เราใช้เวลา 40 นาที เปิดรายงาน เช็กวันที่ ไล่ดูแหล่งอ้างอิง แยกให้ออกว่างานทดลองทำกับคน สัตว์ หรือเซลล์ในห้องแล็บ แล้วเรียบเรียงคำให้อ่อนโยนพอที่จะไม่ทำให้ใครเสียหน้า
แม่ตอบกลับมาสั้นๆ ว่า “อ๋อ เหรอ”
สัปดาห์ถัดมา ข้อความคล้ายกันมาอีกฉบับ แต่คราวนี้แม่ส่งลงกลุ่มเพื่อนแทน
.
แค่อ่านก็เหนื่อยแล้ว และความเหนื่อยแบบนี้มีชื่อเรียกด้วยค่ะ มันเรียกว่า Brandolini’s Law หรือ Bullshit Asymmetry Principle
แปลแบบไม่เป็นทางการได้ว่า การสร้างเรื่องที่ฟังดูน่าเชื่ออาจใช้เวลาเพียงไม่กี่วินาที แต่การอธิบายว่ามันผิดตรงไหน อาจต้องใช้แรงมากกว่าหลายเท่า
อัลแบร์โต บรันโดลินี นักพัฒนาซอฟต์แวร์ชาวอิตาลี ทวีตประโยคนี้เมื่อวันที่ 11 มกราคม 2013 เขาเล่าในภายหลังว่า แนวคิดนี้ผุดขึ้นมาหลังอ่าน Thinking, Fast and Slow ของ Daniel Kahneman แล้วไปดูรายการดีเบตการเมืองอิตาลีต่อพอดี
ในประโยคต้นฉบับ บรันโดลินีใช้คำว่า order of magnitude ซึ่งในภาษาวิทยาศาสตร์มักสื่อถึงความต่างระดับประมาณสิบเท่า
แต่ตรงนี้ไม่ได้หมายความว่าเขานั่งจับเวลาแล้วพบว่า ข่าวผิดหนึ่งชิ้นใช้พลังงาน 4.2 จูล ส่วนการแก้ใช้ 42 จูล มันไม่ใช่กฎฟิสิกส์ แต่เป็นคำคมแบบกฎอินเทอร์เน็ตที่บรรยายประสบการณ์จริงได้เจ็บแสบ
.
ลองดูข้อความง่ายๆ อย่าง “อาหารชนิดนี้ฆ่าเซลล์มะเร็งได้”
ใช้เพียงประโยคเดียวก็ฟังดูน่าตื่นเต้นแล้ว
แต่คนตรวจต้องถามต่ออีกหลายชั้นว่า ฆ่าเซลล์มะเร็งชนิดไหน ทดลองในจานเพาะเชื้อหรือในมนุษย์ ใช้ปริมาณเท่าไร มีผลข้างเคียงไหม มีกลุ่มควบคุมหรือเปล่า งานชิ้นนั้นใหญ่พอให้เชื่อได้แค่ไหน และการฆ่าเซลล์ในห้องแล็บแปลว่ารักษาคนป่วยได้จริงหรือไม่
คนสร้างข้ออ้างเลือกประโยคที่สะดุดใจที่สุดได้ทันที
ส่วนคนแก้เลือกไม่ได้ว่าอยากให้หลักฐานพูดอะไร ต้องยอมเดินตามข้อมูล แม้ปลายทางจะเป็นคำตอบที่ไม่น่าตื่นเต้นอย่าง “ยังเร็วเกินไปที่จะสรุป”
ความไม่สมมาตรที่ Brandolini พูดถึงอยู่ตรง วิธีพูดผิดมีแทบไม่จำกัด แต่ทางเดินของการพูดให้ถูกแคบกว่ามาก
.
