AI Fabrication Shield คือชื่อที่เราใช้เรียกกระบวนการตรวจสอบโดยมนุษย์ ซึ่งจะตรวจสอบทุกการอ้างอิง สถิติ และข้อเท็จจริงในต้นฉบับของคุณกับแหล่งที่มาดั้งเดิมก่อนที่จะส่งมอบงาน หน้านี้จะอธิบายถึงปัญหาที่กระบวนการนี้แก้ไข สิ่งที่เราตรวจสอบอย่างละเอียดและวิธีการตรวจสอบ รวมถึงรายละเอียดที่ตรงไปตรงมาเกี่ยวกับสิ่งที่สามารถตรวจจับได้และตรวจจับไม่ได้ และสิ่งที่คุณจะได้รับ
ปัญหาตามหลักฐานเบื้องต้น
แบบจำลองภาษาขนาดใหญ่มักสร้างข้อมูลอ้างอิงที่ดูน่าเชื่อถือ แต่แท้จริงแล้วเป็นข้อมูลที่ถูกสร้างขึ้น อ้างอิงผิด หรือดึงมาจากงานที่ถูกถอนออกไปแล้ว เรื่องนี้ได้รับการบันทึกไว้ในเอกสารทางวิชาการที่ผ่านการตรวจสอบโดยผู้ทรงคุณวุฒิ ไม่ใช่การคาดเดา
ในการศึกษาแบบควบคุมที่ตีพิมพ์ในวารสาร Journal of Medical Internet Researchเชลลีและคณะได้ทดสอบ ChatGPT และ Bard โดยเปรียบเทียบกับบทวิเคราะห์เชิงระบบที่เป็นมาตรฐาน และวัดความถี่ที่แต่ละแบบจำลองสร้างเอกสารอ้างอิงที่ผิดพลาด การศึกษาดังกล่าวรายงานอัตราการผิดพลาดที่สูงมาก และสรุปว่ายังไม่สามารถพึ่งพาเครื่องมือเหล่านี้ในการสร้างเอกสารอ้างอิงที่ถูกต้องสำหรับการเขียนเชิงวิทยาศาสตร์ได้ (Chelli et al., 2024, JMIR, doi:10.2196/53164 )
งานวิจัยเชิงทดลองในปี 2025 โดย Linardon และคณะ ซึ่งตีพิมพ์ในวารสาร JMIR Mental Health เช่นกัน ได้กระตุ้นให้ GPT-4o สร้างการทบทวนวรรณกรรมและตรวจสอบการอ้างอิงที่ได้มา พบว่าสัดส่วนที่สำคัญของการอ้างอิงนั้นถูกสร้างขึ้นมา – ไม่สามารถตรวจสอบย้อนกลับไปยังสิ่งพิมพ์จริงใด ๆ ได้ – และอัตราการสร้างการอ้างอิงปลอมเพิ่มสูงขึ้นสำหรับหัวข้อที่ยังไม่เป็นที่ยอมรับมากนัก ที่สำคัญ ผู้เขียนตั้งข้อสังเกตว่าการอ้างอิงที่สร้างขึ้นมาปลอมมักมีรายละเอียดที่ดูเหมือนจริง ทำให้ยากต่อการตรวจจับหากไม่มีการตรวจสอบแหล่งที่มาอย่างรอบคอบ (Linardon et al., 2025, JMIR Mental Health, doi:10.2196/80371 )
บทเรียนเชิงปฏิบัติจากงานวิจัยชุดนี้มีความสอดคล้องกัน คือ การอ้างอิงที่สร้างขึ้นมักแยกไม่ออกจากการอ้างอิงจริงบนหน้าเว็บ วิธีเดียวที่น่าเชื่อถือคือการตรวจสอบการอ้างอิงแต่ละรายการกับแหล่งที่มาหลัก ซึ่งก็คือบทความต้นฉบับบนเว็บไซต์ของวารสารหรือสำนักพิมพ์ แทนที่จะเชื่อถือการอ้างอิงที่สร้างขึ้นโดยไม่ตรวจสอบ นั่นคือสิ่งที่ Shield ทำ
อะไรบ้างที่อาจผิดพลาดได้หากไม่ตรวจสอบการอ้างอิงอย่างถูกต้อง
รูปแบบความล้มเหลวที่เราตรวจสอบนั้นมีความเฉพาะเจาะจง:
- ไม่มีข้อมูลอ้างอิงดังกล่าว ข้อมูลผู้เขียน ชื่อเรื่อง วารสาร และปีที่ตีพิมพ์ที่ดูสมเหตุสมผล แต่ไม่มีงานวิจัยใดที่ตรงกับข้อมูลจริง
- DOI ชี้ไปยังที่อื่น DOI ที่แท้จริงและสามารถตรวจสอบได้ ซึ่งเชื่อมโยงไปยังบทความวิจัยที่แตกต่างจากบทความที่ระบุชื่อไว้อย่างสิ้นเชิง
