คุยกับ พิธา ลิ้มเจริญรัตน์ ชวนคิด มหาวิทยาลัยจะสอนอย่างไรในยุค AI

เมื่อ AI ทำให้ 'คำตอบ' กลายเป็นของที่หาได้ภายในไม่กี่วินาที มหาวิทยาลัยก็ต้องกลับมาตอบคำถามพื้นฐานที่สุดของตัวเองใหม่ว่า ถ้าหน้าที่ของมหาวิทยาลัยไม่ใช่เพียงการส่งต่อความรู้อีกต่อไป แล้วมหาวิทยาลัยมีไว้เพื่ออะไร

AI กำลังเปลี่ยนมหาวิทยาลัยเร็วกว่าที่หลายคนคิด และไม่ได้เปลี่ยนแค่เรื่องที่เห็นชัดที่สุดอย่างนักศึกษาใช้ AI ช่วยทำการบ้านเท่านั้น มันกำลังเปลี่ยนแทบทุกส่วนของชีวิตในมหาวิทยาลัย ตั้งแต่วิธีค้นคว้า อ่านหนังสือ เขียน essay เขียนโค้ด ทำ presentation ไปจนถึงวิธีที่อาจารย์เตรียมการสอน ออกข้อสอบ ตรวจงาน และทำวิจัย ยังไม่นับคำถามเรื่องลิขสิทธิ์ ความเป็นส่วนตัว ความเท่าเทียมในการเข้าถึงเทคโนโลยี และเรื่องใหญ่ที่สุดคือ ถ้าโลกการทำงานในอีกสี่ปีข้างหน้าใช้ AI เป็นเรื่องปกติ วันนี้มหาวิทยาลัยควรเตรียมนักศึกษาให้พร้อมสำหรับโลกแบบไหน

ตอน AI แบบ generative AI เริ่มแพร่หลาย คำถามแรกของมหาวิทยาลัยทั่วโลกคล้ายกันมาก คือ “ถ้าเด็กใช้ AI ทำการบ้าน ถือว่าโกงไหม”

เป็นคำถามที่เข้าใจได้ เพราะระบบการศึกษาที่เราใช้มานานตั้งอยู่บนสมมติฐานง่ายๆ ว่า เรามอบโจทย์ให้นักศึกษา นักศึกษากลับไปทำ แล้วนำผลงานกลับมาส่ง จากนั้นอาจารย์ก็ดูผลงานชิ้นนั้นเพื่อประเมินว่าเจ้าของงานรู้และคิดได้มากแค่ไหน

AI กำลังทำให้สมมติฐานนี้สั่นคลอน

เพราะวันนี้ AI ไม่ได้แค่ช่วยแก้ grammar หรือทำให้ประโยคสละสลวยขึ้น มันช่วยวิเคราะห์ข้อมูล เขียนโปรแกรม สรุปบทความ เสนอสมมติฐาน สร้าง presentation ช่วยหาข้อโต้แย้ง หรือแม้แต่ช่วยวิจารณ์งานที่ตัวเองเพิ่งสร้างขึ้นมาได้ สิ่งที่เคยใช้เวลาหลายชั่วโมงอาจเสร็จในไม่กี่นาที และที่สำคัญ ผลงานปลายทางอาจดูดีจนเราแยกยากขึ้นเรื่อยๆ ว่าส่วนไหนสะท้อนความสามารถของนักศึกษา และส่วนไหนสะท้อนความสามารถของเครื่อง

คำถามจึงค่อยๆ เปลี่ยนจาก “เราจะจับได้อย่างไรว่าเด็กใช้ AI” มาเป็นคำถามที่ยากกว่า คือ “เราอยากให้เด็กเรียนรู้อะไรกันแน่”

ช่วงสองสามปีที่ผ่านมา มหาวิทยาลัยชั้นนำจึงเริ่มออกนโยบายและหลักการเรื่อง AI อย่างจริงจัง ทั้ง MIT, Brown, Oxford, Cornell, University College London หรือ UCL, Imperial College London และ University of Sydney บางแห่งเรียกว่า policy บางแห่งใช้คำว่า principles หรือ guidelines รายละเอียดต่างกันไป แต่ทิศทางที่น่าสนใจคือ หลายมหาวิทยาลัยเริ่มเลิกคิดถึง AI ในฐานะ “เครื่องมือโกง” เพียงอย่างเดียว และเริ่มถามว่ามันควรมีบทบาทอย่างไรในกระบวนการเรียนรู้

