ครบรอบ 1 ปีที่เทคโนโลยี Generative AI กลายเป็นที่รู้จักในวงกว้าง หลังจาก OpenAI ปล่อย ChatGPT ออกมาเขย่าโลกเมื่อเดือนพฤษจิกายนปีที่แล้ว (ค.ศ. 2022) ถามว่า ChatGPT และบริการในกลุ่ม Generative AI ดังแค่ไหน ลองเทียบกับ Metaverse ที่หลายคนฮือฮาเมื่อประมาณปลายปี 2021 ได้จาก Google Trends นะครับ
(ภาพจาก Google Trends)
จะเห็นว่าความ ‘เห่อสาธารณะ’ ของคนทั้งโลกต่อ metaverse (กราฟบน) นั้นมีสัดส่วนความสนใจประมาณ 10/100 ของช่วงที่ ChatGPT มีคนค้นหามากที่สุด คือประมาณเดือนมีนาคม 2023 เพราะเป็นช่วงที่ OpenAI ปล่อย ChatGPT เวอร์ชัน GPT-4 ที่มีความสามารถมากกว่ารุ่นก่อนหลายเท่า สำหรับกระแสในบ้านเรา (กราฟล่าง) ก็คล้ายกันครับ จะเห็นว่าความสนใจ metaverse มีสัดส่วนที่ประมาณ 30/100 ในขณะที่ ChatGPT มีกระแสแรงในช่วงเดียวกับต่างประเทศ และแรงต่อเนื่องมาจนถึงปัจจุบัน
Generative AI ทำงานอย่างไร
เราคุ้นเคยกับเทคโนโลยี Autocomplete กันมานานแล้วนะครับ มันคือเทคโนโลยีที่ช่วย ‘เดา’ ว่าผู้ใช้จะพิมพ์อะไร เทคโนโลยี Generative AI ก็คล้ายๆ กัน เพียงแต่มันถูกสร้างด้วยฐานข้อมูลภาษาจำนวนมหาศาลจากอินเทอร์เน็ต ด้วยเทคโนโลยี Large Language Model (LLM) ใช้อัลกอริทึมที่ซับซ้อนทำให้มันสามารถ ‘เดา’ สิ่งที่ควรจะพูดได้ในระดับที่ล้ำไปกว่า Autocomplete ธรรมดาๆ มาก สามารถ ‘สร้าง’ หรือ ‘ผลิต’ (Generate) ข้อความได้มากมายมหาศาล นี่คือเหตุผลที่มันถูกเรียกว่า Generative AI หรือ GenAI นั่นเองครับ
ทีนี้ลองนึกถึง digital assistant ที่มีอยู่ในปัจจุบันนะครับ หลายคนคงเคยใช้งาน Siri, Google assistant, Amazon Alexa, หรือ Cortana (Microsoft) มาแล้ว GenAI ก็ทำงานคล้ายๆ กัน คือรับคำสั่ง (เรียกว่า prompts) และตอบสนองในรูปแบบที่เราขอ เช่น นักการตลาดอยากได้ ‘แผนการตลาดการขายประกันรถยนต์ไฟฟ้าปีหน้า โดยอิงตามโมเดลมาตรฐานของอุตสาหกรรมและข้อมูลปัจจุบัน’ ถ้าเป็นเมื่อก่อน เราอาจจะต้อง Google เพื่อค้นหาเอาทีละประเด็น เริ่มจากลองดูว่าโมเดลการตลาด การวางแผนการตลาดมีอะไรบ้าง แล้วค่อยๆ Google หาข้อมูลการตลาดในอุตสาหกรรมที่เราทำอยู่อีกที ใช้เวลากันหลายชั่วโมงกว่าจะพอเห็นภาพหน้าตาของแผน แต่ถ้าเราแค่ใส่ประโยคนี้เข้าไปใน GenAI มันก็จะตอบออกมาเป็นภาษาที่เราเข้าใจได้เหมือนคุยกับคนที่มีความรู้เรื่องการตลาดและหาข้อมูลให้เราเสร็จสรรพ ลองดูตัวอย่างคำตอบจาก Bing Chat ซึ่งเป็น GenAI ค่าย Microsoft ได้แบบนี้ครับ
