แทนที่จะจำคนที่ใช้ งาน Brain ถูกออกแบบมาเพื่อจำ งานที่ทำ ความแตกต่างนี้ฟังดูเล็กน้อย แต่ผลลัพธ์มันคนละโลก เพราะถ้า AI จำแค่ว่าคุณเป็นนักพัฒนาซอฟต์แวร์ มันก็แค่ตอบสนองต่อตัวตนของคุณ แต่ถ้ามันจำว่าสัปดาห์ที่แล้วเมื่อแก้บัก ไฟล์ไหนในโค้ดเบสที่ให้ผลลัพธ์ดีที่สุด หรือแหล่งข้อมูลไหนที่เป็นทางตัน มันกำลังเรียนรู้ที่จะทำ งานนั้น ให้ดีขึ้น

หัวใจของ Brain คือสิ่งที่ Perplexity เรียกว่า “กราฟบริบท” (Context Graph) มันทำงานเหมือนวิกิพีเดียส่วนตัวที่ถูกสร้างโดย AI เพื่อ AI

แต่ไม่ใช่เพื่อเก็บข้อมูลทั่วไป หากแต่เพื่อบันทึกแผนที่ของงานที่ผ่านมาโดยเฉพาะ

ลองนึกภาพโครงข่ายใยแมงมุมที่แต่ละเส้นใยเชื่อมโยงสิ่งต่าง ๆ เข้าด้วยกัน โปรเจกต์กับแหล่งข้อมูล, การตัดสินใจกับผลลัพธ์, ข้อผิดพลาดกับวิธีแก้ไข ทุกครั้งที่ Computer ทำงาน ไม่ว่าจะเป็นการค้นหาข้อมูล วิเคราะห์เอกสาร หรือดึงข้อมูลจากระบบภายนอก กราฟนี้ก็จะบันทึกสิ่งที่เกิดขึ้น พร้อมร่องรอยที่ย้อนกลับไปถึงต้นทางได้เสมอ ไม่มีความทรงจำที่ลอยอยู่กลางอากาศโดยไม่มีที่มา

สิ่งที่ทำให้ Brain แตกต่างจากระบบ log ธรรมดาคือขั้นตอนที่เกิดขึ้นในชั่วข้ามคืน ทุกคืน ระบบจะหยุด ทบทวน และ สังเคราะห์ สิ่งที่เรียนรู้มาตลอดวัน มันผสมผสานข้อมูลจากหลายแหล่ง เซสชันการทำงาน, ผลจากการเชื่อมต่อระบบต่างๆ, การเปลี่ยนแปลงในเอกสาร, และที่สำคัญที่สุดคือ การแก้ไขที่ผู้ใช้ทำ แล้วนำทั้งหมดนั้นมาอัปเดตวิกิของตัวเอง เพื่อให้เช้าวันรุ่งขึ้น Computer เริ่มต้นจากจุดที่ดีกว่าเดิม

กระบวนการนี้คล้ายกับสิ่งที่สมองมนุษย์ทำระหว่างนอนหลับอย่างน่าประหลาด นักวิทยาศาสตร์ด้านประสาทวิทยาค้นพบมานานแล้วว่าสมองใช้เวลานอนหลับในการจัดระเบียบความทรงจำ คัดกรองสิ่งที่สำคัญออกจากสิ่งที่ไม่จำเป็น และเชื่อมโยงประสบการณ์ใหม่กับความรู้เดิม Brain ของ Perplexity ทำสิ่งที่คล้ายกันนี้ในระดับของ AI

แต่จุดที่น่าสนใจที่สุดของ Brain ไม่ใช่แค่การจำ มันคือการเรียนรู้จากความล้มเหลว

ในโลกของ AI Agent ปัญหาหนึ่งที่ยากมากคือสิ่งที่นักวิจัยเรียกว่า “การวนซ้ำในทางตัน” เมื่อ Agent ทำงานเดิมซ้ำอีกครั้ง มันมักจะเดินหน้าไปในเส้นทางเดิมที่เคยล้มเหลว เพราะมันไม่จำว่าเส้นทางนั้นพาไปสู่ที่ไหน Brain แก้ปัญหานี้ด้วยการบันทึกทุกการแก้ไขที่ผู้ใช้ทำ ทุกครั้งที่คุณบอกว่า “ไม่ใช่อย่างนี้” หรือปรับแก้ผลลัพธ์ที่ AI ให้มา สัญญาณนั้นจะถูกส่งต่อเข้าสู่วงจรการเรียนรู้