MIT เป็นตัวอย่างที่ผมสนใจมากที่สุดแห่งหนึ่ง เพราะเมื่อวันที่ 25 สิงหาคมที่ผ่านมา MIT เพิ่งเผยแพร่รายงานใหญ่เรื่อง AI กับการเรียน การสอน และการฝึกทำวิจัย Sally Kornbluth ประธาน MIT ถึงกับใช้คำว่า AI กำลังสร้าง watershed moment หรือจุดเปลี่ยนสำคัญสำหรับ MIT และระบบอุดมศึกษาทั้งหมด (MIT Office of the President⁠) 

ข่าวที่เกี่ยวข้อง 

• High Tech, High Touch: เมื่อ AI เริ่มแทนที่ความสัมพันธ์ของมนุษย์ 
• High Tech, High Touch คุยกับพิธา ในโลก AI คุณค่าคนทำงานอยู่ตรงไหน? 
• จาก High Tech, High Touch พลิกจุดอ่อนไทย ให้กลายเป็นจุดแข็ง

สิ่งที่น่าสนใจคือ MIT ไม่ได้เริ่มต้นจากคำถามว่า “ควรอนุญาต AI แค่ไหน” แต่ถอยกลับไปหนึ่งก้าวแล้วถามว่า “เราต้องการให้นักศึกษาเรียนรู้อะไร”

MIT เรียกแนวคิดนี้ว่า AI-aware education ถ้าอธิบายง่ายๆ ก็คือ อย่าเริ่มจากเทคโนโลยีแล้วค่อยสร้างกฎตามมัน แต่ให้เริ่มจากวัตถุประสงค์ของการเรียนก่อน ถ้าวิชานี้กำลังฝึกให้นักศึกษาคิดโจทย์คณิตศาสตร์ตั้งแต่พื้นฐาน การปล่อยให้ AI แก้โจทย์ทั้งหมดอาจทำให้เขาข้ามกระบวนการที่จำเป็นต่อการสร้างทักษะ แต่ถ้าวัตถุประสงค์คือให้นักศึกษารู้จักตรวจสอบคำตอบ หาจุดบกพร่อง เปรียบเทียบทางเลือก หรือใช้เครื่องมือแก้ปัญหาซับซ้อน การใช้ AI ก็อาจเป็นส่วนหนึ่งของสิ่งที่ควรเรียนเสียเอง

MIT จึงเสนอว่าทุกวิชาควรมีนโยบายเรื่อง AI ที่ชัดเจนและมองเห็นได้ง่าย นักศึกษาควรรู้ว่าเมื่อใด AI ห้ามใช้ ใช้ได้ หรือควรใช้ และที่สำคัญคืออาจารย์ควรอธิบายด้วยว่า “ทำไม” จึงกำหนดแบบนั้น ปัจจุบัน MIT ยังไม่ได้ออกกฎเดียวครอบคลุมทุกวิชา เพราะแต่ละวิชาย่อมมีเป้าหมายการเรียนรู้ต่างกัน แต่กำลังสร้างกรอบกลางเพื่อช่วยให้อาจารย์ออกแบบกติกาเหล่านี้ให้ชัดขึ้น (MIT Faculty Governance⁠)

ผมชอบคำว่า “ทำไม” มาก เพราะเพียงคำเดียวก็เปลี่ยนนโยบาย AI จากกฎจับโกงให้กลายเป็นส่วนหนึ่งของการศึกษา นักศึกษาไม่ได้เพียงถูกบอกว่า “งานนี้ห้ามใช้ AI” แต่ควรเข้าใจว่า งานนี้ต้องการให้เขาสร้างกล้ามเนื้อทางความคิดบางอย่างด้วยตัวเอง

