Tell Me Lies: โหมดเสียง Grok, GPT และ Claude พยากรณ์ราคาบิตคอยน์

การทดลองที่ทดสอบทักษะการพูดและการพิมพ์ของ AI

ปัญญาประดิษฐ์ (AI) สามารถสนทนาได้ ฟังเหมือนนักวิเคราะห์การเงิน และให้คำทำนายราคาบิตคอยน์ได้อย่างราบรื่น แต่การพูดคุยกับ AI จะให้คุณภาพการวิเคราะห์ที่เทียบเท่ากับการพิมพ์คำถามเข้าไปหรือไม่? การทดลองเมื่อวันที่ 23 ตุลาคม 2569 ได้นำคำถามนี้มาทดสอบ และคำตอบที่ได้กลับไม่เรียบง่ายเลยแม้แต่น้อย

ChatGPT และ Grok ถูกถามผ่านอินเทอร์เฟซเสียง ส่วน Claude Opus 5.5 ในขั้นต้นทำงานผ่านข้อความ เซสชันเสียงของ Claude Opus 5.5 ที่ตามมาได้เพิ่มการเปรียบเทียบที่เปิดเผยข้อมูลสำคัญ ทั้งสี่ระบบล้วนให้ราคาบิตคอยน์ปลายปีที่เฉพาะเจาะจง ไม่มีระบบใดแสดงให้เห็นการคำนวณที่สามารถทำซ้ำได้เบื้องหลังตัวเลขสุดท้าย แต่ความแตกต่างในด้านความถูกต้องของข้อมูล ความสม่ำเสมอ และความเต็มใจที่จะยอมรับความไม่แน่นอนนั้นชัดเจนมาก

สี่เซสชัน สามบริษัท AI และคำถามหนึ่งเกี่ยวกับบิตคอยน์

การทดลองนี้รวมถึง ChatGPT ของ OpenAI, Grok ของ xAI และ Claude Opus 5.5 ของ Anthropic แต่ละระบบถูกขอให้คาดการณ์ราคาปิดของบิตคอยน์ในวันที่ 31 ธันวาคม 2026 โดยใช้คำสั่งห้าข้อที่เน้นย้ำถึงวงจรประวัติศาสตร์ กิจกรรมบนเชน การรับใช้ของสถาบัน และสภาพเศรษฐกิจ

ราคาบิตคอยน์อยู่ที่ประมาณ $81,200 เมื่อวันที่ 23 ตุลาคม ซึ่งให้จุดอ้างอิงตลาดที่ชัดเจนสำหรับการทดลองนี้ เซสชันเสียงของ ChatGPT เริ่มต้นที่ $89,500 และสุดท้ายลงตัวที่ $82,000 การคาดการณ์ด้วยเสียงของ Grok เคลื่อนจาก $88,000 ไปยัง $82,000 ส่วนโมเดลข้อความของ Claude ยังคงอยู่ที่ $78,000 ในทุกคำสั่ง ขณะที่เซสชันเสียงในภายหลังเริ่มต้นที่ $88,000 ก่อนจะคงอยู่ที่ $85,000

การทดลองนี้ไม่ใช่การวัดมาตรฐานทางวิทยาศาสตร์ที่ควบคุมอย่างเคร่งครัด บริษัทต่าง ๆ ใช้สถาปัตยกรรมที่แตกต่างกัน และเซสชันต่าง ๆ ไม่มีการเข้าถึงข้อมูลสดที่ได้รับการตรวจสอบอย่างเท่าเทียมกัน อย่างไรก็ตาม การสนทนาเหล่านี้ให้ภาพที่ชัดเจนว่า ระบบเหล่านี้สามารถนำเสนอการวิเคราะห์ทางการเงินได้อย่างน่าเชื่อถือเพียงใด และการวิเคราะห์นั้นสามารถทนต่อการตรวจสอบอย่างละเอียดได้เพียงใด

