ตรวจคำตอบ AI ก่อนใช้: จับข้อมูลผิดและแหล่งอ้างอิงที่ไม่มีอยู่จริง

หลายคนเคยให้ AI ช่วยหาแหล่งอ้างอิง แล้วได้รายการที่ดูดีมาก มีชื่อผู้แต่ง ชื่อวารสาร ปีที่พิมพ์ ครบถ้วน แต่พอลองค้นจริง บางรายการกลับไม่มีอยู่

AI ไม่ได้ตั้งใจหลอก มันสร้างข้อความที่ "หน้าตาเหมือน" รายการอ้างอิง โดยไม่ได้ไปเปิดดูบทความจริงเสมอไป ผลคือรายการที่ฟังดูน่าเชื่อ แต่ตรวจสอบไม่ได้

เกิดบ่อยแค่ไหน

• ปี 2566 งานวิจัยใน Scientific Reports ตรวจรายการอ้างอิง 636 รายการที่ ChatGPT สร้างขึ้น พบว่ารุ่น GPT-3.5 แต่งขึ้นเองร้อยละ 55 รุ่น GPT-4 ร้อยละ 18
• ปี 2568 งานวิจัยที่ให้ GPT-4o เขียนบทความทบทวนวรรณกรรมด้านสุขภาพจิต พบว่ารายการอ้างอิงราว 1 ใน 5 ไม่มีอยู่จริง และในรายการที่มีจริง เกือบครึ่งมีรายละเอียดผิด ที่พบบ่อยที่สุดคือ DOI ผิด
• งานเดียวกันพบว่า ในหัวข้อที่คนรู้จักกันดี AI แต่งขึ้นร้อยละ 6 แต่ในหัวข้อที่คนรู้จักน้อย ตัวเลขขึ้นไปเกือบร้อยละ 30

ข้อสุดท้ายสำคัญมาก ในหัวข้อที่คนรู้จักน้อย AI มีแนวโน้มแต่งขึ้นบ่อยกว่า และเป็นหัวข้อที่เราจับผิดได้ยากกว่าด้วย

AI รุ่นใหม่ดีขึ้น แต่ปัญหายังไม่หมดไป

แหล่งอ้างอิงมีจริง ก็ยังไม่พอ

ปัญหาไม่ได้มีแค่แหล่งอ้างอิงปลอม งานวิจัยใน Nature Communications (2568) ตรวจคำตอบด้านการแพทย์ของ AI 7 รุ่น พบว่าแล้วแต่รุ่น คำตอบร้อยละ 50–90 มีเนื้อหาบางส่วนที่แหล่งซึ่ง AI อ้างถึงไม่ได้พูดไว้ แม้ GPT-4o ที่เปิดการค้นเว็บแล้ว ข้อความราวร้อยละ 30 ก็ยังไม่ได้รับการรองรับจากแหล่งที่ AI อ้างเอง

พูดง่าย ๆ คือ บทความอาจมีอยู่จริง แต่ไม่ได้พูดอย่างที่ AI บอก

เชื่อโดยไม่ตรวจ เกิดอะไรขึ้น

ปี 2566 ทนายความ 2 คนในสหรัฐฯ ยื่นเอกสารต่อศาลโดยอ้างคำพิพากษาที่ ChatGPT แต่งขึ้น ศาลสั่งปรับทนายทั้งสองและสำนักงานกฎหมายรวม 5,000 ดอลลาร์สหรัฐ

ปี 2568 ศาลสูงของอังกฤษพิจารณาสองคดีพร้อมกัน ที่มีการอ้างคดีที่ไม่มีอยู่จริงในเอกสารต่อศาล ในคดีหนึ่ง ลูกความยอมรับว่ารายการอ้างอิงได้มาจากเครื่องมือ AI ที่ใช้ได้ทั่วไป ศาลระบุว่าเครื่องมือ AI ที่ใช้ได้ฟรีทั่วไปยังทำการค้นคว้าทางกฎหมายที่เชื่อถือได้ไม่ได้

