Faraday ของ Inherent อ้างชนะ GPT-5.5 และ Claude Opus 4.8 ในงานทำซ้ำผลวิจัย

Inherent ห้องปฏิบัติการปัญญาประดิษฐ์ในลอนดอนที่ก่อตั้งโดยอดีตนักวิจัย Google DeepMind อ้างว่า Faraday เอเจนต์วิจัยที่เพิ่งเปิดตัว ทำผลงานเหนือ Claude Opus 4.8 ของ Anthropic และ GPT-5.5 ของ OpenAI ในภารกิจเฉพาะทาง นั่นคือการทำซ้ำผลการศึกษาจากบทความวิทยาศาสตร์อย่างอิสระ โดยระบบไม่ได้รับคำตอบล่วงหน้า 25

สิ่งที่ทำให้ผลลัพธ์นี้น่าสนใจคือ Faraday ทำงานบน Qwen 3.6 ซึ่งมีพารามิเตอร์ 27,000 ล้านตัว หรือ 27B เท่านั้น ขณะที่โมเดลคู่เทียบเป็นระบบขนาดใหญ่ระดับแนวหน้าของอุตสาหกรรม 15

อย่างไรก็ตาม ต้องอ่านคำกล่าวนี้ให้ตรงขอบเขต: นี่คือผลที่ Inherent รายงานจากการประเมินงานทำซ้ำบทความวิทยาศาสตร์ ไม่ใช่ข้อพิสูจน์โดยอิสระว่า Faraday เป็นโมเดลที่มีความสามารถโดยรวมเหนือกว่า Claude หรือ GPT-5.5

Faraday ชนะในภารกิจแบบไหน

การเปรียบเทียบมุ่งไปที่ “การทำซ้ำงานวิจัย” ซึ่งแตกต่างจากการสรุปบทความหรือทายคำตอบที่มีผู้กำหนดไว้แล้ว เอเจนต์ต้องอ่านงานวิจัย ตั้งสมมติฐานเกี่ยวกับวิธีการเดิม เลือกการทดลอง ลงมือทดสอบ รับมือกับความล้มเหลว และพยายามสร้างผลลัพธ์ให้ใกล้เคียงกับงานตีพิมพ์ให้ได้ Inherent ระบุว่า Faraday ทำได้ดีกว่า Claude Opus 4.8 และ GPT-5.5 ในสถานการณ์ดังกล่าว 5

รายงานทางเทคนิคที่อธิบายการประเมินระบุว่า Replica เป็นเบนช์มาร์ก 310 งาน ซึ่งเน้นการทำซ้ำกราฟหรือภาพแสดงผลทางวิทยาศาสตร์ 8 จุดนี้สำคัญ เพราะความสำเร็จในกระบวนการวิจัยที่กำหนดกรอบชัดเจน ยังไม่ได้บอกว่า Faraday จะทำได้ดีเท่ากันในงานให้เหตุผลทั่วไป การเขียนโค้ด การเขียนเนื้อหา หรือการค้นพบทางวิทยาศาสตร์ทุกประเภท

ทำไมโมเดล 27B จึงน่าสนใจ

Faraday ทำงานบน Qwen 3.6 ขนาด 27B ซึ่งเล็กกว่าระบบที่ใช้เปรียบเทียบอย่างมาก Inherent จึงนำเสนอผลนี้ในฐานะตัวอย่างว่า ขนาดโมเดลอาจไม่ใช่ปัจจัยเดียวที่กำหนดความสามารถของเอเจนต์วิจัย 15

แต่บทเรียนไม่ได้หมายความว่า Qwen 3.6 เพียงลำพังได้เข้ามาแทนที่โมเดลอเนกประสงค์ชั้นนำแล้ว ผลลัพธ์ของ Faraday มาจากระบบทั้งชุด ซึ่งรวมถึงโมเดลพื้นฐาน การฝึกเพิ่มเติม กระบวนการทำวิจัย การใช้เครื่องมือ และการแบ่งหน้าที่ระหว่างการวางแผนกับการลงมือปฏิบัติ

พูดง่าย ๆ คือ โมเดลพื้นฐานที่เล็กกว่าอาจแข่งขันได้ในงานเฉพาะทาง หากระบบโดยรอบได้รับการออกแบบและปรับแต่งมาเพื่อภารกิจนั้นโดยตรง

