บริหารงานภาครัฐ
บทความนี้ไม่ได้มุ่งปฏิเสธ AI เลย นัยหนึ่งคือเราคงต้องอยู่ร่วมกับ AI จริง ๆ เหมือนที่จะต้องอยู่กับสิ่งอื่น ๆ ที่เกิดขึ้นมาแล้วบนโลกใบนี้ แต่สิ่งที่กำลังจะเน้นคือความน่ากลัวที่สุดของปรากฏการณ์นี้คือการที่เราคิดแบบ AI กันมากขึ้นอย่างไม่รู้ตัว
การคิดแบบ AI คืออะไร?
คำอธิบายง่าย ๆ คือ ฉลาด หลักแหลม เท่าทันข้อมูล และเร็วทันใจ เหมือนคำตอบของทุกอย่างอยู่ที่ความฉลาด ความกว้างขวางของข้อมูลในมือ หรือแม้แต่ความได้เปรียบจากการเท่าทันเครื่องมือต่าง ๆ ซึ่ง Habermas (1984) นักปรัชญาที่เพิ่งจากโลกไปไม่นานนักเรียกวิธีคิดแบบนี้ว่า ตรรกะเชิงเครื่องมือ (instrumental rationality) โดยถกเถียงเรื่องนี้อย่างจริงจังว่าตรรกะดังกล่าวพาเราหลงทางจากการตัดเรื่องอื่นของมนุษย์ออกไป จากที่แก่นของมันคือต้องเป็นวัตถุวิสัย (objectivity) ซึ่งตรงข้ามกับอัตวิสัย (subjectivity) อันถูกมองว่าคืออคติของคน
เราจึงเคร่งครัดในความเป็นวิทยาศาสตร์ของความรู้ เราสอนต่อ ๆ กันให้กันตัวเองออกไปจากความรู้ที่เชื่อว่าอยู่ข้างนอกตัวเรา เราเรียนรู้เครื่องมือที่มาพร้อมกับมาตรวัดต่าง ๆ ที่ชี้ว่าอะไรเป็นความรู้ (Habermas, 2007) โดยวิวัฒนาการของมุมมองเช่นนี้นับว่ามาถึงจุดสูงสุดวันนี้ที่ AI เดินเข้ามาในฐานะเครื่องมือที่ล้ำที่สุดในการให้ความรู้กับเรา
ความน่ากลัวนี้มันหนักหนามากขึ้นเมื่อนโยบายการศึกษานั่นเองที่มีส่วนปรับตัวไปทางนี้จนน่ากังวล กล่าวคือ จินตนาการตอนนี้ของระบบการศึกษาคือสร้างมนุษย์พันธุ์ AI นั่นคือหาความรู้และคำตอบจากโลกภายนอกได้หมดและอย่างรวดเร็ว แต่ก่อนว่าหนักแล้ว ตอนนี้หนักเพิ่มไปอีก จนพื้นที่ความรู้แคบลงไปอย่างมาก
ทำไมถึงน่ากลัว? เพราะว่ายังไงก็ไม่ทัน AI หรือเปล่า? คำตอบคือเปล่าเลย ที่น่ากลัวอยู่ที่การลืมไปด้วยซ้ำถึงความลึกซึ้งของการเข้าถึงความรู้ของมนุษย์
ย้อนกลับไปหา Habermas (1990, 1996) เขาไม่ได้แค่วิพากษ์ตรรกะเชิงเครื่องมือที่การเข้ามาของ AI กลายเป็นตัวอย่างที่เด่นชัด แต่ยังเสนอทางเลือกด้วย นั่นคือ การเข้าถึงความรู้ด้วยตรรกะเชิงสื่อสาร (communicative rationality) ซึ่งให้ความสำคัญกับปฏิสัมพันธ์ระหว่างมนุษย์ (human interaction) ในการสร้างความรู้และการเรียนรู้
ในมุมนี้ ความรู้มาจากอัตวิสัยร่วม (inter subjectivity) กล่าวคือ การที่เรารับรู้ร่วมกันว่าอะไรถูก อะไรผิด อะไรดี อะไรเลว ซึ่งแตกต่างกันออกไปตามบริบทได้ เช่น ขึ้นอยู่กับความศรัทธาที่ต่างกันของสังคม (Habermas et. al., 2010) และถ้ามีการทักท้วงว่าจะรับประกันได้อย่างไรว่ามันถูกต้องที่สุดหรือดีที่สุดโดยไม่มีอคติแอบแฝง (the best way) คำตอบไม่ใช่ไม่รู้ แต่คือจริง ๆ แล้วสิ่งที่เรียกว่าถูกหรือดีที่สุดนั้นไม่มี เพราะข้อเท็จจริงและค่านิยมแยกขาดออกจากกันไม่ได้อย่างเด็จขาด (fact-value dichotomy) สิ่งที่ควรมุ่งเน้นจึงเปลี่ยนจากอะไรถูกต้องที่สุดเป็นอะไรที่เราเห็นพ้องต้องกันได้มากที่สุด