สิ่งที่ Bing Chat ทำคือไปหาข้อมูลจากอินเทอร์เน็ตมาให้เราแล้วจัดเรียงตามเนื้อหาที่เหมาะสม เริ่มจากอธิบายว่าโมเดลการตลาดที่เหมาะคือ SWOT แล้วข้อมูลการประกันรถยนต์ไฟฟ้าตอนนี้เป็นอย่างไร ถ้าดูในคำตอบของมันจะเห็นว่ามีลิงก์อ้างอิงหมด เราก็สามารถค้นเพิ่มเติมได้ หรือถ้าเราสะดุดคำว่า Internal analysis อยากรู้ว่าจะเริ่มต้นการวิเคราะห์ยังไง ก็ถาม Bing Chat ต่อได้ คุยกันไปเรื่อยๆ เหมือนเพื่อนร่วมงานหรือเป็นโค้ชของเรา และถ้าสังเกตจะเห็นว่าตรงต้นทางด้านบนของแชตจะมีตัวเลือกแนวทางการสนทนาอยู่ 3 แบบคือ Creative, Balanced และ Precise ในกรณีคุยเรื่องเป็นการเป็นงาน เราก็เลือก Precise ไว้
ทีนี้ GenAI หลายตัวในปัจจุบันสามารถแสดงภาพและอ่านภาพได้ ถ้าดูที่กล่องข้อความของ Bing Chat ทางด้านล่างจะเห็นว่ามันมีปุ่มให้ใส่รูปภาพได้ ถ้าผมอยากหาไอเดียเล่านิทานให้ลูกสาวฟังและตอนนี้เธอกำลังสนใจเรื่องปลาเป็นพิเศษ ผมสามารถโหลดรูปปลาเข้าไปแล้วเปลี่ยนเป็นโหมดการสนทนาเป็นแบบ Creative เพื่อให้ Bing Chat แต่งนิทานให้ด้วย prompt ง่ายๆ แบบนี้เลย
อ่านดูแล้วก็พอจะเห็นว่ามันพยายามจะเล่านิทานตามโครงสร้างนิทานทั่วไป มีตัวละคร บทสนทนา และขมวดตอนจบให้เป็นเรื่องชวนคิด แต่อ่านแล้วก็ยังงงว่ามันเล่าอะไร มีการสลับตัวละครไปมา (ฮา) นี่คือ ‘อาการหลอน’ (hallucination) ที่เกิดขึ้นได้กับ GenAI และผู้ใช้ควรตรวจสอบคำตอบของมันทุกครั้ง แม้จะมีอาการรั่วบ้างหลุดบ้างแต่อย่างน้อยมันเป็นไอเดียเริ่มต้นได้เลยละครับ
สองตัวอย่างนี้ที่เล่ามาแสดงให้เห็นว่า GenAI ไม่ว่าจะ Bing Chat, Bard (Google) หรือ ChatGPT ที่โด่งดังจาก OpenAI ก็เป็นเทคโนโลยีที่ทำอะไรได้มากมายสุดแล้วแต่เราจะจินตนาการ สื่อหลายที่อธิบายให้เข้าใจง่ายว่ามันคือ ‘autocomplete on steroids’ คือด้อยค่าว่าเป็นแค่ AI ที่เดาเก่ง ในขณะที่หลายสื่อก็บอกว่ามันเข้าใกล้ AI ขั้นเทพหรือ Artificial General Intelligence (AGI) ที่สุดเท่าที่ประวัติศาสตร์มนุษยชาติเคยมีมา ซึ่ง AGI ที่ว่านี้ คือ AI ที่มีความรู้สึกนึกคิด เรียนรู้ได้เหมือนมนุษย์ ต่างจาก Artificial Narrow Intelligence ที่ทำได้แค่เรื่องใดเรื่องหนึ่งเท่านั้น
หมุดหมายที่สำคัญของ ChatGPT ที่ขยับใกล้ AGI คือมันสอบผ่าน Turing Test ไปเรียบร้อยแล้ว ซึ่งการทดสอบนี้มุ่งหาคำตอบว่า สิ่งใดสิ่งหนึ่งไม่ว่าจะเป็นเครื่องจักรหรือหุ่นยนต์อะไรก็ตาม มีปัญญาในระดับเทียบเท่ามนุษย์ไหม ซึ่งไม่ว่าจะถามอะไร GenAI อย่าง ChatGPT ก็ตอบได้หมดและมีความเป็นมนุษย์มากๆ ถึงขนาดทีมวิจัยไมโครซอฟท์ตีพิมพ์บทความรายงานผลการทดลองและสรุปว่าโมเดล GPT-4 ซึ่งเป็นหลังบ้านของ ChatGPT นั้นเข้าใกล้ AGI แบบเผาขนแล้ว
