การจัดแนวตามงาน vs. การจัดแนวตามมนุษย์: ทำไมเกณฑ์มาตรฐานต่อไปของ AI ควรเป็นเรา

ทุกไม่กี่เดือน จะมีโมเดลใหม่เข้ามาและทำให้ลำดับ AI สลับเปลี่ยน ตามรายงาน 2026 AI Index Report ของ Stanford โมเดลแนวหน้าเพิ่มคะแนนประมาณ 30 จุดเปอร์เซ็นต์ในหนึ่งปีเดียวใน Humanity’s Last Exam ซึ่งเป็นเกณฑ์ที่ออกแบบมาเพื่อทำให้ AI ทำได้ยาก การก้าวกระโดดที่เคยใช้หลายปีตอนนี้ทำได้ในไม่กี่เดือน และอุตสาหกรรมมองว่าคะแนนสูงใหม่แต่ละครั้งเป็นหลักฐานว่า AI กำลังพัฒนา

ฉันไม่ปฏิเสธความก้าวหน้า ระบบเหล่านี้ยอดเยี่ยมในสิ่งที่พวกมันถูกสร้างมาเพื่อทำ แต่ฉันใช้เวลาประมาณสองทศวรรษในสาขาจิตวิทยาก่อนย้ายไปสู่ AI และฉันยังคงกลับมาถามคำถามที่เกณฑ์เหล่านี้ไม่ได้ตอบว่า โมเดลกำลังดีขึ้นในด้านอะไรและเพื่อใคร? โมเดลอาจขึ้นอันดับสูงสุดในทุกลีดเดอร์บอร์ดที่วัดความแม่นยำได้ แต่ก็อาจทำให้ผู้ใช้เสียเปรียบในบางด้าน ไม่มีการทดสอบใดวัดผลกระทบของ AI ต่อผู้ใช้ และเรื่องนี้ควรได้รับความสนใจมากขึ้น

สองรูปแบบของการจัดแนว

อุตสาหกรรม AI พูดถึงการจัดแนวอยู่เสมอ แต่การสนทนามักมุ่งเน้นว่ารุ่นทำตามคำสั่งได้แม่นยำหรือไม่ หรือว่ามันสร้างเนื้อหาที่เป็นอันตรายหรือไม่ นี่คือการจัดแนวตามงาน (task‑aligned AI) ซึ่งได้รับการปรับให้ทำตามคำขอที่อยู่ต่อหน้ามันได้อย่างถูกต้องและมีประสิทธิภาพ

อย่างไรก็ตาม มีวิธีอื่นในการมองการจัดแนวเพื่อปกป้องผู้คน AI ที่จัดแนวตามมนุษย์ (human‑aligned AI) ประเมินว่าการโต้ตอบทำอะไรกับผู้ใช้ที่อยู่ฝั่งหน้าจอเมื่อสิ้นสุดแล้ว พวกเขาออกจากการสนทนามีความสามารถมากขึ้นในการตัดสินใจที่ยากต่อไปด้วยตนเอง หรือพึ่งพาระบบมากขึ้นในการทำเช่นนั้น? การจัดแนวตามงานวัดผลลัพธ์ ส่วนการจัดแนวตามมนุษย์วัดผลหลังการใช้งาน

เป้าหมายสองอย่างนี้ไม่ได้ขัดแย้งกันเสมอไป โมเดลที่ให้คำตอบที่รวดเร็วและแม่นยำต่อคำถามเชิงเทคนิคสามารถตอบโจทย์ทั้งสองได้ อย่างไรก็ตาม เมื่อคำถามไม่มีคำตอบที่ถูกต้องเพียงหนึ่งเดียว ความแตกต่างของการจัดแนวก็จะชัดเจน

