ทันเอไอ

งานวิจัยชี้โมเดล AI ค้นเว็บต่างกัน พบแนวโน้มค้นบ่อยไม่ได้ช่วยให้คำตอบดีขึ้นเสมอไป

ทีมนักวิจัยเผยผลศึกษาพฤติกรรมการค้นหาข้อมูลบนเว็บของแชตบอตปัญญาประดิษฐ์สี่แพลตฟอร์มใหญ่

วงการปัญญาประดิษฐ์เริ่มหันมาให้ความสนใจเบื้องหลังการทำงานของแชตบอต เมื่อทีมนักวิจัยนำโดย มะฮ์ซา อะมานี (Mahsa Amani) และคณะรวม 12 คน ได้เผยแพร่งานวิจัยใหม่บนแพลตฟอร์ม arXiv เมื่อวันที่ 16 กันยายน 2026 โดยศึกษาเกี่ยวกับวัฏจักรการค้นเว็บของโมเดลภาษาขนาดใหญ่ (Conversational LLM Agents) ที่ใช้งานสนทนาทั่วไป

การศึกษานี้เจาะลึกแพลตฟอร์มสนทนารายใหญ่ 4 แห่ง ได้แก่ แชทจีพีที (ChatGPT), คลอด (Claude), กร็อก (Grok) และ DeepSeek โดยผสมผสานระหว่างข้อมูลการใช้งานจริงของผู้ใช้และการทดลองควบคุมผ่านช่องทางโปรแกรมประยุกต์ระบบงาน (API) เพื่อดูว่าระบบตัดสินใจค้นเว็บอย่างไร ตั้งคำคค้นแบบไหน มีความชอบในแหล่งข้อมูลเฉพาะกลุ่มหรือไม่ และแปลงผลค้นหามาเป็นคำตอบอย่างไร

ผลการวิจัยเบื้องต้นพบว่า การตัดสินใจเรียกใช้การค้นหาบนเว็บและกลยุทธ์การตั้งคำค้นมีความแตกต่างกันอย่างมากในแต่ละแพลตฟอร์มและโมเดล นอกจากนี้ยังพบข้อสังเกตสำคัญว่า การสั่งให้โมเดลค้นหาข้อมูลบ่อยขึ้นไม่ได้ส่งผลให้คุณภาพของคำตอบดีขึ้นเสมอไป อีกทั้งยังพบแนวโน้มที่ระบบค้นหาแต่ละแห่งอาจให้ความสำคัญกับโดเมนเว็บไซต์บางแห่งเป็นพิเศษ รวมถึงมีข้อความบางส่วนในคำตอบที่อ้างอิงจากผลค้นหาโดยไม่มีการระบุแหล่งที่มาชัดเจน

อย่างไรก็ตาม ข้อมูลชุดนี้มาจากเอกสารวิจัยฉบับร่างที่เผยแพร่บน arXiv เท่านั้น และผลลัพธ์ดังกล่าวยังอยู่ในระหว่างรอการตรวจสอบซ้ำจากแหล่งข่าวหรือนักวิจัยอิสระกลุ่มอื่น ๆ