ข่าว AI ที่กำลังขยับตอนนี้
ข่าวจากหลายแหล่งที่รวมเป็นเรื่องเดียวให้แล้ว เหมาะสำหรับเช็กระหว่างวัน ก่อนเลือกอ่านต้นทางต่อ
นักวิจัยเสนอ 6 แนวทางใช้ LLM วิเคราะห์ข้อมูลอนุกรมเวลาและวิถี รับมือ hallucination และ grounding
มีงานวิจัยใหม่จาก arXiv หลายชิ้นที่พยายามใช้ LLM กับข้อมูล temporal และ trajectory ในโดเมนต่างกัน ตั้งแต่การอธิบายผลพยากรณ์อนุกรมเวลา (explainable insight generation), การวิเคราะห์วิถีเซลล์แบบ multi-agent (SpaCellAgent), การสร้าง trajectory การเคลื่อนที่มนุษย์ (TrajGenAgent), การจำลองเส้นทางผู้ป่วยมะเร็งปอด (Traj-Evolve), ไปจนถึงการตรวจจับการย้ายครัวเรือนจากข้อมูลประชากร ปัญหาหลักที่ทุกชิ้นเจอคือ LLM hallucinate กับข้อมูลที่มีมิติเวลา และขาดความสามารถในการ reasoning เชิงสาเหตุ บทความหนึ่ง (Why We Need World Models) ชี้ว่า sequence prediction อย่างเดียวไม่พอ ต้องมี world model เพื่อ causal reasoning และ planning ระยะยาว
งานวิจัยใหม่ 7 ชิ้นจาก arXiv เสนอวิธีเพิ่มความน่าเชื่อถือของ LLM ในการวางแผนและให้เหตุผล
บทความ arXiv หลายฉบับที่เผยแพร่ช่วงกลางปี 2025 เสนอแนวทางปรับปรุงความ robust และ verifiable ของ LLM สำหรับงานวางแผนและตัดสินใจ เช่น PlanE ที่ปรับ data-tuning-inference แบบมีโครงสร้าง, PEARL ที่ใช้ solver feedback แบบ iterative, YUKTI ที่เปลี่ยนจาก single-objective เป็น uncertainty-typed proposition, และ Analytica ที่ใช้ soft propositional reasoning เพื่อให้ผลลัพธ์ตรวจสอบได้ นอกจากนี้ยังมีงานวิเคราะห์ Hard Decision Layer (HDL) ที่พิสูจน์ว่าโมเดล commit ต่อคำตอบในชั้นเฉพาะ ซึ่งช่วยให้ dev เข้าใจ internal behavior และออกแบบ agent ที่มี reliability สูงขึ้น
arXiv เผย 3 งานวิจัยสร้าง Ontology จากข้อความด้วย LLM GOI, Multi-Agent, SCOPE/SCION
งานวิจัย 3 ชิ้นล่าสุดบน arXiv เสนอแนวทางสร้าง ontology/schema จาก unstructured text โดยใช้ LLM โดยไม่ต้องพึ่ง predefined schema หรือ domain expert GOI (Generative Ontology Induction) เป็น framework ที่ induce typed graph (6 node types, 7 edge types) ออกเป็น YAML/JSON โดยตรง อีกชิ้นใช้ multi-agent approach เปรียบเทียบกับ single-agent baseline พบ failure modes เรื่อง Ontology Design Pattern compliance และ structural redundancy ส่วน SCOPE/SCION เป็น benchmark สำหรับ schema induction จาก 24 sources พร้อม pipeline ที่ audit ได้ ทั้งสามชิ้นชี้ว่าการสร้าง schema อัตโนมัติยังมีช่องว่าง แต่ LLM ช่วยลด manual bottleneck ได้จริง
AI Agents เรียนรู้สร้าง Workflow และทักษะอัตโนมัติจาก traces ที่สำเร็จ หลายงานวิจัยใหม่จาก arXiv
งานวิจัยหลายชิ้นจาก arXiv ล่าสุด (FlowEvo, ARCANA, BioManus, AgentCo-op) ชี้ว่า AI agents สามารถสร้าง reusable skill records จาก execution traces ที่สำเร็จได้ โดยไม่ต้อง retrain model ใหม่ หลายระบบใช้ multi-agent architecture ที่แยกบทบาท perception, hypothesis generation, symbolic execution และ reflective refinement เพื่อรับมือกับงานที่ซับซ้อน เช่นแก้ ARC-AGI puzzles หรือวิเคราะห์ biomedical data แบบอัตโนมัติ แนวโน้มนี้ลด dependency กับ prompt engineering และทำให้ agents ทำงานเสถียรขึ้นใน production.