- ข้อกล่าวอ้างดังกล่าวไม่ปรากฏในแหล่งข้อมูล มีการอ้างอิงงานวิจัยจริงฉบับหนึ่งเพื่ออ้างถึงข้อค้นพบที่งานวิจัยนั้นไม่เคยรายงานไว้
- แหล่งข้อมูลดังกล่าวถูกถอนออกแล้ว เอกสารวิจัยฉบับจริงที่อ้างอิงอย่างถูกต้อง แต่ถูกถอนออกไปแล้วและไม่ควรนำมาใช้เป็นข้อมูลอ้างอิง
เหตุการณ์ใดเหตุการณ์หนึ่งเหล่านี้อาจนำไปสู่การถูกปฏิเสธจากฝ่ายบรรณาธิการ ความไม่ไว้วางใจจากผู้ตรวจทาน การแก้ไขหลังการตีพิมพ์ หรือในกรณีที่เลวร้ายที่สุดคือการถอนบทความที่ตีพิมพ์แล้วทิ้งไปในชื่อของคุณ
ขั้นตอนการตรวจสอบทั้งสี่ขั้นตอน
ก่อนส่งมอบงาน บรรณาธิการที่เป็นมนุษย์จะตรวจสอบข้อมูลอ้างอิงและข้อกล่าวอ้างทั้งหมดผ่านการตรวจสอบสี่ขั้นตอน:
ขั้นตอนที่ 1 — การตรวจสอบการมีอยู่จริงเราตรวจสอบ DOI และ PMID แต่ละรายการให้ตรงกับแหล่งข้อมูลต้นฉบับ เรายืนยันการอ้างอิงกับวารสารหรือหน้าสำนักพิมพ์ต้นฉบับ — บทความที่ตีพิมพ์ — และตรวจสอบซ้ำผ่านบริการจัดทำดัชนี เช่นCrossref , PubMedและฐานข้อมูลของสำนักพิมพ์เอง ชื่อผู้เขียน ชื่อเรื่อง วารสาร เล่ม และปี ต้องตรงกับข้อมูลที่บันทึกไว้ หาก DOI ระบุไปยังบทความอื่น จะถือว่าไม่ผ่าน ไม่ใช่ผ่าน
ขั้นตอนที่ 2 — การตรวจสอบข้ออ้าง เราจะอ่านข้อความเฉพาะที่อ้างถึงแต่ละแหล่งข้อมูลเทียบกับบทคัดย่อของบทความนั้น หรือหากสามารถเข้าถึงได้ ก็จะอ่านข้อความฉบับเต็มในเว็บไซต์วารสารต้นฉบับ หากแหล่งข้อมูลนั้นไม่สนับสนุนข้ออ้าง เราจะแก้ไขข้ออ้างให้ตรงกับหลักฐาน หรือเปลี่ยนการอ้างอิงเป็นแหล่งข้อมูลอื่นที่สนับสนุนข้ออ้างนั้น
ขั้นตอนที่ 3 — การตรวจสอบการถอนบทความบทความที่อ้างอิงแต่ละฉบับจะถูกตรวจสอบกับฐานข้อมูล Retraction Watchและประกาศการถอนบทความใน PubMed เพื่อป้องกันไม่ให้บทความที่ถูกถอนออกไปแล้วปรากฏอยู่ในรายการอ้างอิงของคุณโดยไม่แจ้งให้ทราบล่วงหน้า
ขั้นตอนที่ 4 — การตรวจสอบโดยผู้เชี่ยวชาญสมาชิกในทีมที่มีวุฒิปริญญาเอกหรือความเชี่ยวชาญทางคลินิกที่เกี่ยวข้องจะตรวจสอบหลักฐานที่อ้างถึงในบริบท เพื่อยืนยันว่าเอกสารอ้างอิงนั้นสนับสนุนข้อโต้แย้งที่นำเสนออย่างแท้จริง ไม่ใช่เพียงแค่มีอยู่เท่านั้น
ตัวอย่างการใช้งาน
สมมติว่าร่างเอกสารมีประโยคนี้: “การแทรกแซง X ลดอัตราการเกิดซ้ำลง 38% ในการทดลองแบบสุ่ม (ผู้เขียน A และคณะ, 2021)”
- 1 เวที พบว่า DOI ถูกต้อง แต่เป็นบทความวิเคราะห์ ไม่ใช่การทดลองแบบสุ่ม และรายชื่อผู้เขียนไม่ตรงกัน จึงถูกแจ้งเตือน
- 2 เวที ยืนยันว่าไม่มีตัวเลขการเกิดซ้ำ 38% ปรากฏอยู่ในเอกสารฉบับแก้ไขใดๆ เลย ข้อกล่าวอ้างนี้ไม่มีหลักฐานสนับสนุน
