Nature: นักวิทยาศาสตร์ยังเหนือกว่า AI agent ใน task ซับซ้อน — แต่ paper ที่อ้างอิง AI โต 26% ในปีเดียว

Nature volume 652 issue 8111 (วันที่ 23 เม.ย. 2026) ตีพิมพ์บทความ “Human scientists trounce the best AI agents on complex tasks” — รายงานผลจาก AI Index Report 2026 ของ Stanford HAI ที่เพิ่ง release — สรุปสภาพปัจจุบันของ AI ในวงการวิจัย และพบ paradox ที่น่าจับตา: paper ที่อ้างอิง AI พุ่งขึ้น แต่ AI agent เองยังแพ้นักวิทยาศาสตร์เมื่อทดสอบ scientific workflow ที่ซับซ้อน

ตัวเลขจาก AI Index 2026

Adoption ในวงวิจัย:

• ปี 2025 มี paper, preprint และ publication ใน natural sciences กว่า 80,000 ฉบับ ที่อ้างถึง AI — เพิ่มขึ้น 26% จากปี 2024
• รวมทุกสาขา (รวม social science, humanities) จำนวนเกิน 200,000 ฉบับ
• ใน computer science conference (NeurIPS, ICML, ICLR) submission เพิ่ม 40%

Capability gap:

• Stanford ทดสอบ AI agent ใน complex scientific task เช่น literature review + experimental design + result interpretation
• ใช้ benchmark ที่เปรียบ agent กับนักวิทยาศาสตร์ระดับ post-doc และ professor
• ผลลัพธ์: human ชนะ agent ในทุก dimension ที่ทดสอบ — ยกเว้นบาง sub-task ที่ tightly defined (เช่น classification ของ chemistry compound, protein structure prediction)

ทำไม agent ยังแพ้:

• task ที่ “complex” จริง ๆ ต้องการ judgment under uncertainty, planning multi-step, และ integration ของ knowledge ข้าม domain
• AI agent ยังพลาดที่ stop ผิดเวลา (continue เมื่อควรหยุด) หรือ early-stop (หยุดก่อนทำงานเสร็จ)
• agent มีแนวโน้ม hallucinate citation — ปลอม reference ที่ไม่มีจริง — ในระดับที่ peer review จับได้

Best models ที่ทดสอบ

Stanford ทดสอบ:

• Claude Opus 4.6 (Anthropic)
• Gemini 3.1 Pro (Google DeepMind)
• GPT-5.4 (OpenAI — ก่อน 5.5 ออกในเดือน เม.ย.)
• DeepSeek V4 Pro (จีน — preview)

ผลใน Humanity’s Last Exam (HLE) benchmark:

• best score >50% accuracy
• ปี 2024 best score อยู่ที่ ~25%
• การเพิ่มขึ้นเร็ว แต่ HLE ที่ test คำถามระดับ PhD ยังเหลือ headroom > 50%

Paradox: Adoption โต กว่า capability

นักวิจัยตั้งคำถามว่าทำไม paper ที่อ้างอิง AI โตเร็ว ทั้งที่ AI ยังแพ้ทำ task หลัก:

1. AI ใช้เป็น “co-pilot” ไม่ใช่ “primary investigator”

• ส่วนใหญ่ใช้ AI ใน:
  • literature search (perplexity, scite, elicit)
  • draft writing (Grammarly, ChatGPT)
  • data analysis ระดับ scripting (Copilot, Codex)
• AI ทำส่วน mechanical ที่นักวิจัยเสียเวลา ไม่ใช่ส่วน insight-generating

2. Hype + funding pressure

• funding agency หลายที่ require “AI integration” เป็น keyword ใน proposal
• บริษัท + university ต้องการ “AI initiative” เพื่อ marketing
• ทำให้ paper อ้างอิง AI โดย minimal เพื่อ check box

3. AI ในบทบาท “scientific assistant” ที่ใหม่

• มี trend ของ AI เขียน paper เอง หรือ AI peer review เอง (ที่ Nature เคยรายงานก่อนหน้านี้)
• บาง conference ทำ experiment “AI bot wrote and reviewed all papers”
• แม้ยังไม่ adopted กว้าง แต่ก็เพิ่มจำนวน mention

ทำไม Stanford สำคัญในการ benchmark

AI Index ของ Stanford เป็น flagship report ของ Human-Centered AI Institute ที่ Yoshua Bengio และ Fei-Fei Li ร่วม advise — รายงานนี้ใช้ methodology ที่เปิด + reproducible — เป็น reference standard ที่ government หลาย country ใช้กำหนด policy

