บทนำ: ห้องสมุดไม่ใช่แค่ชั้นหนังสืออีกต่อไป

ในยุคที่ข้อมูลหลั่งไหลและการเข้าถึงทรัพยากรทางปัญญาเป็นเรื่องง่ายเพียงปลายนิ้วสัมผัส การพัฒนา "ห้องสมุด" ให้ทันยุคจึงไม่ใช่เพียงแค่การสะสมหนังสือดี ๆ แต่ยังต้องตอบสนองต่อพฤติกรรมผู้ใช้ที่เปลี่ยนแปลงไปอย่างรวดเร็ว ผู้ใช้งานไม่ต้องการเพียงแค่รายชื่อหนังสือยอดนิยม แต่ต้องการ “คำแนะนำที่เข้าใจฉัน” เหมือนกับมีผู้เชี่ยวชาญนั่งอยู่ข้าง ๆ

จากปัญหานี้ นักศึกษาจากภาควิชาวิศวกรรมคอมพิวเตอร์ คณะวิศวกรรมศาสตร์ มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าธนบุรี (มจธ.) ได้พัฒนาโครงงานภายใต้ชื่อ "Generative AI for Library's Recommendation Services" เพื่อยกระดับการแนะนำหนังสือ โดยใช้เทคโนโลยีปัญญาประดิษฐ์เชิงสร้างสรรค์ (Generative AI) มาผสานเข้ากับบริการห้องสมุด

บทความนี้จะพาผู้อ่านไปทำความเข้าใจว่าโครงการนี้คืออะไร ใช้เทคโนโลยีอะไรบ้าง และมีความสำคัญต่อวงการห้องสมุดอย่างไร

เบื้องหลังโครงการ: เมื่อ AI มาพบกับชั้นหนังสือ

จุดเริ่มต้นของโครงการนี้เกิดจากการตั้งคำถามว่า “ทำไมการแนะนำหนังสือในห้องสมุดยังไม่สามารถตอบโจทย์ความสนใจเฉพาะบุคคลของผู้ใช้งานได้?” ระบบเดิม ๆ มักแนะนำหนังสือจากพฤติกรรมในอดีตหรือรายการหนังสือที่มีอยู่แล้วในคลังเท่านั้น ขาดความสามารถในการให้เหตุผลหรือคำอธิบายเชิงลึก

เพื่อก้าวข้ามข้อจำกัดดังกล่าว ทีมผู้จัดทำจึงเลือกใช้เทคโนโลยี Generative AI โดยเฉพาะโมเดลภาษา LLaMA3-70B ซึ่งเป็น Large Language Model (LLM) ขนาดใหญ่ที่สามารถเข้าใจภาษาได้ในระดับลึก สร้างคำอธิบาย และเชื่อมโยงความสนใจของผู้ใช้เข้ากับรายการหนังสือที่หลากหลายได้แม่นยำมากขึ้น

ระบบที่พัฒนาขึ้น: AI ผู้แนะนำหนังสือส่วนตัวผ่าน LINE

การออกแบบระบบเริ่มต้นจากการผสานหลายองค์ประกอบเข้าด้วยกันอย่างลงตัว ได้แก่

• ฐานข้อมูลหนังสือ ที่มาจากระบบของหอสมุด KMUTT
• โมเดล AI LLaMA3-70B-8192 สำหรับการสร้างคำแนะนำ
• LINE Chatbot ซึ่งทำหน้าที่เป็นช่องทางการสนทนาและตอบกลับผู้ใช้แบบภาษาธรรมชาติ
• ระบบแนะนำหนังสืออัจฉริยะ (Recommendation System) ที่ทำงานร่วมกับฐานข้อมูลและ AI

เมื่อผู้ใช้งานพิมพ์ข้อความ (หรือ “prompt”) เข้าไปใน LINE Chatbot ระบบจะประมวลผลและให้คำแนะนำเป็นรายการหนังสือที่เกี่ยวข้อง พร้อมคำอธิบายเพิ่มเติม หากไม่พบในหอสมุด ระบบยังเปิดโอกาสให้ผู้ใช้ “ส่งคำขอจัดซื้อหนังสือ” ไปยังเจ้าหน้าที่ได้ทันที

เทคโนโลยีเบื้องหลัง: AI ที่เข้าใจภาษามนุษย์จริง ๆ

หัวใจสำคัญของโครงการคือการนำ Large Language Model ซึ่งเป็นโมเดลที่ผ่านการฝึกฝนกับข้อมูลจำนวนมหาศาลมาใช้ ตัว LLM ที่เลือกใช้มีความสามารถสูงในการ “เข้าใจและสื่อสารด้วยภาษาธรรมชาติ” ทั้งยังสามารถสร้างคำอธิบายที่ลึกซึ้งให้กับหนังสือแต่ละเล่มได้โดยอิงจากคำถามหรือความสนใจของผู้ใช้

