🧠 AI Agent ที่ “เรียนรู้จากงานของตัวเอง” ข้ามคืนได้แล้ว

🧠 AI Agent ที่ “เรียนรู้จากงานของตัวเอง” ข้ามคืนได้แล้ว

Perplexity เปิดตัว Brain — ระบบ memory แบบ self-improving สำหรับ agent ชื่อ Computer

แทนที่จะจำแค่ชื่อผู้ใช้ ความชอบ หรือประวัติการสนทนา
มันกลับบันทึก “งานที่เคยทำจริง” ไว้ทั้งหมด

---

Brain ทำงานอย่างไร

ทุกครั้งที่ Computer ทำงานเสร็จ มันจะสร้าง context graph บันทึกว่า

• ใช้ tool อะไร
• ดึงข้อมูลจากแหล่งไหน
• ผลลัพธ์เป็นอย่างไร
• ผู้ใช้แก้ไขตรงไหน

แล้วตอนกลางคืน ระบบจะทบทวน context graph ทั้งหมด
สังเคราะห์เป็น “บทเรียน” เก็บไว้ใน LLM wiki
พอรันงานใหม่ Brain จะโหลดบทเรียนเหล่านั้นมาใช้โดยอัตโนมัติ

---

ผลที่ได้จากการทดสอบภายใน

• ความถูกต้องของคำตอบเพิ่มขึ้น 25%
• การเรียกคืนข้อมูลที่เคยใช้ดีขึ้น 16%
• ต้นทุนการรันงานที่ต้องใช้ context เดิมลดลง 13%

ที่สำคัญคือ มันไม่ใช่แค่จำข้อมูล
แต่เป็นการ “ปรับปรุงวิธีทำงาน” ของ agent เอง

---

ในมุมของคนที่กำลังสร้างหรือใช้ AI Agent

สิ่งที่ Brain เปลี่ยนคือ paradigm ของ memory
จากเดิมที่ agent ต้องให้มนุษย์ป้อนข้อมูลหรือ preference ทุกครั้ง
กลายเป็น agent ที่เรียนรู้จากประสบการณ์การทำงานจริงของตัวเอง

นี่คือก้าวที่สำคัญมากสำหรับการทำ agent ที่ใช้งานจริงในระยะยาว
เพราะ agent ที่เก่งขึ้นเรื่อย ๆ โดยไม่ต้องรีเทรนหรือปรับ prompt ทุกวัน
คือสิ่งที่หลายคนกำลังมองหาอยู่ครับ

---

ข้อสังเกตจากเรา

แนวทางนี้ตรงข้ามกับ memory ส่วนใหญ่ในตลาดตอนนี้
ที่มักโฟกัสที่ “จำผู้ใช้” เป็นหลัก
Brain เลือกโฟกัสที่ “จำงานและผลลัพธ์” แทน
ซึ่งอาจเป็นทิศทางที่เหมาะกับ agent ที่ต้องทำงานซ้ำ ๆ หรือทำงานซับซ้อนมากขึ้น

👇 ลิงก์บทความ Perplexity Brain + รายละเอียดเพิ่มเติมไว้ใน comment ครับ

#SynapTechAI #AIAgent #Perplexity #AgentMemory #SelfImprovingAI

---

📖 อ่านบทความเต็มบน Facebook | 🔔 ติดตาม SynapTech