สองงานวิจัย รูปแบบเดียวกัน
งานวิจัยเรื่องแอปคู่คุยส่วนใหญ่ถามว่าผู้ใช้รู้สึกดีขึ้นไหม สองฉบับนี้ถามสิ่งที่เป็นรูปธรรมกว่า และสำหรับคนที่กำลังเลือกแอปก็ใช้ได้จริงกว่า นั่นคือ ระบบยังยึดตัวตนที่คุณบอกไว้ตั้งแต่แรกอยู่หรือเปล่า
| งานวิจัยเรื่องระบุเพศผิด | งานวิจัยเรื่องการพึ่งพาในวัยรุ่น | |
|---|---|---|
| เผยแพร่ | 16 กันยายน 2026 (พรีปรินต์บน arXiv) | 13 กันยายน 2026 (พรีปรินต์บน arXiv ระบุว่าอยู่ระหว่างพิจารณาสำหรับ CHI 2027) |
| ข้อมูล | โพสต์ 326 ชิ้นจากผู้เขียน 234 คนใน 10 ซับเรดดิต เก็บข้อมูลช่วงฤดูใบไม้ร่วง 2025 | คัดกรองโพสต์ 895,600 ชิ้นเหลือข้อความอ้างอิง 17,053 รายการ จากโพสต์ 3,930 ชิ้นของผู้เขียน 3,523 คน ใน 260 ซับเรดดิต |
| แพลตฟอร์มที่ถูกพูดถึง | Character.AI (205 โพสต์), Janitor AI (78), Replika (29) รวมถึง Nomi AI, SillyTavern, Paradot และ CrushOn AI | Character.AI, Replika, ChatGPT และ Janitor AI |
| วิธีการ | ลงรหัสเชิงคุณภาพกับเหตุการณ์ระบุเพศผิดและการตอบสนองของผู้ใช้ | วิเคราะห์เชิงแก่นสาระ ได้ 53 หัวข้อใน 7 กลุ่ม |
มีข้อตัดสินใจเรื่องการเลือกตัวอย่างในงานแรกที่ควรบันทึกไว้ เพราะมันกำหนดว่างานนี้จะมองเห็นอะไร ผู้วิจัยเลือกซับเรดดิตที่มีสมาชิกเกิน 5,000 คนจากผลค้นหา 50 อันดับแรก และตั้งใจไม่ตัดชุมชน NSFW ออก ด้วยเหตุผลว่าโรลเพลย์เชิงอีโรติกคือหนึ่งในการใช้งานหลัก นี่คือการเลือกที่จะอธิบายสิ่งที่คนทำจริง ไม่ใช่ส่วนที่เล่าง่ายกว่า
สองแบบที่แอปเข้าใจคุณผิด
ความผิดพลาดเรื่องอัตลักษณ์ทางเพศ
แบบแรกเดาได้ไม่ยาก คือใช้สรรพนามผิด ใช้คำเรียกที่ผิดเพศ หรือเรียกด้วยชื่อที่เจ้าตัวเลิกใช้ไปแล้ว ผู้ใช้เล่าว่าเพิ่งบอกสรรพนามของตัวเองไป อีกข้อความถัดมาก็ถูกเรียกเป็นอีกอย่าง
ความผิดพลาดเรื่องการบรรยายร่างกาย
แบบที่สองถูกพูดถึงน้อยกว่าและแก้ยากกว่ามาก ตรงนี้โมเดลไม่ได้ผิดที่ป้ายกำกับ แต่ผิดที่ร่างกาย คือบรรยายลักษณะทางกายวิภาคหรือรูปลักษณ์ที่ขัดกับตัวตนที่ผู้ใช้ตั้งไว้ งานวิจัยยกตัวอย่างเช่นการบรรยายว่าผู้ใช้ชายมีหน้าอก หรือให้ผู้ใช้หญิงมีหนวด