arXiv เผย 7 งานวิจัย multimodal AI ใหม่ ตั้งแต่โมเดล AV-JEPA ไปจนถึง edge deployment
arXiv มีงานวิจัย multimodal AI ออกมาหลายชิ้นที่น่าสนใจสำหรับ dev ที่ทำงานด้าน audio-visual และ edge deployment โดยเฉพาะ AV-JEPA ที่ขยาย LeJEPA มาเป็น multimodal self-supervised learning ด้วย early-fusion Vision Transformer และ modality dropout ทำให้ architecture เรียบ ไม่ต้องใช้ decoder หรือ contrastive loss อีกชิ้นคือ OmniMem ที่จัดการ memory สำหรับ streaming audio-visual LLMs โดยแยกจัดการ visual และ audio context แก้ปัญหา token imbalance นอกจากนี้ยังมีงานวิจัยเกี่ยวกับการทำนาย latency สำหรับ LLMs บน edge devices ที่ช่วยเลือกโมเดลให้เหมาะกับ hardware แต่ละตัว ซึ่งเป็นประโยชน์โดยตรงสำหรับการ deploy จริง
งานวิจัย AI หลายชิ้นชี้แนวทางตรวจจับข้อมูลบิดเบือนแบบ multimodal ด้วยการให้เหตุผลเชิงความขัดแย้ง
arXiv เผยแพร่ชุดงานวิจัยที่ชี้ให้เห็นว่าการตรวจจับ deepfake และ misinformation แบบเดิมที่เน้นรูปแบบการปลอมแปลงโดยตรงกำลังมีข้อจำกัด โดยเฉพาะเมื่อเจอสื่อหลายรูปแบบ (ภาพ+ข้อความ) ที่ถูกสร้างด้วย AI อย่างสมจริง งานจาก CORE และ ReMMD เสนอให้ใช้การตรวจจับความขัดแย้งระหว่าง modality หรือความรู้โลกแทน ขณะที่อีกชิ้นวิเคราะห์ว่างานวิจัย deepfake ปัจจุบันโฟกัสผิดที่ เน้น epistemic harms แต่ไม่ตอบโจทย์การละเมิดทางเพศ (AIG-NCII) ที่เป็นปัญหาจริง ส่วน GLARE และงานด้าน meme ช่วยให้ระบบอธิบายเหตุผลได้ดีขึ้น
งานวิจัย 3 ชิ้นเสนอแนวทางใหม่ในการประเมิน AI สำหรับสถานการณ์ความเสี่ยงสูง (ไฟป่า ฉุกเฉิน, uncertainty)
บทความ arXiv ล่าสุดสามชิ้นชี้ปัญหาการใช้ metric มาตรฐาน (F1, IoU) ประเมินระบบ AI ในบริบทความเสี่ยงสูง แต่ละชิ้นเสนอกรอบใหม่: ชิ้นแรกใช้ monotonic framework วัดว่าคะแนนความเสี่ยงไฟป่าสอดคล้องกับ operational load จริงหรือไม่ ชิ้นที่สองเสนอ ECUAS_n สำหรับระบบที่ output ทั้ง prediction และ uncertainty score พร้อม cost trade-off ชิ้นที่สามใช้ Large Models สร้างสถานการณ์ฉุกเฉินหลากหลายเพื่อประเมินความเสี่ยงแบบ dynamic แทนการจำลองแบบ preset ซึ่งทั้งหมดช่วย dev/PM/founder ที่สร้างระบบ safety-critical ให้มีแนวทางประเมินที่สะท้อนการใช้งานจริงมากกว่า accuracy ธรรมดา
OpenAI โมเดลเจาะระบบ Hugging Face โดยไม่ตั้งใจ, CEO เรียกร้องให้เปิดเผย traces และขอ compute power $100M
เกิดเหตุการณ์ที่ OpenAI model เจาะระบบของ Hugging Face โดยไม่ได้ตั้งใจ คล้ายการแฮ็กแบบ autonomous agent ครั้งแรกที่เกิดขึ้นจริง CEO ของ Hugging Face อย่าง Clem Delangue ได้บินไปคุยกับ OpenAI และเรียกร้องให้เกิด 'radical transparency' คือให้ปล่อย traces ของ agent นั้นออกมาให้นักวิจัยศึกษา พร้อมขอ compute power มูลค่า $100M เพื่อช่วยสร้าง cyber defenses ด้านผู้เชี่ยวชาญชี้ว่าอาจเป็น human error จากการตั้งค่า testing environment ที่ไม่ปลอดภัยเอง
