ปัญญาประดิษฐ์ :โอกาสหรือภัยคุกคาม
ความสามารถของ generative AI
Q: generative AI มีความสามารถเด่น ๆ อะไร
A: ที่ผ่านมา เราได้เห็นถึงการใช้ประโยชน์ของเครื่องมือทางปัญญาประดิษฐ์ในงานด้านมนุษยศาสตร์ต่าง ๆ แล้วว่าสามารถใช้ AI ให้ช่วยทำอะไรได้บ้าง ในตอนนี้ เราจะมาทำความเข้าใจและดูผลกระทบ โดยเฉพาะเรื่องของ generative AI คือ AI ที่เรียนรู้งานมนุษย์และสามารถสร้างสรรค์งานใหม่ ๆ ออกมาได้ งานสร้างสรรค์ที่เป็นภาษา ภาพวาด ดนตรี พวกนี้เป็นสิ่งที่ AI ปัจจุบันสามารถทำได้ดี. generative AI ที่เด่น ๆ อย่าง ChatGPT เป็น large language model ที่มีความสามารถหลักในเรื่องภาษา สามารถโต้ตอบด้วยภาษามนุษย์ สามารถอ่านงานสรุปงานและเขียนเรียบเรียงความได้ดี
ถ้ามองว่า AI เก่งภาษามาก ประโยชน์ที่ช่วยเราได้มากคืองานที่เราไม่ถนัดอย่างภาษาต่างประเทศ เราสามารถให้ AI ช่วยเขียน ช่วยแก้ภาษา หรือแปลภาษาให้ได้ ทำให้ AI เป็นเหมือนตัวช่วยขยายขีดความสามารถทางภาษาของคนทั่วไปได้
ความสามารถในการช่วยเรียบเรียงความ ช่วยเขียนของ AI ทำให้การเขียนบทความ เขียนหนังสือ ทำได้ง่ายขึ้น และความสามารถในการช่วยอ่านงานและสรุปสิ่งที่อ่านให้ก็เป็นประโยชน์อีกอย่างหนึ่งที่เราได้จาก AI ได้. ทำให้เหมือนมีคนช่วยสรุปอ่านงานมาให้ ก่อนที่เราจะไปอ่านเองโดยละเอียดในภายหลัง. ทำให้การทำงานวิจัยหรือการหาความรู้เพิ่มเติมทำได้ง่ายขึ้น เหมือนมีผู้ช่วยงานชั้นดี
AI เข้าใจภาษามนุษย์ได้อย่างไร
Q: ทำไม AI จึงเข้าใจภาษามนุษย์
A: ถ้าดูว่า AI เรียนที่จะทำนายว่าคำต่อไปคืออะไร อาศัยข้อมูลมาก ๆ AI ก็สามารถจับ pattern ความสัมพันธ์ระหว่างคำในภาษาได้ เรื่องที่ AI เก่งภาษา เขียนได้ดีจึงไม่น่าแปลกใจ เหมือนเห็นตัวอย่างมากเลยมีค่าสถิติที่รู้ว่าควรใช้คำไหนขยายคำไหนมากกว่ากัน สิ่งที่ AI เรียนรู้และสร้างความเข้าใจเกี่ยวกับภาษาเราเรียกว่า language model ปัจจุบันจะเรียก large language model หรือ LLM เพราะข้อมูลที่ให้เรียนมีขนาดใหญ่มากและตัวโครงสร้างโมเดลก็มีขนาดใหญ่ขึ้น. LLM เป็นโมเดลที่เป็นเครือข่ายประสาทเทียมที่เลียนแบบสมองมนุษย์ที่มีเซลล์ประสาทจำนวนมากเชื่อมโยงกันหลายชั้น การเรียนรู้เกิดขึ้นภายในเครือข่ายนี้โดยมีกลไกในการปรับค่าภายในเพื่อให้ข้อมูลออกสอดคล้องกับข้อมูลเข้า เมื่อรับข้อมูลเข้าจำนวนมาก ๆ จนเห็นความสัมพันธ์ระหว่างหน่วยในภาษา โมเดลก็สามารถบอกได้ถูกต้องว่าคำที่ควรเป็นต่อจากข้อความก่อนหน้าเป็นคำอะไร
