แหวนเงินของหญิงชาวโรมันชื่อ Basilia หายไปเมื่อเกือบสองพันปีก่อน และ Predicting the Past Skill สกิล AI อ่านจารึกโบราณจาก Google DeepMind ห้องวิจัย AI ของ Google ก็เพิ่งอ่านคำสาปที่เธอเขียนถึงหัวขโมยออกจนหมดแผ่น

สกิลคือชุดคำสั่งกับเครื่องมือที่ติดตั้งเพิ่มเพื่อให้ AI agent ทำงานเฉพาะทางได้ โดย AI agent คือโปรแกรม AI ที่รับงานไปทำเองเป็นขั้นตอน สกิลตัวนี้รันอยู่บน Google Antigravity เดสก์ท็อปแอปของ Google สำหรับสั่งงาน AI agent ส่วนสิ่งที่มันอ่านคือแผ่นตะกั่วบาง ๆ ที่ Basilia ขูดคำสาปลงไป ก่อนโยนทิ้งลงบ่อน้ำพุร้อนศักดิ์สิทธิ์ของเทพีมิเนอร์วาที่เมือง Bath ในบริเตนสมัยโรมัน เมืองที่ชาวโรมันเรียกว่า Aquae Sulis จากนั้นระบบจะไล่ดูตัวอักษรบนแผ่น แล้วบอกได้ว่าจารึกเขียนขึ้นช่วงไหนและมาจากถิ่นใด พร้อมอธิบายว่าดูจากอะไรจึงสรุปแบบนั้น คำอธิบายที่ออกมาจึงใกล้เคียงกับบทวิจารณ์ของนักจารึกวิทยาตัวจริง

แต่ของใหม่ในงานนี้ไม่ใช่โมเดล AI สักตัวเดียว โมเดลที่อ่านจารึกเป็นมีมาก่อนแล้ว ทั้ง Ithaca ที่อ่านกรีกโบราณ และ Aeneas โมเดล AI ที่ฝึกมากับจารึกละตินโดยเฉพาะ ทั้งคู่เปิดโค้ดให้คนเอาไปใช้ต่อและมีเว็บให้ลองแล้ว แต่คนที่จะใช้ความสามารถของมันได้เต็มที่กลับมีแค่คนที่เขียนโค้ดเป็น สิ่งที่เพิ่งเกิดขึ้นคือช่องทางสั่งงานด้วยภาษาคนที่ต่อตรงเข้ากับโมเดลเดิม โดยมี Gemini โมเดลภาษาของ Google คอยรับคำสั่งแล้วส่งให้โมเดลเฉพาะทางทำต่อ งานที่เคยต้องรอโปรแกรมเมอร์ทั้งวันจึงเหลือแค่พิมพ์คุยไม่กี่นาที และสูตรนี้ไม่ได้ผูกอยู่กับของโบราณเลย

Aeneas เติมตัวอักษรที่หายไป โดยไม่รู้ด้วยซ้ำว่าหายกี่ตัว

โมเดลที่ทำงานหลักอยู่เบื้องหลังสกิลนี้คือ Aeneas ซึ่งต่อยอดมาจาก Ithaca โมเดลรุ่นพี่ปี 2022 ที่อ่านภาษากรีกโบราณ Aeneas ช่วยนักประวัติศาสตร์ได้สี่อย่าง ได้แก่ เติมตัวอักษรที่หายไปในจารึกที่แตกหัก ระบุอายุ ระบุถิ่นกำเนิด และค้นจารึกแผ่นอื่นที่สำนวนหรือหน้าที่ใกล้เคียงกันมาเทียบให้

