บล็อกโพสต์ของ OpenAI เมื่อวันที่ 6 กันยายน 2026 พูดถึงแนวคิดการพัฒนาตัวเองแบบวนซ้ำอย่าง RSI ถึง 6 ครั้ง แต่ไม่มีแม้แต่ครั้งเดียวที่อธิบายว่าคำนี้ย่อมาจากอะไร

บทความนี้มีชื่อว่า Research acceleration: The view inside OpenAI เขียนขึ้นเพื่อเปิดให้เห็นเบื้องหลังว่า งานวิจัยภายในบริษัทเริ่มใช้ AI ขับเคลื่อนไปถึงระดับไหนแล้ว แต่คำถามที่ว่าต้องวนซ้ำถึงระดับไหน และ AI ต้องทำอะไรได้เองบ้างถึงจะถือว่าเข้าเกณฑ์ ทั้งบทความกลับไม่มีคำตอบให้เลย

คำนี้ไม่ใช่แค่คำศัพท์เท่ๆ ที่ใส่เข้ามาลอยๆ แต่เป็นแกนหลักของบทความทั้งหมด ทั้งตอนที่เล่าว่าบริษัทก้าวหน้าไปถึงจุดไหน กำลังจะเดินหน้าไปทางไหนต่อ และมีเรื่องอะไรบ้างที่ยังอันตรายเกินกว่าจะทำ แต่ถ้าคนอ่านไม่ได้ตามเรื่องนี้มาก่อนอย่างใกล้ชิด ก็แทบไม่มีทางเข้าใจได้เลยว่ากำลังพูดถึงอะไรกันอยู่

และในสัปดาห์เดียวกันนั้นเอง คำว่า AGI ก็เจอกรณีคล้ายกัน เท่าที่หนึ่งในผู้ร่วมเขียนงานกำหนดนิยาม AGI อย่าง Gary Marcus เล่าไว้ Jensen Huang ซีอีโอของ Nvidia เพิ่งประกาศว่าการแข่งขันไปสู่ AGI จบลงแล้ว โดยไม่มีทั้งหลักฐานและคำนิยามมารองรับ

คำที่มีนิยามชัดเจนกับ RSI ที่ไร้นิยามอยู่ในโพสต์เดียวกัน

ย้อนกลับไปช่วงปลายปีก่อน Sam Altman เคยประกาศเป้าหมายไว้ว่า OpenAI จะสร้าง "research intern อัตโนมัติ" ให้ได้ ซึ่งหมายถึงระบบ AI ที่รับโจทย์วิจัยที่มีขอบเขตชัดเจนไปลงมือทำต่อได้เองภายใต้การดูแลของมนุษย์ ครอบคลุมไปถึงงานยากๆ ที่นักวิจัยระดับหัวกะทิต้องใช้เวลาทำนานหลายวัน และในบทความนี้ OpenAI ก็ระบุว่า พอถึงเดือนกันยายน 2026 บริษัททำได้ตามเป้าหมายนั้นแล้ว

พอเอาข้อความทั้งสองเรื่องมาเทียบกัน จะเห็นความแตกต่างชัดเจนมาก คำกล่าวอ้างเรื่อง research intern นั้นตรวจสอบและโต้แย้งได้ เพราะระบุไว้ครบถ้วนว่าต้องเป็นงานแบบไหน ใครเป็นคนคุม และใช้เวลานานเท่าใด หากทำไม่ได้จริง คนนอกก็ยังชี้จุดตรวจสอบได้ แต่สำหรับคำว่า RSI เรากลับตรวจสอบอะไรไม่ได้เลย เพราะไม่มีใครบอกไว้ตั้งแต่แรกว่าต้องทำอะไรได้บ้างถึงจะถือว่าเข้าเกณฑ์

ตัวเลขที่ OpenAI เปิดเผยออกมาช่วยให้เห็นภาพการทำงานจริงได้ชัดเจนขึ้น ในช่วงกลางเดือนสิงหาคม 2026 บริษัทได้ลองจัดอันดับนักวิจัยตามปริมาณการใช้งาน AI Agent ที่เป็นระบบ AI รับโจทย์ไปวางแผนและทำงานต่อเนื่องได้เอง ไม่ใช่แค่คอยตอบคำถามไปทีละข้อ

ผลปรากฏว่า นักวิจัยที่อยู่ตรงกลางกลุ่มมีค่าใช้จ่ายในการประมวลผลสูงกว่า 600 ดอลลาร์ต่อวัน เมื่อคิดตามค่าบริการ API ที่ขายให้คนนอก ส่วนกลุ่ม 10% แรกที่ใช้งานหนักที่สุด ใช้ไปเกินกว่า 7,000 ดอลลาร์ต่อวัน และถ้าคิดรวมทั้งฝ่ายวิจัย ทุกๆ 1 วันทำงานของนักวิจัยที่เป็นมนุษย์ จะมีงานของ Agent รันควบคู่กันไปอีกถึง 3.1 วันทำงาน

