ຫຼັກການບູຮານທີ່ສາມາດຊ່ວຍເຮົາຊອກຫາ AI Fakes

(SeaPRwire) –   ທ່ານບໍ່ຈຳເປັນຕ້ອງມີເຕັກໂນໂລຢີຂັ້ນສູງເພື່ອຫຼອກລວງຄົນທາງອອນລາຍ. ພວກ​ເຮົາ​ໄດ້​ສະ​ແດງ​ໃຫ້​ນັກ​ຮຽນ​ມັດ​ທະ​ຍົມ​ປາຍ​ຫຼາຍ​ກວ່າ 3,000 ຄົນ​ເບິ່ງວິດີໂອ​ທີ່​ບໍ່​ຊັດ​ຂອງ​ພະນັກງານ​ປ່ອນ​ບັດ​ກຳລັງ​ຖິ້ມ​ບັດ​ເລືອກ​ຕັ້ງ​ເພື່ອ​ໂກງ​ການ​ເລືອກ​ຕັ້ງ. ຄຳບັນຍາຍທີ່ຕິດມາ, ຂຽນເປັນຕົວໜັງສືສີແດງ ແລະ ໂຕໃຫຍ່, ກໍພຽງພໍທີ່ຈະຫຼອກລວງນັກຮຽນໃຫ້ເຊື່ອວ່າເກີດການສໍ້ໂກງການປ່ອນບັດໃນສະຫະລັດ—ເຖິງແມ່ນວ່າພາບດັ່ງກ່າວຈະມາຈາກປະເທດຣັດເຊຍ. ມີພຽງແຕ່ນັກຮຽນສາມຄົນເທົ່ານັ້ນທີ່ຮູ້ເລື່ອງນີ້.

ພວກ​ເຮົາ​ໄດ້​ໂຕ້​ຖຽງ​ມາ​ດົນ​ນານ​ວ່າ “cheap fakes” (ວິດີໂອປອມແປງແບບງ່າຍດາຍ) ເປັນອັນຕະລາຍກວ່າ “deepfakes” (ວິດີໂອປອມແປງທີ່ສັບຊ້ອນ): ເກືອບມີປະສິດທິພາບເທົ່າກັນ ແຕ່ສ້າງໄດ້ງ່າຍກວ່າຫຼາຍ. ໃນການເລືອກຕັ້ງທີ່ຜ່ານມາ, ເຖິງແມ່ນວ່າມີເຄື່ອງມື AI ໃຫ້ຄົນທົ່ວໄປໃຊ້, ແຕ່ມັນແມ່ນວິດີໂອທີ່ຖືກຕັດຕໍ່ດ້ວຍ “digital duct tape” (ການຕັດຕໍ່ແບບງ່າຍດາຍ) ທີ່ກາຍເປັນຫົວຂໍ້ຖົກຖຽງກ່ຽວກັບຄວາມເໝາະສົມຂອງປະທານາທິບໍດີ Joe Biden ໃນການຮັບໃຊ້ໜ້າທີ່.

ດຽວນີ້, ຍຸກຂອງ “cheap fakes” ກຳລັງຈະສິ້ນສຸດລົງ. ວິດີໂອປອມທີ່ສ້າງຂຶ້ນດ້ວຍເຄື່ອງມືວິດີໂອໃໝ່ໆ ໄດ້ສ້າງພື້ນທີ່ຂໍ້ມູນຂ່າວສານທີ່ອັນຕະລາຍຍິ່ງຂຶ້ນ. ຂໍຂອບໃຈຜະລິດຕະພັນຕ່າງໆ ເຊັ່ນ Google’s Veo 3, OpenAI’s Sora 2, ແລະ Meta’s Vibes, ຂໍ້​ມູນ​ທີ່​ສ້າງ​ໂດຍ AI (AI slop) ດຽວນີ້​ງ່າຍ​ຕໍ່​ການ​ສ້າງ​ຈົນ​ວ່າ​ມັນ​ກຳລັງ​ແຜ່​ລາມ​ໄປ​ທົ່ວ​ໜ້າຈໍ​ຂອງ​ພວກ​ເຮົາ, ໂດຍ​ການ​ຊ່ວຍເຫຼືອ​ຈາກ​ເວທີ​ຕ່າງໆ​ທີ່​ຫຼີກລ້ຽງ​ຄວາມ​ຮັບຜິດຊອບ. ເພື່ອ​ນຳທາງ​ໃນ​ອິນເຕີເນັດ​ປັດຈຸບັນ, ພວກ​ເຮົາ​ຈຳເປັນ​ຕ້ອງ​ໄດ້​ຮັບ​ຄຳ​ແນະນຳ​ຈາກ​ປັນຍາ​ບູຮານ: ການ​ເນັ້ນໜັກ​ທີ່​ເກົ່າ​ແກ່​ຂອງ​ສາສະໜາ​ອິດສະລາມ, ສາສະໜາ​ຢິວ, ສາສະໜາ​ພຸດ, ແລະ​ສາສະໜາ​ອື່ນໆ ທີ່​ໃຫ້​ຄວາມ​ສຳຄັນ​ຕໍ່​ຊື່ສຽງ.

