ระบบ AI สร้าง AI: การวิเคราะห์เชิงลึกของ VibeTensor กรอบการเรียนรู้เชิงลึกที่สร้างขึ้นโดย AI แบบสมบูรณ์ระดับโลกเป็นครั้งแรก

คำสำคัญ: AI for AI System, Deep learning runtime, Agent development, CUDA

หัวข้อย่อย: ป้ายโฆษณาที่ว่า “สร้างโดย AI ทั้งหมด” เป็นป้ายที่ทำให้เข้าใจผิดหรือไม่? ดู【ปัญหาสำคัญข้อที่สอง】

เฟรมเวิร์กการเรียนรู้เชิงลึกที่สร้างขึ้นเกือบทั้งหมดโดยผู้ช่วยโค้ด AI ตั้งแต่ส่วนอินเทอร์เฟซ Python ไปจนถึงการจัดการหน่วยความจำ CUDA นั้น มีรูปแบบการพัฒนาที่เป็นไปตามหลักการใดอยู่เบื้องหลัง?

หากคุณติดตามแวดวงการเขียนโปรแกรมด้วย AI คุณอาจเคยได้ยินเกี่ยวกับโมเดลภาษาขนาดใหญ่ที่สามารถเขียนโค้ด แก้จุดบกพร่องของโปรแกรม หรือแม้แต่ทำโปรเจกต์ขนาดเล็กให้สำเร็จ แต่ถ้าบอกคุณว่า ตอนนี้มีเฟรมเวิร์กการเรียนรู้เชิงลึกที่ทำงานได้ครบถ้วนและรองรับการเร่งความเร็วด้วย GPU — ซึ่งส่วนอินเทอร์เฟซ Python/Node.js การคำนวณเทนเซอร์ การหาอนุพันธ์อัตโนมัติ และแม้แต่การจัดการหน่วยความจำ CUDA — ถูกสร้างขึ้นเกือบทั้งหมดโดยผู้ช่วยโค้ด AI คุณจะรู้สึกอย่างไร?

• VibeTensor: System Software for Deep Learning, Fully Generated by AI Agents
• https://arxiv.org/pdf/2601.16238
• ที่เก็บโค้ด: https://github.com/NVlabs/VibeTensor

นี่ไม่ใช่นิยายวิทยาศาสตร์ ทีมวิจัยของ NVIDIA เพิ่งเปิดตัว VibeTensor ซึ่งเป็นซอฟต์แวร์สแต็กระบบการเรียนรู้เชิงลึกที่สร้างขึ้นโดยเอเจนต์เข้ารหัสที่ขับเคลื่อนด้วย LLM ภายใต้คำแนะนำระดับสูงจากมนุษย์

บทความนี้จะวิเคราะห์งานสำคัญชิ้นนี้อย่างลึกซึ้ง สำรวจว่า AI “เขียน” runtime การเรียนรู้เชิงลึกที่แท้จริงได้อย่างไร และสิ่งนี้มีความหมายต่อวิศวกรรมซอฟต์แวร์ในอนาคตอย่างไร

รูปที่ 1 | สถาปัตยกรรมระดับสูงของ VIBETENSOR: ฟรอนต์เอนด์ Python ที่ใช้ nanobind และฟรอนต์เอนด์ Node.js ที่ใช้ N-API แจกจ่ายงานไปยังชั้นแกนกลาง C++ ที่ใช้ร่วมกัน ชั้นแกนกลางนี้ใช้เทนเซอร์/ที่เก็บข้อมูล การจัดตารางงาน การหาอนุพันธ์อัตโนมัติ การจัดทำดัชนี การสร้างตัวเลขสุ่ม (RNG) และส่วนประกอบรันไทม์ CUDA (สตรีม/อีเวนต์/กราฟและตัวจัดสรรแคช) มีไลบรารีเคอร์เนลและปลั๊กอินโหลดแบบไดนามิกเป็นตัวเลือกสำหรับขยายชุดโอเปอเรเตอร์ สถาปัตยกรรมนี้สะท้อนหลักการออกแบบ “สอดคล้องกันข้ามชั้น” ของ VIBETENSOR ตั้งแต่ฟรอนต์เอนด์ที่ผู้ใช้โต้ตอบไปจนถึงชั้น CUDA ที่ฮาร์ดแวร์ทำงาน สร้างเป็นสายโซ่เทคนิคที่สมบูรณ์ โดยชั้นแกนกลาง C++ เป็นศูนย์กลางสำคัญ: โมดูลเทนเซอร์/ที่เก็บข้อมูลจัดการหน่วยความจำอย่างมีประสิทธิภาพผ่านการนับการอ้างอิง ตัวจัดตารางงานรองรับการแมปโอเปอเรเตอร์ไปยังอุปกรณ์ CPU และ CUDA เอนจินการหาอนุพันธ์อัตโนมัติรับประกันการคำนวณแบบไดนามิกสำหรับการแพร่กลับ และฟังก์ชันการวินิจฉัยของตัวจัดสรรแคช CUDA (เช่น สแนปช็อตหน่วยความจำ) ให้การสนับสนุนสำหรับการสังเกตการณ์ระบบ ทำให้ระบบที่ซับซ้อนที่สร้างโดย AI มีความสามารถในการดีบักและติดตามได้