ข้อถกเถียงเรื่องนี้นับเป็นข้อถกเถียงในเชิงญาณวิทยา (epistemology) กล่าวคือ อะไรที่จะนับว่าคือความรู้ ซึ่งยุค AI ทำให้เราต้องหันมาตั้งคำถามนี้กันมากขึ้น โดยกลุ่มที่ถูกเรียกว่าสำนักตีความ (Hermeneutics/ Constructivism/ Interpretivism) ที่มี Habermas เป็นหนึ่งในนั้นชวนมองเข้าไปข้างใน
นั่นคือ ความรู้อยู่ที่การตีความความหมายของมนุษย์ เช่น ตัวเลขไม่ได้บอกเราว่ามันมากหรือน้อย เราต่างหากที่ให้ความหมายกับจำนวน (Stone, 2020) ความรู้จึงขึ้นกับการตีตวาม และการตีความมาจากประสบการณ์ การเรียนรู้จากประสบการณ์ (experiential learning) เลยมีคุณค่าและเป็นรากฐานของการแสวงหาความรู้มนุษย์
พูดในมุมที่กว้างขึ้น คุณค่าของการได้มาซึ่งความรู้ที่แท้จริงและงดงามคือ สัมผัสมนุษย์ (human touch) ซึ่งกล่าวอย่างง่ายคือ Head, Heart และ Hand เรื่องหัวคงไม่ต้องอธิบาย ส่วนเรื่องมือก็คือประสบการณ์ตรงที่ได้สัมผัสมา ในขณะที่เรื่องหัวใจหลายคนไม่เชื่อว่าสร้างความรู้ได้ จึงขอยกตัวอย่างงานถกเถียงเรื้องนี้มาอธิบาย
งานชิ้นแรกเป็นของ Fideler (2000) ที่กล่าวถึงพหุนิยมของญาณวิทยา (epistemological pluralism) โดยอธิบายว่า ความรู้นั้นมีหลากหลายรูปแบบ ทั้งเข้าถึงด้วยตาและด้วยใจ โดยเขาสะท้อนว่าหัวใจนั้นมีความคิด (the thought of the heart) โดยมันคิดได้ (the heart can think) เช่น หลายคนมีประสบการณ์ทำตามเสียงของหัวใจ
งานชิ้นที่สองเสนอมุมมองโดย Hillman (2007) ซึ่งชี้ว่ามีแค่ใจที่มองเห็นจุดบอด (blind spots) ที่ตามองไม่เห็น เช่น ความรู้ในความรัก ความเมตตา ความปรารถนาดีระหว่างสิ่งมีชีวิต หรือพลังของการตีความด้วยใจเพื่อการรับรู้สิ่งต่างๆ อย่างลึกซึ้งคือความสามารถจำเพาะของมนุษย์
งานชิ้นที่สาม Chilton (2012) ชวนคิดว่าหัวใจเป็นผู้สอนสมองมุมมองใหม่ ๆ ในการคิด (the heart can teach the mind new ways of thinking) การตัดสินใจหนึ่ง ๆ จึงมีทั้งข้อมูลส่งผ่านไปสมองและหัวใจที่คอยให้ความหมายกับสิ่งต่างๆ บอกเราให้เลือกสิ่งที่เหมาะสมที่สุดกับเราและคนรอบข้าง
หลายคนอาจจะมองว่าเป็นเรื่องเพ้อเจ้อ (imaginative) ไม่มีแก่นสาร โดยเฉพาะผู้ที่คิดว่าความรู้ต้องมาจากวิธีการทางวิทยาศาสตร์อย่างเดียว ทั้งนี้ Anderson (1998) ชวนคิดต่อว่า ความรู้ไม่จำเป็นต้องมาจากการพิสูจน์เสมอไป สัมผัสของมนุษย์ไม่ใช่แค่มือจับ แต่รวมไปถึงสัมผัสความรู้จากข้างใน ซึ่งถูกเรียกว่าการอาศัยจิตใต้สำนึกหรือความหยั่งรู้ (intuitive inquiry) ซึ่งมาจากประสบการณ์ทั้งทางกายและจิตใจ โดยความรู้และการเข้าถึงความรู้เช่นนี้นับว่าเป็นการอาศัยความเป็นมนุษย์ที่วิทยาศาสตร์เองก็ยังเข้าใจได้ไม่หมด เพราะมันอยู่เหนือกรอบแนวคิดแบบทั่วไป (beyond logical framework) โดย Anderson (2004) เรียกว่าญาณวิทยาของหัวใจ (an epistemology of the heart)
