ทันเอไอ

งานวิจัยใหม่: ให้ AI สองตัวแปลงเกณฑ์ทดลองทางคลินิกเป็นโค้ด ยังไม่ค่อยตรงกัน

ผู้วิจัยพบว่าแม้โมเดลตัวเดียวกันอ่านข้อความเดิมซ้ำ ผลก็ตรงกันเพียง 59.3% จึงเสนอให้แยกบทบาทโมเดลสองตัวและตรวจความเห็นพ้องระหว่างกัน

งานวิจัยใหม่บน arXiv (รหัส 2611.07073) เสนอวิธีให้โมเดลภาษาสองตัวทำงานต่อกันในการแปลงเกณฑ์คัดเข้าการทดลองทางคลินิกให้กลายเป็นโค้ดที่ตรวจสอบได้ด้วยภาษา Dafny ซึ่งเป็นภาษาที่ใช้เขียนข้อกำหนดและพิสูจน์ว่าโค้ดทำงานตามข้อกำหนดนั้นจริง

โมเดลตัวแรกเรียกว่า Specifier ทำหน้าที่แปลงเกณฑ์เป็นเพรดิเคต (predicate) ใน Dafny ส่วนโมเดลตัวที่สองเรียกว่า Implementer เขียนเมธอดที่ทำงานจริง แล้วนำไปตรวจกับข้อกำหนดนั้น

ประเด็นสำคัญคือ โค้ดที่ผ่านการพิสูจน์ไม่ได้บอกว่าผลลัพธ์มาจากการใช้เหตุผลอิสระจริง ผู้วิจัยจึงทดสอบพื้นฐานก่อนโดยให้โมเดลตัวเดิมสกัดข้อมูลจากข้อความเดียวกันซ้ำอย่างอิสระ ผลคือตรงกันเพียง 59.3% ทั้งที่ไม่มีช่องว่างความสามารถระหว่างโมเดล

เมื่อทดสอบสี่คอนฟิกกูเรชันของโมเดลกับเอกสารเกณฑ์คัดเข้าการทดลองทางคลินิก 96 ฉบับ พบว่าระดับความเห็นพ้องขึ้นกับการจัดสรรความสามารถของโมเดลระหว่างสองบทบาทอย่างมาก โดยคู่ GPT-4.1-nano กับ GPT-4.1-mini ได้ความเห็นพ้อง 53.0%

ข้อควรระวังคือ ข้อมูลที่กองบรรณาธิการได้รับเป็นบทคัดย่อฉบับ v1 ผลการเปรียบเทียบอีกสามคอนฟิกกูเรชันยังไม่อยู่ในมือ และยังไม่พบแหล่งอิสระอื่นที่ยืนยันตัวเลขเหล่านี้ นอกจากนี้ GPT-4.1 เป็นโมเดลรุ่นก่อนหน้า เพราะ OpenAI เปิดตัวตระกูล GPT-6 แล้วตั้งแต่ 3 ก.ย. 2026 การเลือกโมเดลสำหรับงานลักษณะนี้จึงควรพิจารณาจากรุ่นที่ใช้ได้จริงในปัจจุบัน