AWS เปิดตัว SageMaker AI Training Sessions สำหรับปรับแต่งโมเดลโดยไม่ต้องดูแล GPU เอง
AWS ประกาศเปิดให้ใช้งานทั่วไปสำหรับ SageMaker AI training sessions ซึ่งช่วยให้บริษัทต่าง ๆ สามารถเขียนลูปการฝึกโมเดลภายหลังการเทรนแบบกำหนดเองได้ โดย AWS จะเป็นผู้ดูแลโครงสร้างพื้นฐาน GPU ให้
คำตอบโดยย่อ
AWS ประกาศอะไรเกี่ยวกับ SageMaker AI training sessions?
AWS ประกาศเปิดให้ใช้งานทั่วไปสำหรับ SageMaker AI training sessions ซึ่งเป็นส่วนหนึ่งของบริการปรับแต่งโมเดลแบบ serverless ของบริษัท ฟีเจอร์นี้ช่วยให้บริษัทต่าง ๆ สามารถเขียนลูปการฝึกภายหลังการเทรนของตนเองได้ รวมถึงฟังก์ชันคำนวณความสูญเสีย (loss function) และสัญญาณรางวัล (reward signal) แบบกำหนดเอง ขณะที่ SageMaker AI จะจัดการเรื่องการจัดสรร GPU การประมวลผลแบบกระจาย การกู้คืนจากข้อผิดพลาด และการจัดเก็บจุดตรวจ (checkpoint) ให้
ประเด็นสำคัญ
- AWS ประกาศเปิดให้ใช้งานทั่วไปสำหรับ training sessions ภายในบริการปรับแต่งโมเดลแบบ serverless ของ Amazon SageMaker AI เมื่อวันที่ 22 ตุลาคม 2026
- Training sessions ช่วยให้ผู้ใช้สามารถเขียนและประสานงานลูปการฝึกของตนเองได้ รวมถึงฟังก์ชันคำนวณความสูญเสียหรือสัญญาณรางวัลแบบกำหนดเอง ขณะที่ SageMaker AI จัดการเรื่องการจัดสรร GPU การประมวลผลแบบกระจาย การกู้คืนจากข้อผิดพลาด และการจัดเก็บจุดตรวจ
- AWS ระบุว่าฟีเจอร์นี้รองรับเทคนิคต่าง ๆ รวมถึง SFT, DPO, RLVR, RLAIF, การเรียนรู้แบบเสริมกำลังแบบหลายรอบการโต้ตอบ, LoRA และการปรับแต่งแบบเต็มรูปแบบ และสามารถเชื่อมต่อเทคนิคเหล่านี้เข้าด้วยกันผ่านการปรับแต่งต่อเนื่อง
- AWS เผยแพร่คู่มือ SageMaker AI training sessions ที่มีตัวอย่างและทักษะของเอเจนต์สำหรับการปรับแต่งโมเดล ซึ่งสามารถทำงานได้ภายใน SageMaker Studio, Kiro, Claude Code, Codex หรือ GitHub Copilot
- AWS ระบุว่าผู้ใช้จะชำระเงินตามจำนวนโทเคนที่ SageMaker AI ประมวลผล โดยมิเตอร์การเรียกเก็บเงินจะหยุดทำงานในขณะที่ฟังก์ชันรางวัลของผู้ใช้ให้คะแนนชุดข้อมูลภายในสภาพแวดล้อมของตนเอง และไม่มีการสำรองความสามารถในการประมวลผลไว้ล่วงหน้า
Amazon Web Services ประกาศเปิดให้ใช้งานทั่วไปสำหรับ training sessions ซึ่งเป็นความสามารถใหม่ภายในบริการปรับแต่งโมเดลแบบ serverless ของ Amazon SageMaker AI ตามที่ระบุไว้ในบล็อกโพสต์ของ AWS ฟีเจอร์นี้มุ่งเป้าไปที่บริษัทที่ต้องการปรับแต่งโมเดลพื้นฐานแบบเปิดน้ำหนัก (open-weight) ด้วยเทคนิคภายหลังการเทรน เช่น การเรียนรู้แบบเสริมกำลัง (reinforcement learning)
สิ่งที่ AWS ระบุว่าฟีเจอร์นี้ทำได้
AWS ระบุว่า training sessions ช่วยให้ผู้ใช้สามารถควบคุมตรรกะการฝึกภายหลังการเทรนได้โดยไม่ต้องดูแลโครงสร้างพื้นฐานเบื้องหลัง ตามที่บริษัทระบุ ผู้ใช้จะเป็นผู้เขียนและประสานงานลูปการฝึกด้วยตนเอง รวมถึงฟังก์ชันคำนวณความสูญเสียหรือสัญญาณรางวัลแบบกำหนดเอง ขณะที่ SageMaker AI จะจัดการเรื่องการจัดสรร GPU การประมวลผลแบบกระจาย การกู้คืนจากข้อผิดพลาด และการจัดเก็บจุดตรวจ
