Computational Psychology ศาสตร์ใหม่เรียนรู้ใจจากข้อมูล

Computational Psychology คืออะไร

คำว่า Computational Psychology ถึงแม้ว่าราชบัณฑิตจะบัญญัติภาษาไทยไว้ว่า จิตวิทยาคอมพิวเตอร์ [1] แต่ผู้เขียนคิดว่าความหมายที่สื่อความได้ดีกว่าน่าจะเป็น จิตวิทยาเชิงคำนวณ คือ การศึกษาจิตวิทยาด้วยกระบวนวิธีการคำนวณและวิเคราะห์จากข้อมูลจำนวนมากต่าง ๆ

ที่ผ่านมา การศึกษาด้านจิตวิทยาจะใช้การเก็บข้อมูลจากแบบสอบถามหรือบันทึกจากการทดลอง แล้วนำสถิติมาใช้ในการแปลผลข้อมูลเหล่านั้น ด้วยความที่การแจกแบบสอบถามและการทดลองใช้เวลามาก ต้นทุนสูง ข้อมูลที่เก็บได้จึงมีจำนวนไม่มากนัก อีกทั้งส่วนใหญ่ผู้ถูกศึกษายังจำกัดอยู่ในประชากรกลุ่มเล็ก บ่อยครั้งผลการศึกษาที่ได้มานั้นมักปรับใช้ได้กับบางบริบทเท่านั้น ในวงการวิชาการมีคำกล่าวว่างานวิจัยด้านจิตวิทยาในยุคก่อนนั้นมีความ WEIRD ซึ่งย่อมาจาก Western-Educated-Industrialized-Rich-Democratic เรียกอีกอย่างว่าเป็นงานวิจัยที่ทำกับ ทำโดยและทำเพื่อชาวตะวันตกในประเทศอุตสาหกรรมที่ร่ำรวยและอยู่ในสังคมประชาธิปไตย ทำให้เกิดคำถามว่าผลการศึกษาเหล่านั้นสามารถปรับใช้กับคนได้ทั่วโลกจริงหรือ

ทว่าในปัจจุบัน ด้วยเทคโนโลยีอินเทอร์เน็ต และความก้าวหน้าด้าน Big Data และ ปัญญาประดิษฐ์ AI ต่าง ๆ (ในบทความนี้ขอกล่าวรวม Machine Learning เป็นส่วนหนึ่งของ AI) ทำให้เราสามารถเก็บข้อมูลได้ง่ายขึ้น ไม่ว่าจะผ่านแบบสอบถามออนไลน์ ผ่านเครื่องมือ Crowdsourcing ทำให้เข้าถึงกลุ่มเป้าหมายได้หลากหลาย หรือจะเป็นการเก็บข้อมูลจากพฤติกรรมดิจิทัลที่สามารถบันทึกได้โดยอัตโนมัติ ไม่ต้องสิ้นเปลืองเวลาของอาสาสมัครวิจัย อีกทั้งยังสามารถวิเคราะห์ผลจากข้อมูลจำนวนมาก ด้วยกรรมวิธีการที่ซับซ้อนกว่าเดิมจึงทำให้เกิดความเข้าใจเชิงลึกซึ่งไม่สามารถทำได้ในสมัยก่อน

ตัวอย่างงานวิจัยและการประยุกต์ใช้ Computational Psychology สุดปัง

เล่ามาถึงตรงนี้แล้ว หลายคนอาจจะยังนึกภาพไม่ออกว่าวิทยาการทางคณิตศาสตร์ คอมพิวเตอร์ หรือวิศวกรรมต่าง ๆ จะเอามาใช้ศึกษาจิตใจคนได้อย่างไร จึงขอยกตัวอย่างการใช้ศาสตร์แขนงนี้ทั้งในงานวิจัยและที่อาจพบเจอในชีวิตประจำวัน

งานวิจัยที่ผู้เขียนคิดว่าพลาดไม่ได้เลย และเป็นงานวิจัยชิ้นที่ทำให้ผู้เขียนพาตัวเองเข้าสู่วงการนี้ คือการที่ข้อมูลเพจ Facebook ที่เราไปกดถูกใจ (Facebook Likes) สามารถบ่งบอกลักษณะต่าง ๆ เกี่ยวกับตัวเราได้ ไม่ว่าจะเป็นเพศสภาพ เชื้อชาติ ศาสนา ความเห็นทางการเมือง รวมไปถึงลักษณะบุคลิกภาพใหญ่ทั้งห้า (Big Five Personality Traits) สถานะโสดหรือมีแฟน รวมถึงพฤติกรรมทางด้านอื่น ๆ เช่น การสูบบุหรี่ การดื่มเครื่องดื่มแอลกอฮอล์ และการใช้ยาเสพติด เป็นต้น [2]

