AI ทำให้ผู้คนยอมรรับข้อมูลผิดง่ายขึ้นและไม่บอกว่าไม่รู้

การศึกษาที่เผยแพร่โดยนักวิชาการจากมหาวิทยาลัยฝรั่งเศสและอิตาลี พบว่าการเข้าถึงคำแนะนำจากระบบ AI ทำให้ผู้คนลดความเต็มใจที่จะยอมรับว่า “ไม่รู้” แม้ในขณะที่โมเดลยังคงให้ข้อมูลที่ผิดพลาดบ่อยครั้ง การเปลี่ยนแปลงนี้ส่งผลต่อการคิดเชิงวิจารณ์และระดับความมั่นใจของผู้ใช้โดยตรง

Overview

การทดลองได้ตรวจสอบพฤติกรรมของผู้เข้าร่วมเมื่อถูกถามคำถามรายละเอียดภาพจากภาพยนตร์ที่คาดว่าโมเดลภาษาใหญ่ (LLM) จะตอบไม่ถูกต้อง ตัวอย่างเช่น สีเครื่องแบบทีมใน *Bend It Like Beckham* และรถที่โมนิก้าใช่ใน *Like a Cat on a Highway* ผลการทดลองชี้ให้เห็นว่าการมี AI ช่วยทำให้ผู้คนยอมรับข้อมูลผิดพลาดได้มากขึ้นและลดความเต็มใจที่จะบอกว่า “ไม่รู้” อย่างเด่นชัด

Experiment Design

ทีมวิจัยโดย Valerio Capraro (มหาวิทยาลัย Milano‑Bicocca) ร่วมกับ Chiara Marcoccia (École Normale Supérieure) และ Walter Quattrociocchi (Sapienza University of Rome) แบ่งผู้เข้าร่วมออกเป็นสองกลุ่ม กลุ่มแรกต้องตอบคำถามโดยไม่มีการใช้ AI ส่วนกลุ่มที่สองสามารถขอคำแนะนำจากโมเดลได้

• โมเดลหลักที่ใช้คือ Step 3.5 Flash ซึ่งมักให้ผลลัพธ์ผิดพลาด
• ยังมีการทดสอบโมเดลรุ่นใหม่ ได้แก่ GPT‑5.5, Claude Sonnet 4.6, และ Gemini 3.5 Flash ที่แม้จะตอบบางคำถามได้ถูกต้อง แต่ยังคงพลาดในรายละเอียดสำคัญเช่นคำถามเรื่องรถ

การออกแบบนี้ทำให้ผลลัพธ์ที่ได้ไม่สามารถอธิบายเป็น “มอบหมายงานให้เครื่องมือที่น่าเชื่อถือ” ได้ เนื่องจากโมเดลส่วนใหญ่ตอบผิดบ่อย

Results

เมื่อเปรียบเทียบระหว่างสองกลุ่ม พบความแตกต่างชัดเจน:

• ในสภาพไม่มี AI 44 % ของผู้เข้าร่วมเลือก “ไม่รู้” เพื่อพักการตัดสินใจ ส่วนในสภาพมี AI เพียง 3 % เท่านั้นที่ทำเช่นนั้น
• ความแม่นยำของคำตอบลดลงจาก 27 % (ไม่มี AI) เหลือ 9 % (ใช้ AI) โดยผู้เข้าร่วมหลายคนเลือกตามคำแนะนำของโมเดลและกลายเป็นข้อผิดพลาดแทนที่จะตอบถูกเอง
• ระดับความมั่นใจเพิ่มอย่างมากจาก 30 % เป็น 76 % แม้ว่าอัตราความแม่นยำจะลดลงถึงหนึ่งในสาม

เมื่อมีการให้แรงจูงใจทางเงิน ผลลัพธ์ยังคงต่ำกว่าฐานข้อมูลเดิม: ความเต็มใจที่จะบอก “ไม่รู้” เพิ่มจาก 3 % เป็น 8 % และความแม่นยำเพิ่มจาก 9 % เป็น 16 % แต่ยังอยู่ต่ำกว่าค่าพื้นฐานที่ไม่มี AI

Interpretation & Implications

ผลการทดลองสนับสนุนแนวคิดว่า AI อาจทำให้ผู้ใช้สูญเสียทักษะการระบุขีดจำกัดของความรู้ตนเอง ซึ่งเป็นส่วนสำคัญของกระบวนการคิดเชิงวิพากษ์ นักวิจัยชี้ว่าการที่คนยอมรับข้อมูลจากโมเดลโดยไม่ตั้งคำถามทำให้เกิด “hallucination” ของ AI อย่างต่อเนื่องและเพิ่มอัตราการแพร่กระจายของข้อมูลผิด

แม้การทดสอบใช้เพียงคำถามเกี่ยวกับภาพยนตร์ ผู้วิจัยเชื่อว่าผลกระทบนี้สามารถขยายไปยังด้านอื่น ๆ เช่น การทำงานในองค์กร การเรียนรู้ทางวิชาการ และการตัดสินใจส่วนบุคคล หากผู้คนพึ่งพา AI อย่างเต็มที่โดยไม่ตรวจสอบความถูกต้อง

Recommendations

จากมุมมองของ Capraro การแก้ไขปัญหานี้ควรทำบนระดับสังคมผ่านการเสริมสร้าง AI literacy และนโยบายการศึกษา “แบบบูรณาการ” โดย:

• ส่งเสริมหลักสูตรที่ให้ผู้เรียนฝึกฝนทักษะการตั้งคำถามและตรวจสอบข้อมูล แม้ในยุคมี AI ให้ตอบทันที
• ผู้ให้บริการโมเดลควรพัฒนาฟีเจอร์แจ้งเตือนความไม่แน่นอนของผลลัพธ์ แต่บทบาทหลักยังคงอยู่ที่ผู้ใช้เองในการประเมินคุณภาพคำตอบ
• เน้นการศึกษาในระดับเด็กและเยาวชนซึ่งอาจเติบโตมาพร้อมกับ AI โดยไม่มีพื้นฐานการคิดเชิงวิพากษ์เดิม

Summary

การทดลองแสดงให้เห็นว่าการเข้าถึง AI ทำให้ผู้คนยอมรับข้อมูลที่ผิดได้ง่ายขึ้นและลดความเต็มใจที่จะบอก “ไม่รู้” แม้เมื่อมีแรงจูงใจด้านผลตอบแทน ความสำคัญของการพัฒนา AI literacy และการปรับแนวทางการศึกษาเพื่อรักษาทักษะการคิดเชิงวิพากษ์จึงเป็นเรื่องเร่งด่วน.