Claude Science คืออะไร? ห้องทำงาน AI สำหรับนักวิจัย ใช้ยังไง ใครใช้ได้บ้าง (อัปเดต ต.ค. 2569)

Claude Science คือแอปเดสก์ท็อปจาก Anthropic ที่ให้ Claude ทำงานวิจัยเชิงคำนวณแทนนักวิจัยได้ทั้งวงจร ตั้งแต่ค้นเอกสาร ดึงข้อมูลจากฐานข้อมูลวิทยาศาสตร์ เขียนและรันโค้ด Python หรือ R บนเครื่องของคุณ ส่งงานหนักไปคลัสเตอร์ จนถึงทำกราฟและร่างส่วน methods ของบทความ ทุกผลลัพธ์เก็บพร้อมโค้ดและสภาพแวดล้อมที่ใช้สร้าง เพื่อให้คนอื่นทำซ้ำได้ Anthropic เปิดตัวเมื่อ 30 มิถุนายน 2569 ในสถานะ beta และวางตำแหน่งไว้ชัดว่า Claude Code เป็นของนักพัฒนาอย่างไร Claude Science ก็เป็นของนักวิจัยอย่างนั้น

จุดที่คนเข้าใจผิดบ่อยที่สุดคือคิดว่ามันเป็นโมเดลใหม่ ไม่ใช่ Claude Science ใช้โมเดล Claude ชุดเดียวกับที่ทุกคนใช้อยู่ (ณ วันเปิดตัวคือ Claude Opus 4.8) สิ่งที่เพิ่มมาคือ "ห้องทำงาน" ที่รวมเครื่องมือ ฐานข้อมูล และกำลังประมวลผลไว้ในที่เดียว บทความนี้ตอบ 3 คำถาม คืออะไร ใครใช้ได้ และใช้ยังไงทีละขั้น ปิดท้ายด้วยสิ่งที่หน่วยงานวิจัยไทยต้องเตรียมก่อนเปิดใช้

1. Claude Science ต่างจาก Claude ที่ใช้อยู่ตรงไหน

ถ้าคุณใช้ Claude ผ่านเว็บหรือแอป Desktop อยู่แล้ว คำถามแรกคือทำไมต้องมีอีกแอป คำตอบอยู่ที่ "ใครเป็นคนรันโค้ด" และ "ผลลัพธ์เก็บยังไง" ตารางนี้เทียบสามทางที่ Anthropic มีตอนนี้

ที่มา: anthropic.com/news/claude-science-ai-workbench และ claude.com/docs/claude-science/overview (16 ต.ค. 2569)

Claude Science ไม่ได้โผล่มาลอย ๆ มันต่อยอดจาก Claude for Life Sciences ที่ Anthropic เปิดเมื่อตุลาคม 2568 ซึ่งตอนนั้นเป็นแค่ connector ไป Benchling, PubMed และฐานข้อมูลชีววิทยาในหน้าแชต ลำดับเหตุการณ์ที่ควรรู้มีดังนี้

2. ข้างในมีอะไร agent ประสานงาน skills 60+ และ reviewer

เวลาเปิดแอปขึ้นมา คุณไม่ได้คุยกับ "โมเดล" ตรง ๆ แต่คุยกับ agent ประสานงานตัวหนึ่ง มันรับโจทย์ ร่างแผน แล้วแตกงานให้ agent ผู้ช่วยเฉพาะทาง เช่น ตัวที่ถนัดจีโนมิกส์ ตัวที่ถนัดโครงสร้างโปรตีน ส่วนที่คนมักมองข้ามคือ reviewer ซึ่งทำงานเป็นฉากหลัง คอยตรวจว่าข้อสรุปที่ Claude เขียนตรงกับโค้ดที่รันจริงไหม และ citation ที่อ้างมีอยู่จริงหรือเปล่า

อีกเรื่องที่เอกสารทางการเน้น คือ Claude Science ไม่ได้จำกัดอยู่แค่ชีววิทยา ทีม Anthropic ระบุว่ารองรับวิทยาการคอมพิวเตอร์และ machine learning, วิศวกรรม, วัสดุศาสตร์, คณิตศาสตร์, ฟิสิกส์ และสังคมศาสตร์ด้วย เพราะแก่นของมันคือวงจรเดียวกันทุกสาขา ตั้งสมมติฐาน ทบทวนวรรณกรรม ออกแบบการทดลอง วิเคราะห์ข้อมูลชุดใหญ่ แล้วแปลงเป็นกราฟและข้อค้นพบที่ทำซ้ำได้ สิ่งที่เป็นของชีววิทยาโดยเฉพาะมีแค่ connector และ skill บางตัว