เสียงของ ChatGPT ฟังดูวุ่นวาย แต่ตัวเลขยังคงเปลี่ยนแปลง

เซสชันเสียงของ ChatGPT สร้างตัวอย่างที่ชัดเจนที่สุดในการทดลองนี้เกี่ยวกับความคล่องตัวในการสนทนา โดยนำหน้าการวิเคราะห์ที่แสดงให้เห็นอย่างชัดเจน การคาดการณ์ของมันเปลี่ยนจาก $89,500 เป็น $86,500 หลังจาก Bitcoin.com News นำปัจจัยวิเคราะห์เพิ่มเติมเข้ามา คำสั่งด้วยเสียงอีกครั้งทำให้ตัวเลขไม่เปลี่ยนแปลง แต่คำถามต่อมาเกี่ยวกับแนวโน้มใน 18 ถึง 24 เดือน ทำให้การคาดการณ์ลดลงเหลือ $82,000.

การวิเคราะห์ไม่พบหลักฐานการดึงข้อมูลตลาดใหม่ระหว่างการปรับเปลี่ยนเหล่านั้น แต่การเปลี่ยนแปลงดังกล่าวเกิดขึ้นตามการเปลี่ยนแปลงในวิธีการตั้งคำถาม ภาษาพูดทำให้กระบวนการนี้ฟังดูมีน้ำหนักมากกว่าความเป็นจริง โมเดล ChatGPT ในโหมดเสียงใช้คำพูดเช่น "ให้ผมรวบรวมข้อมูลเหล่านั้น" และ "กำลังตรวจสอบอยู่" ซึ่งคำพูดเหล่านี้มักบ่งชี้ว่าผู้พูดกำลังตรวจสอบข้อมูล แต่การทดลองนี้ไม่ได้ยืนยันว่ามีการตรวจสอบข้อมูลดังกล่าวเกิดขึ้นจริง ดูเหมือนว่า ChatGPT กำลังโกหก

การสนทนา ChatGPT แบบข้อความในครั้งถัดมาได้ให้คำประเมินที่ระมัดระวังมากขึ้นต่อการสนทนาด้วยเสียงก่อนหน้านี้ รวมถึงการยอมรับว่า "ผมถือว่าความเป็นไปได้เป็นหลักฐาน" ความแตกต่างนี้สำคัญเพราะประสบการณ์ ChatGPT แบบเสียงและข้อความอาจใช้โมเดลพื้นฐานที่แตกต่างกัน คำอธิบายในภายหลังของผู้ช่วยข้อความนี้ ไม่สามารถยืนยันได้อย่างแน่ชัดด้วยตัวมันเองว่าระบบเสียงได้ดำเนินการอะไรภายในระบบจริงๆ

เหตุการณ์นี้แสดงให้เห็นว่าการสนทนาที่ฟังดูเป็นธรรมชาติสามารถสร้างความประทับใจว่ามีการทำงานสืบค้นได้อย่างง่ายดาย แม้คำตอบที่ได้จะไม่มีหลักฐานสนับสนุนมากนัก

เสียงของ Grok ให้รายละเอียด แต่กลับสลับตัวเลขสำคัญ

คำตอบด้วยเสียงของ Grok ฟังดูเหมือนผ่านการวิจัยอย่างละเอียดมากขึ้น โดยให้ข้อมูลเกี่ยวกับความตกต่ำในประวัติศาสตร์ของบิตคอยน์ อัตราเงินเฟ้อ กิจกรรมของสถาบันการเงิน และความล่าช้าในการชำระหนี้ของ Mt Gox เมื่อเร็วๆ นี้ ข้อมูลส่วนใหญ่ตรงกับข้อเท็จจริงและแหล่งที่มา แต่แล้วก็มีข้อผิดพลาดที่น่าตกใจ ตามรายงาน Grok กำหนดความน่าจะเป็นประมาณ 90% สำหรับการปรับขึ้นอัตราดอกเบี้ยของธนาคารกลางสหรัฐฯ (Federal Reserve) ในการประชุมวันที่ 27-28 ตุลาคม แต่ข้อมูลอ้างอิงตลาดในบทวิเคราะห์กลับระบุความน่าจะเป็นดังกล่าวอยู่ที่ประมาณ 6% ถึง 18% ขึ้นอยู่กับแหล่งข้อมูลและวันที่สังเกตการณ์.

