โมเดลและแพลตฟอร์ม AI

ความสามารถของมนุษย์ในการตรวจจับ AI

mm
เพิ่ม Unite.AI ลงในแหล่งข้อมูลที่คุณต้องการบน Google

เมื่อ AI มีความก้าวหน้า รูปภาพและข้อความที่สร้างโดย AI ก็变得ไม่สามารถแยกแยะจากเนื้อหาที่สร้างโดยมนุษย์ได้แล้ว ไม่ว่าจะในรูปแบบของวิดีโอที่มีลักษณะเหมือนจริง ศิลปะ หรือแชทบอทที่มีความซับซ้อน ซึ่งสร้างความสงสัยให้กับหลายคนว่าพวกเขาสามารถแยกแยะระหว่างสิ่งที่แท้จริงและสิ่งที่สร้างโดย AI ได้หรือไม่

สำรวจความสามารถของมนุษย์ในการตรวจจับเนื้อหาที่สร้างโดย AI และเปรียบเทียบความแม่นยำนั้นกับความคิดเห็นของพวกเขาเกี่ยวกับความสามารถของตนเอง

ความสามารถของมนุษย์ในการตรวจจับ AI

เทคโนโลยี AI ได้พัฒนาไปอย่างรวดเร็วในช่วงไม่กี่ปีที่ผ่านมา โดยสร้างสรรค์งานศิลปะ เขียนบทความ แต่งเพลง และสร้างใบหน้าที่มีลักษณะเหมือนมนุษย์อย่างน่าประทับใจ ด้วยการเพิ่มขึ้นของเครื่องมืออย่าง ChatGPT สำหรับการสร้างข้อความและ DALL-E สำหรับการสร้างภาพ AI ได้กลายเป็นส่วนหนึ่งของชีวิตประจำวันของเรา สิ่งที่เคยดูเหมือนเป็นเครื่องจักรกลในอดีตตอนนี้กลับดูเหมือนงานของมนุษย์

เมื่อเนื้อหาที่สร้างโดย AI มีความซับซ้อนมากขึ้น การตรวจจับก็ยิ่งยากขึ้น การศึกษาในปี 2023 ได้แสดงให้เห็นว่าคนสามารถแยกแยะระหว่างเนื้อหาที่สร้างโดย AI และเนื้อหาที่สร้างโดยมนุษย์ได้ยากเพียงใด นักวิจัยพบว่าใบหน้าที่สร้างโดย AI สามารถดูเหมือนมนุษย์มากกว่าใบหน้าที่แท้จริง ซึ่งเป็นปรากฏการณ์ที่เรียกว่าไฮเปอร์เรียลิซึม

ในงานศึกษา ผู้เข้าร่วมถูกขอให้แยกแยะระหว่างใบหน้าที่สร้างโดย AI และใบหน้าที่แท้จริง ผลปรากฏว่าผู้ที่แย่ที่สุดในการตรวจจับใบหน้าที่สร้างโดย AI มีความมั่นใจในความสามารถของตนเองมากกว่า ผู้ที่มีความมั่นใจมากเกินไปนี้มักจะทำผิดพลาดโดยมองว่าใบหน้าที่สร้างโดย AI เป็นใบหน้าที่ดูเหมือนมนุษย์มากกว่า โดยเฉพาะใบหนีที่เป็นคนผิวขาว

การศึกษายังพบว่าใบหน้าที่สร้างโดย AI มักจะดูคุ้นเคย มีความสมมาตร และดูสวยงามมากกว่าใบหน้าที่แท้จริง คุณลักษณะเหล่านี้มีอิทธิพลต่อการวินิจฉัยผิดของผู้เข้าร่วม ซึ่งเน้นย้ำถึงวิธีการที่เนื้อหาที่สร้างโดย AI สามารถใช้ประโยชน์จากความลำเอียงทางจิตวิทยา ทำให้คนยากที่จะระบุว่าสิ่งใดเป็นของจริงและสิ่งใดถูกสร้างขึ้น

ในงานศึกษาอีกหนึ่งเรื่อง โดยมีผู้เข้าร่วม 100 คนจากกลุ่มอายุต่างๆ ผลการศึกษาพบว่าผู้เข้าร่วมที่อายุน้อยกว่า สามารถระบุภาพที่สร้างโดย AI ได้ดีกว่า ในขณะที่ผู้สูงอายุมีความยากลำบากมากกว่า นอกจากนี้ยังมีความสัมพันธ์เชิงบวกระหว่างความมั่นใจและความแม่นยำของผู้เข้าร่วม แม้ว่าจะมีการจำแนกผิดที่เกี่ยวข้องกับรายละเอียดที่ไม่ธรรมดาของสัตว์หรือมือของมนุษย์ก็ตาม

ทำไม AI จึงยากที่จะตรวจจับ?

