Claude แต่ละโมเดลต่างกันอย่างไร? เปิดผลวิจัย Anthropic พร้อมวิธีเลือกใช้ให้เหมาะกับงาน

เวลาที่เราถามคำถามทั่วไปกับ AI คำตอบที่ได้มักไม่ได้มีแค่ข้อมูลหรือเหตุผล แต่ยังมี ‘มุมมอง’ หรือ ‘ความเชื่อ’ บางอย่างของ AI แฝงอยู่ด้วยเสมอ 

เพราะคนที่สร้าง AI ไม่สามารถกำหนดคำตอบไว้สำหรับทุกสถานการณ์ได้ เนื่องจากในแต่ละวันมีคนเข้ามาพูดคุยกับ AI เป็นล้านเรื่อง เขาไม่สามารถตามไปเขียนสั่งได้ทั้งหมดว่าแต่ละเรื่องต้องตอบยังไง จึงทำได้เพียงวางหลักการกว้าง ๆ แล้วสอนให้ AI เรียนรู้วิธีคิดและตัดสินใจอย่างไรให้เหมาะกับแต่ละสถานการณ์ แต่คำถามที่น่าสนใจคือเราจะรู้ได้อย่างไรว่า AI เลือกใช้มุมมองแบบไหนในการตอบเรา และถ้าเปลี่ยนคำถามหรือเปลี่ยนเรื่องที่คุย มุมมองนั้นจะเปลี่ยนตามไปด้วยหรือไม่  

ทำไม AI แต่ละตัวถึงตอบไม่เหมือนกัน 

นักวิจัยต้องการวิเคราะห์สไตล์การตอบของ Claude จากบทสนทนากว่า 7 แสนครั้ง แต่เจอปัญหาว่า AI มีรูปแบบการตอบยิบย่อยถึง 3,300 กว่าแบบ ซึ่งเยอะเกินกว่าจะวิเคราะห์หรือเปรียบเทียบไหว ทีมงานจึงให้คนช่วยจัดหมวดหมู่สไตล์ที่คล้ายกันให้ยุบรวมเหลือ 339 หัวข้อหลัก จากนั้นจึงสุ่มแชทจำนวนมากจาก AI ทั้ง 3 รุ่น (Sonnet 4.6, Opus 4.6 และ Opus 4.7) ใน 20 ภาษา เฉลี่ยภาษาละ 5,000 แชท มาเทียบหาความเชื่อมโยง เพื่อดูว่าสไตล์แบบไหนมักจะโผล่มาพร้อมกัน เช่น ถ้าคำตอบมาแนวเป็นมิตรก็มักจะพ่วงการให้กำลังใจมาด้วย แต่จะไม่โผล่มาพร้อมกับสไตล์ที่เจ้าระเบียบหรือตึงเป๊ะ

พอจับทางได้ว่าสไตล์ไหนมักจะมาเป็นแพ็กเกจคู่กัน ทีมวิจัยก็ใช้สถิติรวบตึงข้อมูลทั้งหมดให้เหลือเพียง 'แกนวัด 4 แกนหลัก' เพื่อใช้เป็นเหมือนไม้บรรทัดวัดนิสัยของ Claude การจัดกลุ่มแบบนี้ช่วยให้ทีมงานมองเห็นภาพรวมได้ทันทีว่า AI กำลังเทน้ำหนักการตอบไปทางขั้วไหน

4 แกนวัดที่บอกว่า AI มีนิสัยการตอบแบบไหน 

งานวิจัยนี้ดูว่า AI มี ‘นิสัยการตอบ’ แบบไหน โดยแบ่งเป็น 4 ด้านหลัก

• ทำตามผู้ใช้หรือเตือนอย่างระมัดระวัง ดูว่า AI จะทำตามสิ่งที่ผู้ใช้ต้องการทันที หรือจะเตือนและให้คำแนะนำที่ปลอดภัยกว่า
• น้ำเสียงที่เป็นมิตรหรือจริงจัง ดูว่า AI จะตอบแบบให้กำลังใจและเป็นกันเอง หรือจะเน้นข้อมูลที่ถูกต้องแบบตรงไปตรงมา
• การอธิบายละเอียดหรือตอบแบบกระชับ ดูว่า AI จะอธิบายเหตุผลและรายละเอียดมากน้อยแค่ไหน หรือเลือกตอบสั้น ๆ ให้ตรงคำถาม
• ยอมรับข้อจำกัดหรือเน้นหาคำตอบ ดูว่า AI จะบอกตรง ๆ เมื่อไม่รู้หรือทำไม่ได้ หรือจะพยายามหาคำตอบออกมาให้สมบูรณ์ที่สุด

