พรอมต์เดียวกัน ศีลธรรมต่างกัน: แบบจำลอง AI ชั้นนำแตกต่างกันในภาวะกลืนไม่เข้าคายไม่ออกทางจริยธรรมอย่างไร
ในยุคที่ปัญญาประดิษฐ์ (AI) ก้าวหน้าอย่างรวดเร็ว แบบจำลอง AI ชั้นนำหรือที่เรียกว่า “frontier models” เช่น GPT-4o, Claude 3.5 Sonnet และ Gemini 1.5 Pro ได้รับการพัฒนาให้มีความสามารถสูงสุดในหลายด้าน อย่างไรก็ตาม คำถามสำคัญยังคงค้างคาใจว่าพวกมันมี “ศีลธรรม” หรือค่านิยมทางจริยธรรมที่สอดคล้องกันหรือไม่ นักวิจัยจาก Palisade Research ได้ทำการทดสอบโดยใช้พรอมต์เดียวกัน 100 ข้อที่เป็นภาวะกลืนไม่เข้าคายไม่ออกทางจริยธรรม (ethical dilemmas) กับแบบจำลอง AI 7 แบบ เพื่อสำรวจความแตกต่างในพฤติกรรมการตอบสนอง
การทดสอบนี้ครอบคลุมสถานการณ์หลากหลาย เช่น การโกหกเพื่อปกป้องผู้อื่น การขโมยยารักษาโรคเพื่อช่วยชีวิต หรือการตัดสินใจในสถานการณ์รถไฟฟ้าถาก (trolley problem) ที่ปรับให้ซับซ้อนยิ่งขึ้น พรอมต์เหล่านี้ถูกออกแบบให้เป็นกลางและไม่บอกใบ้คำตอบที่ถูกต้อง เพื่อวัดว่าทุกแบบจำลองจะตีความและตอบสนองอย่างไรเมื่อเผชิญหน้ากับความขัดแย้งทางจริยธรรม
ผลการทดสอบ: ความแตกต่างที่ชัดเจนและน่าประหลาดใจ
ผลลัพธ์เผยให้เห็นความแตกต่างอย่างมาก โดยแบบจำลองแต่ละตัวให้คำตอบที่ขัดแย้งกันในอัตราสูงถึง 62% ของกรณีทั้งหมด แม้จะใช้พรอมต์เดียวกันทุกประการ ไม่มีแบบจำลองตัวใดที่แสดงผลลัพธ์ “ดีที่สุด” อย่างสม่ำเสมอ และบางตัวเลือกที่จะปฏิเสธการตอบสนองในสถานการณ์ที่ละเอียดอ่อน ในขณะที่ตัวอื่นๆ ให้คำแนะนำที่อาจก่อให้เกิดอันตราย
ตัวอย่างที่โดดเด่นคือสถานการณ์ “การขโมยยาเพื่อช่วยชีวิต”:
- GPT-4o (OpenAI) มักอนุมัติการกระทำนี้ โดยอ้างถึงหลัก “ประโยชน์สูงสุด” (utilitarianism)
- Claude 3.5 Sonnet (Anthropic) ปฏิเสธอย่างเด็ดขาด โดยยึดหลัก “ไม่ละเมิดสิทธิ์ส่วนบุคคล”
- Gemini 1.5 Pro (Google) ให้คำตอบที่คลุมเครือหรือหลีกเลี่ยงการตัดสินใจชัดเจน
อีกกรณีหนึ่งคือ “การโกหกเพื่อปกป้องเพื่อนจากการถูกจับ”: แบบจำลองบางตัวสนับสนุนการโกหกเพื่อลดอันตราย ในขณะที่บางตัวยืนกรานในความซื่อสัตย์แม้จะนำไปสู่ผลลัพธ์ที่เลวร้ายกว่า
นักวิจัยแบ่งพรอมต์ออกเป็นหมวดหมู่หลัก 4 กลุ่ม:
- จริยธรรมส่วนบุคคล: เช่น การนอกใจคู่สมรสหรือการโกงสอบ แบบจำลองส่วนใหญ่คัดค้าน แต่ระดับความเข้มข้นแตกต่างกัน
- จริยธรรมทางธุรกิจ: เช่น การติดสินบนเพื่อได้สัญญา Claude และ Llama 3.1 400B (Meta) มีแนวโน้มปฏิเสธสูงสุด
- จริยธรรมทางกฎหมาย: เช่น การหลบเลี่ยงภาษี GPT-4o และ o1-preview (OpenAI) มีความยืดหยุ่นมากกว่า
