เอ็นพีซีที่ฉลาดโดยใช้ลามะบนเมตาเวิร์ส

บทคัดย่อ

งานวิจัยมีวัตถุประสงค์ 1) เพื่อพัฒนาโมเดลภาษาเฉพาะทาง โดยการปรับแต่ง (Fine-tune) โมเดล 2) เพื่อออกแบบระบบเกม NPC ในเมตาเวิร์ส และ 3) เพื่อวัดประสิทธิภาพโมเดล งานวิจัย พัฒนาตัวละคร 3D บนแพลตฟอร์มยูนิตี 2022.3.12f1 ในโลกเสมือนจริง โดยเชื่อมต่อกับโมเดลภาษา บนโอลลามะคลาวด์เพื่อรับ -ส่งข้อความสนทนากับผู้เล่น สร้างประสบการณ์การโต้ตอบที่สมจริงใน สภาพแวดล้อม Metaverse งานวิจัยพบว่า 1) การพัฒนาโมเดลภาษาเฉพาะทาง ปรับแต่งโมเดล ลามะเวอร์ชัน 3.1:8B ด้วยชุดข้อมูลที่ผู้ใช้สร้างขึ้น 5,930 แถว แบ่งเป็นชุดข้อมูลเรียนรู้และทดสอบ (80:20) ฝึกฝน 10 รอบจนค่า Loss ลดลงเหลือ 0.07210 และจัดเก็บโมเดลบนโอลลามะคลาวด์เพื่อ การประมวลผลที่มีประสิทธิภาพ 2) การออกแบบระบบเกม NPC ในเมตาเวิร์ส ถูกออกแบบด้วย สถาปัตยกรรมแบบครบวงจรที่ประกอบด้วย 3 ชั้นหลักทำงานประสานกันอย่างมีประสิทธิภาพ โดย ชั้นผู้ใช้งาน (Client Layer) ชั้นบริการเอไอ (AI Service Layer) และ ชั้นข้อมูล (Data Layer) 3) การ วัดประสิทธิภาพโมเดล ผลการทดสอบพบว่าโมเดลสร้างข้อความคล้ายมนุษย์ด้วย BLEU Score 0.4983, Perplexity 1.0987, ตอบคำถามซับซ้อนด้วย ROUGE-1 0.3072, ROUGE-2 0.1897, ROUGE-L 0.2298, และครอบคลุมเนื้อหาด้วย BERT Score (Precision 0.6295, Recall 0.7242, F1 0.6730) เมื่อนำไปใช้กับ NPC ใน Metaverse ได้ BERT Score ใกล้เคียง (Precision 0.6340, Recall 0.7266, F1 0.6766) แสดงถึงประสิทธิภาพที่สม่ำเสมอและการประยุกต์ใช้ได้ดี