หลังคุยกับ AI ไปสักพัก บางครั้งเราจะรู้สึกเหมือนตัวเองรู้เรื่องต่าง ๆ มากขึ้นอย่างน่าประหลาด ตอนแรกคุยกันเรื่องสัตว์ แต่เผลอแป๊บเดียวก็รู้สึกว่าน่าจะอธิบายได้ทั้งเรื่องการนอนและวิธีทำงาน ความรู้สึกแบบนั้นสนุกดี
แต่พอปิดหน้าจอ เราอาจอธิบายสิ่งที่เพิ่งอ่านไม่ได้เลย ถ้าอยากเปลี่ยนบทสนทนาให้เป็นการเรียนรู้ ระหว่างอ่านคำตอบก็ควรมีจังหวะให้เราลองเสนอข้อสันนิษฐาน ตรวจสอบหลักฐาน แล้วอธิบายด้วยตัวเองในตอนท้าย
คำตอบของคำถามว่า “แค่คุยกับ AI ก็ฉลาดขึ้นไหม” จึงขึ้นอยู่กับว่าเราทำอะไรระหว่างคุย บทความนี้จะใช้ตัวอย่างหนึ่งพาไปดูวิธีถามให้ลึกขึ้น ตรวจสอบแหล่งอ้างอิง และเช็กว่าเราเข้าใจจริงหรือแค่รู้สึกว่าเข้าใจ
เริ่มจาก “ตัวตุ่นก็รู้สึกหดหู่ได้ไหม?” แล้วแยกคำถามออกมา
จุดเริ่มต้นไม่จำเป็นต้องจริงจัง ลองเริ่มจาก “ตัวตุ่นก็รู้สึกหดหู่ได้ไหม?” ถ้า AI ยกงานวิจัยเรื่องความเครียดในสัตว์มาเล่า คำถามถัดไปไม่จำเป็นต้องมีแค่ “แล้วมีสัตว์ชนิดไหนอีกบ้าง?”
- ในงานวิจัยนั้น นักวิจัยวัดอะไรจึงเรียกว่า “ภาวะคล้ายซึมเศร้า”?
- แยกได้อย่างไรว่าการเคลื่อนไหวน้อยลงไม่ได้เกิดจากความเหนื่อยหรือความสามารถในการเคลื่อนไหวที่ลดลง?
- ผลการศึกษานี้บอกอะไรเกี่ยวกับมนุษย์ได้มากน้อยแค่ไหน?
การถามแบบนี้ช่วยเปลี่ยนเรื่องเล่าน่าสนใจให้เป็นคำถามที่ตรวจสอบได้ เช่น ถ้าเป็นงานวิจัยในแมลงวัน ก่อนจะเข้าใจว่า “แมลงวันก็หดหู่แบบเดียวกับมนุษย์” ควรดูก่อนว่าการทดลองสังเกตพฤติกรรมอะไรจริง ๆ
จากนั้นจะขยายไปคุยเรื่องการจำศีล อารมณ์ที่เปลี่ยนไปตามฤดูกาล หรือการคิดวนไม่หยุดก็ได้ แต่เมื่อลากเส้นเชื่อมเรื่องต่าง ๆ แล้ว ต้องย้อนมาตรวจสอบหลักฐานของแต่ละเส้นด้วย เรื่องที่ดูคล้ายกันหลายเรื่องไม่ได้แปลว่ามีกลไกเดียวกันอยู่เบื้องหลัง
ขอให้ AI แตกแขนงคำถาม แทนที่จะต่อคำตอบให้ยาวขึ้น
การพูดว่า “อธิบายให้ละเอียดกว่านี้” ซ้ำ ๆ อาจทำให้คำตอบยาวขึ้นโดยไม่ได้ช่วยให้เข้าใจลึกขึ้น ลองระบุจุดที่เราติดใจให้ชัดเจนแทน
“ช่วยอธิบายการทำกิจกรรมน้อยลงจากสามมุมมอง ได้แก่ สภาพร่างกาย สิ่งแวดล้อม และพฤติกรรมที่เรียนรู้มา แต่ละคำอธิบายต้องสังเกตอะไรจึงจะตรวจสอบได้?”
