เป็นที่ฮือฮาเมื่อนักวิจัยจาก PNAS Nexus เปิดเผยผลการศึกษาชิ้นใหม่ที่ระบุว่าโมเดลภาษาขนาดใหญ่ที่ล้ำสมัยที่สุดในปัจจุบันอย่าง GPT-4o, GPT-5, Claude 3.5 Sonnet, Claude Opus 4.1 และ Gemini 2.5 ต่างก็ “สอบตก” ในการทดสอบ Stroop Test คลาสสิก ยิ่งไปกว่านั้น ความแม่นยำยังลดฮวบเมื่อจำนวนคำเพิ่มขึ้น สะท้อนให้เห็นว่าแม้ AI จะเก่งกาจในการประมวลผลภาษา แต่ก็ยังมีจุดอ่อนในเชิงความเข้าใจที่ซับซ้อน
ข่าวนี้ชี้ให้เห็นถึงข้อจำกัดที่น่าสนใจของ Transformer Attention ซึ่งเป็นหัวใจสำคัญของโมเดลภาษาเหล่านี้ แม้จะสามารถสร้างข้อความได้อย่างแนบเนียน แต่การที่ AI ไม่สามารถจัดการกับความขัดแย้งเชิงความหมาย (semantic conflict) ใน Stroop Test ได้ดีเท่าที่ควร แสดงให้เห็นว่าการ “ใส่ใจ” ของ AI อาจยังไม่ลึกซึ้งเท่า “ความเข้าใจ” ของมนุษย์อย่างแท้จริง และทำให้เกิดคำถามว่าจะมี “โครงตาข่ายความจำสำหรับเรียนหลายวิชา” แบบใดที่จะช่วยเสริมความสามารถตรงจุดนี้ได้หรือไม่
ในอีกมิติหนึ่ง การที่ AI ยังไม่สมบูรณ์แบบนี้เองที่ย้ำเตือนถึงความสำคัญของความสามารถทางปัญญาที่ซับซ้อนในสิ่งมีชีวิตอื่นๆ เช่น ผึ้ง ที่เพิ่งมีการค้นพบว่าสามารถแก้ปัญหาซับซ้อนได้เทียบเท่าชิมแปนซีและช้าง ซึ่งแสดงให้เห็นถึง “ความอัจฉริยะ” ที่หลากหลายในธรรมชาติ หากแต่ทว่า การที่ AI ยังไม่สามารถจัดการกับ Stroop Test ได้นั้นอาจส่งผลกระทบต่อการนำ AI ไปใช้ในการประเมินผลการศึกษา โดยเฉพาะอย่างยิ่งการประเมินแบบเรียงความที่ต้องอาศัยการคิดวิเคราะห์เชิงลึก ที่อาจทำให้เกิดความกังวลว่านักเรียนจะใช้ AI ในทางที่ผิด
ดังนั้น โจทย์สำคัญคือการสร้าง “โครงตาข่ายความจำสำหรับเรียนหลายวิชา” ที่ช่วยให้มนุษย์สามารถจัดการกับข้อมูลและความรู้ที่หลากหลายได้อย่างมีประสิทธิภาพ ในขณะที่ AI ก็ยังต้องพัฒนาต่อไปเพื่ออุดช่องโหว่ด้านความเข้าใจเชิงบริบท และแน่นอนว่าผู้ที่เรียนรู้วิธีการจดจำหลายวิชาให้ไม่สับสน อาจเป็นผู้ที่ได้เปรียบในโลกที่ทั้ง AI และข้อมูลกำลังหลั่งไหลเข้ามาอย่างไม่หยุดหย่อน
ในอนาคต อาจเป็นไปได้ว่าเราจะได้เห็นความก้าวหน้าในการพัฒนา “memory framework” ที่เหนือกว่าเดิม เช่น “memory framework ปี 2026” ซึ่งอาจผสมผสานเทคนิคการเรียนรู้แบบมีช่องว่าง (spaced repetition) หรือแนวคิดของ Barbara Oakley เกี่ยวกับการเรียนรู้ที่ซับซ้อน เพื่อให้มนุษย์สามารถรับมือกับความท้าทายทางปัญญาที่ AI ยังไปไม่ถึง และการที่ AI สะดุดใน Stroop Test ครั้งนี้ ก็เป็นเหมือนสัญญาณเตือนให้เราต้องไม่หยุดพัฒนาศักยภาพในการเรียนรู้ของตนเอง