ช่วงปีที่ผ่านมา GenAI กลายเป็นที่ฮือฮาอย่างน้อยก็ในสองวงการ คือภาคธุรกิจและการศึกษา แน่นอนว่าภาคธุรกิจเห็นโอกาสจากมัน คอร์สสอนใช้ GenAI ผุดขึ้นมาเป็นดอกเห็ด หลายธุรกิจประกาศผนวกเอา GenAI เป็นกลยุทธ์หลัก ส่วนภาคการศึกษากลับแตกเป็นสองค่าย ค่ายแรกก็เห็นดีเห็นงามกับเทคโนโลยีนี้ มองว่ามันจะเพิ่มประสิทธิภาพให้กับการเรียนรู้ของครูอาจารย์และนักเรียนได้มหาศาล อีกค่ายหนึ่งกลับมองว่า GenAI จะมาทำลายระบบการศึกษาและด้อยค่าทักษะในการเรียนรู้ของมนุษย์ นักเรียนนักศึกษาจะใช้ GenAI ช่วยเขียนเรียงความ ช่วยทำโจทย์คณิตศาสตร์ (ถ่ายรูปโจทย์แล้วตอบได้เลย) และอื่นๆ อีกมากมายสุดแล้วแต่จะคิดให้ AI ผ่อนแรงสมอง หรือไม่ต้องใช้สมองเลยด้วยซ้ำ! โดยในตอนแรกของซีรีส์ พลิกโฉมการศึกษาผ่าน GenAI ในภาคการศึกษานี้ผมจะขอเล่าถึง ‘โอกาส’ ก่อนนะครับ
GenAI จะสร้างโอกาสอะไรให้ภาคการศึกษา?
กระแสตอบรับ GenAI ในภาคการศึกษา มีให้เห็นอยู่เยอะมากในโลกออนไลน์ โดยเฉพาะในเครือข่ายคนทำงานอย่าง LinkedIn มี Startup ที่ให้คำปรึกษาเกี่ยวกับการนำ GenAI มาใช้ในภาคการศึกษาผุดขึ้นมาเต็มไปหมด และ apps มากมายที่ใช้ GenAI เป็นกำลังขับเคลื่อนเพื่อช่วยให้คุณครูอาจารย์ทำงานได้มีประสิทธิภาพมากขึ้น และนี่คือสิ่งที่ GenAI จะเข้ามาสนับสนุนงานในภาคการศึกษาได้
ลดเวลางานธุรการ
หนึ่งในหน่วยงานที่เป็นหัวหอกในการให้คำปรึกษาด้าน GenAI เพื่อการศึกษาคือ AI for Education (www.aiforeducation.io) นำทีมโดย Amanda Bickerstaff ผู้มีประสบการณ์โชกโชนในวงการ EdTech เว็บไซต์ของเธอถือว่าเป็นแหล่งรวมข้อมูลชั้นดี เช่น
- คอร์สออนไลน์ฟรีสำหรับคนอยากเริ่มศึกษาว่า GenAI ใช้ประโยชน์อะไรในชั้นเรียนและช่วยอะไรครูอาจารย์ได้บ้าง
- ตัวอย่างแผนการสอน AI Literacy ในชั้นเรียน
- รายการแม่แบบ prompts ในสถานการณ์ต่างๆ ที่สามารถเอาไปปรับใช้ได้ทันที แยกตามหมวดหมู่ เช่น การจัดการบริหารการสอน การออกแบบหลักสูตรและกิจกรรมการเรียนรู้ การประเมินผล การสื่อสารกับนักเรียนและผู้ปกครอง
- บันทึกงานสัมมนาที่เชิญผู้เชี่ยวชาญ GenAI มาพูดคุยในแง่มุมต่างๆ เช่น จริยธรรมกับ AI การเตรียมตัวผู้เรียนเข้าสู่โลกยุค AI เป็นต้น
