งานวิจัยชี้ LLM มีแนวโน้มลำเอียงในการคัดเลือกคนมากกว่ามนุษย์

งานวิจัยใหม่จากนักวิจัยมหาวิทยาลัยพรินซ์ตันและมหาวิทยาลัยชิคาโกชี้ว่าโมเดลภาษาขนาดใหญ่หรือ LLM ไม่ได้เพียงซึมซับอคติจากข้อมูลฝึกเท่านั้น แต่ยังสามารถสร้าง “อคติใหม่” จากประสบการณ์ของตัวเองได้ โดยเฉพาะในบริบทการคัดเลือกบุคลากร ซึ่งอาจทำให้ AI เหมารวมผู้สมัครตามกลุ่มชาติพันธุ์หรือภูมิหลังมากกว่ามนุษย์เสียอีก

การทดลองใช้เกมจำลองการจ้างงาน โดยให้โมเดลอย่าง ChatGPT, Claude และ Gemini ทำหน้าที่เป็นที่ปรึกษาให้เมืองสมมติ และต้องเลือกคนเข้าทำงานหลายสายอาชีพ เช่น แพทย์ ทนาย พี่เลี้ยงเด็ก และภารโรง ผู้สมัครมาจากสี่กลุ่มชาติพันธุ์สมมติ และทุกกลุ่มมีโอกาสประสบความสำเร็จเท่ากันทั้งหมด นักวิจัยติดตามการตัดสินใจของโมเดลตลอดหลายรอบเพื่อดูว่าเมื่อได้รับผลลัพธ์ย้อนหลังแล้ว โมเดลจะปรับกลยุทธ์อย่างไร

ผลที่ได้คือโมเดลเริ่มแยกคนออกเป็นกลุ่มอาชีพต่าง ๆ อย่างชัดเจนจากผลลัพธ์เพียงไม่กี่ครั้งแรก หากกลุ่มใดกลุ่มหนึ่งล้มเหลวในงานบางประเภท โมเดลมักตีความว่าเป็นลักษณะประจำกลุ่มและค่อย ๆ หลีกเลี่ยงการส่งคนกลุ่มนั้นไปงานเดิมอีก แต่กลับผลักไปสู่งานที่ถูกมองว่าต่ำกว่าในมิติความอบอุ่นหรือความสามารถ นั่นสะท้อนว่า LLM สามารถสรุปเกินจริงจากข้อมูลน้อยมากและสร้างภาพเหมารวมได้รวดเร็ว

เมื่อเปรียบเทียบกับการทดลองในมนุษย์เดิม พบว่าโมเดลลำเอียงมากกว่าอย่างมีนัยสำคัญ โดยสเกลวัดการแยกกลุ่มเข้าอาชีพเฉพาะทาง โมเดลได้คะแนนสูงกว่าคนราว 65% และโมเดลเหตุผลรุ่นใหม่อย่าง o3 ของ OpenAI ยิ่งแสดงอคติแรงที่สุด จนเกือบแตะระดับสูงสุดของสเกล นักวิจัยอธิบายว่าพฤติกรรมนี้สอดคล้องกับธรรมชาติของ LLM ที่ถูกฝึกให้เก่งการสรุปจากตัวอย่างจำกัด ซึ่งมีประโยชน์มากในโจทย์คณิตศาสตร์หรือโค้ด แต่กลับกลายเป็นจุดอ่อนเมื่อใช้ตัดสินคน

ประเด็นนี้ยิ่งน่ากังวลในยุคที่บริษัท AI เพิ่มความสามารถด้านความจำและการปรับให้เป็นส่วนตัว เพราะระบบที่จดจำประวัติการคุยหรือพฤติกรรมเดิมอาจเริ่ม “ให้ค่าน้ำหนัก” กับรูปแบบเดิมมากเกินไป นักวิจัยและผู้เชี่ยวชาญที่ไม่เกี่ยวข้องกับงานชิ้นนี้ชี้ว่าการให้แชตบอตจำได้น้อยลงอาจไม่ใช่คำตอบ เพราะผู้ใช้ก็ต้องการให้ระบบจำข้อมูลสำคัญของตนเหมือนกัน จึงยังต้องหาจุดสมดุลระหว่างความจำและความเป็นธรรม

อีกข้อค้นพบหนึ่งคือการสั่งให้โมเดล “เป็นธรรม” ตรง ๆ ไม่ได้ช่วยมากนัก แต่ถ้าเปลี่ยนแรงจูงใจให้ระบบได้รับรางวัลเพิ่มเมื่อคัดเลือกคนได้หลากหลายขึ้น โมเดลจะลำเอียงน้อยลงอย่างชัดเจน นั่นบ่งชี้ว่าการออกแบบเป้าหมายและรางวัลของ AI อาจสำคัญกว่าคำสั่งเชิงศีลธรรมเพียงอย่างเดียว

นอกจากนี้ นักวิจัยยังพบว่าเมื่อให้ข้อมูลส่วนบุคคลที่เกี่ยวข้องจริงกับการประเมินความเหมาะสม เช่น อายุหรือการศึกษา โมเดลจะยึดติดกับเชื้อชาติน้อยลง แต่ถ้าเป็นข้อมูลที่ไม่เกี่ยวข้อง เช่น สีผมหรือรูปทรงรอยสัก ระบบก็ยังคงใช้ชาติพันธุ์เป็นตัวจัดหมวดหมู่อยู่ดี งานวิจัยจึงชี้ว่าอคติของ AI ไม่ได้เกิดจากการมีข้อมูลน้อยอย่างเดียว แต่อาจเกิดจากวิธีที่ระบบตีความและจัดลำดับความสำคัญของข้อมูลด้วย

แม้การทดลองจะเป็นสภาพแวดล้อมจำลอง และการคัดกรองใบสมัครในโลกจริงจะมีความซับซ้อนกว่านี้มาก แต่ผลวิจัยก็เตือนว่าหากองค์กรเริ่มใช้ LLM สัมภาษณ์หรือคัดกรองเรซูเม่จริง ความลำเอียงที่ค่อย ๆ ก่อตัวจากผลตอบรับในอดีตอาจสะสมเป็นปัญหาใหญ่ได้ในระยะยาว โดยเฉพาะเมื่อ AI ถูกนำไปใช้ตัดสินเรื่องที่มีผลต่อชีวิตคน เช่น การจ้างงาน สินเชื่อ หรือการปล่อยตัวพ้นโทษ