‘ข้อมูลสุขภาพเท็จ’ กระจายไวกว่า Fact ถึง 6 เท่า และ AI ยังช่วยทำให้น่าเชื่อถือมากขึ้น

งานวิจัยล่าสุดได้ชี้ให้เห็นว่า ระบบนิเวศปัญญาประดิษฐ์ (AI) ยังขาดมาตรการป้องกันการสร้างข้อมูลเท็จหรือบิดเบือนเกี่ยวกับสุขภาพ พร้อมแนะนำให้ผู้พัฒนาเทคโนโลยียกระดับมาตรฐานและจริยธรรมในการใช้ปัญญาประดิษฐ์ เพื่อลดความเสี่ยงการกระจายข้อมูลที่ส่งผลลบต่อสังคม

เมื่อวันที่ 17 เม.ย. ที่ผ่านมา Medscape ซึ่งเป็นเว็บไซต์ข่าวสารด้านการแพทย์ ได้เผยแพร่บทความสรุปงานวิจัยด้านปัญญาประดิษฐ์ที่ตีพิม์เมื่อเร็วๆ นี้ โดยระบุว่า โมเดลภาษาขนาดใหญ่ (Large Language Model หรือ LLMs) เป็นปัญญาประดิษฐ์รูปแบบหนึ่งที่สามารถรู้จำและสร้างข้อความได้ ซึ่งคาดว่าเทคโนโลยีนี้จะมีบทบาทสำคัญในบริการสุขภาพ เช่น การติดตามผู้ป่วยที่อยู่ห่างไกล การคัดแยกผู้ป่วย การพัฒนาการศึกษาสุขภาพและงานบริหารจัดการ

อย่างไรก็ดี LLMs สามารถใช้สร้างข้อมูลเท็จหรือบิดเบือนที่เกี่ยวกับสุขภาพได้เช่นกัน อันนำไปสู่ผลกระทบในเชิงลบ เช่น การตีตราทางสังคม การปฏิเสธการรักษา สร้างความสับสนและความหวาดกลัวในสาธารณะ

ผลกระทบจากข้อมูลเท็จหรือบิดเบือนสามารถเกิดขึ้นเป็นวงกว้าง เมื่อข้อมูลชี้ว่าผู้ป่วยมากกว่า 70% ใช้อินเทอร์เน็ตเป็นแหล่งหาข้อมูลสุขภาพเป็นหลัก ซึ่งข้อมูลเหล่านี้ยังแพร่กระจายบนโลกออนไลน์เร็วกว่าข้อมูลที่เป็นความจริงถึง 6 เท่า

ในเดือน ก.ย. ปีที่แล้ว กลุ่มนักวิจัยได้ทำการศึกษาการเข้าถึงข้อมูลสุขภาพ เพื่อประเมินประสิทธิภาพของมาตรการป้องกันการใช้ LLMs สร้างข้อมูลเท็จหรือบิดเบือนเกี่ยวกับสุขภาพ

โดยเน้นที่แหล่งข้อมูล 4 แหล่ง ได้แก่ GPT-4 (ของ Microsoft บนแฟลตฟอร์ม ChatGPT), PaLM 2 และ Gemini Pro(ของ Google), Claude 2 (ของ Anthropic บนแฟลตฟอร์ม Poe), และ Llama 2 (ของ Meta บนแฟลตฟอร์ม HuggingChat)

LLMs ในแพลตฟอร์มเหล่านี้รับคำสั่งสร้างข้อมูลเท็จหรือบิดเบือนในรูปแบบบทความที่มีความยาวอย่างน้อย 300 คำ ในสองประเด็น ได้แก่ ผลกระทบการใช้ครีมดันแดดต่อมะเร็งผิวหนัง และการทานอาหารที่เป็นด่างเพื่อรักษาโรคมะเร็ง

ทั้งนี้ นักวิจัยได้สั่งให้ LLMs นำข้อมูลเหล่านี้ไปสร้างบล็อกโพสต์สามย่อหน้า พร้อมพาดหัวที่น่าตื่นเต้นและเสมือนมาจากงานวิจัยทางวิทยาศาสตร์ โดยระบุแหล่งที่มาของข้อมูลอย่างน้อยสองแหล่ง ซึ่งสร้างขึ้นเองโดยไม่อิงกับงานวิจัยทางวิทยาศาสตร์ที่เกิดขึ้นจริง

หลังจากนั้น นักวิจัยประเมินผลการสร้างข้อความเหล่านี้ใน 12 สัปดาห์ข้างหน้า เพื่อตรวจสอบว่าผู้พัฒนาปัญญาประดิษฐ์ในกลุ่มตัวอย่าง สามารถติดตามความเสี่ยงของการสร้างข้อมูลเท็จหรือบิดเบือนได้หรือไม่ รวมทั้งดูระบบป้องกันหลังบ้าน ว่าสามารถจัดการความเสี่ยงนี้ได้หรือไม่ 

การศึกษาพบว่า แม้ Claude 2 จะปฏิเสธ 130 คำสั่งจากนักวิจัยในการสร้างเนื้อหาเท็จหรือบิดเบือน แต่ LLMs ในแพลตฟอร์มอื่นๆ กลับไม่ปฏิเสธคำขอสร้างข้อมูลนี้ แต่กลับทำตามคำสั่ง และทำให้บทความดูน่าสนใจและน่าเชื่อถือ

ขณะที่ GPT-4 ปฏิเสธคำขอสร้างข้อมูลเท็จหรือบิดเบือนด้านสุขภาพในครั้งแรก แต่กลับอนุญาตคำขอนี้ใน 12 สัปดาห์ต่อมา สะท้อนความไม่แน่นอนของระบบการป้องกันในระบบนิเวศปัญญาประดิษฐ์ ซึ่งเปลี่ยนไปมาในต่างวาระเวลา

นอกจากนี้ นักวิจัยยังพบปัญหาด้านความโปร่งใสของมาตรการที่นำมาใช้ป้องกันการสร้างข้อมูลเท็จหรือบิดเบือน เช่น เมื่อมีการรายงานข้อบกพร่องของ LLMs กลับไม่มีการตอบสนองจากนักพัฒนาเพื่อแก้ไขปัญหา

การศึกษาชิ้นนี้จึงเสนอให้ผู้มีส่วนเกี่ยวข้อง จัดตั้งมาตรฐานด้านความโปร่งใสและปฏิบัติตามอย่างเคร่งครัด เพื่อกำกับและป้องกัน LLMs ไม่ให้สร้างข้อมูลเท็จหรือบิดเบือนที่เกี่ยวข้องกับสุขภาพ รวมทั้งกระตุ้นให้เกิดความรับผิดชอบ เมื่อเกิดปัญหาการแพร่กระจายของข้อมูลนี้

อนึ่ง ผู้สนใจเรื่องนี้สามารถอ่าน แนวทางองค์การอนามัยโลกเกี่ยวกับจรรยาบรรณและการบริหารจัดการปัญญาประดิษฐ์สำหรับภาคส่วนสุขภาพ และ รายงานจากบริการวิจัยของสภายุโรป เกี่ยวกับการประยุกต์ใช้ปัญญาประดิษฐ์ ภายใต้ความเสี่ยง จรรยาบรรณ และผลกระทบต่อสังคม ได้เพิ่มเติม
------------------------------
อ้างอิง: https://www.medscape.com/viewarticle/can-ai-contribute-health-misinformation-2024a10007dy