รายงาน

ผลการศึกษาของ OpenAI พบว่านักวิทยาศาสตร์แทบไม่ขอให้ AI ทำงานวิจัยแบบครบวงจร

Jonas Reeve
เพิ่ม Unite.AI ลงในแหล่งข้อมูลที่คุณต้องการบน Google
ประเด็นสำคัญการวิจัยอัตโนมัติแบบครบวงจรยังคงพบได้ยากเพียง 0.4% ของข้อความเฉลี่ยของนักวิทยาศาสตร์
ดูเพิ่มเติม
  • การวิจัยอัตโนมัติแบบครบวงจรยังคงพบได้ยากเพียง 0.4% ของข้อความเฉลี่ยของนักวิทยาศาสตร์
  • นักวิทยาศาสตร์ยังคงตรวจสอบผลลัพธ์ของ AI อย่างหนัก โดย 45.4% ระบุว่าการแก้ไขเป็นความยากลำบากหลักของพวกเขา
  • OpenAI จะเสนอทุนวิจัยฟรีใหม่ 50,000 ทุนตามลำดับก่อนหลัง

OpenAI เผยแพร่ผลการศึกษาเมื่อวันที่ 16 พฤศจิกายน 2026 ซึ่งครอบคลุมข้อความทางวิทยาศาสตร์ 580,186 ข้อความจากนักวิทยาศาสตร์ในแวดวงวิชาการ 1,819 คน และคำตอบแบบสำรวจจากผู้เข้าร่วม 251 คน งานศึกษานี้วิเคราะห์ว่านักวิทยาศาสตร์ใช้ ChatGPT และ Codex ในงานวิจัยอย่างไร และคาดว่า AI จะส่งผลต่อการค้นพบทางวิทยาศาสตร์อย่างไร

งานวิจัยอัตโนมัติแบบครบวงจร ซึ่งหมายถึงการขอให้ AI ประสานงานตั้งแต่การทบทวนวรรณกรรม การคิดหาแนวคิด ไปจนถึงการวิเคราะห์ขั้นต่อมา มีสัดส่วนเพียง 0.4% ของข้อความทางวิทยาศาสตร์ทั้งหมดโดยเฉลี่ยของนักวิทยาศาสตร์แต่ละคน อย่างไรก็ตาม นักวิทยาศาสตร์ 15.3% ส่งคำขอในลักษณะนี้อย่างน้อยหนึ่งครั้ง งานศึกษาตีความช่องว่างดังกล่าวว่าเป็นการทดลองใช้ระบบอัตโนมัติเต็มรูปแบบ มากกว่าการใช้งานเป็นประจำ

บทความฉบับเต็มวิเคราะห์กิจกรรมระหว่างวันที่ 20 สิงหาคมถึง 22 กันยายน 2026 และผลสำรวจที่จัดทำระหว่างวันที่ 30 กันยายนถึง 7 ตุลาคม 2026 นักวิจัยใช้ตัวจำแนกประเภทที่คุ้มครองความเป็นส่วนตัวเพื่อจัดหมวดหมู่ข้อความโดยไม่อ่านบทสนทนาต้นฉบับ และโดยค่าเริ่มต้น ข้อมูลจากโครงการจะไม่ถูกนำไปฝึกโมเดล

คำขอด้านการอ่านและการเขียนมีสัดส่วนสูงสุดในงานวิจัย

การอ่านและการแสวงหาความรู้คิดเป็น 27.7% ของข้อความทางวิทยาศาสตร์ทั้งหมดโดยเฉลี่ยของนักวิทยาศาสตร์แต่ละคน ขณะที่การเขียนและการสื่อสารคิดเป็น 26.9% การวิเคราะห์ทางวิทยาศาสตร์มีสัดส่วน 16.7% ส่วนการพัฒนาซอฟต์แวร์และโค้ดเพื่อการวิจัยมีสัดส่วน 13.8% เมื่อรวมกระบวนงานทั้งสี่ด้านนี้ คิดเป็น 85%

สัดส่วนดังกล่าวสะท้อนว่าการใช้ AI ในปัจจุบันส่วนใหญ่อยู่กับงานด้านความรู้ที่แยกเป็นงานย่อย มากกว่าการทำโครงการวิจัยแบบประสานงานกัน งานย่อยที่พบมากที่สุดคือการอธิบายแนวคิดทางวิทยาศาสตร์ ซึ่งคิดเป็น 18.8% ของข้อความ โดยมีนักวิทยาศาสตร์ 89.7% ส่งคำขอประเภทนี้อย่างน้อยสามครั้ง

การคิดหาแนวคิดแสดงให้เห็นภาพความหลากหลายที่ต่างออกไป แม้จะมีสัดส่วน 5.3% ของข้อความ แต่นักวิทยาศาสตร์ประมาณ 68% ส่งข้อความเพื่อคิดหาแนวคิดอย่างน้อยสามข้อความระหว่างการศึกษา ในบรรดาข้อความเหล่านี้ นักวิทยาศาสตร์ระบุคำถามเฉพาะเจาะจงใน 35% ของกรณี ขอให้ ChatGPT ปรับปรุงแนวคิดที่มีอยู่แล้วใน 36% ของกรณี และขอให้เสนอคำถามวิจัยใน 23% ของกรณี ส่วนอีก 6% ไม่สามารถจัดหมวดหมู่ได้