แต่เราต้องไม่ลืมว่า ภาษาไม่ได้เป็นเพียงตัวเขียนเท่านั้น ภาษามีไว้เพื่ออ้างถึงสิ่งต่างๆในโลกรอบตัวเรา อ้างถึงสิ่งที่เรานึกคิด เราใช้ภาษาเพื่อแลกเปลี่ยนข้อมูล ความคิด และปฏิสัมพันธ์ต่อกัน ภาษาจึงมีทั้งสิ่งที่เป็นรูปเขียนและความหมายที่ผูกกับรูปภาษานั้นด้วย เมื่อเครื่องเรียนรู้ข้อมูลภาษาจึงเรียนรู้ทั้งรูปแบบความสัมพันธ์ของรูปตัวเขียนและความสัมพันธ์ทางความหมายในนั้นไปด้วย. AI จึงเรียนรู้และสร้างความเข้าใจเกี่ยวกับสิ่งต่าง ๆ ที่พูดถึงด้วยภาษานั้น นั่นทำให้ AI สามารถเข้าใจข้อความที่เราพิมพ์ถามไปว่าหมายความว่าอย่างไร และประมวลหาคำตอบจากความเข้าใจที่มี คิดว่าจะตอบออกมาด้วยรูปความหมายอย่างไรและจะเรียงร้อยเป็นถ้อยคำออกมาอย่างไร
เมื่อเรียนรู้ข้อมูลจากหลาย ๆ ภาษาก็เลยสามารถเทียบระหว่างภาษาได้ด้วย เพราะภาษาแต่ละภาษาใช้อธิบายเรื่องทางโลกซึ่งเป็นโลกที่ไม่ว่าใครจะพูดภาษาไหนก็มีส่วนที่รับรู้และเข้าใจร่วมกัน เมื่อ AI เห็นข้อความภาษาไทยก็จะโยงไปสู่รูปแทนความหมายที่เข้าใจ จากนั้นจึงดึงถ้อยคำภาษาอังกฤษที่มีความหมายเดียวกันหรือใกล้เคียงกันออกมาได้ ทำให้ AI สามารถแปลภาษาไทยเป็นอังกฤษได้ จริงๆ ก็คือจะแปลจากภาษาไหนไปภาษาไหนก็ได้ ส่วนจะแปลได้ดีแค่ไหนก็ขึ้นกับว่า AI เคยอ่านข้อมูลภาษานั้นมามากแค่ไหน ยิ่งได้อ่านมามากก็จะแปลหรือเขียนภาษาออกมาได้เป็นธรรมชาติมากขึ้น
LLM แต่ละตัวเก่งเหมือนกันไหม
Q: LLM มีหลากหลายตัว แต่ละตัวเก่งเหมือนกันไหม
A: LLM แต่ละตัวมีขนาดต่างกัน ทั้งในเรื่องปริมาณข้อมูลภาษาที่ใช้เรียน จำนวน parameter ที่ใช้ในการสร้างโมเดล รวมถึงเรื่องหรือเนื้อหาที่ใช้ฝึกสอนด้วย. LLM แต่ละตัวจึงมีความสามารถแตกต่างกันได้ ถ้าอยากรู้ว่าโมเดลไหนทำงานที่ต้องการได้ดีกว่าก็อาจต้องทดลองใช้ดู ในที่นี้ ทดลองใช้โมเดลต่าง ๆ ChatGPT หรือ GPT-3.5, GPT-4, Claude-2, Llama-2, Google-PaLM, Bard ให้ลองตอบคำถามทั่วไปเพื่อเช็คว่าเข้าใจสิ่งที่บอกและเห็นความสัมพันธ์สิ่งต่างๆ ที่อ้างถึงไหม เป็นคำถามที่อาศัยการคิดใช้เหตุผลที่ไม่ซับซ้อนอย่าง I put my pen in a box, and put the box in my bag. On the way to school, I walked across a bridge and dropped my bag in the river. Where is my pen now? ปรากฏว่า LLM ทุกตัวเข้าใจหมดว่าปากกาจะอยู่ในกระเป๋าและตกน้ำไปแล้ว