ຊາວມຸດສະລິມທີ່ເຄົາລົບສັດທາ ຈະຕິດຕາມຄໍາສອນຂອງ Muhammad ຜ່ານ “ລະບົບການເລົ່າສືບຕໍ່ກັນມາ” ຫຼື “isnad.” ຊາວຢິວທີ່ເຄົາລົບສັດທາ ຈະຕີຄວາມໝາຍຄໍາສອນ Talmudic ໃນສະພາບການຂອງ Rabbi ທີ່ໄດ້ກ່າວຄໍາສອນນັ້ນ. ຊາວພຸດທິເບດ ຈະຖ່າຍທອດຄໍາສອນດ້ວຍການປາກເປົ່າຕາມສາຍເຊື້ອສາຍຕັ້ງແຕ່ພຣະພຸດທະເຈົ້າຈົນເຖິງປັດຈຸບັນ. ທຸກປະເພນີເຫຼົ່ານີ້ ຊຸກຍູ້ໃຫ້ພວກເຮົາພິຈາລະນາຂໍ້ມູນ, ແຕ່ພຽງແຕ່ ຫຼັງຈາກ ທີ່ພວກເຮົາໄດ້ຕິດຕາມມັນກັບຄືນໄປຫາແຫຼ່ງກໍາເນີດ ແລະ ປະເມີນຊື່ສຽງຂອງນັກປາດທີ່ຢູ່ເບື້ອງຫຼັງມັນ.

ຊື່ສຽງຍັງມີຄວາມສໍາຄັນໃນສະພາບການທາງໂລກເຊັ່ນກັນ: ມັນແມ່ນກົນໄກທີ່ພວກເຮົາໃຊ້ໃນການຕັດສິນໃຈເມື່ອພວກເຮົາຂາດຄວາມຮູ້ ແລະ ຄວາມຊໍານານ. ພວກເຮົາອີງໃສ່ຊື່ສຽງເມື່ອເລືອກນັກບໍາບັດ ຫຼື ຊ່າງປະປາ, ຮ້ານອາຫານທີ່ຈະໄປ ຫຼື ໂຮງແຮມທີ່ຈະຈອງ. ພວກເຮົາຖາມຄົນທີ່ພວກເຮົາໄວ້ໃຈ ແລະ ປຶກສາຄໍາວິຈານ ເພາະພວກເຮົາຮັບຮູ້ວ່າບໍ່ມີໃຜມັກຈະເປີດເຜີຍຂໍ້ບົກຜ່ອງ ຫຼື ເຈດຕະນາທີ່ແອບແຝງຂອງຕົນເອງ.

ຊື່ສຽງມີຄວາມສຳຄັນຫຼາຍໃນຫຼາຍໆດ້ານຂອງຊີວິດເຮົາ. ແລ້ວເປັນຫຍັງ, ໃນອິນເຕີເນັດ, ຄົນສ່ວນໃຫຍ່ຈຶ່ງບໍ່ສົນໃຈມັນ?

