Function calling (LLM) (TH)

From Systems analysis Wiki
Jump to navigation Jump to search

Function Calling (การเรียกใช้ฟังก์ชัน) — คือกลไกในโมเดลภาษาขนาดใหญ่ (LLM) ที่ช่วยให้โมเดลสามารถโต้ตอบกับเครื่องมือภายนอกและ API ได้ โดยการสร้างข้อมูลที่มีโครงสร้าง (โดยทั่วไปคือ JSON) เพื่อเรียกใช้ฟังก์ชันแทนที่จะตอบกลับเป็นข้อความโดยตรง[1]

กล่าวอีกนัยหนึ่ง โมเดลจะพิจารณาจากคำขอของผู้ใช้ว่าควรเรียกใช้ฟังก์ชันใดจากชุดที่กำหนดไว้และด้วยพารามิเตอร์ใด กลไกนี้ขยายขอบเขตการใช้งาน LLM โดยทำให้สามารถทำหน้าที่เป็นอินเทอร์เฟซระหว่างภาษาธรรมชาติและการกระทำจริง ซึ่งเปิดโอกาสให้บูรณาการ AI เข้ากับระบบภายนอก ได้แก่ โมเดลสามารถดึงข้อมูลที่ทันสมัย ดำเนินการต่าง ๆ หรือใช้บริการต่าง ๆ ซึ่งมีคุณค่าอย่างยิ่งในการสร้างผู้ช่วยอัจฉริยะและตัวแทนอัตโนมัติ การใช้เครื่องมือภายนอกยังช่วยลดความเสี่ยงของการเกิด hallucination (ข้อเท็จจริงที่แต่งขึ้น) ด้วยการอ้างอิงแหล่งข้อมูลที่น่าเชื่อถือ[2]

ประวัติและแนวทางการพัฒนา

แนวทางยุคแรก (prompting และ Toolformer)

แนวคิดในการสอนโมเดลภาษาให้เรียกใช้เครื่องมือเริ่มก่อตัวขึ้นในช่วงปี 2022–2023 แนวทางยุคแรกอาศัยเทคนิคการทำ prompt ที่ซับซ้อน โดยในปี 2022 ได้มีการเสนอรูปแบบ ReAct ซึ่งโมเดลจะสลับกันระหว่างการใช้เหตุผลและการกระทำ (การเรียกใช้เครื่องมือ) ในระหว่างการสนทนา โดยทั้งหมดถูกเข้ารหัสในข้อความเดียวกัน

ก้าวสำคัญคือการปรากฏตัวของโมเดล Toolformer ที่นักวิจัยจาก Meta นำเสนอในต้นปี 2023 Toolformer แสดงให้เห็นว่า LLM สามารถ fine-tuning เป็นพิเศษเพื่อให้เรียกใช้เครื่องมือภายนอก (เครื่องคิดเลข เครื่องมือค้นหา ปฏิทิน) ได้อย่างอิสระตามคำใบ้เป็นข้อความ โดยแทรก token พิเศษสำหรับการเรียก API ลงในข้อความที่สร้างขึ้น[3]

การรองรับอย่างเป็นทางการและการพัฒนาต่อเนื่อง

จุดเปลี่ยนสำคัญเกิดขึ้นเมื่อ OpenAI ได้เปิดตัวการรองรับ Function Calling อย่างเป็นทางการใน API สำหรับโมเดล GPT-3.5 และ GPT-4 ในเดือนมิถุนายน 2023[4] โมเดลเวอร์ชันใหม่ได้รับการ fine-tuning ให้จดจำสถานการณ์ที่คำขอของผู้ใช้ต้องการการเรียกใช้ฟังก์ชันภายนอก และสร้าง JSON object ที่มีโครงสร้างถูกต้องพร้อมอาร์กิวเมนต์ OpenAI เรียกความสามารถนี้ว่า "วิธีใหม่ในการเชื่อมต่อ GPT กับเครื่องมือภายนอกและ API อย่างน่าเชื่อถือ"

โครงการโอเพนซอร์ส

หลังจากการพัฒนาเชิงพาณิชย์ ก็ปรากฏโมเดลโอเพนซอร์สที่ผ่านการ fine-tuning เพื่อการสร้างการเรียกใช้ฟังก์ชันที่ถูกต้อง

