ในยุคที่เราพิมพ์คำถามสั้น ๆ ลงในกล่องข้อความ แล้วรอให้ AI ตอบกลับมาเป็นย่อหน้ายาว ๆ หากย้อนเวลากลับไปสัก 5-6 ปี เราคงยังจินตนาการถึงความสามารถ AI ในวันนี้ไม่ออกแน่ๆ เพราะในปัจจุบัน AI ตอบเราได้แทบทุกเรื่อง ตั้งแต่ช่วยสรุปหนังสือหนา 300 หน้า ไปจนถึงช่วยคิดไอเดียแคมเปญโฆษณาในไม่กี่วินาที ยิ่งถามง่าย คำตอบยิ่งมาเร็ว ก็อาจจะเกิดคำถามที่ลึกกว่านั้นขึ้นมาเหมือนกันว่า
“ในเมื่อถามอะไรก็ตอบได้แล้ว ต่อไปมนุษย์ยังต้อง ‘คิดเอง’ อยู่ไหม?”
“เรายังจำเป็นต้องสงสัย ตั้งคำถาม หรือใช้เวลาไตร่ตรองอยู่หรือเปล่า?”
ซึ่งบางคนก็อาจจะปฏิเสธ AI อย่างแข็งขันเพราะกลัวว่าบางความสามารถของเราจะหายไป ในขณะที่บางคนก็ใช้งานมันแบบบ้าคลั่งเพราะกลัวตกขบวนเทคโนโลยี หรือบางคนก็เริ่มมีคำถามต่อว่า ในโลกที่คำตอบหาได้ง่ายและเร็วแบบนี้ ความสามารถแบบมนุษย์น้ัน ยังมีความหมายอยู่แค่ไหน?
บทความนี้ไม่ได้จะมาชวนเราให้เกลียด AI หรือว่าจะมารีวิวว่าโมเดล AI ไหนใหม่และเก่งกว่าใคร แต่จะชวนถอยหลังออกมาสักนิด เพื่อย้อนดูเรื่องราวในฉบับย่อสั้นๆ ตั้งแต่ยุคปรัชญาไปจนถึงวันที่เรามี Big Data หล่อเลี้ยงมากมายจนเกิดเป็น AI ในปัจจุบัน เพื่อชี้ให้เห็นว่าทักษะหนึ่งของมนุษย์ที่ไม่เคยหายไปเลยอย่าง “การตั้งคำถาม” จะไม่ใช่แค่สกิลน่ารัก ๆ ที่พวกเรามองว่าเป็นทักษะธรรมดาเท่านั้น แต่มันคือแกนกลางของความเป็นมนุษย์ และอาจเป็นสิ่งที่ทำให้เรายังคงยืนอยู่ได้ในยุคที่คำตอบล้นโลกแบบนี้
เพราะสงสัย เราจึงเป็นมนุษย์: รากปรัชญาของการตั้งคำถาม
ถ้าย้อนไปดูจุดเริ่มต้นของ “การคิดแบบเป็นระบบ” ในโลกตะวันตก ซึ่งต้นทางใหญ่ ๆ จะอยู่ที่กรีกโบราณ ยุคที่คำถามไม่ได้เกิดขึ้นในห้องประชุม หรือ Zoom ออนไลน์ แต่เกิดขึ้นบนลานเมืองและตลาด ซึ่งหากพวกเราย้อนเวลากลับไปถามคนกรีกโบราณว่า “จุดเริ่มต้นของปัญญามนุษย์คืออะไร” สิ่งที่พวกเขาคงจะบอกกลับมาคงไม่ใช่ “คำตอบ” แต่มันคือการตั้ง “คำถาม” กลับมานั่นเอง
โสเครติส : คนที่ไม่สอนอะไรเลย แต่ทำให้ทั้งเมืองคิดไม่หยุด
โสเครติสเป็นคนที่แทบไม่เคยเดินไปบอกใครตรง ๆ เลยว่า “สิ่งที่ถูกคือแบบนี้” หรือ “ความยุติธรรมคือ X” หรือ “ความดีคือ Y” แต่สิ่งที่เขาทำ จะอยู่ในบทสนทนาต่าง ๆ (ตามที่เพลโตบันทึกไว้) คือถามกลับซ้ำ ๆ เช่น
“ทำไมถึงคิดว่ามันยุติธรรม?”
“เวลาพูดว่า ‘ดี’ เราหมายถึงอะไรแน่ ๆ?”
“ถ้าสถานการณ์เปลี่ยนไป คำตอบเรายังเหมือนเดิมไหม?”