ການຄົ້ນຄວ້າຂອງພວກເຮົາໄດ້ທົດສອບຄວາມສາມາດຂອງຄົນໜຸ່ມສາວຫຼາຍພັນຄົນໃນການປະເມີນຂໍ້ມູນອອນລາຍ. ເທື່ອແລ້ວເທື່ອອີກ, ພວກເຮົາໄດ້ເຫັນພວກເຂົາຕັດສິນເນື້ອໃນໂດຍບໍ່ຄໍານຶງເຖິງແຫຼ່ງທີ່ມາ. ນັກຮຽນຄົນໜຶ່ງຈາກເຂດຊົນນະບົດຂອງລັດ Ohio ໄດ້ເຊື່ອວິດີໂອການສໍ້ໂກງການປ່ອນບັດ ເພາະພວກເຂົາຄິດວ່າຕາເປົ່າຂອງພວກເຂົາສາມາດກວດຈັບ “ການສໍ້ໂກງໃນຫຼາຍລັດທີ່ແຕກຕ່າງກັນ” ໄດ້. ນັກຮຽນຄົນໜຶ່ງຈາກລັດ Pennsylvania ຂຽນວ່າວິດີໂອດັ່ງກ່າວຢ່າງຈະແຈ້ງ “ສະແດງໃຫ້ເຫັນຄົນກຳລັງໃສ່ຄະແນນປອມເຂົ້າໄປໃນກ່ອງ.”

ຮູບແບບດຽວກັນນີ້ໄດ້ຖືກເພີ່ມຄວາມແຮງຂຶ້ນເມື່ອເວົ້າເຖິງ AI. ຄູສອນຄົນໜຶ່ງທີ່ໄດ້ແບ່ງປັນປະສົບການຂອງຕົນເອງ ໄດ້ເລົ່າວ່າໄດ້ຖາມນັກຮຽນຄົນໜຶ່ງວ່າພວກເຂົາຮູ້ໄດ້ແນວໃດວ່າຂໍ້ມູນຈາກ ChatGPT ນັ້ນຖືກຕ້ອງ. ນັກຮຽນຄົນນັ້ນໄດ້ເອົາໂທລະສັບຍັດໃສ່ໜ້າຄູ: “ເບິ່ງ, ມັນຂຽນຢູ່ບ່ອນນີ້ແລ້ວ!” ການສຶກສາທົດລອງຂອງພວກເຮົາໃນຫ້ອງຮຽນມັດທະຍົມປາຍ ແລະ ມະຫາວິທະຍາໄລ ສະແດງໃຫ້ເຫັນທ່າອ່ຽງທີ່ຄ້າຍຄືກັນ: ນັກຮຽນຈໍານວນຫຼາຍເຊື່ອໝັ້ນໃນ AI chatbots, ເຖິງແມ່ນວ່າ AI chatbots ເຫຼົ່ານັ້ນຈະລະເວັ້ນຂໍ້ມູນກ່ຽວກັບແຫຼ່ງທີ່ມາຂອງຂໍ້ມູນກໍຕາມ.

ຜູ້ໃຊ້ອິນເຕີເນັດຫຼາຍເກີນໄປບໍ່ໄດ້ພິຈາລະນາຊື່ສຽງ ຫຼື ສັບສົນສິ່ງທີ່ເບິ່ງຄືເວັບໄຊທີ່ເປັນທາງການ ຫຼື ໂພສທີ່ແບ່ງປັນກັນຢ່າງກວ້າງຂວາງ ວ່າມັນເປັນແຫຼ່ງທີ່ໄດ້ຮັບການກວດສອບແລ້ວ ແທນທີ່ຈະເປັນບົດລາຍງານທີ່ມີຂໍ້ບົກພ່ອງ. ເມື່ອຄົນພະຍາຍາມປະເມີນຊື່ສຽງ, ພວກເຂົາຖືກຊັກຈູງໂດຍສັນຍານທີ່ສາມາດຫຼອກລວງໄດ້ງ່າຍທີ່ສະໜອງໃຫ້ໂດຍແຫຼ່ງຂໍ້ມູນເອງ: ໂດເມນທີ່ເປັນມືອາຊີບ, ພາສາທີ່ຟັງຄືເປັນທາງການຢູ່ໃນໜ້າ “ກ່ຽວກັບ”, ປະລິມານຂອງຂໍ້ມູນໂດຍບໍ່ຄໍານຶງເຖິງຄຸນນະພາບຂອງມັນ, ຫຼື ຄວາມຮູ້ສຶກຈາກສັນຊາດຕະຍານກ່ຽວກັບວ່າບາງສິ່ງບາງຢ່າງນັ້ນເປັນແນວໃດ.

