Recursive self-improvement คืออะไร ทำไม AI สร้าง AI ถึงน่ากังวลที่สุด

โดย Nokka (นก-กา) | 13 กันยายน 2026

บทความนี้เขียนโดย AI (โมเดล deepseek-v4.1-flash ของผู้ให้บริการ ollama-cloud) ผ่าน Hermes Agent จาก Nous Research ตรวจสอบและเรียบเรียงโดย Nokka

คำว่า recursive self-improvement หรือ RSI โผล่ขึ้นในงานเขียนของทั้ง Dario Amodei และ Jakub Pachocki ในเดือนกันยายน 2026 แต่เอกสารส่วนใหญ่ที่พูดถึงคำนี้สมมติว่าผู้อ่านรู้แล้วว่ามันหมายถึงอะไร

บทความนี้จะอธิบายว่า recursive self-improvement แท้จริงคืออะไร และทำไมความสามารถของ AI ในการสร้าง AI รุ่นถัดไปจึงกลายเป็นข้อกังวลอันดับหนึ่ง ก่อนเรื่องอื่นทั้งหมด

มันต่างจาก "AI ช่วยเขียนโค้ด" ตรงไหน

ความเข้าใจผิดที่พบบ่อยคือคิดว่า RSI คือการที่ AI ช่วยโปรแกรมเมอร์เขียนโค้ดเร็วขึ้น

แต่เอกสารของ Anthropic อธิบายความต่างนี้ไว้ด้วยการไล่ลำดับเป็นห้าขั้น [1]

ขั้นที่หนึ่ง (2021-2023) การสร้าง Claude ตัวแรก หน้าตาการทำงานเหมือนบริษัทเทคโนโลยีทั่วไป คือคนเขียนโค้ดและเอกสารบนแล็ปท็อป [1]

ขั้นที่สอง (2023-2025) แชตบอต คนเริ่มใช้แชตบอตช่วยบางส่วนของงาน เช่นสร้างโค้ดสั้น ๆ แล้วคัดลอกไปวางในโปรแกรมแก้ไข [1]

ขั้นที่สาม (2025-2026) coding agent เอเจนต์เริ่มเขียนและแก้โค้ดเองได้ บางครั้งทั้งไฟล์ [1]

ขั้นที่สี่ (ปัจจุบัน) เอเจนต์อิสระ เอเจนต์รันโค้ดเองได้ และมอบหมายงานหลายชั่วโมงให้เอเจนต์ตัวอื่นทำต่อ [1]

ขั้นที่ห้า (ยังไม่เกิด) ปิดวงจร เอเจนต์จะเก่งพอที่จะสร้างและฝึกโมเดลเองได้ ถ้าถึงจุดนั้น Claude รุ่นต่อไปจะถูกปรับปรุงโดย Claude เองอย่างต่อเนื่อง [1]

ความต่างอยู่ที่ขั้นที่ห้า เพราะสี่ขั้นแรกยังมีคนอยู่ในวงจร ส่วนขั้นที่ห้าคือการที่มนุษย์ออกจากวงจรไป

หลักฐานที่บอกว่ามันกำลังเกิด

ตัวเลขจากภายในบริษัทเอง

ส่วนนี้คือส่วนที่ผมคิดว่าสำคัญที่สุด เพราะ RSI ไม่ใช่ทฤษฎีที่รอวันเกิด แต่มีตัวเลขจากภายในบริษัทให้ดู [1]

ตัวเลขแรก Anthropic ระบุว่า ณ เดือนพฤษภาคม 2026 โค้ดมากกว่า 80% ที่รวมเข้าโค้ดเบสของบริษัท เขียนโดย Claude [1]

ก่อนที่ Claude Code จะเปิดให้ทดลองในเดือนกุมภาพันธ์ 2025 ตัวเลขนี้อยู่แค่หลักหน่วย [1]

ตัวเลขที่สอง ในไตรมาสที่สองของปี 2026 วิศวกรทั่วไปรวมโค้ดได้มากกว่าปี 2024 ถึง 8 เท่าต่อวัน [1]

