ทีม AI อ้างพบแหล่งมายาใหม่ แต่จริงแล้วถูกตีพิมพ์ไว้ก่อนหน้านี้

เรื่องเริ่มจาก Pietro Miotti นักวิจัยจาก Google ที่ทดลองใช้ทีม AI agents จำนวน 48 ตัวสแกนข้อมูล lidar ของ NASA เพื่อหาเงื่อนงำของแหล่งโบราณคดี เขาประกาศว่าพบหมู่บ้านมายาที่ดูเหมือนจะยังไม่ได้จดทะเบียนกับหน่วยงานทางการ แต่ต่อมาพบว่าพื้นที่ดังกล่าวเคยปรากฏในบทความวิชาการเมื่อปีที่แล้ว ทำให้เกิดคำวิจารณ์จากนักโบราณคดีว่ากระบวนการค้นพบด้วย AI ของคนทั่วไปอาจนำไปสู่ความเข้าใจผิดและแย่งความสำคัญจากงานวิชาการที่มีอยู่แล้ว

กระบวนการค้นหาและข้อจำกัดของเครื่องมือ

Miotti เลือกใช้ lidar เป็นเทคโนโลยีหลักเพราะให้ภาพสามมิติจากการสแกนที่ละเอียด ทีม agents ถูกตั้งให้ไล่หารูปแบบความสูงและรูปทรงของจุดปฐพีที่บ่งชี้โครงสร้างมนุษย์สร้างขึ้น เขาเล่าว่าขั้นตอนจากไอเดียขณะเดินทางในเปรูจนได้รับการตอบกลับจากหน่วยงานเม็กซิโก - INAH - ใช้เวลาน้อยกว่า 72 ชั่วโมง อย่างไรก็ดี Miotti ยอมรับว่าเขาไม่ใช่นักโบราณคดี และผลการวิเคราะห์ต้องได้รับการยืนยันจากงานภาคสนาม

เสียงวิจารณ์จากชุมชนนักโบราณคดี

นักวิชาการหลายคน เช่น Sarah Parcak และ Elizabeth Graham เตือนว่าการเชื่อมโยงการไม่ปรากฏในฐานข้อมูลของ INAH กับการยังไม่ถูกค้นพบเป็นความผิดพลาด Parcak ย้ำความสำคัญของการตรวจสอบงานวิจัยเดิมผ่านกระบวนการ peer review ส่วน Ivan Šprajc ผู้ร่วมเขียนบทความที่บันทึกไซต์ดังกล่าวบอกว่าแค่มองเห็นสัญญาณจาก lidar ไม่ได้เพิ่มความรู้แบบใหม่เสมอไป และการเผยพิกัดของแหล่งอาจเสี่ยงต่อการขโมยของโบราณ

ประเด็นกว้างเกี่ยวกับ AI ในงานวิจัย

เหตุการณ์นี้เป็นตัวอย่างของปัญหาที่ใหญ่กว่า - เครื่องมือ AI ทำให้คนทั่วไปเข้าถึงกำลังประมวลผลและเวิร์กโฟลว์ที่ซับซ้อนได้ แต่ผู้ใช้ถ้าขาดความรู้พื้นฐานและการตรวจสอบข้อมูลก่อนเผยแพร่ อาจสร้างข้อมูลที่ทำให้เกิดความสับสนหรือชะล้างเครดิตของผู้อื่นได้ นักวิจัยบางคนเห็นว่าการใช้ agents ให้เป็นตัวช่วยคัดกรองข้อมูลจำนวนมากยังมีประโยชน์ แต่ต้องทำงานร่วมกับผู้เชี่ยวชาญในสนามเพื่อยืนยันผลและให้บริบททางวิชาการ

• บทเรียนหลัก - AI ช่วยสแกนข้อมูลขนาดใหญ่ได้เร็ว แต่ไม่ทดแทนความเชี่ยวชาญเฉพาะด้าน
• ความเสี่ยง - การเผยตำแหน่งแหล่งโบราณคดีอาจกระตุ้นการลักลอบค้นหา
• โอกาส - นักโบราณคดีที่สนใจสามารถใช้เวิร์กโฟลว์แบบนี้เป็นตัวกรองข้อมูลเบื้องต้น

สำหรับวงการวิทยาศาสตร์ เหตุการณ์นี้เตือนว่าเมื่อเทคโนโลยีกลายเป็นของแพร่หลาย ความชัดเจนเรื่องวิธีตรวจสอบ แหล่งอ้างอิง และการให้เครดิตงานก่อนหน้าจะยิ่งสำคัญขึ้น

สิ่งที่ควรติดตามต่อคือการพัฒนาเครื่องมือ AI ที่ดีขึ้นในการเปรียบเทียบรูปภาพกับภาพประกอบในงานวิชาการ และการตั้งแนวปฏิบัติในการใช้งาน AI ในสาขาที่ละเอียดอ่อน เช่น โบราณคดี รวมถึงการส่งเสริมความร่วมมือระหว่างนักพัฒนา AI กับผู้เชี่ยวชาญภาคสนาม

ที่มา: The Verge - เรียบเรียงและสรุปเป็นภาษาไทยโดยทีมงาน IT Genius