Sakana AI พัฒนาระบบ AI ตรวจสอบงานวิจัย จับผิดพลาดได้ 73%

บริษัทปัญญาประดิษฐ์สัญชาติญี่ปุ่น Sakana AI ได้เผยแพร่ผลงานวิจัยฉบับใหม่ในวารสาร Transactions on Machine Learning Research (TMLR) ซึ่งเป็นการยกระดับกระบวนการตรวจสอบบทความทางวิชาการด้วยเทคโนโลยี AI โดยระบบใหม่นี้ถูกออกแบบมาเพื่อแก้ปัญหาความผิดพลาดที่มักเกิดขึ้นในกระบวนการ peer review แบบดั้งเดิม ซึ่งมักใช้เวลานานและมีข้อจำกัดด้านความครอบคลุม

หัวใจสำคัญของนวัตกรรมนี้คือระบบที่เรียกว่า Multi-Layered Review (MLR) ซึ่งใช้สถาปัตยกรรมแบบหลายเอเจนต์ (Multi-agent system) โดยประกอบด้วยเอเจนต์ที่ขับเคลื่อนด้วยโมเดล Claude จำนวน 3 ตัวทำงานร่วมกัน เพื่อทำหน้าที่ตรวจสอบ วิเคราะห์ และกลั่นกรองเนื้อหาภายในงานวิจัยอย่างเป็นระบบและเจาะลึกในแต่ละมิติ

ภาพประกอบจากคลังภาพสต็อก ไม่ใช่ภาพจากเหตุการณ์จริง

เพื่อเป็นการวัดประสิทธิภาพอย่างเที่ยงตรง ทีมวิจัยของ Sakana AI ได้พัฒนาชุดข้อมูลทดสอบมาตรฐานขึ้นมาใหม่ชื่อว่า Contradiction Benchmark ซึ่งบรรจุข้อผิดพลาดประเภทขัดแย้งไว้มากถึง 1,164 รายการ ผลลัพธ์จากการทดสอบปรากฏว่าระบบ MLR สามารถตรวจจับข้อผิดพลาดที่เป็นประเด็นหลัก (core-claim errors) ได้สูงถึง 73.43% ในขณะที่ระบบตรวจสอบอัตโนมัติรุ่นก่อนหน้าที่เคยมีมา ทำประสิทธิภาพได้สูงสุดเพียง 14.81% เท่านั้น

การพัฒนาครั้งนี้นับเป็นอีกหนึ่งความก้าวหน้าครั้งสำคัญของ Sakana AI ในการประยุกต์ใช้โมเดลภาษาขั้นสูงเพื่อสนับสนุนวงการวิทยาศาสตร์และงานวิจัยระดับโลกให้มีความน่าเชื่อถือและมีประสิทธิภาพมากยิ่งขึ้น ผู้สนใจสามารถศึกษาและติดตามรายละเอียดเพิ่มเติมเกี่ยวกับผลงานวิจัยชิ้นนี้ได้จากแหล่งข่าวต้นฉบับ

ที่มา: MarkTechPost