Generative AI (ปัญญาประดิษฐ์ที่สร้างข้อความ ภาพ หรือเสียงจากคำสั่ง) เข้ามาอยู่ในงานสร้างสรรค์ของคนทั่วไปแล้ว และงานวิจัยสองชิ้นชี้ตรงกันว่าผลที่ตามมาต่อวัฒนธรรมอาจเป็นเรื่องที่มองไม่เห็นง่ายๆ คือผลงานของแต่ละคนอาจดีขึ้น แต่ผลงานของทุกคนรวมกันกลับคล้ายกันมากขึ้น งานชิ้นล่าสุดตีพิมพ์ในวารสาร Patterns เมื่อ 19 ธ.ค. 2568 ส่วนอีกชิ้นตีพิมพ์ในวารสาร Science Advances เมื่อ 12 ก.ค. 2567 ใครที่ใช้ AI ช่วยเขียน ออกแบบ หรือทำคอนเทนต์ ควรรู้ว่างานวิจัยพบอะไร และยังพิสูจน์อะไรไม่ได้
Generative AI ช่วยให้เรื่องสั้นดีขึ้น แต่เรื่องเริ่มคล้ายกัน
งานวิจัยของ อนิล โดชิ (Anil R. Doshi) และ โอลิเวอร์ เฮาเซอร์ (Oliver P. Hauser) ทดลองให้คนเขียนเรื่องสั้นความยาวแปดประโยค โดยแบ่งผู้เขียนเป็นสามกลุ่ม กลุ่มแรกเขียนเองทั้งหมด กลุ่มที่สองขอไอเดียเรื่องจาก AI (โมเดล GPT-4) ได้ 1 ไอเดีย กลุ่มที่สามขอได้สูงสุด 5 ไอเดีย หลังคัดผู้ร่วมทดลองแล้วเหลือผู้เขียน 293 คน จากที่รับสมัคร 500 คน จากนั้นมีผู้ประเมิน 600 คน ให้คะแนนเรื่องสั้นรวม 3,519 ครั้ง
ผลฝั่งคุณภาพเป็นบวก กลุ่มที่ได้ไอเดียเดียวถูกประเมินว่าเรื่องใหม่ขึ้น 5.4% และมีประโยชน์ขึ้น 3.7% กลุ่มที่ได้สูงสุด 5 ไอเดียเพิ่มขึ้น 8.1% และ 9.0% ตามลำดับ เรื่องในกลุ่มนี้ยังถูกประเมินว่าเขียนดีกว่า น่าเบื่อน้อยกว่า คนที่ได้ประโยชน์มากที่สุดคือผู้เขียนที่มีความคิดสร้างสรรค์ติดตัวต่ำ ซึ่งคะแนนความใหม่เพิ่มราว 10.7% และคะแนนประโยชน์เพิ่มราว 11.5% เมื่อได้ 5 ไอเดีย ผู้วิจัยระบุว่าผลนี้ทำให้คะแนนของผู้เขียนที่ความสามารถต่างกันใกล้เคียงกันขึ้น
อีกด้านของผลการทดลองคือเรื่องที่เขียนด้วยความช่วยเหลือของ AI คล้ายกันเองมากกว่าเรื่องที่คนเขียนล้วน ความคล้ายที่เพิ่มขึ้นเท่ากับราว 10.7% ของช่วงความคล้ายที่พบในกลุ่มคนเขียนเอง สำหรับกลุ่มที่ได้ 1 ไอเดีย และราว 8.9% สำหรับกลุ่มที่ได้ 5 ไอเดีย เรื่องของแต่ละคนยังคล้ายกับไอเดียที่ AI ให้มาประมาณ 5% ด้วย ผู้วิจัยสรุปว่านี่เป็นโจทย์แบบ 'social dilemma' คือ 'writers are individually better off, but collectively a narrower scope of novel content is produced' (ผู้เขียนแต่ละคนได้ประโยชน์ แต่ภาพรวมของเนื้อหาใหม่แคบลง)
มีจุดที่ควรสังเกตอีกข้อ คะแนนที่ผู้เขียนให้งานของตัวเองไม่ต่างกันเลยระหว่างสามกลุ่ม แปลว่าคนที่ใช้ AI ช่วยไม่ได้รู้สึกว่างานตัวเองดีขึ้น ทั้งที่ผู้ประเมินภายนอกเห็นว่าดีขึ้น
เมื่อ AI คุยกับ AI ภาพก็วนไปหาธีมเดิม
งานวิจัยชิ้นที่สองเป็นของ อาเรนด์ ฮินต์เซ (Arend Hintze) ฟรีดา โปรชิงเงอร์ อัสตรอม (Frida Proschinger Åström) และ จอรี ชอสเซา (Jory Schossau) ตีพิมพ์ใน Patterns ฉบับที่ 7 เลขที่ 101451 ทีมวิจัยต่อระบบสร้างภาพ (Stable Diffusion XL) เข้ากับระบบบรรยายภาพ (LLaVA) เป็นวงรอบ ระบบหนึ่งสร้างภาพ อีกระบบเขียนคำบรรยาย แล้วนำคำบรรยายไปสร้างภาพใหม่ วนไปเรื่อยๆ โดยไม่มีมนุษย์เข้ามาแทรก
