AI Coding Agents ปรับปรุงซอฟต์แวร์การวิจัยผู้สูงอายุให้ทันสมัย ​​แต่ไม่สามารถบอกได้ว่าวิทยาศาสตร์นั้นถูกต้องหรือไม่

รายงานภาคสนามจาก OpenAI และผู้ทำงานร่วมกันทางวิชาการพบว่าเอเจนต์การเขียนโค้ด AI สามารถเร่งความทันสมัยของซอฟต์แวร์วิทยาศาสตร์รุ่นเก่าได้อย่างมาก เครื่องมือการเขียนใหม่ในภาษาที่เร็วขึ้น และลดรันไทม์ลงตามลำดับความสำคัญ สิ่งที่จับได้: เจ้าหน้าที่คนเดียวกันไม่สามารถตัดสินได้อย่างน่าเชื่อถือว่างานของพวกเขาถูกต้องตามหลักวิทยาศาสตร์หรือไม่ โดยมักจะนำเสนอโค้ดแบบ buggy ด้วยความมั่นใจเต็มที่

รายงานซึ่งเผยแพร่เมื่อวันที่ 1 สิงหาคม 2026 และจัดทำโดย The Decoder ได้ตรวจสอบกรณีศึกษา 8 กรณี ซึ่งส่วนใหญ่อยู่ในด้านชีววิทยา ซึ่งกลุ่มวิจัยใช้ตัวแทนการเขียนโค้ด เช่น Codex และ Claude Code เพื่อช่วยเหลือ เพิ่มประสิทธิภาพ และเขียนซอฟต์แวร์ที่สำคัญใหม่ หากต้องการรายงานอย่างต่อเนื่องเกี่ยวกับเครื่องมือที่พลิกโฉมวิทยาศาสตร์และอุตสาหกรรม โปรดติดตาม ข่าว AI ล่าสุด ของเรา

วิกฤติอันเงียบสงบในซอฟต์แวร์วิทยาศาสตร์

ซอฟต์แวร์ส่วนใหญ่ที่สนับสนุนการวิจัยสมัยใหม่เริ่มเป็นโค้ดสนับสนุนสำหรับรายงานฉบับเดียว ทีมวิชาการขนาดเล็กสร้างเครื่องมือเหล่านี้โดยไม่มีทรัพยากรสำหรับการทดสอบ การบำรุงรักษา หรือการเพิ่มประสิทธิภาพที่เหมาะสม ผลลัพธ์ที่ได้คือรากฐานที่เปราะบาง: โปรแกรมที่ยังคงมีความสำคัญต่อทั้งสาขา แต่ต้องมีการซ่อมแซมอย่างต่อเนื่อง รายงานภาคสนามของ OpenAI แนะนำว่าตัวแทนการเข้ารหัส AI สามารถช่วยปิดช่องว่างที่มีมายาวนานได้

โปรเจ็กต์มีตั้งแต่การบำรุงรักษาตามปกติไปจนถึงการเขียนใหม่ทั้งหมดในภาษาโปรแกรมสมัยใหม่ และหลายๆ โปรเจ็กต์ได้รับประสิทธิภาพที่สะดุดตา

สร้าง STAR ขึ้นมาใหม่ใน Rust

หนึ่งในโครงการที่มีความทะเยอทะยานมากกว่า rustar-aligner สร้างขึ้นใหม่ STAR ตั้งแต่เริ่มต้นใน Rust STAR เป็นเครื่องมือที่ใช้กันอย่างแพร่หลายซึ่งแมปลำดับการอ่านจากเซลล์ไปยังตำแหน่งที่สอดคล้องกันในจีโนม โปรแกรมต้นฉบับประกอบด้วย C และ C++ มากกว่า 20,000 บรรทัด และไม่ได้รับการบำรุงรักษาอีกต่อไป แม้ว่าจะยังคงอยู่ในขั้นตอนการวิจัยจำนวนมากก็ตาม