แต่พอตั้งคำถามที่ซับซ้อนและต้องคิดมากขึ้นอย่าง I have twelve eggs, six nails, one large book, one laptop, and eight balls the same size as the eggs. Help me stack these items using smallest space. (ดัดแปลงตัวอย่างจาก [1]) ซึ่งต้องอาศัยความเข้าใจทางโลกว่าจะวางของซ้อนกันอย่างไรให้ใช้พื้นที่น้อยสุด แม้คำถามไม่ได้บอกว่าต้องวางไม่ให้เสียหายหรือวางแบบใช้ได้ในความเป็นจริง GPT-4 ก็สามารถวางแผนการวางได้อย่างมีเหตุผล เข้าใจว่าลูกบอลและไข่มีขนาดเท่ากันสามารถอยู่ ในชั้นเดียวกันได้ GPT-4 เลือกเอาหนังสือเล่มใหญ่ไว้ล่างสุดตามด้วยแล็ปท็อป ต่อมาจึงวางลูกบอลและไข่ไว้ในถาด ส่วนตะปูก็ไม่จำเป็นต้องวางซ้อน หาที่ว่างในถาดนั้นวางได้. ซึ่งในคำถามก็ไม่ได้เอ่ยถึงถาดอยู่ แต่ GPT-4 คิดเองได้ว่า ถ้าหากมีถาดก็วางไข่กับลูกบอลในถาดได้. ในขณะที่ ChatGPT ให้วางไข่ไว้ล่างสุด และวางตะปูถัดมา ตามด้วยลูกบอลและหนังสือเล่มใหญ่และแล็ปท็อป ซึ่งแน่นอนว่าถ้าทำแบบนี้ ไข่ต้องแตกแน่
LLM ที่เหลือ Claude-2, Llama-2, Google-PaLM, Bard ต่างก็ให้คำตอบที่ใช้ไม่ได้ในความเป็นจริง. จากโจทย์นี้จึงเห็นว่า LLM มีความสามารถต่างกัน GPT-4 ดูแล้วสามารถสร้างความเข้าใจเกี่ยวกับโลกได้ดีที่สุด
ข้อจำกัดข้อควรระวัง
Q: แล้วมีข้อควรระวังอะไรในการใช้งาน LLM ไหม
A: ก็มีปัญหาที่คนพูดถึงเรื่อง อาการหลอนหรือ Hallucination ที่ AI อาจเขียนอะไรที่ไม่ใช่ข้อเท็จจริงได้ อย่างเวลาให้เขียนบทความอะไร ถึงเราจะสั่งว่าเวลาเขียนให้อ้างอิงที่มาด้วยว่าเอามาจากงานไหน ChatGPT ก็เขียนและอ้างอิงบทความให้ได้ ถูกตามรูปแบบและวิธีการอ้างอิงทุกอย่าง แต่พอไปค้นดูก็จะเห็นว่าบทความพวกนั้นบางทีก็ไม่ได้มีอยู่จริง เหมือน ChatGPT จินตนาการเอาเอง
ถึงแม้เราอาจจะแก้ปัญหาด้วยการโหลดบทความจริงให้ไปอ่าน ก็ใช่ว่า ChatGPT จะใช้ข้อมูลในบทความนั้นมาเขียนเสมอไป เมื่อทดลองดูจริงๆ ก็จะเห็นว่ามีทั้งที่ ChatGPT เข้าไปอ่านบทความจริงและเอาเนื้อหาที่อ่านเข้าใจมาตอบ แต่ก็มีหลายกรณีที่ ChatGPT ิคดว่าสิ่งที่ตัวเองเข้าใจมาอยู่ก่อนนั้นเพียงพอที่จะตอบคำถามได้ ก็ตอบคำถามนั้นเลย ไม่ได้ตอบโดยอิงข้อมูลหรือเนื้อหาในบทความที่ให้ การใช้งานจึงต้องระวัง ไม่ปล่อยให้ AI ทำงานแทนทั้งหมด เรายังต้องคอยตรวจสอบความถูกต้องเองด้วย
ผลกระทบต่อสาขามนุษยศาสตร์
Q: แล้วในอนาคตนักมนุษยศาสตร์จะเป็นอย่างไร AI เข้ามาแล้วจะดีหรือไม่ดี
