ร่วมงานกับเรา
โจทย์ที่ AI Agents ยังแก้ไม่ได้
AI ก้าวหน้าอย่างรวดเร็วผ่านสองช่วงสำคัญ ช่วงแรกคือการเกิดขึ้นของ โมเดลที่มีความสามารถสูงจากการเรียนรู้ข้อมูลจำนวนมหาศาล และช่วงต่อมาคือ AI Agents ที่สามารถจดจำบริบทและนำความรู้จากงานหนึ่งไปใช้กับงานถัดไปได้ แต่ก้าวที่สามยากกว่านั้น และยังเป็นโจทย์ที่ยังไม่มีใครแก้ได้อย่างสมบูรณ์ นั่นคือการสร้างระบบที่สามารถ รักษาความเข้าใจต่อโลกที่เปลี่ยนแปลงอยู่ตลอดเวลาอย่างเป็นระบบ พร้อมตรวจสอบและปรับแก้ความเข้าใจของตัวเองได้ ระบบที่รู้ว่า ขณะนี้ตัวเองเชื่ออะไร เพราะอะไร มั่นใจแค่ไหน และเมื่อมีข้อมูลใหม่แบบใด จึงควรทบทวนหรือเปลี่ยนความเข้าใจเดิม
และนี่คือโจทย์ที่ Sunsara กำลังลงมือแก้ ไม่ใช่เพียงแนวคิดหรือการทดลองในเชิงทฤษฎี แต่เป็นผลิตภัณฑ์ที่ใช้งานจริง มีลูกค้าที่พร้อมจ่าย และเริ่มต้นจากการทำความเข้าใจสภาพแวดล้อมทางธุรกิจของบริษัทไทย
เริ่มจากฉบับย่อของเส้นทางที่เรากำลังไป: วิสัยทัศน์
ทำไมโจทย์นี้จึงสำคัญ
ระบบที่สามารถลงมือทำสิ่งต่าง ๆ ได้ แต่ไม่สามารถรักษาและปรับปรุงความเข้าใจของตนเองได้อย่างน่าเชื่อถือ ในที่สุดย่อมเสี่ยงต่อการตัดสินใจบนข้อมูลที่ล้าสมัย ขัดแย้งกันเอง หรือยืนยันเพียงสิ่งที่ระบบเชื่ออยู่แล้ว การที่ AI จะสามารถทำงานได้อย่างเป็นอิสระและต่อเนื่องในระยะยาว โดยเฉพาะในงานที่มีความซับซ้อนและจริงจัง ไม่ว่าจะเป็นวิทยาศาสตร์ การแพทย์ การดำเนินงาน หรือการวิเคราะห์ข่าวกรอง ล้วนขึ้นอยู่กับความสามารถนี้ องค์ประกอบของโจทย์นี้มีรากฐานทางวิชาการมายาวนาน ทั้ง การปรับปรุงความเชื่อเมื่อได้รับข้อมูลใหม่ (Belief Revision) การติดตามที่มาและหลักฐานของข้อมูล (Provenance) การค้นหาข้อมูลเชิงรุก (Active Information Gathering) และ การประเมินระดับความเชื่อมั่นของระบบ (Calibration) สิ่งที่ยังขาดคือการนำองค์ประกอบเหล่านี้มารวมกันเป็นระบบเดียว — ระบบที่รู้ว่าตัวเองเชื่ออะไร มีหลักฐานอะไรสนับสนุน กล้าตั้งคำถามกับความเชื่อของตัวเอง และสามารถรักษาความเข้าใจที่สอดคล้องกันได้ต่อเนื่องเป็นเวลาหลายเดือน จนถึงวันนี้ ยังไม่มีใครสร้างระบบลักษณะนี้ได้อย่างสมบูรณ์