ทีมวิจัยรันทดลอง 700 รอบ รอบละ 100 ครั้งที่วน ใช้คำสั่งตั้งต้นต่างกันและปรับค่าความสุ่มเจ็ดระดับ ผลคือภาพค่อยๆ ลู่เข้าหาภาพคล้ายกันมาก ผู้วิจัยเรียกว่า 'visual elevator music' และเขียนในงานว่า 'we show that they systematically converge toward generic outputs' (เราแสดงให้เห็นว่าระบบเหล่านี้ลู่เข้าหาผลลัพธ์ทั่วๆ ไปอย่างเป็นระบบ) เมื่อจัดกลุ่มภาพทั้งหมด ได้ 12 กลุ่มหลัก เช่น ฉากประภาคาร ห้องโถงหรู มหาวิหารแบบกอธิก ฉากเมืองยามค่ำ และทิวทัศน์ธรรมชาติ
ผลนี้ไม่ได้เกิดจากโมเดลคู่เดียว ทีมวิจัยลองสลับตัวสร้างภาพและตัวบรรยายภาพหลายคู่ ซึ่งยังพบการลู่เข้าเช่นกัน ผู้วิจัยเทียบว่าลักษณะนี้คล้ายการถ่ายทอดวัฒนธรรมของมนุษย์ แต่ในระบบนี้ไม่มีกลไกแก้ไขย้อนกลับ จึงเรียกร้องให้สร้างกลไกต้านการลู่เข้า และให้มนุษย์ยังมีส่วนร่วมต่อไป
วัฒนธรรมจริงจะเป็นแบบนี้ไหม งานวิจัยยังตอบไม่ได้
ทั้งสองงานมีขอบเขตจำกัด และผู้วิจัยบอกเองในเปเปอร์ งานของโดชิและเฮาเซอร์เป็นโจทย์เขียนสั้นแปดประโยค ใช้โมเดลภาษาตัวเดียว และกลุ่มตัวอย่างออนไลน์ในสหราชอาณาจักร จึงยังบอกไม่ได้ว่าผลจะเหมือนกันกับงานยาว งานภาพ หรือผู้ใช้ในวัฒนธรรมอื่น
งานของฮินต์เซและทีมใช้ระบบสร้างภาพกับระบบบรรยายภาพเฉพาะคู่ และจำกัดการวนไว้ 100 ครั้ง ผู้วิจัยระบุว่าจำนวนครั้งที่จำกัดอาจจับพฤติกรรมระยะยาวไม่ได้ ส่วนการเรียกชื่อธีมทั้ง 12 กลุ่มเป็นการตีความของผู้วิจัยเอง และที่สำคัญคือการทดลองเป็นระบบ AI ล้วน ไม่มีคนเลือกหรือปรับแก้ระหว่างทาง จึงเป็นสัญญาณเตือนเรื่องวงรอบอัตโนมัติ ไม่ได้พิสูจน์ว่าวัฒนธรรมของมนุษย์หยุดนิ่งไปแล้ว
สรุปจากหลักฐานที่มีตอนนี้ คือเครื่องมือที่ช่วยให้ผลงานรายคนดีขึ้นก็ผลักผลงานรวมให้คล้ายกันได้ด้วย ในสถานการณ์ที่ทดลอง คำถามว่า AI กำลังสร้างวัฒนธรรมของตัวเองหรือไม่ งานวิจัยสองชิ้นนี้ยังตอบไม่ได้
ผู้ใช้ AI ในงานสร้างสรรค์ควรระวังอะไร
ข้อสังเกตจากงานของโดชิและเฮาเซอร์คือ ผู้เขียนในการทดลองเรียกไอเดียจาก AI มาใช้ และงานที่ออกมาเอนเข้าหาไอเดียนั้นราว 5% ถ้าคนจำนวนมากใช้เครื่องมือเดียวกันและรับไอเดียแบบเดียวกัน ภาพรวมของผลงานก็มีโอกาสแคบลงตามที่ผู้วิจัยเตือน คนที่ทำงานเขียน ออกแบบ หรือทำคอนเทนต์ จึงควรถามตัวเองว่าไอเดียที่ได้จาก AI เป็นจุดตั้งต้น หรือกลายเป็นคำตอบสุดท้ายไปแล้ว
ส่วนข้อเรียกร้องของทีมฮินต์เซคือให้มนุษย์ยังมีส่วนร่วมในกระบวนการ และให้มีกลไกต้านการลู่เข้า ซึ่งเป็นข้อเสนอจากผลของระบบ AI ล้วนที่ทีมนี้ทดลองเท่านั้น งานของโดชิและเฮาเซอร์ไม่ได้ทดสอบว่าการที่คนปรับแก้ไอเดียจาก AI จะช่วยลดความคล้ายได้หรือไม่ จึงยังสรุปเรื่องนี้จากงานชิ้นนั้นไม่ได้
ที่มา: Doshi, A. R. และ Hauser, O. P. 'Generative AI enhances individual creativity but reduces the collective diversity of novel content' วารสาร Science Advances (12 ก.ค. 2567) และ Hintze, A., Proschinger Åström, F. และ Schossau, J. 'Autonomous language-image generation loops converge to generic visual motifs' วารสาร Patterns (19 ธ.ค. 2568)