  • Gorilla: โครงการจาก UC Berkeley ซึ่งเป็นเวอร์ชัน fine-tuning ของ LLaMA ที่สามารถสร้างการเรียกใช้ API หลายพันรายการ เพื่อการประเมินโมเดลเหล่านี้จึงได้สร้าง benchmark ชื่อ Berkeley Function-Calling Leaderboard[5]
  • ToolAlpaca, ToolLLaMA, Hermes: ชุดโมเดลโอเพนซอร์สที่ผ่านการ fine-tuning บนตัวอย่างการเรียกใช้ฟังก์ชันแบบสังเคราะห์ ซึ่งมักสร้างโดยโมเดลที่มีความสามารถสูงกว่า

กลไกการทำงาน

กระบวนการใช้งาน Function Calling โดยทั่วไปประกอบด้วยหลายขั้นตอน:

  1. การกำหนดฟังก์ชัน นักพัฒนากำหนดชุดฟังก์ชันที่โมเดลสามารถใช้งานได้ล่วงหน้า (เช่น API ภายนอก) และอธิบาย signature และวัตถุประสงค์ของฟังก์ชันเหล่านั้น โดยทั่วไปในรูปแบบ JSON Schema
  2. การวิเคราะห์คำขอ ระหว่างการสนทนา โมเดลจะวิเคราะห์เจตนาของผู้ใช้และตัดสินใจด้วยตัวเองว่าควรเรียกใช้ฟังก์ชันใดฟังก์ชันหนึ่งที่กำหนดไว้เพื่อตอบสนองหรือไม่
  3. การสร้างการเรียกใช้ หากต้องการการกระทำ LLM จะสร้างผลลัพธ์แบบมีโครงสร้างพิเศษ (เช่น JSON ที่มีชื่อฟังก์ชันและอาร์กิวเมนต์) แทนที่จะเป็นข้อความธรรมดา หากไม่จำเป็นต้องเรียกใช้ โมเดลจะส่งคืนคำตอบเป็นข้อความธรรมดา
  4. การประมวลผลฟังก์ชัน โปรแกรมภายนอก (shell ของ chatbot หรือ agent) จะรับ JSON ดำเนินการเรียกใช้ฟังก์ชันที่ระบุจริงด้วยพารามิเตอร์ที่เสนอ และส่งผลลัพธ์กลับไปยังโมเดล
  5. การสร้างคำตอบสุดท้าย โมเดลใช้ข้อมูลที่ได้รับเพื่อสร้างคำตอบสุดท้ายให้กับผู้ใช้[4]

สำหรับการจัดการกระบวนการหลายขั้นตอนนี้ในระหว่างการฝึกโมเดล จะใช้รูปแบบการสนทนาพิเศษ เช่น ChatML markup จาก OpenAI ซึ่งนอกจากบทบาท "ผู้ใช้" และ "ผู้ช่วย" แล้ว ยังมีการเพิ่มบทบาท "ฟังก์ชัน" สำหรับการส่งผลลัพธ์ของการเรียกใช้

การประยุกต์ใช้และข้อดี

ความสามารถในการเรียกใช้ฟังก์ชันขยายขอบเขตงานที่สามารถแก้ไขได้ด้วย LLM อย่างมีนัยสำคัญ

  • การบูรณาการกับ API ภายนอก โมเดลสามารถตอบสนองต่อคำขอที่ต้องการข้อมูลทันสมัยโดยการเรียกใช้บริการภายนอก (เช่น สำหรับการดึงข้อมูลสภาพอากาศ อัตราแลกเปลี่ยน ข่าวสาร)
  • การทำงานอัตโนมัติของผู้ใช้ LLM สามารถดำเนินงานประจำได้แก่ ส่งอีเมล สร้างกิจกรรมในปฏิทิน สั่งซื้อในร้านค้าออนไลน์
  • การเข้าถึงฐานข้อมูลและการวิเคราะห์ คำขอในภาษาธรรมชาติสามารถแปลงเป็นการเรียกใช้ API ภายในหรือ SQL query เพื่อดึงและวิเคราะห์ข้อมูล
  • การดึงข้อมูลที่มีโครงสร้าง LLM สามารถดึงข้อเท็จจริงจากข้อความยาว (เช่น ชื่อ วันที่ ที่อยู่) ด้วยตัวเองและส่งคืนในรูปแบบ JSON array ที่มีโครงสร้างซึ่งสะดวกสำหรับการประมวลผลด้วยโปรแกรมในภายหลัง

ปัญหาด้านความปลอดภัย

ขณะที่ขยายขีดความสามารถของโมเดล Function Calling ก็นำมาซึ่งความเสี่ยงใหม่ด้วยเช่นกัน