จริงๆ แล้ว ความไม่สมมาตรแบบนี้เก่ากว่าทวีตปี 2013 อยู่มากค่ะ
Jonathan Swift เขียนไว้ใน The Examiner เมื่อปี 1710 ว่า เรื่องเท็จบินไปแล้ว ขณะที่ความจริงเดินกะเผลกตามหลัง
ส่วนประโยคที่มักถูกแชร์ว่า “คำโกหกเดินทางรอบโลก ขณะที่ความจริงกำลังใส่รองเท้า” เป็นคนละประโยคกับที่ Swift เขียน และยังไม่มีหลักฐานน่าเชื่อถือว่าเป็นคำพูดของ Mark Twain ตามชื่อที่มักถูกแปะไว้ท้ายภาพคำคม
ตัวความเข้าใจผิดเรื่องนี้เอง ก็เป็นตัวอย่างของ Brandolini’s Law ที่สวยงามเกือบเกินไป
คำว่า bullshit ฟังดูแรง โดยเฉพาะเมื่อคนส่งคือแม่ที่อาจส่งต่อเพราะเป็นห่วงสุขภาพของทุกคน
Harry Frankfurt นักปรัชญาแห่ง Princeton ช่วยแยกเรื่องนี้ไว้ได้น่าสนใจในหนังสือ On Bullshit ปี 2005 ในความหมายของ Frankfurt คำว่า bullshit ไม่เหมือนกับคำโกหก
คนโกหกต้องพอรู้ว่าความจริงอยู่ตรงไหน ถึงจะตั้งใจพาเราออกห่างจากมันได้ แต่คนผลิต bullshit ไม่จำเป็นต้องรู้ว่าความจริงคืออะไร เขาสนใจเพียงว่าประโยคที่พูดออกไปจะดูดี สร้างความประทับใจ ขายของ เรียกความสนใจ หรือทำให้คนคล้อยตามได้หรือไม่
ประโยคนั้นอาจบังเอิญเป็นเรื่องจริงก็ได้ แต่ความจริงไม่ใช่สิ่งที่คนพูดใช้ตัดสินว่าจะพูดหรือไม่พูด ตรงนี้ต่างหากคือหัวใจของคำนี้
เพราะฉะนั้น คนที่กดส่งต่อข้อมูลผิดไม่ได้แปลว่าเป็นคนโกหกหรือไม่สนใจความจริงเสมอไป แม่คงเชื่อจริงๆ ว่าข้อความนั้นมีประโยชน์
แต่ที่ใดที่หนึ่งก่อนข้อความจะมาถึงแม่ อาจมีคนสร้างมันขึ้นมาโดยสนใจว่า “คนจะกดแชร์ไหม” มากกว่า “เรื่องนี้ผ่านการตรวจสอบหรือยัง”
เมื่อไม่ต้องผูกพันกับความจริง ความเร็วจึงกลายเป็นอาวุธโดยธรรมชาติ
.
ปัญหายังไม่จบแค่ตอนที่ข่าวผิดแพร่ไป เพราะข้อมูลผิดไม่ได้หายออกจากความจำทันทีหลังเราแก้มัน
นักจิตวิทยาเรียกปรากฏการณ์นี้ว่า continued influence effect หรือภาวะที่ข้อมูลผิดยังคงมีอิทธิพลต่อการคิด แม้เราจะรู้แล้วว่ามันถูกแก้ไขหรือถอนกลับไปแล้วก็ตาม
ลองนึกว่าเราได้ยินข่าวว่า อาคารแห่งหนึ่งไฟไหม้เพราะมีถังแก๊สอยู่ข้างใน ต่อมามีคนออกมาแก้ว่า ที่จริงไม่มีถังแก๊สเลย
เรารับรู้ว่าข้อมูลเดิมผิด แต่เวลานึกถึงเหตุการณ์นั้น สมองอาจยังเผลออธิบายว่าไฟลุกเร็วเพราะอาคารเก็บของไวไฟไม่ดี
เหตุผลหนึ่งคือข้อมูลเดิมเคยทำหน้าที่อุดช่องว่างในเรื่องราว มันบอกเราว่า “ไฟไหม้เพราะอะไร” เมื่อลบข้อมูลนั้นออก สมองไม่ได้สร้างคำอธิบายใหม่ขึ้นมาแทนโดยอัตโนมัติ ช่องว่างจึงยังอยู่ และคำอธิบายเก่าอาจเล็ดลอดกลับมาใช้งานอีก
ความจำของเราไม่เหมือนฐานข้อมูลที่กดลบแถวหนึ่งแล้วข้อมูลหายเกลี้ยง มันคล้ายเรื่องเล่าที่ถูกแก้บทมากกว่า บางครั้งฉากเก่าถูกตัดออกไปแล้ว แต่ร่องรอยของมันยังค้างอยู่ในฉากถัดไป
การแก้ให้ถูกเพียงครั้งเดียว จึงอาจยังไม่ทำให้ผลของข้อมูลผิดหายไปทั้งหมด
.
