วิธีตรวจสอบ AI ว่าตอบถูกไหมใน 2 นาที พร้อมพรอมต์

ตรวจสอบข้อมูลจาก AI อย่างไร แจกแจงข้อความที่ต้องเช็กก่อน แล้วตรวจสี่ขั้น

การตรวจคำตอบของ AI คือการดึงข้อความที่ตรวจสอบได้ออกมา แล้วให้แต่ละข้อผ่านสี่ขั้น: โมเดลตัวที่สอง เปิดแหล่งที่มา ให้แย้งตัวเอง และค้นหาตัวเลขทีละตัว คำตอบที่ผิดมักพังในจุดที่เดาได้ (รายละเอียดที่โมเดลแต่งขึ้น แหล่งที่ไม่มีอยู่จริงหรือไม่ได้พูดแบบนั้น กรณีที่โมเดลเออออตามเพราะคุณถามนำ ตัวเลขที่เคยถูกตอนฝึกโมเดลเสร็จ) คุณจึงตรวจแค่จุดเหล่านี้และข้ามส่วนที่เหลือได้ เริ่มด้วยการให้โมเดลแจกแจงข้อความของตัวเองก่อน:

แจกแจงข้อความที่เป็นข้อเท็จจริงทุกข้อในคำตอบข้างต้นเป็นรายการลำดับเลข ข้อละหนึ่งประโยค นับตัวเลข ชื่อ วันที่ คำพูด แหล่งที่มา และคำว่า "งานวิจัยชี้ว่า" เป็นหนึ่งข้อความ ห้ามเพิ่มข้อมูลใหม่

เวลาเหล่านี้เป็นงบที่เราตั้งไว้เพื่อให้เป็นนิสัยที่ทำได้จริง ยังไม่มีใครวัดผล ส่วนสุดท้ายของบทความบอกว่าคำตอบแบบไหนควรตรวจครบสี่ขั้น และแบบไหนตรวจขั้นเดียวก็พอ

โมเดลตัวท็อปของทุกค่ายแต่งเรื่องมากกว่าโมเดลที่ทำคะแนนดีที่สุด จึงไม่มีโมเดลไหนข้ามการตรวจได้

ไม่มีโมเดล AI ตัวไหนแม่นพอจะข้ามการตรวจได้ และการจ่ายเงินใช้โมเดลตัวท็อปของค่ายก็ไม่ได้ลดความเสี่ยง บนกระดานคะแนน hallucination ของ Vectara ที่อัปเดตล่าสุดวันที่ 22 กันยายน 2026 โมเดลที่เก่งที่สุดของแต่ละค่ายในหกค่ายเติมข้อความที่ไม่มีหลักฐานรองรับบ่อยกว่าโมเดลที่ทำคะแนนดีที่สุดของค่ายเดียวกัน

Vectara ให้แต่ละโมเดลสรุปเอกสารสั้น ๆ แล้วนับว่าสรุปมีข้อความที่เอกสารไม่รองรับบ่อยแค่ไหน นี่คืองานด้านข้อเท็จจริงที่ง่ายที่สุดที่โมเดลจะได้รับ เพราะข้อเท็จจริงอยู่ในพรอมต์แล้ว จึงควรมองอัตราเหล่านี้เป็นระดับต่ำสุดสำหรับคำถามที่ตอบจากความจำ กติกาเบื้องหลังแผนภูมิคือ: ในแต่ละค่าย เทียบอัตราต่ำสุดบนกระดานกับโมเดลที่เก่งที่สุดบนกระดาน (Gemini 3.1 Pro ถูกระบุเป็นรุ่นพรีวิว) เฉลี่ยทั้งหกค่าย โมเดลตัวท็อปอยู่ที่ 11.0 ต่อ 100 และโมเดลที่ทำคะแนนดีที่สุดอยู่ที่ 5.2 หรือบ่อยกว่าราวสองเท่า ตัวเลขอื่น ๆ ชี้ไปทางเดียวกัน GPT-6 Sol ที่เปิดตัววันที่ 22 กันยายน 2026 ได้ 6.5 ซึ่งยังเป็นสองเท่าของ GPT-5.4 nano ที่ 3.1 และ Grok 4.1 Fast ขึ้นไปที่ 19.2 เมื่อเปิดโหมดให้เหตุผล อัตราต่ำสุดของทั้งกระดานคือ 1.8 จาก Finix S1 32B ของ Ant Group ไม่มีโมเดลไหนเป็นศูนย์