3. ใครใช้ได้ ต้องมีอะไรบ้าง

ข่าวดีคือไม่ต้องซื้ออะไรเพิ่ม Claude Science รวมอยู่ในแผนเสียเงินทุกแผนขององค์กรและบุคคล แต่มีเงื่อนไขเรื่องเครื่องและการเปิดสิทธิ์ที่ต้องเช็กก่อน

4. ใช้ยังไง 6 ขั้นจากติดตั้งถึงร่าง manuscript

ขั้นตอนด้านล่างอิงจากเอกสาร Get started ของ Anthropic เรียงตามลำดับที่คนใช้จริงจะเจอ

1. ตรวจสิทธิ์ก่อน ถ้าเป็นบัญชี Team หรือ Enterprise ให้ Owner เข้า admin setting แล้วเปิด Claude Science ให้องค์กร ถ้าเป็น Pro หรือ Max ข้ามขั้นนี้ได้
2. ดาวน์โหลดและติดตั้ง จาก claude.com/science เลือกตัวติดตั้งตามเครื่อง (Mac Apple silicon, Mac Intel, Windows, Linux) แอปนี้แยกจาก Claude Desktop ติดตั้งคู่กันได้ แล้วล็อกอินด้วยบัญชี Claude เดิม
3. ตั้งค่าครั้งแรก ใน Settings เปิด skills ที่ตรงกับงาน เพิ่มสภาพแวดล้อมประมวลผล (เครื่องตัวเอง, SSH ไปเวิร์กสเตชันหรือ login node ของคลัสเตอร์, บัญชี Modal) และใส่ credential ของวารสารหรือที่เก็บข้อมูลคลาวด์ที่มี license ใน Settings > Credentials ซึ่งเข้ารหัสเก็บในเครื่อง
4. เปิด Project แล้วเริ่ม Session พิมพ์โจทย์เป็นภาษาคน Claude จะร่างแผนและขออนุมัติทุกครั้งก่อนอ่านโฟลเดอร์ใหม่ ติดต่อ host ใหม่ หรือส่งงานไประยะไกล คุณดู แก้ หรือถอนสิทธิ์ได้ก่อนงานจะรัน
5. วนแก้ผลลัพธ์ สั่งแก้กราฟด้วยภาษาคน Claude แก้ที่โค้ดและรันใหม่ งานหนักส่งไป HPC หรือ GPU โดย Claude ร่างสคริปต์งาน (เช่น sbatch ของ Slurm) ให้ดูก่อนส่ง แล้วเฝ้าสถานะให้
6. ร่างต้นฉบับ ขอให้เขียนส่วน methods จาก pipeline ที่รันจริง และส่วน results จากกราฟที่ได้ reviewer ตรวจ claim กับ citation ให้เป็นฉากหลัง ส่งออกทั้ง artifact และประวัติบทสนทนาไปเก็บคู่กับข้อมูล

ตัวอย่างโจทย์ที่ใช้เริ่ม session ได้เลย (ปรับชื่อไฟล์และคำถามตามงานจริง)

อ่านไฟล์ counts.h5ad ในโฟลเดอร์ ~/lab/scrna-run42
ทำ QC มาตรฐานสำหรับ single-cell (กรองเซลล์ที่ยีนน้อยกว่า 200 และ mito มากกว่า 15%)
จัด cluster ด้วย Leiden แล้วหา marker gene ของแต่ละ cluster
ทำ UMAP ย้อมตาม cluster และตาราง top-10 marker ต่อ cluster
ก่อนรันอะไรที่ใช้เวลาเกิน 10 นาที ให้บอกก่อนและเสนอว่าจะส่งไปคลัสเตอร์ไหม

สังเกตบรรทัดสุดท้าย การบอกเงื่อนไขเรื่องเวลาและ compute ตั้งแต่ต้นช่วยให้ agent ประสานงานวางแผนถูกตั้งแต่แรก แทนที่จะรันบนโน้ตบุ๊กจนค้าง

5. ข้อมูลอยู่ที่ไหน ความปลอดภัย และสิ่งที่มันทำไม่ได้

คำถามแรกของหัวหน้าแล็บและฝ่ายไอทีคือข้อมูลดิบไปอยู่ที่ไหน เอกสารของ Anthropic ตอบไว้ตรง ๆ ว่าไฟล์อยู่บนเครื่องของคุณ โค้ดรันใน sandbox และ Claude ได้รับเฉพาะบริบทที่จำเป็นสำหรับงานนั้น ไม่ใช่ทั้งชุดข้อมูล การเข้าถึงโฟลเดอร์ใหม่ host ใหม่ หรือการส่งงานระยะไกลแต่ละครั้งต้องผ่านการอนุมัติ และบน Team/Enterprise ผู้ดูแลองค์กรเป็นคนตัดสินว่าให้สมาชิกใช้ SSH host และ Modal ได้ไหม ส่วนนโยบายการนำข้อมูลไปฝึกโมเดลของแต่ละแผนอ่านได้ในบทความ Claude Data Governance & Security ของเรา