สิ่งที่ลีดเดอร์บอร์ดไม่แสดง

เกณฑ์ที่อ้างอิงบ่อยที่สุดของอุตสาหกรรมทดสอบสิ่งต่าง ๆ เช่น คณิตศาสตร์การแข่งขันและงานเขียนโค้ดระดับคลังข้อมูล พวกมันเป็นทักษะที่มีคุณค่า แต่แต่ละคำถามมีคำตอบที่ถูกต้องและโมเดลถูกสร้างมาเพื่อค้นหาคำตอบนั้น

วิธีนี้ทำงานได้ดีสำหรับปัญหาเชิงวัตถุ แต่ผู้คนใช้ AI มากกว่าคณิตศาสตร์ การเขียนโค้ด และการวิจัยพื้นฐาน พวกเขาถามคำถามเกี่ยวกับเส้นทางอาชีพและการจัดการสนทนาที่ยากกับคู่ชีวิต ไม่มีการทดสอบที่ให้คะแนนโมเดลว่ามันจัดการคำถามเหล่านั้นได้ดีหรือไม่ เพราะไม่มีความจริงเชิงวัตถุให้ตรวจสอบ คำตอบที่เกี่ยวข้องอยู่ภายในผู้ถาม ไม่ว่าคำสั่งจะละเอียดแค่ไหน โมเดลก็ไม่สามารถเข้าถึงได้

Responsible AI เติมเต็มส่วนที่เกณฑ์เหล่านี้ปล่อยไว้เปิดไว้ แต่แม้กระทั่งงานนั้นมุ่งเน้นเพียงการลดอันตราย ไม่ใช่การพัฒนาการคิดของมนุษย์ มาตรการความปลอดภัยในปัจจุบันมุ่งป้องกันไม่ให้โมเดลช่วยทำสิ่งที่อันตราย พวกมันไม่ได้พิจารณาว่าการสนทนาธรรมดาหลายพันครั้งที่ผ่านการตรวจสอบความปลอดภัยทุกครั้งนั้นอาจทำให้ผู้คนเชื่อใจการตัดสินใจของตนเองน้อยลง

โมเดลสร้างการพึ่งพาอย่างไร

ทุกโมเดลที่ฉันทดสอบมักมุ่งเน้นให้ครอบคลุม เร็ว และมั่นใจ นั่นคือสิ่งที่พวกมันได้รับรางวัลระหว่างการฝึกฝน และเป็นสัญชาตญาณที่เหมาะสมเมื่อต้องรับมือกับซอฟต์แวร์ที่พังหรือกำหนดเวลายื่นเอกสารทางกฎหมาย อย่างไรก็ตาม เมื่อการตัดสินใจขึ้นกับค่านิยมและประวัติของบุคคลเดียวกัน สัญชาตญาณเดียวกันอาจทำให้ผู้ใช้เสียเปรียบ

งานวิจัยได้เปิดเผยว่าเรื่องนี้ไม่ใช่เพียงสมมติฐานเท่านั้น OpenAI และ MIT Media Lab ทำ การศึกษาเกี่ยวกับการใช้ ChatGPT อย่างอารมณ์ พบว่าผู้ที่มอง AI เป็นเพื่อนและใช้เป็นระยะเวลานานมีแนวโน้มรายงานผลลบมากขึ้น รวมถึงความโดดเดี่ยวและการพึ่งพาอารมณ์ ซึ่งรูปแบบนี้ยังถูกอธิบายโดย MIT Technology Review อีกด้วย แยกกัน อีกหนึ่ง การศึกษาในปี 2025 ที่ตีพิมพ์ในวารสาร Societies พบความสัมพันธ์เชิงลบอย่างมีนัยสำคัญระหว่างการใช้เครื่องมือ AI บ่อยครั้งกับคะแนนการคิดเชิงวิพากษ์ ซึ่งถูกอธิบายโดยสิ่งที่นักวิจัยเรียกว่า “การถ่ายโอนความคิด” (cognitive offloading) คือแนวโน้มมอบงานทางจิตให้กับเครื่องมือแทนที่จะทำด้วยตนเอง