ฝึก “รสนิยมในการวิจัย” มากกว่าล่าคะแนนเบนช์มาร์ก

Inherent ใช้คำว่า “research taste” หรือ “รสนิยมในการวิจัย” เพื่ออธิบายทักษะที่ต้องการจาก Faraday ซึ่งหมายถึงการรู้ว่าการทดลองใดคุ้มค่าที่จะทำ ควรออกแบบการทดลองอย่างไร เมื่อใดผลลัพธ์ยังสรุปไม่ได้ และเมื่อใดควรเปลี่ยนแนวทาง 4

บริษัทระบุว่าใช้ reinforcement learning หรือการเรียนรู้แบบเสริมแรงเพื่อพัฒนาพฤติกรรมดังกล่าว แทนที่จะกำหนดคำสั่งตายตัวให้เอเจนต์ทำตามทุกขั้นตอน ระบบจะให้ความสำคัญกับคุณภาพของกระบวนการและผลลัพธ์การวิจัยในท้ายที่สุด แนวทางนี้ต่างจากการปรับโมเดลเพื่อทำข้อสอบระยะสั้น ซึ่งมีคำตอบที่ถูกกำหนดไว้อยู่แล้ว

Faraday ยังไม่จำเป็นต้องลงมือทำทุกขั้นตอนด้วยตัวเอง เอเจนต์สามารถเรียกใช้เครื่องมืออย่าง coding agent รวมถึง GPT-5.5 Codex ของ OpenAI ได้ ในการแบ่งงานลักษณะนี้ Faradayทำหน้าที่คล้ายผู้อำนวยการวิจัย คอยกำหนดแผนและใช้วิจารณญาณทางวิทยาศาสตร์ ขณะที่ระบบเขียนโค้ดเฉพาะทางช่วยเปลี่ยนแผนให้เป็นการทดลองที่รันได้จริง 6

ดังนั้น ข้อได้เปรียบที่ Inherent รายงานจึงเป็นข้อได้เปรียบของเวิร์กโฟลว์เอเจนต์ทั้งระบบ ไม่ใช่หลักฐานว่าโมเดล Qwen 3.6 ขนาด 27B เพียงอย่างเดียวเหนือกว่า GPT-5.5 หรือ Claude Opus 4.8

เหตุใดการทำซ้ำบทความจึงเป็นจุดเริ่มต้นของ AI scientist

การทำซ้ำงานวิจัยเปิดโอกาสให้เอเจนต์ AI ฝึกกระบวนการทางวิทยาศาสตร์อย่างเป็นรูปธรรม ระบบต้องตีความบทความ ตั้งสมมติฐานเกี่ยวกับวิธีการเดิม เลือกการทดลอง จัดการกับความพยายามที่ล้มเหลว และเปรียบเทียบผลลัพธ์ของตัวเองกับผลที่ตีพิมพ์ไว้

Inherent มองว่าบทความที่เสร็จสมบูรณ์มักแสดงเฉพาะผลลัพธ์และวิธีการหลัก ขณะที่การลองผิดลองถูก แนวทางที่ถูกยกเลิก และการตัดสินใจหน้างานจำนวนมากไม่ได้ปรากฏอยู่ในเอกสาร การสร้างกระบวนการที่ซ่อนอยู่เหล่านี้ขึ้นมาใหม่จึงอาจเป็นสนามฝึกที่ควบคุมและประเมินได้สำหรับการให้เหตุผลทางวิทยาศาสตร์ 5

งานประเภทนี้ยังวัดผลได้ง่ายกว่าการค้นพบสิ่งใหม่โดยตรง เพราะมีเป้าหมายภายนอกให้ตรวจสอบว่าเอเจนต์ทำซ้ำผลลัพธ์ได้สำเร็จหรือไม่ และการเลือกการทดลองมีเหตุผลทางวิทยาศาสตร์เพียงใด นั่นทำให้การทำซ้ำงานวิจัยเป็นขั้นกลางที่มีประโยชน์ ก่อนจะมอบหมายให้ AI สำรวจคำถามที่ยังไม่มีใครรู้คำตอบ

เป้าหมายระยะยาวไม่ใช่แค่ทำซ้ำผลเดิม

Inherent ไม่ได้วางให้การทำซ้ำบทความเป็นปลายทางของ Faraday แต่เห็นว่าเป็นก้าวแรกสู่ AI scientist ที่ทำงานข้ามสาขาวิชาและช่วยสร้างองค์ความรู้ใหม่อย่างแท้จริง 13