ทุกวันนี้เรามักจะเรียกวิธีแบบนี้ว่า วิธีการคิดแบบโสเครติส (Socratic method) คือการใช้คำถามต่อคำถาม ไม่ใช่เป็นการการตั้งคำถามเพื่อ “ชนะ” แต่เพื่อดึงให้คู่สนทนามองเห็นด้วยตัวเองว่าเหตุผลที่พวกเขาเชื่ออยู่นั้น มีรูโหว่ตรงไหนบ้าง แทนที่จะยัดคำตอบลงหัวอีกฝ่าย ซึ่งมันคือการใช้คำถามเปิดพื้นที่ให้คน คิดต่อ แทนที่จะ เชื่อไปเลย นั่นเอง
เพลโต – อริสโตเติล : คนที่ตั้งคำถามทั้งเรื่อง “โลกในหัว” และ “โลกข้างนอก”
ศิษย์เอกของโสเครติสอย่างเพลโต ได้ตั้งคำถามเกี่ยวกับแนวคิดเรื่องจิตวิญญาณที่ตัดขาดจากร่างกาย ซึ่งเป็นรากฐานที่สำคัญของการศึกษาเรื่องตัวตนของมนุษย์ในยุคต่อมา เป็นโลกสมบูรณ์แบบที่อยู่เหนือสิ่งที่เรามองเห็น ซึ่งมักจะถามในเชิงทำนองว่า “ความยุติธรรมแท้จริงคืออะไร?” หรือ “ความดีที่ไม่ขึ้นกับสถานการณ์มีไหม?”
ในขณะที่อริสโตเติลหันมามองโลกจริง ๆ ผ่านการสังเกต จัดหมวดหมู่ และพยายามอธิบายธรรมชาติแบบที่จับต้องได้มากขึ้น ซึ่งแม้แนวคิดหลายอย่างของอริสโตเติลจะถูกวิทยาศาสตร์ยุคใหม่ล้มล้างไป แต่สิ่งที่เขาทิ้งไว้ก็คือคำตอบที่ว่า “มนุษย์เรามีสิทธิ์ตั้งคำถามกับโลก และหาคำอธิบายของเราเองได้”
เรอเน เดการ์ต: เมื่อ “ความสงสัย” กลายเป็นวิธีการ
เดินทางข้ามเวลามายังตะวันตกยุคใหม่ เรอเน เดการ์ต เสนอสิ่งที่เรียกว่า “การสงสัยเชิงระเบียบวิธี” (methodical doubt) ซึ่งเป็นการตั้งคำถามในทุกสิ่งอย่างเป็นระบบ เพื่อออกค้นหาความรู้ที่แท้จริง ที่ไม่อาจสงสัยได้อีก และนั่นก็นำไปสู่ประโยคอมตะที่ว่า “Cogito, ergo sum” หรือ “ฉันคิด ฉันจึงมีอยู่” สิ่งนี้แสดงให้เห็นว่า สิ่งเดียวที่ไม่อาจสงสัยได้ ก็คือการที่ “ตัวฉันได้สงสัย” ซึ่งในความเป็นจริง เราจะเถียงเดการ์ตแค่ไหนก็ได้ แต่สิ่งที่เขาทำให้เราเห็นคือ “ความสงสัย และการตั้งคำถาม” ไม่ใช่ศัตรูของความรู้ แต่ตรงกันข้ามเลย เพราะนั่นคือรากฐานของมันต่างหาก ซึ่งเป็นเครื่องมือคัดกรองว่าอะไรคือสิ่งที่พอจะเป็นจริงอยู่บ้าง
Note Trick : มาทดลองฝึกตั้งคำถามแบบ “ปรัชญา”แบบ Step by step ให้ใช้ได้จริงกันเถอะ
การตั้งคำถามแบบปรัชญา ไม่ได้เน้นรีบหาคำตอบ แต่มุ่ง “ขุดให้ลึกขึ้น” ว่าเราเองนั้น กำลังเชื่อเรื่องอะไรอยู่กันแน่ ลองใช้กรอบนี้กับทุกเรื่องได้เลยไม่ว่าจะเรื่องชีวิต การทำงาน หรือแม้แต่การใช้ AI ได้เลย
Step 1 : เริ่มจากความคาใจธรรมดา ๆ
- ทำไมเราตั้งใจทำงานให้ออกมาดีที่สุดแล้ว แต่ยังรู้สึกไม่พอใจ?
- ทำไมเรารู้สึกผิดทุกครั้งที่ไม่ productive?
- ทำไมเรากลัว AI แย่งงาน แต่กลับใช้มันทุกวัน?
ไม่ต้องเริ่มด้วยคำถามระดับจักรวาล แต่เริ่มจากสิ่งที่ “แทงใจตัวเองจริง ๆ” น่าจะดีกว่า
Step 2 : แปลงความคาใจให้กลายเป็นคำถามชัด ๆ
เช่น เปลี่ยนจาก “รู้สึกเหนื่อยกับงาน” ให้กลายเป็นคำถามว่า “อะไรคือ ‘งานที่ดี’ สำหรับฉันจริง ๆ?”หรือ “ฉันวัดคุณค่าของตัวเองจากอะไรแน่?”