ยิ่งใช้มาก ยิ่งเก่ง นี่คือคำสัญญาของ Brain ซึ่งในทางทฤษฎีหมายความว่า Computer ที่ใช้งานมาหลายเดือนจะมีประสิทธิภาพสูงกว่า Computer ที่เพิ่งเริ่มต้นวันแรกอย่างชัดเจน ราวกับความแตกต่างระหว่างผู้รับเหมาที่เพิ่งเข้ามาในอาคารครั้งแรก กับช่างที่ดูแลอาคารนั้นมานับสิบปี

ตัวเลขที่ Perplexity เปิดเผยจากการทดสอบภายในชี้ให้เห็นสัญญาณที่น่าสนใจ ความถูกต้องของคำตอบเพิ่มขึ้นถึง 25 เปอร์เซ็นต์สำหรับงานที่ Brain เคยเจอมาก่อน ความสามารถในการดึงข้อมูลที่ถูกต้องเพิ่มขึ้น 16 เปอร์เซ็นต์ และที่น่าแปลกใจคือต้นทุนการประมวลผลลดลง 13 เปอร์เซ็นต์สำหรับงานที่ต้องอาศัยบริบทในอดีต

ตัวเลขสุดท้ายนั้นสำคัญมาก เพราะมันเปิดเผยแนวคิดที่ซ่อนอยู่เบื้องหลัง Brain ทีมงาน Perplexity อธิบายว่าการลงทุนในโทเคน (หน่วยการประมวลผลของ AI) วันนี้ คือการลงทุนที่จะคืนกำไรในรูปแบบของโทเคนที่ใช้น้อยลงในอนาคต กล่าวง่าย ๆ คือ AI ที่จำได้ ไม่จำเป็นต้องคิดใหม่ทั้งหมดทุกครั้ง และนั่นประหยัดทรัพยากรได้มหาศาล

แม้ตัวเลขเหล่านี้จะมาจากการทดสอบของ Perplexity เองและยังไม่ผ่านการตรวจสอบจากภายนอก แต่ทิศทางที่ชี้ออกมานั้นสอดคล้องกับสิ่งที่นักวิจัยด้าน AI ทั่วโลกกำลังพยายามแก้ปัญหา

เพื่อให้เห็นภาพชัดขึ้น ลองนึกถึงสามสถานการณ์ที่ Brain อาจเปลี่ยนเกมได้จริง

นักวิทยาศาสตร์ข้อมูลที่ต้องรัน Pipeline ตรวจสอบข้อมูลทุกสัปดาห์ ปกติทุกครั้งที่เริ่ม ต้องใช้เวลาระบุแหล่งข้อมูลที่น่าเชื่อถือและหลีกเลี่ยงจุดที่เคยพลาดซ้ำๆ Brain จำทั้งหมดนั้น ทำให้การตรวจสอบครั้งถัดไปเริ่มต้นจากแผนที่ที่แม่นยำกว่าเดิม

ทีม Support ที่ต้องจัดการตั๋วร้องเรียนผ่านระบบ Connector หลายตัว Brain เรียนรู้ว่าแหล่งข้อมูลไหนช่วยแก้ปัญหาประเภทใดได้ดีที่สุด และเริ่มส่งต่อตั๋วให้ถูกทางตั้งแต่ครั้งแรก

นักพัฒนาซอฟต์แวร์ที่แก้บักข้ามหลาย Repository Brain จำได้ว่าไฟล์ไหนที่เกี่ยวข้องกับปัญหาลักษณะนี้ในรอบที่แล้ว ทำให้ Computer ไปถึงต้นตอของปัญหาได้เร็วขึ้นโดยไม่ต้องวิ่งวนหาใหม่

สิ่งที่เชื่อมโยงทุกสถานการณ์เข้าด้วยกันคือ “ประวัติศาสตร์”
Brain เป็น AI Agent ที่ จำ งานในอดีตได้ไม่ต้องเสียเวลาค้นพบสิ่งเดิมซ้ำอีกครั้ง

