มุมมองส่วนตัวเกี่ยวกับแนวโน้มวรรณกรรมด้านวิสัยทัศน์คอมพิวเตอร์ในปี 2025

การเปิดเผยข้อมูลด้านจริยธรรมและการกระจายข้อมูลแบบเกาส์เซียนกำลังลดลง ในขณะที่ปริมาณบทความที่ส่งเข้ามาจำนวนมหาศาลนั้นเป็นปัญหาใหม่ที่ AI ต้องรับมือในปี 2026

ความคิดเห็น ผมติดตามงานวิจัยด้านคอมพิวเตอร์วิชั่นและการสังเคราะห์ภาพบน arXiv และแหล่งข้อมูลที่เกี่ยวข้องมาประมาณเจ็ดปีแล้ว ผ่านช่องทางต่างๆ มากมาย นานพอที่จะสังเกตเห็นรูปแบบที่เกิดขึ้นซ้ำๆ และการเปลี่ยนแปลงของแนวโน้ม แต่ข้อสังเกตเหล่านี้เป็นเพียงการสังเกตการณ์เท่านั้น ผมหวังอย่างยิ่งว่าจะมีเวลามากพอที่จะใช้ประโยชน์จากคลังข้อมูลขนาดใหญ่ที่เติบโตอย่างต่อเนื่องของ Arxiv เพียงอย่างเดียว ซึ่งแน่นอนว่าอุดมไปด้วยข้อมูลเชิงลึกที่ซ่อนอยู่ โดยใช้การวิเคราะห์ด้วยแมชชีนเลิร์นนิง ในขณะนี้ ผมทำได้เพียงรายงานสิ่งที่ผมได้พบเห็นอย่างไม่เป็นทางการเท่านั้น นับตั้งแต่ครั้งสุดท้ายที่ฉันพิจารณาเรื่องนี้.

เล่มที่ 11

แนวโน้มหลายอย่างในการส่งบทความวิจัยด้านปัญญาประดิษฐ์ที่ผมสังเกตเห็นในปี 2024 ได้กลายเป็นแนวโน้มที่คงที่ในปี 2025 โดยเฉพาะอย่างยิ่งการเพิ่มขึ้นอย่างต่อเนื่องและไม่หยุดยั้งของ... ปริมาณ ของเอกสารที่เกี่ยวข้องกับ AI ซึ่งตัวมันเองก็ได้รับแรงขับเคลื่อนจาก AI จนถึงจุดที่ วิกฤตที่รับรู้ได้:

จำนวนบทความวิจัยด้านวิทยาศาสตร์คอมพิวเตอร์ที่ส่งเข้า Arxiv รายเดือน ตุลาคม 2023 - พฤศจิกายน 2025 พร้อมค่าเฉลี่ยเคลื่อนที่ 3 เดือนซ้อนทับอยู่ด้วย. แหล่ง

อัตราการเติบโตนี้มีลักษณะเป็นการเพิ่มขึ้นแบบทวีคูณของปริมาณบทความวิจัยด้านปัญญาประดิษฐ์ที่ส่งเข้ามา เมื่อหลายปีก่อนและมันยิ่งฝังรากลึกมากขึ้นไปอีกนับตั้งแต่การเกิดขึ้นล่าสุดของ ความคลั่งไคล้การลงทุนใน AI สิ่งนี้ได้ยกระดับความท้าทาย รวมถึงจำนวนเงินทุนที่มีอยู่สำหรับการวิจัยที่เกี่ยวข้องกับ AI ด้วย

สถิติฉบับเต็มสำหรับปี 2025 ยังไม่พร้อมใช้งาน และสถิติโดยรวมที่แสดงข้างต้นแสดงถึงตัวเลขทั่วไปที่เพิ่มขึ้นในทุกหมวดหมู่ ด้านล่างนี้เราจะเห็นว่าวิทยาศาสตร์คอมพิวเตอร์ยังคงมีแนวโน้มที่โดดเด่น โดยสูงกว่าสาขาอื่นๆ อย่างมีนัยสำคัญ:

จำนวนการส่งผลงานด้านวิทยาการคอมพิวเตอร์เพิ่มขึ้นในช่วงปี 2022-2025 แหล่ง

การคัดแยกสิ่งที่ไม่สำคัญ

ในเดือนตุลาคม ซึ่งเป็นช่วงเริ่มต้นของฤดูกาลประชุมวิชาการฤดูใบไม้ร่วง ที่มักจะนำมาซึ่งงานวิจัยใหม่ๆ มากมาย กลับนำมาซึ่ง... ปริมาณการส่งข้อมูลระดับการโจมตีแบบ DOSซึ่งเป็นการเพิ่มแรงผลักดันและความเร่งด่วนให้กับงานวิจัยที่ก่อนหน้านี้ยังไม่ได้รับความสนใจอย่างเพียงพอ การวิเคราะห์แนวโน้มการวิจัยกล่าวอีกนัยหนึ่งคือ มีเอกสารและแหล่งข้อมูลต่างๆ เกิดขึ้นมากมาย ซึ่งมีเป้าหมายที่จะช่วยลดอัตราส่วนสัญญาณต่อเสียงรบกวนที่แย่ลงเรื่อยๆ ในแวดวงการวิจัย

ล่าสุดเกิดขึ้นเมื่อสัปดาห์ที่แล้ว ในรูปแบบของ อันดับความแปลกใหม่, กระดาษ และ พื้นที่เก็บข้อมูล GitHub ซึ่งปรับแต่งหลักสูตร LLM ให้เหมาะสมยิ่งขึ้น เช่น Qwen3-4B-Instruct-2507 และ ไซเบิร์ต เพื่อให้พวกเขาสามารถทำการจำแนกประเภทแบบไบนารีของเอกสารที่ส่งเข้ามา (ทำนาย 'ความแปลกใหม่' จากเอกสารที่ส่งเข้ามาก่อนหน้านี้) หรือเปรียบเทียบความแปลกใหม่แบบเป็นคู่ (เปรียบเทียบเอกสารที่ส่งเข้ามาในปัจจุบันเพื่อหา 'ความแปลกใหม่')

ระบบ NoveltyRank จะเปรียบเทียบชื่อเรื่องและบทคัดย่อของบทความที่ส่งเข้ามากับบทความที่คล้ายคลึงกันในอดีต สรุปความแตกต่างโดยใช้ LLM และส่งข้อมูลนี้ไปยังแบบจำลอง Qwen3-4B ที่ปรับแต่งอย่างละเอียดเพื่อตัดสินว่างานนั้นถือว่า 'ใหม่ในเชิงแนวคิด' หรือไม่ แหล่ง

ปัญหาของการใช้แนวทางการ "คัดกรอง" แบบนี้คือความท้าทายในการ... การกำหนดตัวแปรที่มีความหมายวิธีการของ NoveltyRank ใช้การที่บทความได้รับการยอมรับให้ตีพิมพ์ในงานประชุมเป็นดัชนีบ่งชี้ความแปลกใหม่ และใช้การตีพิมพ์ใน Arxiv เป็นดัชนีพื้นฐานซึ่งอาจดูเป็นการมองข้ามไปบ้าง เชิงลบ ความแปลก

สิ่งนี้ตั้งอยู่บนสมมติฐานที่ผิดสองประการ ประการแรกคือ บทความที่ได้รับการยอมรับให้ตีพิมพ์ในงานประชุมทั้งหมดนั้นเป็นสิ่งใหม่หรือมีความสำคัญ ซึ่งเห็นได้ชัดว่าไม่ใช่เช่นนั้น และประการที่สองคือ ความแปลกใหม่นั้นมีคุณค่าอย่างไม่มีเงื่อนไข ใครก็ตามที่เสียเวลาครึ่งชั่วโมงไปกับบทความที่ดูดีแต่ไร้สาระที่ส่งเข้ามา – บางที – เพียงเพื่อรักษาความเชื่อที่ว่าบทความเหล่านั้นเป็นสิ่งใหม่ โควต้า 'ตีพิมพ์หรือไม่ก็ล้มเหลว'พวกเขาจะรู้ว่าสิ่งใหม่ๆ มักเป็นเรื่องเล็กน้อย และการทำงานทีละเล็กทีละน้อยมักมีความสำคัญ