มีข่าวหนึ่งที่ควรอ่านด้วยความระมัดระวัง ต้นเดือนตุลาคม 2569 Anthropic ประกาศว่า agent ของ Claude ทำ "การค้นพบทางวิทยาศาสตร์ครั้งแรก" ทั้งระบบเอนไซม์ใหม่และรูปแบบใน DNA ของไวรัสที่คล้ายกลไก CRISPR (Clustered Regularly Interspaced Short Palindromic Repeats) สื่ออย่าง CNN รายงานว่านักวิทยาศาสตร์หลายคนยังไม่ยอมรับว่าเป็นการค้นพบจริง สำหรับผู้ใช้ทั่วไป ประเด็นนี้ไม่เปลี่ยนคุณค่าในการใช้งานประจำวัน ซึ่งอยู่ที่การลดเวลาวิเคราะห์และการทำซ้ำได้ ไม่ใช่การให้ AI ค้นพบอะไรแทนคน

6. ตัวอย่างการใช้จริงที่ Anthropic เผยแพร่

• UCSF Brain Tumor Center (University of California, San Francisco) ใช้ทำการวิเคราะห์ระบาดวิทยาของพันธุกรรมที่ถ่ายทอดในครอบครัว (germline epidemiology) Anthropic รายงานว่าใช้เวลาราว 1 ใน 10 ของวิธีเดิม
• Allen Institute ทำ template สำหรับการทบทวนงานเชิงคำนวณแบบหลาย agent ให้นักวิจัยในสถาบันใช้ซ้ำ
• Manifold Bio ใช้ช่วยเลือกเป้าหมาย (target nomination) สำหรับยาที่ต้องจำเพาะต่อเนื้อเยื่อ
• Novo Nordisk เป็นหนึ่งในลูกค้ารายแรกที่ Anthropic อ้างถึงตอนเปิดตัว ตามรายงานของ TechCrunch

ตัวเลข "1 ใน 10" เป็นตัวเลขที่ Anthropic และลูกค้ารายงานเอง ยังไม่มีการวัดอิสระ แต่รูปแบบงานที่ได้ผลชัดคือกลุ่มเดียวกันหมด งานวิเคราะห์ข้อมูลที่มี pipeline ชัดเจน ทำซ้ำหลายรอบ และต้องการกราฟพร้อมที่มาสำหรับตีพิมพ์

7. เทียบกับ GPT-Rosalind ของ OpenAI

สามค่ายใหญ่เลือกคนละทาง OpenAI ออก GPT-Rosalind เมื่อเมษายน 2569 เป็นโมเดลที่ปรับจูนเฉพาะชีววิทยาและเปิดให้เฉพาะลูกค้าองค์กรที่ผ่านการคัดกรอง Google DeepMind มีโมเดลเฉพาะทางอย่าง AlphaFold ส่วน Anthropic ไม่ทำโมเดลใหม่ แต่ทำ "ห้องทำงาน" บนโมเดลทั่วไปแล้วเปิดให้ทุกแผนเสียเงิน ข้อดีของทาง Anthropic คือเข้าถึงง่ายและใช้ข้ามสาขาได้ ข้อจำกัดคือความสามารถเชิงชีววิทยาผูกกับโมเดลทั่วไปและนโยบายจำกัดโมเดลที่พูดถึงในข้อ 3 ถ้าแล็บของคุณต้องการโมเดลที่ถูกจูนเฉพาะทางจริง ๆ ต้องเทียบทั้งสองทางก่อนตัดสินใจ

8. หน่วยงานวิจัยไทยจะเริ่มยังไง

มหาวิทยาลัย สถาบันวิจัยภายใต้กระทรวง อว. (กระทรวงการอุดมศึกษา วิทยาศาสตร์ วิจัยและนวัตกรรม) และห้องแล็บของบริษัทเอกชน เข้าถึง Claude Science ได้เหมือนกันเพราะไทยอยู่ในประเทศที่ให้บริการ สิ่งที่ต่างคือเส้นทางซื้อและการเตรียมองค์กร

