ออกสอร์สความคิดของคุณให้กับ AI และมันจะมาแทนที่คุณ

หัวหน้าฝ่าย AI ของ Microsoft Mustafa Suleyman เพิ่งแบ่งปันการคาดการณ์ที่น่าตกใจว่าภายใน 12 ถึง 18 เดือนข้างหน้า งานสำนักงานส่วนใหญ่หรือทั้งหมดจะถูกทำให้กลายเป็นระบบอัตโนมัติโดย AI 12 ถึง 18 เดือน นั้นเอง คุณ Suleyman ไม่ใช่คนแรกที่แบ่งปันสมมติฐานดังกล่าว (ใช่ ฉันกำลังพูดถึง Dario Amodei และ 5 ปีของ AI ที่เขาให้กับโลก) และไม่ใช่คนสุดท้าย แต่ฉันอยากจะแบ่งปันมุมมองที่ขัดแย้งกันว่า AI ไม่ว่าจะใน 18 เดือนหรือ 5 ปี จะไม่สามารถแทนที่คนงานสำนักงานได้ แต่ถ้าเราหยุดคิด มันจะ

และฉันไม่ได้พูดว่ามันจะไม่ถูกผสมผสานเข้ากับกระบวนการหรือช่วยคนในการทำงานของพวกเขา สิ่งนี้กำลังเกิดขึ้นแล้ว แต่การแทนที่ความคิดของมนุษย์ การกำจัดการมีส่วนร่วมของมนุษย์ เป็นงานเดียวที่ AI ไม่สามารถทำได้ (除非เราทำการเปลี่ยนแปลงเครื่องยนต์การตัดสินใจของเราให้เป็น AI)

ทำไมความคิดของมนุษย์จึงไม่สามารถและไม่ควรออกสอร์ส

มีเหตุผลเฉพาะเจาะจง 3 ประการที่ฉันกลับมาพูดถึงทุกครั้งที่มีคนบอกฉันว่า AI จะมาแทนที่ทุกคน สิ่งเหล่านี้คือสิ่งที่สมองของมนุษย์ทำเป็นปกติ และสิ่งเหล่านี้คือสิ่งที่ AI ไม่สามารถทำได้ ไม่ว่าจะมีความก้าวหน้าแค่ไหน

AI ไม่สามารถมีบริบทเหมือนสมองของมนุษย์

เมื่อบุคคลหนึ่งทำการตัดสินใจ พวกเขาไม่ได้ทำการคาดการณ์คำถัดไปตามความน่าจะเป็นเหมือนโมเดลภาษา แต่พวกเขากำลังใช้ประสบการณ์ที่มีชีวิตที่ถูกเข้ารหัสไว้ในระบบหลายระบบพร้อมกัน คือ ความทรงจำส่วนบุคคล พฤติกรรมที่เรียนรู้ และผลกระทบทางอารมณ์ของช่วงเวลานั้น ประสบการณ์ในชีวิตที่ผ่านมานี้ทำให้สมองสามารถคาดการณ์สิ่งที่จะเกิดขึ้นต่อไปได้ และอัปเดตมุมมองของมันเมื่อความเป็นจริงพิสูจน์ว่ามันผิด บริบทในอีกคำหนึ่งคือฐานที่การรับรู้ทุกอย่างถูกสร้างขึ้น

โมเดลภาษาขนาดใหญ่ทำงานแตกต่างไปจากนั้น น้ำหนักของมันมาจากข้อมูลข้อความที่ถูกฝึกฝนเพียงครั้งเดียวและไม่สามารถเข้าถึงได้อีก “บริบท” ที่มีให้สำหรับมันคือสิ่งที่เกิดขึ้นในหน้าต่างพรอมต์ มันไม่มีวงจรการรับรู้ ไม่มีข้อผิดพลาดในการคาดการณ์จากโลกที่มันต้องอาศัยอยู่ ดังนั้นเมื่อเราทำการตัดสินใจที่ขึ้นอยู่กับการรู้ว่าสิ่งไหนเป็นปกติ ที่ไหนมาถึง และมีอะไรที่เสี่ยง เรากำลังวิ่งการคาดการณ์เทียบกับประสบการณ์ชีวิตที่ผ่านมาทั้งหมด – ทั้งส่วนบุคคลและของคนรุ่นก่อนๆ โมเดลนั้นกำลังทำการค้นหาความสัมพันธ์ข้ามฐานข้อมูลข้อความ สองการดำเนินการที่แตกต่างกัน และไม่มีการปรับขนาดของหน้าต่างบริบทที่จะปิดช่องว่างนี้