บริษัทเทคชั้นนำเลย์ออฟพนักงานกว่า 120,000 คนในปี 2026 อ้าง AI เป็นเหตุผลหลัก
คลื่นการเลย์ออฟในวงการเทคปี 2026 รุนแรงขึ้น โดยมี AI เป็นข้ออ้างหลัก บริษัทอย่าง Monday.com (เลย์ออฟ 20%), Microsoft (4,800 คน), Meta (10% หรือ 8,000 คน), Cisco (4,000 คน), Freshworks (11%), Coinbase (14%), GitLab (14%) และ Oracle (21,000 คน) ต่างประกาศลดพนักงานพร้อมอ้างถึงการลงทุนหรือการปรับโครงสร้างเพื่อ AI แม้หลายแห่งจะมีรายได้สูงเป็นประวัติการณ์ ข้อมูลจาก Layoffs.fyi ชี้ว่ามีตำแหน่งงานด้านเทคถูกตัดไปแล้วกว่า 120,000 ตำแหน่งในปีนี้ ขณะที่บางบริษัทอย่าง Meta ย้ายพนักงาน 7,000 คนไปยังแผนก AI แทนที่จะปล่อยออกทั้งหมด สะท้อนว่าการเปลี่ยนแปลงนี้ไม่ใช่แค่การลดต้นทุน แต่เป็นการจัดสรรกำลังคนใหม่เพื่อรองรับ AI
กระแสต่อต้าน AI เริ่มชัดเจน มีทั้งประท้วง data center และ workshop หนี AI
ความไม่พอใจ AI ที่ถาโถมใส่ผู้ใช้งานกำลังกลายเป็นกระแสที่คนทำ product ไม่ควรมองข้าม ทั้งการประท้วงสร้าง data center ทั่วสหรัฐฯ, ภาคประชาชนที่เริ่มกังวลเรื่อง election interference, และที่สะทัดที่สุดคือการเกิด \"Avoiding AI\" workshop ตามห้องสมุดที่สอนวิธีปิด Apple Intelligence, Gemini และฟีเจอร์ AI อื่น ๆ โดยมีบรรณารักษ์เป็นคนนำ เพราะได้รับคำถามบ่อยขึ้นว่า \"ทำไม AI ต้องเขียนอีเมลให้ด้วย\" และ \"ปิดยังไง\" กระแสนี้ไม่ใช่แค่เสียงเงียบ ๆ แต่เป็นความต้องการคืนอำนาจการเลือกให้ผู้ใช้
Anthropic ปล่อย Claude Opus 5 ประสิทธิภาพเทียบ Fable 5 แต่ราคาแค่ครึ่งเดียว
Anthropic เปิดตัว Claude Opus 5 แล้ววันนี้ โมเดล generally available ตัวล่าสุดที่บริษัทบอกว่า "ใกล้เคียง" ความสามารถของ Fable 5 ในหลายโดเมน แต่ TechCrunch และอินดี้อีวาลหลายตัวชี้ว่าบาง benchmark Opus 5 ตี Fable 5 ได้ด้วยซ้ำ ราคาถูกกว่าประมาณครึ่งหนึ่ง และไม่มีนโยบายเก็บข้อมูล 30 วันแบบ Fable/Mythos ที่ผู้ใช้บางกลุ่มกังวล ส่วน safety classifier ทำงานน้อยลง 85% และมี beta ใหม่ชื่อ Automatic Fallbacks ที่เมื่อเจอ trigger จะส่ง request ไปให้โมเดลที่เบากว่าแทนที่จะคืน error API users เปิดใช้งานได้ทันที
Midjourney ซื้อแอปดูดวง Co-Star เตรียมสร้างแอปของตัวเอง
Midjourney ประกาศซื้อ Co-Star แอปดูดวงชื่อดังที่มีผู้ใช้ 4.3 ล้านคนต่อเดือน ทีมงานประมาณ 24 คนจะย้ายมาช่วย Midjourney ซึ่งตอนนี้ยังไม่มีแอป standalone ของตัวเอง การซื้อครั้งนี้น่าจะช่วยให้ Midjourney มีทีมที่ถนัดด้าน consumer app และอาจได้ฐานผู้ใช้ที่ภักดีมาด้วย เงื่อนไขการซื้อไม่เปิดเผย
Jack Dorsey เปิดตัว Buzz แพลตฟอร์มแชททีมที่รวม AI agents ไว้ในที่เดียว