Brain กำลังอยู่ในช่วง Research Preview และเปิดให้ใช้งานเฉพาะผู้ใช้ในระดับ Max และ Enterprise Max ของ Perplexity เท่านั้นในขณะนี้ ซึ่งนั่นหมายความว่ายังมีคำถามที่ยังไม่มีคำตอบอีกมาก

การอัปเดตที่เกิดขึ้นทุกคืนหมายความว่าการปรับปรุงไม่ได้เกิดขึ้นทันที ถ้าคุณแก้ไขข้อผิดพลาดในบ่ายวันนี้ Brain จะซึมซับบทเรียนนั้นไปใช้ในเช้าวันพรุ่งนี้ ไม่ใช่ในอีกห้านาที ในโลกที่ทุกอย่างต้องการ Real-time นั่นคือข้อจำกัดที่ต้องตั้งคำถาม

ยิ่งไปกว่านั้น การที่ระบบเก็บรักษา “กราฟบริบทของงาน” ไว้ตลอดเวลา ย่อมนำมาซึ่งคำถามด้านการกำกับดูแลข้อมูล ใครเป็นเจ้าของข้อมูลนั้น? ข้อมูลถูกเก็บไว้ที่ไหน? และจะเกิดอะไรขึ้นถ้าคุณหยุดใช้บริการ? คำถามเหล่านี้ยังรอคำตอบที่ชัดเจน

Brain เป็นหมุดหมายที่น่าจับตาในวิวัฒนาการของ AI Agent ไม่ใช่เพราะมันทำสิ่งมหัศจรรย์ที่ไม่เคยมีใครคิดมาก่อน แต่เพราะมันตั้งคำถามที่ถูกต้องกับปัญหาที่ถูกต้อง ว่าความทรงจำของ AI ควรจะใช้เพื่ออะไรกันแน่

ถ้าเป้าหมายสูงสุดคือ “Agent ที่ทำงานให้คุณได้จริง” การจำแค่ว่าคุณเป็นใครนั้นไม่พอ มันต้องจำด้วยว่างานนั้นเคยไปถึงไหน เจออะไรระหว่างทาง และเรียนรู้อะไรจากมัน นั่นคือความแตกต่างระหว่างผู้ช่วยที่รู้จักชื่อคุณ กับผู้ช่วยที่เข้าใจงานของคุณอย่างแท้จริง

Key Takeaways

• Brain จำงาน ไม่ใช่จำคน แตกต่างจาก AI Memory ทั่วไปที่จำโปรไฟล์ผู้ใช้ Brain บันทึกสิ่งที่ Agent ทำ สิ่งที่ได้ผล และสิ่งที่ล้มเหลว เพื่อพัฒนาประสิทธิภาพของงาน
• กราฟบริบทคือแผนที่ของงาน ระบบสร้างโครงข่ายความสัมพันธ์ระหว่างโปรเจกต์ แหล่งข้อมูล และผลลัพธ์ ทุกรายการเชื่อมกลับไปที่แหล่งที่มาได้เสมอ
• การเรียนรู้เกิดขึ้นในชั่วข้ามคืน Brain สังเคราะห์บทเรียนจากทุกเซสชันทุกคืน ทำให้ Computer วันถัดไปฉลาดกว่าวันก่อน
• ยิ่งใช้มาก ยิ่งได้กำไร ทั้งในด้านความแม่นยำ (+25%) การดึงข้อมูล (+16%) และการประหยัดต้นทุน (-13%) ตามตัวเลขการทดสอบภายในของ Perplexity
• ยังมีคำถามที่รอคำตอบ ตัวเลขยังเป็น First-party, การอัปเดตไม่ใช่ Real-time, และข้อกังวลด้านการกำกับดูแลข้อมูลยังต้องการคำชี้แจงที่ชัดเจน
• ปัจจุบันเปิดให้ใช้เฉพาะ Max และ Enterprise Max subscribers ในฐานะ Research Preview

…..

เรียบเรียงโดย AiNextopia

อ้างอิง : Perplexity Launches Brain, a Self-Improving Memory System That Builds a Context Graph of an Agent’s Work and Learns Overnight. / MarkTechPost