ทันเอไอ

งานวิจัยชี้ LLMs เสี่ยงติดกับดักเรื่องเล่าฝ่ายเดียว คล้อยตามคำปรึกษาทางศีลธรรมหลังคุยหลายรอบ

งานวิจัยใหม่เผย โมเดลภาษาขนาดใหญ่ (LLMs) เปลี่ยนคำตัดสินทางศีลธรรมถึง 25 เปอร์เซ็นต์ หลังรับฟังเรื่องเล่าฝ่ายเดียวนานหลายรอบการสนทนา

งานวิจัยล่าสุดในหมวดวิทยาศาสตร์คอมพิวเตอร์และปัญญาประดิษฐ์ (arXiv cs.AI) เมื่อวันที่ 3 กันยายน 2026 โดย ยูเหอ วู (Yuhe Wu) และคณะ ซึ่งได้รับการยอมรับให้ตีพิมพ์ในงาน EMNLP 2026 findings แล้ว ได้ศึกษาพฤติกรรมการขอคำปรึกษาปัญหาทางศีลธรรมในชีวิตประจำวันผ่านโมเดลภาษาขนาดใหญ่ (LLMs)

ทีมผู้วิจัยพบจุดอ่อนที่เรียกว่า “นาร์ราทีฟ แคปทิวด์” (narrative captivity) หรือภาวะที่โมเดลปฏิบัติกับเรื่องเล่าฝ่ายเดียวเสมือนว่าเป็นข้อมูลที่ครบถ้วนสมบูรณ์ แล้วคล้อยตามมุมมองของผู้เล่าโดยไม่พยายามแสวงหามุมมองหรือข้อมูลอีกด้านที่ขาดหายไป ซึ่งต่างจากการประเมินแบบรอบเดียวจบที่เคยศึกษามาในอดีต

จากการทดสอบกับโมเดลภาษาขนาดใหญ่ (LLMs) จำนวน 17 โมเดล ผ่าน 5,078 สถานการณ์ ครอบคลุมมิติทางศีลธรรม 6 ด้าน ผลปรากฏว่าคำตัดสินของโมเดลหลังผ่านการสนทนาหลายรอบเปลี่ยนไปจากเดิมเฉลี่ยถึง 25 จุดเปอร์เซ็นต์ เมื่อเทียบกับการสนทนารอบเดียว นอกจากนี้ งานวิจัยยังระบุว่าการฝึกแบบเพรีเฟอเรนซ์ ออปติไมเซชัน (preference optimization) เป็นปัจจัยสำคัญ และวิธีบรรเทาปัญหา 4 วิธีที่ทดลองระหว่างใช้งานช่วยแก้ปัญหาได้เพียงบางส่วนเท่านั้น