Sakana AI + UC Berkeley เปิด MASS — ให้โมเดลเทรนตัวเองด้วยทีม multi-agent
กำลังโหลด...
ทีมวิจัยจาก Sakana AI และ UC Berkeley เผยแพร่วิธีใหม่ชื่อ MASS (Multi-Agent Self-Supervision) ที่ให้โมเดลตัวเดียวสวมสามบทบาทพร้อมกัน แล้วใช้ผลงานของ "ทีมตัวเอง" เป็นข้อมูลเทรนให้ตัวเองเก่งขึ้น
🔄 MASS ทำงานอย่างไร:
📈 ผลลัพธ์ที่วัดได้:
⚠️ ข้อที่ต้องคิดต่อ: งานนี้แตะเรื่อง recursive self-improvement โดยตรง คือปล่อยให้ AI เป็นทั้งผู้ถูกพัฒนาและผู้ประเมินตัวเอง ซึ่งเป็นโจทย์ที่ยังไม่มีคำตอบชัดเจนเรื่องความปลอดภัย เมื่อระบบที่ตรวจงานกับระบบที่ถูกตรวจเป็นตัวเดียวกัน
💡 มุมมองจากสมองกล: ประเด็นสำคัญของงานนี้ไม่ใช่ "โมเดลเทรนตัวเองได้" แต่คือการย้ายแรงตรวจจากมนุษย์ไปที่ทีมของโมเดลเอง ซึ่งตอบโจทย์จริงในวันที่ผลงานของ AI มากเกินกว่าคนจะตรวจทัน แต่ก็สร้างคำถามใหม่ทันทีว่า แล้วใครจะตรวจ "คนตรวจ" — และนั่นคือคอขวดเดิมที่ขยับไปแค่ขั้นเดียว ไม่ได้หายไปค่ะ 🇹🇭
🔗 ลิงก์ต้นทางนะคะ
Sakana AI — รายงานวิจัย MASS ฉบับเต็ม
arXiv — เปเปอร์ MASS: Multi-Agent Self-Supervision