อย่างไรก็ตาม บทความก็ยอมรับความจริงอีกด้านว่า ในช่วง 6 เดือนก่อนหน้านั้น งานที่ Agent ทำสำเร็จและใช้เวลา 4 ถึง 8 ชั่วโมง มีมากกว่าครึ่งหนึ่งที่ต้องมีมนุษย์เข้าไปช่วยจัดการหรือแก้ไขอย่างน้อยหนึ่งครั้ง คำว่า "อัตโนมัติ" ในบทความนี้ จึงยังไม่ได้แปลว่าปล่อยให้ระบบเดินเองจนจบโดยไม่มีคนเข้าไปแตะ

ทำไมการเปลี่ยนจาก AGI มาเป็น RSI ถึงคุ้มกว่า

ในคืนวันที่ 6 กันยายน 2026 Simon Willison อ่านบทความนี้แล้วสะดุดใจกับจุดเดียวกัน เขาเขียนลงบล็อกส่วนตัวว่า คราวนี้ OpenAI ไม่ได้เขียนแม้แต่คำเต็มของตัวย่อด้วยซ้ำ พร้อมทั้งชี้ให้เห็นว่า ความเรียงเรื่อง An Alien Mind ที่ Jakub Pachocki หัวหน้านักวิทยาศาสตร์ของ OpenAI เผยแพร่ในวันเดียวกัน ก็พูดถึงเรื่อง RSI เช่นกัน

ข้อสรุปของ Willison คือ คำว่า RSI น่าจะเป็นคำใหม่ที่ OpenAI นำมาใช้แทนคำว่า AGI ไปแล้ว

ถ้ามองในมุมนี้ การเปลี่ยนคำศัพท์ถือว่าได้เปรียบอย่างมาก เพราะคำว่า AGI พ่วงข้อถกเถียงเก่าๆ มาด้วยเพียบ ใครหยิบคำนี้ขึ้นมาพูดก็ต้องเจอกับคำถามชุดเดิมที่เถียงกันมานานหลายปี ส่วน RSI ในบทความนี้ไม่มีบรรทัดไหนระบุเกณฑ์วัดไว้เลย บริษัทจึงประกาศความก้าวหน้าได้ทันที โดยไม่ต้องมาคอยตอบคำถามชุดเดิมเหล่านั้น

เรื่องตลกร้ายก็คือ ในบทความเดียวกัน OpenAI ก็ยังเอ่ยถึงคำว่า AGI อยู่ 2 ครั้ง ครั้งหนึ่งบอกว่า AGI ควรอยู่ใต้การกำกับดูแลแบบประชาธิปไตยเพื่อให้เป็นประโยชน์กับคนทั้งโลก ส่วนอีกครั้งพูดถึงความคืบหน้าไปสู่ AGI ที่ปลอดภัยและเป็นประโยชน์ แต่ไม่มีแม้แต่บรรทัดเดียวที่บอกว่า เราจะรู้ได้อย่างไรว่าไปถึงจุดนั้นแล้ว

ฝั่ง AGI ประกาศชัยชนะโดยไม่มีทั้งหลักฐานและนิยาม

หลัง Huang ประกาศได้ไม่กี่ชั่วโมง Gary Marcus ก็เขียนโพสต์ตอบโต้ลงบล็อกของตัวเองในวันถัดมา

ประเด็นที่เขาชี้ ไม่ใช่แค่เรื่องว่า AGI มาถึงจริงหรือไม่ แต่เป็นการประกาศที่ไม่มีทั้งหลักฐานรองรับและไม่มีคำนิยามกำกับมาด้วย เขาจึงมองว่านี่คือความพยายามของบริษัทยักษ์ใหญ่ที่จะใช้อิทธิพลทางธุรกิจมาชี้ขาดประเด็นทางวิทยาศาสตร์

การประกาศชัยชนะโดยไม่มีคำนิยาม มีแต่จะกวนน้ำให้ขุ่น

หลักฐานที่เขายกมาโต้แย้งก็มีน้ำหนักจับต้องได้ ในสายตาของ Marcus โมเดล GPT-6 Astra ของ OpenAI ยังไม่ผ่านเกณฑ์นิยาม AGI แบบที่ใช้กันมาก่อนหน้านี้