  • ผลลัพธ์ที่ไม่ได้รับการตรวจสอบ การโต้ตอบของโมเดลกับเครื่องมือภายนอกต้องได้รับการปกป้องอย่างรอบคอบ หากโมเดลได้รับค่าที่เป็นอันตรายหรือผิดพลาดจาก API ก็อาจรวมค่านั้นไว้ในคำตอบหรือเรียกใช้ฟังก์ชันอื่นโดยอิงจากค่านั้น ซึ่งนำไปสู่ผลลัพธ์ที่คาดเดาไม่ได้
  • การโจมตีผ่านอาร์กิวเมนต์ของฟังก์ชัน นักวิจัยค้นพบช่องโหว่เฉพาะในโหมด Function Calling ในปี 2025 มีการสาธิตการโจมตีที่เรียกว่า "The Dark Side of Function Calling" แก่นของการโจมตีคือการเสนอ "ฟังก์ชัน" พิเศษแก่โมเดล ซึ่งภายในอาร์กิวเมนต์จะซ่อนคำสั่งต้องห้าม (jailbreak payload) โมเดลเมื่อทำตามหลักการเรียกใช้ฟังก์ชันจะสร้างอาร์กิวเมนต์ที่มีเนื้อหาละเมิดกฎ และด้วยเหตุนี้จึงหลีกเลี่ยงตัวกรองการกลั่นกรองได้ การทดสอบแสดงให้เห็นว่าการโจมตีประสบความสำเร็จมากกว่า 90% ของกรณีในโมเดลสมัยใหม่หกรุ่น รวมถึง GPT-4 และ Claude[2]

เพื่อป้องกันเหตุการณ์ดังกล่าว แนะนำให้มอบเฉพาะเครื่องมือที่น่าเชื่อถือแก่โมเดล ใช้การยืนยันจากผู้ใช้ก่อนดำเนินการที่สำคัญ รวมถึงใช้ prompt เชิงป้องกันและการตรวจสอบอาร์กิวเมนต์อย่างเข้มงวดสำหรับเนื้อหาที่เป็นอันตราย

ลิงก์

  • ประกาศ Function Calling อย่างเป็นทางการจาก OpenAI
  • หน้าโครงการ Gorilla LLM
  • Apideck (2024). An Introduction to Function Calling and Tool Use. Apideck Blog.
  • LangChain (2025). Tool Calling (Documentation). LangChain Docs.
  • Mistral AI (2025). Function Calling – Documentation. Mistral Docs.
  • Hopsworks (2024). What is Function Calling with LLMs?. Hopsworks Dictionary.
  • Hopsworks (2024). Unlocking the Power of Function Calling with LLMs. Hopsworks Blog.
  • University of California, Berkeley (2025). Berkeley Function Calling Leaderboard V3. Online Resource.

เอกสารอ้างอิง

  • Wu, Z. et al. (2025). The Dark Side of Function Calling: Pathways to Jailbreaking Large Language Models. ACL 2025.
  • OpenAI (2023). Function Calling and Other API Updates. OpenAI Blog.
  • Schick, T. et al. (2023). Toolformer: Language Models Can Teach Themselves to Use Tools. arXiv:2302.04761.
  • Patil, S. G. et al. (2023). Gorilla: Large Language Model Connected with Massive APIs. arXiv:2305.15334.
  • Liu, W. et al. (2024). ToolACE: Winning the Points of LLM Function Calling. arXiv:2409.00920.
  • Yao, S. et al. (2022). ReAct: Synergizing Reasoning and Acting in Language Models. arXiv:2210.03629.

หมายเหตุ

  1. ↑ «What is Function Calling with LLMs?». Hopsworks. [1]
  2. ↑ 2.0 2.1 Wu, Z. et al. «The Dark Side of Function Calling: Pathways to Jailbreaking Large Language Models». Proceedings of the 2025 Conference on Empirical Methods in Natural Language Processing, 2025. [2]
  3. ↑ Schick, T. et al. «Toolformer: Language Models Can Teach Themselves to Use Tools». arXiv:2302.04761, 2023. [3]
  4. ↑ 4.0 4.1 «Function calling and other API updates». OpenAI, 2023. [4]
  5. ↑ «Gorilla: Large Language Model Connected to Massive APIs». University of California, Berkeley. [5]
Retrieved from "https://systems-analysis.info/int/index.php?title=Function_calling_(LLM)_(TH)&oldid=2338"