สิ่งอัศจรรย์หรือพรสวรรค์ของมนุษย์เหล่านี้ ถูกบอกให้ตัดออกไปโดยระบบการศึกษาของเรามานาน เช่น คำสอนที่ว่า “อย่าทำตามอำเภอใจ” จนมาถึงยุค AI นี้ที่มาถึงจุดที่มันถูกตัดขาดอย่างสิ้นเชิง ใครอยากรู้อะไร ให้ไปถาม AI คุณลักษณะของคนรุ่นใหม่ตอนนี้คือต้องใช้ AI อย่างชาญฉลาดที่สุด เท่าทันที่สุด ส่วนชาวบ้านตาดำ ๆ ที่เปี่ยมประสบการณ์ ถูกบอกให้ต้องปรับตัว ไปฝึกใช้ให้เป็นจะได้ไม่ตกยุค โดยรัฐเองก็มีนโยบายลงทุนเรื่องนี้มหาศาลเพื่อไปหา AI มาให้คนไทยใช้เพื่อหวังให้ทันโลก พร้อมทั้งกำกับให้หลักสูตรใส่เรื่อง AI เข้าไปให้เต็มที่
วันนี้ ใครพูดถึงจิตวิญญาณมนุษย์ (human spirit) ความรู้เฉพาะที่ (situated knowledge) หรือภูมิปัญญาท้องถิ่น (local knowledge/ wisdom) นับว่าตกยุค AI แบบที่สุด การพูดถึงปทัสถาน อุดมคติ และอารมณ์ความรู้สึก ยิ่งถูกมองว่าอยู่ตรงข้ามกับความรู้ พอสังคมสมัยใหม่ลดทอนคุณค่าเหล่านี้ไปแล้วมีคนอายุมากมาทักก็จะถูกตัดสินไปง่าย ๆ ว่าเป็นครูสมศรี อนุรักษ์นิยมไม่ทันโลกมาปล่อยไก่ ทั้ง ๆ ที่เรื่องนี้ไม่เกี่ยวกับอนุรักษ์นิยมมากไปกว่าการทักท้วงเรื่องของการสูญเสียความเป็นมนุษย์
จากข้างต้น สำหรับคนที่ห่วงใย เราจะทำอย่างไรกันดี สิ่งแรกคงต้องมาถกกันใหม่เรื่องนโยบายการศึกษา สิ่งที่ต้องทบทวนคือความรู้แบบใดที่เราอยากให้คนของเรามี แน่นอนว่าเราต้องอยู่กับ AI ได้ ใช้ AI เป็น แต่ความรู้มีพรมแดนกว้างขวางกว่านั้น และมนุษย์มีพรสวรรค์กว่าสร้าง Prompt ให้ AI
นโยบายการศึกษาจึงอยู่ที่ว่ารัฐกำลังให้ความหมายกับการศึกษาของเราอย่างไร ยังดีที่สถาบันการศึกษาหลายแห่งมีแนวนโยบายของตนเองเสริมเข้ามาเรื่องการเรียนรู้ผ่านประสบการณ์ การคิดเชิงวิพากษ์ การให้ความสำคัญกับผู้เรียนที่มีความเห็นอกเห็นใจผู้อื่น (empathetic) และการเรียนรู้ที่จะทำงานร่วมกัน แต่ก็ไม่ชัดเจนว่าจะมุ่งเน้นไปแบบไหน หรือจะถูกจัดวางอย่างไรให้สมดุลกับการผลักดันเรื่อง AI
พูดจากประสบการณ์ตรงของตัวเอง ในฐานะที่ก็อยู่ในแวดวงการศึกษา การศึกษาทุกวันนี้ตอบสนองตลาดเสรีนิยมเป็นหลักอย่างหลีกเลี่ยงไม่ได้ (neo-liberalizing education) เพราะทุกคนก็อยากออกไปมีงานทำ เป็นโศกนาฏกรรมร่วมของสังคมสมัยใหม่ก็ว่าได้ (Boossabong, 2018) ทุกคนจึงต้อง “Smart” มีทักษะ มีเครื่องมือ เป็น “Expert” เป็น “Professionals” ต้องตามทัน อยู่ในเกม แข่งขันได้ และที่สำคัญคือต้องหาทางได้เปรียบ
คำถามที่ท้าทายคือมนุษย์ห้องแล็บ ร่างทรงแบบจำลอง AI หรือแม้แต่คนที่สามารถตามรอย Machine learning เหล่านี้แก้ปัญหาของสังคมที่เราเผชิญร่วมกันได้แค่ไหน คุณลักษณะเหล่านี้แก้ปัญหาความเหลื่อมล้ำและความไม่ยุติธรรมทางสังคมและสิ่งแวดล้อมได้หรือไม่ หนักไปกว่านั้น การศึกษากำลังสร้างคนที่ไปแก้ปัญหาหรือเป็นส่วนหนึ่งของปัญหากันแน่