ไม่ว่าจะเข้าเส้นทางไหน มี 3 เรื่องที่ควรเคลียร์ภายในก่อนเปิดใช้ หนึ่ง ข้อมูลชุดไหนเอาเข้าได้ ข้อมูลผู้ป่วยหรือข้อมูลส่วนบุคคลต้องผ่านกระบวนการตาม PDPA (Personal Data Protection Act) ของหน่วยงานก่อน สอง ใครอนุมัติการใช้ SSH ไปคลัสเตอร์ของสถาบันและใครจ่ายค่า Modal สาม มาตรฐานการเก็บ artifact และประวัติบทสนทนาคู่กับข้อมูลวิจัย เพื่อให้ตอบผู้ตรวจสอบหรือผู้ทบทวนบทความได้ว่ากราฟแต่ละใบมาจากไหน

บทบาทของ Grand Linux ในเรื่องนี้ตรงไปตรงมา เราจัดหา Claude Team และ Enterprise ให้หน่วยงานในไทย ออกใบเสนอราคาเป็นบาท ใบกำกับภาษี และรับ PO (Purchase Order) ตามระเบียบจัดซื้อ (ดูบริการจัดหา Claude) ส่วนหน่วยงานที่ต้องการให้ Claude อ่านข้อมูลจากระบบภายใน เช่น ระบบ ERP หรืออินทราเน็ต ผ่าน MCP แบบกำหนดสิทธิ์และมี audit trail เราทำงานส่วนนั้นให้ได้ ดูรายละเอียดที่ Claude Solutions หน่วยงานที่สนใจกรอกขอใบเสนอราคาเข้ามาได้เลย ทีมขายจะช่วยดูว่าเส้นทางไหนในตารางข้างบนเหมาะกับคุณ

สรุป

• Claude Science คือแอปเดสก์ท็อปสำหรับนักวิจัย เปิดตัว 30 มิถุนายน 2569 (beta) ไม่ใช่โมเดลใหม่ แต่เป็นห้องทำงานที่รวม agent ประสานงาน skills และ connector 60+ รายการ kernel Python/R ในเครื่อง การส่งงานไป HPC/GPU และ artifact ที่ทำซ้ำได้ไว้ด้วยกัน
• รวมอยู่ในแผน Pro, Max, Team, Enterprise ไม่มีค่าใช้จ่ายแยก บน Team/Enterprise ผู้ดูแลต้องเปิดก่อน และโควต้านับรวมกับ Claude Code และ Cowork
• ข้อมูลอยู่ในเครื่อง โค้ดรันใน sandbox ขออนุมัติทุกครั้งที่แตะทรัพยากรใหม่ แต่ต้องต่ออินเทอร์เน็ต และ reviewer ไม่ได้รันซ้ำ คนต้องตรวจเอง
• ไม่ใช่เครื่องมือคลินิก และนักวิจัยสายชีววิทยาและเคมีถูกจำกัดที่โมเดลระดับ Opus
• หน่วยงานไทยใช้ได้ทุกเส้นทาง ตั้งแต่ Team/Enterprise ขององค์กร โครงการที่นั่งสำหรับนักวิทยาศาสตร์ ไปจนถึงเครดิต AI for Science สิ่งที่ต้องเตรียมคือกติกาข้อมูล PDPA สิทธิ์ใช้คลัสเตอร์ และมาตรฐานการเก็บ artifact

AI ไม่ได้ทำให้งานวิจัยถูกต้องขึ้นเอง สิ่งที่ Claude Science ให้คือทุกกราฟย้อนรอยกลับไปหาโค้ดและข้อมูลได้ และนั่นคือคำถามแรกที่ผู้ทบทวนบทความถาม

- ทีม Saeree ERP, Grand Linux Solution

แหล่งอ้างอิง

• Anthropic — Claude Science, an AI workbench for scientists (30 มิ.ย. 2569)
• Claude Science documentation — Overview, requirements, plans and usage (claude.com/docs)
• claude.com/science — หน้าดาวน์โหลดและภาพรวมผลิตภัณฑ์
• Anthropic — Expanding our support for scientists (27 ส.ค. 2569)
• Anthropic — Building on our commitment to American scientific discovery (8 ต.ค. 2569)
• Anthropic — Claude for Life Sciences (ต.ค. 2568)
• TechCrunch — Anthropic's Claude Science bets on workflow, not a new model, to win over scientists (30 มิ.ย. 2569)
• MIT Technology Review — Claude Science is Anthropic's newest flagship product (30 มิ.ย. 2569)
• CNN — What to know about Anthropic's 'Claude-led' biological discovery, and why scientists aren't convinced (8 ต.ค. 2569)