AI คิดแทนเราได้จริงหรือ? การพัฒนาอย่างก้าวกระโดดของ AI ทำให้งานหลายรูปแบบถูกแทนที่ด้วย AI ขณะเดียวกันนั้นก็มีคำถามหนึ่งเกินขึ้นว่า AI จะสามารถเข้ามาแทนที่มนุษย์ในเรื่องความคิดสร้างสรรค์ได้หรือไม่?
การศึกษาขนาดใหญ่ชิ้นนี้ดำเนินการวิจัยโดย Dawei Wang, Difang Huang, Haipeng Shen และ Brian Uzzi จากสถาบันชั้นนำระดับโลก ได้แก่ University of Hong Kong, Northwestern University และ Chinese Academy of Sciences ซึ่งได้ประเมินความสามารถด้านความคิดสร้างสรรค์ระหว่างมนุษย์และ AI อย่างเป็นระบบ ข้อมูลเชิงลึกที่ได้รับจะเป็นกุญแจสำคัญในการไขข้อเท็จจริงเกี่ยวกับความแตกต่าง เพื่อกำหนดทิศทางการแก้ปัญหาที่ต้องอาศัยความคิดสร้างสรรค์ขั้นสูง และสร้างบรรทัดฐานใหม่ให้กับการบูรณาการเทคโนโลยีปัญญาประดิษฐ์ในอนาคต
งานวิจัยฉบับนี้ดำเนินการเปรียบเทียบความสามารถในการสร้างสรรค์แนวคิดใหม่ระหว่างมนุษย์และโมเดลภาษาขนาดใหญ่ (Large Language Models: LLMs) ผ่านการทดสอบความคิดสร้างสรรค์ที่เป็นมาตรฐาน เพื่อเติมเต็มช่องว่างทางองค์ความรู้ด้านศักยภาพเชิงนวัตกรรม การศึกษานี้ได้นำเสนอข้อค้นพบหลักสามประการที่สะท้อนถึงระดับความคิดสร้างสรรค์ ความแปรปรวนของการกระจายตัวทางข้อมูล และข้อจำกัดเชิงประจักษ์ของการใช้วิศวกรรมคำสั่ง (Prompt-engineering) กับระบบปัญญาประดิษฐ์
ระเบียบวิธีวิจัย
การศึกษาวิจัยครั้งนี้ใช้วิธีการทดสอบที่เรียกว่า “การเชื่อมโยงคำที่แตกต่างกัน” (Divergent Association Task) ซึ่งหากอธิบายให้เข้าใจง่ายคือ แบบทดสอบที่ใช้วัดว่าผู้เข้าร่วมสามารถคิดค้นคำศัพท์ที่มีความหมายแตกต่างและห่างไกลกันมากที่สุดได้ดีเพียงใด เพื่อประเมินความสามารถในการคิดนอกกรอบ (Divergent creativity) โดยนักวิจัยได้ทำการรวบรวมและวิเคราะห์ข้อมูลขนาดใหญ่ เปรียบเทียบผลคะแนนระหว่างกลุ่มตัวอย่างมนุษย์จำนวน 9,198 คน กับผลลัพธ์ที่สร้างจากเทคโนโลยีปัญญาประดิษฐ์ขั้นสูงในปัจจุบัน เช่น GPT-4 และ DeepSeek จำนวน 215,542 รายการ เพื่อให้เห็นภาพรวมของความแตกต่างทางความสามารถอย่างเป็นระบบและชัดเจน
nature.com คะแนนความคิดสร้างสรรค์เฉลี่ย ของโมเดลภาษาขนาดใหญ่ (LLMs) และกลุ่มตัวอย่างมนุษย์จำนวนมาก ซึ่งประเมินด้วย Divergent Association Task (DAT) โดยเรียงโมเดลจากคะแนนเฉลี่ยต่ำสุดไปสูงสุด และแถบแสดงค่าความคลาดเคลื่อนเป็น ช่วงความเชื่อมั่น 95% (95% confidence intervals) สำหรับกลุ่มมนุษย์ แต่ละแท่งแสดงคะแนนเฉลี่ยจากการสุ่มตัวอย่างคำตอบจำนวน 500 คำตอบ (n = 500) โดยสุ่มจากการกระจายคำตอบทั้งหมด (N = 100,000) หรือจำกัดเฉพาะกลุ่มคำตอบที่มีคะแนนสูงสุด 50% (N = 50,000), 25% (N = 25,000) หรือ 10% (N = 10,000) สำหรับ LLM แต่ละแท่งแสดงคะแนนเฉลี่ยจาก คำตอบที่โมเดลสร้างขึ้นจำนวน 500 คำตอบ
ผลการวิจัย
ผลการวิจัยได้ชี้ให้เห็นถึงความแตกต่างที่สำคัญ 3 ประการ ดังนี้
1. ภาพรวมระดับความคิดสร้างสรรค์
เมื่อวัดผลคะแนนความห่างไกลกันของความหมายคำศัพท์เต็ม 100 คะแนน พบว่า ทั้งมนุษย์และ AI ทำคะแนนเฉลี่ยออกมากระจุกตัวอยู่ที่ประมาณ 79 เต็ม 100 คะแนน แม้คะแนนเฉลี่ยของมนุษย์จะสูงกว่า AI เพียงเล็กน้อย แต่ในภาพรวมถือว่า AI ทั่วไปสามารถเลียนแบบระดับความคิดสร้างสรรค์ขั้นพื้นฐานของมนุษย์ส่วนใหญ่ได้แล้ว เนื่องจาก AI ถูกฝึกฝนมาจากชุดข้อมูลของมนุษย์
2. ความสามารถในกลุ่มที่ทำคะแนนสูงสุด