มีหลายเหตุผลที่ทำให้คนยากที่จะแยกแยะระหว่างเนื้อหาที่สร้างโดย AI และเนื้อหาที่สร้างโดยมนุษย์ หนึ่งในเหตุผลคือความจริงที่ว่า AI มีความสมจริงมากขึ้น โดยเฉพาะสิ่งที่เรียกว่า AI ที่แข็งแกร่งและอ่อนแอ

AI ที่อ่อนแอหมายถึง ระบบที่ออกแบบมาเพื่อทำงานเฉพาะ เช่น การสร้างข้อความหรือภาพ และแม้ว่าระบบเหล่านี้จะเลียนแบบพฤติกรรมของมนุษย์ แต่ก็ไม่มีความเข้าใจหรือความตระหนักอย่างแท้จริง ตัวอย่างของ AI ที่อ่อนแอ ได้แก่ แชทบอทและเครื่องมือสร้างภาพ ในทางกลับกัน AI ที่แข็งแกร่งหมายถึงระบบที่สามารถคิด วิเคราะห์ และปรับตัวเหมือนมนุษย์ในช่วงงานที่หลากหลาย

ปัจจุบัน เครื่องมือที่คนส่วนใหญ่โต้ตอบกันในแต่ละวันอยู่ในหมวด AI ที่อ่อนแอ แต่ความสามารถในการเลียนแบบความคิดสร้างสรรค์และการให้เหตุผลของมนุษย์ได้พัฒนาไปมากจนการแยกแยะระหว่างเนื้อหาที่สร้างโดย AI และเนื้อหาที่สร้างโดยมนุษย์กลายเป็นเรื่องที่ยากขึ้น

เครื่องมืออย่าง OpenAI’s GPT ได้รับการฝึกฝนจากฐานข้อมูลขนาดใหญ่ ทำให้สามารถสร้างภาษาที่เป็นธรรมชาติและเป็นไปได้ ในทำนองเดียวกัน เครื่องมือสร้างภาพได้รับการฝึกฝนจากภาพล้านภาพ ทำให้สามารถสร้างภาพที่เหมือนจริงและใกล้เคียงกับความเป็นจริง

นอกจากนี้ AI ยังสามารถเลียนแบบไม่เพียงแต่ลักษณะการปรากฏเท่านั้น แต่ยังรวมถึงรูปแบบและน้ำเสียงของงานสร้างสรรค์ของมนุษย์ เช่น ข้อความที่เขียนโดย AI สามารถเลียนแบบน้ำเสียงของการเขียนมืออาชีพ โดยใช้โครงสร้างและน้ำเสียงที่เหมาะสมขึ้นอยู่กับบริบท ทำให้ยากสำหรับคนในการพึ่งพา直觉ในการระบุว่าสิ่งใดถูกเขียนโดยเครื่องจักรหรือมนุษย์

อีกความท้าทายหนึ่งคือการขาดสัญญาณที่ชัดเจน ในขณะที่ AI ที่สร้างขึ้นในยุคแรกๆ มักจะถูกระบุได้ง่ายจากไวยากรณ์ที่ไม่เหมาะสม สิ่งผิดปกติของภาพ หรือโครงสร้างที่เรียบง่ายเกินไป แต่ AI ในปัจจุบันสามารถกำจัดสิ่งเหล่านี้ออกไปได้ ทำให้แม้แต่ผู้ที่คุ้นเคยกับเทคโนโลยีก็ยากที่จะพึ่งพารูปแบบเก่าในการตรวจจับเนื้อหาที่สร้างโดย AI