โมเดลเดียวกันก็ไม่ได้ตอบเหมือนกันเสมอ 

เมื่อนำผลจากทั้ง 4 ด้านมาเทียบกันจะเห็นว่า AI แต่ละรุ่นมี ‘บุคลิก’ ในการตอบที่แตกต่างกัน

Sonnet 4.6 เป็นรุ่นที่ดูเป็นมิตรและเข้าถึงง่ายที่สุด เวลาตอบมักให้ความรู้สึกเหมือนกำลังคุยกับคนที่พร้อมรับฟัง มีการให้กำลังใจ มีอารมณ์ขัน และช่วยต่อยอดความคิดของผู้ใช้ โดยไม่ได้รีบตัดสินว่าไอเดียนั้นถูกหรือผิด

ส่วน Opus 4.7 จะมีลักษณะจริงจังและรอบคอบกว่า มักอธิบายที่มาที่ไปของคำตอบอย่างละเอียด กล้าทักท้วงเมื่อเห็นว่าความคิดของผู้ใช้อาจมีจุดที่ต้องระวัง และมักพูดถึงความเสี่ยงหรือข้อจำกัดที่เกี่ยวข้อง แม้ผู้ใช้ไม่ได้ถามโดยตรงก็ตาม นอกจากนี้ยังมีแนวโน้มที่จะยอมรับตรง ๆ เมื่อมีสิ่งที่ตัวเองไม่รู้หรือทำไม่ได้

ขณะที่ Opus 4.6 จะเน้นตอบให้ตรงประเด็นและได้ผลลัพธ์เร็วกว่า มักไม่ขยายความเกินจากสิ่งที่ผู้ใช้ถาม และเลือกให้คำตอบที่กระชับมากกว่าการลงรายละเอียด

ถ้ามองภาพรวมแล้วลักษณะเหล่านี้ตรงกับมุมมองของผู้ใช้งานและทีมที่มองว่า Opus 4.7 มีจุดเด่นเรื่องความรอบคอบและความตรงไปตรงมา Opus 4.6 เด่นเรื่องการตอบกระชับ ส่วน Sonnet 4.6 โดดเด่นเรื่องความเป็นมิตรและการสื่อสารที่เข้าถึงง่าย

ภาษาที่ใช้มีผลต่อคำตอบของ AI 

Claude ไม่ได้ตอบเหมือนกันในทุกภาษา เพราะภาษาที่ใช้คุยมีผลต่อรูปแบบการตอบของ AI 

โดย Claude จะแสดงรูปแบบการตอบที่ต่างกันไปตามภาษา ทั้งเรื่องน้ำเสียงและวิธีให้คำแนะนำ 

เมื่อคุยกับ Claude ด้วยภาษาฮินดีหรือภาษาอาหรับ โมเดลจะแสดงความเป็นมิตรมากกว่า มักใช้คำพูดสุภาพ มีความขี้เล่น และช่วยสนับสนุนความคิดของผู้ใช้ โดยภาษาอาหรับยังมีแนวโน้มตอบแบบตามความต้องการของผู้ใช้มากขึ้น และให้คำตอบที่กระชับกว่า 

แต่เมื่อใช้ภาษาอังกฤษหรือภาษารัสเซีย Claude จะมีท่าทีจริงจังมากขึ้น มักตั้งคำถาม ตรวจสอบรายละเอียด และขอหลักฐานเพิ่มเติมเพื่อให้ข้อมูลถูกต้อง โดยเฉพาะภาษาอังกฤษที่ Claude จะมีความระมัดระวังมากขึ้น พร้อมอธิบายรายละเอียดลึกกว่าเดิม