เป้าหมายนี้ใหญ่กว่าการชนะเบนช์มาร์กมาก การทำซ้ำผลที่ตีพิมพ์ไว้แสดงให้เห็นว่าเอเจนต์มีพฤติกรรมการวิจัยที่มีประโยชน์ แต่การค้นพบใหม่ยังต้องอาศัยความสามารถในการระบุคำถามที่ยังไม่มีคำตอบและมีคุณค่า สร้างสมมติฐานใหม่ ออกแบบการทดสอบที่น่าเชื่อถือ และผลิตผลลัพธ์ที่ผ่านการตรวจสอบอย่างเข้มงวด

ด้วยเหตุนี้ ผลการประเมิน Faraday จึงควรถูกมองว่าเป็นหลักฐานของความก้าวหน้าในองค์ประกอบหนึ่งของเส้นทางดังกล่าว ไม่ใช่ข้อพิสูจน์ว่าเป้าหมายการค้นพบทางวิทยาศาสตร์แบบอัตโนมัติได้บรรลุแล้ว

ลอนดอนและการแข่งขันแย่งบุคลากร AI

Inherent เพิ่งออกจากโหมด stealth พร้อมรายงานว่าได้รับเงินลงทุนรอบ seed มูลค่า 50 ล้านดอลลาร์สหรัฐ และกำลังสร้างทีมในลอนดอน ซึ่งอยู่ใกล้ระบบนิเวศบุคลากรที่เป็นแหล่งกำเนิดของผู้ก่อตั้งบริษัท 5 แผนการขยายทีมจากประมาณ 12 คนไปอยู่ที่ราว 20–25 คน สะท้อนแนวทางแบบทีมเล็กที่เน้นงานวิจัย มากกว่าการเร่งเพิ่มจำนวนพนักงานหรือทุ่มงบเพื่อฝึกโมเดลให้มีขนาดเท่าห้องแล็บ AI รายใหญ่

Edward Hughes ผู้ร่วมก่อตั้งและหัวหน้านักวิทยาศาสตร์ของบริษัท วิจารณ์ข้อจำกัดเรื่อง garden leave ในสหราชอาณาจักร ซึ่งอาจทำให้นักวิจัยต้องเว้นช่วงก่อนย้ายงานหรือเข้าร่วมสตาร์ตอัป Inherent มองว่านี่เป็นประเด็นด้านการแข่งขันในการดึงตัวนักวิจัย AI ที่มีประสบการณ์ รวมถึงบุคลากรจาก DeepMind ไปแข่งขันกับบริษัทที่มีเงินทุนมากกว่า 6

กลยุทธ์ของบริษัทจึงเน้นการรวมทรัพยากรไว้กับทีมขนาดเล็ก ลงทุนกับ reinforcement learning และวิจารณญาณทางวิทยาศาสตร์ แล้วใช้โมเดลพื้นฐานที่เล็กกว่าร่วมกับเครื่องมือภายนอกที่มีความสามารถสูงขึ้นเรื่อย ๆ หากแนวทางนี้ใช้ได้ผลนอกเหนือจากการประเมินครั้งแรก ก็อาจเป็นอีกทางเลือกให้สตาร์ตอัปแข่งขันในงานวิจัย AI โดยไม่ต้องสร้างโมเดลที่ใหญ่ที่สุดในตลาด

สรุป

Inherent อ้างว่า Faraday ทำผลงานเหนือ GPT-5.5 และ Claude Opus 4.8 ในการทำซ้ำผลการวิจัยที่ตีพิมพ์อย่างอิสระ แม้จะใช้ Qwen 3.6 ขนาด 27B ก็ตาม ประเด็นสำคัญจึงไม่ใช่แค่โมเดลเล็กเอาชนะโมเดลใหญ่ แต่คือการวางแผนการวิจัย การฝึกแบบเสริมแรงระยะยาว และการประสานงานกับเครื่องมือ อาจมีความสำคัญต่อการทำงานวิทยาศาสตร์ไม่แพ้ขนาดโมเดล

หลักฐานที่มีอยู่ในตอนนี้รองรับข้อสรุปที่แคบกว่านั้น: Faraday เป็นระบบเอเจนต์วิจัยที่น่าจับตาในภารกิจที่ Inherent นำมาประเมิน แต่ยังไม่ยืนยันว่า Faraday เหนือกว่าโมเดลของ Anthropic หรือ OpenAI ในภาพรวม และการทำซ้ำผลวิจัยก็ยังไม่เท่ากับการค้นพบทางวิทยาศาสตร์แบบอิสระ