โดยจากผลการวิเคราะห์ของกราฟในด้านบนแสดงให้เห็นว่า ความแม่นยำในด้านเชื้อชาติมีความแม่นยำมากที่สุด มากถึง 95% ซึ่งเป็นการวิเคราะห์ระหว่างคอเคเชียน (คนผิวขาว) และแอฟริกันอเมริกัน [2]

นอกจากนี้อัลกอริทึม AI ยังสามารถใช้ข้อมูล Facebook Likes ของเราประเมินบุคลิกภาพของตัวเราได้ดีกว่าคนรู้จัก เพื่อนสนิท หรือแม้กระทั่งคู่สมรสด้วยซ้ำ [3] แสดงให้เห็นว่า พฤติกรรมของเราในโลกดิจิทัล โดยเฉพาะในโลกโซเชียล เมื่อนำมารวมกับเทคโนโลยีการคำนวณสมัยใหม่สามารถทำให้เรารู้จักตัวเราเองได้ดีกว่าการใช้มนุษย์เป็นผู้ประเมินเสียอีก

อย่างกราฟด้านล่างนี้ก็เป็นผลลัพธ์จาก [3]  ซึ่งเป็นการแสดงผลการวิเคราะห์ที่เทียบความแม่นยำในการตัดสินบุคลิกภาพโดยใช้คอมพิวเตอร์ และจำนวน Facebook Likes  โดยเส้นสีแดงที่มีความหนากว่าเส้นอื่น ๆ นั้น แสดงถึงความแม่นยำเฉลี่ยของลักษณะบุคลิกภาพทั้งห้าที่ถูกวิเคราะห์ด้วยระบบคอมพิวเตอร์

การทราบลักษณะบุคลิกภาพเฉย ๆ อาจเป็นเพียงเกร็ดความรู้ที่น่าสนใจ และมีประโยชน์ต่อรายบุคคลเท่านั้น แต่ว่างานวิจัยที่ใช้ AI ในการวิเคราะห์ข้อมูลจากโซเชียลนี้ สามารถทำให้เกิดประโยชน์ในด้านการแพทย์ได้ เช่น การวิเคราะห์โรคซึมเศร้าจากรูปโปรไฟล์และการใช้ภาษาบนสเตตัสโซเชียลต่าง ๆ [4–6] ในประเทศไทยเองก็มีแอปพลิเคชันคัดกรองผู้มีภาวะซึมเศร้าโดยใช้ AI สามารถเข้าใช้ได้จากแอปพลิเคชันหมอพร้อม เป็นเครื่องมือที่ช่วยแบ่งเบาภาระของจิตแพทย์และนักจิตวิทยา และทำให้ผู้ที่มีความเสี่ยงหรือมีปัญหานี้เข้าถึงความช่วยเหลือได้ง่ายขึ้นมาก [7] นอกจากนี้ ในภาคธุรกิจยังใช้การวิเคราะห์อารมณ์จากการใช้ภาษาหรือใบหน้า มาช่วยในกลยุทธ์ทางการตลาดและการรับสมัครงาน เช่น การวิเคราะห์ความประทับใจของลูกค้าจากรีวิว [8] หรือการวิเคราะห์อารมณ์และคุณสมบัติต่าง ๆ ของผู้สมัครงานจากการแสดงออกทางใบหน้าในช่วงที่สัมภาษณ์งาน [9] เป็นต้น

หรือแม้กระทั่งงานวิทยานิพนธ์ของผู้เขียนเองที่ศึกษาว่าคนแต่งงานกันหน้าเหมือนกันมากขึ้นหรือไม่ โดยใช้ AI เป็นตัววิเคราะห์ความเหมือนของใบหน้า ก็เป็นงานวิจัยน่ารัก ใส ๆ อีกงานหนึ่งที่ใช้ประโยชน์จากศาสตร์นี้