ศูนย์ ปัญหาสำคัญ

ปัญหาที่หนึ่ง: “ผลแฟรงเกนสไตน์” เผยให้เห็นข้อจำกัดพื้นฐานของซอฟต์แวร์ระบบที่สร้างโดย AI หรือไม่?

เอกสารวิจัยกล่าวถึง “Frankenstein composition effect” นั่นคือระบบย่อยที่ถูกต้องในระดับท้องถิ่น เมื่อนำมารวมกันอาจนำไปสู่ประสิทธิภาพโดยรวมต่ำหรือการออกแบบที่ไม่สอดคล้องกัน ตัวอย่างเช่น การแนะนำล็อคระดับโลกเพื่อให้แน่ใจในความถูกต้อง จะทำให้การแพร่กลับทำงานแบบอนุกรม ซึ่งลบล้างข้อได้เปรียบของเคอร์เนล CUDA ประสิทธิภาพสูง นี่หมายความว่ากระบวนทัศน์การสร้างโดย AI ในปัจจุบันที่อิงตาม “การตรวจสอบความถูกต้องในระดับท้องถิ่น + การรวมกัน” โดยพื้นฐานแล้วไม่สามารถบรรลุการปรับให้เหมาะสมในระดับโลกโดยอัตโนมัติเมื่อสร้างซอฟต์แวร์ระบบที่ซับซ้อนได้หรือไม่? หากขาดการแทรกแซงการออกแบบโครงสร้างโดยรวมจากมนุษย์ AI จะสามารถสร้างได้เพียงระบบที่ “ถูกต้องแต่ไม่มีประสิทธิภาพ” เท่านั้นหรือ? การ “สร้างโดย AI ทั้งหมด” ในเอกสารวิจัยนี้ ยังคงต้องพึ่งพาความรู้ก่อนหน้าของมนุษย์ในการตัดสินใจออกแบบที่สำคัญหรือไม่?

ใช่ “ผลแฟรงเกนสไตน์” เผยให้เห็นข้อจำกัดหลักของวิธีการสร้างซอฟต์แวร์ระบบด้วย AI ในปัจจุบันในด้านการบรรลุ “ความสอดคล้องในระดับโลก” และ “การปรับให้เหมาะสมในระดับระบบ” อย่างลึกซึ้ง

“ผลแฟรงเกนสไตน์” ที่กล่าวถึงในบทความนี้ — นั่นคือระบบย่อยที่ถูกต้องและสมเหตุสมผลในระดับท้องถิ่น เมื่อนำมารวมกันแล้ว เนื่องจากปฏิสัมพันธ์และผลข้างเคียง ทำให้ประสิทธิภาพโดยรวมต่ำหรือการออกแบบไม่สอดคล้องกัน — ไม่ใช่ข้อบกพร่องโดยบังเอิญ แต่เป็นความท้าทายเชิงโครงสร้างของ AI แบบเจเนอเรทีฟภายใต้กระบวนทัศน์การทำงานในปัจจุบัน

ผลกระทบนี้สัมผัสกับขอบเขตพื้นฐานสองประการของการพัฒนาที่ช่วยเหลือด้วย AI:

