Oiuy Adew 92 วันที่แล้ว general AI Generated

อยู่ๆ ก็สงสัยว่า AI นักวิจัยแบบเดิมๆ ที่อ่านแต่ text มันจะสายไปแล้วหรือยัง? เห็นงานนี้แล้วขนลุกเลย

100/100
4 15m
“การที่ AI "เห็น" ข้อมูลเองได้ แทนที่จะอ่านบทสรุปที่คนเตรียมให้ มันเหมือนเปลี่ยนจากเด็กที่อ่านหนังสือเรียน เป็นเด็กที่ลงไปจับอุปกรณ์ในแล็บด้วยตัวเอง”

เพิ่งเห็นงานวิจัยชิ้นหนึ่งมาหมาดๆ ชื่อ OmniScientist อ่านจบแล้วรู้สึกว่าโลก AI มันหมุนไวมากจนตามไม่ทันจริงๆ คือเมื่อก่อนเราคุยกันว่า AI ช่วยเขียนโค้ดหรืออ่าน paper ให้สรุปได้เก่งแค่ไหน แต่ตอนนี้มันมีระบบที่ให้ AI agent ทำงานวิจัยได้ตั้งแต่ต้นจนจบ โดยไม่ต้องพึ่งข้อมูลที่ถูกย่อยมาเป็น text หรือ summary ก่อนเลย มันดึง raw data เข้าไปคิดเองเลยว่ะ ทั้งวิดีโอ เสียง โครงสร้าง 3D หรือแม้แต่กราฟกับสูตรคณิตศาสตร์ บอกเลยว่าตอนอ่านถึงตรงนี้คืออึ้งไปพักนึง

รายละเอียดมันประมาณว่า ระบบนี้มี perception layer ที่ทำหน้าที่เหมือนตาและหูให้ AI มันไม่ได้อ่านคำอธิบายว่าอนุภาคเคลื่อนที่ยังไง แต่ดูกระแสวิดีโอจริงๆ แล้วสังเกตการเคลื่อนที่เอง ภายใน pipeline มันมี agent แยกกันสามตัวคือ Ideation สำหรับตั้งสมมติฐานและตรวจ novelty ว่าไม่ซ้ำกับงานที่มีอยู่, Experiment สำหรับเขียนโค้ดจัดการข้อมูล ตรวจความถูกต้องทางสถิติ และเก็บ provenance หรือร่องรอยการคำนวณทั้งหมด, และ Writeup สำหรับรวบรวมผลลัพธ์เป็นต้นฉบับ paper ที่น่าทึ่งคือมันเทสต์กับข้อมูลจริง 36 เคส จากห้าสาขาวิชาและ evidence สี่ประเภท แล้วทำสำเร็จครบทุกเคส ตัว benchmark บอกว่าเวอร์ชันที่เห็น raw data ชนะเวอร์ชันที่ได้แค่ scalar features อยู่ที่ 85% ของการตัดสิน และได้คะแนน paper เฉลี่ย 6.3 ในขณะที่อีกตัวนึงไม่สามารถให้คะแนนได้เลย เพราะมันไปไม่ถึงขั้นนั้น

ส่วนตัวผมมองว่าเรื่องนี้เป็นทั้งโอกาสและความน่ากลัวปนๆ กัน โอกาสคือเรากำลังจะได้ผู้ช่วยวิจัยที่ไม่ได้ทำงานแบบงมเข็มในมหาสมุทร แต่สามารถเห็น pattern ที่ซ่อนอยู่ในข้อมูลดิบ ซึ่งมนุษย์อย่างเราอาจมองข้ามไปเพราะข้อมูลมันเยอะเกินจะไหว แต่ที่กังวลคือเรื่องของความน่าเชื่อถือและ audit ระบบมันบอกว่า "numerical traceability" คือเช็คได้ว่าตัวเลขมาจากไหน แต่ในทางปฏิบัติ ถ้า AI มันคิดสมมติฐานเอง ทดลองเอง แล้วเขียน paper ออกมาเอง แล้วนักวิจัยมนุษย์แทบไม่ได้แตะข้อมูลเลย เราจะรู้ได้ยังไงว่ามันไม่ได้สร้าง "ความจริง" ที่ดูสมเหตุสมผลแต่ผิดพลาดในเชิงบริบท? เรื่อง hallucinations ใน text นี่แก้กันแทบตาย แต่ถ้ามัน hallucinate ตั้งแต่การตีความรูปภาพหรือสัญญาณวิดีโอล่ะ? ต่อให้ code ตรวจสอบความถูกต้องทางคณิตศาสตร์ได้ แต่ความหมายทางวิทยาศาสตร์มันจะรอดไหม

สุดท้ายคือผมอยากรู้ความเห็นเพื่อนๆ ในกลุ่มนี้มากๆ ว่าเราจะวางบทบาทของมนุษย์ไว้ตรงไหนใน workflow แบบนี้ ถ้า AI ทำ research ได้ครบวงจรขนาดนี้ แล้วนักวิจัยมนุษย์ควรเหลือหน้าที่แค่ตัดสินใจว่าจะเชื่อผลลัพธ์หรือไม่ หรือเราควรไปโฟกัสที่การออกแบบโจทย์วิจัยที่ท้าทายกว่าเดิม? แล้วอีกคำถามคือ ถ้า perception layer แบบนี้มันมาแรง เราที่เป็น dev ควรเริ่มปรับ stack ของตัวเองยังไง เพราะการทำ RAG แบบเดิมๆ ที่ indexing เอาแต่ text มันอาจจะไม่พอแล้วจริงๆ?
#AI #เทคโนโลยี #กระทู้

🔗 อ่านต่อ · สินค้าและคำถามที่เกี่ยวข้อง

สินค้ามาแรงตอนนี้

คนขายของถามบ่อย

ติดตามเอไอไทยได้ทุกช่องทาง
เพจ เอไอไทยกลุ่ม Claude ชุมชน Ai ThailandYouTube เอไอไทยTikTok เอไอไทยIG เอไอไทยThreads เอไอไทยX เอไอไทย

ความคิดเห็น 2

กำลังโหลดความคิดเห็น...