เพื่อตรวจสอบการเขียนซ้ำ ทีมงานได้ทดสอบเครื่องมือทั้งสองกับการอ่านลำดับสั้น ๆ 10,000 ครั้งจากเซลล์ยีสต์ สำหรับการอ่านแบบปลายเดียว เครื่องมือจัดแนวสนิมให้ผลลัพธ์เช่นเดียวกับ STAR ในกรณี 99.815 เปอร์เซ็นต์ สำหรับการอ่านแบบปลายคู่ อัตราข้อตกลงคือ 99.883 เปอร์เซ็นต์ การเปรียบเทียบขยายออกไปนอกเหนือจากตำแหน่งที่แมปเพื่อรวมฟิลด์สำคัญอื่นๆ หลายๆ ฟิลด์ที่ทั้งสองโปรแกรมสร้างขึ้นสำหรับการอ่านแต่ละครั้ง และไม่มีเครื่องมือใดที่แมปการอ่านใดๆ ที่อีกอันล้มเหลวในการแมป

การเร่งความเร็ว 60 เท่า

RustQC มอบการเร่งความเร็วสูงสุดโดยการรวมเครื่องมือควบคุมคุณภาพ 15 รายการแยกกันไว้ในโปรแกรมเดียว ในชุดข้อมูลขนาดใหญ่ รันไทม์ลดลงจาก 15 ชั่วโมง 34 นาที เหลือเพียง 14 นาที 54 วินาที ซึ่งเร่งความเร็วได้มากกว่า 60 เท่า

อีกโครงการหนึ่ง HelixForge ได้แทนที่เครื่องมือสำหรับการสร้างข้อมูลจีโนมสังเคราะห์ด้วยเวอร์ชันที่เร่งด้วย GPU ในการทดสอบโดยใช้ข้อมูลจากผู้บริจาครายหนึ่งและส่วนฐานสิบล้านคู่ของจีโนม HelixForge ดำเนินการไปป์ไลน์ทั้งหมดสำเร็จ เร็วขึ้น 59.6 เท่า กว่า BamSurgeon ดั้งเดิม โดยขั้นตอนการคำนวณหลักเพียงอย่างเดียวทำงานเร็วขึ้น 98.6 เท่า

ในการปรับปรุงให้ทันสมัยตามแบบแผนยิ่งขึ้น GPT-5.5 แทนที่กระบวนการสร้างและการติดตั้งที่ล้าสมัยของ cyvcf2 ซึ่งเป็นไลบรารี Python สำหรับการอ่านข้อมูลทางพันธุกรรม การโยกย้าย MHCflurry ที่เกี่ยวข้องมากขึ้นทำให้ Claude Code และ Codex สลับกันระหว่างบทบาทของนักพัฒนาและผู้ตรวจสอบ ในขณะที่ย้ายโค้ดประมาณ 10,000 บรรทัดจาก TensorFlow ไปยัง PyTorch MHCflurry เป็นแบบจำลองภูมิคุ้มกันวิทยาที่คาดการณ์ว่าเซลล์ภูมิคุ้มกันเป้าหมายใดจะรับรู้ได้

'ผิดอย่างมั่นใจ'

อย่างไรก็ตาม การค้นพบพาดหัวข่าวเป็นเรื่องที่น่ากังวล ในกรณีศึกษาต่างๆ ตัวแทนสามารถทำงานที่มีการกำหนดชัดเจนได้อย่างรวดเร็ว แต่ไม่สามารถตัดสินได้อย่างน่าเชื่อถือว่างานของพวกเขาถูกต้องตามหลักวิทยาศาสตร์หรือไม่ แม้ว่าโค้ดของพวกเขาจะมีข้อผิดพลาด แต่ระบบก็มักจะนำเสนอด้วยความมั่นใจอย่างเต็มที่

Brent Pedersen ผู้พัฒนา cyvcf2 กล่าวถึงความตึงเครียดในรายงาน: "ด้วยตัวแทนการเข้ารหัส มันค่อนข้างง่ายที่จะดำเนินการอย่างรวดเร็ว สำหรับตอนนี้ เพื่อที่จะก้าวไปไกลในด้านวิทยาศาสตร์ ยังคงต้องการคำแนะนำจากผู้เชี่ยวชาญ ความเข้าใจ รสชาติ และการดูแลเอาใจใส่"