กลับมาที่ตนเอง อดคิดไม่ได้ว่าถ้าเราสร้างนักนโยบายออกไปคิดต้นทุนผลตอบแทนของโครงการพัฒนาต่างๆ ได้เร็วและแม่นยำมาก สังคมจะมีความสุขกันอย่างแท้จริงหรือเปล่า ถ้านักนโยบายเอาเครื่องมือต่าง ๆ รวมถึง AI มาอ้างถึงความหนักแน่นของความรู้และความเป็นผู้เชี่ยวชาญของตนเองในการตัดสินใจทุกสิ่งแทนคนอื่น เขาอาจจะมีเครื่องมือบางส่วนเหมือนกันในการไปรวบรวมความคิดเห็นประชาชน แต่ก็อยู่ในฐานคติว่าเขารู้ดีในศาสตร์นโยบายและมีเครื่องมือในมือ เสียงเหล่านั้นก็คงแค่ใช้ประกอบการวิเคราะห์
กล่าวอีกนัยคือเขาไปรวบรวมความเห็น แต่เขาไม่ได้ฟังเสียง เขาไม่ต้องลงไปสัมผัสพื้นที่ที่โครงการจะก่อสร้างด้วยซ้ำ เพราะมีข้อมูลเงาหรือข้อมูลเทียบเคียง (proxy data) จาก AI แล้ว เขาไม่ต้องสนใจประสบการณ์ของคนในพื้นที่ ปทัสถานทางสังคมที่นั่น รวมถึงจินตนาการและความคาดหวังเกี่ยวกับสังคมในอุดมคติของผู้คน เพราะมันลดทอนสิ่งที่เขาเรียกว่า “Evidence-based policy” มันเป็นแค่ความคิดเห็น ไม่ใช่ข้อเท็จจริง (noises) การตัดสินใจต้องวางอยู่บนข้อเท็จจริงเท่านั้น โดยเฉพาะตรรกะที่ว่าเราต้องเลือกทางเลือกที่สิ่งที่ได้มา มากกว่าสิ่งที่เสียไป
ด้วย AI เขาจะวิเคราะห์นโยบายได้เร็วขึ้น และเราคงเห็นโครงการพัฒนาที่สิ่งที่ได้มามากกว่าสิ่งที่เสียไปออกมาได้มากขึ้น จนกว่าจะรู้ตัวว่าความรู้แบบนี้หลงลืมอะไรไปบ้าง เราคงสูญเสียอะไรต่อมิอะไรไปมาก วันนั้นเราคงเห็นตัวเลขดี ๆ โชว์เต็มไปหมด แต่คนแทบไม่เห็นหัวกัน ไม่รู้วิธีการในการดูแลซึ่งกันและกัน ทำลายจินตนาการและความใฝ่ฝันของกันและกัน เพราะเราลืมนับไปว่า ความรู้เรื่อง “Care” ไม่ใช่แค่วิทยาศาสตร์และความแม่นยำของ AI แต่มันคือความรู้ในการใช้สัมผัสมนุษย์ที่จะเชื่อมโยงอารมณ์ความรู้สึกต่อกัน (emotional connection) ในฐานะมนุษย์ที่ร่วมทุกข์ร่วมสุขกันมา (Bound, 2012)
ดังที่เกริ่นไปแต่ต้น ความห่วงใยที่สุดคือท้ายที่สุดมนุษยชาติจะหยุด “Follow our hearts” (Fetterman and Robinson, 2013) สังคมจะเคลื่อนด้วยข้อมูลแห้ง ๆ (dry facts) เราจะขาดความอ่อนไหว (insensitivity) ต่อประสบการณ์ที่อิงบริบท (contextual experiences) ปทัสถานรวมถึงฐานคติทางคุณธรรมจริยธรรม (normative assumptions) อารมณ์ความรู้สึกของสังคม (social sentiments) และความสำคัญของจินตนาการในฐานะความรู้แบบหนึ่ง (knowledge of the imagination) (Lachman, 2017) โดย Livingstone (2021) เรียกรวม ๆ ว่า “Heart-based knowledge” และนั่นหยั่งถึงความลึกของความสลับซับซ้อนของโลกได้ดีที่สุด (the deep complexity of the world)
ถึงเวลาแล้วที่ต้องทบทวนการคล้อยตาม AI แบบขาดการฉุกคิด เราต้องขยับตั้งแต่ตอนนี้ อย่าให้คนเป็นแค่นักป้อนคำถามให้ AI ตอบ (prompt suppliers) แต่ให้เป็น “Critical friends to AI” ที่ยังให้คุณค่ากับความเชื่อมโยงระหว่างมนุษย์ (human connections) ที่ให้ความสำคัญกับความชอบธรรมไม่น้อยไปกว่าคำตอบที่ดี สุดท้าย AI มีฐานข้อมูลอยู่มาก (stock of information) เราไม่ต้องอยากฉลาดไปกว่าเขาก็ได้