AWS ระบุว่าด้วยบริการปรับแต่งโมเดลแบบ serverless ของ SageMaker AI ผู้ใช้ไม่จำเป็นต้องเลือกประเภทอินสแตนซ์ จัดการคลัสเตอร์ หรือเขียนการตั้งค่าการฝึกแบบกระจายด้วยตนเอง บริษัทระบุว่าผู้ใช้สามารถใช้เทคนิคต่าง ๆ ได้ ไม่ว่าจะเป็นการปรับแต่งแบบมีผู้สอน (supervised fine-tuning หรือ SFT) การปรับความชอบโดยตรง (direct preference optimization หรือ DPO) การเรียนรู้แบบเสริมกำลังด้วยรางวัลที่ตรวจสอบได้ (RLVR) การเรียนรู้แบบเสริมกำลังจากผลตอบรับของ AI (RLAIF) หรือการเรียนรู้แบบเสริมกำลังแบบหลายรอบการโต้ตอบ (multi-turn reinforcement learning) AWS ระบุว่าผู้ใช้ยังสามารถเลือกได้ว่าจะปรับแต่งโมเดลมากน้อยเพียงใดโดยใช้ Low-Rank Adaptation (LoRA) หรือการปรับแต่งแบบเต็มรูปแบบ (full fine-tuning) และสามารถเชื่อมต่อเทคนิคต่าง ๆ เข้าด้วยกันผ่านสิ่งที่ AWS เรียกว่าการปรับแต่งต่อเนื่อง (continuous customization)
เพื่อช่วยให้ผู้ใช้เริ่มต้นได้ง่ายขึ้น AWS ระบุว่าได้เผยแพร่คู่มือ (cookbook) สำหรับ SageMaker AI training sessions ซึ่งประกอบด้วยตัวอย่าง กรณีการใช้งาน และทักษะของเอเจนต์สำหรับการปรับแต่งโมเดล ตามที่ AWS ระบุ ผู้ใช้สามารถอธิบายกรณีการใช้งานของตนให้กับเอเจนต์ ซึ่งจะจัดการเรื่องการเตรียมข้อมูล การเลือกเทคนิค การฝึก การประเมินผล และการนำไปใช้งานจริง โดยเอเจนต์นี้ทำงานได้ภายใน SageMaker Studio, Kiro, Claude Code, Codex หรือ GitHub Copilot
การเรียนรู้แบบเสริมกำลังแบบหลายรอบการโต้ตอบ
AWS ระบุว่าหนึ่งในจุดเน้นของการอัปเดตครั้งนี้คือการเรียนรู้แบบเสริมกำลังแบบหลายรอบการโต้ตอบ ซึ่งบริษัทระบุว่าจำเป็นสำหรับเอเจนต์ที่ทำงานต่าง ๆ เช่น การจองการเดินทาง การจัดลำดับความสำคัญของตั๋วสนับสนุน หรือการวิจัยแบบหลายขั้นตอน เนื่องจากงานเหล่านี้ต้องผ่านการโต้ตอบหลายรอบก่อนที่จะสามารถประเมินผลลัพธ์ได้ AWS ระบุว่า SageMaker AI เคยมีการเรียนรู้แบบเสริมกำลังแบบหลายรอบการโต้ตอบในรูปแบบเทคนิคที่มีการจัดการและเป็น serverless อยู่แล้ว แต่ training sessions ถูกสร้างขึ้นเพื่อตอบสนองลูกค้าที่ต้องการกำหนดฟังก์ชันคำนวณความสูญเสีย สัญญาณรางวัล หรือขั้นตอนการเรียนรู้แบบเสริมกำลังของตนเองภายในลูปเดียว
ตามที่ AWS ระบุ ในกระบวนการเรียนรู้แบบเสริมกำลังโดยทั่วไป ลูปการฝึกของผู้ใช้จะขอให้ตัวสุ่มตัวอย่าง (sampler) สร้างคำตอบหลายชุดสำหรับคำสั่งโดยใช้โมเดลปัจจุบัน จากนั้นฟังก์ชันรางวัลของผู้ใช้จะให้คะแนนแต่ละคำตอบโดยใช้ตัวตรวจสอบ โมเดลให้รางวัล หรือชุดทดสอบ จากนั้นลูปจะส่งคะแนนไปยังตัวฝึก (trainer) ซึ่งจะคำนวณความชันและปรับปรุงน้ำหนักของโมเดล และตัวสุ่มตัวอย่างจะได้รับการอัปเดตด้วยน้ำหนักใหม่ก่อนที่ชุดข้อมูลถัดไปจะเริ่มต้น