MIT ยังเสนออีกเรื่องที่ฟังดูย้อนแย้ง คือยิ่ง AI เก่งขึ้น มหาวิทยาลัยยิ่งต้องให้คุณค่ากับสิ่งที่เป็นมนุษย์มากขึ้น ทั้ง hands-on learning หรือการลงมือทำจริง การเรียนรู้ร่วมกัน และ residential experience หรือประสบการณ์การใช้ชีวิตอยู่ร่วมกับคนอื่นในมหาวิทยาลัย เพราะหาก lecture สามารถดูจากที่ไหนก็ได้ หาก AI tutor พร้อมตอบคำถามตลอด 24 ชั่วโมง และหากข้อมูลแทบทุกอย่างอยู่ในหน้าจอ สิ่งที่มหาวิทยาลัยมีแต่ AI ให้ไม่ได้ง่ายๆ อาจกลับเป็น “คนอื่น” นั่นเอง เพื่อน อาจารย์ ทีม การทดลองจริง การถกเถียง และประสบการณ์ที่ต้องอยู่ร่วมกับคนที่คิดไม่เหมือนเรา (MIT Office of the President⁠)

University of Sydney เลือกตอบปัญหาอีกแบบหนึ่งที่ผมว่าทั้งเรียบง่ายและกล้าหาญ เขายอมรับตรงๆ ว่าเราไม่น่าจะย้อนกลับไปสู่โลกก่อน AI ได้แล้ว และการพยายามห้าม AI ใน take-home assignment ทุกชิ้นก็ทั้งทำยากและอาจไม่ตรงกับโลกที่นักศึกษาจะออกไปทำงานจริง

Sydney จึงเปลี่ยนระบบ assessment หรือการวัดผลเป็นแนวทางที่เรียกว่า two-lane approach หรือพูดง่ายๆ ว่า “สอบสองเลน”

เลนแรกคือ secure assessment เป็นพื้นที่ที่มหาวิทยาลัยต้องแน่ใจว่านักศึกษาทำได้ด้วยตัวเองจริงๆ เช่น การสอบในห้อง การสอบปากเปล่า หรือการประเมินภายใต้เงื่อนไขที่ควบคุมได้ ไม่มีเครื่องมือภายนอกมาช่วย เพื่อพิสูจน์ว่าความรู้และทักษะพื้นฐานนั้นอยู่ในตัวนักศึกษาจริง

อีกเลนคือ open assessment ซึ่งเปิดให้นักศึกษาใช้เครื่องมือที่มีอยู่ในโลกจริง รวมถึง AI เพราะอีกด้านหนึ่งของการเป็นคนเก่งในอนาคต ไม่ได้แปลว่าต้องทำทุกอย่างโดยไม่ใช้เครื่องมือ แต่ต้องรู้ว่าจะใช้เครื่องมืออย่างไรให้เกิดผลดีที่สุด ตั้งแต่ภาคเรียนแรกของปี 2025 Sydney เปลี่ยนค่าเริ่มต้นให้สามารถใช้ AI ใน assessment ได้ ยกเว้นข้อสอบ การทดสอบระหว่างภาค หรือกรณีที่ผู้สอนกำหนดข้อจำกัดไว้ และต่อมาก็เดินหน้าเข้าสู่ระบบสองเลนนี้เต็มขึ้น (The University of Sydney⁠)

ผมคิดว่าแนวคิดนี้สำคัญมาก เพราะมันยอมรับความจริงสองเรื่องพร้อมกัน

เรื่องแรก เราต้องรู้ว่านักศึกษาคิดเองเป็นหรือไม่

เรื่องที่สอง เราก็ต้องรู้ว่าเมื่อมี AI อยู่ตรงหน้า เขาใช้มันเป็นหรือไม่

หมอไม่ควรเรียนจบโดยที่เราไม่แน่ใจว่าเขามีความรู้ทางการแพทย์อยู่ในหัวของตัวเอง วิศวกรก็ไม่ควรได้รับปริญญาเพราะ AI แก้โจทย์ทั้งหมดแทน แต่ในโลกการทำงานจริง หมอ วิศวกร นักกฎหมาย นักออกแบบ หรือนักบริหารก็คงไม่ได้ทำงานโดยถูกยึด AI ไว้หน้าประตูเหมือนก่อนเข้าห้องสอบ