จุดที่ยากที่สุดคือช่องว่าง จารึกที่ขุดขึ้นมาส่วนใหญ่แหว่ง มุมหัก ตัวอักษรลบเลือน ผู้ใช้จะพิมพ์เครื่องหมาย # ลงไปตรงที่ชำรุด แล้วปล่อยให้โมเดลเดาต่อเอง โดยไม่ต้องบอกด้วยซ้ำว่าตรงนั้นหายไปกี่ตัวอักษร เป็นคนละโจทย์กับการเติมคำในช่องว่างที่รู้ความยาว เพราะโมเดลต้องตัดสินใจเองว่าจะเติมสองตัวหรือสิบสองตัว

งานวิจัยของทั้ง Ithaca และ Aeneas ตีพิมพ์ในวารสาร Nature ซึ่งเป็นวารสารวิทยาศาสตร์ที่เข้มงวดที่สุดฉบับหนึ่งของโลก ทั้งคู่ยังเผยแพร่โค้ดและตัวโมเดลไว้ใน google-deepmind/predictingthepast บน GitHub เว็บที่นักพัฒนาใช้เก็บและแจกโค้ดกัน ภายใต้สัญญาอนุญาต Apache 2.0 ที่ให้เอาไปใช้และต่อยอดได้จริง ใครอยากลองโดยไม่ต้องแตะโค้ดเลยก็เข้าไปพิมพ์จารึกใส่ได้ที่ predictingthepast.com

ตัวเลขที่ทำให้นักประวัติศาสตร์ยอมเชื่อ

ความแม่นของ Aeneas วัดออกมาเป็นตัวเลขได้ และตัวเลขคือเหตุผลเดียวที่ของแบบนี้จะเข้าไปมีบทบาทในงานวิชาการได้

แถวที่ควรหยุดดูคือแถวที่สอง เพราะตัวเลข 58% ที่ดูไม่สวยนั้นมาจากโจทย์ที่ไม่มีเบาะแสเรื่องความยาวให้เลยสักนิด ส่วนแถวสุดท้ายทำให้นักประวัติศาสตร์ต้องหยุดคิด เพราะงานประเภทนี้ปกติระบุอายุได้เป็นช่วงกว้างหลายสิบปี แต่เครื่องกลับเดาอายุคลาดเฉลี่ยแค่ 13 ปี

คน + AI ชนะทั้งคนล้วนและ AI ล้วน

ผลลัพธ์สำคัญจริง ๆ ไม่ได้อยู่ในตารางความแม่น แต่อยู่ที่การทดลองกับนักประวัติศาสตร์ 23 คนที่ทำงานกับจารึกเป็นประจำ ทีมวิจัยให้พวกเขาลองเติมตัวอักษร ระบุอายุ และระบุถิ่นของจารึกชุดหนึ่ง โดยมี Aeneas ช่วย

ตัวอย่างจารึกใกล้เคียงที่โมเดลค้นมาให้นับว่าเป็นจุดตั้งต้นที่ใช้งานได้จริงถึง 90% ของเคส และการได้เห็นตัวอย่างเหล่านี้ช่วยเพิ่มความมั่นใจของนักประวัติศาสตร์ในการทำงานหลัก 44% แต่บรรทัดที่ต้องปักหมุดคือบรรทัดถัดไป ในงานเติมตัวอักษรและระบุถิ่นกำเนิด เมื่อให้คนทำงานร่วมกับ Aeneas ผลที่ได้ดีกว่าทั้งคนล้วนและ Aeneas ล้วน

เครื่องไม่ได้มาแทนคนที่รู้จริง แต่ทำให้คนที่รู้จริงไปได้ไกลกว่าเดิม

ความหมายของมันตรงไปตรงมา เครื่องเก่งเรื่องค้นหารูปแบบจากจารึกเป็นแสนแผ่นในไม่กี่วินาที ส่วนคนเก่งเรื่องตัดสินว่าอะไรสมเหตุสมผลในบริบทจริง พอเอาความสามารถทั้งสองด้านมารวมกัน งานจึงไปได้ไกลกว่าการแยกกันทำ