ในปี 2018 ทีมวิจัยจาก MIT วิเคราะห์การแพร่กระจายของข่าวจริงและข่าวเท็จประมาณ 126,000 เรื่องบนทวิตเตอร์ ระหว่างปี 2006 ถึง 2017 และพบว่า ข่าวเท็จโดยเฉลี่ยเข้าถึงผู้คนได้มากกว่าและแพร่เร็วกว่า
เหตุผลส่วนหนึ่งอาจเป็นเพราะข่าวเท็จมักให้ความรู้สึกแปลกใหม่
ข่าวจริงจำนวนมากมีหน้าตาน่าเบื่ออย่าง “หลักฐานยังไม่เพียงพอ” หรือ “ผลลัพธ์ขึ้นอยู่กับหลายปัจจัย” ส่วนข่าวเท็จกระโดดไปพูดว่า “สิ่งที่หมอไม่เคยบอกคุณ” หรือ “ความจริงที่คนทั้งโลกกำลังปิดบัง” ได้ทันที
มนุษย์ชอบส่งต่อสิ่งที่ทำให้รู้สึกประหลาดใจ โกรธ หวาดกลัว หรือรู้สึกว่าตัวเองเพิ่งค้นพบความลับ
และจุดที่น่าสนใจคือ เมื่อทีมวิจัยแยกผลของบอตออกไป ความได้เปรียบของข่าวเท็จก็ยังอยู่ บอตช่วยเร่งทั้งข่าวจริงและข่าวเท็จใกล้เคียงกัน แต่ความแตกต่างที่ทำให้ข่าวเท็จไปได้ไกลกว่า ดูเหมือนจะมาจากการตัดสินใจของมนุษย์เป็นสำคัญ
งานนี้ไม่ได้แปลว่าข่าวเท็จทุกชิ้นบนทุกแพลตฟอร์มจะชนะข่าวจริงเสมอไปนะคะ
แต่มันทำให้เห็นว่า ในระบบที่ให้รางวัลกับความเร็ว ความแปลกใหม่ และอารมณ์ ข้อมูลที่ไม่ต้องเสียเวลารักษาความแม่นยำย่อมเริ่มต้นด้วยความได้เปรียบ
.
อย่างไรก็ตาม Brandolini’s Law ไม่ได้แปลว่า “อย่าเสียเวลาแก้เลย”
ครั้งหนึ่งมีความเชื่อแพร่หลายว่า ถ้าเราแก้ข้อมูลที่ขัดกับความเชื่อของใคร คนคนนั้นอาจยิ่งเชื่อของเดิมหนักกว่าเดิม ปรากฏการณ์นี้เรียกว่า backfire effect พูดง่ายๆ คือ ยิ่งแก้ ยิ่งเชื่อ
แนวคิดนี้ฟังดูสมจริงมาก โดยเฉพาะหลังจากเคยถกเถียงกับใครสักคนจนเขากอดความเชื่อเดิมแน่นกว่าเดิม แต่หลักฐานไม่ได้บอกว่ามันเกิดขึ้นเป็นปกติทุกครั้ง
งานของ Thomas Wood และ Ethan Porter ที่ตีพิมพ์ใน Political Behavior ศึกษาผู้เข้าร่วมมากกว่า 10,100 คน ผ่านการทดลองห้าชุดและประเด็นที่อาจก่อให้เกิดผลย้อนกลับ 52 ประเด็น แต่ไม่พบกรณีที่การแก้ข้อมูลทำให้ผู้เข้าร่วมเชื่อข้อมูลผิดมากกว่าเดิมเลย
ข้อสรุปที่ต้องระมัดระวังจึงไม่ใช่ “backfire effect ไม่มีวันเกิด” แต่คือ “เราไม่ควรคิดว่าการแก้ข้อมูลจะทำให้ทุกอย่างแย่ลงโดยอัตโนมัติ”
คนอาจไม่เชื่อคำแก้ อาจเลื่อนผ่าน อาจลืม หรืออาจยอมรับข้อเท็จจริงแต่ก็ยังไม่เปลี่ยนจุดยืนทางการเมืองก็ได้ ทั้งหมดนี้ต่างจากการยิ่งเชื่อข้อมูลผิดหนักกว่าเดิม
การแก้ข้อมูลจึงยังมีประโยชน์ มันแค่แพงค่ะ
.