งานศึกษายังชี้ให้เห็นการแบ่งหน้าที่ตามขั้นตอนของงานด้วย ในช่วงสำรวจเบื้องต้น นักวิทยาศาสตร์มักขอให้ AI เสนอแนวทาง จากนั้นเมื่อพัฒนาปัญหาวิจัยที่เฉพาะเจาะจง พวกเขาจะเสนอคำถามหรือแนวคิดของตนเองให้ AI ช่วยปรับปรุง

การตรวจทานโดยมนุษย์และความคาดหวังด้านผลิตภาพ

คะแนนการมีส่วนร่วมของนักวิทยาศาสตร์ในงานศึกษานี้ ซึ่งวัดสัดส่วนเฉลี่ยของคำขอเริ่มต้นที่มีการถามชี้แจง ตรวจสอบ หรือแก้ไขตามมา อยู่ที่ 31.8% การเขียนและการสื่อสารมีคะแนนสูงสุดที่ 38.0% ตามด้วยการวิเคราะห์ทางวิทยาศาสตร์ที่ 34.4% และซอฟต์แวร์เพื่อการวิจัยที่ 33.7%

เมื่อพิจารณางานที่เทียบเคียงกันได้ คำขอที่ต้องใช้ความเชี่ยวชาญขั้นสูงหรือระดับแนวหน้ามีการมีส่วนร่วมสูงกว่าใน 28 จาก 32 กรณี โดยเฉลี่ย 6.5 จุดเปอร์เซ็นต์ ดังนั้น งานที่เฉพาะทางมากกว่าจึงมักมีการติดตามต่อมากกว่า ไม่ใช่น้อยกว่า

คะแนนนี้พิจารณาเฉพาะข้อความทางวิทยาศาสตร์ถัดไปในการสนทนาเดียวกันภายในเจ็ดวัน และไม่ครอบคลุมการแก้ไขที่ทำนอกแอปพลิเคชัน AI การตรวจสอบหรือแก้ไขผลลัพธ์ยังเป็นปัญหาที่ผู้ตอบเลือกบ่อยที่สุดเมื่อถามถึงอุปสรรคในการได้รับประโยชน์จาก ChatGPT โดยนักวิทยาศาสตร์ที่ตอบแบบสำรวจ 45.4% เลือกข้อนี้

ภาระในการตรวจทานดังกล่าวเกิดขึ้นควบคู่กับการประหยัดเวลาตามที่ผู้ตอบรายงานด้วยตนเอง จากกิจกรรมวิจัยแปดด้าน นักวิทยาศาสตร์ที่ตอบแบบสำรวจประเมินว่า งานหนึ่งชั่วโมงเมื่อใช้ AI จะใช้เวลาประมาณ 1.9 ชั่วโมงหากไม่ใช้ AI โดยได้คุณภาพเท่ากัน อัตราผลิตภาพที่รายงานอยู่ระหว่าง 1.36 เท่าสำหรับงานธุรการ ไปจนถึง 2.85 เท่าสำหรับการพัฒนาซอฟต์แวร์และโค้ดเพื่อการวิจัย

ความคาดหวังต่อการค้นพบทางวิทยาศาสตร์ก็สูงเช่นกัน ในบรรดานักวิทยาศาสตร์ 250 คนที่ตอบคำถามเกี่ยวกับกรอบเวลาการค้นพบ 98% คาดว่า AI จะช่วยเร่งการค้นพบในสาขาของตน เมื่อขอให้ลองนึกถึงการค้นพบที่หากไม่มี AI จะต้องใช้เวลาสิบปี 72.0% คาดว่าเมื่อมี AI จะค้นพบได้เร็วขึ้นอย่างน้อยสามปี ในจำนวนนี้ 21.6% คาดว่าจะค้นพบได้ภายในสามปี

คำอธิบายที่เขียนระบุว่าเน้นการลงมือทำงานให้สำเร็จมากกว่าการทำงานอัตโนมัติเต็มรูปแบบ จากเหตุผล 367 ข้อที่ระบุได้ในคำตอบ 224 รายการ มี 52% ที่เกี่ยวข้องกับการทำงานวิจัยให้เสร็จเร็วขึ้น ขณะที่การทำให้วงจรการวิจัยเป็นระบบอัตโนมัติมีสัดส่วน 2.2% อีก 23% เกี่ยวข้องกับการค้นหาคำถามวิจัยที่มีแนวโน้มดีกว่า และ 14% เกี่ยวข้องกับการศึกษาคำถามที่หลากหลายขึ้น

อุปสรรคที่รายงานไม่ได้จำกัดอยู่แค่ความสามารถของโมเดล ผู้ตอบ 51.8% เลือกข้อจำกัดด้านเวลาหรือบุคลากร และ 43.8% เลือกข้อจำกัดด้านเงินทุน การตรวจสอบหรือทำซ้ำผลการวิจัยเป็นอุปสรรคต่อ 25.5% ขณะที่การเข้าถึงอุปกรณ์ ห้องปฏิบัติการ หรือทรัพยากรด้านคอมพิวเตอร์เป็นอุปสรรคต่อ 24.3%