A: ในแง่ดีที่เราเห็นคือ AI ฉลาดมากขึ้น มาเป็นผู้ช่วยทำงานต่าง ๆ ได้ เรื่องภาษาต่างประเทศก็ช่วยได้มาก เรื่องการทำวิจัย AI ก็เป็นเครื่องมือให้วิเคราะห์ดูข้อมูล แสดงผลในรูปแบบต่างๆได้ หรือแม้แต่ถ้าต้องการโปรแกรม code เพื่อมาใช้งานหรือคำนวณอะไร AI ก็สามารถเขียนโปรแกรมออกมาให้ได้. AI ทำให้สามารถศึกษาโดยดูข้อมูลขนาดใหญ่ได้ ซึ่งถือเป็นการเปิดขยายวิธีการใหม่ ๆ ในการศึกษาทางมนุษยศาสตร์ เลยมีการศึกษาที่เรียกว่า distant reading ได้. AI จึงเปิดโอกาสใหม่ๆ ของการศึกษาทางมนุษยศาสตร์ได้. แต่ในแง่ไม่ดีหรือผลกระทบก็มีได้เช่นกัน
Q: เราจำเป็นต้องเรียนภาษาต่างประเทศอีกไหม
A: อย่างเรื่องภาษาต่างประเทศ เราเคยเชื่อว่าโลกยุคโลกาภิวัตน์ เราทุกคนจึงต้องรู้อย่างน้อยให้ดีอย่างน้อย 2–3 ภาษา ทำให้เกิดความตื่นตัวมีการเรียนภาษาต่างประเทศในวงกว้าง แต่ถ้าต่อไป AI ช่วยเราแปลภาษาเป็นล่ามให้ได้ถูกต้อง คนส่วนใหญ่ที่ไม่ได้จำเป็นต้องใช้ภาษาต่างประเทศตลอดหรือลึกซึ้งก็อาจจะไม่จำเป็นต้องเสียเวลาเรียนภาษาต่างประเทศมากมาย แค่เรียนพื้นฐานภาษาพอให้อ่านออกเข้าใจได้ อาจไม่ต้องเขียนเองให้ได้สละสลวย แต่ใช้ AI ช่วยแปลภาษาหรือช่วยเขียนออกมาให้ดี
เฉพาะคนที่จำเป็นต้องใช้ภาษาต่างประเทศอยู่เสมอ หรือทำงานที่ต้องเข้าใจภาษาต่างประเทศอย่างลึกซึ้ง เช่น นักวิชาการภาษาต่างประเทศ คนพวกนี้จึงต้องเรียนภาษาต่างประเทศมาก. ถ้าเป็นแบบนี้คนสอนภาษาต่างประเทศก็อาจมีงานน้อยลง เพราะความต้องการเรียนไม่ได้มากแบบเดิมอีกแล้ว อีกทั้งถ้าเป็นการสอนทักษะภาษาจริงๆ AI ก็อาจมาสอนแทนได้ คือให้ AI เป็นคู่ฝึกสนทนาเพิ่มทักษะภาษาได้ดี. ในแง่นี้ AI ก็ช่วยขยายขีดความสามารถคนทั่วไป แต่ก็อาจส่งผลกระทบกับแนวทางการเรียนภาษาต่างประเทศด้วย AI จึงเป็นทั้งโอกาสและภัยคุกคามต่อสาขาภาษา
Q: ผลกระทบต่อการศึกษาโดยรวม
A: ถ้าดูว่า AI มาช่วยทำงานต่าง ๆ ได้เร็วขึ้นดีขึ้น แรกๆ ก็เหมือนเป็นเครื่องมือใหม่ที่ทำให้แต่ละคนทำงานได้ดีขึ้นสะดวกขึ้น แต่ไปเรื่อย ๆ AI ทำงานเก่งขึ้นอีก ทำเองโดยอัตโนมัติได้ ความจำเป็นของการมีคนในสายงานนั้นก็จะลดลง ปัญหาการถูกแทนที่ด้วย AI นอกจากจะกระทบกับหลาย ๆ อาชีพแล้ว ในสถาบันการศึกษาก็ต้องปรับตัวจากเหตุนี้เหมือนกัน เพราะความต้องการบัณฑิตที่มีความรู้แบบเดิมอาจลดลง เปลี่ยนไปต้องการบัณฑิตที่สามารถปรับตัวเรียนรู้งานที่เปลี่ยนไปเรื่อย ๆ ได้ รูปแบบและเนื้อหาการสอนที่เป็นอยู่นี้ แน่นอนก็จะต้องเปลี่ยนไปด้วย เพราะถ้าสอนแบบเน้นให้ความรู้ ให้ไปอ่านประมวลทำความเข้าใจความรู้ในสาขาวิชามาตอบแบบที่ทำกัน ซึ่งตอนนี้ AI อย่าง ChatGPT ก็สามารถทำแทนให้ได้ คนเรียนก็อาจไม่ได้ความรู้อะไรเพิ่มเพราะให้ AI ทำแทนหมด. คนสอนจึงจำเป็นต้องปรับทั้งการสอนและวิธีการประเมินผลว่าจะทำอย่างไรให้นักเรียนใช้ AI แสวงหาความรู้และทำงานต่อยอดให้สามารถทำงานซับซ้อนได้ต่อไป AI จึงกระทบทุกสาขาไม่ใช่เฉพาะด้านมนุษยศาสตร์