AWS ระบุว่าการเรียกเก็บเงินจะคำนวณตามจำนวนโทเคนที่ SageMaker AI ประมวลผล โดยมิเตอร์การเรียกเก็บเงินจะหยุดทำงานในขณะที่ฟังก์ชันรางวัลของผู้ใช้ให้คะแนนชุดข้อมูลภายในสภาพแวดล้อมของผู้ใช้เอง และไม่มีการสำรองความสามารถในการประมวลผลไว้ล่วงหน้า
ความเห็นจากลูกค้าที่ AWS อ้างอิง
AWS ได้นำเสนอคำกล่าวของ Rob Gontarek รองประธานอาวุโสฝ่ายวิทยาศาสตร์ข้อมูลของ ImagineSoftware ซึ่งกล่าวว่าบริษัทได้ใช้ training sessions แบบ serverless เพื่อสร้างโมเดลจัดลำดับความสำคัญสำหรับการปฏิเสธการเคลมประกันสุขภาพ และระบุว่าอินเทอร์เฟซ API ระดับล่างของแพลตฟอร์มนี้ช่วยให้นักวิทยาศาสตร์ของบริษัทมีการควบคุมในระดับที่ละเอียดมากพอที่จะนำการเรียนรู้แบบเสริมกำลังไปใช้กับกรณีการใช้งานที่ความแม่นยำเป็นสิ่งสำคัญยิ่ง
AWS ยังอ้างอิงคำกล่าวของ Nitin Wagh ประธานเจ้าหน้าที่บริหารของ Karini AI ซึ่งกล่าวว่าบริษัทได้ปรับแต่งโมเดล gpt-oss-20b สำหรับการเรียกใช้เครื่องมือแบบเอเจนต์และหลายรอบการโต้ตอบ โดยเชื่อมกับกราฟความรู้ Amazon Neptune ของบริษัทผ่านบริการนี้ และระบุว่าการตั้งค่าดังกล่าวไม่ต้องปรับแต่งด้วยมือหรือแก้ไขปัญหาหน่วยความจำไม่พอ พร้อมฟังก์ชันบันทึกและกลับมาทำงานต่อจากจุดตรวจที่น่าเชื่อถือ
ที่มา: AWS Machine Learning Blog เรื่อง "Announcing new ways to customize models with SageMaker AI, without managing GPUs" เผยแพร่เมื่อวันที่ 22 ตุลาคม 2026
คำถามที่พบบ่อย
- AWS SageMaker AI training sessions คืออะไร?
- เป็นฟีเจอร์ที่เปิดให้ใช้งานทั่วไปภายในบริการปรับแต่งโมเดลแบบ serverless ของ Amazon SageMaker AI ซึ่งช่วยให้ผู้ใช้สามารถเขียนลูปการฝึกภายหลังการเทรนของตนเองได้ รวมถึงฟังก์ชันคำนวณความสูญเสียและสัญญาณรางวัลแบบกำหนดเอง ขณะที่ AWS จัดการโครงสร้างพื้นฐาน GPU เบื้องหลังให้
- AWS ระบุว่า training sessions รองรับเทคนิคภายหลังการเทรนแบบใดบ้าง?
- AWS ระบุว่ารองรับ SFT, DPO, RLVR, RLAIF และการเรียนรู้แบบเสริมกำลังแบบหลายรอบการโต้ตอบ ควบคู่ไปกับ LoRA หรือการปรับแต่งแบบเต็มรูปแบบ และสามารถเชื่อมต่อเทคนิคเหล่านี้เข้าด้วยกันผ่านการปรับแต่งต่อเนื่อง
- ตาม AWS ระบุ การเรียกเก็บเงินสำหรับ SageMaker AI training sessions ทำงานอย่างไร?
- AWS ระบุว่าลูกค้าจะชำระเงินตามจำนวนโทเคนที่ SageMaker AI ประมวลผล โดยมิเตอร์การเรียกเก็บเงินจะหยุดทำงานในขณะที่ฟังก์ชันรางวัลของลูกค้าให้คะแนนชุดข้อมูลภายในสภาพแวดล้อมของตนเอง และไม่มีการสำรองความสามารถในการประมวลผลไว้ล่วงหน้า
- ตาม AWS ระบุ เอเจนต์สำหรับการปรับแต่งโมเดลสามารถทำงานได้ที่ใดบ้าง?
- AWS ระบุว่าเอเจนต์ที่จัดการเรื่องการเตรียมข้อมูล การเลือกเทคนิค การฝึก การประเมินผล และการนำไปใช้งานจริง สามารถทำงานได้ใน SageMaker Studio, Kiro, Claude Code, Codex หรือ GitHub Copilot
แหล่งข้อมูล
- Announcing new ways to customize models with SageMaker AI, without managing GPUs | Artificial Intelligence — Amazon Web Services (AWS)