โดย เพซัค เบนสัน และ โอเมอร์ โนโวเซลสกี • 5 พฤศจิกายน 2026

เยรูซาเลม, 5 พฤศจิกายน 2026 (TPS-IL) — คณะนักวิจัยจากมหาวิทยาลัยเทลอาวีฟและมหาวิทยาลัยสแตนฟอร์ดได้แสดงให้เห็นว่า โมเดลปัญญาประดิษฐ์ (AI) สามารถพัฒนาความสามารถในการเรียนรู้ทั่วไปได้โดยไม่ต้องฝึกฝนจากข้อมูลในโลกแห่งความเป็นจริง ซึ่งอาจเปิดเส้นทางใหม่สำหรับการพัฒนา AI ในขณะที่ข้อมูลคุณภาพสูงสำหรับการฝึกฝนเริ่มขาดแคลนมากขึ้นเรื่อยๆ

ข้อค้นพบนี้อาจช่วยแก้ปัญหาข้อจำกัดใหญ่ที่สุดข้อหนึ่งของอุตสาหกรรม นั่นคือปริมาณข้อมูลการฝึกฝนที่มนุษย์สร้างขึ้น

“เราแสดงให้เห็นว่าโมเดลสามารถทำนายข้อความ ภาพ เสียงดนตรี รหัสพันธุกรรม (DNA) และโค้ดจริงได้ดีขึ้นอย่างต่อเนื่อง โดยไม่เคยได้รับการฝึกฝนจากสิ่งเหล่านั้นเลยแม้แต่น้อย” ดร. โยอาฟ เลวีน กล่าวกับ The Press Service of Israel งานวิจัยนี้เผยแพร่ในฐานะเอกสารวิชาการฉบับร่าง (preprint) บนคลังงานวิจัยออนไลน์ arXiv และยังไม่ผ่านกระบวนการประเมินโดยผู้เชี่ยวชาญ (peer review)

งานวิจัยดังกล่าวได้รับการกำกับดูแลโดยเลวีน จากคณะวิทยาการคอมพิวเตอร์และ AI มหาวิทยาลัยเทลอาวีฟ และดำเนินการเป็นส่วนหนึ่งของงานวิจัยระดับหลังปริญญาเอกของ ดร. เคฟีร์ โดเลฟ โดยความร่วมมือกับคณะนักวิจัยจากมหาวิทยาลัยสแตนฟอร์ด

ต่างจากระบบ AI ทั่วไปที่เรียนรู้จากชุดข้อมูลขนาดมหึมาของหนังสือ เว็บไซต์ รูปภาพ และไฟล์บันทึกเสียง แนวทางใหม่นี้ใช้เครือข่ายสองชุดที่เริ่มต้นจากศูนย์และเรียนรู้ไปด้วยกัน โดยเครือข่ายหนึ่งจะสร้างโปรแกรมคอมพิวเตอร์ขนาดสั้นที่ให้ผลลัพธ์เป็นลำดับสัญลักษณ์ ขณะที่อีกเครือข่ายหนึ่งเรียนรู้ที่จะทำนายสัญลักษณ์ถัดไป เครือข่ายแรกจะได้รับผลตอบรับว่าแบบฝึกหัดของตนช่วยให้อีกเครือข่ายพัฒนาได้มากเพียงใด และค่อยๆ เรียนรู้ที่จะสร้างโจทย์ที่มีประโยชน์มากขึ้น

“สมมติฐานทั่วไปคือ AI จำเป็นต้องใช้การคำนวณและข้อมูล เราจึงตั้งคำถามว่า คุณจะไปได้ไกลแค่ไหนโดยไม่มีข้อมูล โดยพึ่งพาเพียงการคำนวณเท่านั้น” เลวีนกล่าวกับ TPS-IL

เขาเปรียบเทียบแนวทางนี้กับ AlphaZero ซึ่งเรียนรู้หมากรุกและหมากล้อมผ่านการเล่นกับตัวเองแทนการศึกษากระดานแข่งของมนุษย์ นักวิจัยพบว่าความก้าวหน้าของโมเดลผู้เรียนเองสามารถทำหน้าที่เป็นตัววัดความสำเร็จ โดยนำทางให้อีกเครือข่ายสร้างแบบฝึกหัดที่เป็นประโยชน์ยิ่งขึ้นเรื่อยๆ

เพื่อทดสอบว่าทักษะดังกล่าวสามารถถ่ายโอนไปสู่สิ่งที่อยู่นอกเหนือการฝึกฝนแบบจำลองได้หรือไม่ นักวิจัยได้ประเมินโมเดลดังกล่าวด้วยข้อมูลในโลกแห่งความเป็นจริงที่ไม่เคยพบมาก่อน ความสามารถในการทำนายของโมเดลพัฒนาขึ้นในหลายด้านเมื่อมีการเพิ่มทรัพยากรการคำนวณเข้าไปมากขึ้น และยังสามารถอนุมานกฎเกณฑ์จากตัวอย่างที่นำเสนอระหว่างการทดสอบได้โดยไม่ต้องฝึกฝนเพิ่มเติม

นักวิจัยยังพบว่าระบบสามารถสร้างโครงสร้างทางคณิตศาสตร์ขึ้นมาได้เอง ซึ่งรวมถึงลำดับเรขาคณิต รูปแบบที่คล้ายฟีโบนัชชี และลำดับพหุนามกำลังสองและกำลังสาม เลวีนกล่าวว่าไม่มีรูปแบบเหล่านี้ปรากฏในโปรแกรม 164 ล้านโปรแกรมที่สุ่มตัวอย่างมาจากพื้นที่เดียวกัน ซึ่งชี้ให้เห็นว่าระบบค้นพบรูปแบบเหล่านี้เพราะช่วยให้คู่เรียนรู้ทำนายได้ดีขึ้น