ฟัง ๆ แล้วทำไมดูน่ากลัวจัง

การที่ AI และ Big Data สามารถรู้จักตัวเราได้ดีทั้ง ๆ ที่เราไม่ได้ต้องการบอกอะไรเลยเป็นเรื่องที่น่ากลัว ลองคิดดูหากผู้ไม่ประสงค์ดีได้ข้อมูลเหล่านี้ไปแล้วออกแบบเครื่องมือที่จะใช้ประโยชน์จากสภาพจิตใจของเรา เช่น การหลอกหาประโยชน์ หรือการโน้มน้าวใจให้เข้ากับกลุ่มใดกลุ่มหนึ่ง (เช่นกลุ่มทางการเมือง ศาสนา ลัทธิ)

ในปี 2018 มีงานวิจัยออกมาว่า AI สามารถบ่งบอกเพศสภาพของเราได้ดีกว่ามนุษย์คนอื่น [10] ซึ่งก่อให้เกิดความกังวลเกี่ยวกับบุคคลที่มีความหลากหลายทางเพศมาก และเกิดความขัดแย้งในวงการศาสนาหัวรุนแรง เพราะความสามารถนี้หมายความว่า องค์กรใด ๆ ที่ไม่ประสงค์ดี หรือไม่ตระหนักรู้สามารถใช้เทคโนโลยีนี้สร้างความไม่เป็นธรรมต่อเพศสภาพบางกลุ่มได้ หรือแม้กระทั่งเรื่องฉาวโฉ่ของบริษัท Cambridge Analytica ที่ถูกเปิดเผยในปี 2018 เช่นกัน ว่าได้ใช้ข้อมูลจาก Facebook ไปทำการวิเคราะห์ที่ไม่โปร่งใสหลายรายการ เช่น การช่วยเหลือการหาเสียงเลือกตั้งประธานาธิบดีของสหรัฐอเมริกา และการรณรงค์โหวตออกจากสหภาพยุโรป (Brexit) ของสหราชอาณาจักรในปี 2016 [11]

จะเห็นได้ว่า เหรียญย่อมมีสองด้าน ความก้าวหน้าของเทคโนโลยีย่อมมากับภัยมืดเสมอ ขึ้นกับผู้ใช้เทคโนโลยีว่ามีสติสัมปชัญญะและจริยธรรมมากแค่ไหน แต่ต้องขอบคุณข่าวฉาวเหล่านี้ ที่ทำให้บริษัทเทคโนโลยีและโซเชียลยักษ์ใหญ่รวมถึงสังคมในวงกว้างให้ความสำคัญกับความเป็นส่วนตัวของข้อมูลมากขึ้นมาก ๆ ปัจจุบันการจะนำข้อมูลจากโซเชียลไปใช้มีความรัดกุมมากขึ้น (สร้างความลำบากให้นักวิจัยผู้หวังดีมากขึ้นเช่นกัน) รวมไปถึงกฎหมายอย่าง พ.ร.บ. คุ้มครองข้อมูลส่วนบุคคล พ.ศ. 2562 (PDPA) ในไทย หรือ กฎหมายคุ้มครองข้อมูลส่วนบุคคลของสหภาพยุโรป (GDPR) ก็กระตุ้นให้ผู้คนตื่นตัวในการรักษาข้อมูลของตนเองไม่ให้มิจฉาชีพนำไปใช้ให้เกิดโทษ

หรือแม้แต่คำถามที่ผู้เขียนมักได้รับเวลาเล่างานที่ทำให้ผู้คนฟัง ว่า “อ้าว นี่คือการดูโหงวเฮ้งเองนี่” แล้วต่อไปเราจะไม่ตัดสินคนจากหน้าตาเพียงอย่างเดียวหรือ ผู้เขียนไม่ปฏิเสธว่าจริง ๆ แล้วการประเมินบุคลิกภาพจากใบหน้านั้นถ้าจะเรียกให้ง่ายก็สามารถเรียกว่าการดูโหงวเฮ้งได้เหมือนกัน แต่ว่าความแม่นยำนั้นไม่ได้สูงมาก นั่นคือ เราไม่สามารถใช้ AI ตัดสินลักษณะนิสัยของผู้อื่นได้จากใบหน้าได้นั่นเอง

รู้เท่าทันและใช้ให้เกิดประโยชน์ [ต่อส่วนรวม]

ในเมื่อศาสตร์แห่ง Computational_Psychology ได้แสดงทั้งความน่าอัศจรรย์และความน่าสะพรึงกลัวต่อมนุษยชาติออกมาแล้ว คำถามคือ แล้วเราในฐานะผู้ใช้ หรือผู้ถูกใช้ จะทำตัวอย่างไรต่อไป