มิติข้อจำกัดหลัก| การแสดงออกและปัญหาวิเคราะห์โดยละเอียด
—|—
ขาด “ความตั้งใจในการออกแบบ” และ “เป้าหมายระดับโลก” ในระดับระบบ| เอเจนต์อัจฉริยะ AI สร้างโค้ดแบบวนซ้ำโดยอิงจากเป้าหมายในระดับท้องถิ่น (เช่น การทำให้เอนจินการแพร่กลับทำงานถูกต้อง) ข้อจำกัดในระดับท้องถิ่น (เช่น การผ่านการทดสอบหน่วย) ที่มนุษย์กำหนดไว้เท่านั้น; ความตั้งใจในการออกแบบระดับโลก เช่น การปรับให้เหมาะสมข้ามชั้น การออกแบบแบบคู่ขนาน กลยุทธ์การจัดตารางทรัพยากร ที่จำเป็นสำหรับซอฟต์แวร์ระบบประสิทธิภาพสูง ไม่สามารถแปลงเป็นคำสั่งที่ AI สามารถดำเนินการได้อย่างสมบูรณ์และไม่คลุมเครือ
ตัวอย่าง “ล็อคการแพร่กลับระดับโลกที่ไม่สามารถเรียกซ้ำได้” ในเอกสารวิจัย:
1. AI เพียงแค่ใช้โซลูชันล็อคระดับโลกที่มีต้นทุนประสิทธิภาพสูง เพื่อให้เป็นไปตามข้อจำกัดความถูกต้องในระดับท้องถิ่นเรื่อง “ความปลอดภัยของเธรด” ไม่มีความสามารถในการประนีประนอมเหมือนสถาปนิกมนุษย์ จึงไม่สามารถออกแบบโซลูชันที่ดีกว่าอย่างการไม่มีล็อคหรือล็อคแบบแบ่งชั้นได้
2. AI ถนัดการแก้ปัญหาในกรอบที่กำหนดไว้ ไม่ถนัดการกำหนดกรอบที่ดีกว่าด้วยตนเอง
กลไกการตรวจสอบมีขอบเขตในระดับท้องถิ่นและขาดการทดสอบการรวมกัน| การตรวจสอบของ AI พึ่งพาผลลัพธ์การสร้างที่สำเร็จและชุดทดสอบที่กำหนดไว้ล่วงหน้า เป็นอย่างมาก สามารถรับประกันเพียงความถูกต้องของหน่วยของโค้ดเท่านั้น ไม่สามารถตรวจจับผลกระทบจากการรวมกันของโค้ดได้อย่างมีประสิทธิภาพ; โค้ดที่สร้างโดย AI อาจผ่านการทดสอบหน่วยทั้งหมด แต่จะล้มเหลวในลูปการฝึกหลายขั้นตอน เนื่องจากปัญหาต่างๆ เช่น การสะสมสถานะ การใช้บัฟเฟอร์ซ้ำ การซิงโครไนซ์โดยไม่คาดคิด
เวิร์กโฟลว์ AI ในปัจจุบันขาดความสามารถโดยธรรมชาติในการสร้างแบบจำลองและทดสอบพฤติกรรมระบบที่เกิดขึ้นจากการดำเนินการรวมกันซ้ำๆ มนุษย์สามารถคาดการณ์ปัญหาดังกล่าวได้จากประสบการณ์และสัญชาตญาณ ในขณะที่AI ต้องการการชี้นำจากมนุษย์เพื่อเขียนการทดสอบถดถอยที่มีระยะยาว หลายขั้นตอน และเน้นการทำงานคู่ขนาน และโค้ดทดสอบส่วนนั้นยังต้องทำโดยมนุษย์

“ผลแฟรงเกนสไตน์” แสดงให้เห็นว่า ในกรณีที่ขาดคำแนะนำและการแทรกแซงเชิงลึกจากมนุษย์ในเรื่องนามธรรมระดับระบบ การประนีประนอมด้านประสิทธิภาพ และรูปแบบพฤติกรรมระยะยาว กระบวนทัศน์การสร้างโดย AI ในปัจจุบันที่ขับเคลื่อนด้วย “เป้าหมายในระดับท้องถิ่น + การตรวจสอบในระดับท้องถิ่น” เพียงอย่างเดียว มีแนวโน้มที่จะสร้างระบบที่ “ถูกต้องแต่ไม่มีประสิทธิภาพ” หรือ “เปราะบาง” อย่างแท้จริง

การปฏิบัติของ VibeTensor พิสูจน์ให้เห็นถึงความสามารถอันน่าทึ่งของ AI ในการสร้าง “ระบบที่ซับซ้อนซึ่งทำงานได้” แต่ในขณะเดียวกันก็กำหนดขอบเขตอย่างชัดเจน: AI เป็น “เอนจินการนำไปปฏิบัติ” ที่ทรงพลัง ในขณะที่มนุษย์ยังคงเป็น “สถาปนิกระบบ” และ “ผู้ปรับให้เหมาะสมในระดับโลก” ที่ขาดไม่ได้ สิ่งที่เรียกว่า “สร้างโดย AI ทั้งหมด” ในการตัดสินใจออกแบบระดับระบบที่สำคัญ ยังคงพึ่งพาความรู้ก่อนหน้าและการออกแบบระดับสูงของมนุษย์อย่างลึกซึ้ง

ปัญหาที่สอง: ป้ายโฆษณาที่ว่า “สร้างโดย AI ทั้งหมด” เป็นป้ายที่ทำให้เข้าใจผิดหรือไม่?