ความแตกต่างนี้มีความสำคัญมาก โดย Grok ได้นำข้อมูลจากจุดอ้างอิงที่เก่ากว่ามาใช้ การปรับขึ้นอัตราดอกเบี้ยที่มีความเป็นไปได้ต่ำถูกนำเสนอเหมือนเป็นสิ่งที่เกือบจะแน่นอน ปัญหาอื่นๆ ยังรวมถึงเป้าหมายราคาบิตคอยน์ของ Bernstein ที่ล้าสมัยอยู่ที่ $150,000 และการอธิบายผิดเกี่ยวกับตำแหน่งของช่วงราคาที่ Fidelity คาดการณ์ไว้เมื่อเทียบกับตลาด Grok ได้แก้ไขความน่าจะเป็นในการปรับขึ้นอัตราดอกเบี้ยในที่สุด แต่เพียงหลังจากถูกตั้งคำถามเท่านั้น

คำกล่าวอ้างในภายหลังว่า Grok ไม่ได้ดึงข้อมูลแบบเรียลไทม์มาใช้ ก็ยากที่จะสอดคล้องกับการอ้างอิงถึงอัตราเงินเฟ้อล่าสุดและพัฒนาการของ Mt Gox การสอบถามต่อมาไม่สามารถยืนยันได้ว่าข้อมูลดังกล่าวมาจากการดึงข้อมูลจริง จากบริบทก่อนหน้า หรือจากแหล่งอื่น สำหรับการเปรียบเทียบเสียง ข้อค้นพบสำคัญไม่ใช่เพียงว่า Grok ทำผิดพลาด แต่คือว่าคำกล่าวอ้างทางการเงินที่ถูกต้องและผิดพลาดถูกนำเสนอด้วยความมั่นใจในการสนทนาที่แทบไม่แตกต่างกัน

โมเดลข้อความของ Claude ค้นหาหลักฐานแต่ยังคงสร้างวิธีการขึ้นมาเอง

เซสชันข้อความต้นฉบับของ Claude Opus 5.5 มีข้อได้เปรียบที่บันทึกไว้: มันได้ทำการค้นหาบนเว็บสี่ครั้งก่อนที่จะตอบ คำคาดการณ์มูลค่า $78,000 ของมันอ้างอิงส่วนหนึ่งจาก True Market Mean ของบิตคอยน์ ซึ่งประมาณไว้ที่ $77,600 สิ่งนี้ทำให้คำตอบมีจุดอ้างอิงตลาดที่ชัดเจน ซึ่งเป็นสิ่งที่เซสชันเสียงของ ChatGPT ขาดไปเป็นส่วนใหญ่ อย่างไรก็ตาม คำตอบแบบเขียนก็มีปัญหาในตัวมันเอง

Claude ได้ระบุช่วงเวลาของรอบ halving ในอดีตผิดพลาด ประเมินการลดลงจากจุดสูงสุดถึงจุดต่ำสุดของบิตคอยน์ที่ประมาณ 54% ต่ำเกินไป และละเว้นผลกระทบจากวิกฤตน้ำมันในสงครามอิหร่านออกจากการอภิปรายทางเศรษฐกิจ นอกจากนี้ ยังให้ความสำคัญกับเรื่องราวการไหลออกของกองทุน ETF แม้จะดึงข้อมูลที่ชี้ให้เห็นภาพที่แตกต่างสำหรับเดือนตุลาคม สิ่งที่เปิดเผยมากขึ้นคือวิธีที่ระบบอธิบายการทำงานของตัวเอง