สื่อการเรียนรู้และตัวอย่างต่างๆ ที่มีมากมายในเว็บ AI for Education ไม่ได้มีเป้าหมายให้ครูอาจารย์ทำงานน้อยลง แต่มันคือการช่วยให้พวกเราลดเวลาการทำงาน หรือผ่อนงานที่ซ้ำซากจำเจไปให้ GenAI ดูแลแทนได้ เพื่อเราจะได้ใช้เวลากับผู้เรียนมากขึ้น ขอยกตัวอย่างสักสองสามเรื่องนะครับ
เรื่องแรกคือเรื่องจากคุณ Amanda เอง ซึ่งเธอพูดเสมอว่าเธอเข้าใจความสำคัญของการใช้ rubrics เพื่อประเมินการเรียนรู้ แต่เธอมองว่าการสร้าง rubrics มันเสียเวลา และเธอก็ค้นพบว่า GenAI ช่วยเตรียม rubrics ให้เธอได้ด้วย prompt เดียว ตามแม่แบบนี้
Essay Topic Prompt
Provide [number] essay topics for [grade] students on [topic]. The essay topics should be appropriate for a variety of skill levels and student backgrounds. Include a title, student directions on picking a topic and what is expected. Create a chart formatted rubric that the students will be graded by.
ผมลองเอา prompt นี้ไปใส่ใน Google Bard และปรับให้เป็นการเตรียมโจทย์เรียงความสำหรับนักเรียนมัธยมต้น (Grade 8) พร้อมสร้าง rubrics เพียงแค่ไม่กี่วินาทีก็ได้ข้อมูลมาครบแบบนี้ครับ
เมื่อเรามีโจทย์เรียงความและ rubrics แล้ว ครูอาจารย์หลายท่านก็คิดต่อว่าเราจะให้ GenAI ช่วยดูงานเขียนเรียงความของเด็กๆ และตรวจตาม rubrics ที่ให้ไว้ได้ไหม? คำตอบคือมันก็ทำได้เช่นกัน ล่าสุดก็มีเว็บไซต์หลายแห่งให้บริการนี้ เช่น jenni.ai, essaygrader.ai, smodin.io, progressay.com บางเจ้าเช่น copyleaks.com/ai-grader บอกว่า AI ที่พัฒนาขึ้นมาสามารถสแกนการบ้านที่อาจารย์ตรวจเสร็จแล้วเพื่อเรียนรู้แนวทาง สไตล์การตรวจ และเอามาประยุกต์กับงานในอนาคตได้ด้วย
สนับสนุนงานด้านการแนะแนว
นอกเหนือจากงานธุรการแล้ว GenAI ยังสามารถเข้าใจภาษาคนถึงขนาดอธิบายความรู้สึกจากสถานการณ์ต่างๆ ได้ด้วย มีงานวิจัยจากทีมนักจิตวิทยาทดลองให้ GenAI แจกแจงความรู้สึกจากข้อความสถานการณ์ที่ได้รับและวัดผลด้วยเกณฑ์ Levels of Emotional Awareness Scale (LEAS) ซึ่งเป็นแบบทดสอบความลึกซึ้งทางอารมณ์ ปรากฏว่า GenAI สามารถอธิบายแนวโน้มความรู้สึกจากข้อความได้ละเอียดมากกว่ามนุษย์เสียอีก
(ภาพจากงานวิจัย ChatGPT outperforms humans in emotional awareness evaluations)