เอกสารวิจัยเน้นว่า VibeTensor เป็น “fully generated by AI agents” แต่ในขณะเดียวกันก็ชี้ให้เห็นว่ามนุษย์ให้คำแนะนำระดับสูง การกำหนดลำดับความสำคัญ และกรอบการตรวจสอบ และโค้ดทดสอบยังคงเขียนโดยมนุษย์ ในโหมดนี้ การมีส่วนร่วมที่แท้จริงของ AI คือ “การสร้างระบบ” หรือ “การดำเนินเวิร์กโฟลว์งานที่มนุษย์กำหนด”? หากสถาปัตยกรรมหลัก นามธรรมสำคัญ กลยุทธ์การทดสอบ และวิธีการตรวจสอบทั้งหมดถูกกำหนดโดยมนุษย์ แล้ว “การสร้างโดย AI” จะแสดงให้เห็นมากขึ้นในด้านการเติมเต็มและการวนซ้ำการนำโค้ดไปปฏิบัติหรือไม่? สิ่งนี้สะท้อนถึงบทบาทเสริมมากกว่าบทบาทนำของ AI ในการออกแบบซอฟต์แวร์ระบบในปัจจุบันหรือไม่? เอกสารวิจัยทำให้ขอบเขตระหว่าง “การสร้าง” และ “การช่วยเหลือในการนำไปปฏิบัติ” คลุมเครือในระดับหนึ่งหรือไม่?

ใช่ ป้ายนี้ทำให้เข้าใจผิดในระดับหนึ่ง เพราะทำให้ขอบเขตระหว่าง “การสร้าง” และ “การช่วยเหลือในการนำไปปฏิบัติภายใต้โครงนั่งร้านของมนุษย์ที่แน่นหนา” คลุมเครือ และอาจทำให้การแบ่งงานและส่วนร่วมทางปัญญาที่เกิดขึ้นจริงดูง่ายเกินไป

การเน้น “Fully Generated by AI Agents” ในหัวข้อและบทคัดย่อของเอกสารวิจัย อาจทำให้ผู้อ่านเกิดความประทับใจว่า “AI สร้างระบบทั้งหมดขึ้นมาด้วยตนเอง” อย่างไรก็ตาม จากการพิจารณารายละเอียดของเอกสารทั้งหมด เราสามารถพบภาพที่ซับซ้อนและจริงจังมากขึ้น:

การจำแนกประเภทหลัก| มิติย่อย| คำอธิบายเนื้อหาโดยละเอียด
—|—|—
มนุษย์กำหนด【เกือบทั้งหมด】 ข้อกำหนดเบื้องต้นและขอบเขตการตรวจสอบสำหรับการสร้าง| เป้าหมายระดับสูงและสถาปัตยกรรม| มนุษย์ให้พิมพ์เขียวโครงสร้างระบบโดยรวม เช่น การดำเนินการแบบ eager แบบ PyTorch การมีฟรอนต์เอนด์ Python/Node.js การต้องการการสนับสนุนกราฟ CUDA
| กระบวนการพัฒนาและรั้วกั้น| มนุษย์กำหนดเวิร์กโฟลว์หลัก: ระบุเป้าหมาย -> สร้างโค้ด -> คอมไพล์และทดสอบ -> ขยายการตรวจสอบ; สร้างโครงนั่งร้านการตรวจสอบสำคัญทั้งหมด ซึ่งรวมถึงชุดทดสอบ CTest/pytest เกณฑ์การตรวจสอบความแตกต่างกับ PyTorch สคริปต์ตรวจสอบความสอดคล้องของ API กระบวนการตรวจสอบโค้ดแบบหลายเอเจนต์; AI สำรวจและสร้างโค้ดภายในรั้วความปลอดภัยที่มนุษย์สร้างขึ้นเท่านั้น
| การนำส่วนประกอบสำคัญไปปฏิบัติ| โค้ดทดสอบระบบเขียนด้วยมือโดยมนุษย์ ไม่ได้สังเคราะห์โดย AI การทดสอบทำหน้าที่เป็นข้อกำหนดที่ปฏิบัติได้ ซึ่งกำหนดมาตรฐานความถูกต้องและพฤติกรรมของระบบโดยพื้นฐาน; เฟรมเวิร์กการทดสอบมาตรฐานและตรรกะการเปรียบเทียบสำหรับชุดฟังก์ชันเคอร์เนลที่ใช้ในการประเมินประสิทธิภาพ ล้วนจัดเตรียมโดยมนุษย์
บทบาทหลักของ AI| เนื้อหางานหลัก| ภายใต้ข้อจำกัดและกระบวนการตรวจสอบที่เข้มงวดที่มนุษย์กำหนดไว้ สร้างการเปลี่ยนแปลงโค้ดเฉพาะ (diffs) ตามคำอธิบายงาน ใช้เครื่องมือต่างๆ เช่น คอมไพเลอร์ สคริปต์ทดสอบ ที่มนุษย์จัดเตรียมไว้เพื่อตรวจสอบการเปลี่ยนแปลง หากผ่านก็เก็บไว้ หากไม่ผ่านก็ลองวิธีอื่นแบบวนซ้ำ
| การกำหนดบทบาทและขอบเขตคุณค่า| กำหนดบทบาทเป็นตัวเติมเต็มโค้ดอัตโนมัติและตัววนซ้ำขั้นสูง; ทำให้วงจรการเขียน-ดีบัก-แก้ไขของการพัฒนาดั้งเดิมเป็นอัตโนมัติ เพิ่มประสิทธิภาพการนำโค้ดไปปฏิบัติอย่างมาก; ไม่สามารถแทนที่ งานทางปัญญาหลักของมนุษย์ในการกำหนดเป้าหมายการพัฒนา (ต้องทำอะไร) และการกำหนดมาตรฐานการตรวจสอบ (จะตัดสินว่าถูกหรือผิดอย่างไร)

การเรียก VibeTensor ว่า “สร้างโดย AI ทั้งหมด” ดูเหมือนจะเป็นคำประกาศทางเทคนิคที่ดึงดูดความสนใจ มากกว่าคำอธิบายทางเทคนิคที่แม่นยำ การกล่าวที่ถูกต้องกว่าอาจเป็น: “ซอฟต์แวร์ระบบที่นำไปปฏิบัติ (implementation) โดยเอเจนต์อัจฉริยะ AI ภายใต้ข้อจำกัดของการออกแบบระดับสูง กรอบการทดสอบที่แน่นหนา และกระบวนการตรวจสอบตลอดทั้งกระบวนการโดยมนุษย์” ความ “ทำให้เข้าใจผิด” ของป้ายนี้อยู่ที่ มันอาจทำให้ผู้คนภายนอกประเมินความเป็นอิสระของ AI ในปัจจุบันในด้านการออกแบบเชิงสร้างสรรค์และการรับประกันคุณภาพสูงเกินไป และประเมินบทบาทที่ขาดไม่ได้ของมนุษย์ในด้าน การกำหนดทิศทาง การสร้างแพลตฟอร์ม และการกำหนดมาตรฐาน ต่ำเกินไป

คุณค่าที่แท้จริงของบทความนี้ไม่ได้อยู่ที่การแสดงให้เห็นว่า AI “เป็นอิสระโดยสมบูรณ์” แต่อยู่ที่การแสดงกระบวนทัศน์ใหม่ของการทำงานร่วมกันระหว่างมนุษย์และเครื่อง — มนุษย์มุ่งเน้นไปที่สถาปัตยกรรมระดับสูง ข้อกำหนด และวิทยาศาสตร์การตรวจสอบ ในขณะที่มอบหมายงานการนำโค้ดไปปฏิบัติและการวนซ้ำปรับให้เหมาะสมที่หนักหน่วงให้ AI ดำ

⚠️ หมายเหตุ: เนื้อหาได้รับการแปลโดย AI และตรวจสอบโดยมนุษย์ หากมีข้อผิดพลาดโปรดแจ้ง

☕ สนับสนุนค่ากาแฟทีมงาน

หากคุณชอบบทความนี้ สามารถสนับสนุนเราได้ผ่าน PromptPay

SCAN TO PAY WITH ANY BANK