การรู้จักชื่อไม่ใช่การรู้สิ่งนั้น

ความฉลาดนี้มาจาก Richard Feynman นักฟิสิกส์รางวัลโนเบล (หรือพ่อของเขา เพื่อให้ถูกต้อง) เขาเชื่อว่าการจำชื่อหรือคำจำกัดความไม่ได้หมายความว่าคุณรู้เรื่องนั้น ความเข้าใจที่แท้จริงมาจากประสบการณ์และความเข้าใจ

Charlie Munger นักธุรกิจและนักลงทุนชาวอเมริกัน เสนอคำว่า “Chauffeur Knowledge” สำหรับการเรียนรู้แบบผิวเผิน เรื่องราวเบื้องหลังคือเกี่ยวกับคนขับรถของนักฟิสิกส์ Max Planck ที่ฟังว่าเขาให้การบรรยายเกี่ยวกับกลศาสตร์ควอนตัมบ่อยๆ จนจำมันขึ้นใจได้ และเขาสามารถให้การบรรยายแทน Planck ในมิวนิกได้ แต่เมื่อมีคำถามจากผู้ฟัง เขาไม่สามารถตอบได้ และนั่นคือความแตกต่างระหว่างความรู้ผิวเผิน “คนขับรถ” และความรู้ที่ครอบคลุมซึ่งได้รับจากการทำงานและความพยายามเป็นเวลานาน

โมเดลภาษาขนาดใหญ่ของวันนี้คือคนขับรถที่ซับซ้อนมากที่สุดที่เราเคยสร้างมา พวกเขาสามารถกล่าวถึงกลศาสตร์ควอนตัม สรุปปรัชญา ร่างสัญญา และเขียนคำร้องได้ แต่สิ่งที่ต้องใช้ประสบการณ์มากกว่าการรู้จักแบบผิวเผิน เช่น รู้ว่าทำไมตำแหน่งแบรนด์ที่ทำงานในตลาดหนึ่งจึงต้องล้มเหลวในตลาดอื่น เป็นสิ่งที่เฉพาะเจาะจงสำหรับมนุษย์ และเป็นสิ่งที่ขับเคลื่อนการตัดสินใจ

แต่การเข้าใจว่าทำไมตำแหน่งแบรนด์ที่ทำงานในตลาดหนึ่งจึงต้องล้มเหลวในตลาดอื่นไม่สามารถทำได้ด้วยการรู้จักแบบผิวเผิน ประสบการณ์เป็นสิ่งที่เฉพาะเจาะจงสำหรับมนุษย์ และเป็นสิ่งที่ขับเคลื่อนการตัดสินใจ

สิ่งที่แตกต่างหลักระหว่างเราและ AI ไม่ใช่การประมวลผลข้อมูล แต่เป็นการเป็นเจ้าของ

ความสามารถของมนุษย์ (หรือบางคน) ที่จะรับผิดชอบต่อการกระทำของตน เป็นเจ้าของผลที่ตามมา ความละอาย ความอับอาย และเรียนรู้จากมัน และทำทุกอย่างที่เป็นไปได้เพื่อให้สถานการณ์นั้นไม่เกิดขึ้นอีก และดังนั้นจึงไม่ต้องรู้สึกถึงความเจ็บปวดของความล้มเหลวอีกครั้ง นี่คือสิ่งที่ทำให้ความคิดและการตัดสินใจของเราต่างจาก AI

AI ไม่รู้สึกถึงความละอายหรือความผิด ไม่ตื่นตระหนกจากการตัดสินใจที่ผิดพลาด ไม่มีประสบการณ์จากความล้มเหลวที่จะเกิดขึ้นอีกครั้ง โมเดลนั้นให้คำตอบและเลื่อนไปสู่คำถามถัดไปโดยไม่มีการเปลี่ยนแปลงใดๆ (เพราะไม่มีอะไรเกิดขึ้นกับมัน) ไม่มีค่าใช้จ่ายภายในในการทำผิด และดังนั้นจึงไม่มีแรงกดดันที่จะทำถูกต้องครั้งถัดไป สิ่งนี้เป็นแรงผลักดันให้มนุษย์เติบโตและพัฒนา