การทำความเข้าใจคุณค่าของเอกสารฉบับใหม่นั้นเกี่ยวข้องกับaด้านที่ปัญญาประดิษฐ์ (AI) กำลังเข้ามามีบทบาทในปัจจุบัน อ่อนแอมาก – ระยะยาว สิ่งแวดล้อมเนื่องจากวิธีการเขียนที่ไม่ซื่อสัตย์บ่อยครั้ง บทความวิจัยที่ดูเหมือนจะสร้างความก้าวหน้าครั้งสำคัญ มักจะถูกเปิดเผยว่าเป็นเพียงความก้าวหน้าเล็กน้อยจากงานวิจัยที่มีอยู่แล้ว อย่างไรก็ตาม ระบบอัตโนมัติจะต้องพัฒนา "สัญชาตญาณ" สำหรับกรณีเช่นนี้ โดยไม่แจ้งเตือนผลลัพธ์ที่ผิดพลาดหลายครั้ง และโดยไม่พึ่งพาความซื่อสัตย์ของผู้เขียนที่ส่งบทความ

การดำดิ่งทางจริยธรรม

อย่างที่ฉันมี สังเกตมาก่อนเว็บไซต์อย่าง Arxiv ค่อนข้างทนทานต่อสิ่งนี้ ไม่รู้ไม่ชี้ การดึงข้อมูลจากเว็บไซต์ และข้อมูลที่ได้จากการดึงข้อมูลเหล่านั้น มักขาดรายละเอียดที่ครบถ้วน

ดังนั้น แม้ว่าผมจะมีทรัพยากรและเวลาเพียงพอที่จะดาวน์โหลดและดึงข้อมูลคุณลักษณะจากเอกสารทางด้านวิทยาการคอมพิวเตอร์ที่เป็นตัวแทนอย่างเหมาะสม แต่แนวโน้มที่ละเอียดอ่อนหลายอย่างก็จะไม่ได้รับการวิเคราะห์หรือศึกษา

หนึ่งในนั้นคือการมีอยู่หรือไม่มีอยู่ของ ข้อกำหนดทางจริยธรรมเพิ่มเติมยาวนาน การรวมภาคบังคับ สำหรับสาขาวิทยาศาสตร์ชีวภาพที่เกี่ยวข้องกับการทดลองกับสัตว์ ปี 2024 ถือเป็นจุดสูงสุดของแนวโน้มในการระบุลักษณะทางจริยธรรมของงานวิจัยที่เสนอ โดยเฉพาะอย่างยิ่งในตอนท้ายของบทความที่ส่งเข้ามาในหมวดวิทยาศาสตร์คอมพิวเตอร์

จากประสบการณ์ส่วนตัว ผมคิดว่าแนวปฏิบัตินี้ลดลงอย่างฮวบฮาบตลอดปี 2025 ผมเดาว่าความพยายามอย่างหนักของรัฐบาลสหรัฐฯ ในปัจจุบันในการลดกฎระเบียบที่เกี่ยวข้องกับการพัฒนา AI ได้ทำให้ชุมชนวิจัยทั้งในและต่างประเทศได้รับอิสระมากขึ้นและรู้สึกว่าได้รับการคุ้มครองโดยปริยายจากการถูกฟ้องร้องทางกฎหมาย

ถึงแม้ว่า สนับสนุน ในด้านกฎระเบียบต่อต้านเทคโนโลยีดีปเฟค รัฐบาลสหรัฐฯ ชุดปัจจุบันได้นำเอาท่าทีแบบ "ไร้กฎเกณฑ์" ที่เคยเกิดขึ้นในช่วงปี 2021-23 กลับมาใช้อีกครั้ง แม้ว่าบริบทของการวิจัยทางวิทยาศาสตร์ล้วนๆ ที่เคยเป็นตัวกำหนดสถานการณ์นั้นได้พัฒนาไปสู่ระดับการลงทุนที่เข้มข้นและเป็นประวัติการณ์แล้วก็ตาม