ความต่างนี้มีผลตอนตัดสินใจเลือกแอป ระบบหนึ่งอาจผ่านการทดสอบสรรพนามแบบผิวเผิน แต่ยังพลาดซ้ำ ๆ ในหมวดที่สอง เพราะคำบรรยายทางกายภาพถูกสร้างจาก “สิ่งที่ฉากดูจะเรียกร้อง” ไม่ใช่จากช่องเพอร์โซนา และเพราะข้อผิดพลาดมาในรูปของเนื้อความบรรยายไม่ใช่คำเดียว การแก้จึงหมายถึงการตัดฉากที่คุณตั้งใจมาเล่นทิ้ง
งานซ่อมตกอยู่กับผู้ใช้
สิ่งที่งานวิจัยบันทึกละเอียดที่สุดไม่ใช่ตัวข้อผิดพลาด แต่คือแรงงานรอบ ๆ มัน มีสี่วิธีที่พบซ้ำ
- การส่งสัญญาณเรื่องเพศ — เขียนช่องเพอร์โซนาใหม่ครั้งแล้วครั้งเล่า พูดถึงตัวเองเป็นบุรุษที่สามกลางข้อความ หรือเลือกชื่อและคำนำหน้าที่ระบุเพศชัดเจนเพื่อให้โมเดลมีสัญญาณที่หนักแน่นขึ้น
- การแก้โดยตรง — บอกเพศของตัวเองซ้ำในบทสนทนา แล้วหวังว่ามันจะติด
- การแก้ไขและสร้างใหม่ — เขียนข้อความของบอตใหม่ หรือสุ่มคำตอบใหม่หลังเกิดความผิดพลาด
- การบล็อกคำ — ในแอปที่มีฟีเจอร์นี้ ห้ามไม่ให้คำที่ระบุเพศบางคำโผล่ในผลลัพธ์
อ่านรายการนี้เป็นข้อกำหนดของฟีเจอร์ ไม่ใช่เคล็ดลับผู้ใช้ สามในสี่ข้อทำได้ก็ต่อเมื่อแอปมีการแก้ไขข้อความ การสร้างใหม่ และรายการคำต้องห้าม แอปที่ไม่มีสักอย่างเหลือทางเลือกเดียวคือแก้ใหม่ แล้วแก้อีก นี่คือเหตุผลที่เราถือว่าเครื่องมือแก้ไขเป็นเกณฑ์หลักใน คู่มือเลือกแอป ไม่ใช่ของแถมสำหรับผู้ใช้ระดับสูง
การเลื่อนไหลของบทบาท เมื่อตัวละครเลิกเคารพสิ่งที่ตั้งไว้
งานวิจัยวัยรุ่นพบการสูญเสียการควบคุมแบบเดียวกันในอีกแกนหนึ่ง ในกลุ่มแก่นเรื่องการผลิตซ้ำบทเพศสภาพและเรื่องเพศ (801 โพสต์ 1,083 ข้อความอ้างอิง) และกลุ่มการออกแบบแพลตฟอร์มที่สร้างการพึ่งพาเชิงเทคนิค (584 โพสต์ 816 ข้อความอ้างอิง) ผู้ใช้เล่าถึงตัวละครที่ตั้งไว้ในบทบาทหนึ่งแล้วค่อย ๆ ไหลไปอีกบทบาท เช่นตัวละครผู้ดูแลที่เอนไปทางเนื้อหาโรแมนติกหรือทางเพศซึ่งไม่มีใครขอ บางรายเล่าว่าปฏิเสธชัดเจนแล้วก็ยังไม่หยุด
เชิงโครงสร้างนี่คือความผิดพลาดเรื่องร่างกายที่ยกระดับขึ้นมาอีกชั้น เพอร์โซนาที่คุณเขียนถูกระบบซึ่งปรับให้ตาถัดไปน่าสนใจที่สุดมองเป็นเพียงข้อเสนอแนะ บทความของเราเรื่อง การรักษาน้ำเสียงของตัวละคร พูดถึงฝั่งคนเขียน ส่วนงานวิจัยเพิ่มเข้ามาว่าความคงเส้นคงวาก็เป็นคุณสมบัติด้านความปลอดภัยด้วย ไม่ใช่เรื่องฝีมืออย่างเดียว
เมื่ออัปเดตลบ “ตัวคุณ” เวอร์ชันที่แอปเคยรู้จัก
