon.com/Mathematics-Large-Language-Models-Transformers-ebook/dp/B0H44K1ZR5
บทความนี้วิเคราะห์จากหนังสือของ Jason Karpeles, arXiv, IBM และโพสต์ X ของ Kirk Borne ข้อมูล ณ 21 สิงหาคม 2026 Nokka
ผมเขียนบทความนี้เพราะเห็นว่า "คณิตศาสตร์ของ LLM" เป็นหัวข้อที่เชื่อมกับซีรีย์ "สมการเก่า → AI เปลี่ยนโลก" ที่ผมเขียนไว้ (Bayes, Markov, Riemann) จุดที่ผมอยากให้คุณได้คือ "ใช้ AI เป็น กับ เข้าใจ AI ต่างกัน" เพราะการเข้าใจสมการที่ซ่อนอยู่คือสิ่งที่แยกผู้ใช้จากผู้ควบคุม
ลองตอบคำถามนี้ดู: คุณเคยอยากเข้าใจ "สมอง" ของ ChatGPT ว่าทำงานยังไงไหม? และคุณคิดว่าการเข้าใจคณิตศาสตร์ช่วยให้ใช้ AI ดีขึ้นจริงหรือเปล่า? คอมเมนต์บอกผมได้เลยครับ
