แชทบอทปัญญาประดิษฐ์ (AI) ได้กลายเป็นผู้ช่วยที่มีประสิทธิภาพสำหรับงานระดับมืออาชีพ ตั้งแต่การค้นคว้าและตรวจสอบข้อเท็จจริง ไปจนถึงการติดตามบทความและข้อเสนอต่างๆ ผู้เชี่ยวชาญหลายคนเห็นด้วยกับความคิดที่นักเขียนชื่อดังอย่าง Joanna Maciejewska เคยกล่าวไว้ว่า "ฉันต้องการให้ AI ซักผ้าและล้างจานให้ฉัน เพื่อที่ฉันจะได้ทำงานศิลปะและเขียนหนังสือ ไม่ใช่ให้ AI ทำงานศิลปะและเขียนหนังสือให้ฉัน เพื่อที่ฉันจะได้ซักผ้าและล้างจาน"
ปรัชญานี้สามารถนำไปใช้กับเวิร์กโฟลว์สมัยใหม่ได้โดยตรง แม้ว่าจะไม่มีใครอยากให้ AI เขียนบทความทั้งหมดเนื่องจากขาดประสบการณ์ในโลกแห่งความเป็นจริง แต่การมอบหมายงานที่น่าเบื่อและซ้ำซากจำเจจะช่วยเพิ่มประสิทธิภาพโดยรวมได้ การตรวจสอบข้อเท็จจริงและงานธุรการที่คล้ายคลึงกันเป็นงานที่เหมาะสมสำหรับการทำให้เป็นระบบอัตโนมัติ ซึ่งจะช่วยให้มีเวลามากขึ้นสำหรับงานสร้างสรรค์หลัก อย่างไรก็ตาม การทดสอบว่าผู้ช่วย AI ชั้นนำสามารถรับหน้าที่ทำงานที่น่าเบื่อหน่ายเป็นพิเศษอย่างการใส่คำอธิบายประกอบภาพหน้าจอทีละขั้นตอนด้วยลูกศรบอกทิศทางได้หรือไม่นั้น พบว่าทั้งChatGPTและClaudeยังคงล้มเหลวอย่างสิ้นเชิงในงานด้านภาพที่ต้องใช้ความแม่นยำสูง

ความจริงอันน่าเบื่อหน่ายของการใส่คำอธิบายประกอบภาพหน้าจอ
การสร้างคู่มือการใช้งานจำเป็นต้องบันทึกภาพหน้าจอทีละขั้นตอนเพื่อช่วยให้ผู้อ่านปฏิบัติตามคำแนะนำได้อย่างรวดเร็วและแม่นยำ การถ่ายภาพหน้าจอเป็นกระบวนการที่รวดเร็ว แต่ปัญหาคอขวดที่ใช้เวลานานเกิดขึ้นในขั้นตอนการใส่คำอธิบายประกอบ เมื่อภาพแสดงเมนูหรือปุ่มเฉพาะ จะต้องเพิ่มลูกศรเพื่อระบุวัตถุที่เกี่ยวข้องอย่างชัดเจน
แม้ว่าการเพิ่มคำอธิบายประกอบเหล่านี้จะทำได้ง่าย แต่ก็เป็นเรื่องที่น่าเบื่ออย่างยิ่งเมื่อต้องจัดการกับรูปภาพจำนวนมาก วิธีแก้ปัญหาที่สมเหตุสมผลดูเหมือนจะเป็นการใช้แชทบอท AI ชี้ไปยังโฟลเดอร์ภาพหน้าจอ อัปโหลดคำแนะนำทีละขั้นตอน และจัดเตรียมรูปภาพตัวอย่างเพื่อให้ AI สามารถใส่ลูกศรที่ถูกต้องได้โดยอัตโนมัติ
ChatGPT ไม่สามารถสร้างคำอธิบายภาพที่ถูกต้องได้
ChatGPT มีโมเดลการสร้างภาพที่ดีที่สุดบางส่วนที่มีอยู่ โมเดล GPT Image 2 สร้างผลลัพธ์ที่น่าประทับใจซึ่งสามารถเทียบได้กับการถ่ายภาพจริง แสดงให้เห็นว่ามันน่าจะสามารถจัดการกับการแก้ไขภาพขั้นพื้นฐานได้อย่างง่ายดาย

