- Substack เปิดตัว Pangram scan ที่ช่วยให้ผู้อ่านประเมินสัดส่วนระหว่างข้อความที่มนุษย์เขียนกับส่วนที่มี AI ช่วย ในโพสต์ และฟีเจอร์ “How I make this” ที่เปิดเผยกระบวนการสร้างสรรค์
- โดยมุ่งเน้นที่ การขาดความโปร่งใส มากกว่าการใช้ AI เอง เป้าหมายคือช่วยให้นักเขียนได้รับการยอมรับในส่วนที่ตนมีส่วนร่วม และช่วยให้ผู้อ่านตัดสินใจได้ดีขึ้นว่าจะอ่านเนื้อหาใด
- นักเขียนยินดีต่อการเพิ่มความโปร่งใส แต่ก็กังวลเรื่อง ความเป็นไปได้ของ false positive, กระบวนการสร้างสรรค์ที่ยากจะจับด้วยป้ายกำกับเดียว และความเสี่ยงที่ผู้คนจะคอยจับตาวิธีทำงานของกันและกัน
- หลังรับฟีดแบ็ก ตอนนี้สามารถ ปิดการสแกนของผู้อ่านรายโพสต์ ได้โดยไม่ต้องโต้ตอบกับ Pangram หรือสแกนก่อน
- เนื่องจาก AI ถูกใช้ในหลายขั้นตอน เช่น การค้นคว้า การแปล การแก้ไข และการร่าง จึงยากจะตัดสินความคิดและแรงงานของผู้เขียนจากผลการตรวจจับเพียงอย่างเดียว และการเปิดเผยวิธีทำงานอย่างเฉพาะเจาะจงถูกใช้เพื่อสร้างความเชื่อใจกับผู้อ่าน
ฟีเจอร์ความโปร่งใสด้าน AI ที่อิงกับ Pangram
- ผู้อ่านสามารถสแกนข้อความที่โพสต์บน Substack เพื่อดูสัดส่วนโดยประมาณของส่วนที่เขียนโดยมนุษย์โดยตรงและส่วนที่ มี AI ช่วย
- มีฟีเจอร์สำหรับผู้เผยแพร่ให้ใช้งานด้วย
- สามารถรัน Pangram กับฉบับร่างก่อนเผยแพร่ได้
- สามารถปิดการสแกนของผู้อ่านเป็นรายโพสต์ได้
- สามารถเพิ่มข้อความ “How I make this” เพื่ออธิบายกระบวนการสร้างสรรค์และตั้งความคาดหวังให้ผู้อ่าน
- ฟีเจอร์นี้ใช้งานได้บน เว็บ·iOS·Android
- Substack และ Pangram จะไม่นำคอนเทนต์ของผู้เผยแพร่ไปใช้ฝึกโมเดล generative AI
โฟกัสที่ความโปร่งใสมากกว่าการใช้ AI
- แม้มาตรฐานเรื่องการใช้และการเปิดเผยการใช้ AI ยังไม่ลงตัว แต่ Substack มองว่า แม้การใช้ AI เองอาจไม่ใช่ปัญหาเสมอไป แต่ การขาดความโปร่งใสคือปัญหา
- เป้าหมายคือช่วยให้นักเขียนได้รับการยอมรับอย่างเหมาะสมต่อผลงานของตน และช่วยให้ผู้อ่านเลือกได้อย่างมีข้อมูลมากขึ้นว่าจะใช้เวลาไปกับอะไร
- มีสมมติฐานว่ามุมมองของ มนุษย์ เป็นองค์ประกอบที่วัฒนธรรมยังจำเป็นต้องมี ไม่ว่า AI จะมีความสามารถแค่ไหนก็ตาม
การถกเถียงเรื่องงานสร้างสรรค์ของมนุษย์และ AI
- Archie Hall มองโลกในแง่ดีต่อศักยภาพทางเศรษฐกิจของ AI แต่เห็นว่าควรหลีกเลี่ยง ประโยคที่ AI เขียน แม้ว่าจะอ่านได้ดีพอแล้วก็ตาม
- Lincoln Michel เห็นว่าศิลปะต้องมีเจตนาและการเลือก ดังนั้นผลลัพธ์จาก AI ที่ไม่ได้เกิดจากการเลือกจึงไม่อาจเป็นศิลปะได้
- Hinternet Editorial Board เสนอการจัดระดับการพึ่งพา AI ด้วย สเกลแบบ Mohs 0~10
- Sam Kriss ปฏิเสธอย่างหนักแน่นต่อการมอบหมายให้ AI เขียนแทน
- นักเขียนต่างทดลองด้วยตนเองว่า AI สร้างอะไรได้และสร้างอะไรไม่ได้
- Freddie deBoer ทดลองว่าโมเดลภาษาขนาดใหญ่จะเขียนองค์ประกอบของนิยายได้หรือไม่ หากไม่นับตัวประโยคของนิยายเอง