Anthropic ระบุจุดเปลี่ยนสองจุดที่เห็นได้จากกราฟ คือปี 2025 เมื่อ Claude เริ่มรันโค้ดเองได้ แทนที่จะแค่เสนอโค้ดให้คัดลอก และปี 2026 เมื่อโมเดลเริ่มทำงานเองได้ในกรอบเวลาที่ยาวขึ้น [1]

และ Anthropic เขียนข้อจำกัดของตัวเองไว้ตรง ๆ ว่า จำนวนบรรทัดโค้ดเป็นตัววัดที่ไม่ดี เพราะวัดปริมาณไม่ใช่ว่าคุณภาพดีแค่ไหน และตัวเลข 8 เท่านั้น เกินจริงเกือบแน่นอน [1]

การที่บริษัทเขียนข้อจำกัดของตัวเลขตัวเองแบบนี้ ควรค่าแก่การสังเกต เพราะมันทำให้ตัวเลขอื่นน่าเชื่อถือขึ้น

หลักฐานจากข้างนอกที่ยืนยันทิศทางเดียวกัน

หนึ่ง ระยะเวลาของงานที่โมเดลทำเองได้อย่างน่าเชื่อถือ เพิ่มขึ้นเป็นสองเท่าประมาณ ทุกสี่เดือน จากเดิมที่เคยเป็นทุกเจ็ดเดือน [1]

Anthropic ยกตัวอย่างประกอบว่าในเดือนมีนาคม 2024 โมเดล Claude Opus 3 ทำได้แค่งานซอฟต์แวร์ที่คนใช้เวลาประมาณสี่นาที แต่หนึ่งปีต่อมา Claude Sonnet 3.7 ทำได้งานที่ใช้เวลาประมาณหนึ่งชั่วโมงครึ่ง [1]

และอีกหนึ่งปีต่อมา Claude Opus 4.6 ทำได้งานที่ใช้เวลาสิบสองชั่วโมง [1]

สอง บน SWE-bench ซึ่งเป็นแบบทดสอบมาตรฐานวิศวกรรมซอฟต์แวร์จริง โมเดลเคยได้คะแนนหลักหน่วยเดียว แต่ภายในสองปีทำคะแนนเต็มเพดานของแบบทดสอบ [1]

สาม CORE-Bench ซึ่งทดสอบว่าโมเดลทำซ้ำผลงานวิจัยที่ตีพิมพ์ได้หรือไม่ โมเดลทำได้ประมาณ 20% ในปี 2024 และทำเต็มเพดานในสิบห้าเดือนต่อมา [1]

ตัวเลขข้อสามนี้น่าสนใจเป็นพิเศษ เพราะ การทำซ้ำผลงานวิจัยได้ เป็นเงื่อนไขก่อนที่โมเดลจะทำงานวิจัยใหม่เองได้

แล้วตรงไหนที่ยังเป็นของมนุษย์

ช่องว่างที่เหลืออยู่

นี่คือส่วนที่เอกสารของ Anthropic เขียนไว้ชัด และเป็นส่วนที่คนมักข้าม

Anthropic แยกงานสร้างโมเดลออกเป็นสองประเภท

งานวิศวกรรม ได้แก่การเขียนโค้ด ตั้งโครงสร้างพื้นฐาน และดูแลการฝึกโมเดล

งานวิจัย ได้แก่การตัดสินใจว่าจะทดลองอะไร ตีความผลที่ได้ และคิดว่าจะลองอะไรต่อไป [1]

แล้วระบุว่าในงานวิศวกรรม Claude รับโจทย์ที่ยังไม่ชัดเจนและหาวิธีแก้เองได้ โดย มนุษย์ให้เป้าหมาย แต่ไม่ต้องให้วิธี

ส่วนในงานวิจัย Claude ทำการทดลองที่ระบุไว้ชัดได้เทียบเท่าหรือดีกว่ามนุษย์ที่มีทักษะ [1]

แต่ช่องว่างที่ยังเหลืออยู่คือการตัดสินใจเลือกเป้าหมาย ซึ่ง Anthropic เขียนตรง ๆ ว่า "ช่องว่างด้านประสิทธิภาพยังมีอยู่มาก" [1]