เพื่อทดสอบเรื่องนี้ ได้มีการอัปโหลดภาพหน้าจอและคำแนะนำพร้อมกับภาพตัวอย่าง ChatGPT พยายามใส่คำอธิบายประกอบให้กับไฟล์ทั้งหมดโดยอัตโนมัติ แต่ผลลัพธ์ที่ได้นั้นใช้งานไม่ได้เลย

ลูกศรที่ปรากฏชี้ไปยังตำแหน่งที่ผิดอย่างสิ้นเชิงหรือพื้นที่ว่างเปล่า และภาพกราฟิกหลายภาพก็บิดเบี้ยวอย่างเห็นได้ชัด

แม้จะปรับปรุงข้อความแจ้งเตือนและทำให้คำแนะนำชัดเจนขึ้นแล้ว ก็ยังได้ผลลัพธ์ที่แย่เหมือนเดิมในการทดลองหลายครั้ง

การทดสอบเพิ่มเติมยังคงแสดงให้เห็นว่าลูกศรวางผิดตำแหน่งหรือวางในทิศทางที่ไม่ถูกต้อง

คล็อดและทักษะการใช้คอมพิวเตอร์ยังไม่ดีพอ
หลังจากความล้มเหลวของ ChatGPT ทำให้ Claude ซึ่งเป็นผู้ช่วย AI ที่พัฒนาโดย Anthropic ในราคา 20 ดอลลาร์ ซึ่งสามารถแก้ปัญหาด้วยวิธีการสนทนา ได้ถูกนำมาทดสอบ แม้ว่า Claude จะไม่มีเครื่องมือสร้างภาพโดยตรง แต่ก็มีฟังก์ชัน "การใช้งานคอมพิวเตอร์" ฟังก์ชันนี้ช่วยให้ Claude สามารถโต้ตอบกับอินเทอร์เฟซคอมพิวเตอร์ได้โดยตรงผ่านการจับภาพหน้าจอ การควบคุมเมาส์ และการป้อนข้อมูลจากแป้นพิมพ์ ทำให้สามารถใช้งานแอปพลิเคชันต่างๆ เช่น Preview ประเมินการแก้ไขของตนเอง และปรับตำแหน่งลูกศรได้


หลังจากอนุญาตแล้ว คลอดด์ก็ได้รับอนุญาตให้เข้าไปแก้ไขโฟลเดอร์ภาพหน้าจอ น่าเสียดายที่ผลลัพธ์ก็ไม่น่าพอใจเช่นกัน ลูกศรที่สร้างขึ้นมักจะบดบังวัตถุเป้าหมายทั้งหมด ชี้เลยไป หรือมีหางยาวผิดปกติ นอกจากนี้ คลอดด์ยังเผลอเขียนทับไฟล์ต้นฉบับด้วยเวอร์ชันที่ผิดพลาดอีกด้วย



การเปลี่ยนจาก Sonnet ไปใช้รุ่น Opus ที่มีประสิทธิภาพมากกว่า ทำให้ได้ผลลัพธ์ที่พอใช้ได้กับภาพบางภาพ แต่กระบวนการโดยรวมยังคงไม่น่าเชื่อถือ เนื่องจากไม่สามารถสร้างภาพหน้าจอที่มีคำอธิบายประกอบอย่างสมบูรณ์แบบได้หากปราศจากการแทรกแซงด้วยตนเอง ทำให้เป้าหมายหลักในการประหยัดเวลาไม่บรรลุผล

