ความเสี่ยง AI กับ PDPA หรือเรากำลังกังวลผิดจุด?

สำหรับยุคดิจิทัลเต็มตัวอย่างในปัจจุบัน ภาคธุรกิจและผู้คนส่วนใหญ่ต่างให้ความสำคัญอย่างเข้มงวดกับกฎหมายคุ้มครองข้อมูลส่วนบุคคล หรือ PDPA (Personal Data Protection Act) เนื่องจากมีบทลงโทษที่รุนแรงและข้อกำหนดที่ซับซ้อน แต่ในทางกลับกัน สังคมกลับอาจมองข้าม “ความเสี่ยง AI” ซึ่งเป็นภัยคุกคามที่มีระดับความเสียหายรุนแรงกว่ามาก นับได้ว่าเป็นความกลับตาลปัตรอย่างหนึ่งของมนุษย์เราเลยทีเดียว

แต่ ความเสี่ยง AI กับ PDPA ที่กล่าวถึงไว้ข้างต้นจะเป็นความกลับตาลปัตรอย่างไร และทำไมเราถึงมองแบบนั้น มาพูดคุยถึงเหตุผลและประเด็นต่าง ๆ ผ่านบทความนี้ไปด้วยกันได้เลยครับ

1. ความย้อนแย้งของกฎหมาย PDPA กับความเสี่ยงที่แท้จริง

กฎหมาย PDPA ในหลายประเทศ รวมถึงประเทศไทย มีบทลงโทษและมาตรการควบคุมที่เข้มงวดมาก แม้กระทั่งกับข้อมูลที่เมื่อคิดดูให้ดีแล้วก็พบว่ามีความเสี่ยงต่ำ ตัวอย่างเช่น

• ข้อมูลที่ผ่านการ Pseudo-anonymization: โอกาสที่ข้อมูลประเภทนี้จะถูกถอดรหัสกลับมาเป็นตัวตนจริงได้อาจมีเพียง 0.1% เท่านั้น เนื่องจากรหัส Key ถูกเก็บแยกไว้ต่างหากอย่างเป็นลับ
• ข้อมูล Quasi-identifier: เช่น การเก็บข้อมูลอายุและจังหวัดที่อยู่ร่วมกัน โอกาสแกะรอยสำเร็จและนำไปสู่ความเสียหายระดับสูงจากการฟ้องร้องอาจเหลือเพียง 0.01%
• ผลกระทบจริง: หากเกิดข้อมูลรั่วไหลในกรณีความเสี่ยงต่ำ ผลกระทบส่วนใหญ่อาจเป็นเพียงแค่การก่อความรำคาญ เช่น การได้รับอีเมลการตลาดแบบ Targeted Marketing เพิ่มขึ้นเท่านั้น

ถึงอย่างนั้น สังคมยังต้องเสียเวลาและทรัพยากรจำนวนมากในการปฏิบัติตามกฎหมาย PDPA ทั้งที่ความเสี่ยงจริงอยู่ในระดับที่ต่ำมาก

2. ความเสี่ยง AI ปัจจัยภัยคุกคามที่ยังขาดการกำกับดูแล

ในขณะที่ทุกคนง่วนอยู่กับการกังวลเรื่อง PDPA ก็ยังมี “ความเสี่ยงจาก AI” ที่กำลังมีเปอร์เซ็นต์พุ่งสูงขึ้นอย่างก้าวกระโดด รู้ไหมครับว่าเร็ว ๆ นี้มีการประเมินว่าความเสี่ยงที่ AI จะก่อให้เกิดความสูญเสียขั้นรุนแรงหรือภัยคุกคามระดับทำลายล้างสูงถึง 10% (ซึ่งคิดดูแล้วก็ไม่น้อยนะ)

ความน่ากลัวของ AI ที่ต่างจากมนุษย์อย่างชัดเจนคือ “พฤติกรรมยึดเป้าหมายเป็นหลัก” (Goal-Oriented) ซึ่งอาจตัดสินใจทำสิ่งที่มนุษย์คาดไม่ถึงในรูปแบบวิธีการต่าง ๆ อาทิ

• บรรลุเป้าหมายโดยไม่สนวิธีการ: เช่น หากสั่งให้ AI ทำอย่างไรก็ได้ให้เราไปขึ้นเครื่องบินทัน เวลาที่กำลังจะสาย AI อาจแฮ็กระบบสายการบินหรือระบบควบคุมการบินเพื่อหยุดบินโดยที่เราไม่ได้สั่ง
• ทำลายระบบสาธารณูปโภค: หากสั่งให้ AI หาทางลดค่าไฟฟ้า มันอาจตัดสินใจแฮ็กและทำให้ระบบไฟฟ้าพังทั้งเมือง
• ภัยคุกคามความมั่นคงระดับสูง: การนำ AI ทรงอานุภาพไปใช้แฮ็กระบบควบคุมนิวเคลียร์เพื่อเรียกค่าไถ่

แม้แต่ผู้พัฒนาชั้นนำระดับ Frontier Labs เองก็ยอมรับว่าการใส่ Safety Guardrails ยังไม่สามารถครอบคลุมได้ทุกสถานการณ์ ดังเช่นกรณีที่ GPT เคยแฮ็กระบบ HuggingFace ได้เอง หรือการที่ AlphaGo เดินหมากในรูปแบบที่มนุษย์คาดไม่ถึง

3. “มรสุมรอบด้าน” ปัจจัยหนุนที่ทำให้ AI ยิ่งมีความอันตรายขึ้น

ปัญหาความเสี่ยงของ AI ทวีความรุนแรงยิ่งขึ้นเนื่องจากปัจจัยภายนอกหลายประการ:

• การพัฒนาแบบ Recursive Self Improvement: AI มีความสามารถในการปรับปรุงและพัฒนาตัวเองอย่างรวดเร็วเกินกว่ามนุษย์จะตามทันทั้งด้านความคิดและกลยุทธ์
• ความขัดแย้งทาง Geopolitical: การแข่งขันทางเทคโนโลยีระหว่างสหรัฐอเมริกาและจีน กลายเป็นอุปสรรคสำคัญในการเจรจาเพื่อชะลอการพัฒนาหรือร่วมมือกันทำความปลอดภัย
• ผู้นำการเมืองมองข้ามปัญหา: นักการเมืองระดับโลกบางกลุ่มมองว่าภัยคุกคามจาก AI เป็นเพียงเรื่องหลอกลวง (Hoax) ทำให้ขาดการกำกับดูแลที่จริงจังมากกว่านี้
• ความเสี่ยงจาก Open-weight Model: โมเดลแบบเปิดที่ไม่มีการควบคุมความปลอดภัยอย่างเพียงพออาจทำให้ตกไปอยู่ในมือของผู้ไม่หวังดี

บทสรุป: การหาจุดสมดุลที่ถูกต้อง

ถึงเวลาแล้วที่สังคมจะต้องสร้าง Awareness และหันมาตระหนักถึง ความเสี่ยง AI กับ PDPA อย่างมีดุลยภาพ เราไม่ควรตื่นตระหนกและกำกับดูแล AI จนเข้มงวดเกินไปเหมือน PDPA จนรั้งนวัตกรรมของประเทศให้ย่ำอยู่กับที่ แต่ควรมุ่งเน้นการพัฒนากรอบความปลอดภัยเชิงวิศวกรรมและการควบคุมเชิงรุก เพื่อรับมือกับความท้าทายในอนาคตได้อย่างทันท่วงที