ในโลกที่คำตอบหาได้ง่ายขึ้นเรื่อย ๆ สิ่งที่มีค่ามากขึ้นกลับไม่ใช่การมีคำตอบอยู่ในมือ
มีงานวิจัยจาก MIT Media Lab ที่เผยแพร่ในปี 2025 และได้รับความสนใจมาก เพราะพยายามตอบคำถามที่กำลังเกิดขึ้นจริงในโลกการศึกษา นั่นคือ เมื่อให้นักศึกษาเขียนงานโดยใช้ Large Language Model เทียบกับการใช้ Search Engine หรือใช้ความคิดของตัวเอง ผลที่ได้แตกต่างกันอย่างไร สิ่งที่น่าสนใจคือ งานที่ใช้ AI อาจดูดีในเชิงภาษาและโครงสร้าง แต่กระบวนการมีส่วนร่วมทางความคิดของผู้ทำงานนั้นแตกต่างออกไปอย่างชัดเจน
สิ่งที่ทำให้ผมหยุดคิดไม่ใช่แค่ว่างานของกลุ่มที่ใช้ AI ดีหรือไม่ดี แต่คือหลังจากทำงานเสร็จ ผู้เข้าร่วมบางส่วนกลับจำรายละเอียดของสิ่งที่ตัวเองเพิ่งเขียนได้ไม่ดีนัก เพราะถ้าเราเป็นคนเขียนจริง เราต้องผ่านกระบวนการคิด เลือกคำ ตัดสินใจว่าจะเอาอะไรไว้หรือเอาอะไรออก เชื่อมโยงเหตุผล และทบทวนสิ่งที่ตัวเองเชื่อ แต่ถ้าเนื้อหาส่วนใหญ่ถูกสร้างขึ้นให้เรา สิ่งที่หายไปอาจเป็นกระบวนการเรียนรู้ที่เกิดขึ้นระหว่างทาง
แน่นอน เราไม่ควรรีบสรุปง่าย ๆ ว่าใช้ AI แล้วสมองเสื่อม เพราะงานวิจัยลักษณะนี้ยังมีข้อจำกัดและต้องมีการศึกษาเพิ่มเติม แต่สิ่งที่มันทำได้ดีมากคือการชี้คำถามสำคัญให้เราเห็นว่า ถ้าเด็กพึ่ง AI มากขึ้นเรื่อย ๆ เขายังได้ฝึกการคิดในระดับเดียวกับเดิมหรือไม่ และการที่ผลงานดีขึ้นนั้น แปลว่าเจ้าของผลงานเก่งขึ้นจริงหรือเปล่า
ตรงนี้ทำให้นึกถึงความแตกต่างระหว่าง “ผลงานที่ดี” กับ “กระบวนการเรียนรู้ที่ดี” เด็กคนหนึ่งอาจใช้ AI ช่วยจนรายงานออกมาน่าประทับใจ ในขณะที่เด็กอีกคนเขียนเองทั้งหมด งานอาจยังไม่สมบูรณ์ ซึ่งถ้าวัดเฉพาะภาพรวม รายงานฉบับแรกอาจดูดีกว่ามาก แต่ถ้าเป้าหมายของการบ้านคือการฝึกให้เด็กอ่าน คิด วิเคราะห์ และเรียบเรียงความคิดของตัวเอง สิ่งที่เกิดขึ้นข้างในหัวของเด็กสองคนอาจต่างกันโดยสิ้นเชิง
การศึกษาจึงมีปัญหาหนึ่งที่ซ่อนอยู่มานาน คือเรามักวัดปลายทางมากกว่ากระบวนการ เราดูคะแนน ดูเกรด ดูผลงาน ดูปริญญา และตัดสินว่าใครเก่งกว่ากันจากสิ่งที่มองเห็นง่าย แต่สิ่งที่มองเห็นยากกว่าคือเด็กคนนั้นคิดอย่างไร เข้าใจจริงหรือเพียงจำได้ และสามารถอธิบายสิ่งที่ตัวเองเขียนออกมาได้หรือไม่