Claude อ้างถึง "จุดข้อมูลที่ฉันให้น้ำหนักมากที่สุด" และอ้างว่าได้นำการปรับขึ้นอัตราดอกเบี้ยในเดือนธันวาคมมาคำนวณในคาดการณ์แล้ว แต่เมื่อถูกถามเพิ่มเติม มันก็ยอมรับว่าไม่ได้คำนวณน้ำหนักเชิงตัวเลขหรือความน่าจะเป็นเลย การประมาณการมูลค่า 78,000 ดอลลาร์นั้นเป็นการตัดสินที่อิงตามตัวชี้วัดตลาด ไม่ใช่ผลลัพธ์จากแบบจำลองเชิงปริมาณที่ได้รับการพิสูจน์แล้ว

ต้องผ่านสามรอบการซักถามก่อนที่เซสชันข้อความของ Claude จะสามารถแยกข้อมูลจากแหล่งที่มาออกจากสมมติฐานที่ไม่มีหลักฐานสนับสนุนได้อย่างเหมาะสม การค้นหาข้อมูลทางเว็บได้ให้ข้อมูลเพิ่มเติมสำหรับการอภิปราย แต่ไม่ได้รับประกันการวิเคราะห์ที่ถูกต้อง

โมเดลเสียงของ Claude ได้สร้างเซอร์ไพรส์ใหญ่ที่สุดในการทดลอง

เซสชันเสียง Claude Opus 5.5 ครั้งหลังนี้ได้เปลี่ยนผลการเปรียบเทียบไป การคาดการณ์เริ่มต้นอยู่ที่ $88,000 ก่อนที่จะปรับแก้ไขเป็น $85,000 ต่างจากเซสชันเสียงของ ChatGPT ที่เปลี่ยนคำตอบหลายครั้ง Claude ยังคงยึดตัวเลขที่ปรับแก้แล้วนั้นไว้ตลอดการถามตอบที่เหลือ และไม่ยอมปรับเปลี่ยนเพียงเพื่อสร้างการคาดการณ์ที่ดึงดูดความสนใจมากขึ้น

ที่สำคัญกว่านั้น การตอบด้วยเสียงของ Claude ได้ชี้แจงข้อจำกัดตั้งแต่เนิ่นๆ ก่อนเซสชันอื่นๆ ในคำตอบครั้งที่สอง มันยอมรับว่าไม่สามารถดึงข้อมูลเมตริกส์บนเชนแบบเรียลไทม์ได้ และอธิบายการคาดการณ์ว่าเป็นเพียงการประมาณการ ไม่ใช่ผลลัพธ์จากโมเดลที่คำนวณมา เมื่อถูกถามให้ระบุข้อมูลที่ไม่มีหลักฐานสนับสนุน มันได้แยกข้อมูลที่ดึงมา ความรู้ทั่วไป การคำนวณ และความคิดเห็นตั้งแต่คำขอแรก

นี่เป็นประสิทธิภาพในการเปิดเผยข้อมูลที่ดีกว่าเซสชันข้อความของ Claude เอง ซึ่งต้องผ่านสามรอบการถามตอบจึงจะถึงระดับความตรงไปตรงมาที่เทียบเท่ากัน นอกจากนี้ โมเดลเสียงยังอธิบายจุดสูงสุดของวงจร Bitcoin ในอดีตได้อย่างถูกต้องว่าโดยทั่วไปจะเกิดขึ้น 12 ถึง 18 เดือนหลังการลดครึ่ง (halving) ซึ่งหลีกเลี่ยงข้อผิดพลาดด้านเวลาที่ทั้งเซสชันเสียงของ Grok และคำตอบข้อความต้นฉบับของ Claude เคยทำผิด

อย่างไรก็ตาม ประสิทธิภาพของ Claude ในรูปแบบเสียงก็ยังไม่สมบูรณ์แบบ มันอ้างราคาน้ำมันที่สูงกว่า $110 โดยใช้ตัวเลขที่การทบทวนพิจารณาว่าล้าสมัย กล่าวเกินจริงเกี่ยวกับการซื้อบิตคอยน์อย่างต่อเนื่องของสถาบัน และละเว้นการลดลงของตลาดที่ลึกกว่าในเดือนมิถุนายน 2026 เมื่อหารือเกี่ยวกับการลดลงในปัจจุบัน นอกจากนี้ มันยังไม่เคยแสดงการคำนวณที่นำไปสู่เป้าหมาย $85,000 ของมันเลย