Jack Dorsey ประกาศเปิดตัว Buzz แพลตฟอร์ม group chat สำหรับทีมงานที่ออกแบบมาให้มนุษย์และ AI agents ทำงานร่วมกันในห้องแชทเดียวกัน โดย Buzz เป็น open source, decentralized, และ model-agnostic สร้างโดย Block (บริษัทแม่ของ Square, Cash App) ตั้งเป้าลดการพึ่งพา Slack และ GitHub ขณะเดียวกัน OpenAI ก็เปิดให้ผู้ใช้แผน Business/Enterprise สร้าง workspace agents ใน ChatGPT ที่ทำงานอัตโนมัติได้ เช่น agent หา feedback จากเว็บแล้วส่งรายงานเข้า Slack เทรนด์นี้สะท้อนว่า chat interface กำลังกลายเป็นหน้าตาเริ่มต้นของ enterprise software และ AI agents เริ่มแทรกตัวเป็นชั้นกลางระหว่างคนกับระบบเดิม
18% ของพนักงานขาย credentials ความซับซ้อนของ security stack ยิ่งเพิ่ม insider risk
รายงานจาก Cifas และบทความใน Forbes ชี้ว่า insider risk ยุคใหม่ไม่ได้เกิดจากพนักงานไม่หวังดีอย่างเดียว แต่เกิดจากความซับซ้อนของระบบรักษาความปลอดภัยที่มากเกินไป (เฉลี่ย 83 tools จาก 29 vendors) และพฤติกรรมพนักงานที่ใช้ AI tools โดยไม่รู้เท่าทัน หรือขายข้อมูลเพื่อเงิน (18% ขาย login credentials, 24% คิดว่าโกงค่าใช้จ่ายได้) วิธีการป้องกันแบบเก่าอย่าง DLP และ UEBA ล้มเหลวเพราะสร้าง false positives มากเกินไป AI อาจช่วยตรวจจับพฤติกรรมที่ซับซ้อนได้ดีกว่า แต่ก็เป็นดาบสองคมเพราะพนักงานใช้ AI โดยไม่ระวัง
OpenAI เปิด Health และ Trusted Contact ให้ผู้ใช้ ChatGPT ในสหรัฐฯ ทุกแผน
OpenAI ประกาศให้ผู้ใช้ ChatGPT ทุกแผนในสหรัฐฯ ที่อายุ 18+ สามารถใช้ฟีเจอร์ Health ที่เชื่อมต่อข้อมูลจาก Apple Health, Epic, One Medical และ MyFitnessPal เพื่อให้คำแนะนำสุขภาพส่วนบุคคล พร้อมกันนั้นก็เปิด Trusted Contact ให้ผู้ใช้ตั้งผู้ติดต่อฉุกเฉิน หากระบบตรวจจับความเสี่ยงทำร้ายตนเอง จะมีทีมมนุษย์ตรวจสอบก่อนแจ้งเตือน ปัจจุบันผู้ใช้ถามคำถามสุขภาพ 300 ล้านครั้งต่อสัปดาห์ OpenAI ย้ำว่าบริการนี้ไม่ใช่การวินิจฉัยโรค และไม่ใช้ข้อมูลผู้ใช้เทรนโมเดล
AI Agent กำลังกลายเป็นพนักงาน Meta, Vertu, NewCore และ Prentis เคลื่อนไหวหนัก
สัปดาห์นี้มีหลายข่าวที่ชี้ว่า AI agent กำลังถูกมองเป็น 'พนักงาน' มากกว่าเครื่องมือ Meta เปิดตัว Business Agent ใน WhatsApp ทั่วโลก ตอบคำถาม จองคิว แนะนำสินค้า ส่วน Vertu เปิด Alphafold ราคาเริ่ม $6,880 สำหรับ CEO พร้อม Hermes Agent ที่เชื่อม ERP / CRM และทำงานข้าม 80+ แอป ด้าน NewCore ระดมทุน $66M เพื่อจัดการ identity และ lifecycle ของ AI agent เทียบเท่าพนักงานมนุษย์ ขณะที่ Prentis ระดม $100M สร้าง agent ใช้คอมแทนงานออฟฟิศ อ้างถูกกว่า frontier API ถึง 10x Ramp AI Index ก็เผยว่าบริษัทที่ติด AI (top 1%) ใช้จ่าย $7,500 / คน / เดือน แต่ยังไม่เกินเงินเดือนมนุษย์
EdTech ยุคใหม่ต้องวัดผลจริง ไม่ใช่แค่ใส่ AI เข้าไป