ລັກສະນະເຫຼົ່ານີ້ເຫຼື້ອມເປັນເງົາຄືຄຳປອມ. ທຸກຄົນສາມາດໄດ້ຮັບໂດເມນທີ່ເບິ່ງຄືມີອໍານາດ, ລວມທັງກຸ່ມທີ່ກຽດຊັງ. ເວັບໄຊການປະຕິເສດ Holocaust ອ້າງໃນໜ້າກ່ຽວກັບຂອງພວກເຂົາວ່າ “ໃຫ້ຂໍ້ມູນຕາມຄວາມຈິງ.” ໂພສທີ່ມີຕາຕະລາງທີ່ສວຍງາມກໍສາມາດບັນຈຸຂໍ້ມູນທີ່ບໍ່ຖືກຕ້ອງເປັນພິດໄດ້. ແລະ ລາຍງານຊີ້ໃຫ້ເຫັນວ່າ AI ມີຄວາມສົມຈິງຈົນວ່າມັນບັງຄັບໃຫ້ພວກເຮົາສົງໄສຄວາມຮູ້ສຶກຂອງຕົນເອງ: ຕັ້ງແຕ່ສຽງປອມທີ່ຟັງຄືພໍ່ແມ່ຂອງພວກເຮົາ ຈົນເຖິງຮູບພາບທີ່ສົມຈິງເກີນຈິງຂອງໄຟໄໝ້ທີ່ກຳລັງກືນກິນ Seattle’s Space Needle.

ພູມສັນຖານຂໍ້ມູນຂ່າວສານນີ້ສະເໜີທາງເລືອກທີ່ບໍ່ມີໃຜຊະນະລະຫວ່າງການຍອມຈຳນົນ ແລະ ການຖືເອົາຕົນເອງເປັນສູນກາງ: ບໍ່ສົນໃຈວ່າອັນໃດເປັນຄວາມຈິງ, ຫຼື ຢືນຢັນວ່າບໍ່ມີຫຍັງເປັນຄວາມຈິງ. ທາງເລືອກທໍາອິດເຮັດໃຫ້ພວກເຮົາມີຄວາມສ່ຽງຕໍ່ຜູ້ກະທໍາຜິດທີ່ໃຊ້ອີງວິດີໂອທີ່ສົມຈິງເປັນອາວຸດ. ທາງເລືອກທີສອງເຮັດໃຫ້ພວກເຮົາຂາດຂໍ້ມູນທີ່ດີ. ທັງສອງທາງເລືອກຕ່າງກໍເຊື່ອມໂຊມຄວາມເປັນພົນລະເມືອງທີ່ມີຂໍ້ມູນໃນຊ່ວງເວລາທີ່ຂໍ້ມູນດັ່ງກ່າວມີໜ້ອຍ.

ນີ້ຄືສິ່ງທີ່ພວກເຮົາສາມາດເຮັດໄດ້: ແທນທີ່ຈະສຸມໃສ່ເນື້ອໃນເອງ, ກ່ອນອື່ນໝົດໃຫ້ຖາມວ່າໃຜຢູ່ເບື້ອງຫຼັງມັນ, ຄືກັນກັບປະເພນີທາງສາສະໜາທີ່ພິຈາລະນາຄໍາສອນໃນບໍລິບົດຂອງຜູ້ທີ່ກ່າວມັນ.

ແລະ ເມື່ອນໍາໃຊ້ຢ່າງມີທັກສະ, ເຄື່ອງມືທີ່ຫຼອກລວງພວກເຮົາເຫຼົ່ານັ້ນ ກໍສາມາດຊ່ວຍພວກເຮົາໃຫ້ຫຼຸດພົ້ນອອກຈາກບັນຫານີ້ໄດ້. ບໍ່ແມ່ນໂດຍການມອບໝາຍການຄິດຂອງພວກເຮົາໃຫ້ເຕັກໂນໂລຢີ—ແຕ່ໂດຍການໃຊ້ເຕັກໂນໂລຢີເພື່ອສ້າງຕັ້ງຊື່ສຽງ ແລະ ເຮັດໃຫ້ການຄິດຂອງພວກເຮົາຄົມຂຶ້ນ.