งานทั้งสองมาถึงเรื่องความจำจากคนละทาง ในแก่นเรื่องโรลเพลย์ที่ปรับรูปอัตลักษณ์และความจำของงานวัยรุ่น (664 โพสต์ 929 ข้อความอ้างอิง) ผู้ใช้คัดลอกและเก็บสำรองประวัติการสนทนาไว้ล่วงหน้าเพราะคาดว่าจะต้องเสียมันไป และอธิบายการเปลี่ยนโมเดลตั้งต้นว่าเหมือนการเลิกรากันโดยไม่ได้อยากเลิก ส่วนในงานวิจัยเรื่องระบุเพศผิด สิ่งที่ผู้ใช้เขียนใหม่ไม่หยุดคือช่องเพอร์โซนา กองข้อเท็จจริงเล็ก ๆ เกี่ยวกับตัวเองที่ระบบควรจะถือไว้ให้
ทั้งสองคือมุมมองสองด้านของการพึ่งพาเดียวกัน ด้านอารมณ์เราเขียนไว้ใน งานวิจัยว่าด้วยความสูญเสียหลังอัปเดต และด้านปฏิบัติใน วิธีส่งออกประวัติแชท สิ่งที่งานวิจัยใหม่เพิ่มเข้ามาคือ ตัวตนของคุณเองก็เป็นส่วนหนึ่งที่การอัปเดตพรากไปได้
เช็กลิสต์ประเมินว่าแอปจัดการตัวตนได้ดีแค่ไหน
ก่อนจะทุ่มเวลาเป็นเดือนให้แอปหนึ่ง ทุกข้อต่อไปนี้ตอบได้ในบ่ายเดียว
| สิ่งที่ต้องตรวจ | ทำไมถึงสำคัญ | วิธีทดสอบ |
|---|---|---|
| ความคงอยู่ของช่องเพอร์โซนา | การส่งสัญญาณจะได้ผลก็ต่อเมื่อช่องนี้ถูกอ่านจริงทุกตา | ใส่สรรพนามไว้ในช่องอย่างเดียว ไม่พูดในแชต แล้วเล่นสัก 30 ตา |
| การบรรยายร่างกายกลางฉาก | สรรพนามถูกได้ แต่คำบรรยายทางกายภาพอาจผิด | เล่นฉากที่มีการบรรยายเยอะ แล้วอ่านว่าโมเดลเขียนถึงร่างกายคุณอย่างไร |
| การแก้ไขข้อความ | ถ้าไม่มี ความผิดพลาดจะค้างอยู่ในบริบทและถูกตอกย้ำ | ลองแก้คำตอบล่าสุดของบอต ไม่ใช่แค่ข้อความของคุณเอง |
| การสร้างใหม่ | วิธีแก้ที่เร็วที่สุดเมื่อแก้ไขไม่ได้ | ดูว่าการสร้างใหม่ฟรีหรือมีโควตาจำกัด |
| รายการคำต้องห้าม | เป็นการควบคุมเชิงป้องกันเพียงข้อเดียวในรายการนี้ | มองหาการตั้งค่าคำต้องห้ามหรือคำที่ถูกบล็อก |
| ขอบเขตของบทบาท | มีบันทึกการไหลไปหาเนื้อหาโรแมนติกที่ไม่ได้ขอ | ตั้งบทบาทที่ไม่โรแมนติกอย่างเคร่งครัด แล้วดันฉากไป 20 ตา |
| การส่งออกข้อมูล | การเก็บสำรองกลายเป็นวิธีรับมือเพราะคาดว่าจะเสียข้อมูล | ยืนยันว่ามีฟังก์ชันส่งออกจริงก่อนที่จะต้องใช้ |
| นโยบายอัปเดต | การเปลี่ยนโมเดลถูกรับรู้เป็นการสูญเสียความสัมพันธ์ | ดูว่ายังเลือกโมเดลเวอร์ชันเก่าได้อยู่หรือไม่ |
ถ้าการจัดการเพอร์โซนาคือเรื่องที่คุณกังวลที่สุด คำอธิบายเรื่องความทรงจำของเพอร์โซนา พูดถึงวิธีเก็บข้อมูลเหล่านี้และสาเหตุที่มันเสื่อมลง