และนี่คือจุดที่ทำให้ RSI ยังไม่เกิด

สิ่งที่ Anthropic เขียนไว้ในส่วนที่ซื่อที่สุด

เอกสารมีส่วนชื่อ "What if we're wrong?" ซึ่งเป็นส่วนที่บริษัทตอบข้อโต้แย้งว่าสิ่งที่ยังอยู่ในมือคนคือการเลือกว่าจะทำงานกับปัญหาอะไร ซึ่งเป็นเรื่องสำคัญที่สุด [1]

คำตอบของ Anthropic มีสองทาง

ทางที่ระวัง: ถึง Claude จะไม่เก่งเรื่อง "รสนิยมการวิจัย" เลย การอ่านหลักฐานแบบอนุรักษ์นิยมก็ยังชี้ว่าความเร่งจะทบต้น เพราะถ้ามนุษย์ใช้เวลาส่วนใหญ่กับงานส่วนน้อยที่กำหนดทิศทาง ส่วนที่เหลือ Claude ทำ การที่วิศวกรหนึ่งคนดูแลงานได้มากขึ้นก็เร่งทุกอย่างอยู่ดี [1]

ทางที่กล้ากว่า: หลักฐานช่วงแรกที่บอกว่า Claude เริ่มมีวิจารณญาณด้านการวิจัยดีขึ้น อาจหมายความว่าความสามารถนี้กำลังพัฒนา และ "รสนิยมการวิจัย" อาจเป็นแค่ความสามารถอีกอย่างที่ AI ทำไม่ได้ในช่วงหนึ่ง แล้วก็ทำได้ [1]

Anthropic ยกตัวอย่างประกอบว่าบริษัทเคยเห็นรูปแบบนี้มาแล้วกับความสามารถเชิงคุณภาพอื่น เช่นการที่ AI อธิบายได้ว่ามุกตลกตลกตรงไหน แสดงทฤษฎีจิต หรือไขปริศนาภาษา [1]

ประโยคนี้ควรค่าแก่การอ่านซ้ำ

และ OpenAI เขียนสิ่งที่ตรงกัน

Jakub Pachocki หัวหน้านักวิทยาศาสตร์ของ OpenAI เผยแพร่บทความชื่อ An Alien Mind เมื่อวันที่ 6 กันยายน 2026 [2]

เขาเขียนว่า [2]

จากผลลัพธ์ภายใน ผมคาดหวังอย่างมากว่าความเร็วของความก้าวหน้านี้อาจจะดำรงต่อไปสู่ recursive self-improvement ได้

และประโยคที่ผมคิดว่าเป็นประโยคที่ตรงที่สุดจากบทความทั้งหมด [2]

ผมกังวลว่าไม่มีใครเตรียมพร้อมสำหรับผลที่ตามมา จากการเพิ่มขึ้นอย่างรวดเร็วของความฉลาดของเครื่องจักรอย่างต่อเนื่อง

Pachocki เขียนด้วยว่า OpenAI จะ ยับยั้งการขยายขนาดด้วยตัวเองถ้าจำเป็น แต่เขาเชื่อว่าต้องมีการแทรกแซงในวงกว้างกว่านั้น และปิดท้ายว่า [2]

ปัจจุบันผมเชื่อว่าไม่มีห้องแล็บใดแก้ปัญหาการจัดแนวและการเฝ้าระวังได้ถึงระดับที่เพียงพอที่จะขยายขนาดอย่างรับผิดชอบด้วยความเร็วสูงสุดต่อไปได้อีกนาน

สิ่งที่ผมคิดว่าควรระวังในการอ่านเรื่องนี้

มีจุดหนึ่งที่ผมคิดว่าสำคัญ และไม่ค่อยมีใครพูดถึง

ในมุมมองของผม ตัวเลขทั้งหมดที่รวดเร็วที่สุด มาจากบริษัทที่กำลังแข่งกันขายเรื่องนี้

ทั้ง Anthropic และ OpenAI เผยแพร่ตัวเลขภายในของตัวเอง ผ่านการตรวจสอบจากคนนอกแค่ระดับหนึ่ง

ตัวเลข 80% ของโค้ดที่เขียนโดย Claude เป็นการนับของ Anthropic เอง และบริษัทก็ยอมรับว่าวิธีการนับยังมีช่องว่าง [1]

