- ChatGPT ที่ขับเคลื่อนด้วย GPT-5 (หรือที่เรียกว่า Research Goblin) แสดงให้เห็นถึง ความแม่นยำและความเป็นประโยชน์ในระดับสูงมาก สำหรับการค้นหาบนเว็บ
- ตั้งแต่คำถามทั่วไปแบบ trivial ไปจนถึงการสืบค้นข้อมูลที่ซับซ้อน มันแสดงความสามารถด้านการค้นหาและการให้เหตุผลที่แข็งแกร่งใน หัวข้อที่หลากหลายอย่างกว้างขวาง
- ในตัวอย่างจริง ระบบสามารถให้คำตอบและแหล่งข้อมูลที่เชื่อถือได้ผ่าน กระบวนการค้นหาขนาดใหญ่และการให้เหตุผลแบบต่อเนื่องเป็นลำดับ
- แม้ใน สภาพแวดล้อมบนมือถือ ก็ยังมอบประสบการณ์การใช้งานที่ยอดเยี่ยมและเวิร์กโฟลว์การทำงานที่ต่อเนื่อง
- ด้วย การผสานรวม Tool calling และ chain-of-thought ทำให้ในมุมมองของนักพัฒนา มันนำเสนอ มาตรฐานใหม่ ของการค้นหาที่ขับเคลื่อนด้วย LLM
GPT-5 Thinking (Research Goblin) และนวัตกรรมการค้นหา
กระบวนทัศน์การค้นหาที่กำลังเปลี่ยนไป
- เดิมทีคำแนะนำกระแสหลักคือ “อย่าใช้แชตบอตเหมือนเสิร์ชเอนจิน” แต่กับ ChatGPT ที่ขับเคลื่อนด้วย GPT-5 รุ่นล่าสุด สูตรเดิมนี้เริ่มใช้ไม่ได้อีกต่อไป
- โมเดลที่ขับเคลื่อนด้วย GPT-5 ก้าวข้ามการเชื่อมต่อกับเสิร์ชเอนจินอย่าง Bing ไปสู่ระดับที่ สามารถทดแทนหรือเหนือกว่าการค้นคว้าบนอินเทอร์เน็ตแบบทั่วไปได้จริง
- เหตุผลที่มันได้ฉายา “Research Goblin” ก็เพราะไม่ว่าจะโยนคำถามหรือโจทย์ซับซ้อนแบบใดให้ มันจะ สืบค้นอย่างดื้อดึงผิดปกติเพื่อหาคำตอบที่ดีที่สุด
กรณีตัวอย่างการค้นหาจริงและผลลัพธ์
ทางเดินเลื่อนแบบน่าสนใจ (Travelators)
- เมื่อถามว่าช่วงเวลาใดที่สายพานทางเดินเลื่อนยางในสนามบินฮีทโธรว์ถูกเปลี่ยนเป็นแบบโลหะ ระบบประเมินว่า น่าจะอยู่ระหว่างปี 2014~2018 และยังค้นพบบทความที่น่าสนใจจากปี 2024 ที่เกี่ยวข้องได้อีกด้วย
การระบุอาคาร
- เมื่อถามถึงอาคารหน้าตาแปลกตาที่มองเห็นจากหน้าต่างรถไฟ ระบบยืนยันได้อย่างแม่นยำภายใน 1 นาที 4 วินาที ว่านั่นคือ ‘The Blade (Reading)’ พร้อมให้ลิงก์แหล่งที่มา
การสืบค้นเค้กป๊อปของ Starbucks UK
- ระบบทำการ สืบค้นเชิงลึกว่าทำไมร้าน Starbucks ในสหราชอาณาจักรจึงไม่มีเค้กป๊อป และพบว่ามีการนำเข้าในปี 2023 แต่ บางสาขาเท่านั้น โดยเฉพาะสาขาในจุดเดินทาง มักไม่มีจำหน่าย
- ยังรวบรวมหลักฐานประกอบ เช่น PDF ข้อมูลโภชนาการและสารก่อภูมิแพ้ รวมถึงการสนทนาใน Reddit
ความสัมพันธ์ระหว่าง Wikipedia และ Britannica
- ระบบวิเคราะห์เชิงลึกถึงความจริงและบริบทของคำกล่าวอ้างบนอินเทอร์เน็ตที่ว่า Wikipedia ใช้ บางส่วนของแหล่งข้อมูลจาก Britannica ฉบับปี 1911 ในช่วงแรกเริ่ม พร้อมติดตามเอกสารโครงการและคำอธิบายที่เกี่ยวข้องมาให้
ชื่อทางการของ University of Cambridge
- ระบบระบุ ชื่อทางกฎหมายอย่างเป็นทางการของมหาวิทยาลัยเคมบริดจ์ (The Chancellor, Masters, and Scholars of the University of Cambridge) พร้อมหลักฐานอ้างอิง