ขั้นที่ 1: โมเดลตัวที่สองจากอีกค่ายเผยรายละเอียดที่แต่งขึ้นตรงจุดที่ตอบไม่ตรงกัน

โมเดลตัวที่สองช่วยจับรายละเอียดที่ตัวแรกแต่งขึ้นได้ เพราะสองระบบที่ฝึกโดยคนละค่ายแทบไม่เคยแต่งตัวเลข ชื่อ วันที่ หรือแหล่งที่มาแบบเดียวกัน วางคำถามเดิมคำต่อคำลงในโมเดลของอีกบริษัท แล้วอ่านเทียบสองคำตอบเพื่อหารายละเอียดที่ต่างกัน การตอบตรงกันพิสูจน์อะไรได้น้อย ส่วนการตอบไม่ตรงกันบอกคุณชัดเจนว่าต้องเช็กประโยคไหน ถ้าคำตอบยาว ให้โมเดลตัวหนึ่งทำหน้าที่เทียบแทน:

นี่คือสองคำตอบของคำถามเดียวกัน แจกแจงข้อความเฉพาะเจาะจงทุกข้อที่สองคำตอบไม่ตรงกัน ไม่ว่าจะเป็นตัวเลข ชื่อ วันที่ แหล่งที่มา หรือคำตอบแบบใช่หรือไม่ใช่ ไม่ต้องสนใจความต่างของถ้อยคำ ความยาว หรือน้ำเสียง ถ้าตรงกันทุกอย่างให้บอกในหนึ่งบรรทัด

แพ็กเกจฟรีสองบัญชีในสองแท็บก็ทำงานนี้ได้ การถามโมเดล AI หลายตัวพร้อมกัน เปรียบเทียบเครื่องมือที่ส่งพรอมต์เดียวไปหาหลายโมเดล รวมถึงมุมมองเทียบข้างกันของ Whizi การตอบตรงกันพลาดได้ทางเดียวที่รู้กันอยู่: โมเดลทั้งสองเรียนจากอินเทอร์เน็ตสาธารณะเดียวกัน ข้อความที่ผิดทั่วทั้งเว็บจึงออกมาผิดทั้งสองตัว ขั้นที่ 4 มีไว้สำหรับกรณีนั้น

ขั้นที่ 2: เช็กว่าการอ้างอิงของ AI ปลอมหรือไม่ ใน 10 วินาที

การอ้างอิงปลอมของ AI ไม่ผ่านการทดสอบสิบวินาทีที่ไม่ต้องถามโมเดลเลย: วาง DOI ลงใน doi.org ของจริงจะรีไดเรกต์ไปหาสำนักพิมพ์ ส่วนของที่แต่งขึ้นจะขึ้น 404 ผู้เขียนลองทำเมื่อวันที่ 26 กันยายน 2026 บทความของ Walters และ Wilder ที่อ้างไว้ด้านล่าง DOI 10.1038/s41598-023-41032-5 รีไดเรกต์แบบ 302 ไปที่ nature.com ส่วนคำนำหน้าเดียวกันที่ต่อท้ายด้วยเลขที่แต่งขึ้น 10.1038/s41598-023-99999-9 ขึ้น 404 ถ้าไม่มี DOI ให้วางชื่อบทความในเครื่องหมายคำพูดลงใน Google Scholar บทความจริงจะปรากฏพร้อมรายชื่อผู้เขียนเดียวกัน

สำหรับตัวข้อความเอง ให้ขอแหล่งที่มาหนึ่งแหล่งแล้วเปิดดู:

ขอแหล่งที่มาที่แน่ชัดของข้อความนั้น: ชื่อเรื่อง ผู้เขียนหรือผู้เผยแพร่ ปี และลิงก์ ถ้าไม่มีแหล่งที่เจาะจง ให้บอกตรง ๆ แทนที่จะสร้างแหล่งที่ดูน่าเชื่อถือขึ้นมา

ประโยคสุดท้ายทำให้คำตอบว่า "ไม่มี" มีโอกาสเกิดขึ้น ซึ่งปกติไม่ค่อยเกิด เมื่อคำตอบมาจากการค้นเว็บ การอ้างอิงจะแนบมาแล้วและเป็นสิ่งที่ควรคลิก: เปิดดูแล้วหาตัวเลขนั้นในหน้า เพราะบล็อกเก่าอาจติดอันดับสูงเท่าหน้าของผู้ขาย จากนั้นมองหาความไม่ลงรอยที่การอ้างอิงที่แต่งขึ้นเลี่ยงไม่ได้ เช่น วารสารกับปีที่ไม่เข้ากัน เล่มที่ไม่ตรงกับปี ผู้เขียนจริงสองคนที่ไม่เคยเขียนร่วมกัน หรือเลขคดีที่เป็นของอีกคดีหนึ่ง