บทความวิจัยเกี่ยวกับวิดีโอที่สร้างขึ้นโดยปัญญาประดิษฐ์ถูกมองว่าเป็น 'เรื่องไร้สาระของ AI'

ด้วยการเปิดตัวของ วิดีโอ Hunyuan และ WAN จากซีรีส์วิดีโอที่สร้างขึ้นโดย AI ในช่วงฤดูหนาวที่ผ่านมา วิดีโอ AI ได้รับการเปลี่ยนแปลงไปอย่างสิ้นเชิงในปี 2025 อุปสรรคเก่าๆ เช่น ความยากในการสร้างอวตารที่มีรูปร่างสมบูรณ์หรือของ การได้รับจำนวนการเข้าชมโปรไฟล์ที่น่าเชื่อถือ บุคคลหนึ่งถูกพัดพาไปอย่างไร้ร่องรอย ดูเหมือนว่าจะเกิดขึ้นในชั่วข้ามคืน

ผลิตภัณฑ์ที่มีน้ำหนักเบาจำนวนมากที่วางจำหน่ายจากประเทศจีนนั้น... เป็นที่ถกเถียงได้ซึ่งเป็นการกำหนดทิศทางสำหรับการเผยแพร่วิดีโอแบบสร้างสรรค์ในปีนี้ และอย่างน้อยก็เป็นการกดดันในทางตรงกันข้ามกับแนวโน้มของสถาปัตยกรรมวิดีโอ AI ของตะวันตกที่มักถูกเซ็นเซอร์ กำหนดรูปแบบเชิงพาณิชย์ล่วงหน้า และถูกกำหนดรูปแบบไว้ล่วงหน้ามากกว่า

การขอ ไม่มีคูเมือง ในฉากที่นำโดย CCCP ซึ่งมีลักษณะเป็นประชาธิปไตยอย่างน่าขันนี้ ได้นำไปสู่บริษัทหลายร้อยหรือหลายพันแห่งที่พยายามแสวงหาผลประโยชน์จากตลาดการอนุมานที่กำลังเติบโต โดยการนำเสนอพอร์ทัลที่ใช้งานง่าย โดยมีผู้เล่นที่หลากหลายตั้งแต่... civit.ai และ รันพอด ได้รับผลกำไรจากขั้นตอนและเทคโนโลยีที่ในหลายกรณีสามารถใช้งานบนคอมพิวเตอร์ส่วนบุคคลได้

โดยทั่วไป โครงการริเริ่มเหล่านี้เป็นการแสวงหาผลกำไรระยะสั้น ซึ่งคาดว่าจะถูกแย่งชิงไปโดยการควบรวมกิจการในตลาดในที่สุด (ถึงแม้ว่าผู้ก่อตั้งคงไม่คัดค้านหากบังเอิญได้ส่วนแบ่งการตลาดที่โดดเด่น หากสิ่งนั้นเกิดขึ้น)

ความซ้ำซากจำเจและการทำซ้ำแบบเดียวกันนี้ได้เกิดขึ้นกับส่วนวิดีโอที่สร้างขึ้นโดยอัตโนมัติในบทความที่ส่งเข้ามาใน Arxiv ในปี 2025 เช่นกัน สังเกตเมื่อสัปดาห์ที่แล้วอัตราส่วนสัญญาณต่อเสียงรบกวนสำหรับหมวดหมู่นี้ได้พุ่งสูงขึ้นจนน่าตกใจ เนื่องจากนักวิจัยต่างแข่งขันกันอย่างเปิดเผยเพื่อแย่งชิงเงินทุนจำนวนมหาศาลที่อาจเกิดขึ้นจากความก้าวหน้าในปีนี้

ถึงกระนั้น ผลงานที่ส่งเข้ามาส่วนใหญ่ก็เป็นเพียงความก้าวหน้าเล็กน้อยเท่านั้น ปัญหาหลักที่ยังคงมีอยู่ในปัญญาประดิษฐ์เชิงสร้างสรรค์ยังไม่ปรากฏให้เห็นมากนักในปีนี้ นั่นคือ ความจำเป็นในการ รักษาเอกลักษณ์, สไตล์ LoRAตลอดการนำเสนอตัวละคร ความต้องการเวลาฉายที่ยาวขึ้นสำหรับวิดีโอที่ส่งออก โดยยังคงรักษาความสอดคล้องกันโดยรวม (เช่น สภาพแวดล้อมและธีม ฯลฯ ไม่ใช่แค่การออกแบบ) และเพื่อการปรับปรุง การสร้างเสียง และการปรับแต่งภายในสถาปัตยกรรมวิดีโอเชิงสร้างสรรค์และการตัดต่อวิดีโอ เป็นต้น

