ทันเอไอ

งานวิจัยชี้โมเดล AI เก่งขึ้น อาจทำให้ระบบโดยรวมเสี่ยงมากขึ้น

งานวิจัยล่าสุดเผยโมเดลภาษาขนาดใหญ่ที่ฉลาดขึ้น อาจสร้างพฤติกรรมที่สอดคล้องกันจนกลายเป็นความเสี่ยงเชิงระบบในตลาดการเงินจำลอง

งานวิจัยใหม่จากนักวิจัยระดับสถาบันที่เผยแพร่บนระบบ arXiv (รหัส arXiv:2609.04373) เมื่อเดือนกันยายน 2026 โดย Jillian Ross, Eric So, Zoe De Simone, Charles Pozniak และ Andrew W. Lo ได้ศึกษาประเด็นการนำเอเจนต์ LLM (Large Language Model หรือโมเดลภาษาขนาดใหญ่) ไปใช้งานจริงในระบบสำคัญ เช่น ตลาดการเงิน การกลั่นกรองเนื้อหา และการจ้างงาน

ทีมผู้วิจัยพบปรากฏการณ์ที่น่าสนใจว่า การพัฒนาความสามารถของโมเดลแต่ละตัวให้เก่งขึ้น อาจไม่ได้ช่วยให้ผลลัพธ์ในระดับภาพรวมของระบบดีขึ้นเสมอไป โดยตั้งสมมติฐานว่าการฝึกและสถาปัตยกรรมที่คล้ายคลึงกัน ทำให้ LLM ที่มีความสามารถสูงมีพฤติกรรมคล้ายกันมากขึ้น เกิดเป็นการกระทำที่สอดคล้องกันและไม่สามารถกระจายความเสี่ยงออกไปได้ (Non-diversifiable risk floor)

เพื่อทดสอบสมมติฐานนี้ ผู้วิจัยได้จำลองตลาดการเงินโดยใช้เอเจนต์เทรดเดอร์ที่ขับเคลื่อนด้วย LLM หลากหลายระดับความสามารถ ผลปรากฏว่า LLM ระดับแนวหน้ามีพฤติกรรมที่สัมพันธ์กันอย่างมีนัยสำคัญ เมื่อการให้เหตุผลร่วมกันมีความถูกต้อง การเพิ่มจำนวนเอเจนต์จะช่วยลดความเสี่ยงของตลาดได้ แต่ในทางกลับกัน หากได้รับข้อมูลที่ผิดพลาดร่วมกัน ความสัมพันธ์เชิงพฤติกรรมนี้จะกลับกลายเป็นปัจจัยเสี่ยงที่สร้างความเสียหายต่อระบบ

อย่างไรก็ตาม งานชิ้นนี้ยังเป็นเพียงการทดลองผ่านระบบจำลองด้วยเอเจนต์ซื้อขาย (Agent-based simulation) เท่านั้น ยังไม่มีหลักฐานยืนยันว่าจะเกิดผลลัพธ์ในลักษณะเดียวกันกับตลาดการเงินจริง ผู้วิจัยยังระบุด้วยว่าผลกระทบในโดเมนอื่นๆ ยังคงเป็นคำถามเปิดที่ต้องศึกษาเพิ่มเติม และปัจจุบันยังไม่พบแหล่งข้อมูลอิสระอื่นที่ทำการตรวจสอบซ้ำในประเด็นนี้