ลองนึกถึงนักศึกษาที่ส่งรายงานมาอย่างสวยงาม แต่เมื่ออาจารย์ถามต่อว่า “ทำไมถึงเลือกข้อสรุปนี้” กลับตอบไม่ได้ หรือเมื่อมีเพื่อนโต้แย้งก็ไม่สามารถปกป้องเหตุผลของตัวเองได้ งานนั้นอาจสมบูรณ์ แต่ยังไม่สมบูรณ์ในฐานะการเรียนรู้ ในทางกลับกัน เด็กที่งานยังไม่สวยนัก แต่สามารถอธิบายได้ว่าทำไมจึงคิดแบบนั้น รู้ว่าข้อมูลส่วนไหนทำให้เปลี่ยนความเห็น อาจกำลังสร้างความสามารถที่สำคัญกว่าเสียอีก เพราะเขาไม่ได้แค่ผลิตคำตอบ แต่กำลังสร้างวิธีคิด
นี่คือเหตุผลที่การบ้านและงานเขียนมีความหมายมากกว่าการฝึกฝน มันฝึกให้เด็กจัดระเบียบความคิด ความผิดพลาดที่เกิดขึ้นระหว่างทางจึงไม่ใช่สิ่งที่ต้องรีบกำจัดออกทั้งหมด เพราะบางครั้งความผิดพลาดนั่นเองคือสิ่งที่ทำให้เกิดการเรียนรู้
ปัญหาคือธรรมชาติของมนุษย์เลือกความง่ายเสมอ ถ้ามีทางลัด เราก็มักใช้ทางลัด ถ้ามีเครื่องมือที่ทำให้เร็วขึ้น เราก็อยากใช้ และผมไม่ได้คิดว่านี่เป็นเรื่องผิด เพราะนั่นคือเหตุผลที่เทคโนโลยีทุกชนิดเกิดขึ้น แต่ในโลกการศึกษา เราต้องระวังเป็นพิเศษ เพราะบางช่วงของชีวิต “ความยาก” ไม่ได้เป็นศัตรู หากเป็นส่วนหนึ่งของการฝึกฝน
เด็กที่พยายามอ่านหนังสือยาว ๆ จนจบกำลังฝึกสมาธิ เด็กที่ติดโจทย์แล้วพยายามแก้ต่อกำลังฝึกความอดทนต่อปัญหา เด็กที่เขียนเรียงความแล้วต้องกลับมาแก้ใหม่กำลังฝึกมองข้อบกพร่องของความคิดตัวเอง ถ้าเราใช้ AI ตัดกระบวนการเหล่านี้ออกหมด เพราะคิดว่าเป็นสิ่งเสียเวลา เราอาจได้เด็กที่ทำงานเร็วขึ้น แต่ไม่ได้หมายความว่าจะได้เด็กที่คิดเก่งขึ้นตามไปด้วย
การใช้ AI จึงไม่ใช่ปัญหา แต่การใช้ AI ก่อนที่เราจะมีพื้นฐานมากพอที่จะตั้งคำถามกับมัน อาจกลายเป็นปัญหาที่ใหญ่กว่า เพราะแทนที่จะเป็นผู้ใช้เครื่องมือ เราอาจกลายเป็นเพียงคนรับคำตอบจากเครื่องมือ และยิ่งคำตอบนั้นเขียนดี มีเหตุผล และฟังดูน่าเชื่อถือมากเท่าไร เราก็ยิ่งมีโอกาสลืมถามตัวเองว่า “แล้วผมคิดอย่างไร”
สุดท้ายแล้ว การศึกษาที่ดีไม่ควรมีเป้าหมายเพียงทำให้เด็กตอบได้เร็วที่สุด หรือส่งงานได้สวยที่สุด แต่ต้องทำให้เขาค่อย ๆ สร้างความสามารถในการคิด ตัดสินใจ และแยกแยะด้วยตัวเองได้ เมื่อวันหนึ่งเขายืนอยู่ต่อหน้าคำตอบที่ AI สร้างมาให้ เขาต้องรู้ว่าอะไรควรเชื่อ อะไรควรถามต่อ และอะไรยังไม่เพียงพอ
เพราะในโลกที่คำตอบจะหาได้ง่ายขึ้นเรื่อย ๆ สิ่งที่มีค่ามากขึ้นกลับไม่ใช่การมีคำตอบอยู่ในมือ แต่คือการมีความคิดของตัวเองมากพอที่จะรู้ว่า คำตอบนั้นควรพาเราไปทางไหน และนั่นต่างหาก คือสิ่งที่การศึกษาควรสร้างให้ติดตัวเด็กไปตลอดชีวิต ซึ่งยังมีแนวคิดอีกมาก โปรดติดตามเพิ่มเติมในตอนต่อไปครับ
