AI Content Detection

AI content detection คือกลุ่มเครื่องมือซอฟต์แวร์ที่อ้างว่าวิเคราะห์ข้อความหรือภาพแล้วทำนายได้ว่าชิ้นงานนั้นเป็นฝีมือมนุษย์หรือสร้างโดย llm หรือโมเดล generative อื่น ฝั่งข้อความมักดูรูปแบบทางสถิติของภาษา เช่น ความคาดเดาได้ของคำถัดไปหรือความสม่ำเสมอของโครงสร้างประโยค แล้วให้คะแนนเป็นเปอร์เซ็นต์ความน่าจะเป็นว่าเป็นข้อความที่ AI เขียน ฝั่งภาพและวิดีโอมักถูกใช้เพื่อช่วยจับ deepfake หรือภาพปลอมที่อาจสร้างความเข้าใจผิด ผู้ให้บริการฝั่งข้อความที่คนรู้จักกันมากมี Turnitin และ GPTZero ส่วนเครื่องมือที่ถูกนำไปทดสอบฝั่งภาพบ่อยได้แก่ Hive, AI or Not, Sightengine, ScamAI และ ZeroGPT โดย ZeroGPT กับ Hive ขายทั้งบริการตรวจข้อความและตรวจภาพอยู่ในแพลตฟอร์มเดียวกัน ไม่ได้ทำเฉพาะฝั่งภาพ

ปัญหาใหญ่สุดของเครื่องมือกลุ่มนี้คือความแม่นยำต่ำกว่าที่โฆษณาไว้มาก แม้แต่ OpenAI เองก็เคยทำเครื่องมือชื่อ AI Text Classifier ออกมา เปิดตัววันที่ 31 มกราคม 2023 โดยยอมรับตั้งแต่ต้นว่าจับข้อความที่ AI เขียนได้ถูกต้องเพียงราว 26% ของกรณี และมีโอกาสตัดสินข้อความที่มนุษย์เขียนเองผิดว่าเป็น AI ถึง 9% ต้องใช้ข้อความยาวอย่างน้อย 1,000 ตัวอักษรถึงจะประเมินได้ ในการทดสอบอิสระของ TechCrunch ที่เทียบกับเครื่องมือคู่แข่งอย่าง GPTZero เครื่องมือของ OpenAI จับข้อความที่ AI เขียนถูกเพียง 1 ใน 7 ชิ้น ขณะที่ GPTZero จับถูก 5 ใน 7 ชิ้น สุดท้าย OpenAI ปิดเครื่องมือนี้ไปเมื่อวันที่ 20 กรกฎาคม 2023 โดยให้เหตุผลตรงๆ ว่า "low rate of accuracy" หรือความแม่นยำต่ำเกินจะใช้งานจริงได้

ปัญหาที่ร้ายแรงกว่าคือ false positive ไม่ได้กระจายตัวเท่ากันในทุกกลุ่มคน งานวิจัยของทีม Stanford (Liang, Yuksekgonul, Mao, Wu, Zou) ที่ตีพิมพ์ในวารสาร Patterns เมื่อวันที่ 10 กรกฎาคม 2023 นำเรียงความ TOEFL ของคนที่ไม่ได้ใช้อังกฤษเป็นภาษาแม่ 91 ชิ้นไปทดสอบกับเครื่องมือตรวจ AI ยอดนิยม 7 ตัว พบว่าเครื่องมือทั้งเจ็ดตัดสินผิดว่าเป็นข้อความที่ AI เขียนเฉลี่ยราว 61% ของกรณี มีเรียงความ 19.8% หรือ 18 จาก 91 ชิ้นที่เครื่องมือทั้งเจ็ดตัวตัดสินผิดพร้อมกันหมด และถ้านับกรณีที่มีเครื่องมืออย่างน้อยหนึ่งตัวตีตรา เรียงความ TOEFL สูงถึง 97.8% เคยถูกตีตราว่าเป็นงานที่ AI เขียน ตัวเลข 97.8% นี้เป็นผลรวมของทั้งเจ็ดเครื่องมือ ไม่ใช่อัตราของเครื่องมือตัวใดตัวหนึ่ง ขณะที่เรียงความของนักเรียนมัธยมต้นชาวอเมริกันซึ่งเป็นเจ้าของภาษาถูกจัดว่าเป็นงานเขียนของมนุษย์ถูกต้องกว่า 90% ของกรณี ทีมวิจัยอธิบายว่าคนที่เขียนอังกฤษเป็นภาษาที่สองมักเลือกใช้คำและโครงสร้างประโยคที่หลากหลายน้อยกว่าเจ้าของภาษา ทำให้ข้อความมีลักษณะคาดเดาได้ใกล้เคียงกับสิ่งที่ AI สร้าง นี่คือรูปแบบหนึ่งของ ai-bias ที่ฝังอยู่ในตัวเครื่องมือเอง ไม่ใช่ความผิดพลาดแบบสุ่ม ข้อควรระวังคืองานชิ้นนี้ทดสอบกับเครื่องมือรุ่นที่มีให้ใช้ในปี 2023 ตัวเลขจึงบอกทิศทางของปัญหาได้ แต่ไม่ควรอ่านเป็นสถานะล่าสุดของสินค้าแต่ละเจ้าในวันนี้