ในมหาวิทยาลัยก็เช่นกัน การใช้แหล่งอ้างอิงที่ไม่มีอยู่จริงขัดกับหลักความซื่อสัตย์ทางวิชาการในทุกรายวิชา และแม้จะไม่ได้ตั้งใจ ผู้รับผิดชอบงานก็ยังเป็นเรา (อ่านต่อ: ใช้ AI เรียนได้แค่ไหน)

ตรวจ 4 ขั้น

1. แหล่งอ้างอิงนี้มีอยู่จริงไหม ค้นชื่อบทความในเครื่องหมายคำพูดบน Google Scholar หรือช่องค้นหาของสำนักหอสมุด ถ้ามี DOI ลองวางที่ doi.org ว่าพาไปบทความนั้นจริงไหม ถ้าค้นแล้วไม่เจออะไรเลย ให้สงสัยไว้ก่อนว่าไม่มีอยู่จริง

2. บทความนั้นพูดแบบนั้นจริงไหม เปิดอ่านอย่างน้อยบทคัดย่อ และส่วนที่เกี่ยวข้องกับสิ่งที่เราจะอ้าง ถ้าหาข้อความที่ AI สรุปมาไม่เจอ อย่าใช้

3. รายละเอียดถูกไหม ตรวจชื่อผู้แต่ง ปี เล่ม หน้า และ DOI กับหน้าบทความจริง เพราะรายการที่มีอยู่จริงก็ผิดรายละเอียดได้บ่อย

4. ตัวเลขและข้อเท็จจริงมาจากไหน ตามไปดูต้นฉบับของตัวเลขทุกตัว และลองเปิดแท็บใหม่ดูว่าแหล่งอื่นพูดตรงกันไหม งานวิจัยของ Stanford เทียบนักตรวจสอบข้อเท็จจริงมืออาชีพกับนักประวัติศาสตร์และนักศึกษา Stanford พบว่ามืออาชีพไม่ได้อ่านหน้าเดียวให้ละเอียด แต่กวาดตาดูคร่าว ๆ แล้วออกไปเปิดแท็บใหม่เทียบกับแหล่งอื่น และได้ข้อสรุปที่มีหลักฐานรองรับดีกว่า ในเวลาเพียงเสี้ยวเดียว

เคล็ดลับ: กลับทิศการทำงาน แทนที่จะให้ AI หาแหล่งอ้างอิงให้ ให้หาแหล่งข้อมูลเองจากฐานข้อมูลก่อน แล้วค่อยใช้ AI ช่วยอ่าน สรุป หรืออธิบายบทความที่เราได้มา แบบนี้เรารู้แน่ว่าแหล่งอ้างอิงมีอยู่จริง

กฎง่าย ๆ ข้อเดียว: ถ้าตรวจไม่ได้ ก็อย่าใช้

แหล่งข้อมูล

• Walters, W. H., & Wilder, E. I. (2023). Fabrication and errors in the bibliographic citations generated by ChatGPT. Scientific Reports, 13, 14045. https://doi.org/10.1038/s41598-023-41032-5
• Linardon, J., Jarman, H. K., McClure, Z., Anderson, C., Liu, C., & Messer, M. (2025). Influence of topic familiarity and prompt specificity on citation fabrication in mental health research using large language models: Experimental study. JMIR Mental Health, 12, e80371. https://doi.org/10.2196/80371
• Wu, K., et al. (2025). An automated framework for assessing how well LLMs cite relevant medical references. Nature Communications, 16, 3615. https://doi.org/10.1038/s41467-025-58551-6
• Mata v. Avianca, Inc., 678 F. Supp. 3d 443 (S.D.N.Y. 2023), Opinion and Order on Sanctions, No. 22-cv-1461 (PKC) (June 22, 2023). https://storage.courtlistener.com/recap/gov.uscourts.nysd.575368/gov.uscourts.nysd.575368.54.0.pdf
• R (Ayinde) v London Borough of Haringey; Al-Haroun v Qatar National Bank QPSC [2025] EWHC 1383 (Admin) (6 June 2025). https://caselaw.nationalarchives.gov.uk/ewhc/admin/2025/1383
• Wineburg, S., & McGrew, S. (2019). Lateral reading and the nature of expertise: Reading less and learning more when evaluating digital information. Teachers College Record, 121(11), 1–40. https://doi.org/10.1177/016146811912101102