ทันเอไอ

AI ทำโปรเจกต์วิทยาการข้อมูลดีขึ้นเมื่อมีรอบแก้ไข แต่คะแนนยังมาจาก AI ตรวจเอง

งานวิจัยบน arXiv ทดลองให้โมเดลสร้าง ตรวจ และแก้โปรเจกต์วิทยาการข้อมูลสามรอบ คะแนนเฉลี่ยขยับจาก 59% เป็น 76% แต่ผู้วิจัยเตือนเรื่องอคติของการให้คะแนนโดย AI

งานวิจัยของ Rohan Alexander ซึ่งเผยแพร่บนเว็บ arXiv เมื่อวันที่ 3 พฤศจิกายน 2026 ทดสอบว่า AI แบบ agentic (ทำงานเป็นขั้นตอนได้เอง) สามารถทำโปรเจกต์วิทยาการข้อมูล (data science) ตั้งแต่ต้นจนจบได้แค่ไหน และดีขึ้นแค่ไหนเมื่อได้รับ feedback

วิธีทดลองแบ่งเป็นสองบทบาท โมเดลตัวแรกทำหน้าที่ 'ผู้สร้าง' คือดาวน์โหลดและทำความสะอาดชุดข้อมูล วิเคราะห์ แล้วเขียนรายงานสั้น ๆ จากนั้นโปรเจกต์จะถูกรันจริง และโมเดลอีกตัวทำหน้าที่ 'ผู้ตรวจ' ให้คะแนน ผู้สร้างแก้ไขงานได้ แล้ววนซ้ำรวมสามรอบ

ผู้วิจัยใช้โมเดล 7 รุ่นจากผู้พัฒนา 5 ราย ได้แก่ Anthropic, OpenAI, Google, DeepSeek และ Z.AI โดยแต่ละรุ่นสลับเป็นทั้งผู้สร้างและผู้ตรวจ รวมเป็น 49 คู่ ทดลองคู่ละสามครั้ง จากงานชุดแรก 147 ชิ้น มี 107 ชิ้นที่รันได้และเรนเดอร์เป็นเอกสารสำเร็จ

ผลที่รายงานคือคะแนนเฉลี่ยจากผู้ตรวจเพิ่มจาก 59% เป็น 76% เมื่อจบรอบสุดท้าย

อย่างไรก็ตาม ผู้วิจัยชี้ข้อจำกัดสำคัญ คะแนนทั้งหมดมาจาก AI ไม่ใช่มนุษย์ และโมเดลให้คะแนนงานของตัวเองสูงกว่าผู้ตรวจอื่นเฉลี่ยราว 9 จุดเปอร์เซ็นต์ นอกจากนี้ประมาณครึ่งหนึ่งของความแตกต่างระหว่างรอบอยู่ในระดับความผันผวนของผู้ตรวจเอง จึงควรตีความการพัฒนาอย่างระมัดระวัง

ข่าวนี้อ้างอิงจากต้นฉบับ arXiv ซึ่งเป็นงานพรีปรินต์ที่ยังไม่ผ่านการตีพิมพ์ในวารสาร และยังไม่พบการตรวจสอบผลซ้ำอย่างอิสระจากหน่วยงานอื่น