ส่วนภาษาดัตช์ เป็นภาษาที่ Claude แสดงความตรงไปตรงมาในการยอมรับข้อผิดพลาดหรือข้อจำกัดของตัวเองมากที่สุด ขณะที่ภาษาอินโดนีเซีย Claude มีแนวโน้มเน้นการหาคำตอบและผลลัพธ์ที่นำไปใช้ได้มากกว่า

ความแตกต่างนี้ทำให้คนสองคนที่ถามคำถามเดียวกัน อาจได้รับคำตอบจาก Claude ที่ให้ความรู้สึกไม่เหมือนกัน เช่น หากนำแผนธุรกิจเดียวกันไปขอคำแนะนำ คนที่ถามเป็นภาษาฮินดีอาจได้รับคำตอบที่เน้นให้กำลังใจและช่วยต่อยอดไอเดีย ขณะที่คนที่ถามเป็นภาษาอังกฤษอาจได้รับคำตอบที่เน้นการตั้งคำถาม

Anthropic คาดว่าสาเหตุอาจมาจากข้อมูลที่ใช้ฝึก AI ในแต่ละภาษามีความแตกต่างกัน ทั้งจำนวนข้อมูลและประเภทของเนื้อหา บางภาษาอาจมีข้อมูลจากงานเขียนระดับมืออาชีพมากกว่า ทำให้รูปแบบการตอบของ AI เปลี่ยนไปตามภาษา แต่อย่างไรก็ตามตอนนี้ยังไม่สามารถสรุปได้ชัดเจนว่าความแตกต่างเหล่านี้เกิดจากความแตกต่างทางวัฒนธรรมของแต่ละภาษา หรือเป็นเพียงข้อจำกัดของโมเดลที่ทำให้การตอบในบางภาษามีความไม่สม่ำเสมอ

โจทย์ต่อไปของการพัฒนา AI

ซึ่งพอรู้แล้วว่า Claude แต่ละรุ่นและแต่ละภาษาตอบไม่เหมือนกัน คำถามต่อไปคืออะไรทำให้ต่างกัน และจะปรับให้ดีขึ้นได้ยังไง

ทีมวิจัยเลยอยากรู้ก่อนว่าความต่างนี้เกิดขึ้นตั้งแต่ขั้นตอนไหนของการฝึก AI ถ้าหาต้นตอเจอจะปรับพฤติกรรม Claude ได้ตรงจุดกว่านี้และอีกเรื่องที่ต้องดูคือความต่างนี้กระทบผู้ใช้จริงมากน้อยแค่ไหนจะได้รู้ว่าควรแก้ปัญหาไหนก่อนหลัง

อีกคำถามคือ Claude ควรตอบเหมือนกันทุกภาษาหรือไม่ และนอกจากรุ่นโมเดลกับภาษาแล้วยังมีปัจจัยอื่นที่ทำให้ AI ตอบต่างกันอีกไหม เช่น อายุ อาชีพ ภูมิภาค หรือแม้แต่วิธีพิมพ์ของผู้ใช้

ทีมยังอยากรู้ว่าควบคุมรูปแบบการตอบของ Claude ได้แค่ไหน ถ้าปรับวิธีฝึกโมเดลหรือคำสั่งตั้งต้นของระบบได้ พฤติกรรมของ AI จะเปลี่ยนตามที่ตั้งใจได้จริงไหม

เป้าหมายของ Anthropic คือเอาระบบนี้ไปติดตามพฤติกรรมของ Claude อย่างต่อเนื่อง ทั้งก่อนและหลังเปิดให้ใช้งานจริง เพื่อจับรูปแบบการตอบที่ไม่เหมาะสม และหาความสัมพันธ์ระหว่างค่านิยมกับพฤติกรรมที่เป็นปัญหา แล้วเอาข้อมูลที่ได้ไปปรับโมเดลให้ตอบสนองผู้ใช้แต่ละภาษาได้ดีขึ้น

อ้างอิง: anthropic