เมื่อ 10 ปีที่แล้ว ฉันทำงานในธุรกิจการลงทุน ซึ่งวิเคราะห์ธุรกิจเริ่มต้น และเราพบว่าโปรโตไทป์รถแท็กซี่อัตโนมัติปลอดภัยกว่าคนขับรถธรรมดา เทคโนโลยีนี้ยังทำงานได้ดีในปี 2026 ดังนั้นทำไมเมืองของเรายังไม่เต็มไปด้วยรถยนต์ขับเคลื่อนอัตโนมัติ เพราะความรับผิดชอบของรถยนต์ขับเคลื่อนอัตโนมัติยังไม่ชัดเจน เมื่อมีอุบัติเหตุ ระบบกฎหมายไม่แน่ใจว่าจะตำหนิใคร – คนผู้ที่เปิดสวิตช์ ผู้ผลิต หรือผู้พัฒนา ซอฟต์แวร์ จนกว่าคำถามนี้จะมีคำตอบ เราจะติดอยู่กับสถานการณ์นี้ เทคโนโลยีนี้ก้าวหน้าไปมากกว่าโครงสร้างความรับผิดชอบที่ควรจะรองรับมัน

วิธีการไม่สูญเสียจิตใจ (และงาน) ในยุค AI

ในขณะที่ฉันเชื่อว่า AI ไม่สามารถแทนที่ความคิดของมนุษย์ได้ ฉันก็เห็นรูปแบบของคนต่างๆ ที่ตกเป็นเหยื่อของการล่อลวงในการหาวิธีแก้ปัญหาอย่างรวดเร็ว สำหรับครั้งแรกในประวัติศาสตร์ คุณไม่จำเป็นต้องมีสมองเพื่อให้ได้คำตอบ คุณแค่ต้องพิมพ์คำถามเท่านั้น แฟรกชั่นที่เคยบังคับให้เราคิดถูกถอดออกแล้ว ซึ่งดูเหมือนจะดี จนกระทั่งคุณตระหนักว่าแฟรกชั่นนั้นคือจุดประสงค์

และที่นี่คือที่ที่คำถามเกี่ยวกับงานก็กลับมาอีกครั้ง AI จะไม่แทนที่คนงานสำนักงานในฐานะหมวดหมู่ แต่มันจะแทนที่คนที่ออกสอร์สความคิดทั้งหมดให้กับมัน หากคุณแลกเปลี่ยนการตัดสินใจ บริบท และการเป็นเจ้าของเพื่อคำตอบที่รวดเร็วจากหน้าต่างแชท คุณจะหยุดเป็นคนที่นำสิ่ง gì มาสู่โต๊ะ เมื่อคุณทำเช่นนั้น ผู้จ้างของคุณไม่จำเป็นต้องต้องการคุณอีกต่อไป พวกเขาสามารถพูดกับโมเดลได้โดยตรง

ดังนั้นการรักษางานของคุณในยุค AI และการรักษาจิตใจของคุณในยุค AI ล้วนขึ้นอยู่กับคำถามเดียวกัน และด้านล่างนี้คือ 4 นิสัยที่คุณต้องแก้ไข

AI ควรเพิ่มความอยากรู้

ผลกระทบของ AI ต่อสมองของคุณขึ้นอยู่กับว่าคุณใช้มันอย่างไร หากคุณอยากรู้และเต็มใจที่จะขุดค้น AI จะกลายเป็นเพื่อนในการเรียนรู้ที่ดีที่สุดเท่าที่ใครๆ เคยพบ มันสามารถอธิบายความคิดเดียวกันในหลายๆ วิธีจนกว่าคุณจะเข้าใจ และสามารถตามคุณลงไปในหลุมกระต่ายใดๆ ที่คุณต้องการ หรือคุณสามารถสั่งให้มันช่วยคุณจดจำข้อมูลได้ดีขึ้น เช่น การฝึกฝนการทำซ้ำที่ห่างออกไปจนกว่าคุณจะเข้าใจแนวคิดจริงๆ

สำหรับคนที่ไม่สนใจ AI จะทำตรงกันข้าม มันจะเข้ามาแทนที่การคิดที่คุณควรทำเอง คุณจะได้รับผลลัพธ์โดยไม่ต้องทำงาน และงานนั้นคือจุดประสงค์หลัก หลังจากการปฏิวัติอุตสาหกรรม เมื่อเครื่องจักรทำให้แรงงานทางกายภาพลดลง เราได้สร้างโรงยิมเพื่อให้ร่างกายได้รับสิ่งที่ต้องการเพื่อท้าทายและดูแลตัวเอง และนั่นคือสิ่งที่เราจะต้องทำ: โรงยิมทางจิตเพื่อรักษาให้สมองของเราสดชื่น

ในปี 2025 MIT Media Lab ได้ทำการวิจัยโดยให้ 54 คนเขียนเรียงความเป็นเวลา 4 เดือน โดยแบ่งออกเป็น 3 กลุ่ม: ChatGPT เครื่องมือค้นหา และสมองเท่านั้น ในขณะที่เขียน เอกซ์เรย์สมองกำลังติดตามกิจกรรมของสมอง ในที่สุด กลุ่ม ChatGPT แสดงการเชื่อมต่อทางประสาทที่ต่ำที่สุดและผลิตเรียงความที่ครูอธิบายว่า “ไม่มีชีวิตชีวา” กลุ่มสมองเท่านั้นมีกิจกรรมทางสมองที่แข็งแกร่งที่สุด

แต่สิ่งที่น่าสนใจที่สุดเกิดขึ้นในเซสชั่นสุดท้าย เมื่อนักวิจัยสลับกลุ่ม กลุ่มสมองเท่านั้นที่ได้รับ ChatGPT มาใช้ทำได้ดีกว่าทุกคน พวกเขาได้สร้างกล้ามเนื้อการคิดก่อนแล้วจึงใช้ AI บนยอดของมัน กลุ่มที่เหลือไม่สามารถตามทันเพราะพวกเขาได้ข้ามส่วนในการสร้างกล้ามเนื้อนั้น

การเรียนรู้เป็นคำกริยา จึงไม่สามารถเป็นไปโดยไม่มีการกระทำ

การเรียนรู้จะต้องมีการปฏิบัติ การอ่านเกี่ยวกับแนวคิดหนึ่งเป็นรูปแบบหนึ่งของการรับข้อมูล การทำอะไรสักอย่างด้วยแนวคิดนั้นคืออีกอย่างหนึ่ง การแตะ การตอบ การใช้ การทำผิด และการลองใหม่ – กิจกรรมเหล่านี้ดึงส่วนต่างๆ ของสมองของคุณที่แตกต่างจากการบริโภคแบบผิวเผิน และทำให้คุณมุ่งเน้นไปที่เนื้อหานั้น

โซเครตีสเข้าใจสิ่งนี้มานานแล้ว: เขาไม่เคยให้คำตอบแก่นักเรียนของเขา แต่บังคับให้พวกเขาค้นหามันเอง (และบ่อยครั้งคำตอบที่ผิด) ก่อนที่จะแก้ไขมัน และฉันเองก็ได้รับประโยชน์จากปรัชญานี้เมื่อฉันเป็นนักเรียนสาขาคณิตศาสตร์: เราได้รับเครดิตเพียงครึ่งหนึ่งสำหรับการจดจำทฤษฎี และอีกครึ่งหนึ่งสำหรับการพิสูจน์มัน การมุ่งเน้นไปที่ความเข้าใจพื้นฐานนี้ทำให้เราจดจำและใช้แนวคิดได้ดีขึ้น

การ教授หัวข้อหนึ่งๆ จะนำความรู้ของคุณไปสู่ระดับที่สูงกว่า ทำให้คุณไม่ตกอยู่ในหลุมพรางจิตวิทยาเรื่อง “การหลอกตัวเอง” และทำให้คุณเข้าใจหัวข้อนั้นได้ดีขึ้น เมื่อคุณต้องอธิบายแนวคิดอย่างชัดเจนและทำซ้ำหลายๆ ครั้ง ในหลายๆ วิธี คุณไม่มีทางที่จะไม่เข้าใจและจดจำมันเอง ริชาร์ด ฟายน์แมน曾พูดด้วยเหตุผลที่ดี: “หากคุณไม่สามารถอธิบายมันอย่างง่าย คุณไม่เข้าใจมัน”