- Rohit Krishnan วัดลักษณะเชิงสถิติของสำนวนวรรณกรรมและดูว่าโมเดลสามารถเรียนรู้สิ่งเหล่านั้นได้หรือไม่
- Hollis Robbins เปรียบเทียบบทกวีที่สร้างโดย LLM สองตัวต่างกัน เพื่อดูว่าจะเข้าใกล้บทกวีชั้นเยี่ยมได้หรือไม่ และมองว่าสำหรับกวีแล้ว ถ้อยคำที่เป็นข้อยกเว้นในตัวมันเองก็คือบทกวี
- Elle Griffin เขียนเรื่องแต่งเกี่ยวกับหนึ่งวันในอนาคตยูโทเปียของ AI
- Andrea Bartz เขียนข้อโต้แย้งอย่างละเอียดเพื่อต่อต้าน generative AI ในปัจจุบัน
- Teddy(T.M.) Brown มองว่างานเขียนเชิงพาณิชย์จำนวนมากเดิมก็ไม่ใช่การแสดงออกเชิงสร้างสรรค์อยู่แล้ว ดังนั้นสิ่งที่จะหายไปไม่ใช่จิตวิญญาณ แต่คือ ช่องทางทำมาหากินของนักเขียน
เสียงตอบรับเชิงบวกทันทีหลังเปิดตัว
- นักเขียนบางส่วนประเมินว่าเครื่องมือความโปร่งใสนี้เป็นก้าวแรกที่ถูกต้องเพื่อปกป้องนักเขียนและยกระดับประสบการณ์ของผู้อ่าน
- Katie Harbath สนับสนุนความโปร่งใส แม้กังวลว่าเครื่องมือตรวจจับ AI อาจลบเลือนความแตกต่างอันละเอียดอ่อนของการใช้อย่างมีจริยธรรม
- เธอเปิดเผยว่า AI ช่วยให้เธอรักษาการทำจดหมายข่าวสม่ำเสมอได้ ระหว่างการทำคอนซัลต์ การเตรียมออกหนังสือ และการใช้ชีวิตประจำวัน
- Gergely Orosz ระบุว่าหากรู้ว่าเป็นงานเขียนของ AI เขาจะไม่อ่าน เพราะมองว่าผู้สร้างไม่ได้ใช้เวลาลงมือเขียนเองโดยตรง
- Joe Hill มองว่า AI เขียนได้ดีกว่าคนทั่วไปโดยเฉลี่ย แต่ยังด้อยกว่านักเขียนมืออาชีพ และช่องว่างนี้ทำให้เกิด คอนเทนต์คุณภาพต่ำ จำนวนมากที่ผลักผู้อ่านออกไป
- Helen Lewis เปิดเผยวิธีใช้ AI ของตนหลังจากงานเขียน 2,000 คำของเธอถูกตัดสินว่าเป็นงานเขียนโดยมนุษย์
- เธอเขียนบทความด้วยตนเอง และไม่ใช้ AI เพื่อตรวจสอบข้อเท็จจริงหรือตรวจสะกดคำ
- เมื่อใช้ AI ในการค้นคว้า เธอจะตรวจสอบแหล่งต้นทางด้วยตนเองเหมือนเวลาที่ใช้เสิร์ชเอนจิน
ความกังวลเรื่อง false positive และวัฒนธรรมชุมชน
- ความเห็นคัดค้านชี้ให้เห็นข้อจำกัด 3 ประการของการลดการใช้ AI ให้เหลือเพียงป้ายกำกับเดียว
- false positive ที่ตัดสินว่างานเขียนของมนุษย์เป็นงานเขียนของ AI
- ความยากในการจับกระบวนการสร้างสรรค์ทั้งหมดของงานเขียนด้วยป้ายเดียว
- ความเสี่ยงที่ความสนใจจะหันไปอยู่กับการเฝ้าดูวิธีทำงานของคนอื่น มากกว่าตัวผลงาน
- Emma Richmond กังวลว่าประโยคเชิงวิชาการที่เป็นไปตามกฎบางอย่างอาจถูกจัดผิดว่าเป็น AI
- Kathleen Schmidt มองว่าเมื่อใครก็ใช้เครื่องมือตรวจจับที่อาจผิดพลาดได้ นักเขียนที่ไม่ได้ใช้ AI จริงก็อาจถูกสงสัยว่าใช้ AI
- Monica Hebert วิจารณ์การตรวจจับ AI ว่าเป็น บททดสอบความบริสุทธิ์ทางศีลธรรม ในคราบอย่างหนึ่ง
- ตัวตรวจจับอาจประเมินได้ว่ามีความเป็นไปได้ที่ AI จะเข้ามาเกี่ยวข้องหรือไม่ แต่ไม่อาจรู้ได้ว่าใครเป็นคนให้ไอเดียแรก ใครเป็นผู้มีประสบการณ์นั้นจริง หรือใครเป็นคนเล่าและแก้ไขเรื่องราว
