OpenAI เผยโฉมโมเดลให้เหตุผลรุ่นใหม่ o3/o3-mini ทำคะแนน AIME สูงถึง 96.7%

OpenAI ประกาศในกิจกรรมปิดท้ายวันที่ 12 ของซีรีส์ "12 Days of OpenAI" ว่าจะเปิดตัวโมเดลให้เหตุผล (reasoning model) รุ่นถัดไปในชื่อ o3 พร้อมรุ่นย่อ o3-mini สิ่งที่น่าสังเกตคือชื่อรุ่นข้ามจาก o1 ไปเป็น o3 โดยตรง ซึ่งบริษัทชี้แจงว่าเพื่อหลีกเลี่ยงความขัดแย้งด้านเครื่องหมายการค้ากับ O2 ผู้ให้บริการโทรคมนาคมของอังกฤษ

ตามผลการทดสอบมาตรฐานที่ OpenAI เปิดเผย โมเดล o3 ทำคะแนนได้ 96.7% ในการแข่งขันคณิตศาสตร์ระดับประเทศของสหรัฐฯ ประจำปี 2024 (AIME) ทำคะแนน 87.7% ในโจทย์วิทยาศาสตร์ระดับบัณฑิตศึกษา GPQA Diamond และในมาตรฐานการเขียนโปรแกรม SWE-Bench Verified ทำคะแนนสูงกว่ารุ่นก่อนหน้า o1 ถึง 22.8 จุดเปอร์เซ็นต์ หากตัวเลขเหล่านี้เป็นจริง แสดงว่า o3 มีพัฒนาการที่ชัดเจนทั้งด้านการให้เหตุผลทางคณิตศาสตร์ ความรู้ทางวิทยาศาสตร์ และความสามารถในการเขียนโค้ดจริง

อย่างไรก็ตาม นี่เป็นเพียงการ "ประกาศล่วงหน้า" ไม่ใช่การเปิดใช้งานสาธารณะอย่างเป็นทางการ ขณะนี้ OpenAI เปิดให้เฉพาะนักวิจัยด้านความปลอดภัยและความมั่นคงปลอดภัยไซเบอร์สมัครขอสิทธิ์เข้าถึงล่วงหน้า เพื่อทำการทดสอบเชิงลึกและประเมินความเสี่ยงก่อนเปิดตัวจริง ส่วนรุ่นย่อ o3-mini บริษัทระบุว่าจะเปิดให้ใช้งานอย่างเป็นทางการช่วงต้นปี 2025 สำหรับนักพัฒนาและผู้ใช้ทั่วไป

เหตุผลที่ข้ามชื่อ "o2"

การตั้งชื่อโมเดลดูเหมือนเรื่องเล็กน้อย แต่สะท้อนความรอบคอบของบริษัทเทคโนโลยียักษ์ใหญ่ในเรื่องเครื่องหมายการค้าและแบรนด์ระดับโลก O2 เป็นเครื่องหมายการค้าจดทะเบียนของผู้ให้บริการโทรคมนาคมชื่อดังของอังกฤษ การที่ OpenAI เลือกข้ามชื่อไปเลยเพื่อหลีกเลี่ยงข้อพิพาททางกฎหมาย ก็แสดงให้เห็นว่าแม้แต่บริษัทเทคโนโลยีขนาดใหญ่ที่ออกผลิตภัณฑ์เร็ว ก็ยังต้องคำนึงถึงต้นทุนด้านการปฏิบัติตามกฎหมายทรัพย์สินทางปัญญา

ความหมายและข้อจำกัดของคะแนนมาตรฐาน

AIME, GPQA Diamond และ SWE-Bench Verified ล้วนเป็นตัวชี้วัดความสามารถด้านการให้เหตุผลที่ใช้กันทั่วไปในวงการ โดยสอดคล้องกับโจทย์แข่งขันคณิตศาสตร์ ความรู้วิทยาศาสตร์ระดับบัณฑิตศึกษา และงานแก้ไขโค้ดในโลกจริงตามลำดับ หากผลการทดสอบทั้งสามด้านของ o3 เป็นจริง แสดงว่าความสามารถในการให้เหตุผลแบบ "chain of thought" ยังคงพัฒนาต่อเนื่อง โดยเฉพาะการก้าวกระโดด 22.8 จุดเปอร์เซ็นต์ใน SWE-Bench หมายความว่า AI เข้าใกล้ความสามารถของวิศวกรอาวุโสมากขึ้นในการทำความเข้าใจโค้ดเบสที่ซับซ้อนและหาสาเหตุของข้อผิดพลาด อย่างไรก็ตาม ตัวเลขเหล่านี้เป็นข้อมูลที่บริษัทเปิดเผยเอง ยังขาดการตรวจสอบจากบุคคลที่สาม ประสิทธิภาพจริงต้องรอการเปิดใช้งานอย่างเป็นทางการและการพิสูจน์จากชุมชนนักพัฒนา

เหตุผลของจังหวะ "ประกาศก่อน ไม่เปิดสาธารณะทันที"

ต่างจากในอดีตที่โมเดลใหม่มักเปิดให้ใช้งานแบบเสียเงินทันที ครั้งนี้ o3 เปิดให้เฉพาะนักวิจัยด้านความปลอดภัยสมัครขอเข้าถึงก่อน สะท้อนความเห็นร่วมกันในวงการว่ายิ่งโมเดลมีความสามารถสูงขึ้น ยิ่งต้องใช้เวลาประเมินความเสี่ยงมากขึ้น ซึ่งสอดคล้องกับการถกเถียงในวงการ AI เกี่ยวกับความเสี่ยงที่โมเดลให้เหตุผลระดับสูงอาจถูกนำไปใช้ในทางที่ผิด เช่น การสร้างโค้ดโจมตีหรือหลบเลี่ยงกลไกความปลอดภัย OpenAI จึงเลือกวิธีทดสอบแบบปิดก่อน แล้วค่อยเปิดเป็นขั้นตอน

ความหมายสำหรับผู้บริหาร

เนื่องจาก o3-mini จะเปิดใช้งานอย่างเป็นทางการช่วงต้นปี 2025 ผู้บริหารจึงยังไม่จำเป็นต้องรีบปรับเปลี่ยนการเลือกใช้เทคโนโลยีในตอนนี้ แต่ควรเริ่มจับตาดูว่า เมื่อโมเดลที่มีความสามารถให้เหตุผลทางวิทยาศาสตร์ระดับบัณฑิตศึกษาและแก้ไขข้อผิดพลาดของโค้ดได้ดีขึ้นเข้าสู่ตลาดจริง กระบวนการภายในองค์กรใดบ้าง (เช่น การวิเคราะห์รายงานควบคุมคุณภาพ หรือการตรวจสอบเอกสารทางเทคนิค) จะได้ประโยชน์ก่อน เพื่อวางแผนงบประมาณและกำหนดเวลาประเมินการนำมาใช้ล่วงหน้า จะได้ไม่ตั้งตัวไม่ทันเมื่อเปิดใช้งานจริง