กรณีศึกษา: มนุษย์ตรวจจับเนื้อหาที่สร้างโดย AI

ความท้าทายในการตรวจจับเนื้อหาที่สร้างโดย AI ได้รับการยืนยันจากการศึกษาต่างๆ

ครูในหนึ่งการศึกษาสามารถระบุบทความที่เขียนโดย AI ของนักเรียนได้ 37.8%-45.1% ของครั้ง ขึ้นอยู่กับระดับประสบการณ์ของพวกเขา ในทำนองเดียวกัน ผู้เข้าร่วมในอีกการศึกษาหนึ่งสามารถระบุเนื้อหาที่สร้างโดย GPT-2 และ GPT-3 ได้ 58% และ 50% ของครั้ง ตามลำดับ ซึ่งแสดงให้เห็นถึงข้อจำกัดของการตัดสินของมนุษย์ในการแยกแยะระหว่าง AI และงานของมนุษย์

ผลการวิจัยที่ดำเนินการโดยมหาวิทยาลัย Penn State พบว่าผู้เข้าร่วมสามารถแยกแยะเนื้อหาที่สร้างโดย AI ได้ 53% ของครั้ง ซึ่งดีกว่าการเดาแบบสุ่มเล็กน้อย สิ่งนี้เน้นย้ำถึงความท้าทายที่คนต้องเผชิญในการตรวจจับเนื้อหาที่สร้างโดย AI แม้กระทั่งเมื่อพวกเขาได้รับตัวเลือกแบบไบนารีระหว่างเนื้อหาที่เขียนโดย AI และเนื้อหาที่เขียนโดยมนุษย์

ในด้านเฉพาะเช่นบทคัดย่อทางวิทยาศาสตร์และใบสมัครงานของแพทย์ ผู้เชี่ยวชาญที่มีประสบการณ์หลายปี สามารถระบุเนื้อหาที่สร้างโดย AI ได้ เพียง 62% ของครั้ง

อีกการศึกษาหนึ่งพบว่ามนุษย์ เข้าใจผิดว่า GPT-4 เป็นของมนุษย์ 54% ของครั้ง ซึ่งบ่งชี้ว่าผู้ใช้ที่มีประสบการณ์ขั้นสูงยังต้องดิ้นรนในการตรวจจับเนื้อหาที่สร้างโดย AI

ปัจจัยที่มีอิทธิพลต่อความแม่นยำในการตรวจจับ AI

มีหลายปัจจัยที่มีอิทธิพลต่อความสามารถของมนุษย์ในการตรวจจับเนื้อหาที่สร้างโดย AI หนึ่งในนั้นคือความซับซ้อนของเนื้อหาที่กำลังวิเคราะห์

เนื้อหาที่สร้างโดย AI ที่สั้นกว่ามักจะยากที่จะตรวจจับ เนื่องจากมีบริบทน้อยกว่าสำหรับผู้อ่านในการระบุรูปแบบหรือโครงสร้างที่ไม่ธรรมดา ในทางกลับกัน เนื้อหาที่ยาวกว่าอาจให้โอกาสผู้อ่านในการสังเกตความไม่สม่ำเสมอหรือรูปแบบที่บ่งบอกถึงการมีส่วนร่วมของ AI

สุดท้าย ประเภทของโมเดล AI ที่ใช้ก็มีผลต่อความแม่นยำในการตรวจจับ เช่น โมเดล GPT-3 ของ OpenAI สร้างเนื้อหาที่น่าเชื่อถือมากกว่าเวอร์ชันก่อนหน้า ในขณะที่เครื่องมือสร้างภาพใหม่ๆ เช่น MidJourney สร้างภาพที่สมจริงมากกว่าบรรพบุรุษของมัน

ผลกระทบทางจิตวิทยาในการตรวจจับ AI

ความยากในการตรวจจับเนื้อหาที่สร้างโดย AI ทำให้เกิดคำถามสำคัญทางจิตวิทยาและทางสังคม หนึ่งในคำถามเหล่านั้นคือความไว้วางใจที่คนมีต่อสิ่งที่พวกเขาเห็นและอ่าน

AI มีความสามารถในการเลียนแบบความคิดสร้างสรรค์ของมนุษย์มากขึ้น ทำให้ การสร้างและเผยแพร่ข้อมูลที่ไม่ถูกต้องง่ายขึ้น เนื่องจากคนอาจบริโภคเนื้อหาที่สร้างโดยเครื่องจักรโดยไม่รู้ตัว ซึ่งเป็นเรื่องที่น่ากังวลอย่างยิ่งในด้านการเมือง โดยที่ AI ที่สร้างขึ้นหรือบทความที่ทำให้เข้าใจผิดอาจมีอิทธิพลต่อความคิดเห็นของประชาชน