ตัวเลขสนับสนุนสิ่งนี้ด้วย ในการศึกษาการฝึกอบรมด้านความปลอดภัย ผู้เรียนรู้แบบกระตือรือร้นสามารถจดจำ 93.5% ของข้อมูล เมื่อเทียบกับ 79% สำหรับผู้เรียนรู้แบบผิวเผิน (Engageli, 2025) พีระมิดการเรียนรู้ที่กว้างขึ้นจากห้องปฏิบัติการฝึกอบรมแห่งชาติในเมืองเบเทล รัฐเมน แสดงรูปแบบเดียวกันที่ทุกๆ ระดับ:

ข้อมูลที่ไม่มีแหล่งที่เชื่อถือได้คือการพูดคุย

ใช่ คุณควรตั้งคำถามกับคำตอบที่คุณได้รับจาก AI คุณควรขอแหล่งที่มา และเมื่อไม่มีแหล่งที่มา คุณควรต้องสงสัย

แต่มีปัญหาใหญ่กว่านี้ และเป็นเรื่องของการตรวจสอบผลลัพธ์ของ AI ที่ยากขึ้นเรื่อยๆ โมเดลอ้างอิงแหล่งที่มาไม่มีอยู่จริง โมเดลสรุปแหล่งที่มาที่แท้จริงในลักษณะที่บิดเบือนความหมาย โมเดลผสมผสานข้อมูลที่ถูกต้องกับข้อมูลที่สร้างขึ้นภายในประโยคเดียวกัน และไม่มีทางที่ชัดเจนว่าจะแยกแยะสิ่งใดได้

นอกจากนี้ อินเทอร์เน็ตจำนวนมากสร้างขึ้นโดย AI เอง ซึ่งหมายความว่าโมเดลเหล่านี้กำลังเรียนรู้จากผลลัพธ์ของโมเดลอื่นๆ แหล่งที่มาของมนุษย์ที่เขียนขึ้นถูกฝังอยู่ใต้ทุกสิ่งที่ถูกสร้างขึ้นโดยอัตโนมัติ

ดังนั้นฉันจึงคิดว่าความรู้ที่เชื่อถือได้ควรมาจากคน หากเราไม่สามารถเชื่อถือโมเดลได้ และเราไม่สามารถเชื่อถือแหล่งที่มาเบื้องหลังโมเดลได้ แล้วประสบการณ์ของมนุษย์คือสิ่งเดียวที่เหลืออยู่ให้พึ่งพา

ตามที่ Tony Robbins กล่าวไว้: “หากคุณต้องการประสบความสำเร็จ ค้นหาคนที่ได้ผลลัพธ์ที่คุณต้องการและทำซ้ำสิ่งที่พวกเขาทำ และคุณจะได้ผลลัพธ์เดียวกัน” คนที่ประสบความสำเร็จจริงๆ ได้ทำงานมาหลายปี จ่ายค่าผิดพลาด และสร้างความรู้ด้วยผลที่ตามมา – นี่คือแหล่งที่มาที่มีคุณค่า

หากไม่มีบริบท รายละเอียดจะหายไป

อีกหนึ่งนิสัยที่ช่วยเมื่อเรียนรู้ด้วย AI คือการขัดขวางความ诱惑ที่จะกระโดดไปที่คำถามเฉพาะของคุณ โดยทั่วไปเมื่อคนต้องการรู้อะไรสักอย่าง พวกเขาจะพิมพ์คำถามที่แน่นอนลงในแชทบอทและรับคำตอบตามมูลค่า คำตอบที่ได้รับนั้นง่ายต่อการเข้าใจผิดหากไม่มีบริบทที่คำตอบนั้นอยู่