ตัวคำถาม LEAS เองเราไม่สามารถดูได้เพราะมันเป็นคำถามด้านจิตวิทยาที่ต้องใช้ผู้เชี่ยวชาญประเมิน แต่ถ้ามองจากคำตอบของ ChatGPT ในช่วงเดือนมกราคม (คอลัมน์ที่ 2) และถัดมาในเดือนกุมภาพันธ์ (คอลัมน์ที่ 3) จะเห็นว่ามีพัฒนาการเกิดขึ้นพอสมควร คือ GenAI ตัวนี้เก่งขึ้น อธิบายได้ละเอียดขึ้น นักจิตวิทยาสามารถใช้มันเป็นผู้ช่วยในการให้มุมมองเกี่ยวกับผู้ที่เข้ารับคำปรึกษาได้เลย สำหรับมุมมองของการให้คำปรึกษาเชิงจิตวิทยาสำหรับนักเรียน นักจิตวิทยาก็สามารถเรียนรู้จาก ChatGPT หรือ GenAI ตัวอื่นๆ ได้เหมือนกัน พูดง่ายๆ คือวงการ Counseling จะได้ประโยชน์จากเทคโนโลยีนี้อย่างมาก
แต่ประโยชน์ก็มากับโทษอยู่แล้ว เราต้องไม่ลืมว่าคำตอบต่างๆ ที่ถูกผลิตจาก GenAI ก็เพียงแค่การพยายาม ‘เดา’ แนวทางต่างๆ ที่เกิดขึ้นกับสถานการณ์ด้วยข้อมูลที่มันถูกสอนไว้ ดังนั้นผู้เชี่ยวชาญก็ยังต้องมีหน้าที่คัดกรองความถูกต้อง และเป็นผู้รับผิดชอบในผลการให้คำปรึกษา จะมาบอกว่าฉันพูดแบบนี้ ให้คำแนะนำแบบนี้เพราะ GenAI มันบอกมาไม่ได้
ขยับเข้ามาในรั้วโรงเรียนหรือมหาวิทยาลัย มีหลายสถาบันให้ความสำคัญกับเรื่องการบ่มเพาะ Growth Mindset ให้นักเรียนนักศึกษา และเริ่มพิจารณาให้ GenAI เข้ามามีส่วนร่วมในการให้คำปรึกษาเพื่อพัฒนาทักษะด้านนี้แล้ว ลองนึกถึงสถานการณ์ที่นักเรียนเข้ามาปรึกษาเกี่ยวกับปัญหาต่างๆ เช่น น้องคนหนึ่งมีปัญหากับทางบ้านเพราะเธอชอบเล่นกีฬาแต่ทางบ้านไม่สนับสนุน สมมติว่าที่ปรึกษาของโรงเรียนอาจจะเชี่ยวชาญด้านการให้คำปรึกษาทั่วไปเกี่ยวกับ Growth Mindset แต่ไม่มีความรู้เรื่องกีฬาเท่าไร GenAI ก็สามารถเข้ามาเสริมตรงนี้ได้ ช่วยสนับสนุนข้อมูลและเสนอแนวทางต่างๆ ที่อาจเป็นทางเลือกให้กับนักเรียน เรียกว่าเป็นการเพิ่มโอกาสในการพบข้อมูลข้อเสนอแนะใหม่ๆ ได้มากขึ้นนั้นเอง
แก้ปัญหา 2 Sigma ที่เรื้อรัง
เมื่อประมาณกว่า 40 ปีก่อน Benjamin Bloom (ผู้เสนอแนวคิด Bloom’s Taxonomy) มีงานวิจัยสำคัญชิ้นหนึ่งลงในวารสาร Educational Research ชื่อว่า The 2 Sigma Problem: The Search for Methods of Group Instruction as Effective as One-to-One Tutoring อธิบายถึงความเหลื่อมล้ำทางการศึกษา โดย Bloom เปรียบเทียบผลการเรียนของเด็กในชั้นเรียนปกติกับเด็กที่ได้เรียนติวเตอร์แบบตัวต่อตัวแล้วพบว่ากลุ่มหลังมีผลการเรียนดีแบบขยับค่าส่วนเบี่ยงเบนมาตรฐานไปจากกลุ่มเด็กแรกถึง 2.0 หรือ 2 sigma ในภาษาวิชาการ แต่เราก็รู้ว่าการเข้าถึงติวเตอร์แบบตัวต่อตัวมันมีราคาที่ต้องจ่าย ยิ่งติวเตอร์มีชื่อเสียง ราคาก็สูงขึ้นเป็นธรรมดา นี่คือปัญหาที่หลายคนเชื่อว่า GenAI จะสามารถเข้าเป็น personalized tutor ได้ ซึ่ง Sal Khan ผู้ก่อตั้ง Khan Academy ก็เป็นหนึ่งในนั้น และตอนนี้ก็ได้ปล่อย Khanmigo ซึ่งเป็น GenAI chatbot ทำงานร่วมกับ แพลตฟอร์มการเรียนรู้ Khan Academy เพื่อช่วยสร้างประสบการณ์แบบติวเตอร์ตัวต่อตัวให้ผู้เรียน คือจะคอยชี้แนะ หยอดคำใบ้ ให้กำลังใจผู้เรียนเหมือนเป็นติวเตอร์ที่รู้ใจ