ขนาดของปัญหามีการวัดไว้แล้ว Walters และ Wilder ใน Scientific Reports วันที่ 7 กันยายน 2023 ตรวจการอ้างอิง 636 รายการจากการทบทวนวรรณกรรมที่ ChatGPT เขียน: 55 เปอร์เซ็นต์ของ GPT-3.5 และ 18 เปอร์เซ็นต์ของ GPT-4 ไม่มีอยู่จริง ฐานข้อมูลของ Damien Charlotin บันทึกคำวินิจฉัยของศาล 2,079 รายการที่เกี่ยวกับเนื้อหาที่ AI แต่งขึ้น ณ วันที่ 25 กันยายน 2026 โดย 827 รายการยื่นโดยทนายความ ในกรณีแรกที่โด่งดังอย่าง Mata v. Avianca ศาลรัฐบาลกลางนิวยอร์กสั่งปรับทนายสองคนและสำนักงานรวม $5,000 เมื่อวันที่ 22 มิถุนายน 2023 และคำวินิจฉัยอ้างคำของทนายว่า เมื่อถามถึงคดีที่แต่งขึ้นคดีหนึ่ง ChatGPT ตอบว่า "does indeed exist" การให้โมเดลยืนยันการอ้างอิงของตัวเองเป็นการตรวจเดียวที่ไม่เคยได้ผล AI hallucination คืออะไร อธิบายว่าทำไมคำยืนยันจึงออกมาลื่นไหลเท่ากับตัวที่แต่งขึ้น

ขั้นที่ 3: AI ตรวจสอบตัวเองได้ไหม ได้เฉพาะเมื่อสั่งให้แย้งตัวเอง

AI ตรวจตัวเองได้ก็ต่อเมื่อคุณเปลี่ยนหน้าที่ของมัน คำถามว่า "แน่ใจไหม" มักได้คำตอบแนวเห็นด้วย เพราะการเห็นด้วยเข้ากับรูปแบบของคำตอบที่ช่วยเหลือ ส่วนคำสั่งให้โต้แย้งในทางตรงข้ามทำให้ข้อความที่แย้งคำตอบกลายเป็นข้อความถัดไปที่เป็นไปได้มากที่สุด พรอมต์คือ:

ตอนนี้ช่วยโต้แย้งในทางตรงข้าม ให้ข้อโต้แย้งที่แข็งที่สุดว่าคำตอบข้างต้นผิด พร้อมข้อความเฉพาะเจาะจงที่คำตอบนั้นอิงอยู่ จากนั้นระบุข้อความเดียวในคำตอบเดิมที่คุณมั่นใจน้อยที่สุด

คุณจะได้สองอย่างกลับมา ข้อโต้แย้งบอกว่าคำถามนั้นมีอีกด้านจริงหรือไม่ และข้อความที่โมเดลบอกว่าอ่อนที่สุดให้ส่งต่อไปขั้นที่ 4 ทันที โมเดลอ่านความมั่นใจของตัวเองจากน้ำเสียงไม่ได้ (ทำไม AI ถึงตอบผิด อธิบายกลไกนี้) แต่มันสร้างข้อโต้แย้งได้ และรายละเอียดที่ผิดมักโผล่ออกมาตรงนั้น

คนส่วนใหญ่ที่ลองให้ AI ตรวจตัวเองทำแบบอ่อนแอ ในแบบสำรวจของ F-Secure กับผู้ใช้ AI 1,500 คนในสหรัฐฯ และสหราชอาณาจักร เผยแพร่วันที่ 23 กันยายน 2026 ร้อยละ 35.3 เคยใช้ AI ตรวจ AI และร้อยละ 47.3 บอกว่าเลิกสงสัยคำตอบเมื่อฟังดูถูกต้อง โมเดลเดียวกันที่ถูกถามว่าเห็นด้วยกับตัวเองไหมในแชตเดิมมักตอบว่าเห็นด้วย พรอมต์แบบให้แย้งและโมเดลจากอีกค่ายคือวิธีที่ให้สิ่งที่คุณเอาไปตรวจต่อได้