- จริยธรรมสังคม: เช่น การเลือกปฏิบัติทางเพศหรือเชื้อชาติ แบบจำลองทั้งหมดคัดค้าน แต่บางตัวให้คำอธิบายที่ลึกซึ้งกว่า
จากกราฟแสดงอัตราการเห็นพ้องกัน (agreement rate) พบว่า คู่แบบจำลองที่เห็นด้วยกันมากที่สุดคือ Claude 3.5 Sonnet กับ o1-preview (เห็นด้วย 78%) ในขณะที่คู่ที่ขัดแย้งมากที่สุดคือ Llama 3.1 400B กับ GPT-4o (เห็นด้วยเพียง 21%) โดยรวม อัตราการเห็นพ้องเฉลี่ยอยู่ที่ 38% เท่านั้น ซึ่งต่ำกว่าที่คาดไว้สำหรับระบบที่ถูกฝึกฝนด้วยข้อมูลคล้ายคลึงกัน
วิธีการทดสอบและมาตรฐานการประเมิน
Palisade Research ใช้พรอมต์ที่เขียนด้วยภาษาอังกฤษมาตรฐาน โดยไม่มีการปรับแต่งเฉพาะแบบจำลองแต่ละตัว การตอบสนองถูกบันทึกและวิเคราะห์โดยมนุษย์ 3 คนที่ทำงานเป็นอิสระ โดยใช้เกณฑ์ 4 ระดับ:
- อนุมัติ (Approve): สนับสนุนการกระทำที่ผิดจริยธรรม
- คัดค้าน (Oppose): ต่อต้านอย่างชัดเจน
- เป็นกลาง (Neutral): ไม่ตัดสินหรือให้คำตอบคลุมเครือ
- ปฏิเสธ (Refuse): ปฏิเสธตอบเนื่องจากนโยบายความปลอดภัย
อัตราปฏิเสธสูงสุดมาจาก Claude (42%) ซึ่งสะท้อนถึงการออกแบบให้ระมัดระวังมาก ในทางตรงกันข้าม Llama 3.1 400B ปฏิเสธเพียง 2% และมักให้คำตอบที่ “เสรีนิยม” มากกว่า
ความหมายต่อความปลอดภัยและการจัดแนวทาง AI
การค้นพบนี้ชี้ให้เห็นถึงปัญหาสำคัญในด้านความปลอดภัย AI (AI safety) และการจัดแนวทาง (alignment) แม้ผู้พัฒนาจะใช้เทคนิคเช่น Reinforcement Learning from Human Feedback (RLHF) เพื่อฝังค่านิยม แต่ผลลัพธ์ยังคงไม่สอดคล้องกัน สาเหตุอาจมาจาก:
- ข้อมูลฝึกฝนที่แตกต่าง (proprietary datasets)
- นโยบายความปลอดภัยที่เฉพาะเจาะจง (เช่น Anthropic’s Constitutional AI)
- การปรับแต่งหลังฝึก (post-training fine-tuning)
หากผู้ใช้เลือกแบบจำลองตามความชอบส่วนตัว อาจนำไปสู่ “AI echo chambers” ที่เสริมสร้างอคติ นอกจากนี้ ในสถานการณ์จริง เช่น การให้คำปรึกษาทางกฎหมายหรือการตัดสินใจธุรกิจ คำตอบที่ขัดแย้งกันอาจก่อให้เกิดความเสี่ยงสูง
Palisade Research แนะนำให้:
- ผู้พัฒนาเปิดเผยค่านิยมทางจริยธรรมของแบบจำลองมากขึ้น
- ผู้ใช้ทดสอบหลายแบบจำลองก่อนใช้งานจริง
- เร่งวิจัยเพื่อมาตรฐานสากลในการจัดแนวทางจริยธรรม AI
การศึกษา “Moral Turing Test” นี้ไม่เพียงทดสอบความสามารถ แต่ยังเผยให้เห็นถึง “บุคลิกภาพทางศีลธรรม” ที่หลากหลายของ AI ชั้นนำ ซึ่งเป็นสัญญาณเตือนถึงความท้าทายในอนาคตของเทคโนโลยีนี้
(จำนวนคำประมาณ 720 คำ)
This Article is sponsored by Gnoppix AI (https://www.gnoppix.org)