ฉันเป็นคนชอบประวัติศาสตร์ ดังนั้นฉันจะให้ตัวอย่างประวัติศาสตร์ การกล่าวสุนทรพจน์ที่เกตตีสเบิร์ก เป็นคำพูดสั้นๆ ที่ลินคอล์นให้ในปี 1863 ที่สถานที่ของหนึ่งในสงครามกลางเมืองอเมริกาที่มีเลือดออกมากที่สุด คุณสามารถจินตนาการได้ว่าคุณต้องเขียนเรียงความเกี่ยวกับเรื่องนี้ คุณขอการวิเคราะห์จาก AI และได้รับการวิเคราะห์ที่ดีเกี่ยวกับคำศัพท์ โครงสร้าง และอุปกรณ์ทางวาทศิลป์

แต่คุณสามารถเขียนเรียงความนั้นได้โดยไม่ต้องรู้อะไรเกี่ยวกับสงครามกลางเมืองหรือไม่ คุณไม่เข้าใจว่าทำไมการรบครั้งนี้จึงสำคัญ หรือว่าทำไมการกล่าวสุนทรพจน์ที่พื้นที่นี้จึงมีน้ำหนักมาก คุณไม่เข้าใจว่าสงครามเปลี่ยนจากการสู้รักษาสหภาพเป็นการสู้เพื่อหยุดการเป็นทาส และว่าการกล่าวสุนทรพจน์นี้เป็นวิธีที่ลินคอล์นในการกำหนดความหมายใหม่ของสิ่งที่ประเทศนี้ต่อสู้ คุณไม่เห็นความตึงเครียดทางการเมืองเบื้องหลังแทบจะทุกบรรทัด

หากไม่มีบริบทของสงครามกลางเมือง การกล่าวสุนทรพจน์นี้ฟังดูเหมือนคำพูดสั้นๆ เกี่ยวกับเหตุการณ์ที่น่าเสียใจ แต่ด้วยบริบทแล้ว คุณกำลังอ่านจุดเปลี่ยนของประเทศที่เข้าใจตัวเองใหม่ และนี่คือความแตกต่างที่ AI จะให้คุณได้เฉพาะเมื่อคุณรู้จักพอที่จะขอ

หลักการเดียวกันนี้ใช้ได้กับเกือบทุกสิ่งที่คุณอาจใช้ AI สำหรับ เริ่มต้นด้วยภาพรวม แล้วจึงเจาะจงลงไปในรายละเอียด รายละเอียดเหล่านั้นจะมีความหมายเมื่อมีบริบทที่จะลงจอด

สรุป: AI เป็นเครื่องมือ และเครื่องมือต้องการมือ

ทุกๆ ก้าวหน้าทางเทคโนโลยีที่สำคัญในประวัติศาสตร์ของมนุษย์ทำให้เกิดความตื่นตระหนกแบบเดียวกัน เครื่องคำนวณจะทำให้เราลืมคณิตศาสตร์ อินเทอร์เน็ตจะทำให้เราลืมวิธีคิด เครื่องมือค้นหาจะฆ่าความทรงจำของเรา และ AI ก็เป็นอีกหนึ่งในนั้น และเป็นเครื่องมือที่ทรงพลังที่สุดที่เราเคยสร้างมา

AI สามารถเขียน สรุป วิเคราะห์ ร่าง แปล และเขียนโค้ดได้ และทำได้เร็วกว่าคน แต่มันไม่ต้องการอะไร มันไม่สามารถห่วงใยผลลัพธ์ มันไม่สามารถอยู่กับผลที่ตามมาของการผิดพลาด มีส่วนที่ยังเป็นของเรา และสิ่งเหล่านี้คือส่วนที่กำหนดว่างานนั้นดีหรือไม่

คนที่จะเติบโตใน thập kỷหน้าจะเป็นคนที่ยังคงสงสัย คนที่ยังคงตั้งคำถามที่ดีขึ้น และคนที่ใช้ AI เพื่อเรียนรู้เร็วขึ้นและคิดลึกขึ้น แทนที่จะใช้มันเพื่อข้ามการคิดไปเลย พวกเขาจะเป็นคนที่นำสิ่งที่ไม่มีโมเดลใดสามารถทำซ้ำได้: การตัดสินใจ บริบท และความเต็มใจที่จะรับผิดชอบต่อการตัดสินใจ

ดังนั้น AI จึงไม่แทนที่คุณหรือทำให้คุณเสียงาน แต่สิ่งที่คุณทำเมื่อคุณหยุดคิดอาจจะ