Step 3 : เริ่มใช้วิธีโสเครติส
เมื่อมีคำถามเตรียมไว้แล้ว ให้ตัวเราลองถามซ้ำเจาะให้ลึกลงไปให้เจอสมมติฐาน เช่น “ทำไมฉันถึงตอบแบบนั้น?” หรือ “ฉันเชื่ออะไรอยู่ข้างใต้คำตอบนี้?” หรือ “ถ้าสมมติฐานนี้ไม่จริงล่ะ ชีวิตฉันจะเปลี่ยนไหม?”เป็นต้น ที่นี้เราจะเริ่มเห็นว่า หลายความคิดตั้งอยู่บน “กฎเหล็กในหัว” ที่เราไม่เคยตรวจสอบเลย
Step 4 : ลองใส่ ‘แว่นคนอื่น’ ดูบ้าง
ลองคิดในมุมมองของคนอื่นบ้าง เช่น ถ้ามองจากมุมคนที่ให้คุณค่ากับครอบครัวมากกว่างาน คำตอบจะเปลี่ยนไหม? หรือ ถ้ามองจากมุมคนที่เคยถูกเทคโนโลยีทำร้ายหรือเอาเปรียบล่ะ? การถามแบบนี้ไม่ได้บังคับให้เราเปลี่ยนความคิด แต่ช่วยให้เห็นว่า “คำตอบของเรา” เป็นแค่หนึ่งในหลาย ๆ ทางเลือกเท่านั้นเอง
Step 5 : สงสัยแม้แต่ “วิธีคิดของตัวเอง”
เมื่อเราได้คำตอบที่หลากหลาย หรือเข้าใจแล้วว่า มีอีกหลายคำตอบมากมายบนโลกใบนี้ ทีนี้เราลองสำรวจวิธีคิดของเราเพื่อทำความเข้าใจกลุ่มความเชื่อของเรา ด้วยคำถามอย่างเช่น “ฉันใช้มาตรฐานอะไรตัดสินว่าอะไรดี–ไม่ดี?” หรือ “มาตรฐานนี้ฉันเลือกเอง หรือสังคมยัดเยียดให้ฉันคิดแบบนี้?” นี่คือจุดที่ความคิดเริ่มหลุดจากโหมดออโต้และเราจะได้เจอตัวเองที่ชัดขึ้น
Step 6 : สรุปเป็น ‘จุดยืนชั่วคราว’ ไม่ใช่คำตอบตายตัว
ลองเขียนเป็นข้อสรุปให้ตัวเองว่า “ด้วยประสบการณ์และข้อมูลตอนนี้ ฉันคิดว่า…” แล้วเว้นที่ว่างไว้ให้ตัวเอง เพื่อเปลี่ยนความคิด ที่อาจจะค้นพบอะไรใหม่ๆ ได้อีกในอนาคต เมื่อได้คำถาม/ข้อมูลใหม่มากพอ
ทั้งหมดนี้คือการใช้ “ความสงสัยแบบปรัชญา” เพื่อทำความเข้าใจทั้งโลกรอบตัว และโลกในตัวเรา ไปพร้อมๆ กันนั่นเอง
จากห้องทดลองในหัว สู่ห้องทดลองจริง: วิทยาศาสตร์ในฐานะระบบของความสงสัย
ถ้าปรัชญาคือพื้นที่ทดลองไอเดียต่างๆ ในหัวแล้วล่ะก็ วิทยาศาสตร์ ก็คือการเอาความสงสัยนั้นลงมาวางบนโต๊ะทดลองเพื่อให้สามารถเข้าใกล้คำตอบได้มากที่สุดนั่นเอง โดยกระบวนการทางวิทยาศาสตร์แบบพื้นฐานมักเริ่มจาก
1. สังเกตอะไรบางอย่างแล้วสงสัย
2.ตั้งสมมติฐาน
3. ออกแบบการทดลอง
4. เก็บ–วิเคราะห์ข้อมูล
5. สรุป และเปิดให้คนอื่นตรวจสอบหรือโต้แย้งได้
วิทยาศาสตร์ไม่ได้บอกว่า “เรารู้ทุกอย่างแล้ว” แต่มองความรู้ทุกชุดว่าเป็นสิ่งที่ถูกในช่วงเวลา “ชั่วคราว” ตามหลักฐานที่มีอยู่ตอนนี้ เท่านั้น และพร้อมให้คำถามใหม่ ๆ มาท้าทายเสมอ
นักวิทยาศาสตร์หลายคนเริ่มจากคำถามง่าย ๆ ที่ไม่มีใครสนใจ แต่ไม่ยอมปล่อยผ่าน แล้วลงมือพิสูจน์อย่างเป็นระบบ คำถามเหล่านี้ไม่ได้จบลงแค่บทสนทนาระหว่างจิบกาแฟ แต่อาจกลายเป็นกฎฟิสิกส์ การแพทย์สมัยใหม่ และคอมพิวเตอร์ที่เราใช้กันทุกวันนี้เลยทีเดียว
ตัวอย่างคำถามเล็ก ๆ ที่เปลี่ยนโลก: จากกาลิเลโอ ถึงทัวริง
กาลิเลโอ กาลิเลอี เอากล้องโทรทรรศน์ส่องท้องฟ้าแล้วถามว่า “ถ้าดูดาวศุกร์ใกล้ ๆ ขึ้น มันมีหน้าตาอย่างไร?” สิ่งที่เขาเห็นคือ ดาวศุกร์มีการเปลี่ยนแปลงรูปร่างเหมือนดวงจันทร์คือมีแบบ เสี้ยว ครึ่งดวง เต็มดวง ซึ่งจะเกิดขึ้นได้ก็ต่อเมื่อมันโคจรรอบดวงอาทิตย์ เพราะการตั้งคำถามและการสังเกตนี้เองกลายเป็นหลักฐานสำคัญที่สนับสนุนระบบสุริยะแบบดวงอาทิตย์เป็นศูนย์กลาง แทนแบบเดิมที่เชื่อว่าโลกเป็นศูนย์กลาง
