งานวิจัยของ OpenAI ชิ้นหนึ่งชี้ให้เห็นภาพของ AI หลายตัวทำงานร่วมกัน (agent swarm) อย่างชัดเจน ทีมวิจัยใช้ AI หลายพันตัวช่วยวิเคราะห์ชุดข้อมูลขนาดใหญ่ของเซลล์สมองหนู ซึ่งปกติใช้เวลาหลายเดือนถึงหนึ่งปี
วิธีการและผลลัพธ์
ข้อมูลต้นทางมาจากการทดลองที่นักวิจัยรบกวนยีนหลายพันยีน แล้ววัดว่ากลุ่มเซลล์สมองตอบสนองอย่างไร ปัญหาคือข้อมูลมหาศาลนี้ใช้เวลาวิเคราะห์นานมาก ทีมจึงกระจายงานให้ agent ที่ขับเคลื่อนด้วย GPT หลายพันตัว ตัวละหนึ่งยีน แต่ละตัวค้นงานวิจัยที่มีอยู่เพื่ออธิบายผลที่พบ แล้วรวบรวมเป็นรายงานจำนวนมาก
- agent ทั้งชุดทำงานเสร็จใน 32 นาที
- เมื่อทดสอบกับ agent ตัวเดียวในภาระงานที่ใหญ่ที่สุด agent เดียวยกการอ้างอิงงานวิจัยเพียง 11 รายการ ขณะที่ทีม agent อ้างถึงกว่า 700 รายการ
- ผลการวิเคราะห์ชี้เบาะแสที่น่าสนใจเกี่ยวกับโรคอัลไซเมอร์และพาร์กินสัน รวมถึงความเชื่อมโยงที่เป็นไปได้ระหว่างการควบคุมคอเลสเตอรอลกับโรคสมอง
ทีมวิจัยย้ำว่าผลเหล่านี้ยังเป็นสมมติฐานที่ต้องพิสูจน์ด้วยการทดลองจริง โดยเผยแพร่รายงานฉบับเต็มบน bioRxiv
บทเรียนสำหรับองค์กรที่ไม่ได้ทำงานวิจัย
คุณค่าของข่าวนี้ไม่จำกัดอยู่ในห้องแล็บ รูปแบบ แยกงานเป็นชิ้นย่อย ให้ agent หลายตัวทำพร้อมกัน แล้วประกอบกลับเป็นผลลัพธ์ ใช้ได้กับงานองค์กรที่ต้องอ่านเอกสารจำนวนมาก เช่น การตรวจสัญญา การวิเคราะห์คู่แข่ง หรือการทบทวนนโยบายภายใน
ข้อสังเกตสำคัญคือคุณภาพของ “การอ้างอิง” ต่างกันมากระหว่าง agent ตัวเดียวกับทีม agent ซึ่งสะท้อนว่าองค์กรต้องกำหนดมาตรฐานการอ้างอิงและตรวจทานผลลัพธ์เสมอ ไม่ควรมองข้ามจุดนี้เมื่อนำไปใช้กับงานที่มีความเสี่ยง
สิ่งที่ต้องระวัง
- ผลลัพธ์จาก agent หลายตัวต้องมีจุดตรวจทานของมนุษย์ โดยเฉพาะเมื่อนำไปใช้ตัดสินใจ
- ต้องมีบันทึกแหล่งอ้างอิงและวิธีตรวจสอบย้อนกลับ
- ควรเริ่มจากงานที่มีความเสี่ยงต่ำและวัดผลได้ก่อนขยายขอบเขต
ที่มาและเครดิต: สรุปและเรียบเรียงจากรายการ AI NEWS ของช่อง AI Search (ตอน Cybersecurity chaos, AI for DNA, Kimi K3.1, Claude Duet, Dessa, Fibo 2, Minimax 3.1) — รับชมต้นฉบับบน YouTube · บทความนี้เรียบเรียงใหม่เป็นภาษาไทยเพื่อผู้อ่านองค์กรในประเทศไทย