อาการคลั่งไคล้ตาข่ายลดลงแล้ว

ปีที่แล้วฉันสังเกตเห็นว่าวงการนี้มีจำนวนบทความวิจัยที่ส่งเสริมระบบที่ใช้ประโยชน์จาก CGI แบบดั้งเดิม (เช่น การแสดงผลแบบตาข่าย (แบบที่ย้อนกลับไปถึงยุค 1970) หรือ ผนวกเข้ากับโครงข่ายประสาทเทียมผมสังเกตเห็นว่าแรงผลักดันในการใช้โซลูชันแบบโครงข่ายประสาทเทียมลดลงอย่างเห็นได้ชัด โดยเฉพาะในช่วงครึ่งหลังของปี เมื่อเทียบกับปี 2025

โซลูชันที่ผสานรวม CGI จำนวนมากในเอกสารชุดแรกๆ โดยเฉพาะอย่างยิ่งที่เกี่ยวข้องกับหุ่นจำลองมนุษย์แบบพาราเมตริก เช่น โมเดล 3 มิติที่ปรับเปลี่ยนรูปร่างได้อาจถูกแทนที่ด้วยความสามารถใหม่ๆ ของเฟรมเวิร์กการสร้างข้อมูลแบบอาศัยการแพร่กระจาย เช่น Veo, Kling, Hunyuan และ WAN เป็นต้น

ในขณะเดียวกัน เอกสารที่เกี่ยวข้องกับ เกาส์เซียน สแปลท แนวทางต่างๆ ดูเหมือนจะได้รับผลกระทบจากความหยุดนิ่งในการพัฒนา หรือถูกบดบังด้วยระบบ AI รุ่นใหม่ที่ใช้การแพร่กระจายข้อมูลในปี 2025 หรืออาจเป็นทั้งสองอย่าง

เมื่อปีที่แล้ว ฉันได้กล่าวไว้ว่า ความตื่นเต้นในช่วงแรกของ GSplat ซึ่งทำให้... สร้างความประทับใจอย่างมากในช่วงปลายปี 2023ก่อนหน้านี้ งานวิจัยในสาขานี้ได้ลดขอบเขตลงเหลือเพียงแคบลง แต่ในปีนี้ ผมเห็นผลงานวิจัยจำนวนมากที่มุ่งเน้นการแก้ไขปัญหาความต้องการทรัพยากรจำนวนมากของแนวทางนี้ รวมถึงปัญหาอื่นๆ ด้วย

แม้ว่าผมจะมองว่า Gaussian Splatting อยู่ในสถานะ 'หยุดชะงักชั่วคราว' แต่เราควรจำไว้ว่าเทคโนโลยีนี้มีมาตั้งแต่ช่วงต้นทศวรรษ 1990 และมีลักษณะเหมือนเทคโนโลยีที่ถูกนำกลับมาใช้ใหม่

ข้อยกเว้นประการหนึ่งของการถอยห่างจากแนวทางที่ใช้โครงสร้างตาข่ายโดยทั่วไปนี้ คือ ความสนใจที่เพิ่มขึ้นอย่างเห็นได้ชัดในการนำปัญญาประดิษฐ์ (AI) มาใช้ในกรอบการทำงานที่มุ่งเน้นการพิมพ์ 3 มิติ

การลดลงของการส่งข้อมูลด้านความปลอดภัยของ AI

ข้อสังเกตสุดท้ายของผมสำหรับปี 2025 คือ หมวดหมู่ "ความปลอดภัย" ในส่วนวิทยาศาสตร์คอมพิวเตอร์ของ Arxiv มีจำนวนและคุณภาพลดลงอย่างเห็นได้ชัดในปี 2025 และเป็นการยากที่จะคาดเดาว่าเพราะเหตุใด