ทำไม Gemini ในสกิลนี้ถึงไม่มั่ว

คำถามที่ควรถามคือ ถ้าโมเดลภาษาทั่วไปยังมั่วเก่งขนาดนี้ แล้วทำไมสกิลที่ให้ Gemini มาคุยเรื่องจารึกโบราณ ถึงเชื่อถือได้

คำตอบอยู่ที่กติกาการทำงาน Gemini ในสกิลนี้ไม่ได้เดาเรื่องจารึกจากความรู้ทั่วไปของมันเอง แต่คำตอบทุกคำต้องอิงผลจาก Aeneas และ Ithaca โมเดลที่ฝึกมากับจารึกจริงโดยเฉพาะ หน้าที่ของ Gemini จึงเหลือแค่สองอย่าง คือรับคำสั่งภาษาคนแล้วแปลงเป็นงานที่โมเดลเฉพาะทางรับได้ และเรียบเรียงผลออกมาเป็นภาษาที่นักประวัติศาสตร์อ่านรู้เรื่อง

นักประวัติศาสตร์ยังเปิดดูได้ทุกขั้นตอนว่าคำตอบนี้อิงจารึกแผ่นไหน อิงรูปแบบอะไร นี่คือส่วนที่ทำให้มันเป็นเครื่องมือวิชาการ ไม่ใช่แชตบอตที่พูดเพราะ

ความต่างระหว่าง prompt หรือข้อความสั่งงานที่พิมพ์ใส่แชต กับ skill อยู่ตรงนี้เอง prompt คือการขอให้โมเดลตอบจากสิ่งที่มันจำมาได้ ส่วน skill คือการเชื่อมเครื่องมือจริงเข้ากับโมเดล แล้วบังคับให้มันตอบจากผลของเครื่องมือนั้น ใครอยากเห็นเส้นแบ่งนี้ชัดขึ้น ลองอ่าน Tool, Skill หรือ Subagent ต่อได้

พอวางกติกาแบบนี้แล้ว งานที่เคยทำไม่ไหวก็เริ่มทำได้ ตัวอย่างหนึ่งคือแท่นบูชาหินจากเมือง Mainz ที่ข้าราชการโรมันคนหนึ่งอุทิศไว้ในปี 211 ให้แก่เทพีแม่ Aufaniae กลุ่มเทพีของชนเผ่าเยอรมันที่คนแถบนั้นนับถือ ระบบไล่ดูรูปแบบถ้อยคำจากจารึกทั้งชุดในแถบแม่น้ำไรน์และดานูบ จนเห็นว่าความเชื่อในเทพีกลุ่มนี้เดินทางไปพร้อมกับการเคลื่อนย้ายของทหารและข้าราชการโรมัน อีกตัวอย่างคือแผ่นตะกั่วนับพันแผ่นจากลานพยากรณ์ Dodona ทางตะวันตกเฉียงเหนือของกรีซ เมื่อนำข้อมูลจากจารึกเหล่านี้มาประกอบกัน ก็เห็นเครือข่ายของผู้คนที่เดินทางมาถามเทพเจ้า ทั้งเรื่องค้าขาย การเดินทาง และครอบครัว แทนที่จะเห็นเป็นจารึกแยกกันคนละแผ่น

สูตรสามส่วนที่ยกมาใช้กับงานของตัวเองได้

ถ้าตัดเรื่องโบราณคดีออกไป สิ่งที่เหลืออยู่คือสูตรสามส่วนที่ไม่ได้ผูกกับจารึกเลย

ส่วนแรกคือข้อมูลจริงที่มีอยู่แล้วในงานของคุณ เช่น ผังบัญชีที่คุณวางเอง ไฟล์สต็อกที่คุณคีย์เอง หรือระเบียบบริษัทที่ฝ่ายบุคคลเขียนเอง ข้อมูลพวกนี้มีอยู่แค่ในงานของคุณ และโมเดลทั่วไปไม่มีทางรู้ ส่วนที่สองคือช่องทางที่เปิดให้ใช้ภาษาคนสั่งระบบทำงานกับข้อมูลชุดนั้นได้โดยไม่ต้องเขียนโค้ด ส่วนที่สามคือกติกาว่า AI ห้ามเดาเอง ต้องตอบจากข้อมูลจริงที่เปิดตรวจได้เท่านั้น