- มันยังวัดงานของมนุษย์ไม่ได้ด้วย เช่น การปฏิเสธร่างแรก การเปลี่ยนประเด็น การกู้คืนอารมณ์ขัน และการเขียนย่อหน้าหรือบทสรุปใหม่
ปิดการสแกนตามฟีดแบ็ก
- Substack ปรับตามฟีดแบ็กให้ผู้เผยแพร่สามารถเลือก ปิดการสแกนของผู้อ่านรายโพสต์ ได้ โดยไม่ต้องสแกนบทความก่อนหรือโต้ตอบกับ Pangram
- เนื่องจากวิธีใช้ AI มีความหลากหลายพอ ๆ กับจำนวนผู้สร้าง จึงสามารถเปิดเผยกระบวนการเฉพาะเจาะจงได้ผ่านข้อความ “How I make this” ที่แสดงควบคู่กับผลการสแกน
ตัวอย่างการใช้ “How I make this”
- Claudia Sahm ระบุว่าเธอเขียนร่างแรกเองเสมอ และใช้ AI หลัก ๆ เพื่อแก้ไขให้ชัดเจนขึ้น
- ก่อนเขียน เธอทบทวนไอเดียกับ AI และยังใช้มันรวบรวมข้อมูลพื้นฐาน รวมถึงการวิเคราะห์ข้อมูลและแผนภูมิที่สั่งการเองโดยตรง
- เธอระบุว่าความรับผิดชอบต่อข้อผิดพลาดและสิ่งที่ตกหล่นเป็นของเธอเอง
- Thierry ซึ่งไม่ได้ใช้ภาษาอังกฤษเป็นภาษาแม่ ใช้ AI เหมือนเป็น บรรณาธิการภาษาอังกฤษ
- มันช่วยขัดเกลาประโยค แต่ไม่เปลี่ยนความคิดหรือเนื้อหาสาระจริง
- Plum Sykes เปิดเผยสั้น ๆ ว่าไม่ใช้ AI เลย
- Nate ใช้ AI ตลอดทั้งกระบวนการค้นคว้า ร่าง เขียน และแก้ไข
- เขาจะเริ่มจากแปลงเสียงเป็นข้อความ 10~15 นาที เพื่อเก็บความคิดของตนในรูปเดิมให้มากที่สุด
- จากนั้นจึงสร้างร่างกับโมเดลและปรับแก้ซ้ำ ๆ เพื่อให้สะท้อนความคิดและเจตนาของตนอย่างแม่นยำ
- เขามองว่าการถูกตัดสินว่าเป็นงานที่มี AI ช่วยนั้นถูกต้องและเป็นผลลัพธ์ที่คาดไว้แล้ว
- Morgan Vogel ใช้ข้อความเชิงขำว่าเขาเขียนงานด้วย Google Docs ที่เปิดสาธารณะ เครื่องดื่มคาเฟอีน และการสวดภาวนา
- Sara Szal MD ระบุว่าไอเดียของเธอมาจากงานวิจัยของตนเอง การทำงานคลินิกตลอด 30 ปี และหนังสือ 6 เล่มที่ตีพิมพ์แล้ว
- เธอใช้เครื่องมือ AI ที่ฝึกจากงานเขียนของตนเพื่อเพิ่มประสิทธิภาพด้านการแก้ไขและการเผยแพร่ แต่เฟรมเวิร์ก โมเดล การคิดเชิงวิพากษ์ และคำแนะนำทางคลินิกนั้นเธอจัดทำเอง
- Anthony Lawrance ใช้ Claude แบบเดียวกับที่บรรณาธิการบริหารทีมนักข่าว
- เขาให้มันช่วยรวบรวมข้อมูลและเรื่องราว จากนั้นตรวจสอบแหล่งที่มา แก้ไขร่างอย่างเข้มงวด และรับผิดชอบการตั้งชื่อกับการเผยแพร่ด้วยตนเอง
- Jim Waterson ระบุว่างานของเขามี แรงงานจากมนุษย์ อยู่มาก และไม่ได้ใช้ AI
แผนต่อจากนี้
- Substack มีแผนสร้างความเชื่อใจระหว่างผู้สร้างและผู้อ่าน และสร้างสภาพแวดล้อมที่แต่ละคนเลือกแนวทางที่เหมาะกับงานสร้างสรรค์และธุรกิจของตนได้
- ตั้งแต่สัปดาห์หน้า จะเริ่มซีรีส์ “Model Behavior” ว่าด้วย วิธีทำงานในยุค AI และความรู้สึกที่นักเขียน ครีเอเตอร์ และนักคิดมีต่อ AI
- บริษัทยังขอความเห็นจากผู้เผยแพร่อย่างต่อเนื่องผ่านการแชร์ต่อ คอมเมนต์ และการเปิดเผย “How I make this” ว่าจะสนับสนุนนักเขียนและครีเอเตอร์ในสภาพแวดล้อม AI ได้อย่างไร
ยังไม่มีความคิดเห็น