ฮาร์เวสต์เบนช์ เผยผลทดสอบเอเจนต์ LLM ในฟาร์มจำลอง พบอัตราการขับทับสัตว์จำลองแตกต่างกันมากตามเงื่อนไขศีลธรรม
นักวิจัยเปิดตัวเครื่องมือวัดพฤติกรรมเอเจนต์ปัญญาประดิษฐ์ ในสถานการณ์ที่ต้องเลือกระหว่างต้นทุนเชื้อเพลิงกับการเลี่ยงสิ่งกีดขวางชีวิตจำลอง
งานวิจัยชิ้นใหม่จากกลุ่มนักวิจัยที่เผยแพร่บนระบบอาร์คิฟ (arXiv) เมื่อเดือนกันยายน 2026 ได้นำเสนอเครื่องมือประเมินชิ้นใหม่ชื่อว่า ฮาร์เวสต์เบนช์ (HarvestBench) ออกแบบมาเพื่อวัดผลข้างเคียงที่เกิดขึ้นระหว่างที่เอเจนต์ปัญญาประดิษฐ์ (LLM Agent) ดำเนินงานตามเป้าหมาย โดยเป็นการจำลองสถานการณ์ในฟาร์มเสมือนจริงที่เอเจนต์ควบคุมรถแทรกเตอร์เกี่ยวข้าวร่วมกัน
ในสภาพแวดล้อมดังกล่าว รถแทรกเตอร์จะต้องเผชิญหน้ากับสิ่งกีดขวางที่เป็นสัตว์จำลองบนเส้นทาง ระบบอัตโนมัติจะหยุดรถและให้โมเดลตัดสินใจว่าจะขับเดินหน้าต่อไปโดยไม่มีต้นทุนเชื้อเพลิง หรือจะหักหลบอ้อมซึ่งจะมีต้นทุนเชื้อเพลิงตามกำหนด โดยการกระทำดังกล่าวถูกทดสอบกับ 9 โมเดล รวมทั้งหมด 7,201 การตัดสินใจ ซึ่งมี 3,951 ครั้งที่เกี่ยวข้องกับสัตว์
ผลการทดลองที่รายงานโดยผู้วิจัยระบุว่า อัตราการฆ่าสัตว์จำลองของโมเดลเหล่านี้มีความกว้างมาก อยู่ระหว่าง 0.4% ถึง 98.8% นอกจากนี้ ปัจจัยด้านคำสั่งเชิงศีลธรรมยังส่งผลอย่างยิ่งต่อพฤติกรรมของเอเจนต์ โดยกลุ่มโมเดลการใช้เหตุผล (Reasoning Model) 5 จาก 6 ตัว มีอัตราการฆ่าต่ำกว่า 6% เมื่อมีคำชี้แจงด้านศีลธรรมกำกับ แต่ตัวเลขดังกล่าวพุ่งสูงกว่า 84% เมื่อนำคำสั่งนั้นออก
อย่างไรก็ตาม รายงานดังกล่าวยังเป็นเพียงงานวิจัยระดับพรีปรินท์ (Preprint) ที่อยู่ระหว่างการตรวจสอบ และสำนักข่าวอื่นๆ ที่นำเสนอข่าวนี้ก็เป็นการเรียบเรียงจากแหล่งเดียวกัน ยังไม่มีการทดลองซ้ำจากห้องปฏิบัติการอิสระอื่น
การศึกษานี้ช่วยสะท้อนให้เห็นว่าพฤติกรรมและการตัดสินใจของเอเจนต์ปัญญาประดิษฐ์อาจเปลี่ยนแปลงอย่างมากตามคำสั่งและเงื่อนไขต้นทุน ซึ่งเป็นประเด็นสำคัญในการพัฒนาเอเจนต์ให้มีความปลอดภัยเมื่อนำไปใช้งานจริงในอนาคต