ນັກຮຽນສາມຄົນທີ່ຮູ້ວ່າວິດີໂອການສໍ້ໂກງການປ່ອນບັດນັ້ນມາຈາກປະເທດຣັດເຊຍ ບໍ່ໄດ້ໃຊ້ເຕັກນິກທີ່ສະຫຼັບສັບຊ້ອນໃດໆ. ພວກເຂົາພຽງແຕ່ເປີດແຖບໃໝ່, ພິມຄໍາຄົ້ນຫາສອງສາມຄໍາ, ແລະພົບເຫັນບົດຄວາມຈາກແຫຼ່ງທີ່ເຊື່ອຖືໄດ້ເຊັ່ນ BBC ແລະ Snopes ທີ່ໄດ້ເປີດເຜີຍຄວາມຈິງຂອງມັນ. ແລະດ້ວຍຄໍາແນະນໍາທີ່ສະຫຼາດສ່ອງໃສ່ກ່ຽວກັບວິທີການເຮັດວຽກຂອງ LLMs ແລະວິທີການສ້າງຄໍາສັ່ງ (prompts) ໃຫ້ມີປະສິດທິພາບ, AI ສາມາດຊ່ວຍເຫຼືອໃນການກວດສອບໂພສຕ່າງໆໃນສື່ສັງຄົມອອນລາຍ ແລະ ສະເໜີບໍລິບົດທີ່ຂາດຫາຍໄປໄດ້.

ເຄື່ອງມື AI ທີ່ສໍາຄັນຕ່າງໆ ມີຄໍາເຕືອນທີ່ແຈ້ງໃຫ້ຜູ້ໃຊ້ກວດສອບຂໍ້ມູນ. “Gemini ສາມາດເຮັດຜິດພາດໄດ້, ສະນັ້ນກວດສອບມັນອີກຄັ້ງ,” Google ກ່າວ. “ChatGPT ສາມາດເຮັດຜິດພາດໄດ້. ກວດສອບຂໍ້ມູນທີ່ສໍາຄັນ,” OpenAI ແນະນໍາ. ແຕ່ຕັ້ງແຕ່ Generation Alpha ຈົນເຖິງໄວຜູ້ສູງອາຍຸ, ເກືອບທຸກຄົນມີຄວາມຫຍຸ້ງຍາກໃນການກວດສອບຂໍ້ມູນທີ່ພວກເຂົາພົບ.

ຂ່າວດີຄືພວກເຮົາທຸກຄົນສາມາດດີຂຶ້ນໄດ້. ແມ່ນແຕ່ການສອນພຽງສອງສາມຊົ່ວໂມງກ່ຽວກັບວິທີການປະເມີນຊື່ສຽງ ກໍສາມາດສ້າງຄວາມແຕກຕ່າງໄດ້—ດັ່ງທີ່ພວກເຮົາໄດ້ເຫັນໃນການສຶກສາທີ່ພວກເຮົາໄດ້ດໍາເນີນການທຸກບ່ອນຕັ້ງແຕ່ຫ້ອງຮຽນມັດທະຍົມປາຍໃນ ແລະ ຈົນເຖິງຫຼັກສູດມະຫາວິທະຍາໄລໃນ ແລະ . ກ່ອນໜ້ານີ້, ນັກຮຽນເຊື່ອຕາຂອງຕົນເອງເພື່ອຊອກຫາວ່າບາງສິ່ງບາງຢ່າງໜ້າເຊື່ອຖືຫຼືບໍ່. ຫຼັງຈາກນັ້ນ, ພວກເຂົາໄດ້ຮຽນຮູ້ວິທີການຄິດໄລ່ຊື່ສຽງຂອງແຫຼ່ງຂໍ້ມູນ. ການສຶກສາໃນ , , ,  ແລະ ໄດ້ພົບເຫັນຜົນໄດ້ຮັບທີ່ເປັນບວກຄືກັນ.

ເມື່ອພວກເຮົາບໍ່ສາມາດແຍກແຍະເນື້ອຫາທີ່ແທ້ຈິງອອກຈາກເນື້ອຫາທີ່ສ້າງໂດຍ AI ໄດ້ອີກຕໍ່ໄປ, ມັນສາມາດຮູ້ສຶກຄືກັບວ່າມັນເປັນການເສຍເວລາຢ່າງສິ້ນເຊີງທີ່ຈະພະຍາຍາມຕັດສິນໃຈວ່າຈະເຊື່ອອັນໃດ. ແຕ່ພວກເຮົາສາມາດຮັບມືກັບລະບົບນິເວດຄວາມຮູ້ໃນປັດຈຸບັນໄດ້ດີຂຶ້ນ ໂດຍການເນັ້ນໜັກອີກເທື່ອໜຶ່ງໃສ່ບົດຮຽນບູຮານ: ຄວາມສຳຄັນຂອງຊື່ສຽງ.