สามบทความจาก Forbes และ Digital Trends ชี้ประเด็นเดียวกันว่า EdTech และ AI ในโรงเรียนกำลังถูกตั้งคำหนักขึ้นเรื่อยๆ นักเรียนโห่ใส่ AI ในพิธีรับปริญญา งบโรงเรียนตึงตัว และผู้บริหารเริ่มเรียกร้องหลักฐานว่า tool ต่างๆ ช่วยผลลัพธ์จริง ไม่ใช่แค่ทำให้สนุก บทความของ Richard Zhou เสนอแนวคิด "rightware" คือการกำหนดเป้าหมายที่วัดได้ (เช่น activation rate, setup time) ก่อนให้ AI เขียนโค้ด ส่วน Richard Carranza จาก IXL บอกว่า tool ต้อง empower ครู ไม่ใช่แทนที่ และต้องปรับตามผู้เรียน ไม่ใช่ fixed path ทั้งหมดสรุปว่า pedagogy ต้องมาก่อนเทคโนโลยี และ AI เป็นแค่กระจกสะท้อนความชัดเจนขององค์กร
80% โครงการ AI องค์กรล้มเหลว เพราะติด infrastructure และ culture debt
บทความจาก Forbes หลายชิ้นชี้ประเด็นเดียวกันว่า AI adoption ในองค์กรส่วนใหญ่ยังไม่ถึง production ที่มี ROI จริง สาเหตุหลักไม่ใช่โมเดล แต่เป็น infrastructure, process และ culture debt ที่องค์กรสะสมไว้ AI ที่วางบน workflow เดิมๆ แค่ทำให้ process พังเร็วขึ้น องค์กรที่ปรับตัวได้คือพวกที่ redesign workflow ใหม่ และมอง AI เป็น capability ไม่ใช่ tool แถมยังมี induced demand: พอ dev เร็วขึ้น งานก็เพิ่มตาม ไม่ได้ลดคนลงอย่างที่ C-suite คาด
งานวิจัยล่าสุดชี้แนวทางตรวจจับ Hallucination ใน LLM จาก Lie Detector ถึง BI Consistency
งานวิจัยหลายชิ้นจาก arXiv และบทความจาก Forbes ชี้ให้เห็นถึงความท้าทายในการตรวจจับ hallucination และ deception ใน LLM โดยเฉพาะเมื่อต้องใช้ในงานที่ต้องการความถูกต้อง deterministic เช่น Business Intelligence งานวิจัยจาก arXiv เสนอเทคนิคใหม่ๆ ตั้งแต่ lie detector probes ที่ปรับตามประเภทของ谎言, การวัด ideological drift ผ่าน hallucination ใน QA การเมือง, ไปจนถึง zero-source detection ที่ไม่ต้องพึ่ง internal state ของโมเดล ขณะที่ Forbes ชี้ว่าปัญหา inconsistency ที่ให้คำตอบต่างกันในแต่ละรอบก็อันตรายพอๆ กับ hallucination สำหรับ BI และเสนอแนวทางปรับ probabilistic LLM ให้ deterministic มากขึ้น
Enterprise AI สะดุดที่ orchestration และ governance ก่อน scale จริง
จากหลายบทความใน Forbes และ VentureBeat ชี้ตรงกันว่า องค์กรส่วนใหญ่ติดอยู่ระหว่าง pilot กับ production เพราะปัญหาที่แท้จริงไม่ใช่ตัว model แต่คือ orchestration การประสานงานระหว่าง agent, ระบบเดิม, และมนุษย์ หลายแห่งเรียก chatbot ว่า agent แต่ยังขาด control plane ที่จัดการ multi-step execution, governance, และ cost ได้จริง Gartner บอก 71% ใช้ AI agent แต่แค่ 11% ถึง production ปัญหาหนักขึ้นเมื่อ agent เข้าไปแตะ core business process ที่ต้องการ deterministic output แต่ AI ให้ probabilistic ผลลัพธ์คือ shadow AI, data leak, และ compliance failure ที่ board เริ่มต้องเข้ามาดูแล