ดังนั้นมหาวิทยาลัยในยุค AI อาจต้องสร้างและวัดความสามารถสองชุดพร้อมกัน คือ human-only competency ความสามารถที่มนุษย์ต้องทำได้ด้วยตัวเอง กับ human-plus-AI competency ความสามารถในการใช้ AI เพื่อทำให้ตัวเองคิด ทำงาน และตัดสินใจได้ดีขึ้น 

Brown University ให้บทเรียนอีกแบบ เพราะ Brown เริ่มต้นจากการไปดูว่าในมหาวิทยาลัยของตัวเองเกิดอะไรขึ้นจริงๆ คณะกรรมการด้าน Generative AI in Teaching and Learning เก็บความคิดเห็นจากอาจารย์ นักศึกษา และบุคลากรเกือบ 700 คน และตรวจ syllabus เกือบ 3,000 วิชา สิ่งที่พบคือมากกว่าครึ่งหนึ่งไม่มีนโยบายเรื่อง AI ระบุไว้เลย ส่วนวิชาที่มีก็แตกต่างกันตั้งแต่เปิดให้ใช้อย่างเต็มที่ไปจนถึงห้ามทั้งหมด (Provost Office⁠)

ลองนึกภาพตัวเองเป็นนักศึกษาดู วันจันทร์เข้าเรียนวิชาหนึ่ง อาจารย์บอกว่าใช้ AI ได้เต็มที่ วันอังคารอีกวิชาบอกว่าใช้ได้เฉพาะช่วยคิด วันพุธอีกวิชาหนึ่งถือว่าการใช้ AI เป็นการผิดวินัย แต่ไม่มีใครอธิบายอย่างชัดเจนว่าขอบเขตอยู่ตรงไหน สิ่งที่ Brown พบจึงน่าสนใจมาก เพราะนักศึกษาไม่ได้เรียกร้อง “โลกที่ไร้กฎ” ตรงกันข้าม พวกเขาต้องการกติกาที่ชัดเจนและต้องการให้มหาวิทยาลัยสอน AI literacy หรือความรู้ความเข้าใจว่าจะใช้ AI อย่างมีวิจารณญาณอย่างไร ทั้งนักศึกษาและอาจารย์ยังมีความกังวลร่วมกันว่า การพึ่ง AI มากเกินไปอาจทำให้ critical thinking ลดลงและกระทบต่อการเรียนรู้ในระยะยาว (Provost Office⁠)

Brown จึงเสนอให้มี baseline rules หรือกติกาพื้นฐานร่วมกันทั้งมหาวิทยาลัยว่าอะไรถือเป็นการใช้ AI ที่ยอมรับได้และไม่ได้ จากนั้นแต่ละคณะและอาจารย์ค่อยกำหนดรายละเอียดเพิ่มเติมตามธรรมชาติของวิชา พร้อมกับเสนอให้มหาวิทยาลัยจัดเครื่องมือ AI ที่ปลอดภัยและเข้าถึงได้อย่างเท่าเทียม รวมถึงพัฒนา AI literacy ของทั้งอาจารย์และนักศึกษา (Provost Office⁠)

เรื่องความเท่าเทียมนี้สำคัญกว่าที่เห็นในครั้งแรก ถ้า AI ที่ดีที่สุดต้องเสียเงินรายเดือน นักศึกษาที่มีกำลังมากกว่าก็เท่ากับมี tutor, editor, coder และ research assistant ที่เก่งกว่าอยู่ข้างตัวตลอดเวลา ถ้ามหาวิทยาลัยจะอนุญาตหรือถึงขั้นคาดหวังให้นักศึกษาใช้ AI มหาวิทยาลัยจึงต้องคิดด้วยว่าใครมีสิทธิ์เข้าถึง AI แบบไหน ไม่เช่นนั้นเทคโนโลยีที่อ้างว่าจะ democratize knowledge หรือทำให้ความรู้เข้าถึงคนมากขึ้น อาจกลายเป็นอีกช่องทางหนึ่งของความเหลื่อมล้ำทางการศึกษา