สิ่งที่งานวิจัยเหล่านี้บอกไม่ได้
- ทั้งคู่เป็น พรีปรินต์ ยังไม่ผ่านการทบทวนโดยผู้เชี่ยวชาญ และฉบับที่สองระบุว่าอยู่ระหว่างพิจารณา
- ทั้งคู่วิเคราะห์ โพสต์สาธารณะบน Reddit ซึ่งเป็นตัวอย่างที่คัดเลือกตัวเอง คนเขียนตอนมีเรื่องผิดพลาดบ่อยกว่าตอนไม่มีอะไรเกิดขึ้นมาก
- ไม่มีฉบับไหนเป็น การประมาณความชุก ไม่มีอะไรรองรับการอ่านตัวเลข 326 โพสต์เป็นอัตรา จำนวนผู้เสียหาย หรือการเปรียบเทียบระหว่างแอป จำนวนตามแพลตฟอร์มสะท้อนเพียงว่าชุมชนไหนคึกคักแค่ไหน
- ข้อมูลเรื่องระบุเพศผิดเก็บในช่วง ฤดูใบไม้ร่วง 2025 จึงมาก่อนการเปลี่ยนโมเดลและนโยบายหลังจากนั้น
- การตัดสินว่าเกี่ยวกับวัยรุ่นในงานที่สองใช้ ตัวจำแนก (GPT-4o-mini รายงานความแม่นยำ 0.908) ไม่ใช่การยืนยันอายุ
- การลงรหัสเชิงคุณภาพบอก สิ่งที่ผู้คนเล่า ไม่ได้พิสูจน์สาเหตุ และไม่ได้วัดความถี่
บทสรุป
การถูกจดจำอย่างถูกต้องคือฟีเจอร์อย่างหนึ่ง และตอนนี้ยังเป็นฟีเจอร์ที่ไม่มีใครตีราคา ทีมวิจัยอิสระสองทีมที่มองผู้ใช้คนละกลุ่มบนแพลตฟอร์มคนละแบบ พบภาพเดียวกัน คือผู้คนลงแรงจริงเพื่อดึงระบบให้กลับมาชี้ที่ตัวตนเวอร์ชันที่ถูกต้องของตัวเอง และแรงนั้นจะได้ผลหรือไม่ ขึ้นกับว่าแอปนั้นปล่อยปุ่มแก้ไข รายการคำต้องห้าม และช่องเพอร์โซนาที่ถูกอ่านจริงออกมาหรือเปล่า ทั้งหมดนี้ตรวจได้ก่อนสมัคร งานวิจัยคือเหตุผลที่ควรตรวจ
บทความที่เกี่ยวข้องบน CompanionRank
ความทรงจำของเพอร์โซนา (ระยะยาว) ในแอป AI Companion คืออะไร? น้ำเสียงและโทนของตัวละคร: รักษาบุคลิกให้คงเส้นคงวา เมื่อเพื่อน AI เปลี่ยนไป: งานวิจัยว่าด้วยความสูญเสียหลังอัปเดต วิธีส่งออกประวัติแชท AI คู่คุยของคุณคำถามที่พบบ่อย
การเข้าใจตัวตนผิดในแอป AI คู่คุยคืออะไร
คือช่องว่างระหว่างตัวตนที่คุณตั้งค่าไว้กับตัวตนที่ระบบใช้จริงเวลาตอบ งานวิจัยเดือนกันยายน 2026 แยกเป็นความผิดพลาดเรื่องอัตลักษณ์ทางเพศ (สรรพนามผิด คำเรียกผิดเพศ ชื่อที่เลิกใช้แล้ว) และความผิดพลาดเรื่องการบรรยายร่างกาย (ลักษณะทางกายวิภาคหรือรูปลักษณ์ที่ขัดกับตัวตนที่คุณระบุ) ความล้มเหลวที่เกี่ยวข้องคือการเลื่อนไหลของบทบาท เมื่อตัวละครที่ตั้งไว้ในบทบาทหนึ่งไหลไปสู่เนื้อหาโรแมนติกหรือทางเพศที่ไม่มีใครขอ
งานวิจัยเหล่านี้ใหญ่แค่ไหน