(ภาพจาก www.khanacademy.org)
ลองดูตัวอย่างการทำงานของ Khanmigo ได้ตามภาพนะครับ จะเห็นว่าในภาพแรกก่อนที่ครูจะเริ่มให้ผู้เรียนใช้แพลตฟอร์ม Khan Academy ติวเตอร์ Khammigo ก็สามารถช่วยแนะนำสื่อการสอนต่างๆ ที่มีให้ โดยครูไม่ต้องเสียเวลาไปค้นหาจากระบบเอง ในภาพตรงกลางคือเมื่อเริ่มทำการเรียนการสอนแล้ว ผู้เรียนอาจจะอยากได้คำตอบด้วยทางลัดคือถาม Khanmigo เอาเลย แต่แทนที่ chatbot จะบอกคำตอบตรงๆ มันกลับบอกใบ้ขั้นตอนการหาคำตอบตามแนวคิดแบบ Socratic Questioning คือถามให้คิดกลับ คิดต่อไปเรื่อยๆ ในรูปสุดท้ายด้านขวามือคือ Khanmigo ชวนผู้เรียนคุยเพื่อทำความรู้จัก และใช้ข้อมูลเหล่านี้ทำ personalized learning ต่อไป เช่น กรณีนี้รู้ว่าเด็กชอบตัวละครที่รักสัตว์ กลัวความมืด และอยากเปลี่ยนแปลงโลก ก็สามารถเชื่อมโยงบทเรียนในอนาคตเข้ากับเรื่องเหล่านี้ได้
แม้จะดูมีความหวังมากกว่าการเรียนแบบเดิม แต่ Khanmigo ก็ไม่ได้ฟรีเหมือนแพลตฟอร์ม Khan Academy เพราะองค์กรก็ต้องพึ่งหน่วยงานเจ้าของเทคโนโลยีหลังบ้าน คือ GPT-4 ของ OpenAI ณ ตอนนี้ใครอยากให้ AI tutor ตัวนี้ช่วยเรียนก็ต้องจ่ายที่ราคา $99 ต่อปี (และใช้ได้แค่ในสหรัฐฯ)
GenAI ได้ยึดพื้นที่ในภาคธุรกิจไปเรียบร้อยแล้ว สำหรับภาคการศึกษามันจะส่งผลกระทบกับการเรียนรู้ของคนในรุ่นนี้และรุ่นหน้าอย่างที่เราไม่อาจคาดเดาได้เลย โอกาสที่กล่าวถึงข้างต้นคือสิ่งที่เกิดขึ้นแล้ว แต่ถ้า GenAI มันพัฒนาไปยิ่งกว่านี้ และถ้าผู้พัฒนาไม่มีมาตรการป้องกันที่เพียงพอ และถ้าภาครัฐไม่สามารถทำความเข้าใจมันได้อย่างถ่องแท้ กำหนดนโยบายการใช้งานอย่างชัดเจน ภาคการศึกษาครูอาจารย์ปรับตัวตามไม่ทัน แน่นอนว่าการใช้งานในทางที่ไม่เหมาะสมก็เป็นเรื่องที่หลีกเลี่ยงไม่ได้ ดังนั้นในตอนหน้าเรามาดูกันว่าปัญหาอะไรที่มาพร้อมกับ GenAI
อ้างอิง Part I
Sparks of Artificial General Intelligence: Early experiments with GPT-4 https://arxiv.org/abs/2303.12712
ChatGPT outperforms humans in emotional awareness evaluations https://doi.org/10.3389/fpsyg.2023.1199058
The 2 Sigma problem: The search for methods of group instruction as effective as one-to-one tutoring https://doi.org/10.2307/1175554
