Traditional AI vs Agentic AI vs RAG AI 3 แนวคิดสำคัญของ AI ยุคใหม่

1. Traditional AI (AI แบบดั้งเดิม)

เน้นการ “ทำนาย” (Predict) โดยอาศัยเพียงข้อมูลที่ได้รับการฝึกฝนมาแล้ว (Trained data)

กระบวนการ: รับข้อมูล -> ประมวลผลผ่านโมเดล -> ให้ผลลัพธ์

ข้อจำกัด: ไม่สามารถโต้ตอบกับโลกภายนอก ไม่สามารถเข้าถึงข้อมูลใหม่หลังจากฝึกฝนเสร็จแล้ว และไม่สามารถดำเนินการใดๆ (Take actions) ได้ด้วยตัวเอง

2. Agentic AI (AI ที่เป็นตัวแทน)

เป็น AI ที่มีความสามารถในการ “คิด วางแผน และลงมือทำ” (Thinks, plans and takes actions) เพื่อบรรลุเป้าหมาย

กระบวนการ: ทำงานเป็นวงจร (Loop) คือ 1. เข้าใจเป้าหมาย -> 2. วางแผน/ย่อยงาน -> 3. ลงมือทำ (ใช้เครื่องมือ/Tools) -> 4. ประเมินผลและปรับปรุง

จุดเด่น: มีความเป็นอิสระ (Autonomous) สูงมาก สามารถแก้ไขปัญหาซับซ้อนได้ด้วยตัวเอง

3. RAG AI (Retrieval-Augmented Generation)

นิยาม: AI ที่เน้นการ “ดึงข้อมูลที่เกี่ยวข้องและสร้างคำตอบ” (Retrieves relevant information and generates accurate responses)

กระบวนการ: รับคำถาม -> ไปดึงข้อมูลจากแหล่งภายนอก (Knowledge Base) -> นำข้อมูลนั้นมาให้ LLM สรุปผล

จุดเด่น: ช่วยแก้ปัญหาเรื่องข้อมูลไม่อัปเดตหรือข้อมูลมั่ว (Hallucination) ของ AI โดยการให้ AI อ้างอิงจากข้อมูลจริงที่เชื่อถือได้

สรุปความแตกต่างหลัก (Key Difference)

Traditional AI = เน้นการทำนาย (Predicts)

Agentic AI = เน้นการลงมือทำ (Acts)

RAG AI = เน้นการดึงข้อมูลและสร้างคำตอบ (Retrieves + Generates)

ปัจจุบันเทคโนโลยีเหล่านี้มักถูกนำมาผสมผสานกัน เช่น ระบบ AI ยุคใหม่ที่ใช้ RAG เพื่ออ่านข้อมูลให้แม่นยำ และใช้ความสามารถแบบ Agentic เพื่อดำเนินการตามความต้องการของผู้ใช้อย่างครบวงจร