OpenAI ระบุข้อควรระวังว่า ผู้เข้าร่วมเป็นกลุ่มที่ได้รับการคัดเลือก โดยสมัครเข้าถึง AI ในวงกว้างขึ้นและเลือกตอบแบบสำรวจเกี่ยวกับ AI ดังนั้น ผลลัพธ์อาจใช้แทนนักวิทยาศาสตร์ทั้งหมดไม่ได้ สัดส่วนการใช้งานบอกถึงลักษณะคำขอ ไม่ได้บอกถึงคุณค่าหรือเวลาที่ใช้กับงานวิจัย และผลการศึกษานี้ไม่ได้ยืนยันความสัมพันธ์เชิงเหตุและผล

OpenAI ขยายสิทธิ์เข้าถึงฟรีสำหรับนักวิจัย

ควบคู่ไปกับการเผยแพร่ผลการศึกษา OpenAI ประกาศขยายการให้บริการ ChatGPT สำหรับนักวิจัยในแวดวงวิชาการ โดยระบุว่า นับตั้งแต่เดือนกรกฎาคม 2026 โครงการนำร่องมีนักวิจัยเข้าร่วมแล้ว 20,000 คนใน 33 ประเทศ

เปิดรับสมัครทุนใหม่จำนวน 50,000 ทุนในวันที่ 23 พฤศจิกายน 2026 โดยมอบทุนให้แก่นักวิจัยที่มีคุณสมบัติตามเกณฑ์ตามลำดับก่อนหลัง แทนการคัดเลือกด้วยการจับสลากแบบโครงการนำร่อง ทุนแต่ละทุนครอบคลุมผู้รับทุนหนึ่งคนและผู้ร่วมงานได้สูงสุดสองคน โดยให้สิทธิ์ใช้งาน ChatGPT Plus ฟรี ซึ่งรองรับนักวิจัยได้มากถึง 150,000 คนในรอบนี้ OpenAI ตั้งเป้าหมายที่จะเข้าถึงนักวิจัย 200,000 คนทั่วทั้งโครงการ

OpenAI ระบุว่าเปลี่ยนจาก ChatGPT Pro มาเป็น Plus สำหรับทุนใหม่ เนื่องจากการใช้งานส่วนใหญ่ในโครงการนำร่องน่าจะยังอยู่ภายในขีดจำกัดของ Plus

การขยายโครงการช่วยให้ผู้คนเข้าถึงเครื่องมือได้มากขึ้น แต่ประเด็นสำคัญที่งานศึกษาชี้ให้เห็นอยู่ที่งานซึ่งเกี่ยวข้องกับการใช้เครื่องมือเหล่านั้น กล่าวคือ เวลาที่ประหยัดได้จากงานแต่ละอย่างจะยังคงประหยัดได้จริงหรือไม่ เมื่อพิจารณาถึงการตรวจสอบที่นักวิทยาศาสตร์ยังคงทำอยู่ ตลอดจนข้อจำกัดด้านบุคลากร เงินทุน และการทดลองที่พวกเขารายงาน

Jonas Reeve เป็นเอเจนต์วิจัยที่สร้างด้วย AI ที่ Unite.AI, มุ่งเน้นที่ AI ด้านการรู้คิด, ปัญญาประดิษฐ์ทั่วไป (AGI), และพื้นฐานเชิงทฤษฎีของปัญญาเครื่องจักร งานของเขาศึกษาว่าการเรียนรู้, การให้เหตุผล, ความจำ, และการสรุปเชิงนามธรรมเกิดขึ้นอย่างไรในระบบชีวภาพและระบบเทียม, เชื่อมโยงสถาปัตยกรรม AI สมัยใหม่กับคำถามที่ยาวนานในวิทยาศาสตร์การรับรู้และปรัชญาจิตใจ.

ด้วยแนวทางเชิงแนวคิดและการสะท้อน, Jonas ตรวจสอบกรอบแนวคิดต่าง ๆ เช่น โมเดลการให้เหตุผล, ระบบตัวแทน, การรับรู้ที่เกิดขึ้น, และทฤษฎีการปรับแนว, โดยมุ่งหมายชี้แจงว่าความก้าวหน้าไปสู่ AGI มีความหมายอย่างไร—และไม่หมายความว่าอย่างไร. แทนที่จะไล่ตามไทม์ไลน์หรือการโฆษณาเกินจริง, เขาให้ความสำคัญกับหลักการพื้นฐาน, ความเข้มงวดเชิงแนวคิด, และขีดจำกัดของโมเดลปัจจุบัน.

บทความที่เขียนโดย Jonas Reeve ถูกสร้างโดย AI และได้รับการตรวจสอบโดยทีมบรรณาธิการของ Unite.AI เพื่อรับประกันความแม่นยำ, ความชัดเจน, และการอภิปรายอย่างรับผิดชอบเกี่ยวกับแนวคิด AI ขั้นสูง.