คำถามแบบนี้ช่วยให้เลือกได้ง่ายขึ้นว่าจะค้นอะไรต่อ ถ้าเจอศัพท์เฉพาะ จะถามว่า “แนวคิดนี้ช่วยอธิบายความแตกต่างอะไรได้บ้าง?” ก็ได้เช่นกัน
ลองเสนอข้อสันนิษฐานของตัวเองก่อนด้วย เช่น “คิดว่าคำอธิบายที่ว่าสัตว์ไม่เคลื่อนไหวเพราะเหนื่อยก็น่าจะพอแล้ว ถ้ายังไม่พอ ผลสังเกตแบบไหนจะบอกเราได้?” ไม่ว่าข้อสันนิษฐานจะถูกหรือผิด เราก็จะเห็นว่าต้องปรับตรงไหน
ไม่จำเป็นต้องตั้งคำถามได้เฉียบคมตั้งแต่แรก อีกวิธีหนึ่งคือบอกว่า “ยังไม่รู้เลยว่าตัวเองไม่เข้าใจตรงไหน” แล้วขอให้ AI ถามเพื่อเช็กความเข้าใจทีละข้อ
ยิ่งคำอธิบายเชื่อมกันได้ลงตัว ยิ่งควรกลับไปดูแหล่งอ้างอิง
สิ่งที่ต้องระวังในตัวอย่างนี้คือ จุดร่วมอย่าง “ทำกิจกรรมน้อยลง” อาจถูกใช้เป็นคำอธิบายครอบจักรวาล เราจึงควรแยกให้ชัดว่าแต่ละแหล่งอ้างอิงช่วยอธิบายเรื่องใด
- การทดลองในแมลงวันของ Ries และคณะ รายงานว่าพฤติกรรมที่เกิดขึ้นเองลดลงหลังได้รับความเครียดจากการสั่นสะเทือน
- บทความทบทวนของ Dantzer และคณะ อธิบายความสัมพันธ์ระหว่างการอักเสบ การเปลี่ยนแปลงพฤติกรรมเมื่อเจ็บป่วย และภาวะซึมเศร้า
- NIMH อธิบายโรคซึมเศร้าตามฤดูกาลว่าเป็นภาวะซึมเศร้าชนิดหนึ่งที่เกิดซ้ำตามฤดูกาล
- บทความปี 1997 ของ Suddendorf และ Corballis อภิปรายเรื่อง “การเดินทางข้ามเวลาในใจ” หรือการนึกภาพอดีตและอนาคต
ถ้ารวบรัดจากข้อมูลเหล่านี้ไปเป็น “ซึมเศร้าช่วงฤดูหนาวคือการจำศีลแบบอ่อน ๆ” หรือ “ภาวะซึมเศร้าวิวัฒนาการขึ้นมาเพื่อตัดขาดทุน” เราก็กำลังผสมคำเปรียบเทียบและสมมติฐานลงไปในคำอธิบายงานวิจัย แม้คำเปรียบเทียบอย่าง “โหมดประหยัดพลังงาน” จะช่วยให้เห็นภาพ แต่ก็ใช้เป็นคำอธิบายสาเหตุหรือวิธีรักษาโดยตรงไม่ได้ เช่นเดียวกัน การอ้างบทความปี 1997 เพียงชิ้นเดียวก็ไม่ได้ให้ข้อสรุปปัจจุบันเกี่ยวกับความสามารถของสัตว์ชนิดอื่น
เราขอให้ AI ช่วยได้แบบนี้