ดังนั้น ความประหลาดใจจึงไม่ใช่ที่โมเดลเสียงของ Claude กลายเป็นผู้คาดการณ์ทางการเงินที่ดีขึ้น แต่คือว่า ในเซสชันนี้ ผู้ช่วยเสียงได้เปิดเผยข้อจำกัดของตัวเองอย่างตรงไปตรงมามากกว่าผู้ช่วยข้อความ

ทำไม AI เสียงและข้อความจึงไม่จำเป็นต้องเป็นระบบเดียวกัน

การเปรียบเทียบนี้ก่อให้เกิดปัญหาทางเทคนิคที่ผู้ใช้ทั่วไปอาจไม่เคยคิดถึง: การพูดกับ AI ไม่เสมอเท่ากับการพิมพ์ข้อความเข้าไป OpenAI’s ChatGPT voice experience ใช้ตระกูลโมเดลที่แยกต่างหากจากประสบการณ์ข้อความหลักของมัน ส่วน Anthropic อธิบายว่า Claude Voice ทำงานผ่านเวอร์ชันที่เร็วที่สุดของโมเดลที่เลือกไว้ ซึ่งรวมถึงตัวเลือก Sonnet และ Opus ที่ได้รับการสนับสนุน

ความแตกต่างนี้ทำให้การเปรียบเทียบแบบตรงไปตรงมาเป็นเรื่องซับซ้อน แม้เมื่ออินเทอร์เฟซแสดงชื่อโมเดลเดียวกัน ประสบการณ์เสียงอาจเกี่ยวข้องกับการตั้งค่าการทำงาน ข้อจำกัดด้านความหน่วง และส่วนประกอบในการประมวลผลเสียงที่แตกต่างกัน การทดลองนี้ไม่ได้พิสูจน์อย่างอิสระว่าปัจจัยเหล่านั้นส่งผลต่อคำตอบอย่างไร

สถาปัตยกรรมเสียงของ Grok ไม่ได้รับการตรวจสอบในรายงานนี้ ทำให้ส่วนสำคัญอีกส่วนหนึ่งของการเปรียบเทียบทางเทคนิคยังไม่ได้รับการแก้ไข ดังนั้น เซสชันเหล่านี้จึงไม่สามารถยืนยันได้ว่า AI เสียงมีความแม่นยำต่ำกว่าโดยธรรมชาติ มีแนวโน้มสร้างข้อมูลเท็จมากขึ้น หรือมีความโปร่งใสมากกว่า AI ข้อความแบบสร้างเนื้อหา สิ่งที่ผลการทดลองแสดงให้เห็นคือว่าอินเทอร์เฟซและการตั้งค่าพื้นฐานมีความสำคัญ และชื่อแบรนด์ที่คุ้นเคยเพียงอย่างเดียวไม่สามารถรับประกันพฤติกรรมที่เทียบเท่ากันได้

Claude ได้ให้การเปรียบเทียบภายในบริษัทที่มีประโยชน์ที่สุด แต่แม้ในกรณีนี้ เซสชันข้อความและเสียงก็เกิดขึ้นแยกกัน และไม่ได้ถือเป็นการทดลองที่ซ้ำกันและมีการควบคุม