Philip Ewels ผู้นำโครงการ RustQC พูดตรงไปตรงมา เขาบรรยายถึงเจ้าหน้าที่ว่า "มีคารมคมคาย น่าเชื่อถือ และผิดพลาดอย่างมั่นใจในลักษณะที่พลาดได้ง่าย" Ewels ไม่เคยยอมให้โมเดลตัดสินความถูกต้องแม่นยำของงานของตนเอง แทนที่จะสร้างชุดทดสอบอิสระเพื่อตรวจจับข้อผิดพลาด

ข้อผิดพลาดที่ซ่อนอยู่ในสายตาธรรมดา

กรณีศึกษา bayesm แสดงให้เห็นว่าข้อผิดพลาดเหล่านี้จับได้ยากเพียงใด การเขียนใหม่ของ Rust ทำงานเร็วกว่าต้นฉบับประมาณสองเท่าถึงยี่สิบเท่า แต่เวอร์ชันแรกของวิธีการขั้นสูงสองวิธีมีข้อบกพร่องเล็กน้อย ประการแรก เอเจนต์กลับค่าพารามิเตอร์ควบคุมคีย์ ทำให้โปรแกรมใช้ส่วนกลับของค่าที่ต้องการ จุดบกพร่องที่แยกออกมาส่งผลต่อการคำนวณเอง นักวิจัยค้นพบทั้งสองปัญหาหลังจากดำเนินการทดสอบการสอบเทียบโดยละเอียดกับชุดข้อมูลสังเคราะห์หลายพันชุดที่ทราบผลลัพธ์แล้วเท่านั้น

ในตอนนี้เน้นย้ำถึงการเปลี่ยนแปลงเชิงโครงสร้างวิธีที่นักวิทยาศาสตร์อาจทำงานร่วมกับ AI แทนที่จะเขียนโค้ดเอง ภารกิจหลักของพวกเขาคือการตรวจสอบผลลัพธ์อย่างเข้มงวด ซึ่งเป็นบทบาทที่ต้องการความเชี่ยวชาญเชิงลึกในขอบเขตที่ตัวแทนไม่สามารถจัดหาได้

มันหมายถึงอะไรสำหรับวิทยาศาสตร์

การค้นพบนี้เกิดขึ้นในช่วงเวลาแห่งการถกเถียงอย่างเข้มข้นว่าระบบ AI อิสระควรได้รับในโดเมนที่มีเดิมพันสูงมากน้อยเพียงใด การเร่งความเร็วเป็นการเปลี่ยนแปลงอย่างแท้จริง — การลดรันไทม์ลง 60 เท่าสามารถเปลี่ยนงานค้างคืนเป็นช่วงพักดื่มกาแฟได้ แต่การมีส่วนร่วมที่สำคัญที่สุดของรายงานอาจเป็นความซื่อสัตย์เกี่ยวกับขีดจำกัด ตัวแทนที่รวดเร็ว คล่องแคล่ว และโน้มน้าวใจ แต่ไม่สามารถประเมินความถูกต้องทางวิทยาศาสตร์ด้วยตนเองได้ ถือเป็นเครื่องมืออันทรงพลังที่อยู่ในมือของผู้เชี่ยวชาญเท่านั้นที่รู้ว่าจะต้องตรวจสอบอะไรอย่างแน่ชัด

สำหรับนักวิจัยที่เกี่ยวข้อง บทเรียนนั้นชัดเจน: AI สามารถสร้างรากฐานของวิทยาศาสตร์ขึ้นใหม่ได้ด้วยความเร็วที่น่าทึ่ง แต่การตัดสินใจของมนุษย์ยังคงรับภาระอยู่

ก้าวนำหน้า AI

ตั้งแต่ความก้าวหน้าทางการวิจัยไปจนถึงการใช้งานระดับองค์กร ก้าวแห่งการเปลี่ยนแปลงอย่างไม่หยุดยั้ง บุ๊กมาร์ก AI Buzz Wire เพื่อรายงานข่าวที่ตรวจสอบข้อเท็จจริงอย่างต่อเนื่องว่าปัญญาประดิษฐ์กำลังพลิกโฉมวิทยาศาสตร์ ธุรกิจ และสังคมอย่างไร

อ่านข่าววิจัย AI เพิ่มเติม →