ขั้นที่ 4: อ่านแบบข้ามแหล่ง ค้นหาทีละวันที่ ราคา และสถิติ

การอ่านแบบข้ามแหล่ง (lateral reading) คือการออกจากคำตอบของ AI แล้วตรวจแต่ละข้อความในแท็บใหม่กับแหล่งที่เป็นเจ้าของข้อเท็จจริงนั้น และเป็นวิธีที่คู่มือห้องสมุดของ University of Maryland และ Texas A&M Corpus Christi สอนให้ใช้กับผลลัพธ์ของ AI คำนี้มาจากงานวิจัยของ Sam Wineburg และ Sarah McGrew ที่ศึกษาผู้ใช้อินเทอร์เน็ตมากประสบการณ์ 45 คน (Teachers College Record, 2019) เมื่อได้เว็บไซต์ชุดเดียวกับนักประวัติศาสตร์ระดับปริญญาเอก 10 คนและนักศึกษาปริญญาตรี Stanford 25 คน นักตรวจสอบข้อเท็จจริงมืออาชีพ 10 คน "read laterally, leaving a site after a quick scan" และได้ข้อสรุปที่มีหลักฐานรองรับดีกว่าในเวลาเพียงเสี้ยวเดียว

สำหรับคำตอบของ AI วิธีนี้ทำเป็นขั้นตอนได้เลย วางตัวเลขพร้อมคำนามที่กำกับลงในเครื่องมือค้นหาในเครื่องหมายคำพูด แล้วเปิดแหล่งที่เป็นเจ้าของข้อมูล: หน้าของผู้ขายสำหรับราคา เว็บไซต์ราชการสำหรับกฎหมาย บทความต้นฉบับสำหรับผลวิจัย ไม่ใช่บทความที่เขียนสรุปต่อ ราคาเปลี่ยนหลังการฝึกโมเดลจบ วันที่ถูกสลับ และสถิติถูกจำโดยใช้ตัวหารผิด รายงาน Digital News Report 2026 ของ Reuters Institute แสดงให้เห็นว่าข้อสุดท้ายเกิดง่ายแค่ไหน: ร้อยละ 42 ของคนที่ใช้แชตบอต AI เพื่อติดตามข่าวบอกว่าคลิกไปดูแหล่งที่มาเสมอหรือบ่อย เทียบกับร้อยละ 44 สำหรับเสิร์ชเอนจินและร้อยละ 36 สำหรับโซเชียลมีเดีย ร้อยละ 42 นั้นเป็นสัดส่วนของผู้ใช้แชตบอตเพื่อติดตามข่าว ไม่ใช่ของทุกคน และคำตอบที่ตัดเงื่อนไขนี้ทิ้งจะเปลี่ยนตัวเลขจริงให้กลายเป็นข้อความเท็จ

สำหรับข่าวและข้อความที่แชร์กันแพร่หลาย Snopes, PolitiFact และ FactCheck.org มักอ่านข้ามแหล่งไว้ให้แล้ว สำหรับข้อความเฉพาะทางด้านเทคนิค กฎหมาย หรือการแพทย์ แหล่งที่เป็นเจ้าของข้อเท็จจริงคือผู้เชี่ยวชาญ และคำตอบของ AI จะกลายเป็นรายการคำถามที่เอาไปถามเขา

คำตอบ AI แบบไหนต้องตรวจครบสี่ขั้น: อะไรก็ตามที่คุณจะส่ง เซ็น ยื่น หรือจ่ายเงิน

ตรวจครบสี่ขั้นกับทุกอย่างที่คุณจะส่ง เซ็น ยื่น เผยแพร่ หรือจ่ายเงิน ตรวจแค่ขั้นที่ 1 กับเรื่องที่แค่อยากให้ถูก และข้ามได้เมื่อเป็นร่างที่เห็นชัดว่าไม่มีปัญหา ช่องว่างที่กติกานี้ปิดมีการวัดไว้แล้ว: ในแบบสำรวจ F-Secure ชุดเดียวกัน ผู้ใช้ AI เกือบร้อยละ 90 บอกว่าการตรวจคำตอบเป็นความรับผิดชอบของตัวเอง แต่ร้อยละ 70 ตรวจเป็นบางครั้ง นาน ๆ ครั้ง หรือไม่เคยตรวจ และร้อยละ 25.2 เคยทำตามคำแนะนำของ AI ในการตัดสินใจสำคัญของชีวิตจริง นิสัยที่ใช้กับทุกอย่างอยู่ได้แค่สัปดาห์เดียว กติกาที่ผูกกับความเสี่ยงอยู่ได้นาน และภายใต้กติกานี้ คำตอบที่มีตัวเลข ชื่อ วันที่ หรือลิงก์ เป็นเพียงร่างจนกว่าจะมีสักหนึ่งในสี่ขั้นตรวจประโยคนั้น