Faraday ของ Inherent อ้างทำซ้ำผลวิจัยชนะ Claude Opus 4.8 และ GPT-5.5

Inherent ห้องปฏิบัติการ AI ในลอนดอนซึ่งก่อตั้งโดยอดีตบุคลากรของ Google DeepMind ระบุว่า Faraday เอเจนต์ AI ขนาด 27 พันล้านพารามิเตอร์ สามารถทำซ้ำผลลัพธ์จากบทความวิทยาศาสตร์ที่เผยแพร่แล้วได้ โดยไม่ได้รับคำตอบล่วงหน้า บริษัทอ้างด้วยว่า Faraday ทำคะแนนเหนือกว่า Claude Opus 4.8 ของ Anthropic และ GPT-5.5 ของ OpenAI ในภารกิจทำซ้ำงานวิจัยดังกล่าว 259

หากผลนี้ได้รับการยืนยันจากการทดสอบที่กว้างขึ้นและโดยหน่วยงานอิสระ ก็ถือเป็นสัญญาณที่น่าสนใจ อย่างไรก็ตาม ความหมายของผลลัพธ์ยังแคบกว่าพาดหัวข่าว เพราะ Faraday ถูกทดสอบกับการทำซ้ำสิ่งที่มีการค้นพบและเผยแพร่ไว้แล้ว ไม่ใช่การค้นพบความรู้ทางวิทยาศาสตร์ใหม่ด้วยตัวเอง

Faraday ถูกทดสอบอย่างไร

Inherent พัฒนา Replica ซึ่งเป็นเบนช์มาร์กจากบทความด้านแมชชีนเลิร์นนิงและ AI เพื่อวิทยาศาสตร์ 100 ฉบับ แล้วแปลงเนื้อหาเป็นภารกิจทำซ้ำ 310 รายการ แต่ละภารกิจให้เอเจนต์สร้างกราฟหรือรูปหนึ่งจากบทความขึ้นมาใหม่ ภายใต้ข้อจำกัดด้านเวลาและทรัพยากรคอมพิวเตอร์ โดยไม่เห็นกราฟต้นฉบับ 34

โจทย์นี้จึงยากกว่าการให้โมเดลสรุปบทความหรือคัดลอกกราฟที่ตีพิมพ์แล้ว เอเจนต์ต้องทำความเข้าใจงานวิจัย เขียนและรันการทดลอง ตัดสินใจว่าจะใช้ทรัพยากรที่มีอย่างไร และสร้างผลลัพธ์ที่ใกล้เคียงกับข้อค้นพบเดิมมากพอที่จะนับว่าเป็นการทำซ้ำได้

บริษัทระบุว่า Faraday ทำผลงานเหนือ Claude Opus 4.8 และ GPT-5.5 บนเบนช์มาร์กนี้ แม้ตัวโมเดลจะมีขนาดเพียง 27 พันล้านพารามิเตอร์ 158 คำกล่าวนี้ควรตีความว่าเป็นผลเฉพาะของเบนช์มาร์กและภารกิจนี้ ไม่ใช่การจัดอันดับความสามารถของระบบทั้งหมดในงานวิทยาศาสตร์หรือการเขียนโค้ดทุกประเภท

“รสนิยมด้านการวิจัย” สำคัญกว่าการได้คำตอบสุดท้าย

Inherent มองว่างานวิทยาศาสตร์ที่ดีไม่ได้วัดกันแค่ผลลัพธ์สุดท้าย นักวิจัยต้องรู้ว่า การทดลองใดควรทำ ออกแบบการทดลองอย่างมีเหตุผล ตีความผลลัพธ์ที่คลุมเครือ และเปลี่ยนแนวทางเมื่อวิธีเดิมไม่สำเร็จ บริษัทเรียกชุดทักษะการตัดสินใจนี้ว่า “research taste” หรือ “รสนิยมด้านการวิจัย” 47

แนวคิดนี้มีความสำคัญ เพราะโมเดลอาจสร้างผลลัพธ์ที่ดูน่าเชื่อถือได้โดยไม่ได้ผ่านกระบวนการทางวิทยาศาสตร์ที่ไว้วางใจได้ Inherent ระบุว่า Faraday ได้รับการฝึกให้พัฒนาพฤติกรรมการทำงานแบบนักวิจัยที่ต้องใช้เวลาหลายขั้นตอน ตั้งแต่ตั้งสมมติฐาน ทดลอง เรียนรู้จากความล้มเหลว ไปจนถึงเลือกขั้นตอนถัดไปที่มีแนวโน้มให้ผลคืบหน้า 4

บริษัทใช้การเรียนรู้แบบเสริมแรงระยะยาว หรือ long-horizon reinforcement learning เพื่อฝึกการตัดสินใจลักษณะนี้ แทนการมุ่งปรับผลลัพธ์ให้ดูคล้ายกราฟต้นฉบับเพียงอย่างเดียว 4

Inherent มองว่าการทำซ้ำงานวิจัยเป็นสนามฝึกที่เหมาะสม เพราะการทำให้ผลลัพธ์ที่ตีพิมพ์แล้วกลับมาเกิดขึ้นอีกครั้ง มักต้องค้นหากระบวนการลองผิดลองถูกที่บทความอาจไม่ได้บันทึกไว้อย่างละเอียด บริษัทเชื่อว่าทักษะการนำทางกระบวนการนี้อาจเป็นพื้นฐานให้เอเจนต์ก้าวจากการตรวจสอบข้อค้นพบเดิม ไปสู่งานวิจัยที่เปิดกว้างและซับซ้อนขึ้น 49

