งานวิจัย MIT ชี้ใช้แชตบอตช่วยอ่านข่าวอาจทำให้แยกข่าวปลอมได้แย่ลงเมื่อเลิกใช้ AI
งานวิจัยจาก MIT Media Lab ชี้ให้เห็นความเสี่ยงสำคัญของการใช้แชตบอตเอไอช่วยประเมินข่าวสาร โดยเฉพาะในเรื่องการแยกข่าวจริงออกจากข่าวปลอม ทีมวิจัยของ Pattie Maes ทดสอบผู้เข้าร่วมด้วยการให้ดูพาดหัวข่าวและ…

งานวิจัยจาก MIT Media Lab ชี้ให้เห็นความเสี่ยงสำคัญของการใช้แชตบอตเอไอช่วยประเมินข่าวสาร โดยเฉพาะในเรื่องการแยกข่าวจริงออกจากข่าวปลอม ทีมวิจัยของ Pattie Maes ทดสอบผู้เข้าร่วมด้วยการให้ดูพาดหัวข่าวและภาพประกอบแบบจับคู่ต่อเนื่องเป็นเวลา 4 สัปดาห์ เพื่อดูว่าการพึ่งพาเอไอส่งผลต่อทักษะการประเมินข่าวอย่างไร
ผลลัพธ์ช่วงแรกดูเหมือนเป็นบวก ผู้เข้าร่วมที่มีแชตบอตช่วยทำคะแนนได้ดีกว่าเดิม โดยมีความแม่นยำในการแยกข่าวปลอมสูงขึ้นราว 21% แต่เมื่อเวลาผ่านไปกลับพบว่าทักษะการตัดสินด้วยตนเองลดลง เมื่อถึงสัปดาห์ที่ 4 พวกเขาทำได้แย่ลงประมาณ 15% เมื่อไม่มีเอไอเทียบกับก่อนเริ่มการทดลอง ทั้งที่ราวหนึ่งในสี่ของผู้เข้าร่วมกลับรู้สึกว่าตัวเองเก่งขึ้น ซึ่งสะท้อนปรากฏการณ์ “AI dependency paradox” หรือภาวะที่การใช้เครื่องมือช่วยทำให้ผู้ใช้มั่นใจขึ้นแต่พึ่งพาตัวเองน้อยลง
ผู้วิจัยอธิบายว่าปัญหานี้สอดคล้องกับข้อเท็จจริงเกี่ยวกับโมเดลภาษาใหญ่ที่หลายคนมองว่า “ฉลาด” จนลืมไปว่ามันเป็นเพียงระบบคาดเดาลำดับถัดไปเชิงสถิติ ไม่ใช่ผู้ตัดสินความจริงโดยแท้จริง ดังนั้น แม้เอไอจะช่วยให้ผู้ใช้ตัดสินใจได้เร็วขึ้นและรู้สึกว่าทำงานง่ายขึ้น แต่ก็อาจลดโอกาสในการฝึกฝนทักษะคิดวิเคราะห์และตรวจสอบข้อเท็จจริงด้วยตัวเอง
อย่างไรก็ตาม งานวิจัยไม่ได้สรุปว่าเอไอมีแต่โทษทั้งหมด นักวิจัยพบว่ารูปแบบการโต้ตอบบางชนิดช่วยให้ผู้ใช้พัฒนาความสามารถได้ดีกว่าในระยะยาว โดยเฉพาะเอไอที่ใช้แนวทางถามกลับแบบโสเครติสแทนการให้คำตอบตรง ๆ วิธีนี้อาจชะลอความเร็วในการทำงานในช่วงแรก แต่มีแนวโน้มช่วยให้ผู้ใช้ได้ฝึกคิด วิเคราะห์หลักฐาน และเรียนรู้การจำแนกข้อมูลเท็จด้วยตัวเองมากกว่า
ข้อสรุปสำคัญของงานนี้คือการออกแบบเครื่องมือเอไอมีผลต่อพฤติกรรมและทักษะของผู้ใช้โดยตรง หากระบบเน้นตอบเร็วและให้คำตอบสำเร็จรูปมากเกินไป ก็เสี่ยงทำให้เกิดการพึ่งพา แต่ถ้าออกแบบให้ผู้ใช้มีส่วนคิดและตรวจสอบเองมากขึ้น ก็อาจสร้างสมดุลระหว่างประสิทธิภาพกับการเรียนรู้ในระยะยาว ซึ่งเป็นประเด็นสำคัญต่อการใช้เอไอในงานข่าว การรู้เท่าทันสื่อ และการประเมินข้อมูลออนไลน์ในวงกว้าง