นอกจากนี้ ความมั่นใจมากเกินไปของหลายคนในการตรวจจับเนื้อหาที่สร้างโดย AI สามารถนำไปสู่ความรู้สึกปลอดภัยที่ไม่มีจริง ในความเป็นจริง แม้แต่ผู้เชี่ยวชาญด้าน AI ก็ไม่สามารถหลีกเลี่ยงการถูกหลอกลวงโดยสิ่งสร้างของเครื่องจักรที่ซับซ้อนได้ ปรากฏการณ์นี้เรียกว่า “ภาพลวงตาของความลึกอธิบาย” โดยที่ บุคคลมองว่าตัวเองเข้าใจระบบที่ซับซ้อนมากกว่าที่พวกเขาจริงๆ ทำ

อนาคตของการตรวจจับ AI: สามารถปรับปรุงได้หรือไม่?

เมื่อพิจารณาถึงความท้าทายเหล่านี้ สิ่งที่สามารถทำได้เพื่อปรับปรุงความสามารถของคนในการตรวจจับเนื้อหาที่สร้างโดย AI คือการพัฒนาเครื่องมือตรวจจับ AI เช่นเดียวกับที่ AI ได้กลายเป็นไปได้ดีขึ้นในการสร้างเนื้อหา นักวิจัยก็ทำงานในการสร้างระบบที่สามารถระบุได้ว่าสิ่งใดถูกสร้างโดยเครื่องจักร

การศึกษาก็เป็นอีกวิธีหนึ่งที่สามารถช่วยได้ โดยการเพิ่มความตระหนักเกี่ยวกับข้อจำกัดของการตัดสินของมนุษย์และความซับซ้อนของ AI คนสามารถมีความระมัดระวังและวิพากษ์วิจารณ์มากขึ้นเมื่อประเมินเนื้อหา คอร์สที่สอนให้คนเรียนรู้วิธีการระบุเนื้อหาที่สร้างโดย AI เช่น การวิเคราะห์รูปแบบที่ไม่ธรรมดาในข้อความหรือการค้นหาความไม่สม่ำเสมอในภาพ อาจช่วยปรับปรุงความแม่นยำในการตรวจจับเมื่อเวลาผ่านไป

ความซับซ้อนของการตรวจจับ AI ที่ไม่เห็น

เมื่อ AI ทำให้เส้นแบ่งระหว่างเนื้อหาที่สร้างโดยมนุษย์และเครื่องจักรพร่ามัว การตรวจจับเนื้อหาที่สร้างโดย AI ได้กลายเป็นเรื่องที่ยากขึ้น

แม้ว่าหลายคนเชื่อว่าตนเองมีความสามารถในการตรวจจับ AI ที่ดี แต่ความเป็นจริงคือคนส่วนใหญ่ทำได้ดีกว่าความเป็นไปได้เพียงเล็กน้อยในการแยกแยะระหว่างสิ่งที่แท้จริงและสิ่งที่สร้างโดย AI ความแตกต่างระหว่างการรับรู้และความเป็นจริงนี้เน้นย้ำถึงความซับซ้อนของ AI ในปัจจุบันและความจำเป็นในการใช้เทคโนโลยีและความตระหนักเพื่อเดินหน้าในภูมิทัศน์ดิจิทัลใหม่นี้

ในอนาคต เมื่อ AI มีการปรับปรุงต่อไป คนจะต้องกำหนดว่าพวกเขาเก่งในการตรวจจับ AI เพียงใด และสิ่งนั้นมีความสำคัญแค่ไหน เมื่อเครื่องจักรกลมีการผสมผสานเข้ากับชีวิตประจำวันมากขึ้น การมุ่งเน้นอาจเปลี่ยนจากการตรวจจับไปสู่การทำความเข้าใจวิธีการอยู่ร่วมกับ AI เพื่อรักษาความไว้วางใจ ความคิดสร้างสรรค์ และความเป็นมนุษย์ที่แท้จริง

Zac Amos เป็นนักเขียนด้านเทคโนโลยีที่มุ่งเน้นไปที่ปัญญาประดิษฐ์ เขายังเป็น Features Editor ที่ ReHack ซึ่งคุณสามารถอ่านงานของเขาเพิ่มเติม