- กระบวนการให้เหตุผลถูกแสดงอย่างโปร่งใส ทำให้ตรวจสอบความน่าเชื่อถือของคำตอบได้ด้วย
ประวัติถ้ำและร้านอาหารที่ Exeter quay
- ระบบค้นคว้าถึง โครงสร้างภายในของร้านอาหารที่เจาะเข้าไปในหน้าผาในย่าน Exeter Quay และประวัติความเป็นมา ผ่านการค้นหาหลายขั้นตอนและการวิเคราะห์ PDF จนระบุได้ว่ามีที่มาจากการก่อสร้างบนหน้าผาหินทรายสีแดงในช่วงทศวรรษ 1820~1830
- ยังแสดงรูปแบบการค้นหาเชิงรุก โดย ค้นหารายงาน/แบบแปลนภาษาอังกฤษ และเมื่อเข้าถึงไม่ได้ก็ถึงขั้นร่างอีเมลสำหรับขอข้อมูลให้
การเปรียบเทียบ Aldi และ Lidl
- ระบบวิเคราะห์อย่างยาวถึง ตำแหน่งทางการตลาด ภาพลักษณ์ อันดับในตลาดสหราชอาณาจักร ของ Aldi และ Lidl รวมถึงตัวเลขด้านส่วนแบ่งตลาดและการประเมินจากผู้บริโภค
- ตามคำขอของผู้ใช้ ยังสามารถจัดอันดับใหม่ตามเกณฑ์ “fanciness(ความพรีเมียม)” ได้อีกด้วย
การสแกนหนังสือของสถาบันวิจัย AI
- นอกเหนือจากกรณีที่ Anthropic สแกนหนังสือจำนวนมากเพื่อสร้างข้อมูลฝึก ระบบ ยังไม่สามารถยืนยันได้ว่ามีสถาบันวิจัย AI อื่นทำในลักษณะเดียวกันหรือไม่ แต่ได้บันทึกรายละเอียดของการค้นหาความเป็นไปได้นั้นไว้อย่างครบถ้วน
จุดเด่นที่เหนือกว่าจริงของการค้นหาด้วย GPT-5
- ในการค้นหาของ ChatGPT ที่ขับเคลื่อนด้วย GPT-5 นั้น สามารถ รวบรวมและประเมินข้อมูลได้รวดเร็ว เป็นระบบ และครอบคลุมกว่าการทำด้วยมือ
- โดยเฉพาะใน สภาพแวดล้อมบนมือถือ การใช้งานดีขึ้นอย่างมาก ทำให้การตอบสนองความสงสัยทั่วไปหรือการค้นคว้าในชีวิตประจำวันทำได้ทุกที่ทุกเวลา
- มันมีความสามารถในการ ให้ผลลัพธ์ที่รวดเร็วแต่เนื้อหาแน่น มากพอที่จะใช้แทนฟีเจอร์ Deep Research ของ OpenAI ได้
ความหมายในมุมมองการพัฒนา LLM
- ด้วยการผสาน Tool calling และ chain-of-thought ทำให้การค้นหา การให้เหตุผลแบบเป็นลำดับ และการสำรวจเพิ่มเติมสามารถเชื่อมต่อกันอย่างเป็นธรรมชาติภายในขั้นตอน “การคิด” เพียงครั้งเดียว
- เทคโนโลยี RAG (การผสานการค้นหากับการสร้างคำตอบ) ก็สามารถทำงานได้ ทรงพลังกว่าเดิมมาก ผ่านการเรียกใช้ tool หลายขั้นตอนอย่างยืดหยุ่นและการเชื่อมโยงกับการค้นหาที่ซับซ้อนขึ้น
- ในคำศัพท์ของ Anthropic สิ่งนี้เรียกว่า interleaved thinking และใน OpenAI Responses API ก็รองรับลักษณะการทำงานคล้ายกัน
เคล็ดลับในการใช้เพื่อการค้นหาอย่างมีประสิทธิภาพ
- สามารถยกระดับคุณภาพการค้นหาได้ผ่าน สัญชาตญาณจากประสบการณ์ (เช่น การใช้คำใบ้อย่าง “go deep” เพื่อกระตุ้นให้ค้นคว้าอย่างละเอียดมากขึ้น)
- แม้ในกรณีของ คำถามเชิงตีความ ที่ไม่มีคำตอบชัดเจน ก็ยังสามารถให้ผลลัพธ์ที่เป็นประโยชน์และน่าสนใจได้
- ดังเช่นอุปมา “ก็อบลิน” Research Goblin คือ AI สำหรับการค้นหาที่ขยันขันแข็ง แต่ไม่อาจเชื่อถือได้ทั้งหมด และแตกต่างจากมนุษย์ ทว่าใช้งานได้อย่างมีคุณค่าสูง
ยังไม่มีความคิดเห็น