ปี 2026 รายงานยังเปิดประเด็น:

• gap ระหว่าง closed model (top US lab) กับ open model (DeepSeek, Qwen, Llama) แคบลงเหลือ ~5% ใน benchmark กว้าง — เคย 20%+ ปีก่อน
• inference cost ของ frontier AI ลดลง >10x ในปี 2025 — ทำให้ small organization เข้าถึงได้
• investment ใน AI infrastructure (data center + chip) เกิน $700B ใน Q1 2026 อย่างเดียว

มุมมอง AI Curator

รายงานนี้เป็น reality check ที่จำเป็นในช่วงที่ hype agent ขึ้นสูงสุด — ผมเห็น 3 ประเด็นที่ developer และ policy maker ควรซึม:

1. “Scientific agent” ยังเป็น aspiration ไม่ใช่ product — แม้ Sakana AI Scientist, FutureHouse, Profound AI จะโชว์ end-to-end research workflow → benchmark Stanford แสดงว่ามันยังทำ task เก่ง specific แต่ไม่ general — สำหรับ funding agency (วช., สวทช.) ที่กำลังพิจารณา grant project ที่ใช้ “AI scientist” — ใช้ความระวัง — ผลลัพธ์ที่เชื่อได้คือ AI as tool ไม่ใช่ AI as principal investigator

2. Citation hallucination = scientific integrity crisis ที่ใต้ pin — ถ้า paper 80,000 ฉบับมี AI involvement และส่วนหนึ่งมี citation ปลอมที่ peer review ไม่จับ → integrity ของ scientific record เริ่มเสื่อม — Nature, Science, Cell จึงประกาศต้นปี 2026 ว่าผู้เขียนต้อง disclose AI use ทุกขั้น + checker tool ที่ verify citation จะเป็น mandatory ภายในปลายปี — มหาวิทยาลัยไทยควร adopt policy เดียวกันก่อนสภาวิจัยจะออกบังคับ

3. Open vs. closed gap แคบลง = เสรีภาพในการเลือก — DeepSeek V4 + Qwen 3.5 + Llama 4 ทุกตัวอยู่ในระยะ ~5% จาก frontier closed model — สำหรับ research lab ไทย: ใช้ open model สำหรับ workload ที่ต้องการ data privacy หรือ cost-control — ไม่ต้องรอ deal กับ Anthropic หรือ Google → quality เพียงพอแล้ว

บริบทไทย/SEA:

• มหาวิทยาลัยไทย (จุฬา, มหิดล, KMITL, สจล. และอื่น ๆ) — ที่กำลังตั้ง AI lab ที่ “ฝึก scientific agent” — ใช้รายงาน Stanford เป็น baseline — กำหนด KPI เป็น incremental improvement บน benchmark สาธารณะ ไม่ใช่ “AI scientist สมบูรณ์”
• สวทช. + วช. — funding policy ควรแยกระหว่าง “AI as tool” กับ “AI as research subject” — ตอนนี้ผสมกัน → grant evaluator งง
• scientific journal ไทย (ที่กำลัง digitize) — กำหนด AI disclosure policy ตาม Nature ก่อน — ภายในปี 2027 มาตรฐานนี้จะเป็น default global

ที่ต้องตั้งคำถาม: ถ้า AI agent ยังแพ้นักวิทยาศาสตร์ ใน 5 ปีข้างหน้าเมื่อ frontier model ดีขึ้น 10x — เราจะรู้ตอนไหนว่า “agent ทำ science ได้ดีกว่า” ? — Stanford AI Index ตอนนี้เป็น tool best ที่เรามี แต่ benchmark ยังห่างจาก task ที่ Nobel laureate ทำ — methodology ของ index ปี 2027 จะต้องเริ่มทดสอบ agent ใน open-ended discovery เช่น “design experiment ใหม่ที่ผลลัพธ์ไม่รู้ล่วงหน้า” — เป็น measurement challenge ที่ฝั่ง human ก็ยากจะ score เอง

แหล่งข่าว

• Nature: Human scientists trounce the best AI agents on complex tasks
• Nature volume 652 issue 8111 (23 April 2026)
• IEEE Spectrum: Stanford’s AI Index for 2026 Shows the State of AI
• MIT Technology Review: 10 Things That Matter in AI Right Now