ความเห็นที่เขาหยิบมาอ้างอิงในโพสต์ ให้คะแนน Astra ไว้ในระดับไล่เลี่ยกับ Fable 5.1 ที่เป็นโมเดลคู่แข่งเท่านั้น ถ้าโมเดลนี้ไปถึงระดับ AGI ได้จริง สิ่งที่ควรเห็นคือการพัฒนาแบบก้าวกระโดดทิ้งห่าง ไม่ใช่ทำคะแนนออกมาสูสีกัน

และนี่ก็ไม่ใช่ครั้งแรก เพราะ Marcus ชี้ว่าเมื่อราว 6 เดือนก่อนหน้านั้น Huang ก็เคยออกมาประกาศทำนองนี้กับโมเดลรุ่นก่อนหน้า Astra มาแล้วครั้งหนึ่ง

อย่างไรก็ดี ถ้ามองอย่างเป็นธรรม Marcus เองก็ไม่ได้เป็นแค่คนดูอยู่นอกสนาม เพราะสิ่งที่เขาบอกว่า Huang มองข้ามไป ก็คืองานกำหนดนิยาม AGI อย่างเป็นทางการชื่อ A Definition of AGI ซึ่งมี Dan Hendrycks, Yoshua Bengio และตัว Marcus เองร่วมเขียนด้วย

ถึงจะมีตัวเลข ตัวเลขก็ยังไม่ใช่นิยาม

มีผู้อ่านบางคนเสนอความเห็นกับ Marcus ว่า ถ้าต้องการเกณฑ์วัดที่จับต้องได้ ทำไมไม่ใช้ชุดทดสอบ ARC-AGI ที่มีคนเสนอให้ใช้วัดระดับความใกล้เคียงกับ AGI (เราเคยเล่าถึงชุดทดสอบนี้ไปแล้วในบทความ NVIDIA AVO กับ ARC-AGI-3)

แต่คำตอบที่ Marcus หยิบยกขึ้นมานั้นน่าคิดยิ่งกว่า เพราะเป็นคำตอบจาก François Chollet ผู้สร้างชุดทดสอบนี้ขึ้นมาเอง ใจความสำคัญคือ ทีมงานของเขาไม่เคยอ้างเลยว่า ระบบที่ทำคะแนนชุดทดสอบนี้ได้เต็มจะถือว่าเป็น AGI สิ่งเดียวที่ตัวเลขคะแนนบอกได้ก็คือผลงานในการทำข้อสอบชุดนั้นเท่านั้น การสอบผ่านจึงไม่ใช่ข้อพิสูจน์ว่าเป็น AGI แต่อย่างใด

ตรงนี้พลาดง่ายมาก เพราะการมีตัวเลขคะแนนกับการมีนิยามที่แท้จริงฟังดูใกล้เคียงกันมาก แต่จริงๆ แล้วเป็นคนละเรื่อง ตัวเลขจะกลายเป็นนิยามได้ก็ต่อเมื่อตกลงเกณฑ์คะแนนร่วมกันไว้ล่วงหน้า ถ้าเพิ่งมาตกลงกันทีหลังตอนเห็นคะแนนแล้ว นั่นก็ไม่ต่างอะไรกับการขยับเส้นชัยมาปักไว้ตรงจุดที่ตัวเองยืนอยู่พอดี

ใครได้ประโยชน์ถ้าเราเชื่อ

กลไกของเรื่องนี้เรียบง่ายกว่าที่คิด เมื่อคำคำหนึ่งไม่มีนิยามที่วัดผลได้จริง ก็ไม่มีใครพิสูจน์หรือจับผิดได้ว่าคนพูดกำลังพูดผิด และใครก็ตามที่ถือไมค์พูดเสียงดังที่สุด ก็จะกลายเป็นคนตัดสินเองว่าเมื่อไหร่ถึงจะเข้าเส้นชัย

คำถามสำคัญที่ตามมาจึงไม่ใช่เรื่องว่าใครพูดความจริง แต่คือ "ถ้าเราเชื่อตามนั้น ใครได้ประโยชน์" ฝั่งที่ต้องระดมทุนก็จะได้เรื่องเล่าชั้นดีที่ทำให้ตัวเลขประเมินมูลค่าดูสมเหตุสมผล ฝั่งที่ต้องขายของก็ได้ข้ออ้างว่าทำไมลูกค้าต้องรีบซื้อตอนนี้ ส่วนเราที่นั่งตามข่าวอยู่ กลับได้มาแค่ความรู้สึกกังวลว่ากำลังตกขบวน ซึ่งความรู้สึกแบบนั้นไม่เคยช่วยให้เราตัดสินใจอะไรได้ดีขึ้นเลย