มารี คูรี เธอสงสัยว่าทำไมสารที่มียูเรเนียมบางชนิดถึง “แผ่รังสีแรงผิดปกติ” จากการทดลองอย่างเป็นระบบ ต่อมาเธอค้นพบธาตุใหม่คือ โพลโลเนียม และ เรเดียม จากแร่ยูเรเนียมที่มีความกัมมันตรังสีสูงมาก จากคำถามนี้ โลกเราเลยได้ทั้งฟิสิกส์นิวเคลียร์ เคมีรังสี ไปจนถึงการแพทย์รังสีสมัยใหม่
อลัน ทัวริง ในศตวรรษที่ 20 ระหว่างสงครามโลกครั้งที่สอง ทัวริงถามคำถามง่ายๆ ว่า “เครื่องจักรคิดได้ไหม?” หรือ “การคำนวณคืออะไรแน่ ๆ?” ไปจนถึง “ถ้าเครื่องตอบโต้เราเหมือนคนเลย เราควรถือว่ามัน “ฉลาด” หรือเปล่า?” สิ่งที่ตามมาคือแนวคิด Turing Machine เครื่องจักรสมมติที่อ่านและเขียนสัญลักษณ์บนเทปได้ทีละช่อง ซึ่งกลายเป็นโมเดลพื้นฐานของสิ่งที่เราเรียกว่า “คอมพิวเตอร์” ในปัจจุบัน และ Turing Test ที่จนวันนี้เรายังใช้เป็นกรอบคิดเวลาอยากถามว่า AI ฉลาดแค่ไหนกันแน่
ซึ่งในความเป็นจริงยังมีบุคคลสำคัญอีกมากมายที่ตั้งคำถามบางอย่างเพื่อต้องการจะพัฒนาคุณภาพชีวิตของมนุษย์ให้ดียิ่งขึ้นไป และจะเห็นว่า จุดเริ่มต้นของทั้งหมดไม่ใช่คำตอบยิ่งใหญ่ แต่คือคำถามที่ไม่ยอมปล่อยผ่านให้เป็นแค่ความคิดลอยๆ นั่นเอง
Note Trick : มาทดลองฝึกตั้งคำถามแบบ “วิทยาศาสตร์” แบบ Step by Step เพื่อให้ใช้ได้จริงในชีวิตประจำวันกันเถอะ
เราลองเอาความสงสัยที่มี มาฝึกกระบวนการ “คิดแบบนักวิทยาศาสตร์” แบบง่าย ๆ ด้วย Step by Step ด้านล่างนี้ ไม่ต้องมีห้องแล็บ แค่มีสมุดสักเล่ม กับความอยากรู้อยากเห็นก็เริ่มได้แล้ว
Step 1 : สังเกตสิ่งแปลก ๆ ที่เกิดขึ้นจริง โดยเลือกสิ่งที่ “สังเกตได้” ก่อน ไม่ใช่แค่ความรู้สึก เช่น
- แคมเปญโฆษณาบางตัว CTR สูงผิดปกติ
- ผู้ใช้กดยอมรับ Terms & Conditions โดยไม่อ่านทุกครั้ง
- คนใช้เวลากับ short-form video มากกว่าบทความยาว ๆ
Step 2 : แปลงให้เป็นคำถามที่ทดสอบได้
จากเหตุผลคำตอบง่ายๆ ประมาณว่า “คนชอบอะไรเบา ๆ ง่าย ๆ” (เชิงความรู้สึก) เราสามารถเปลี่ยนให้เป็นคำถามเชิงวิทยาศาสตร์เช่น “องค์ประกอบแบบไหนในคอนเทนต์ (ความยาว, visual, call-to-action) ที่ส่งผลต่อเวลาที่คนใช้บนหน้าเว็บมากที่สุด?”
Step 3 : ตั้งสมมติฐาน (Hypothesis)
ตั้งสมมุติฐานที่เป็นตัวอย่างเพื่อไว้ใช้ในการหาคำตอบ เช่น “ถ้าคลิปสั้นกว่า 30 วินาที และขึ้น text สรุปภายใน 3 วินาทีแรก คนจะดูจนจบมากกว่าคลิปยาว 1 นาทีที่ไม่มี text นำ” ซึ่งการตั้งสมมุติฐานจะช่วยให้เรามองเห็นว่าเรากำลังเชื่อในคำตอบอะไรอยู่ ก่อนที่จะเอาไปทดสอบ
Step 4 : ออกแบบการทดลองให้ยุติธรรม
ออกแบบและทดสอบแบบยุติธรรมที่สุด โดยไม่ลำเอียง หรือมีอคติแบบปักธงในคำตอบของตัวเอง สามารถทดลองได้หลายวิธีไม่ว่าจะเป็น แบ่งกลุ่มผู้ใช้แบบสุ่ม (A/B test) เปลี่ยนแค่ตัวแปรเดียว (เช่น ความยาวคลิป) หรือ เก็บข้อมูลให้พอ และระบุชัดว่าจะดูตัวเลขอะไร (เช่น watch time, completion rate)
Step 5 : ดูผล แล้วถามตัวเองซ้ำว่า “อ่านผลถูกไหม?”