“ช่วยแยกคำอธิบายเมื่อกี้ออกเป็นสิ่งที่งานวิจัยตรวจสอบแล้ว สมมติฐานของนักวิจัย และคำเปรียบเทียบที่ใช้ช่วยอธิบาย สำหรับงานวิจัยแต่ละชิ้น ขอชื่อบทความ ปีที่ตีพิมพ์ สิ่งมีชีวิตหรือกลุ่มที่ศึกษา สิ่งที่วัด และ URL ด้วย”
จากนั้นเปิดลิงก์ ตรวจชื่อบทความและผู้เขียน แล้วอ่านบทคัดย่อหรือส่วนที่เกี่ยวข้อง ลิงก์ที่เปิดได้ไม่ได้แปลว่าจะสนับสนุนข้อความนั้นเสมอไป ส่วนข้ออ้างที่ยังหาหลักฐานไม่พบก็เก็บไว้ในสถานะ “ยังไม่ยืนยัน” ได้ ขั้นตอนเล็ก ๆ นี้ช่วยแยกเรื่องเล่าที่ฟังแล้วคล้อยตามออกจากความรู้ที่ผ่านการศึกษา
แบบจำลองที่ใช้ได้จริงต้องทำให้เห็นว่าจะตรวจสอบอะไรต่อ
“แบบจำลอง” ในที่นี้คือกรอบง่าย ๆ ที่ช่วยจัดระเบียบสถานการณ์และคิดว่าจะลองอะไรต่อ ไม่จำเป็นต้องเป็นทฤษฎียิ่งใหญ่ที่อธิบายได้ทั้งโลก
ลองนึกถึงสถานการณ์ธรรมดาอย่าง “นั่งที่โต๊ะแล้วแต่งานไม่เดิน” แทนที่จะจบด้วยคำว่า “เราไม่มีสมาธิ” ลองแยกเป็นสามความเป็นไปได้
- มีการแจ้งเตือนเข้ามาเรื่อย ๆ จนเสียสมาธิระหว่างทำงาน
- คำสั่งว่า “เตรียมเอกสาร” กว้างเกินไป จนไม่รู้ว่าต้องเริ่มจากอะไร
- ง่วงจนอ่านแล้วเนื้อหาไม่เข้าหัว
แต่ละข้อทำให้สิ่งที่ควรลองต่างกันไป ปิดการแจ้งเตือนแล้วทำงานช่วงสั้น ๆ เริ่มจากเขียนหัวข้อให้ได้สามหัวข้อ หรือพักงานและทบทวนว่าช่วงนี้นอนเป็นอย่างไร สิ่งเหล่านี้เป็นการปรับวิธีทำงานในชีวิตประจำวัน หากปัญหาด้านอารมณ์หรือการนอนเป็นต่อเนื่องจนกระทบการใช้ชีวิต การปรึกษาบุคลากรทางการแพทย์ก็เป็นอีกทางเลือกหนึ่ง
กลับมาที่ตัวตุ่น ก่อนจะมัวครุ่นคิดว่า “ฉันเป็นใครกัน ถ้าไม่มีดินให้ขุด?” ลองหาคำตอบว่า “แล้วดินที่ขุดได้อยู่ไหนล่ะ?” และจะถามต่อว่า “จำเป็นต้องขุดด้วยเหรอ?” ก็ยังได้
คุณค่าของคำเปรียบเทียบที่น่าสนใจอยู่ตรงที่ช่วยให้คำถามเดินหน้าต่อ ลองเปลี่ยนเงื่อนไขหนึ่งอย่างจริง ๆ แล้วดูว่าเริ่มงานได้ง่ายขึ้นหรือไม่ ถ้าไม่ได้ผล ก็วาดกรอบอธิบายใหม่
ปิดหน้าจอแล้วยังอธิบายได้ไหม? ใช้กับตัวอย่างอื่นได้หรือเปล่า?