ก้าวข้ามคอขวดด้านข้อมูล

วิธีการนี้อาจเป็นแหล่งข้อมูลใหม่สำหรับการฝึกฝนในสาขาที่ข้อมูลขาดแคลนหรือมีต้นทุนสูงในการจัดหา

“เรื่องนี้มีความสำคัญเมื่อข้อมูลคุณภาพสูงกลายเป็นคอขวด ดังที่หลายฝ่ายคาดว่ากำลังจะเกิดขึ้นกับข้อความหรือโค้ดที่มนุษย์สร้างขึ้น และยิ่งสำคัญมากขึ้นในสาขาที่ข้อมูลมีน้อยหรือมีราคาแพง” เลวีนกล่าวกับ TPS-IL

นอกจากนี้ ยังสามารถใช้เป็นขั้นเตรียมการฝึกฝนเบื้องต้นก่อนการฝึก AI แบบดั้งเดิม โดยในการทดลอง นักวิจัยพบว่าโมเดลที่ผ่านแบบฝึกหัดที่สร้างขึ้นเองสามารถเรียนรู้ได้เร็วกว่าเมื่อได้รับข้อมูลในโลกแห่งความเป็นจริง

อย่างไรก็ตาม ยังมีข้อจำกัดสำคัญอยู่ การทดลองนี้ใช้โมเดลที่มีพารามิเตอร์น้อยกว่า 25 ล้านพารามิเตอร์ ซึ่งเล็กกว่าระบบ AI ที่ใหญ่ที่สุดในปัจจุบันมากกว่า 10,000 เท่า ยังไม่อาจทราบได้ว่าผลลัพธ์จะยังคงเป็นเช่นนี้หรือไม่ในระดับขนาดดังกล่าว เลวีนกล่าวว่าขณะนี้นักวิจัยกำลังศึกษาว่าแนวทางนี้จะสามารถขยายไปสู่โมเดลที่มีขนาดใหญ่ขึ้นอย่างมีนัยสำคัญได้หรือไม่

การเรียนรู้ด้วยตนเองยังไม่สามารถแทนที่ความรู้เชิงข้อเท็จจริงเกี่ยวกับโลกได้ ระบบสามารถค้นพบรูปแบบทางคณิตศาสตร์ผ่านการคำนวณ แต่ไม่สามารถสร้างข้อเท็จจริงทางประวัติศาสตร์หรือเรียนรู้เกี่ยวกับความเป็นจริงทางกายภาพได้เองโดยปราศจากการสังเกตสิ่งเหล่านั้น

“การเล่นกับตัวเองช่วยสอนโครงสร้างทั่วไป ซึ่งเป็นรูปแบบที่มีร่วมกันในข้อมูลหลากหลายประเภท แต่ไม่ได้สอนข้อเท็จจริงเกี่ยวกับโลกของเรา เช่น ใครเป็นผู้เขียนแฮมเล็ต” เลวีนกล่าวกับ TPS-IL “สิ่งเหล่านั้นยังคงต้องมาจากข้อมูลจริง ดังนั้นในแง่มุมเหล่านี้ มันจึงทำหน้าที่เสริมข้อมูลของมนุษย์มากกว่าที่จะเข้ามาแทนที่”

คณะนักวิจัยยังได้จัดการกับความเสี่ยงที่ระบบ AI จะทำซ้ำและขยายความผิดพลาดของตนเอง

“โมเดลผู้เรียนของเราฝึกฝนจากสิ่งที่โปรแกรมแสดงผลออกมาเมื่อถูกรันจริง ข้อมูลจึงเป็นสิ่งที่แต่ละโปรแกรมคำนวณออกมาอย่างแท้จริง จึงไม่มีอาการประสาทหลอน (hallucination) ที่จะถูกตอกย้ำ” เลวีนอธิบายกับ TPS-IL “ความเสี่ยงที่เราเผชิญอยู่จริงคือการที่โปรแกรมผู้เขียนติดอยู่ในมุมแคบๆ ลืมสิ่งที่ค้นพบก่อนหน้า หรือหาช่องว่างเพื่อรับรางวัล เราป้องกันสิ่งเหล่านี้ด้วยการให้รางวัลแก่ความก้าวหน้าในการเรียนรู้ที่แท้จริง เก็บรักษาคลังโปรแกรมที่หลากหลาย นำโปรแกรมก่อนหน้ากลับมารันซ้ำเพื่อไม่ให้ถูกลืม และรักษาตัวสร้างโปรแกรมให้อยู่ใกล้เคียงกับการแจกแจงเริ่มต้นแบบง่ายๆ ของโปรแกรม”

หมุดหมายสำคัญถัดไป เลวีนกล่าวว่า คือการพิสูจน์ให้เห็นว่าแนวทางนี้ใช้ได้ผลกับโมเดลที่มีพารามิเตอร์หลายพันล้านตัว และการฝึกฝนด้วยข้อมูลที่สร้างขึ้นเองสามารถแทนที่ข้อมูลการฝึกฝนแบบเดิมในปริมาณที่วัดผลได้ ในท้ายที่สุด นักวิจัยต้องการระบุให้ได้ว่าโมเดล AI จะสามารถพัฒนาอย่างต่อเนื่องผ่านการเล่นกับตัวเองได้หรือไม่ แม้ว่าจะใช้ข้อมูลการฝึกฝนที่มีอยู่ในโลกแห่งความเป็นจริงจนหมดสิ้นแล้วก็ตาม