AI Tools for Research

MU Sandbox มีบริการตอบคำถามรายละเอียดทุนต่างๆ การช่วยจัดทำตารางงบประมาณ โดยสามารถเลือกโมเดลที่เกี่ยวข้องกับทุนนั้นๆได้ช่วยตอบคำถามเบื้องต้นเกี่ยวกับประกาศทุน ขั้นตอนการเสนอขอทุน และแบบฟอร์มเสนอขอทุน ขั้นตอนการสมัครทุน รวมถึงเข้าหน้าที่ผู้สานงานทุน ดังนี้

Software AI และแนวทางการใช้ประโยชน์

ข้อควรระวังสำหรับนักวิจัย ในการใช้ AI ในงานวิจัย

1.   Hallucination
AI โดยเฉพาะแบบ Generative AI เช่น ChatGPT หรือ Claude อาจ “แต่ง” ข้อมูลขึ้นมาใหม่ โดยไม่ได้อ้างอิงจากข้อมูล ซึ่งอาจจะคลาดเคลื่อนกับความเป็นจริง ซึ่งเรียกว่าการ “Hallucinate”
แนวทางป้องกัน:
•   ตรวจสอบข้อเท็จจริงจากแหล่งข้อมูลต้นทางที่น่าเชื่อถือ เช่น Google Scholar, Scopus, Web of Science เป็นต้น
•   หลีกเลี่ยงการคัดลอกเนื้อหาจาก AI มาใช้โดยตรงในบทความวิชาการ
•   ใช้ AI เป็นเพียง “ผู้ช่วย” ในการสังเคราะห์ หรือสรุปข้อมูลเบื้องต้นเท่านั้น นักวิจัยควรตรวจสอบทุกครั้งก่อนนำไปใช้จริง

2.   Bias
AI เรียนรู้จากข้อมูลมหาศาลบนอินเทอร์เน็ต ซึ่งอาจมีอคติหรือแนวคิดที่ไม่เป็นกลาง เช่น ความลำเอียงทางเพศ เชื้อชาติ วัฒนธรรม หรือความเชื่อ เมื่อ AI นำเสนอข้อมูลตามลักษณะเหล่านี้ อาจส่งผลให้การตีความ หรือข้อเสนอในงานวิจัยมีความเอนเอียงโดยไม่รู้ตัว
แนวทางป้องกัน:
•   วิเคราะห์ผลลัพธ์จาก AI ด้วยวิจารณญาณ ไม่ยึดตามคำตอบอย่างเดียว
•   เปรียบเทียบข้อมูลจากหลายแหล่งหรือใช้หลายโมเดล AI เพื่อหลีกเลี่ยงความลำเอียง
•   หลีกเลี่ยงการใช้ AI วิเคราะห์ข้อมูลที่เกี่ยวข้องกับประเด็นอ่อนไหวโดยตรง เช่น เพศ ศาสนา หรือชาติพันธุ์

3.   ละเมิดลิขสิทธิ์
AI บางระบบอาจเรียนรู้จากข้อมูลที่มีลิขสิทธิ์ และเมื่อสร้างข้อความหรือเนื้อหาใหม่ อาจมีการดัดแปลงบางส่วนจากต้นฉบับโดยไม่ได้อ้างอิงอย่างเหมาะสม หากนักวิจัยนำข้อความนั้นมาใช้โดยไม่ตรวจสอบ อาจเกิดการละเมิดลิขสิทธิ์โดยไม่ตั้งใจ ซึ่งส่งผลทางกฎหมายและจริยธรรมทางวิชาการ
แนวทางป้องกัน:
•   ตรวจสอบความซ้ำซ้อนของข้อความ โดยใช้โปรแกรมตรวจ Plagiarism เช่น Turnitin, Grammarly หรือ Copyscape
•   หลีกเลี่ยงการนำเนื้อหาจาก AI มาใช้โดยตรง ในบทคัดย่อหรือบทความตีพิมพ์
•   อ้างอิงอย่างเหมาะสมหาก AI ช่วยสรุป หรือจัดโครงสร้างจากแหล่งข้อมูลที่มีเจ้าของลิขสิทธิ์

4.   Citation ผิด
อีกหนึ่งปัญหาที่พบบ่อย คือ AI มักสร้างรายการอ้างอิงที่ “ดูเหมือนจริง” แต่ไม่มีอยู่จริงในฐานข้อมูลวิชาการ หรือให้ข้อมูลผิด เช่น ชื่อผู้แต่งไม่ตรง ปีพิมพ์ไม่ถูก หรือชื่อวารสารไม่สอดคล้องกัน การใช้ Citation ที่ผิดพลาดในงานวิชาการ ส่งผลกระทบต่อความน่าเชื่อถือโดยตรง
แนวทางป้องกัน:
•   ตรวจสอบความถูกต้องของ Citation ด้วยแหล่งข้อมูลที่เป็นทางการ เช่น Google Scholar, PubMed และ IEEE Xplore
•   ใช้โปรแกรมจัดการบรรณานุกรม เช่น Zotero, Mendeley หรือ EndNote ซึ่งสามารถดึงข้อมูลจากฐานข้อมูลจริง
•   หลีกเลี่ยงการให้ AI สร้างรายการอ้างอิง โดยไม่ได้ตรวจสอบภายหลัง