สรุปผลการทดสอบเครื่องมือ AI
| ผู้ช่วย AI | คุณสมบัติ/รุ่นที่ผ่านการทดสอบ | โหมดความล้มเหลวหลัก | ระดับความน่าเชื่อถือ |
|---|---|---|---|
| แชทจีพีที | โมเดล GPT ภาพที่ 2 | ลูกศรที่วางผิดที่ หายไป หรือบิดเบี้ยว ชี้ไปยังพื้นที่ที่ไม่ถูกต้อง | ผลลัพธ์ที่ใช้งานได้เป็นศูนย์ |
| คล็อด | การใช้คอมพิวเตอร์ (บทกวีซอนเน็ต / โอปุส) | วัตถุถูกบดบัง, ปลายลูกศรยาวเกินไป, การเขียนทับไฟล์ | ไม่น่าเชื่อถือ / ต้องใช้การซ่อมแซมครั้งใหญ่ |
คำถามที่พบบ่อย
แชทบอท AI สามารถระบุลูกศรบนภาพหน้าจอได้อย่างสำเร็จหรือไม่?
จากการทดสอบอย่างเข้มงวดด้วยทั้ง ChatGPT และ Claude พบว่าโมเดล AI ในปัจจุบันประสบปัญหาอย่างมากกับงานแก้ไขภาพที่ต้องการความแม่นยำสูง เช่น การวางลูกศรบอกทิศทางบนองค์ประกอบส่วนติดต่อผู้ใช้เฉพาะจุด
คล็อดมีราคาเท่าไหร่?
Claude พร้อมให้บริการในฐานะผู้ช่วย AI โดยมีราคา 20 ดอลลาร์สำหรับระดับการเข้าถึงขั้นสูง
คลอดใช้คอมพิวเตอร์อย่างไร?
ฟีเจอร์การใช้งานคอมพิวเตอร์ของ Claude ช่วยให้ผู้ช่วย AI สามารถโต้ตอบกับระบบปฏิบัติการคอมพิวเตอร์ได้โดยตรง โดยใช้การจับภาพหน้าจอ การควบคุมเมาส์ และการป้อนข้อมูลจากแป้นพิมพ์เพื่อใช้งานแอปพลิเคชันบนเดสก์ท็อป
เหตุใด ChatGPT จึงไม่สามารถแก้ไขภาพหน้าจอได้อย่างถูกต้อง?
ถึงแม้ว่า ChatGPT จะมีโมเดลสร้างภาพที่มีประสิทธิภาพสูง เช่น GPT Image 2 แต่ก็ยังวางลูกศรในตำแหน่งที่ไม่ถูกต้อง ชี้ไปยังพื้นที่ว่าง หรือสร้างองค์ประกอบกราฟิกที่บิดเบี้ยวอยู่เสมอ
การอัปเกรดเป็น Claude Opus ช่วยแก้ไขข้อผิดพลาดในการใส่คำอธิบายประกอบได้หรือไม่?
การเปลี่ยนมาใช้ Opus ช่วยปรับปรุงผลลัพธ์บางอย่างเมื่อเทียบกับ Sonnet แต่กระบวนการทำงานโดยรวมยังคงไม่น่าเชื่อถือ เนื่องจากยังคงต้องมีการแก้ไขด้วยตนเองอย่างมาก
การใช้ AI หรือการใส่คำอธิบายประกอบภาพหน้าจอด้วยตนเอง แบบไหนเร็วกว่ากัน?
เนื่องจากข้อผิดพลาดที่เกิดจาก AI ใช้เวลานานกว่าในการแก้ไขข้อผิดพลาดเหล่านั้นเมื่อเทียบกับการทำงานตั้งแต่เริ่มต้น การใส่คำอธิบายประกอบด้วยตนเองจึงยังคงเป็นทางเลือกที่รวดเร็วและน่าเชื่อถือกว่า