เมื่อมองออกไปนอกสามมหาวิทยาลัยนี้ ทิศทางก็เริ่มคล้ายกันมากขึ้น UCL แบ่งงานออกเป็นสามประเภท ตั้งแต่งานที่ห้ามใช้ AI งานที่ AI ช่วยได้ในฐานะผู้ช่วย ไปจนถึงงานที่การใช้ AI เป็นส่วนหนึ่งของสิ่งที่ต้องการวัด และ UCL ยังเลือกไม่ลงทุนใน AI detection software เป็นคำตอบหลัก เพราะการตรวจว่าเนื้อหาชิ้นหนึ่งสร้างโดย AI หรือไม่ ยังมีทั้งปัญหาความแม่นยำ สิทธิในข้อมูล และทรัพย์สินทางปัญญา (University College London⁠) Oxford ก็ไปในทางเดียวกัน ทุก assessment ต้องบอกให้ชัดว่า AI ใช้ได้อย่างไร หากใช้ได้ นักศึกษาต้องเปิดเผยการใช้งาน และมหาวิทยาลัยต้องคำนึงถึงความเท่าเทียมในการเข้าถึงเครื่องมือด้วย (Oxford University⁠)

เมื่อนำทั้งหมดมาวางข้างกัน ผมคิดว่าเราเริ่มเห็นภาพอนาคตของมหาวิทยาลัยชัดขึ้นอย่างน้อยสี่เรื่อง 

เรื่องแรก มหาวิทยาลัยกำลังขยับจาก detection ไปสู่ design จากการพยายามจับว่าใครใช้ AI มาเป็นการออกแบบการเรียนและการสอบที่ดีพอจนเรายังรู้ว่านักศึกษามีความสามารถอะไร ในโลกที่ AI สามารถสร้าง final product ที่ดูดีได้ง่ายขึ้น การดูเพียงรายงานหรือ essay ชิ้นสุดท้ายจะบอกเราเกี่ยวกับผู้เรียนน้อยลงเรื่อยๆ การสอบปากเปล่า การ presentation แล้วตอบคำถาม การทำ project การลงมือทดลอง และการให้นักศึกษาอธิบายกระบวนการคิดของตัวเองอาจกลับมามีความสำคัญมากขึ้น

เรื่องที่สอง AI literacy จะกลายเป็น literacy พื้นฐาน เหมือนที่คนรุ่นก่อนต้องรู้จักค้นข้อมูล ใช้อินเทอร์เน็ต หรือ spreadsheet มหาวิทยาลัยที่ห้าม AI ทุกอย่างอาจไม่ได้สร้างนักศึกษาที่มีคุณธรรมมากกว่า แต่อาจกำลังส่งบัณฑิตเข้าสู่ตลาดแรงงานโดยไม่เคยฝึกใช้เครื่องมือที่ทุกคนรอบตัวกำลังใช้

เรื่องที่สาม ในเวลาเดียวกันมหาวิทยาลัยต้องสร้าง พื้นที่ที่ไม่ให้ AI เข้ามาช่วย อย่างตั้งใจ เพราะมนุษย์จำเป็นต้องมีทักษะพื้นฐานของตัวเองก่อนที่จะขยายมันด้วยเครื่องมือ เราใช้เครื่องคิดเลขได้ แต่ยังควรเข้าใจตัวเลข เราใช้ GPS ได้ แต่ยังควรมี sense of direction บางอย่าง และเราใช้ AI ช่วยคิดได้ แต่ถ้าไม่เคยสร้างความสามารถในการคิดด้วยตัวเองเลย วันหนึ่งเราก็อาจไม่รู้ด้วยซ้ำว่าคำตอบที่ AI ให้มานั้นผิดตรงไหน

ที่สำคัญ การเรียนรู้จำนวนมากเกิดขึ้นจากสิ่งที่เราอยากกำจัดเสียด้วยซ้ำ นั่นคือ ความยาก

การนั่งคิดโจทย์ที่ยังหาคำตอบไม่ได้ การเขียนแล้วแก้ใหม่ การอ่านหนังสือยาวๆ เพื่อจับใจความ การถกเถียงกับเพื่อน หรือการใช้เวลาคิดกับปัญหาที่ยังไม่มีคำตอบ ล้วนเป็นกระบวนการสำคัญที่ช่วยฝึกให้เราคิดเป็น แม้ AI จะช่วยให้หลายอย่างง่ายและเร็วขึ้น แต่หากลดความยากเหล่านี้มากเกินไป ก็อาจทำให้เราเสียโอกาสในการฝึกคิดด้วยตัวเอง