AI ยังพลาดโจทย์ปริศนา: บททดสอบที่มนุษย์ยังมีแต้มต่อ
บทความนี้สำรวจว่าโจทย์ปริศนาและเกมต่าง ๆ ยังคงเป็นเครื่องมือสำคัญในการวัดขีดความสามารถของโมเดล AI ตั้งแต่ยุคเริ่มต้นของแมชชีนเลิร์นนิง เพราะเกมอย่างหมากรุก โกะ หรือปริศนาเชิงตรรกะช่วยเผยให้เห็นทั้งพัฒนาการและข้อจำกัดของระบบอัจฉริยะสมัยใหม่ได้ชัดเจนกว่าการวัดผลแบบกว้าง ๆ
แม้โมเดลภาษาขนาดใหญ่จะเก่งขึ้นมากในช่วงหลัง และสามารถแก้โจทย์อย่าง Connections ได้ดีขึ้นอย่างรวดเร็วจากช่วงที่ทำได้เพียงส่วนน้อยของคำตอบในปลายปี 2024 ไปสู่ระดับเกือบสมบูรณ์ในต้นปี 2025 แต่บทความชี้ว่า AI ยังมีจุดอ่อนสำคัญเมื่อเผชิญกับโจทย์ที่เปลี่ยนรูปแบบเล็กน้อยหรือซ่อนเงื่อนยาก ๆ โดยเฉพาะงานที่ต้องใช้การรับรู้เชิงพื้นที่ การตีความภาพ และการปรับตัวต่อความต่างจากตัวอย่างที่เคยเจอมาก่อน
ในหมวดการให้เหตุผลเชิงพื้นที่ โมเดลยังทำได้แย่มากกับโจทย์หมุนวัตถุในใจหรือ mental rotation ซึ่งมนุษย์บางกลุ่ม เช่น สถาปนิกหรือวิศวกรเครื่องกล มักถนัดกว่า จุดนี้สะท้อนว่าแม้ระบบจะรับข้อมูลภาพได้ แต่ความเข้าใจวัตถุสามมิติและการจัดการเชิงเรขาคณิตยังไม่แข็งแรงเท่ามนุษย์
อีกประเด็นคือความจำและการปรับตัวของโมเดล เพราะข้อมูลฝึกจำนวนมหาศาลช่วยให้ตอบคำถามความรู้ทั่วไปได้ดี แต่ก็ทำให้โมเดลเผลอใช้คำตอบที่จำมาเมื่อโจทย์คล้ายของเดิมเกินไป งานวิจัยที่ทดสอบโจทย์แบบ Knights and Knaves เวอร์ชันดัดแปลง รวมถึงชุดทดสอบอย่าง SimpleBench ชี้ว่าเมื่อมีรายละเอียดเล็ก ๆ เปลี่ยนไป มนุษย์มักจับ “กับดัก” ได้ง่ายกว่า ขณะที่โมเดลกลับหลงรูปแบบเดิม
บทความยังยกตัวอย่างโจทย์เชิงนามธรรมและภาพอย่าง ARC-AGI ซึ่งต้องสรุปกฎจากตัวอย่างหลายชุด โมเดลทำได้ดีขึ้นมากในช่วงปีที่ผ่านมา แต่ก็ยังมีกรณีที่ล้มเหลว หรือแม้ตอบถูกก็อาจใช้กฎภายในที่ซับซ้อนและไม่ทั่วไปเท่าที่มนุษย์ใช้ โดยความต่างอีกอย่างคือบางครั้งโมเดลทำโจทย์ได้ดีขึ้นเมื่อป้อนข้อมูลเป็นข้อความเชิงโครงสร้างมากกว่าภาพโดยตรง
ในทางกลับกัน บทความชี้ว่ามีโจทย์บางประเภทที่มนุษย์พลาดง่ายเพราะพึ่งสัญชาตญาณเกินไป เช่น คำถามลักษณะ “Lightning Round” ที่ออกแบบมาให้รีบตอบแล้วหลงทาง ขณะที่โมเดลอาจได้เปรียบเพราะคำนวณอย่างเป็นขั้นตอนมากกว่า อย่างไรก็ดี เมื่อความซับซ้อนเพิ่มขึ้น เช่น ปัญหา Tower of Hanoi, River Crossing หรือ logic grid puzzles โมเดลก็เริ่มสะดุด โดยเฉพาะเมื่อจำนวนองค์ประกอบมากขึ้นจนต้องวางแผนหลายชั้น
โดยสรุป บทความมองว่าปริศนาเหล่านี้ไม่ได้มีไว้แค่โชว์ว่ามนุษย์หรือ AI ใครเก่งกว่า แต่เป็นหน้าต่างสำคัญที่ช่วยให้เห็นว่าระบบ AI ยังขาดความเข้าใจเชิงพื้นที่ การทำเหตุผลแบบทั่วไป และการรับมือกับความซับซ้อนแบบยืดหยุ่นในระดับที่มนุษย์ทำได้ การทดสอบเหล่านี้จึงเตือนว่าความก้าวหน้าของ AI ยังมีเพดานและความเปราะบางที่ต้องระวัง แม้ภาพรวมจะพัฒนาอย่างรวดเร็วก็ตาม