สิ่งที่เราต้องเหนือกว่าคือสิ่งที่เรามีอยู่แล้วในก้นบึ้งของหัวใจเรา นั่นคือ Care กันให้มากขึ้นด้วยหัวใจ ทั้งระหว่างเราและสรรพสิ่งในโลก ที่เกิดแก่เจ็บตายด้วยกันทั้งหมดทั้งสิ้น (co-evolution) และสร้างการเปลี่ยนแปลงที่มีความหมายด้วยกันให้มากขึ้นด้วยมือที่เรามี นโยบายการศึกษาต้องช่วยปูทางนี้ก่อนความสูญเสียที่ยิ่งใหญ่ที่สุดจะเกิดขึ้น นั่นคือ การสูญเสียความเป็นมนุษย์ในตัวคน
อ้างอิง
Anderson, R. (1998) ‘Intuitive Inquiry: A Transpersonal Approach’, in Braud, W. and Anderson, R. (eds). Transpersonal Research Methods for the Social Sciences: Honoring Human Experience. Thousand Oaks: Sage Publications, pp. 69–94.
Anderson, R. (2004) ‘Intuitive Inquiry: An Epistemology of the Heart for Scientific Inquiry’, The Humanistic Psychologist, 32(4), pp. 307–341.
Bound, F. A. (2012) Matters of the Heart: History, Medicine and Emotion. Oxford: Oxford University Press.
Boossabong, P. (2018). Neo-liberalising higher education in the Global South: lessons learned from policy impacts on educational commercialisation in Thailand. Critical Policy Studies, 12(1): 110-115.
Fideler, D. (2000) ‘Science’s Missing Half: Epistemological Pluralism and the Search for an Inclusive Cosmology’, in Fideler, D. (ed.) Alexandria 5: The Journal of Western Cosmological Traditions. Michigan: Phanes Press, pp. 41–73.
Chilton, P. J. (2012). The Heart-Mind Matrix: How the Heart Can Teach the Mind New Ways to Think. Rochester: Park Street Press.
Habermas, J. (1984). The Theory of Communicative Action, vol. 1: Reason and the Rationalization of Society, trans. T. McCarthy. Boston, MA: Beacon Press.
Habermas, J. (1990). Moral Consciousness and Communicative Action, trans C. Lenhardt and S. Weber Nicholsen. Cambridge, MA: MIT Press.
Habermas, J. (1996). Between Facts and Norms: Contributions to a discourse theory of law and democracy, transl. T. McCarty. Cambridge: Polity.
Habermas, J. (2007). Knowledge and Human Interests, transl. T.McCarty. Cambridge: Polity.
Habermas, J., et. al. (2010). An Awareness of What is Missing: Faith and Reason in a Post-secular Age. Malden: Polity Press, pp.15-23.
Hillman, J. (2007). The Thought of the Heart and The Soul of the World. New York: Spring Publications.
Lachman, G. (2017). Lost Knowledge of the Imagination. Edinburgh: Floris Books.
Livingstone, L. (2021). Methodology of the Heart: Making Space for the Heart’s Wisdom in the Research Process. Ways of Seeing. 1(1): 67-97.
Stone, D. (2020). Counting: How We Use Numbers to Decide What Matters. New York: Liveright.
บทความที่เกี่ยวข้อง:
