ทันเอไอ

งานวิจัยใหม่เสนอทางลัดคำนวณกลยุทธ์ 'computational arbitrage' ในตลาดโมเดล AI

นักวิจัยจาก arXiv เสนอวิธีจัดการกับความยากในการหากลยุทธ์ซื้อการอนุมาน (inference) จากโมเดล AI หลายค่ายแล้วขายต่อให้ผู้ใช้ เมื่อตลาดมีโมเดลจำนวนมาก

computational arbitrage คือแนวคิดที่ตัวกลางซื้อการใช้งานโมเดล AI (inference) จากหลายผู้ให้บริการ ซึ่งมีต้นทุนและความสามารถต่างกัน แล้วขายต่อให้ผู้ใช้ในราคาที่ได้กำไร ความต่างนี้ทำให้เกิดโอกาสทำกำไร และยังส่งผลต่อทั้งผู้บริโภคและผู้ให้บริการ จึงอาจมีผลต่อตลาดโมเดล AI ได้มาก

งานวิจัยชิ้นนี้ที่เผยแพร่บน arXiv ในหมวด cs.AI ระบุว่า งานก่อนหน้าแสดงให้เห็นว่าแนวคิดนี้ทำได้จริงเมื่อมีโมเดลจำนวนน้อย แต่การขยายไปยังตลาดขนาดใหญ่ต้องการกลยุทธ์ที่คำนวณได้ในเวลาที่เหมาะสม และหาได้ไม่แพง ผู้เขียนซึ่งได้แก่ นาสตารัน โอกาติ ริคาร์โด โอลเมโด และมอริตซ์ ฮาร์ต นิยามปัญหานี้เป็นปัญหาการจัดสรร (allocation problem) และพิสูจน์ว่าโดยทั่วไปเป็นปัญหาแบบ NP-hard ซึ่งหมายความว่าการหาคำตอบที่ดีที่สุดยากมากเมื่อขนาดปัญหาโตขึ้น

เพื่อรับมือ ผู้วิจัยเสนอวิธีประเมินประสิทธิภาพของโมเดลจากข้อมูลจำกัดอย่างมีประสิทธิภาพ ลดต้นทุนในการค้นหาและนำกลยุทธ์ไปใช้ จากนั้นทดสอบกลยุทธ์กับเบนช์มาร์กที่ครอบคลุมงานแข่งขันเขียนโปรแกรม งานสั่งการผ่านคอมมานด์ไลน์ และงานวิศวกรรมซอฟต์แวร์บนโค้ดจริง

อย่างไรก็ตาม เอกสารนี้เป็น preprint ที่เพิ่งเผยแพร่ และยังไม่พบแหล่งข่าวหรือบทวิเคราะห์อิสระที่ยืนยันเนื้อหาโดยตรง ตัวเลขผลการทดลองและรายละเอียดวิธีการเต็มรูปแบบจึงควรตรวจสอบจากเอกสารฉบับเต็มก่อนนำไปอ้างอิง