สำหรับคนทำงานไทย ความเสี่ยงนี้ตรงตัวมาก เพราะคนไทยส่วนใหญ่เขียนภาษาอังกฤษเป็นภาษาที่สองหรือสาม ถ้าองค์กรเอาเครื่องมือตรวจ AI มาใช้คัดกรองใบสมัครงาน รายงาน หรืองานเขียนของนักเรียน มีความเสี่ยงที่จะตัดสินคนที่เขียนเองล้วนๆ ว่าโกงหรือใช้ AI ทั้งที่ไม่จริง เว็บข่าวเชิงสืบสวน The Markup นำผลการศึกษาชิ้นเดียวกันของ Stanford ไปรายงานคู่กับกรณีนักศึกษาต่างชาติที่ถูกกล่าวหาว่าโกง ตัวเลขที่ปรากฏจึงเป็นชุดเดิม ไม่ใช่การทดสอบใหม่ที่ยืนยันซ้ำอย่างอิสระ รายงานชิ้นนั้นระบุเพิ่มว่า Turnitin เปิดทางให้สถาบันปิดการแสดงผลตรวจ AI ได้ตั้งแต่มิถุนายน 2023 โดยระบบยังประเมินงานเขียนต่อไปเพียงแต่ไม่แสดงผลให้ผู้สอนเห็น และตามตัวเลขที่ Turnitin ให้กับ The Markup เอง ณ ปลายเดือนกรกฎาคม 2023 มีสถาบันลูกค้าเพียง 2% ที่ใช้ตัวเลือกนี้ ฝั่ง Turnitin เองก็เคยออกมายอมรับผ่าน Annie Chechitelli ประธานเจ้าหน้าที่ฝ่ายผลิตภัณฑ์ ว่าผลจากการใช้งานจริงต่างจากผลทดสอบในแล็บ และมีอัตรา false positive สูงขึ้นในเอกสารที่มีสัดส่วนเนื้อหา AI ต่ำกว่า 20% ฝั่งเครื่องมือตรวจภาพก็เจอปัญหาคล้ายกัน องค์กรตรวจสอบ misinformation อย่าง NewsGuard เผยแพร่ผลทดสอบเมื่อ 8 พฤษภาคม 2026 โดยลองเครื่องมือห้าตัว (Hive, AI or Not, ZeroGPT, Sightengine, ScamAI) กับภาพ 45 ภาพ ซึ่งแบ่งเป็นภาพถ่ายจริง 15 ภาพ ภาพเดิมที่แก้ด้วย AI แบบเบามือ 15 ภาพ และภาพเดิมที่แก้ด้วย AI แบบหนักมือ 15 ภาพ ชุดทดสอบนี้ไม่มีภาพที่ AI สร้างขึ้นใหม่ทั้งใบเลยสักภาพ เฉพาะกลุ่มภาพถ่ายจริง 15 ภาพ เครื่องมือทั้งห้ารวมกันตัดสินผิดว่าเป็นภาพ AI คิดเป็น 13.33% ของคำตัดสินทั้งหมดในกลุ่มนั้น โดย ScamAI ผิดมากสุดที่ 6 จาก 15 ภาพ หรือ 40% และใน 35 จาก 45 ภาพที่ทดสอบ มีเครื่องมืออย่างน้อยหนึ่งตัวให้คำตัดสินต่างจากตัวอื่น ข้อสรุปคือ ไม่ควรใช้ผลจากเครื่องมือกลุ่มนี้เป็นหลักฐานเดียวในการตัดสินใครคนหนึ่ง ต้องมี human-review และกระบวนการยืนยันอื่นประกอบเสมอ