ผู้เขียนมองว่า ภัยร้ายที่มาพร้อมกับความก้าวหน้าของเทคโนโลยีเป็นเรื่องที่หลีกเลี่ยงไม่ได้ หากเป็นหน้าที่ของเราที่ต้องรู้ว่า ข้อมูลส่วนบุคคลต่าง ๆ สามารถบอกอะไรเกี่ยวกับตัวเราและตัวผู้อื่นได้บ้าง เพื่อป้องกันไม่ให้ผู้ไม่หวังดีนำข้อมูลเหล่านี้ไปใช้ในทางที่ผิด นอกจากนี้การที่เรารู้ถึงสิ่งร้าย ๆ ที่อาจจะเกิดขึ้นทำให้ตัวเราและสังคมตื่นตัวในการระมัดระวังและปกป้องตนเองและผู้อื่น ย่อมดีกว่าการใช้ชีวิตสวยงามไปเรื่อย ๆ ภายใต้ความเขลาอันแสนสุข (Blissful Ignorance) แต่สิ่งที่ผู้เขียนมองว่าเป็นเรื่องดีมากเรื่องหนึ่งของศาสตร์แขนงนี้ คือการที่เรารู้ว่าข้อมูลพื้น ๆ เหล่านี้สามารถทำให้เกิดทิฐิและอคติได้ จะเป็นเครื่องเตือนสติไม่ให้เราปฏิบัติกับผู้อื่นอย่างไม่เป็นธรรม ซึ่งดีกว่าการปล่อยผ่านให้เราตัดสินใจด้วยกลไกทางความคิดที่เราไม่รู้ตัว

นอกจาก Computational_Psychology แล้ว ยังมีศาสตร์ที่ใกล้เคียงกันอื่น ๆ ที่ใช้คอมพิวเตอร์และการคำนวณศึกษามนุษย์และสังคม เรียกรวมกันว่า Computational_Social Science หรือสังคมศาสตร์เชิงคำนวณนั่นเอง เป็นสาขาวิชาที่มาแรงในทศวรรษนี้ ทว่า ผู้เขียนคงฝากไว้เท่านี้ให้ผู้อ่านหาความรู้เพิ่มเติมด้วยตนเองจากแหล่งอื่น ๆ ต่อไป

แหล่งอ้างอิง

1. https://coined-word.orst.go.th
2. Kosinski, M., Stillwell, D., & Graepel, T. (2013). Private traits and attributes are predictable from digital records of human behavior. Proceedings of the national academy of sciences, 110(15), 5802–5805.
3. Youyou, W., Kosinski, M., & Stillwell, D. (2015). Computer-based personality judgments are more accurate than those made by humans. Proceedings of the National Academy of Sciences, 112(4), 1036–1040.
4. Liu, T., Ungar, L. H., Curtis, B., Sherman, G., Yadeta, K., Tay, L., Eichstaedt, J. C. & Guntuku, S. C. (2022). Head versus heart: social media reveals differential language of loneliness from depression. npj Mental Health Research, 1(1), 1–8.
5. Liu, T., Meyerhoff, J., Eichstaedt, J. C., Karr, C. J., Kaiser, S. M., Kording, K. P., … & Ungar, L. H. (2021). The relationship between text message sentiment and self-reported depression. Journal of Affective Disorders.
6. Guntuku, S. C., Preotiuc-Pietro, D., Eichstaedt, J. C. & Ungar, L. H. (2019). What Twitter Profile and Posted Images Reveal about Depression and Anxiety. In Thirteenth International AAAI Conference on Web and Social Media (ICWSM).
7. https://www.chula.ac.th/highlight/75794/
8. https://www.yelp.com/dataset
9. https://www.inc.com/minda-zetlin/ai-is-now-analyzing-candidates-facial-expressions-during-video-job-interviews.html
10. Wang, Y., & Kosinski, M. (2018). Deep neural networks are more accurate than humans at detecting sexual orientation from facial images. Journal of personality and social psychology, 114(2), 246.
11. https://en.wikipedia.org/wiki/Facebook%E2%80%93Cambridge_Analytica_data_scandal

เนื้อหาโดย ดร. พิณนรี ธีร์มกร
ตรวจทานและปรับปรุงโดย ดวงใจ จิตคงชื่น