ข่าว 
ข้อมูลเหรียญ 
แนะนำสื่อ 
ท่ามกลางปัญหาช่องว่างด้านความน่าเชื่อถือในการประเมินประสิทธิภาพของปัญญาประดิษฐ์(AI) ระบบใหม่ที่อาศัย ‘บล็อกเชน’ กำลังได้รับความสนใจในฐานะแนวทางแก้ไข โดยโปรเจกต์ ‘รีคอล(Recall)’ ได้เปิดตัวกลไกการสร้างความน่าเชื่อถือประเภทใหม่ในชื่อ ‘พรูฟ ออฟ อินเทลลิเจนซ์(Proof-of-Intelligence)’ เพื่อทำหน้าที่เป็นโครงสร้างพื้นฐานให้ AI สามารถ ‘พิสูจน์ตัวเอง’ ได้อย่างโปร่งใสและตรวจสอบได้
ระบบดังกล่าวเน้นใช้การ ‘แข่งขันระหว่าง AI แบบเรียลไทม์’ แทนการประเมินเชิงอ主観จากมนุษย์ โดยอาศัยข้อมูลพฤติกรรมบนบล็อกเชนมาคำนวณระบบคะแนนความน่าเชื่อถือ เป้าหมายคือการสร้างระบบรีพิวเทชันด้วยข้อมูลจริงแบบต่อเนื่อง ไม่ใช่เพียงรายงานหรือเดโมที่คัดเลือกมาแล้ว
รีคอลได้ทดลองระบบนี้ในงานแข่งขัน ‘อัลฟาเวฟ(AlphaWave)’ ที่จัดขึ้นในปี 2025 โดยมี AI เอเยนต์ด้านการซื้อขายกว่า 1,000 ตัว เข้าร่วมเทรดสินทรัพย์ดิจิทัล 181 รายการ รวม 9,977 รายการภายในหนึ่งสัปดาห์ คิดเป็นกำไรรวมราว 30 ล้านบาท ผลลัพธ์จากกิจกรรมเหล่านี้ถูกรวบรวมเป็นข้อมูล เช่น พฤติกรรมการเทรด อัตรากำไร การจัดการความเสี่ยง และทำซ้ำได้ แล้วนำเข้าสู่ระบบคำนวณคะแนน ‘รีคอลแรงก์(RecallRank)’ โดยข้อมูลทั้งหมดถูกจัดเก็บบนบล็อกเชน
จากรายงานของโนช์ รีเสิร์ช(Notch Research) ระบุว่า ระบบนี้มีมูลค่ามากกว่าเป็นเพียงลีดเดอร์บอร์ด แต่สามารถทำหน้าที่เป็น ‘สกุลเงินความเชื่อถือ’ แห่งระบบนิเวศ AI ได้ ระบบของรีคอลประกอบด้วย 3 ชั้นหลัก ได้แก่ การแข่งขัน (Competition), เครื่องจัดอันดับ (Ranking Engine) และการจัดการโดยกลไกเศรษฐกิจ (Economic Curation) ซึ่งทำงานร่วมกันเพื่อสร้างระบบ On-Chain ที่ผู้ใช้สามารถมีส่วนร่วมในการประเมิน AI ได้ด้วยการสเตกโทเคนในตัวเลือกที่เชื่อถือ พร้อมรับรางวัลหรือต้องรับความเสี่ยงร่วมกัน
กลไก ‘พรูฟ ออฟ อินเทลลิเจนซ์’ นี้หลีกเลี่ยงปัญหาที่เกิดจากการประเมินแบบเดโมล่วงหน้าหรือการทดสอบครั้งเดียว โดยใช้หลัก ‘เรียลไทม์ ทำซ้ำได้ และตรวจสอบได้’ เป็นเกณฑ์สำคัญ ข้อมูลพฤติกรรมของ AI ทั้งหมดถูกบันทึกบนบล็อกเชน ทำให้ไม่สามารถแก้ไขหรือปกปิดผลได้ ซึ่งเป็นองค์ประกอบสำคัญในการลดช่องว่างความเชื่อถือของระบบ AI
นอกจากการแข่งขัน AlphaWave แล้ว รีคอลยังจัดให้มีการทดลอง ‘รีคอล พรีดิกต์(Recall Predict)’ ในเดือนสิงหาคม 2025 โดยผู้ใช้กว่า 250,000 คนได้ร่วมกันพยากรณ์ผลการทำงานของโมเดล AI รุ่นต่างๆ ก่อนการเปิดตัว GPT-5 ผลการทายครั้งนี้มีความแม่นยำถึง 82% และถูกนำมาใช้เป็นข้อมูลเข้าสำหรับคำนวณ RecallRank เช่นกัน โดยที่ระบบพรีดิกต์เน้นประเมิน ‘วิจารณญาณ’ ของ AI ในขณะที่อัลฟาเวฟวัดจาก ‘การกระทำ’
RecallRank ไม่ใช่เพียงการวัดผลแบบสถิติ แต่เป็นระบบที่เน้น ‘ความเสถียร’ และ ‘ความคิดเห็นของชุมชน’ ผ่านโมเดลการอัปเดตแบบเบย์ (Bayesian update) ที่ปรับค่าคะแนนตามข้อมูลใหม่แบบเรียลไทม์ ทั้งยังลดน้ำหนักของข้อมูลเก่าอย่างต่อเนื่อง การสเตกโทเคนของชุมชนไม่ใช่เพียงการโหวต แต่เป็นการปรับตำแหน่งความเชื่อแบบ ‘การกระจายความน่าจะเป็นของกลุ่ม’ ที่เพิ่มความแม่นยำในการตัดสินใจ
ท้ายที่สุด ‘รีคอล’ ไม่ได้เป็นเพียงแพลตฟอร์มทดสอบ AI แต่กลายเป็นโครงสร้างพื้นฐานด้านความน่าเชื่อถือของ AI ที่เชื่อมโยงกับมูลค่าทางเศรษฐกิจ โดยระบบนี้สะท้อนชัดว่า ทิศทางของการเติบโตด้าน AI ต่อจากนี้ ไม่ใช่การสร้างโมเดลที่ใหญ่กว่าเดิม แต่คือการจัดหาผลลัพธ์ที่ ‘เชื่อถือได้มากกว่าเดิม’ และรีคอลกำลังแสดงให้เห็นว่า การสร้างความเชื่อใจระหว่างมนุษย์กับ AI เป็นสิ่งที่ทำได้ด้วยระบบและโครงสร้างที่ตรวจสอบได้ ผ่านพลังของเทคโนโลยีบล็อกเชน
ความคิดเห็น 0