งานวิจัยส่วนใหญ่เกี่ยวกับโจทย์เหล่านี้ยังคงทดสอบและประเมินผลบน ชุดข้อมูลหรือเกณฑ์มาตรฐานที่หยุดนิ่ง (Static Benchmarks) แต่ Signals แตกต่างออกไป เพราะทำงานอยู่ในสภาพแวดล้อมจริงที่เปลี่ยนแปลงอยู่ตลอดเวลา และมีคุณสมบัติสำคัญที่งานลักษณะนี้ต้องการ ซึ่งไม่สามารถจำลองขึ้นมาได้อย่างสมบูรณ์ Signals ต้องรับมือกับ ข้อมูลและหลักฐานใหม่ที่หลั่งไหลเข้ามาอย่างต่อเนื่อง ข้อเท็จจริงที่อาจต้องใช้เวลากว่าจะยืนยันได้ คำอธิบายหลายแบบที่แข่งขันกัน ความเข้าใจที่ต้องรักษาและปรับเปลี่ยนตลอดระยะเวลาหลายเดือน รวมถึงผลกระทบที่เกิดขึ้นจริงเมื่อระบบวิเคราะห์ผิดพลาด
คุณจะได้สร้างอะไร
เบื้องหลัง Signals คือระบบที่ถูกออกแบบให้สามารถจัดเก็บและปรับปรุงความเข้าใจของตนเอง โดยรู้ว่าข้อมูลแต่ละเรื่อง มาจากไหน มีหลักฐานอะไรสนับสนุน และยังมีผลหรือเป็นจริงอยู่ในช่วงเวลาใด พร้อมกลไกที่ช่วยตัดสินใจว่า คำถามใดคือคำถามถัดไปที่จะช่วยยืนยันหรือหักล้างสิ่งที่ระบบกำลังเชื่อได้ดีที่สุด จากนั้นระบบจะประเมินสิ่งที่ค้นพบว่า ควรตัดทิ้ง ควรติดตามต่อ หรือมีความสำคัญมากพอที่จะนำเสนอให้ผู้ใช้ รวมถึงมีระบบประเมินผลที่ตรวจสอบว่า ระดับความมั่นใจของ AI สอดคล้องกับความถูกต้องที่เกิดขึ้นจริงมากน้อยเพียงใด และยังมีอีกส่วนที่อาจไม่ได้ดูหวือหวา แต่เป็นโจทย์ทางเทคนิคที่ยากอย่างแท้จริง นั่นคือ การจัดการข้อมูลปฐมภูมิภาษาไทย ไม่ว่าจะเป็นราชกิจจานุเบกษา เอกสารที่ยื่นต่อหน่วยงานรัฐ ฐานทะเบียน และเอกสารทางการในรูปแบบต่าง ๆ ซึ่งเป็นแหล่งข้อมูลที่แทบไม่มีคนทำ
ทีมเล็ก ไอเดียจึงไปถึงการใช้งานจริงได้รวดเร็ว สิ่งที่คุณสร้างจะไม่ได้หยุดอยู่แค่ต้นแบบ แต่จะถูกนำไปใช้กับลูกค้าจริง และหากงานนั้นนำไปสู่วิธีการหรือเกณฑ์มาตรฐาน (Benchmarks) ที่มีคุณค่าและเป็นประโยชน์ต่อวงการ เราตั้งใจที่จะเผยแพร่และแบ่งปันผลงานเหล่านั้นสู่สาธารณะ
คุณจะได้ทำงานกับใคร
Sunsara ก่อตั้งโดย Frank Sommers และ ดร. อลิสา คงทน หากคุณมาร่วมงานกับเรา คุณจะได้ทำงานโดยตรงกับผู้ก่อตั้งทั้ง 2 คน
รู้จักเราเพิ่มเติม: หน้าเกี่ยวกับเรา
ติดต่อเราอย่างไร
ไม่มีแบบฟอร์ม ไม่มีขั้นตอนสมัครที่ยุ่งยาก แค่เขียนมาคุยกับเรา บอกเราว่าคุณเคยสร้างอะไรมา อยากมาร่วมทำอะไรกับเรา หรือมีเรื่องไหนในหน้านี้ที่คุณเห็นต่างจากเรา — โดยเฉพาะอย่างหลัง เราอยากฟังเป็นพิเศษ
ถนัดใช้แบบฟอร์มมากกว่า? ใช้หน้าติดต่อได้