ทีมโมเดล AI Sakana
Visit the creator : magazineasp
Sakana AI เปิดตัว TreeQuest ระบบทีมโมเดล AI ร่วมมือกัน พัฒนาประสิทธิภาพสูงขึ้น 30%
Sakana AI ห้องวิจัยปัญญาประดิษฐ์จากญี่ปุ่น เปิดตัวเทคนิคใหม่ที่ชื่อว่า Multi-LLM AB-MCTS ซึ่งเป็นวิธีการให้โมเดลภาษาใหญ่ (LLMs) หลายตัวทำงานร่วมกันในงานเดียวกัน เปรียบเสมือนการสร้าง “ทีมในฝัน” ของ AI ที่ผสานจุดแข็งของแต่ละโมเดล เพื่อแก้ไขปัญหาที่ซับซ้อนเกินกว่าที่โมเดลตัวเดียวจะจัดการได้
เทคนิคนี้ใช้หลักการ Adaptive Branching Monte Carlo Tree Search (AB-MCTS) ที่พัฒนาต่อยอดจากอัลกอริทึม Monte Carlo Tree Search ที่ DeepMind ใช้ใน AlphaGo โดย AB-MCTS จะชาญฉลาดในการตัดสินใจว่าจะ “ค้นหาเชิงลึก” เพื่อปรับปรุงคำตอบที่ดีอยู่แล้ว หรือ “ค้นหาเชิงกว้าง” เพื่อหาทางแก้ใหม่ ๆ และยังเลือกได้ว่าโมเดลไหนเหมาะสมกับขั้นตอนนั้น ๆ มากที่สุด
ทีม AI ที่ฉลาดกว่าเดี่ยว ๆ
Sakana AI ทดสอบระบบ Multi-LLM AB-MCTS บนชุดทดสอบ ARC-AGI-2 ซึ่งเป็นชุดโจทย์วัดความสามารถในการแก้ปัญหาทางตรรกะและการใช้เหตุผลแบบมนุษย์ ทีมโมเดลที่ประกอบด้วย o4-mini, Gemini 2.5 Pro, และ DeepSeek-R1 สามารถแก้โจทย์ได้มากกว่า 30% จากทั้งหมด 120 ข้อ ซึ่งสูงกว่าการใช้โมเดลใดโมเดลหนึ่งทำงานเดี่ยว ๆ อย่างมีนัยสำคัญ
นอกจากนี้ ยังมีกรณีที่โมเดลตัวหนึ่งให้คำตอบผิด แต่ระบบสามารถส่งต่อคำตอบนั้นให้โมเดลอื่น ๆ วิเคราะห์และแก้ไขจนได้คำตอบที่ถูกต้อง แสดงให้เห็นถึงพลังของการทำงานร่วมกันในรูปแบบทีม AI
ลดปัญหา “ฮัลลูซิเนชัน” ใน AI
ทีมวิจัยชี้ว่าแต่ละโมเดลมีจุดแข็งและจุดอ่อนที่แตกต่างกัน รวมถึงแนวโน้มในการสร้างข้อมูลผิด (hallucination) ที่ต่างกัน การรวมโมเดลที่มีแนวโน้มผิดพลาดต่ำเข้ากับโมเดลที่มีความสามารถเชิงตรรกะสูงช่วยให้ได้ผลลัพธ์ที่แม่นยำและน่าเชื่อถือมากขึ้น ซึ่งมีประโยชน์อย่างยิ่งในงานธุรกิจที่ต้องการความถูกต้องสูง
เปิดโค้ดสู่สาธารณะ
เพื่อส่งเสริมการนำไปใช้จริง Sakana AI ได้เปิดตัว TreeQuest เฟรมเวิร์กโอเพนซอร์สที่ใช้เทคนิค Multi-LLM AB-MCTS ภายใต้สัญญาอนุญาต Apache 2.0 ซึ่งนักพัฒนาและองค์กรสามารถนำไปปรับใช้กับงานเฉพาะทางของตนเองได้อย่างยืดหยุ่น
TreeQuest มี API ที่ใช้งานง่าย พร้อมรองรับการปรับแต่งวิธีการค้นหาและการให้คะแนนผลลัพธ์ตามความต้องการของแต่ละงาน
แนวทางสู่ AI ที่แข็งแกร่งและยืดหยุ่น
เทคนิคนี้ไม่เพียงช่วยเพิ่มประสิทธิภาพ AI ในงานที่ซับซ้อน เช่น การเขียนโค้ดขั้นสูง หรือการปรับปรุงโมเดลแมชชีนเลิร์นนิง แต่ยังเหมาะกับงานที่ต้องใช้การลองผิดลองถูกซ้ำ ๆ เช่น การปรับปรุงประสิทธิภาพระบบเว็บเซอร์วิสโดยอัตโนมัติ
ด้วย TreeQuest Sakana AI กำลังเปิดทางให้เกิดยุคใหม่ของ AI ที่ไม่ต้องพึ่งพาโมเดลเดียว แต่ใช้ “ทีม AI” ที่ทำงานร่วมกันอย่างชาญฉลาดและมีประสิทธิภาพสูงกว่าเดิม
ที่มา: VentureBeat, Sakana AI,
#ทีมโมเดล
#AIModels #Multi-LLM
#AB-MCTS
magazineasp