เมื่อทดสอบแล้ว ผลลัพธ์ที่ได้อาจจะตรงตามสมมติฐานที่เราตั้งไว้ หรือไม่ตรงเลยจากที่เราคิดไว้ก็ได้ หากเราได้ทำการทดลองโดยปราศจากอคติ และเป็นกลาง ผลลัพธ์ที่ได้นั่นเป็นสิ่งที่พอจะเป็นคำตอบที่ดีที่สุดในช่วงเวลานั้นๆ ได้
Step 6: เปิดให้คนอื่นเข้ามาช่วย ‘แหก’ ผลลัพธ์
แชร์ผลลัพธ์กับทีม ให้เพื่อนร่วมงานหรือผู้เชี่ยวชาญคนอื่น ได้ร่วมตั้งคำถามต่อ หรือลองฟังในมุมมอง อื่นๆ นั่นแหละคือ “ความรู้” ที่จะให้สมมุติฐานของเราแข็งแรงขึ้นเรื่อย ๆ
วิทยาศาสตร์เลยไม่ใช่แค่ “ชุดของข้อเท็จจริง” แต่มันเป็นวัฒนธรรมของการตั้งคำถามและยอมให้สิ่งที่เราคิดว่าถูกถูกท้าทาย และหาคำตอบใหม่ๆ ได้ตลอดเวลา
เมื่อทุกคำตอบอยู่ในอินเทอร์เน็ต: จาก “ผู้หาคำตอบ” สู่ “ผู้ตั้งคำถามกับคำตอบ”
การมาของอินเทอร์เน็ตทำให้โลกเหมือนมีห้องสมุดขนาดยักษ์ที่เปิด 24 ชั่วโมงอยู่ในมือทุกคน เราต้องการค้นหาอะไรก็เจอคำตอบมากมาย ทั้งบทความ ข่าวสาร รูป คลิปวิดีโอ ไปจนถึงโพสต์ต่าง ๆ แต่โลกที่ “ทุกคำถามมีคำตอบบนเน็ต” ทุกอย่างก็พาเรามาถึงโจทย์ใหม่คือ
- ใช่ว่าคำตอบทุกอย่างจะถูกต้อง
- ใช่ว่าทุกแหล่งที่มาจะน่าเชื่อถือ
- และใช่ว่าทุกคำตอบจะไม่มีอคติซ่อนอยู่
อินเทอร์เน็ตเลยไม่เพียงทำให้เรา “หาคำตอบ” ง่ายขึ้นแต่บังคับให้เราต้องเก่งขึ้นในการตั้งคำถามกับคำตอบ เหล่านั้นด้วย ทำให้ทักษะอย่างการคิดเชิงวิพากษ์ (critical thinking) การมองหาสมมติฐาน และการระวังอคติ ซึ่งเคยถูกมองเป็นเรื่องของนักคิด นักปรัชญาแต่ก่อนนั้น วันนี้ได้กลายเป็นทักษะสำคัญ สำหรับคนทั่วไปที่เสพข้อมูลออนไลน์ในทุกวันนี้
Big Data, AI และโลกที่ “คำตอบมาไวเกินไป”
เมื่อผู้คนใช้แพลตฟอร์มดิจิทัลทุกวินาที โลกจึงผลิต Big Data ตลอดเวลา:
- ข้อความ โพสต์ แชต
- รูป ภาพวาด คลิปวิดีโอ
- ล็อกการใช้งานทุกคลิก ทุกการเลื่อนหน้าจอ
การรวมกันของ ข้อมูลขนาดใหญ่ (Big Data) + พลังประมวลผล + เทคนิค deep learning คือส่วนผสมที่ทำให้ปัญญาประดิษฐ์รุ่นใหม่อย่าง generative AI เกิดขึ้นได้จริง และโลกกำลังเดินไปสู่ยุคที่คำตอบ “มีพร้อม” และ “ถูกผลิตให้เรา” ตลอดเวลา คำถามเลยย้อนกลับมาหามนุษย์ว่า ในโลกแบบนี้ เราต้องเก่ง “จำคำตอบ” หรือเก่ง “ตั้งคำถาม” กันแน่?