ผมไม่ได้บอกว่าตัวเลขเหล่านั้นไม่จริง ผมบอกว่า เป็นการวัดที่บริษัทวัดตัวเอง และผู้อ่านควรรู้ว่าที่มาคือใคร

ข้อควรระวัง

หนึ่ง เนื้อหาหลักของบทความนี้มาจากเอกสารสองฉบับที่เปิดเผยสาธารณะ คือบทความของ Anthropic Institute ชื่อ "When AI builds itself" [1] และบทความของ Jakub Pachocki บนเว็บ OpenAI ชื่อ "An Alien Mind" [2] ผมอ่านทั้งสองฉบับโดยตรง ไม่ได้ใช้การถอดความจากสื่ออื่น

สอง ตัวเลขทุกตัวที่ผมยกมา รวมถึง 80% และ 8 เท่า เป็น การวัดของบริษัทเอง และ Anthropic เขียนข้อจำกัดของตัวเลขบรรทัดโค้ดไว้ในเอกสารด้วยว่าอาจเกินจริง [1] ผมระบุข้อจำกัดนี้ไว้ในเนื้อหาแล้ว

สาม ผมไม่ได้ตรวจสอบข้อมูลภายในของ Anthropic หรือ OpenAI และไม่มีทางเข้าถึงได้ ตัวเลขที่ผมยกจึงเป็นการอ้างตามที่เอกสารระบุ ไม่ใช่การยืนยันอิสระ

สี่ ลำดับห้าขั้นของ Anthropic เป็นการเรียบเรียงของบริษัทเอง ซึ่งเป็นกรอบที่ทำให้เรื่องราวดูเป็นเส้นตรง แต่การพัฒนาจริงอาจไม่เป็นเส้นตรงอย่างที่กรอบนี้อธิบาย [1]

ห้า การพยากรณ์ว่า RSI จะเกิดหรือไม่เกิด ยังไม่มีคำตอบ ทั้งสองฉบับเขียนว่าไม่แน่ และ Anthropic เขียนว่า "RSI ไม่ใช่เรื่องที่หลีกเลี่ยงไม่ได้" [1]

หก ผมทำงานกับ AI และเขียนบทความนี้ด้วย AI บทความนี้จึงควรถูกอ่านโดยคำนึงถึงเรื่องนั้น [3]

สรุป

RSI ไม่ใช่คำที่หมายถึง AI เก่งขึ้น แต่หมายถึง การที่ AI เข้ามาเป็นส่วนหนึ่งของวงจรที่ทำให้ AI เก่งขึ้น

ความต่างระหว่างสองสิ่งนี้อยู่ที่ว่า ในแบบแรกคนยังขับเคลื่อน ในแบบที่สองวงจรขับเคลื่อนเอง

ตัวเลขจาก Anthropic บอกว่าบริษัทเข้าใกล้จุดนั้นมากกว่าที่คนส่วนใหญ่คิด แต่ ช่องว่างที่ยังเหลือคือการเลือกว่าจะทำอะไร ซึ่งยังไม่มีหลักฐานว่าโมเดลทำได้

คำถามที่ผมคิดว่าควรถามคือ ถ้าโมเดลอีกสองรุ่นข้างหน้าทำได้ นั่นแปลว่าเราจะรู้ตัวตอนไหน

และคำถามที่ยากกว่านั้นคือ ใครจะเป็นคนบอกเราว่าถึงจุดนั้นแล้ว

หมายเหตุ: บทความนี้เป็นชิ้นที่ 3 จาก 3 ชิ้นในชุดเดียวกัน ต่อจากเรื่องข้อเสนอชะลอ AI ของ Dario และรายงานของ MIT

แหล่งอ้างอิง

[1] Favaro, M. และ Clark, J. (Anthropic Institute), "When AI builds itself" (2026), https://www.anthropic.com/institute/recursive-self-improvement

[2] Pachocki, J., "An Alien Mind", OpenAI (6 ก.ย. 2026), https://openai.com/index/an-alien-mind/

[3] การเปิดเผยของผู้เขียน: บทความนี้เขียนโดยใช้ AI และผู้เขียนทำงานบนระบบที่ใช้โมเดล AI