งานวิจัยชี้ AI ยังห่างไกลจากการพัฒนาตัวเองแบบอัตโนมัติ

บทความของ MIT Technology Review ตั้งคำถามต่อคำกล่าวอ้างที่ว่า AI จะเริ่ม “ปรับปรุงตัวเอง” ได้อย่างรวดเร็วโดยแทบไม่ต้องพึ่งมนุษย์ โดยเฉพาะแนวคิด recursive self-improvement ที่ถูกมองว่าอาจเร่งความก้าวหน้าของ AI แบบก้าวกระโดดในอนาคต อันเป็นสมมติฐานสำคัญของหลายบริษัทและนักวิจัยสายเอเจนต์ AI

แกนหลักของเรื่องคือผลการศึกษาจากนักวิจัยหลายสถาบัน นำโดยทีมจาก Princeton University ซึ่งพบว่าเอเจนต์ AI ในปัจจุบันยังทำงานวิจัย AI แบบเปิดกว้างได้ไม่ดีพอ แม้จะเก่งในงานเชิงวิศวกรรมที่มีคำตอบตรวจสอบได้ เช่น การรันทดลอง การเขียนโค้ด หรือการจัดการสภาพแวดล้อมทางคอมพิวเตอร์ แต่ยังขาดทักษะสำคัญที่จำเป็นต่อการค้นคว้าวิจัยจริง ได้แก่ การตัดสินใจเชิงวิชาการ ความคิดสร้างสรรค์ การเลือกสมมติฐานที่เหมาะสม และการรู้ว่าควรถอยกลับไปเริ่มใหม่เมื่อแนวทางเดิมไม่เวิร์ก

เพื่อทดสอบความสามารถดังกล่าว นักวิจัยเสนอวิธีประเมินรูปแบบใหม่ชื่อว่า “shadow evaluation” โดยให้ AI ตอบคำถามวิจัยจากบทความคุณภาพสูงที่ยังไม่เผยแพร่ จากนั้นให้ผู้เขียนต้นฉบับเป็นผู้ประเมินผลงานเหมือนกำลังรีวิวบทความส่งประชุมวิชาการ งานทดลองใช้ Claude Opus 4.8 ที่รันผ่านซอฟต์แวร์โอเพนซอร์ซ OpenClaw กับโจทย์จากงานที่ส่งไปยัง NeurIPS 2026 จำนวนสองเรื่อง ภายใต้ทรัพยากรจำกัดทั้งเวลา เครดิต API งบประมวลผล และการเข้าถึงเว็บสาธารณะ

ผลลัพธ์ค่อนข้างชัดเจน: เอเจนต์สามารถทำส่วนที่เป็นงานเครื่องจักรได้ดีพอสมควร เช่น ทบทวนวรรณกรรม ทดลองหลายร้อยครั้ง และรวบรวมผลลัพธ์ แต่ผลงานวิจัยที่ออกมากลับไม่ผ่านมาตรฐานของการตีพิมพ์ในงานประชุมระดับท็อป ผู้เขียนต้นฉบับปฏิเสธทั้งสองบทความ โดยมองว่ามีปัญหาทั้งด้านความชัดเจนในการเขียน ความแปลกประหลาดของการทดลอง และการขาดข้อเสนอใหม่ที่มีน้ำหนักทางวิชาการ

ทีมวิจัยระบุว่า ปัญหาหลักไม่ใช่แค่ความสามารถเชิงเทคนิค แต่คือการขาด “รสนิยม” และการตัดสินใจแบบนักวิจัย เอเจนต์มักรีบตัดสินจากข้อมูลน้อยเกินไป เลือกทางที่ไม่ค่อยมีอนาคตแล้วไม่ยอมกลับมาทบทวนอย่างจริงจัง แม้จะมีการปรับแนวทางเล็กน้อยได้บ้าง แต่ยังไม่สามารถเปลี่ยนกรอบคิดหรือเริ่มสำรวจแนวทางใหม่จากศูนย์ได้อย่างที่งานวิจัยที่ดีต้องการ นอกจากนี้ยังใช้ทรัพยากรไม่คุ้ม และไม่ค่อยทำตามคำสั่งเรื่องการจัดสรรเวลาและขอบเขตงาน

ข้อสังเกตอีกอย่างคือ การทดลองไม่พบพฤติกรรมแบบ reward hacking ในระดับที่น่ากังวล แม้จะมี subagent บางตัวที่ hallucinate หรือรายงานผลคลาดเคลื่อน แต่เอเจนต์ตัวหลักสามารถจับผิดได้ทัน ความล้มเหลวครั้งนี้จึงไม่ได้มาจากการโกงระบบ แต่เป็นเพราะความไม่พร้อมต่อโจทย์ที่ต้องใช้การคิดเชิงเปิดและการสร้างองค์ความรู้ใหม่

ผู้เขียนชี้ว่า สาเหตุสำคัญอาจเกี่ยวข้องกับวิธีฝึกโมเดลในปัจจุบัน ซึ่งมักใช้ reinforcement learning กับงานที่วัดผลได้ชัดเจนและตรวจสอบอัตโนมัติได้ง่าย ขณะที่งานวิจัยแบบเปิดกว้างมีความกำกวมสูงและออกแบบสภาพแวดล้อมฝึกให้ประเมินผลได้ยาก ทำให้ AI ยังเก่ง “งานที่ตรวจคำตอบได้” มากกว่า “งานที่ต้องใช้วิจารณญาณ”

แม้งานวิจัยนี้มีข้อจำกัด เช่น ทดสอบเพียงสองบทความ และผู้ประเมินรู้ว่ากำลังดูงานที่ AI สร้างขึ้น แต่ผลลัพธ์ก็ช่วยลดความมั่นใจต่อคำทำนายว่า AI จะยกระดับตัวเองได้ในเร็ววัน และสอดคล้องกับมุมมองภายในอุตสาหกรรมที่เริ่มเห็นว่า AI ปัจจุบันเป็นวิศวกรที่เก่งมาก แต่ยังขาดความคิดสร้างสรรค์เชิงลึกแบบนักวิจัย ข้อสรุปโดยนัยคือ ความก้าวหน้าอาจเกิดแบบไม่เท่ากัน: AI อาจพุ่งเร็วในงานที่วัดผลได้ชัด แต่ยังเดินช้ากว่าในโจทย์วิจัยที่ต้องอาศัยการสำรวจ สมมติฐาน และการตัดสินใจเชิงนามธรรม