เมื่ออ่านคำอธิบายของ AI แล้วรู้สึกว่า “อ๋อ เข้าใจแล้ว” ลองแทรกการตรวจสอบสั้น ๆ
เริ่มจากปิดหน้าจอ แล้วสรุปใจความสำคัญเป็นสามประโยคด้วยคำพูดของตัวเอง จากนั้นคิดตัวอย่างหนึ่งที่ไม่ได้อยู่ในบทสนทนา สุดท้ายยกกรณีที่คำอธิบายนี้ใช้ไม่ได้
ถ้ามองว่า “เมื่อเงื่อนไขเปลี่ยน พฤติกรรมก็อาจเปลี่ยน” จะนำไปใช้กับการจัดบ้านได้ไหม? ก่อนจะตัดสินใจว่าจะทิ้งของชิ้นไหน ปัญหาอาจอยู่ที่ยังไม่ได้กำหนดว่าจะเก็บของไว้ตรงไหน แต่ถ้าเหมารวมว่าปัญหาทุกอย่างเกิดจากไม่มีที่เก็บของ คำอธิบายก็จะหยาบเกินไป
หากจะส่งคำอธิบายของเรากลับไปให้ AI แทนที่จะขอว่า “ช่วยเรียบเรียงให้ดีขึ้น” ลองขอแบบนี้
“ช่วยชี้ว่าคำอธิบายนี้ขาดอะไร และตรงไหนที่สรุปหนักแน่นเกินกว่าหลักฐานรองรับ อย่าเพิ่งเขียนคำตอบที่ถูกให้ทันที ขอคำถามหนึ่งข้อที่ช่วยให้ลองคิดใหม่ด้วยตัวเอง”
แบบนี้เราจะขยับจากการคัดลอกคำตอบไปสู่การแก้ความเข้าใจของตัวเอง คำว่า “ฝึกกล้ามเนื้อความคิด” ในบทความนี้เป็นคำเปรียบเทียบถึงการใช้งานลักษณะนี้ ไม่จำเป็นต้องวัดผลจากความยาวของบทสนทนาหรือจำนวนศัพท์เฉพาะที่สะสมได้
เมื่อจบบทสนทนา เก็บไว้แค่สามอย่าง
การขยายเรื่องที่สนใจออกไปเรื่อย ๆ ก็สนุกดี แต่ถ้าอยากนำไปใช้ภายหลัง ควรทิ้งโน้ตสั้น ๆ ไว้ตอนท้าย
- สิ่งที่อธิบายได้แล้ว: ข้อสังเกตว่าพฤติกรรมลดลงกับคำอธิบายว่าทำไมจึงลดลง เป็นคนละส่วนที่ต้องตรวจสอบแยกกัน
- สิ่งที่ยังไม่รู้: การทดลองที่เล่าในบทสนทนานี้จะให้ผลเหมือนเดิมหรือไม่ หากเปลี่ยนเงื่อนไข
- สิ่งที่จะทำต่อ: อ่านบทคัดย่อของงานวิจัยที่อ้างถึง แล้วเทียบกับคำอธิบายของ AI
โน้ตนี้จะเป็นจุดเริ่มต้นเมื่อเราเปิดหนังสือหรือบทความวิจัยครั้งต่อไป ใช้บทสนทนากับ AI วาดแผนที่คำถาม ตรวจสอบกับแหล่งอ้างอิง แล้วปรับแผนที่หลังอ่าน เมื่อเห็นว่าตรงไหนควรอ่านให้ละเอียดขึ้น เราก็ใช้เวลากับเอกสารได้คุ้มขึ้น
ไปให้ไกลกว่าเรื่องเล่าน่าสนใจ จนคิดทบทวนได้ด้วยตัวเอง
สิ่งหนึ่งที่น่าดีใจในการคุยกับ AI คือเราสามารถเริ่มจากคำถามเล่น ๆ แล้วไปถึงความรู้อีกสาขาที่ไม่เคยนึกว่าจะสนใจ จะเริ่มจากตัวตุ่นก็ได้ หรือจาก “ทำไมแค่จะเริ่มจัดบ้านถึงรู้สึกยุ่งยากนัก?” ก็ได้
ลองเสนอข้อสันนิษฐานหนึ่งข้อ เปิดดูหลักฐาน คิดผ่านตัวอย่างอื่น อธิบายด้วยคำพูดของตัวเอง และแก้เมื่อจำเป็น เมื่อทำกระบวนการไปกลับแบบนี้ได้ สิ่งที่เหลืออยู่หลังจบบทสนทนาก็จะมากขึ้น
คำถามถัดไปจะเป็น “เล่าให้ฟังอีกหน่อย” ก็ได้ แต่บางครั้งลองถามว่า “จากคำอธิบายทั้งหมดนี้ มีอะไรที่เรายังไม่ได้ตรวจสอบบ้าง?” บทสนทนาอาจเริ่มน่าสนใจขึ้นอีกขั้นตรงนั้นเอง
เอกสารอ้างอิง (4 รายการ)
- Suddendorf & Corballis (1997), Mental Time Travel and the Evolution of the Human Mind
- NIMH, Seasonal Affective Disorder
- Ries et al. (2017), Serotonin modulates a depression-like state in Drosophila responsive to lithium treatment
- Dantzer et al. (2008), From inflammation to sickness and depression: when the immune system subjugates the brain