- ความหลากหลาย (Variability): เมื่อนำคะแนนมากางดูการกระจายตัวจะพบว่ากราฟของ AI มีลักษณะเกาะกลุ่มกันตรงกลางและให้ผลลัพธ์ที่เป็นแพทเทิร์นเดียวกัน
- ความสามารถระดับแนวหน้า: ในขณะที่กราฟของมนุษย์มีความกว้างมากกว่า เมื่อเจาะไปที่ “ส่วนหางของกราฟ” (Extremes of the distribution) หรือกลุ่มผู้ที่ทำคะแนนสูงสุด เช่น ท็อป 10% จะพบว่าคำตอบของมนุษย์กลุ่มนี้ทิ้งห่าง AI อย่างมีนัยสำคัญ มนุษย์อัจฉริยะกลุ่มนี้สามารถเชื่อมโยงคำศัพท์หรือสร้างสรรค์ไอเดียที่แปลกใหม่ ซับซ้อน และมีความหลากหลายสูงมากในระดับที่ AI ที่ก้าวหน้าที่สุดในปัจจุบันก็ยังไม่สามารถจำลองหรือคิดค้นขึ้นมาเองได้
3. ข้อจำกัดในการกระตุ้น AI และสภาวะได้อย่างเสียอย่าง
- การบังคับให้ AI สร้างสรรค์: นักวิจัยพบว่าหากพยายามป้อนคำสั่ง (Prompt) ว่า “จงตอบให้มีความคิดสร้างสรรค์ที่สุด” หรือพยายามปรับจูนค่าความสุ่ม (Temperature) ของโมเดลให้สูงขึ้นเพื่อบังคับให้มันคิดนอกกรอบ จะเกิดสภาวะ Trade-off ระหว่าง “ความแปลกใหม่ (Diversity)” กับ “ความสมเหตุสมผล (Relevance/Correctness)”
- เมื่อดันพารามิเตอร์ความสุ่มให้สูงขึ้น เช่น จากระดับ 1.4 ไป 1.6 AI จะพยายามจับคู่คำที่แปลกประหลาดมากขึ้น แต่ความถูกต้องสมเหตุสมผลจะตกลงทันที เช่น ลดลงจาก 99.2% เหลือเพียง 92.0%
- หากพยายามผลักดันให้ทะลุขีดจำกัด เช่น ปรับ Temperature ไปที่ระดับ 1.7 ถึง 1.8 ขึ้นไป โมเดลจะไม่สามารถคงโครงสร้างความหมายไว้ได้อีกต่อไป และจะเริ่มสร้าง “คำตอบที่ไร้ความหมาย” หรือสร้างคำแปลกๆ ที่ไม่มีอยู่จริง (Garbled/Hallucinated outputs) ซึ่งไม่สามารถนำมาใช้งานได้จริง
การอภิปรายผลการวิจัย
ผลการศึกษานี้บ่งชี้ว่า โมเดลภาษาขนาดใหญ่ในปัจจุบันปฏิบัติหน้าที่ได้ดีที่สุดในฐานะ “เครื่องมือส่งเสริมและต่อยอดความคิด” มากกว่าที่จะถูกนำมาใช้เพื่อ “ทดแทน” มนุษย์อย่างสมบูรณ์แบบ ทั้งนี้เนื่องจากปัญญาประดิษฐ์ยังคงขาดกระบวนการคิดวิเคราะห์ที่กลั่นกรองมาจากประสบการณ์ชีวิต ซึ่งเป็นคุณสมบัติเฉพาะตัวที่ขับเคลื่อนการสร้างสรรค์นวัตกรรมระดับสูงของมนุษย์ ข้อค้นพบนี้ช่วยให้ภาควิชาการและภาคธุรกิจเข้าใจถึงขอบเขตที่แตกต่างกันระหว่างความคิดสร้างสรรค์ทางชีวภาพและกลไกของปัญญาประดิษฐ์อย่างเป็นรูปธรรม ตลอดจนเน้นย้ำถึงความจำเป็นอย่างยิ่งยวดในการกำหนดให้มนุษย์เป็นผู้ร่วมตรวจสอบและตัดสินใจ สำหรับกระบวนการแก้ปัญหาเชิงสร้างสรรค์ที่มีความสำคัญและมีความเสี่ยงสูง
สรุป
ท้ายที่สุด ข้อมูลจากงานวิจัยชิ้นนี้ได้ตอกย้ำข้อเท็จจริงที่ว่า แม้เทคโนโลยีปัญญาประดิษฐ์จะได้รับการพัฒนาให้ก้าวล้ำเพียงใด แต่ความหลากหลายทางความคิดและประสบการณ์ที่เป็นเอกลักษณ์ของมนุษย์ยังคงเป็นทรัพยากรล้ำค่าที่ไม่อาจมีสิ่งใดมาทดแทนได้ การผสานศักยภาพของเทคโนโลยีเข้ากับสติปัญญาของมนุษย์อย่างชาญฉลาด จึงเป็นกลยุทธ์ที่ทรงคุณค่าที่สุดในการปลดล็อกขีดจำกัดแห่งนวัตกรรมในโลกอนาคตอย่างยั่งยืน
อ้างอิง nature.com และ cover iT24Hrs
อ่านบทความและข่าวอื่นๆเพิ่มเติมได้ที่ it24hrs.com
AI คิดแทนเราได้จริงหรือ? เจาะลึกงานวิจัยเมื่อ “ความคิดสร้างสรรค์” ของมนุษย์ยังไร้เทียมทาน
อย่าลืมกดติดตามอัพเดตข่าวสาร ทิปเทคนิคดีๆกันนะคะ Please follow us
Youtube it24hrs
Twitter it24hrs
Tiktok it24hrs
facebook it24hrs
ติดต่อโฆษณา [email protected] โทร 080234502