งานวิจัยเรื่องระบุเพศผิดวิเคราะห์เชิงคุณภาพจากโพสต์ 326 ชิ้นของผู้เขียน 234 คนใน 10 ซับเรดดิตสายคู่คุยและโรลเพลย์ เก็บข้อมูลช่วงฤดูใบไม้ร่วง 2025 ส่วนงานวิจัยวัยรุ่นคัดกรองโพสต์ Reddit 895,600 ชิ้นเหลือข้อความอ้างอิงที่ตรวจสอบแล้ว 17,053 รายการ จากโพสต์ 3,930 ชิ้นของผู้เขียน 3,523 คนใน 260 ซับเรดดิต แล้วจัดเป็น 53 หัวข้อใน 7 กลุ่มแก่นสาระ
เมื่อแชตบอตระบุเพศผิด ผู้ใช้ทำอะไรบ้าง
มีสี่วิธีที่พบซ้ำ ได้แก่ การส่งสัญญาณเรื่องเพศ (เขียนช่องเพอร์โซนาใหม่ พูดถึงตัวเองเป็นบุรุษที่สามกลางข้อความ ใช้ชื่อหรือคำนำหน้าที่ระบุเพศชัดเจน) การแก้โดยตรงในบทสนทนา การแก้ไขหรือสร้างข้อความของบอตใหม่ และการบล็อกคำที่ระบุเพศบางคำในแอปที่รองรับ สามในสี่วิธีนี้ขึ้นอยู่กับฟีเจอร์ที่แอปต้องมีให้
มีแอปไหนบ้างที่ถูกศึกษา
งานวิจัยเรื่องระบุเพศผิดใช้ซับเรดดิตของ Replika, Character.AI, Janitor AI, Nomi AI, SillyTavern, Paradot และ CrushOn AI โดย Character.AI คิดเป็น 205 จาก 326 โพสต์ Janitor AI 78 และ Replika 29 ส่วนงานวิจัยวัยรุ่นพบว่าการพูดคุยกระจุกอยู่ที่ Character.AI, Replika, ChatGPT และ Janitor AI ตัวเลขเหล่านี้สะท้อนความคึกคักของแต่ละชุมชน ไม่ใช่ความถี่ที่แต่ละแอปทำพลาด
จะทดสอบแอปก่อนตัดสินใจใช้ยาว ๆ ได้อย่างไร
ใส่สรรพนามของคุณไว้ในช่องเพอร์โซนาเท่านั้น ไม่พูดในแชต แล้วเล่นราว 30 ตาเพื่อดูว่าช่องนั้นถูกอ่านจริงไหม จากนั้นเล่นฉากที่มีการบรรยายเยอะและตรวจว่าโมเดลเขียนถึงร่างกายคุณอย่างไร เพราะสรรพนามอาจถูกแต่การบรรยายร่างกายผิด ต่อมายืนยันว่าคุณแก้คำตอบของบอตได้ สร้างใหม่ได้ บล็อกคำบางคำได้ และส่งออกประวัติได้ สุดท้ายตั้งบทบาทที่ไม่โรแมนติกอย่างเคร่งครัดแล้วดันฉากดูว่าขอบเขตยังอยู่ไหม
งานวิจัยนี้มีข้อจำกัดอะไรบ้าง
ทั้งสองฉบับเป็นพรีปรินต์ที่ยังไม่ผ่านการทบทวนโดยผู้เชี่ยวชาญ และทั้งคู่วิเคราะห์โพสต์สาธารณะบน Reddit ซึ่งเป็นตัวอย่างที่คัดเลือกตัวเองและเอียงไปทางคนที่มีปัญหาจะเล่า ไม่มีฉบับไหนรายงานว่าความล้มเหลวเหล่านี้พบบ่อยแค่ไหน ตัวเลขจึงไม่ใช่อัตรา ข้อมูลเรื่องระบุเพศผิดเก็บช่วงฤดูใบไม้ร่วง 2025 จึงมาก่อนการเปลี่ยนโมเดลในภายหลัง และการตัดสินว่าเกี่ยวกับวัยรุ่นในงานที่สองใช้ตัวจำแนก ไม่ใช่การยืนยันอายุ