กับคนแปลกหน้าบนอินเทอร์เน็ต เราจ่ายด้วยเวลา แก้เสร็จแล้วก็แยกย้าย ต่างคนต่างเลื่อนไปเจอโพสต์ถัดไป
แต่กับคนในบ้าน หลายครั้งเราต้องจ่ายด้วยความไว้ใจ
เวลาพูดว่า “ข้อมูลนี้ผิด” เราอาจตั้งใจส่งเพียงสารเดียว คือเนื้อหานี้ไม่ถูกต้อง แต่อีกฝ่ายได้ยินสารอีกชั้นพร้อมกันว่า “คุณคือคนที่เอาเรื่องผิดๆ มาเล่า” โดยเฉพาะเมื่อการแก้เกิดขึ้นต่อหน้าคนทั้งกลุ่ม
เรากำลังตรวจสอบข้อมูล แต่อีกฝ่ายรู้สึกว่าตัวเองกำลังถูกตรวจสอบไปด้วย
ทุกครั้งที่เราแก้ให้ถูก จึงมีความเสี่ยงเล็กๆ ว่าเขาจะจำความรู้สึกตอนถูกแก้ได้ชัดกว่าข้อมูลทั้งหมดที่เราอุตส่าห์ไปหามา
และคนเราปิดประตูใส่กันได้โดยไม่ต้องทะเลาะ บางทีแม่ก็ไม่ได้เถียงกลับ แค่หยุดส่งเรื่องเหล่านั้นมาให้เรา แล้วเปลี่ยนไปส่งในอีกกลุ่มหนึ่งแทน
ความถูกต้องกับความใกล้ชิดต้องเติมกลับด้วยเครื่องมือคนละแบบ ความถูกต้องใช้หลักฐาน ความใกล้ชิดใช้เวลา น้ำเสียง และท่าที
.
ทางออกจึงไม่ใช่การวิ่งไล่จับทุกประโยค แต่อาจเป็นการช่วยให้คนมองเห็น “เทคนิคการหลอก” ตั้งแต่ก่อนเจอข้อมูลผิด แนวทางนี้เรียกว่า prebunking
ถ้า debunking คือการแก้หลังเจอข้อมูลผิดแล้ว prebunking ก็คือการเตรียมภูมิคุ้มกันไว้ก่อน
แทนที่จะจำว่าข่าวไหนผิดทีละเรื่อง เราเรียนรู้ที่จะสังเกตกลวิธีที่ใช้ซ้ำๆ เช่น การปลุกอารมณ์จนไม่มีเวลาคิด การบังคับให้เลือกเพียงสองทางทั้งที่ความจริงมีหลายทาง หรือการโจมตีตัวบุคคลแทนที่จะตอบเหตุผลของเขา
ทีมวิจัยจาก University of Cambridge ทดลองใช้วิดีโอสั้นเพื่อสอนกลวิธีเหล่านี้ และพบว่าผู้ชมแยกแยะเทคนิคบิดเบือนได้ดีขึ้น รวมถึงตัดสินใจเรื่องการแชร์ได้ระมัดระวังขึ้น ทั้งในการทดลองในห้องแล็บและบนแพลตฟอร์มจริง
มันไม่ใช่วัคซีนวิเศษที่ดูครั้งเดียวแล้วไม่หลงเชื่ออะไรอีกตลอดชีวิต
แต่มันช่วยเปลี่ยนคำถามจาก “เรื่องนี้จริงหรือปลอม” ซึ่งบางครั้งตรวจยากมาก ให้กลายเป็น “ข้อความนี้กำลังพยายามกดปุ่มอารมณ์อะไรในตัวเรา”
.
กับคนในบ้าน วิธีที่ใช้ต้นทุนน้อยกว่าอาจเริ่มจากคำถาม แทนที่จะเริ่มจากคำตัดสิน
“อันนี้น่าสนใจ แม่เจอจากเพจไหนเหรอคะ”
คำถามนี้ไม่ได้มีพลังวิเศษ และถ้าพูดด้วยน้ำเสียงประชดก็พังได้เหมือนกัน
แต่เมื่อพูดด้วยความอยากรู้จริงๆ มันเปิดพื้นที่ให้อีกฝ่ายมีส่วนร่วมในการตรวจสอบ แทนที่จะนั่งรอรับคำพิพากษาว่าตัวเองผิด
บางครั้งการชวนเขาเปิดต้นทางขึ้นมาดูด้วยกัน มีประโยชน์กว่าการยื่นคำตอบที่เสร็จสมบูรณ์ให้ทันที
.