AI เก่งตอบ แต่ “อยากรู้” ไม่เป็น
เรามักเผลอคิดว่า “AI ก็ตั้งคำถามได้นี่ มันก็ generate คำถามออกมาได้” จะว่าไปก็ใช่ที่ AI สร้างประโยคที่มีรูปแบบเป็นคำถาม ได้ แต่สิ่งนึงที่มัน ไม่มี (อย่างน้อยก็ในวันนี้นะ) คือ:
- ความรู้สึกคาใจ
- ความอยากรู้ในฐานะประสบการณ์ภายใน
- ความเชื่อมโยงระหว่างคำถามกับชีวิตจริงของตัวเอง
AI สามารถแสดงให้เห็นว่าสามารถทำแบบทดสอบเชิง “อ่านใจคน” ได้ดีในบางกรณี เช่น เข้าใจความเชื่อที่ผิดของตัวละคร หรือจับนัยบางอย่างในบทสนทนา แต่เมื่อบริบทซับซ้อนขึ้น หรือเปลี่ยนสถานการณ์เพียงเล็กน้อย ประสิทธิภาพของโมเดลก็อาจจะยังแกว่งและผิดพลาดได้ง่ายกว่ามนุษย์มาก พูดอีกแบบก็คือ AI เก่ง “เลียนแบบการให้เหตุผล” จาก pattern ของภาษาที่เคยเห็น แต่มันไม่เคยรู้สึกตื่นเต้นหรือปวดหัวกับคำถามนั้นจริง ๆ แบบที่มนุษย์รู้สึก
มนุษย์เวลาเจออะไรไม่เข้าใจ เราอาจนอนไม่หลับ คิดซ้ำไปซ้ำมา ความรู้สึกคาใจนี่แหละที่ผลักให้เราลองผิดลองถูก ลงมือทดลอง หรือแม้กระทั่งเปลี่ยนเส้นทางชีวิต เพราะ AI ไม่มี “ชีวิต” ของตัวเองให้เสี่ยง ไม่มีวัยเด็กให้แบก ไม่มีอัตลักษณ์อื่นๆ ให้ปกป้อง พื้นที่เหล่านี้ ยังเป็นสิ่งที่ AI เข้าไม่ถึงอย่างแท้จริง
AI ตอบได้ แต่เราต้อง “ตั้งคำถามกับคำตอบ”
แม้ AI จะน่าเชื่อถือขึ้นเรื่อย ๆ แต่ปรากฏการณ์ที่เรียกว่า Hallucination หรือการที่โมเดลตอบอะไรได้อย่างลื่นไหล มั่นใจ แต่ ผิด หรือ แต่งขึ้นเอง ก็ยังเป็นเรื่องที่ต้องให้ความสำคัญในปัจจุบัน
ดังนั้นทักษะที่เราต้องควรฝึกจึงไม่ได้มีแค่ตั้งคำถาม “เพื่อให้ AI ตอบ” แล้ว แต่รวมถึงการตั้งคำถามกลับไปยัง คำตอบ ที่เราได้กลับมาด้วย อย่างเช่น
- “คำตอบนี้ตั้งอยู่บนข้อมูลแบบไหน?”
- “มีสมมติฐานหรืออคติอะไรซ่อนอยู่?”
- “เราพอจะหาหลักฐานอื่นมาเทียบได้ไหม?”
บทบาทของมนุษย์จึงเปลี่ยนจากการเป็นแค่ “ผู้ค้นหาคำตอบ” มาเป็น “ผู้ตั้งคำถามกับคำตอบ” ที่ได้ทั้งคำตอบจากเว็บแบบเดิมๆ และคำตอบจาก AI และต้องเป็น “ผู้ที่มีความสงสัย และตั้งคำถามอยู่เสมอ” ไม่ใช่แค่ “ผู้บริโภคคำตอบ” เพราะไม่อย่างนั้น เราก็จะโดนกระแสข้อมูลและอัลกอริทึมพาเราไปในทิศทางที่คนอื่นกำหนดได้นั่นเอง
ทักษะมนุษย์ที่ AI ยังเทียบไม่ได้ (และจริง ๆ ควรทำงานด้วยกัน)
AI วันนี้เก่งในงานที่เป็น pattern-based : วิเคราะห์ข้อมูลจำนวนมหาศาล เขียนโค้ด สรุปข้อความ จัดหมวดหมู่ แต่นั่นไม่ได้แปลว่าทักษะมนุษย์ไร้ค่า ตรงกันข้ามเลย ทักษะบางอย่างของมนุษย์กลับเด่นขึ้นด้วยซ้ำ เช่น
- Critical thinking : กล้าตั้งคำถามกับสมมติฐานของตัวเองและของระบบ
- Curiosity : ความอยากรู้อยากเห็นที่ไม่ได้มีเป้าหมายแค่ผลลัพธ์ แต่เป็นความสุขจากการเรียนรู้เอง
- Creative problem-solving : การหยิบของเก่า ๆ มาต่อยอดเป็นของใหม่ที่ไม่มีอยู่ในฐานข้อมูล
- Emotional intelligence (EQ) : รู้เท่าทันอารมณ์ตัวเองและคนอื่น อ่านบรรยากาศในสถานการณ์นั้นๆออก
Ethical judgment : คิดเรื่อง “ควร–ไม่ควร” ในบริบทสังคม วัฒนธรรม และมนุษย์จริง ๆ ไม่ใช่แค่ในเชิงตรรกะ
แล้วเราจะวางความสัมพันธ์ระหว่าง ‘มนุษย์–AI’ แบบไหน?
มุมมองหนึ่งที่ช่วยให้เราไม่รู้สึกว่ากำลังจะถูกแทนที่ คือแนวคิด IA – Intelligence Augmentation คือการมองว่า AI ไม่ได้เกิดมาเพื่อแทนที่ความฉลาดของมนุษย์ แต่ถูกสร้างมาเพื่อ เสริมพลัง ให้มนุษย์คิดได้ลึกขึ้น ไกลขึ้น และกว้างขึ้นกว่าเดิมนั่นเอง จากคำถามที่เรามักจะถามกันเล่นๆ (หรืออาจจริง) ว่า “ต่อไป AI จะทำแทนเราหมดไหม?” เราควรต้องเปลี่ยนมาเป็น “เราอยากให้ AI ‘เสริม’ ความสามารถอะไรของเราบ้าง?”