เพราะการเดาปลายทางแบบนี้มีข้อจำกัดสูง วงการเทคโนโลยีจึงผลักดันแนวทางอื่นควบคู่ไปด้วย คือการติดเครื่องหมายไว้ตั้งแต่ต้นทางแทนที่จะเดาเอาจากปลายทาง สองแนวทางหลักคือ watermarking ที่ฝังสัญญาณลงในเนื้อหาตั้งแต่ตอนสร้าง กับ content-provenance ที่แนบข้อมูลบอกที่มาและประวัติการแก้ไขของไฟล์ไว้ ทั้งสองวิธีนี้ต้องอาศัยความร่วมมือจากผู้สร้างเนื้อหาหรือผู้ให้บริการโมเดลตั้งแต่ต้น ต่างจาก AI content detection ที่พยายามเดาจากปลายทางโดยไม่มีข้อมูลต้นทางเลย ซึ่งเป็นเหตุผลหนึ่งที่ความแม่นยำต่ำกว่ามาก

ตัวอย่างจากบทสนทนาจริง

ฝ่าย HR: "มีเครื่องมือเช็คได้ไหมว่าจดหมายสมัครงานนี้เขียนเองหรือใช้ ChatGPT เขียนให้"

ทีม IT: "มีเครื่องมือแบบนั้นขายเยอะเลย แต่ผลที่ได้เชื่อได้ไม่เต็มร้อย โดยเฉพาะกับคนที่เขียนอังกฤษเป็นภาษาที่สอง งานวิจัยของ Stanford เจอว่าเรียงความของคนไม่ใช่เจ้าของภาษาถูกตีตราว่าเป็น AI เกินครึ่ง ทั้งที่เขียนเองจริงๆ"

ฝ่าย HR: "แล้ว OpenAI เองที่เคยทำเครื่องมือแบบนี้ล่ะ ใช้ได้ไหม"

ทีม IT: "เขาปิดตัวเองไปแล้วตั้งแต่กลางปี 2023 เพราะความแม่นยำต่ำเกินไป จะเอาผลจากเครื่องมือพวกนี้ไปตัดสินใครคนเดียวไม่ได้ครับ อย่างมากใช้เป็นสัญญาณเตือนให้ไปตรวจสอบเพิ่ม"

ระวังสับสนกับ

• watermarking : AI content detection พยายามเดาว่าเนื้อหาที่มีอยู่แล้วเป็นฝีมือ AI หรือไม่ โดยตรวจจากปลายทาง ส่วน watermarking คือการฝังเครื่องหมายไว้ตั้งแต่ตอนสร้างเนื้อหาที่ต้นทาง ความแม่นยำจึงสูงกว่ามาก แต่ใช้ได้เฉพาะเนื้อหาที่โมเดลผู้สร้างเลือกฝังสัญญาณไว้ให้เท่านั้น
• content-provenance : ตรวจสอบผ่านข้อมูลเมทาดาต้าที่แนบมากับไฟล์บอกประวัติการสร้างและแก้ไข ไม่ใช่การเดาจากเนื้อหาเหมือน AI content detection แต่จุดอ่อนคือเมทาดาต้าหลุดหายได้ง่ายเมื่อไฟล์ผ่านการแคปหน้าจอหรืออัปโหลดเข้าโซเชียลมีเดีย