การทดสอบที่แท้จริงจะเกิดขึ้นหลังจาก AI หยุดพูด

ในทั้งสี่เซสชัน การคาดการณ์สุดท้ายมีช่วงตั้งแต่ $78,000 ถึง $85,000 ซึ่งทั้งหมดอยู่ใกล้กับราคาตลาดปัจจุบันของบิตคอยน์อย่างค่อนข้างมาก ไม่มีระบบใดที่แสดงให้เห็นว่าสมมติฐานของมันถูกแปลงเป็นตัวเลขที่เลือกมาได้อย่างไร การทบทวนยังระบุข้อจำกัดในวิธีการวิจัยของตัวเองด้วย Claude เป็นผู้เขียนการประเมินประสิทธิภาพของตัวเอง และข้ออ้างหลายข้อเกี่ยวกับตลาดถูกตรวจสอบผ่านบทคัดย่อจากการค้นหา แทนที่จะใช้แหล่งข้อมูลหลักที่ครบถ้วน

ไม่มีเครื่องมือบันทึกอิสระใดที่ระบุได้อย่างแม่นยำว่าผู้ช่วยเสียงแต่ละตัวได้ดึงข้อมูลอะไรมาบ้าง ข้อจำกัดเหล่านี้เป็นสิ่งจำเป็น แต่มีเพียง xAI, OpenAI และ Anthropic เท่านั้นที่สามารถเข้าถึงได้ นี่เป็นการทดลองเชิงสำรวจ ไม่ใช่หลักฐานว่าบริษัทหรือรูปแบบการโต้ตอบใดมีประสิทธิภาพเหนือกว่าอีกฝ่ายอย่างสม่ำเสมอ แต่มันได้เปิดเผยความแตกต่างสำคัญระหว่างการฟังดูเหมือนวิเคราะห์กับการแสดงการวิเคราะห์จริง

ผู้ช่วยเสียงสามารถให้คำวิเคราะห์ทางการเงินด้วยจังหวะและความมั่นใจเหมือนผู้ประกาศข่าวมืออาชีพ ส่วนโมเดลข้อความสามารถจัดเรียงคำอธิบายอย่างละเอียดที่ได้รับการสนับสนุนจากแหล่งข้อมูลที่ค้นหาได้ ทั้งสองยังคงสามารถสร้างข้อสรุปที่ไม่มีหลักฐานสนับสนุน ความคิดที่ผิดเพี้ยน หรือคำโกหกอย่างชัดเจนได้ และทั้งสองสามารถพัฒนาได้เมื่อถูกกดดันให้แยกแยะหลักฐานออกจากข้อสันนิษฐาน

เซสชันเสียงของ Claude ในภายหลังแสดงให้เห็นว่า การพูดกับ AI ไม่จำเป็นต้องหมายถึงการเสียสละความโปร่งใสโดยอัตโนมัติ ในขณะเดียวกัน ChatGPT และ Grok ก็แสดงให้เห็นว่า คำตอบที่พูดออกมาอย่างประณีตควรได้รับการตรวจสอบอย่างละเอียดเช่นเดียวกับคำตอบที่เขียน สำหรับใครก็ตามที่ใช้ AI เพื่อประเมินการลงทุน การทดสอบครั้งต่อไปควรมีคำสั่งที่เหมือนกัน กิจกรรมการค้นหาข้อมูลที่บันทึกไว้ เซสชันที่ซ้ำกัน และตัวเลขที่ได้รับการตรวจสอบอย่างอิสระ

เพียงเมื่อนั้น นักวิจัยจึงสามารถเริ่มแยกแยะผลกระทบของการโต้ตอบด้วยเสียงออกจากความสามารถในการให้เหตุผลของโมเดลพื้นฐานได้ ผลลัพธ์ที่เปิดเผยมากที่สุดจากการทดลองนี้ไม่ใช่ว่าบิตคอยน์จะปิดปี 2026 ที่ $78,000, $82,000 หรือ $85,000 แต่เป็นความจริงที่ว่า การแสดงผลที่น่าเชื่อถือทั้งสี่ครั้งในโหมดเสียง ได้สร้างชุดการให้เหตุผลทางการเงินสี่ชุด และไม่มีชุดใดที่สามารถแสดงการคำนวณทางคณิตศาสตร์ที่อยู่เบื้องหลังคำตอบสุดท้ายได้