เมื่อวันอังคารที่ผ่านมา ทีมนักวิจัยจาก Hugging Face ได้เปิดตัว "Open Deep Research" โครงการวิจัย AI แบบเปิดโค้ดที่ถูกพัฒนาขึ้นภายในเวลาเพียง 24 ชั่วโมง เพื่อตอบโต้ฟีเจอร์ "Deep Research" ของ OpenAI ซึ่งเป็นระบบที่สามารถค้นหาข้อมูลบนอินเทอร์เน็ตและสร้างรายงานวิจัยโดยอัตโนมัติ Hugging Face ตั้งเป้าหมายให้เทคโนโลยีนี้มีประสิทธิภาพใกล้เคียงกับของ OpenAI แต่เปิดให้ใช้งานฟรีสำหรับนักพัฒนา

"แม้ว่าปัจจุบัน LLMs (Large Language Models) ที่ทรงพลังจะมีให้ใช้แบบโอเพ่นซอร์ส แต่ OpenAI ไม่ได้เปิดเผยข้อมูลมากนักเกี่ยวกับโครงสร้างที่อยู่เบื้องหลัง Deep Research" Hugging Face ระบุในประกาศของพวกเขา "ดังนั้น เราจึงตัดสินใจท้าทายตัวเองด้วยการสร้างระบบที่เทียบเคียงได้ภายใน 24 ชั่วโมง และเปิดโค้ดให้ทุกคนเข้าถึงได้!"

ความสามารถของ Open Deep Research

โครงการ Open Deep Research ของ Hugging Face ใช้กรอบการทำงานแบบเอเจนต์ (Agentic Framework) ซึ่งช่วยให้โมเดล AI สามารถดำเนินการหลายขั้นตอนได้โดยอัตโนมัติ เช่น การรวบรวมข้อมูลจากแหล่งต่าง ๆ และสร้างรายงานโดยสรุปให้กับผู้ใช้ในภายหลัง โดยการออกแบบนี้คล้ายคลึงกับ Deep Research ของ OpenAI และโครงการที่ใช้ Gemini ของ Google

แม้ว่าโครงการนี้จะถูกพัฒนาเพียงหนึ่งวัน แต่ผลลัพธ์ก็น่าประทับใจอย่างยิ่ง Open Deep Research สามารถทำคะแนนได้ถึง 55.15% ในการทดสอบ GAIA Benchmark ซึ่งเป็นมาตรวัดความสามารถของ AI ในการรวบรวมและสังเคราะห์ข้อมูลจากแหล่งต่าง ๆ ขณะที่ Deep Research ของ OpenAI ได้คะแนน 67.36% ในการตอบคำถามครั้งเดียว และ 72.57% เมื่อใช้กลไกการรวมคำตอบแบบ Consensus

การเลือกโมเดล AI ที่เหมาะสม

Open Deep Research ถูกออกแบบให้รองรับโมเดล AI ได้หลายรูปแบบ ปัจจุบันมันใช้โมเดลของ OpenAI เช่น GPT-4o และ o1/o3-mini แต่สามารถปรับเปลี่ยนให้ทำงานกับโมเดลโอเพ่นซอร์สได้เช่นกัน จุดเด่นของระบบนี้คือโครงสร้างแบบเอเจนต์ที่ช่วยให้โมเดลสามารถทำงานเป็นลำดับขั้นตอนได้อย่างมีประสิทธิภาพ

"เราเลือกใช้โมเดลแบบปิด (Closed-Weights) ในตอนแรกเพราะมันให้ผลลัพธ์ที่ดี แต่เราเปิดเผยกระบวนการพัฒนาและโค้ดทั้งหมด เพื่อให้สามารถเปลี่ยนไปใช้โมเดลอื่นได้ในอนาคต" Aymeric Roucher หัวหน้าโครงการ Open Deep Research กล่าวกับ Ars Technica

Hugging Face ใช้ไลบรารี "smolagents" ซึ่งเป็นระบบโค้ดเอเจนต์ที่ช่วยให้ AI ทำงานโดยใช้โค้ดแทนที่จะเป็น JSON-based agents วิธีนี้ช่วยเพิ่มประสิทธิภาพในการทำงานของ AI ได้ถึง 30% เนื่องจากช่วยให้ระบบจัดการลำดับของกระบวนการทำงานได้ดีขึ้น

อนาคตของ AI แบบเปิดโค้ด

Open Deep Research เป็นตัวอย่างสำคัญของความรวดเร็วในการพัฒนา AI แบบโอเพ่นซอร์ส นักพัฒนาของ Hugging Face สามารถใช้ทรัพยากรจากโครงการ AI แบบเปิด เช่น Magnetic-One Agent ของ Microsoft Research ซึ่งช่วยให้พวกเขาสามารถพัฒนาโปรเจกต์ได้ภายในเวลาจำกัด

แม้ว่าประสิทธิภาพของ Open Deep Research จะยังไม่เทียบเท่ากับของ OpenAI แต่โครงการนี้เปิดโอกาสให้ชุมชนนักพัฒนาสามารถศึกษาหรือปรับปรุงเทคโนโลยีนี้ได้อย่างอิสระ "การตอบรับจากชุมชนดีมาก เราได้รับข้อเสนอแนะและการพัฒนาจากผู้ใช้ใหม่ ๆ อย่างต่อเนื่อง เหมือนกับการโต้คลื่นที่คลื่นลูกใหญ่กำลังมาถึง" Roucher กล่าว

อนาคตของ Open Deep Research ยังรวมถึงการรองรับไฟล์หลากหลายประเภท การพัฒนาความสามารถด้าน Computer Vision และแม้กระทั่งการสร้าง Agent ที่สามารถควบคุมหน้าจอและคีย์บอร์ดเหมือนกับ "Operator" ของ OpenAI Hugging Face ยังได้เปิดให้ผู้สนใจสามารถร่วมพัฒนาโครงการนี้บน GitHub และมีแผนที่จะขยายขอบเขตการทำงานของ AI ให้กว้างขึ้นในอนาคต

สงคราม AI กำลังเริ่มต้น

การเปิดตัว Open Deep Research แสดงให้เห็นว่าการแข่งขันในวงการ AI กำลังร้อนแรงขึ้น Hugging Face ได้แสดงให้เห็นว่าชุมชนนักพัฒนา AI แบบเปิดสามารถไล่ตามนวัตกรรมของบริษัทใหญ่อย่าง OpenAI ได้อย่างรวดเร็ว นี่อาจเป็นจุดเปลี่ยนสำคัญที่ทำให้ AI แบบโอเพ่นซอร์สกลายเป็นตัวเลือกที่ทรงพลังสำหรับนักพัฒนาและองค์กรที่ต้องการควบคุมเทคโนโลยี AI ด้วยตนเอง

ที่มา : arstechnica