การขอ การเข้ารหัสและการรักษาความปลอดภัย อาจกล่าวได้ว่าคลังเอกสารนั้นเป็นสถานที่รองสำหรับการเผยแพร่บทความมาโดยตลอด เนื่องจากงานวิจัยในสาขานี้ถูกครอบงำด้วยทรัพย์สินทางปัญญาของภาคเอกชนเป็นส่วนใหญ่ ซึ่งส่วนใหญ่ไม่ปรากฏในวารสารวิชาการ และแทบไม่มีเลยที่ปรากฏบนแพลตฟอร์มฟรีอย่าง Arxiv

นอกจากนี้ บทความที่ส่งเข้ามาในหมวดหมู่นี้บน Arxiv ยังมี "จุดอ่อน" มากกว่าค่าเฉลี่ย ซึ่งเป็นการยอมรับที่ไม่ได้เน้นย้ำมากนัก มักซ่อนอยู่ในที่ที่ไม่คาดคิด และลดทอนคุณค่าและความแปลกใหม่ของบทความ ตัวอย่างเช่น วิธีการละเมิดความปลอดภัยที่ดูน่าตื่นเต้น แต่แท้จริงแล้วอาศัย "กล่องขาว" บางอย่าง กล่าวคือ การเข้าถึงข้อมูลหรือกระบวนการพิเศษบางอย่างที่ผู้โจมตีไม่น่าจะเข้าถึงได้

สิ่งที่คาดหวังในปี 2026

แม้ว่าสื่อจะเป็น การริฟฟ์ ไม่หยุดหย่อน มองว่ากระแสความเฟื่องฟูของปัญญาประดิษฐ์ยุคใหม่ (Gen AI) เป็นการซ้ำรอยความล้มเหลวและรุ่งเรืองของธุรกิจดอทคอมในช่วงต้นทศวรรษ 2000 (โดย) ความเห็นต่างบางส่วน(ซึ่งดูเหมือนจะเป็นความรู้สึกปลอดภัยจอมปลอม) ในแง่ของโครงสร้างพื้นฐาน การลงทุน และวัฒนธรรม และ จากการวิจัย อาจกล่าวได้ว่าไม่เคยมีช่วงเวลาใดในประวัติศาสตร์มนุษยชาติที่เหมือนกับช่วงเวลานี้มาก่อน

ดังนั้นจึงยากที่จะคาดเดาได้ว่าวงการวิจัยในปี 2026 จะมีทิศทางไปในทิศทางใด ยกเว้นแต่ว่า – เช่นเคย – ความพยายามระยะยาวจำนวนมากจะถึงจุดสูงสุดระหว่างนี้จนถึงเดือนเมษายน โดยจะมี "ร่องรอย" ของความสนใจและแนวโน้มในปี 2025 ปรากฏให้เห็นอย่างชัดเจน

แนวทางหนึ่งที่อาจช่วยบรรเทาวิกฤตปริมาณบทความที่ส่งเข้ามาใน Arxiv และเว็บไซต์อื่นๆ คือ การห้ามหรือตรวจสอบบทความที่สร้างหรือใช้ปัญญาประดิษฐ์ (AI) ช่วย เนื่องจาก Arxiv เพิ่งเปิดตัวสำหรับบทความวิจารณ์ อย่างไรก็ตาม ขอบเขตของการมีส่วนร่วมของ AI ในงานวิจัยแต่ละชิ้นอาจวัดปริมาณได้ยาก เนื่องจาก AI มี วัฒนธรรมการวิจัยที่แทรกซึม (และ ทบทวน) เช่นเดียวกับที่มันได้รุกล้ำเข้าไปในขอบเขตอื่นๆ – เปรียบเสมือนหยด 'หมึก' ที่ส่งผลกระทบต่อแก้วน้ำ (ที่มีอยู่แล้ว) ทั้งหมด แทนที่จะเปลี่ยนแปลงตัวกลางอย่างสิ้นเชิง

เผยแพร่ครั้งแรกวันจันทร์ที่ 22 ธันวาคม 2025