ทั้งหมดนี้ไม่ได้หมายความว่าผู้คนควรใช้ AI น้อยลง แต่เราต้องตระหนักว่าเมื่อระบบตอบทุกคำถามด้วยวิธีเดียวกันบางอย่างจะหายไปในด้านอัตนัย และตอนนี้แทบไม่มีใครติดตามการสูญเสียนี้

ให้คำตอบโดยตรงตามสมควร

ฉันอยากชี้ให้เห็นว่า AI ที่จัดแนวตามงานเหมาะกับกรณีใด เพราะจุดประสงค์ของบทความนี้ไม่ได้เพื่อโต้แย้งให้มีโมเดลที่ครอบคลุมทุกอย่าง หากมีคนถามเกี่ยวกับข้อผิดพลาดของเซิร์ฟเวอร์หรือกำหนดเวลาการยื่นภาษี คำตอบที่เร็ว ชัดเจน และมีอำนาจจะตอบโจทย์ได้ดี การที่ AI ตอบด้วยคำถามเปิดจะไม่เป็นประโยชน์ ปัญหาเกิดขึ้นเมื่อเรานำสัญชาตญาณเดียวกันไปใช้กับคำสั่งที่ต้องพิจารณาการหย่าร้างเทียบกับการดีบักโค้ด

สิ่งที่เราควรวัดแทน

การระงับ. ความสามารถในการรับรู้ช่วงเวลาที่การแก้ไขคำถามให้ผู้ใช้อาจทำให้เขาเสียเปรียบมากกว่าที่จะช่วยเหลือ และหยุดทำตามนั้นอย่างเหมาะสม

การตั้งคำถามอย่างเหมาะสม. การถามแทนการบอก เมื่อปัญหาเป็นเรื่องเชิงอัตวิสัยหรือเกี่ยวข้องกับอัตลักษณ์และค่านิยมของบุคคล มากกว่าข้อเท็จจริงในฐานข้อมูล

การอ่านสถานการณ์. การแยกแยะคำขอที่ต้องการคำตอบโดยตรงและครอบคลุมจากคำขอที่ต้องการพื้นที่ให้ผู้ใช้ได้คิดและทำเอง

การวิจัยหลายทศวรรษของ Albert Bandura เกี่ยวกับ self‑efficacy พบว่าผู้คนสร้างความมั่นใจผ่านประสบการณ์การทำสำเร็จของตนเอง ไม่ใช่การดูคนอื่นหรือสิ่งอื่นแก้ปัญหาให้ พื้นฐานนี้มีมานานกว่าครึ่งศตวรรษก่อน AI ปรากฏและควรถูกนำมารวมในการออกแบบและประเมินเทคโนโลยี

ความก้าวหน้าควรหมายถึงอะไรต่อไป

ทั้งหมดนี้ไม่ได้หมายความว่าควรชะลอความก้าวหน้าทางเทคนิค ฉันยินดีต่อการพัฒนาการเขียนโค้ดและการให้เหตุผล แต่บัตรคะแนนที่สร้างขึ้นโดยอิงการทำงานให้เสร็จเท่านั้นบอกว่า AI กำลังฉลาดขึ้น แต่ไม่ได้บอกว่า ผู้ใช้กำลังพัฒนาการคิดของตนเองหรือไม่

ฉันอยากเห็นการเปลี่ยนแปลงนี้ เมื่อระบบเหล่านี้มีความสามารถมากขึ้น ผู้ใช้ก็ควรมีความสามารถเพิ่มขึ้นเช่นกัน เราได้พิสูจน์แล้วว่า AI สามารถทำคะแนนดีกว่ามนุษย์ในหนึ่งการทดสอบ การทดสอบต่อไปควรประเมินว่ามันสามารถช่วยให้เราคิดดีขึ้นได้หรือไม่ หลังจากการสนทนาสิ้นสุดไปนาน