IA Mindset จึงไม่ใช่แค่เทคนิค แต่เป็นท่าทีที่เรามีต่อเทคโนโลยีต่างหาก โดยวางให้ AI คือ เครื่องมือขยาย “ระยะมองเห็น” ของเรา และช่วยในการ “สำรวจความเป็นไปได้” แต่เรื่องของการกำหนด “ทิศทาง” และการตัดสินใจว่าอะไรมีความหมาย อะไรสมควรเกิดขึ้นจริง ก็ยังคงเป็นงานของมนุษย์เราอยู่นั่นเอง
Note Trick : มาฝึกตั้งคำถามแบบยุค AI ให้ใช้เครื่องมือเก่ง แต่ไม่ยอมยกสมองให้มันกันเถอะ
ณ ตอนนี้ AI มีบทบาทกับพวกเราทุกคน ดังนั้นการฝึกตั้งคำถามนี้ ก็สามารถแบบเอาไปใช้ได้เลยไม่ว่าคุณจะเป็นนักเรียน นักการตลาด นักออกแบบ หรือผู้บริหารก็ตาม
Step 1: ถามตัวเองก่อนถาม AI – ฉันกำลังพยายามรู้อะไรแน่ ๆ?
ก่อนเปิดแชต AI ลองตอบให้ตัวเองก่อนว่า:
- เราคือใครในบริบทนี้ (นักวิจัย, นักการตลาด, คนกำลังตัดสินใจเรื่องการเงิน ฯลฯ)
- เรากำลังพยายามแก้ปัญหาอะไร
- เราต้องใช้คำตอบไปทำอะไรต่อ
แค่เขียน 3–4 บรรทัดให้ตัวเองก่อน เราจะตั้งคำถามได้เฉียบกว่าการพิมพ์ว่า “ช่วยคิดให้หน่อย”
Step 2: ตั้งคำถามแบบให้ “โจทย์ที่ครบ” ไปเลย ไม่ใช่ถามลอย ๆ
แทนที่จะถามว่า “ช่วยเขียนกลยุทธ์การตลาดให้หน่อย” ให้เปลี่ยนเป็นการเพิ่มรายละเอียดให้กับสิ่งที่ต้องการมากขึ้นอย่าง “ในฐานะที่ฉันเป็นนักการตลาดของแบรนด์ ___ กลุ่มเป้าหมายคือ ___ พฤติกรรมหลักคือ ___ ข้อจำกัดคือ ___ (งบ/ช่องทาง/เวลา) ช่วยเสนอทางเลือก 3 แบบ พร้อมอธิบายสมมติฐานเกี่ยวกับผู้บริโภคของแต่ละแบบ และระบุด้วยว่าแบบไหนเสี่ยงที่สุด ปลอดภัยที่สุด และเพราะอะไร”
การลงรายละเอียดแบบนี้จะช่วยให้เราไม่ได้แค่ขอคำตอบที่สำเร็จรูป แต่เราให้ AI ช่วยเปิดแผนที่ความเป็นไปได้ภายใต้โจทย์จริงของเรามากกว่า
Step 3 : อย่าเชื่อทันที ให้เราตั้งคำถาม “กับคำตอบ” อีกหนึ่งรอบ
เมื่อได้คำตอบมาแล้ว ให้ถือว่า นี่คือ “ชุดข้อมูลสมมติฐานหนึ่งชุด” ไม่ใช่ความจริงสูงสุด แล้วเราลองถามกลับไปว่า “คำตอบนี้ตั้งอยู่บนสมมติฐานอะไรบ้าง?” หรือ “มีอะไรที่มันยังไม่พูดถึงเลย?” หรือ “ช่วยลองโต้แย้งคำตอบนี้ในมุมที่แย่ที่สุดให้ฟังหน่อย” การพยายามตั้งคำถามกับคำตอบที่ได้ จะช่วยให้ AI ทำตัวเป็น “โสเครติสดิจิทัล” ที่ตั้งคำถามกับตัวเองแทนที่จะเป็นแค่แฟนคลับไอเดียของเรา ที่อวยเพียงอย่างเดียว
Step 4 : เทียบกับประสบการณ์จริงกับแหล่งข้อมูลอื่นๆ
ให้ลองเช็กกับทีม เพื่อนร่วมงาน ลูกค้า หรือข้อมูลตลาดจริง หรือถามตัวเองกลับเกี่ยวกับคำตอบที่ได้เช่น “สิ่งนี้เข้ากับบริบทบ้านเราไหม?” หรือ “มันใช่กับ insight จากของจริงที่เราเคยเห็นหรือเปล่า?”
