Google เปิดตัว Project Chrysalis: สถาปัตยกรรม AI Agent วิวัฒนาการได้เอง

22 ต.ค. 2026

เมื่อแพลตฟอร์มคลาวด์ระดับองค์กรขยายตัวเพื่อรองรับผู้ใช้งานพร้อมกันหลายล้านราย ระบบไมโครเซอร์วิสที่เชื่อมต่อกันอย่างซับซ้อนมักนำมาซึ่งความล้มเหลวแบบต่อเนื่อง (cascading failure) ที่ยากจะคาดการณ์ได้ โดยเฉพาะในช่วงเหตุการณ์ที่มีความหนาแน่นสูงเช่น Black Friday ซึ่งเหล่า Site Reliability Engineers (SREs) ต้องวินิจฉัยข้อมูล telemetry และแก้ไขปัญหาให้ได้ภายในไม่กี่วินาทีเพื่อเลี่ยงความเสียหายมูลค่ามหาศาล

แม้ Generative AI copilot จะช่วยเขียนโค้ดได้ แต่ AI agent ยังคงประสบปัญหาในการแก้ไขเหตุการณ์ระบบล่มในสภาพแวดล้อมการใช้งานจริง (production) ได้อย่างน่าเชื่อถือ วิศวกรจึงต้องการระบบ Self-evolving AI ที่มีการกำกับดูแล ซึ่งสามารถวินิจฉัยต้นเหตุ ซ่อมแซมตัวเอง (Self-patch) ผ่านการสังเคราะห์เครื่องมือบรรเทาปัญหา วิพากษ์ตัวเอง (Self-critique) เพื่อประเมินประสิทธิภาพของการแก้ไข และจดจำบทเรียนลงในหน่วยความจำเพื่อป้องกันความผิดพลาดซ้ำเดิม

สถาปัตยกรรมอ้างอิงภายใต้รหัสชื่อ Project Chrysalis จาก Google Cloud แสดงให้เห็นว่าความก้าวหน้าทางงานวิจัยสามารถรวมเป็นระบบที่ใช้งานจริงได้บนแพลตฟอร์ม Gemini และ Agent Development Kit (ADK) โดยในการจำลองเหตุการณ์แคชถล่ม (cache-stampede) ระบบนี้สามารถลดระยะเวลาบรรเทาปัญหาจาก 45 นาที เหลือเพียง 1.8 วินาที และลดอัตราข้อผิดพลาด HTTP 5xx ให้เหลือ 0.0% ได้ทันที

สถาปัตยกรรมนี้ไม่ได้ทำงานเป็น "กล่องดำ" แต่ถูกควบคุมด้วยชั้นความปลอดภัย defense-in-depth ของ Google Cloud ได้แก่ Model Armor เพื่อคัดกรองข้อมูลจาก Social Engineering และ prompt injections, Google Cloud Key Management Service (Cloud KMS) สำหรับลงนามรหัสแพตช์ และการกำกับดูแลแบบ Dual-Custody Human-in-the-Loop (HITL) ที่ต้องมีการอนุมัติจากมนุษย์ก่อนเปลี่ยนโครงสร้างระบบอย่างถาวร

ในขณะที่ AI agent แบบดั้งเดิมมักถูกจำกัดด้วยคำสั่งที่ตายตัวและเครื่องมือที่ลงทะเบียนไว้ล่วงหน้า สถาปัตยกรรม Self-Evolving AI จะขยายความสามารถด้วยการสังเคราะห์เครื่องมือใหม่ตามสถานการณ์จริง โดยตัว agent จะวิวัฒนาการตามหลักฐานเชิงประจักษ์ว่าสิ่งใดได้ผลหรือล้มเหลว ผ่านการให้คะแนนผลกระทบต่อ telemetry และบันทึกหลักการดำเนินงานที่ผ่านการตรวจสอบแล้วสำหรับอนาคต

โปรเจกต์นี้มุ่งแก้ปัญหา SRE Trilemma หรือการรักษาสมดุลระหว่างความปลอดภัย ความสามารถในการปรับตัว และผลลัพธ์ โดยรวม 3 เสาหลักของการวิจัยเข้าด้วยกัน ได้แก่ การจำลองสถานการณ์สมมติแบบ Serverless (Dream-RSI) บน Google BigQuery, วิวัฒนาการร่วมกันสามระดับ (APEX) และการระบุที่มาของผลลัพธ์ในระดับขั้นตอน (AgentEvolver)

Google ได้ปรับใช้สถาปัตยกรรมนี้เป็นแอปพลิเคชันแบบโต้ตอบบนแพลตฟอร์ม Gemini ซึ่งครอบคลุมทั้งระบบ Production, ADK Multi-Agent Plane, Self-Evolution Engine และระบบกำกับดูแลความปลอดภัย เพื่อรับประกันว่า AI agent จะวิวัฒนาการได้อย่างเป็นอิสระภายใต้นโยบายองค์กรและลายเซ็นเข้ารหัสที่ปลอดภัย

ผู้ที่สนใจสามารถศึกษาการใช้งานอ้างอิงและเอกสารประกอบได้ที่:

• Github Code สำหรับสถาปัตยกรรมอ้างอิงและเดโม
• สร้างและใช้งานจริงบน Gemini Platform
• การกำกับดูแลและข้อมูล: Cloud KMS • Model Armor • Google BigQuery • Cloud Logging