ส่วนที่สามคือส่วนที่คนมักลืม และเป็นส่วนที่ทำให้อีกสองส่วนมีค่า

เริ่มได้ตั้งแต่วันนี้ด้วยสามขั้นตอน

1. เขียนลงไปให้ชัดว่า ข้อมูลอ้างอิงหลักในงานของคุณคือไฟล์ไหน เช่น ระเบียบพนักงานฉบับล่าสุดไฟล์เดียว ไม่ใช่ทั้งโฟลเดอร์
2. ตั้งกติกาเป็นบรรทัดเดียวแล้ววางไว้บนสุด เช่น ห้ามตอบจากความรู้ทั่วไป ให้ตอบจากไฟล์ระเบียบพนักงานนี้เท่านั้น และทุกคำตอบต้องระบุว่ามาจากข้อไหน หน้าไหน
3. ถามคำถามที่คุณตรวจคำตอบเองได้ เช่น ลาป่วยติดกันสามวันต้องใช้ใบรับรองแพทย์ไหม แล้วไล่เปิดข้อที่มันอ้างดูทีละข้อ

ถ้าคำตอบไหนไม่ระบุแหล่งอ้างอิง ให้ถือว่ามันเดาแล้วโยนทิ้ง นี่คือมาตรฐานเดียวกับที่นักประวัติศาสตร์ใช้กับสกิลตัวนี้ และถ้าอยากเห็นวิธีนี้ทำงานในเครื่องมือจริง สกิลตัวนี้ก็ติดตั้งอยู่บน Antigravity 2.0

มันอ่านศิลาจารึกไทยไม่ได้

ต้องพูดให้ชัดเพื่อกันเข้าใจผิด ระบบนี้อ่านได้เฉพาะจารึกภาษากรีกและละตินเท่านั้น เพราะมันฝึกมากับฐานข้อมูลจารึกละตินกว่า 176,000 ชิ้นจากยุโรป และคลังจารึกกรีกอีกชุดหนึ่ง มันไม่เคยเห็นอักษรไทย ไม่เคยเห็นใบลาน และไม่เคยเห็นศิลาจารึกสุโขทัย มันจึงอ่านของพวกนั้นไม่ออกแม้แต่แผ่นเดียว

ในหน้า GitHub ของโครงการเองก็เขียนกำกับไว้ตรง ๆ ว่านี่ไม่ใช่ผลิตภัณฑ์ทางการของ Google มันคือโครงการวิจัยที่เปิดให้คนเอาไปต่อยอด ไม่ใช่บริการที่มีคนคอยดูแลให้

สิ่งที่นำมาปรับใช้ในไทยได้จึงไม่ใช่ตัวโมเดล แต่เป็นวิธีคิด คือเอาความรู้เฉพาะทางที่มีคนสะสมไว้แล้ว มาต่อเข้ากับช่องทางที่สั่งงานด้วยภาษาคนได้ แล้วบังคับให้ทุกคำตอบชี้กลับไปที่หลักฐานที่เปิดตรวจได้

งานแบบนี้ต้องใช้แค่สองอย่าง คนที่อ่านของเก่าเป็น กับข้อมูลที่จัดเก็บไว้ดีพอ ซึ่งบ้านเรามีอยู่แล้วทั้งคู่ แล้วจารึกไทยล่ะ ยังรอใครอยู่

---

ที่มา:

• บทความ Conversing with antiquity จาก Google DeepMind
• บทความ Aeneas transforms how historians connect the past จาก Google DeepMind
• โค้ดและโมเดล google-deepmind/predictingthepast จาก Google DeepMind