Faraday ใช้ GPT-5.5 Codex เป็นเครื่องมือ

Faraday ไม่ได้ถูกวางตำแหน่งให้เป็นตัวแทนแบบครบวงจรของเอเจนต์เขียนโค้ดที่ทรงพลัง แต่ทำหน้าที่เป็นชั้นกำกับดูแลด้านวิทยาศาสตร์ ซึ่งสั่งการ GPT-5.5 Codex ของ OpenAI ระหว่างทำภารกิจจำลองงานวิจัย 39

Inherent เปรียบเทียบโครงสร้างนี้กับนักวิทยาศาสตร์ที่ใช้ผู้ช่วยเขียนโค้ด: Faraday รับผิดชอบการวางแผนและดุลยพินิจทางวิทยาศาสตร์ ขณะที่ Codex ช่วยจัดการงานลงมือทำและการเขียนโค้ดส่วนใหญ่

สถาปัตยกรรมดังกล่าวทำให้คำถามไม่ได้อยู่ที่ขนาดโมเดลเพียงอย่างเดียว โมเดลที่เล็กกว่าสามารถสร้างคุณค่าได้จากการตัดสินใจว่าเครื่องมือที่ใหญ่กว่าควรทำอะไร เมื่อใดควรเปลี่ยนกลยุทธ์ และจะประเมินผลการทดลองอย่างไร ดังนั้น ข้อได้เปรียบที่ Inherent รายงานจึงเป็นส่วนหนึ่งของข้อได้เปรียบด้านการประสานงานระหว่างการวางแผนทางวิทยาศาสตร์กับความสามารถด้านการเขียนโค้ดระดับแนวหน้า ไม่ใช่หลักฐานว่าโมเดล 27 พันล้านพารามิเตอร์มีความสามารถเหนือกว่าระบบขนาดใหญ่กว่าในทุกด้าน

เป้าหมายคือ “เพื่อนร่วมทีมวิทยาศาสตร์” ไม่ใช่นักวิทยาศาสตร์อัตโนมัติ

Inherent ระบุว่าบริษัทต้องการสร้างเอเจนต์ AI ที่ทำงานร่วมกับนักวิจัยในฐานะเพื่อนร่วมทีม ระบบในอุดมคติจะช่วยวางแผน ดำเนินการ วิจารณ์ และปรับปรุงการทดลองเป็นรอบ ๆ โดยมนุษย์ยังคงเป็นผู้กำหนดทิศทางและกำกับดูแล 45

Faraday จึงควรถูกมองว่าเป็นระยะแรกของแนวคิดนี้ เป็นโมเดลที่เพิ่มสัญชาตญาณทางวิทยาศาสตร์และการจัดการงานวิจัยเข้าไปบนเครื่องมือเขียนโค้ดทั่วไป มากกว่าจะเป็นนักวิทยาศาสตร์อัตโนมัติที่ทำงานได้โดยไม่ต้องพึ่งมนุษย์ 34

เส้นแบ่งนี้สำคัญ การทำซ้ำผลลัพธ์ที่ทราบอยู่แล้วเป็นการทดสอบความน่าเชื่อถือทางวิทยาศาสตร์ที่มีคุณค่า แต่เพียงอย่างเดียวไม่เพียงพอที่จะยืนยันว่าเอเจนต์สามารถตั้งคำถามใหม่ที่มีความสำคัญ สร้างสมมติฐานที่แปลกใหม่อย่างแท้จริง หรือยืนยันการค้นพบในโลกจริงได้

ผลลัพธ์นี้สะท้อนกลยุทธ์ของ Inherent อย่างไร

Inherent เปิดตัวหลังดำเนินงานแบบไม่เปิดเผยรายละเอียด และมีรายงานว่าได้รับเงินทุนระยะเริ่มต้น 50 ล้านดอลลาร์ บริษัทนำเสนอตัวเองในฐานะห้องปฏิบัติการวิจัยในลอนดอนที่ก่อตั้งโดยอดีตบุคลากร Google DeepMind 25

แนวทางของบริษัทคือมุ่งพัฒนาส่วนที่โมเดลทั่วไปอาจไม่ได้เรียนรู้โดยอัตโนมัติ ได้แก่ ดุลยพินิจในการออกแบบการทดลอง การตัดสินใจระยะยาว การประเมินผล และการประสานงานระหว่างมนุษย์กับเครื่องมือซอฟต์แวร์

การเลือกใช้ระบบเขียนโค้ดภายนอกก็สอดคล้องกับกลยุทธ์นี้ Inherent ไม่ได้พยายามรวมความสามารถทุกอย่างไว้ในโมเดลเดียว แต่กำลังพัฒนาชั้นเฉพาะทางที่ช่วยให้เครื่องมือระดับแนวหน้าที่มีอยู่ทำงานวิจัยได้มีประสิทธิภาพขึ้น 39

บทสรุปในเวลานี้จึงควรเป็นการมองอย่างระมัดระวังแต่ไม่มองข้ามความสำคัญ: Inherent อ้างว่าโมเดลกำกับดูแลที่ผ่านการฝึกด้วย reinforcement learning และมีขนาดค่อนข้างเล็ก สามารถทำผลงานเหนือระบบ AI ระดับแนวหน้าที่ใหญ่กว่าในเบนช์มาร์กการทำซ้ำงานวิจัยที่กำหนดไว้อย่างชัดเจนได้ คำถามที่ใหญ่กว่านั้น—แนวทางนี้จะนำไปสู่ผลงานวิทยาศาสตร์ใหม่ที่เชื่อถือได้หรือไม่—ยังคงต้องรอคำตอบจากการทดสอบเพิ่มเติม