AI เหล่านี้ยังสามารถแยกแยะน้ำเสียงของคำถาม เช่น คำถามเชิงลบ (“ขอหนังสือที่ไม่ซับซ้อน”) หรือคำถามที่ต่างรูปแต่ใจความเดียวกัน (“หนังสือสำหรับผู้เริ่มต้น” กับ “Beginner books”) ได้อย่างแม่นยำ นี่คือสิ่งที่ระบบแนะนำทั่วไปไม่สามารถทำได้ดีนัก

นอกจากนี้ยังมีการใช้ Groq API เพื่อเพิ่มความเร็วและประสิทธิภาพในการประมวลผล รวมถึงการใช้งาน Google Books API เพื่อดึงข้อมูลจากภายนอกหากหนังสือไม่อยู่ในระบบของห้องสมุด

ประสิทธิภาพที่พิสูจน์ได้: ไม่ใช่แค่ “ฉลาด” แต่ “มีประโยชน์จริง”

ในการประเมินระบบ ทีมผู้จัดทำได้ใช้คำค้นหา 10 ชุด แบ่งเป็น 5 คำค้นแบบกว้าง และ 5 คำค้นแบบเฉพาะเจาะจง จากนั้นให้บรรณารักษ์เป็นผู้ตรวจสอบผลการแนะนำ พบว่า:

• คำค้นแบบกว้างได้ค่า Precision ที่ 0.50
• คำค้นแบบเฉพาะเจาะจงได้ค่า Precision ที่ 0.59

นอกจากนี้ ยังมีการสอบถามความพึงพอใจจากผู้ใช้จริงจำนวน 16 คน โดยได้คะแนนเฉลี่ยในแต่ละด้านดังนี้:

• ด้านเนื้อหา: 4.02
• ด้านประสบการณ์การใช้งาน: 4.04
• ความประทับใจในการใช้งาน: 4.11

คะแนนเหล่านี้สะท้อนว่า AI ไม่ได้เป็นเพียงแค่ "เครื่องมือเทคโนโลยี" แต่เป็น "ผู้ช่วยอัจฉริยะ" ที่ช่วยให้การค้นหาหนังสือง่ายขึ้น มีความหมายมากขึ้น และเป็นมิตรกับผู้ใช้

ประโยชน์ที่คาดหวัง: ไม่ใช่แค่คำแนะนำ แต่คือการสร้างสัมพันธ์

หนึ่งในประโยชน์สำคัญที่ระบบนี้นำมา คือ “การมอบประสบการณ์ส่วนตัว” ในการใช้งานห้องสมุด ผู้ใช้จะรู้สึกว่าได้รับคำแนะนำที่ “เข้าใจตนเอง” มากขึ้น ซึ่งช่วยดึงดูดให้กลับมาใช้งานซ้ำ และสร้างความสัมพันธ์ระยะยาวระหว่างห้องสมุดกับผู้ใช้งาน

นอกจากนี้ยังสามารถใช้ข้อมูลที่ระบบรวบรวมได้เพื่อนำไปวิเคราะห์ความต้องการของผู้ใช้ เช่น หมวดหมู่ที่ได้รับความสนใจ หรือคำค้นหาที่บ่อยที่สุด เพื่อพัฒนาการจัดซื้อหนังสือให้สอดคล้องกับความต้องการของชุมชนในอนาคต

ข้อจำกัดและข้อเสนอแนะ

แม้ระบบจะมีความก้าวหน้า แต่ก็ยังมีข้อจำกัด เช่น:

• การแนะนำอาจเกิด “hallucination” ของ AI ทำให้ข้อมูลบางส่วนไม่ตรงความจริง
• ระบบไม่สามารถค้นหาหนังสือเฉพาะเจาะจงได้ดีหากผู้ใช้พิมพ์ชื่อหนังสืออย่างละเอียด
• Google Books API มีข้อจำกัดเรื่องโควต้า ทำให้การค้นหาจากภายนอกบางครั้งล่าช้า
• การจัดการ session ของผู้ใช้ยังต้องปรับปรุงเพื่อความต่อเนื่องของการใช้งาน

ข้อเสนอแนะที่ทีมผู้จัดทำระบุไว้คือการเพิ่มประสิทธิภาพ prompt, ลด hallucination และเชื่อมต่อระบบกับแหล่งข้อมูลเพิ่มเติม เช่น เครือข่ายห้องสมุดในประเทศหรือระบบจัดซื้อหนังสืออัตโนมัติ

สรุป: AI เปลี่ยนโลกห้องสมุดอย่างไร?

โครงการ Generative AI for Library’s Recommendation Services ไม่ได้เป็นเพียงการพัฒนาเทคโนโลยี แต่เป็น “ก้าวสำคัญ” ของการทำให้ห้องสมุดกลายเป็นสถานที่ที่ “เข้าใจผู้ใช้” อย่างแท้จริง

ด้วยการใช้ Generative AI ห้องสมุดสามารถให้บริการที่มีความหมายมากกว่าเดิม ไม่เพียงแค่แนะนำหนังสือ แต่ยังแนะนำเส้นทางของการเรียนรู้ และส่งเสริมความสัมพันธ์ระหว่างผู้อ่านกับทรัพยากรความรู้ได้อย่างลึกซึ้งยิ่งขึ้น