คำถามล้างรถง่าย ๆ ที่เปิดโปงขีดจำกัดของ AI

ทุกวันนี้ AI อย่าง ChatGPT สามารถเขียนบทความ ตอบคำถาม สร้างโค้ด และให้คำตอบที่ดูเหมือน “คิดเป็นเหตุเป็นผล” ได้อย่างน่าทึ่ง จึงไม่แปลกที่หลายคนจะเชื่อว่า AI เข้าใจโลกจริงเหมือนมนุษย์แล้ว

แต่คำถามสั้น ๆ เรื่องการล้างรถกลับทำให้เราเห็นความต่างระหว่าง “ดูฉลาด” กับ “เข้าใจจริง” ได้ชัดเจนมาก

คำถามที่ดูง่าย แต่หลอกโมเดลได้

คำถามคือ: “ฉันอยากล้างรถ จุดล้างรถอยู่ห่าง 50 เมตร ควรเดินหรือขับรถไป?”

มนุษย์ส่วนใหญ่จะตอบทันทีว่าต้อง ขับรถไป เพราะเป้าหมายของงานคือการพารถไปถึงจุดล้างรถ ไม่ใช่แค่เลือกวิธีเดินทางของคนถาม

แต่โมเดล AI หลายตัวกลับตอบว่า “เดินไป เพราะแค่ 50 เมตร” ซึ่งเป็นคำตอบที่ดูสมเหตุสมผลเชิงภาษา แต่ผิดเชิงเป้าหมายของสถานการณ์

ทำไม AI ถึงพลาด?

มนุษย์จะเติมบริบทที่ซ่อนอยู่โดยอัตโนมัติ เช่น “จะล้างรถ” หมายถึงรถต้องไปถึงจุดล้างรถก่อนแน่นอน

แต่ AI มักจับสัญญาณจากคำว่า “50 เมตร” แล้วเชื่อมกับแพตเทิร์นที่พบบ่อยว่า “ระยะสั้น = เดิน” จึงตอบตามรูปแบบที่เคยเห็นระหว่างการฝึก มากกว่าจะมองเป้าหมายของงาน

นี่คือจุดสำคัญ: โมเดลภาษาเก่งมากในการทำนายข้อความที่น่าจะใช่ แต่ไม่ได้แปลว่าจะสร้างความเข้าใจโลกจริงได้ลึกพอในทุกกรณี

การจับรูปแบบ vs ความเข้าใจ

LLM เรียนรู้จากข้อมูลข้อความจำนวนมหาศาลบนอินเทอร์เน็ต จึงเก่งการจับความสัมพันธ์ของคำ วลี และบริบทที่เกิดซ้ำ

มนุษย์ก็ใช้รูปแบบเหมือนกัน แต่เรายังรวมประสบการณ์จริง เป้าหมายของงาน ความรู้สามัญ และการตีความบริบทเข้าด้วยกัน ทำให้ตอบปัญหาแบบนี้ได้ถูกต้องกว่าในหลายสถานการณ์

กรณีนี้จึงเป็นตัวอย่างชัดว่า “ตอบได้ลื่น” ไม่เท่ากับ “เข้าใจความหมายทั้งหมดของสถานการณ์”

ทำไมคนถึงโยงกับเกม Tetris?

หลายคนเปรียบเทียบกับ AI เล่น Tetris ที่เก่งมาก วางบล็อกแม่น เร็ว และทำคะแนนสูงกว่ามนุษย์ได้ แต่ระบบไม่ได้รู้สึกหรือเข้าใจว่า “เกมคืออะไร” หรือ “ชนะมีความหมายอย่างไร” แบบที่มนุษย์เข้าใจ

มันกำลังเพิ่มประสิทธิภาพเชิงคณิตศาสตร์จากรูปแบบข้อมูลที่เรียนมา ซึ่งคล้ายกับโมเดลภาษาที่ให้คำตอบฉลาด ๆ ได้ แม้บางครั้งยังไม่เข้าใจเป้าหมายเชิงลึกของโจทย์

เรื่องนี้สำคัญอย่างไรกับผู้ใช้ AI

ปัญหานี้ไม่ใช่แค่มุกตลก เพราะผู้คนกำลังใช้ AI กับงานจริงมากขึ้น ทั้งการเรียน การเขียนโค้ด งานธุรกิจ การวิจัย และการตัดสินใจสำคัญ

ความเสี่ยงใหญ่ไม่ใช่ AI ผิดบ่อยเสมอไป แต่คือ AI มักฟังดูมั่นใจแม้เหตุผลข้างในจะผิด ทำให้ผู้ใช้อาจเชื่อโดยไม่ทันตรวจสอบ

AI จะดีขึ้นได้ไหม?

ได้ และกำลังดีขึ้นต่อเนื่อง นักวิจัยพัฒนาโมเดลให้คิดเป็นขั้นตอนมากขึ้น ถามกลับเมื่อบริบทไม่พอ และลดข้อผิดพลาดเชิงตรรกะ

อย่างไรก็ตาม กรณีนี้ยังสะท้อนคำถามใหญ่ว่า “ความฉลาดคือการทำนายรูปแบบที่ซับซ้อนขึ้นเรื่อย ๆ หรือจำเป็นต้องมีความเข้าใจโลกแบบลึกกว่านั้น” ซึ่งยังเป็นประเด็นถกเถียงในวงการ AI อยู่เสมอ

บทสรุป

คำถามล้างรถสอนเราว่า AI อาจดูฉลาดมาก แต่ภาพลักษณ์ของความฉลาดไม่เท่ากับความเข้าใจจริงเสมอไป

เหมือน AI ที่เล่น Tetris เก่งอย่างน่าทึ่ง โมเดลภาษาอาจทำผลงานได้ดีมากในหลายงาน แต่ยังพลาดได้เมื่อบริบทหรือเป้าหมายของโจทย์ซับซ้อน

ดังนั้นบทเรียนสำคัญสำหรับคนใช้ AI คือ ใช้ให้เกิดพลังสูงสุดได้ แต่ต้องคิดเชิงวิพากษ์และตรวจคำตอบสำคัญเสมอ

อ้างอิงประเด็นสนทนา: Hacker News