ส่วนเจ้า AI…. ทำให้เรื่องนี้ซับซ้อนขึ้นอีกค่ะ เพราะมันช่วยลดแรงที่ต้องใช้ได้ทั้งสองฝั่ง
งานทดลองให้คนที่เชื่อทฤษฎีสมคบคิด 2,190 คน สนทนากับ AI ที่ตอบโต้ด้วยข้อมูลซึ่งปรับให้ตรงกับความเชื่อเฉพาะของแต่ละคน คุยกันคนละสามรอบ แล้วพบว่าความเชื่อลดลงโดยเฉลี่ยราว 20 เปอร์เซ็นต์ และยังเห็นผลเมื่อติดตามอีกครั้งสองเดือนต่อมา
สิ่งที่ AI ช่วยได้จึงมากกว่าการพูดว่า “อันนี้ไม่จริง” มันค่อยๆ ตอบข้อโต้แย้งของแต่ละคนได้ อธิบายหลักฐานซ้ำได้หลายรอบ และไม่เหนื่อยหรือโมโหก่อนบทสนทนาจะจบ
แต่งานชิ้นนี้มีเชิงอรรถตามมาทีหลัง เดือนมิถุนายน 2026 วารสาร Science ออกประกาศ Editorial Expression of Concern หลังผู้วิจัยเองพบความไม่สอดคล้องในชุดข้อมูล ป้ายนี้หมายถึงว่ายังตรวจสอบกันอยู่ มากกว่าจะหมายถึงว่างานถูกถอน และผู้วิจัยระบุว่าการวิเคราะห์ใหม่ยังให้ข้อสรุปไปทิศทางเดิม
ประโยคที่แม่นยำกว่าจึงเป็น AI อาจมีศักยภาพในการช่วยลดความเชื่อผิดผ่านบทสนทนาที่ออกแบบเฉพาะบุคคล โดยที่หลักฐานชิ้นสำคัญยังต้องติดตามต่อ
อีกด้านหนึ่ง AI ผลิตข้อความและภาพที่ดูน่าเชื่อได้เร็วพอกัน มันอาจช่วยคนตรวจข้อเท็จจริงเรียบเรียงคำอธิบายหนึ่งชิ้นได้เร็วขึ้น แต่ก็ช่วยอีกคนสร้างข้อความผิดที่เขียนดี 50 ชิ้นในเวลาใกล้เคียงกัน
ที่ AI ทำได้คือทำให้การพิมพ์ประโยคราคาถูกลงทั้งสองฝั่ง ส่วนงานตรวจว่าประโยคนั้นมีหลักฐานรองรับจริงหรือเปล่า ยังตกอยู่กับฝั่งเดิมอยู่ดี
.
ความจริงเคลื่อนที่ช้ากว่า เพราะมันต้องแบกหลักฐาน บริบท ความไม่แน่นอน และความพร้อมที่จะยอมแก้ตัวเองไปด้วย
แต่ความช้าไม่ได้แปลว่าความจริงอ่อนแอ มันเพียงเดินทางพร้อมสัมภาระที่เรื่องแต่งไม่ต้องแบก
และกับคนในบ้าน เป้าหมายอาจเป็นการรักษาประตูไว้ มากกว่าการปิดคดีให้ได้ภายในคืนนี้ เพื่อให้ครั้งหน้าเขายังเลือกส่งข้อความมาถามเรา แทนที่จะเงียบแล้วนำมันไปเล่าในห้องอื่น
ความสำเร็จคงไม่ได้หน้าตาเหมือนการที่อีกฝ่ายพิมพ์ว่า “เข้าใจแล้ว ฉันผิดเอง” เสมอไป มันอาจเป็นเพียงการทำให้เขาหยุดคิดเพิ่มอีกสามวินาที ก่อนกดปุ่มส่งต่อ
ในโลกที่เรื่องผิดใช้เวลาเดินทางไม่ถึง 10 วินาที สามวินาทีนั้นอาจมีค่ามากกว่าที่เราคิดค่ะ