แม้ AI เก่งมากในการสังเคราะห์ pattern จากข้อมูล แต่คนที่รู้จัก “โลกจริงรอบตัวเรา” ดีที่สุด คือเรานั่นเอง
Step 5: ใช้ AI เพื่อคิด “ลึกขึ้น” ไม่ใช่แค่ “เร็วขึ้น”
ลองใช้คำถามเพื่อเพิ่มมุมมองต่อสิ่งที่เรากำลังค้นหาให้มากขึ้น เช่น “มีคำถามอะไรที่ฉันควรถามต่อจากนี้ แต่ยังไม่ได้ถาม?” หรือ “อะไรคือความเสี่ยงระยะยาวที่ฉันมองไม่เห็น?” หรือ “ช่วยออกแบบคำถาม 5 ข้อ ที่ฉันควรถามทีม ก่อนจะตัดสินใจใช้กลยุทธ์นี้” ซึ่งเป็นการทำให้สิ่งที่เรากำลังค้นหามีมุมมองที่หลากหลาย และครอบคลุม รวมถึงได้มิติคำตอบที่ลึกขึ้น
Step 6: บอกตัวเองทุกครั้งว่า “คุณคือผู้สร้างคำถาม” ไม่ใช่แค่ “ผู้บริโภคคำตอบ” สุดท้าย ต่อให้ AI ฉลาดกว่านี้อีกกี่รุ่นมันก็ยังไม่รู้ว่า
- แคมเปญแบบไหนที่ “ควรถูกสร้างขึ้น” ไม่ใช่แค่ “สร้างได้” ช่น แคมเปญที่อาจขายดี แต่ทำให้ภาพลักษณ์แบรนด์หรือสังคมเสียหายระยะยาว
- อะไรคือ “ข้อห้ามทางจริยธรรม” ของแบรนด์เรา ซึ่งมีแต่เราเท่านั้นที่รู้ว่าจุดไหนคือการใช้ Data, Dark Pattern หรือ Emotional Trigger ที่เริ่มไม่เป็นธรรมกับผู้บริโภค ถึงแม้ AI จะบอกว่า “conversion ดีมาก” ก็ตาม
- เราอยากให้แบรนด์ของเราทิ้ง “ร่องรอยแบบไหน” ไว้ในใจคน แม้ว่า AI ช่วยปรับจูนข้อความให้คลิกได้ เสียงดังได้ แต่มันไม่รู้หรอกว่า แบรนด์นี้ควรเป็นเพื่อนที่จริงใจ ที่ปรึกษาที่ไว้ใจได้ หรือแค่เครื่องจักรปั่นยอดขาย
สิ่งเหล่านี้ ไม่มีโมเดลไหนคิดแทนเราได้ ต่อให้มันช่วยวาง media plan หรือเขียน copy เก่งขนาดไหนก็ตาม
สิ่งที่ไม่เคยหายไปจากประวัติศาสตร์มนุษย์คือ ความสงสัย และความกล้าตั้งคำถามกับสิ่งที่ทุกคนคิดว่า ‘มันก็เป็นแบบนี้แหละ’ ในโลกที่ข้อมูลไหลท่วมทุกหน้าจอ AI สามารถตอบเราได้แทบทุกอย่างในไม่กี่วินาที บทบาทของเราเลยไม่ใช่การพยายามจำให้เก่งกว่าเครื่องมือ แต่มันคือการเลือกว่าจะถามอะไร ตั้งคำถามกับคำตอบแบบไหนและจะใช้คำตอบเหล่านั้นไปสร้างชีวิตและสังคมในทิศทางไหน มากกว่า
วันนี้ เราต้องเป็น “ผู้สร้างคำถาม” ไม่ใช่แค่ “ผู้บริโภคคำตอบ” ตราบใดที่เรายังรักษาความสามารถในการ สงสัย ตั้งคำถาม และคิดทบทวน เอาไว้ได้ พลังของมนุษย์ก็ยังไม่หายไปไหน และอาจยิ่งสำคัญขึ้นในโลกที่คำตอบมีอยู่เต็มไปหมด จนเราต้องเลือกว่า จะเชื่ออะไร และจะเดินไปทางไหนด้วยคำตอบเหล่านั้นนั่นเอง
และในโลกที่ AI พร้อมผลิตคำตอบให้คุณเสมอ งานของเรา TWF Agency จึงไม่ใช่แค่ “ช่วยคิดไอเดียแคมเปญทางการตลาด”เพียงเท่านั้น แต่คือพวกเราช่วยลูกค้าตั้งคำถามที่ใช่และตอบโจทย์ตั้งแต่ต้น หากคุณต้องการต่อยอดสู่โอกาสทางการตลาดใหม่ ๆ เราพร้อมเป็นพาร์ตเนอร์ที่ช่วยออกแบบ สร้างสรรค์ แคมเปญต่างๆ พวกเราประยุกต์ และใช้เครื่องมือ AI อย่างฉลาดโดยไม่หลงไปกับคำตอบสำเร็จรูป เพื่อช่วยให้แบรนด์ของคุณสามารถสร้างแคมเปญ ที่มีประสบการณ์ที่มีความหมายต่อผู้คนจริง ๆ สนใจติดต่อเราได้ที่ https://bit.ly/4q2TE2O หรือดูบริการอื่น ๆ เพิ่มเติมได้ที่ https://bit.ly/4sdW93D