- ความละเอียด: บรรณาธิการจะค้นหาการทดลองหลักที่เป็นจริงซึ่งรายงานผลกระทบดังกล่าว และแก้ไขการอ้างอิงและรูปภาพให้ตรงกัน หรือหากไม่มีแหล่งข้อมูลดังกล่าว ก็จะลบข้ออ้างที่ไม่ได้รับการสนับสนุนออกไป ประโยคที่ส่งไปยังวารสารจะมีหมายเลขและการอ้างอิงที่ถูกต้องและสอดคล้องกัน
นี่คือข้อผิดพลาดประเภทที่อ่านแล้วดูปกติดีบนหน้ากระดาษและผ่านการตรวจสอบอย่างคร่าวๆ ซึ่งเป็นเหตุผลว่าทำไมการตรวจสอบโดยมนุษย์อย่างละเอียดทีละขั้นตอนจึงเป็นวิธีเดียวที่จะตรวจจับข้อผิดพลาดประเภทนี้ได้อย่างน่าเชื่อถือ
สิ่งที่โล่ไม่ได้กล่าวอ้าง
เรากำหนดขอบเขตอย่างแม่นยำ เพราะการกล่าวเกินจริงจะกลายเป็นปัญหาอีกรูปแบบหนึ่งที่เรากำลังพยายามแก้ไข ระบบ Shield ตรวจสอบว่ามีการอ้างอิงที่ถูกต้อง ข้อกล่าวอ้างตรงกับแหล่งที่มา และงานวิจัยที่อ้างอิงไม่ได้ถูกถอนคืนในขณะที่ส่งมอบงาน แต่ระบบนี้ไม่สามารถรับประกันได้ว่าผู้ตรวจทานจะเห็นด้วยกับการตีความแหล่งที่มาของคุณ บทความจะไม่ถูกถอนคืนในอนาคต หรือการตัดสินใจทุกอย่างในงานวิจัยที่ซับซ้อนจะเป็นการตัดสินใจที่ถูกต้องเพียงอย่างเดียว สิ่งที่ระบบนี้รับประกันคือ ไม่มีการอ้างอิงใดในต้นฉบับของคุณที่ถูกสร้างขึ้น ระบุแหล่งที่มาผิด หรือถูกถอนคืนโดยเจตนาเมื่อเราส่งคืนงานให้
สิ่งนี้สอดคล้องกับแนวทางโดยรวมของเราอย่างไร
หลักการสำคัญของ The Shield สะท้อนถึงหลักการเดียวที่อยู่เบื้องหลังการทำงานทั้งหมดของเรา นั่นคือ เมื่อใดก็ตามที่มีการใช้ AI ช่วยเหลือ จะต้องอยู่ภายใต้การกำกับดูแลของมนุษย์และอ้างอิงจากแหล่งข้อมูลหลักเสมอ และจะไม่ปล่อยให้ไม่มีการตรวจสอบอย่างเด็ดขาดนโยบายการใช้ AI ของเรา ได้ ระบุถึงจุดยืนอย่างครบถ้วนในเรื่องนี้
สิ่งที่คุณได้รับ
- ต้นฉบับที่อ้างอิงทุกรายการได้รับการตรวจสอบกับแหล่งที่มาดั้งเดิมแล้ว นั่นคือ วารสารหรือสำนักพิมพ์ที่ตีพิมพ์บทความนั้น ไม่ใช่เพียงแค่รายการในดัชนีเท่านั้น
- เอกสารอ้างอิงได้รับการตรวจสอบเพื่อยืนยันการถอนบทความก่อนส่งมอบ
- ข้อกล่าวอ้างที่ตรงกับแหล่งข้อมูลที่อ้างถึง
- รายการอ้างอิงที่คุณวางใจได้ทั้งในระหว่างการตรวจสอบและหลังการตีพิมพ์
เราจะใส่ตราสัญลักษณ์นี้ไว้ในทุกต้นฉบับที่เราเขียนหรือแก้ไข หากต้องการปรึกษาเกี่ยวกับโครงการของคุณโปรดติดต่อทีมงานของเรา
อ้างอิง
Chelli M, Descamps J, Lavoué V และคณะ อัตราการเกิดภาพหลอนและความแม่นยำในการอ้างอิงของ ChatGPT และ Bard สำหรับการทบทวนอย่างเป็นระบบ: การวิเคราะห์เปรียบเทียบJ Med Internet Res . 2024;26:e53164. doi:10.2196/53164
Linardon J, Jarman HK, McClure Z และคณะ อิทธิพลของความคุ้นเคยกับหัวข้อและความเฉพาะเจาะจงของคำถามต่อการสร้างอ้างอิงในการวิจัยสุขภาพจิตโดยใช้แบบจำลองภาษาขนาดใหญ่: การศึกษาเชิงทดลองJMIR Ment Health . 2025;12:e80371. doi:10.2196/80371