Q: ปัญหาจริยธรรมทางวิชาการ
A: ปัญหาจริยธรรมแต่เดิม เรากังวลเรื่อง plagiarism มีเครื่องมือช่วยค้นว่ามีการลอกหรือเขียนใหม่จากข้อความเดิมของคนอื่นโดยไม่ได้อ้างอิงไหม แต่พอมาเป็น AI ช่วยเขียน สิ่งที่เขียนมาจากความเข้าใจของ AI เขียนมา และเขียนเรื่องเดียวกันแต่ละครั้งก็เขียนออกมาต่างกัน การตรวจการลักลอกแบบเดิมจึงใช้ไม่ได้ ต้องใช้เครื่องมือตรวจว่าเป็นคนเขียนหรือ AI เขียน แต่เครื่องมือพวกนี้ก็ตรวจไม่ได้เสมอไป แถมมีหลากหลายวิธีที่จะเลี่ยงไม่ให้ถูกตรวจจับได้ การตัดสินจากผลงานที่เขียนมาว่าเป็นงานที่เขียนเองหรือ AI เขียนจะทำได้ยาก แถมเนื้อหาในนั้น AI อาจเป็นคนคิดให้เป็นหลักก็ได้ ปัญหานี้ก็เป็นเรื่องสำคัญ เป็นเรื่องจริยธรรมทางวิชาการ ว่าขอบเขตการใช้ AI ช่วยงานวิจัยทำได้มากน้อยแค่ไหน ช่วยแก้ภาษาให้อันนี้คงไม่มีใครว่า แต่ถ้าให้เป็นคนเขียนให้ คือเราบอกความต้องการไปแล้ว AI คิดออกแบบงานวิจัย ทบทวนวรรณกรรมให้ วิเคราะห์ผลและสรุปตีความผล สุดท้ายก็ให้เขียนบทความออกมา แบบนี้ทำได้ไหม ถ้าไม่ควรทำ เราจะห้ามหรือจะดูอย่างไรว่า บทความวิจัยนั้นใช้ AI ทำให้มากน้อยแค่ไหน หรือต่อไปจะเป็นแบบการวาดภาพไหม ที่เราไม่ต้องวาดเองแล้ว แค่สั่งให้วาดให้ตามอย่างที่ต้องการ ถ้าการใช้ AI ทุกขั้นตอนจะกลายเป็นมาตรฐานที่รับได้เพราะเหตุว่าไม่สามารถพิสูจน์ตรวจจับไม่ได้ เราก็เป็นเหมือน conductor คอยสั่งให้ AI ทำงานวิจัยออกมาให้. ในเรื่องจริยธรรมทางวิชาการ AI จึงเป็นเหมือนสิ่งที่เข้ามา disrupt และอาจเปลี่ยนวิถีการทำงานก็ได้
Q: สรุปว่า AI มาแล้วดีหรือไม่ดีต่อสาขามนุษยศาสตร์
A: คงสรุปได้ว่า AI มีผลกระทบกับทุกสาขา ถ้าจะมองก็เห็นทั้งโอกาสและภัยคุกคาม แล้วแต่ว่าเราจะโฟกัสไปที่ไหน ที่แน่ ๆ คือ AI จะเข้ามาเปลี่ยนวิถีชีวิตเราอย่างมาก และเราก็หลีกเลี่ยงการเปลี่ยนแปลงนี้ไม่ได้ ไม่ว่า AI มาแล้วจะดีหรือร้าย เราก็คงทำได้แค่ปรับตัว ปรับวิถีชีวิตให้สอดคล้องกับการเปลี่ยนแปลงเท่านั้น ต้องเรียนรู้และทำความเข้าใจความสามารถและข้อจำกัดของ AI เพื่อจะอยู่ร่วมกับ AI ต่อไปให้ได้
อ้างอิง
[1] Bubeck, S., Chandrasekaran, V., Eldan, R., Gehrke, J., Horvitz, E., Kamar, E., …Zhang, Y. (2023). Sparks of Artificial General Intelligence: Early experiments with GPT-4. arXiv, 2303.12712. Retrieved from https://arxiv.org/abs/2303.12712v5