สิ่งที่ต้องพูดให้ครบถ้วนเพื่อความเป็นธรรมก็คือ บทความของ OpenAI ไม่ได้เชียร์เรื่อง RSI อย่างไม่ลืมหูลืมตา บทความนี้แยกสองประเด็นออกจากกันอย่างชัดเจน นั่นคือ การมีเหตุผลสนับสนุนที่ดีในการพัฒนา AI ให้ทำงานวิจัยอัตโนมัติ ไม่ได้แปลว่าการเร่งผลักดันให้เกิด RSI คือสิ่งที่ควรทำ และพวกเขาก็บอกตรงๆ ว่า ปัจจุบันยังไม่รู้วิธีที่จะไปถึง RSI เต็มรูปแบบได้อย่างปลอดภัย

ยิ่งไปกว่านั้น บทความยังเสนอว่า ทั้ง OpenAI เองและบริษัทอื่นๆ ควรมีข้อบังคับร่วมกันในการรายงานความคืบหน้าเรื่อง RSI ต่อสาธารณะ ซึ่งถือเป็นข้อเสนอที่ผูกมัดตัวเองพอสมควร

แต่ปัญหาก็ยังติดอยู่ที่เดิม เพราะถ้าจะให้รายงานความคืบหน้าเรื่อง RSI ก็ต้องมีคนให้คำนิยามก่อนว่า RSI คืออะไรกันแน่ และฝ่ายที่ถือสิทธิ์กำหนดคำนิยามในเวลานี้ ก็คือบริษัทที่เป็นฝ่ายต้องส่งรายงานนั่นเอง

3 คำถามที่พกติดตัวไว้ใช้ได้เลย

ครั้งต่อไปที่เจอคำอย่าง AGI, RSI หรือ Reasoning ในพาดหัวข่าวหรือในสไลด์นำเสนอ มี 3 คำถามง่ายๆ ที่เราหยิบมาใช้เช็กได้ทุกครั้ง

• นิยามว่าอะไร: ใช้คัดกรองคำศัพท์ที่ฟังดูยิ่งใหญ่แต่ยังไม่มีเนื้อหาสาระ ให้ถามหาความหมายเต็มๆ แล้วดูว่าอะไรเข้าเกณฑ์และอะไรไม่เข้าเกณฑ์ เพราะ RSI ที่หมายถึง "โมเดลช่วยรันการทดลองให้เร็วขึ้น" กับ RSI ที่หมายถึง "โมเดลสามารถออกแบบและสร้างโมเดลรุ่นถัดไปเองได้ทั้งกระบวนการ" นั้น ต่างกันคนละเรื่อง
• วัดผลอย่างไร: เมื่อมีตัวเลขสถิติมาอ้าง ให้ถามต่อเสมอว่า เกณฑ์วัดนี้ตกลงกันไว้ตั้งแต่ก่อนเริ่มทดสอบ หรือเพิ่งเลือกหยิบขึ้นมาหลังจากเห็นผลลัพธ์แล้ว
• ใครได้ประโยชน์ถ้าเราเชื่อ: หากสองข้อแรกไม่มีคำตอบที่ชัดเจน คำถามข้อนี้จะช่วยให้เราเข้าใจสถานการณ์ได้มากที่สุด

คำถามทั้ง 3 ข้อนี้ไม่ได้หมายความว่าคนที่พูดกำลังโกหก และเราทุกคนยังมีสิทธิ์เลือกว่าจะเชื่อไปก่อนหรือจะรอดูผลงานจริง แต่ต้นทุนของสองทางเลือกนี้ไม่เท่ากัน การรีบเชื่อไปก่อนแล้วพบว่าไม่ใช่เรื่องจริง คือการเสียเวลาและเสียเงินไปกับสิ่งที่ยังไม่มีอยู่จริง ส่วนการรอดูผลลัพธ์ให้ชัดเจนก่อน อย่างแย่ที่สุดเราก็แค่ตามหลังคนอื่นไปไม่กี่เดือน ซึ่งในประเด็นที่ยังไม่มีใครตกลงกันได้ว่าเส้นชัยอยู่ตรงไหน การเลือกดูของจริงย่อมมีต้นทุนที่ถูกกว่ามาก

ข้อดีของคำที่มีนิยามชัดเจน คือไม่ต้องรอให้ใครออกมาป่าวประกาศ เพราะผลลัพธ์จริงจะเป็นตัวพิสูจน์เสมอ ตราบใดที่ยังต้องมีคนออกมาคอยบอกเราว่าเทคโนโลยีมาถึงแล้ว นั่นแปลว่าตัวมันเองยังไม่มีอะไรชัดเจนพอที่จะพิสูจน์ตัวเอง