khianme.com

เปิดบันทึกของ khianme

วัดได้แค่ไหน
ก็พูดแค่นั้น

เราเก็บทั้งผลที่ขยับเข้าใกล้คน
และผลที่ยังต้องแก้ ไว้ให้คุณดูด้วยกัน

นับลักษณะภาษาได้ ≠ ตัดสินคุณภาพงานเขียนได้

ห้องสังเกตภาษา

ก่อนคุ้มค่าอย่างแท้จริง

ลองตัดคำขยายคุ้มค่า

ตัวอย่างประกอบคำลดลง ความหมายล่ะ?
จากร่าง AI ไปทางภาษาที่คนใช้บริการบนเว็บและไฟล์สกิล · งานข่าวไทย · วัด 27 ก.ย. 2569 (ไฟล์สกิล 21 ก.ย.)

จุดยิ่งใกล้เส้นคนจริง ลักษณะภาษายิ่งใกล้ค่าอ้างอิง

ตัวเลขนี้มาจากไหน

นี่คือระยะของลักษณะภาษาที่นับได้ ไม่ใช่คะแนนคุณภาพงานเขียน · 88% คือบริการเว็บตามค่าเริ่มต้นที่เปิดสวิตช์ "ร่างจาก AI" วัด 27 ก.ย. หลังเพิ่มการลองใหม่เมื่อลิสต์สามชิ้นเกิน บนข่าว 58 ชิ้น 2 รอบได้ 87% และ 89% จึงอ่านเป็นช่วง ไม่ใช่เลขเดียว (ก่อนเพิ่มขั้นนี้ วันเดียวกันได้ 79% และ 87%) ปิดสวิตช์ได้ 61% · ก่อนหน้านี้ (21–22 ก.ย. โมเดลเดิม ปิดสวิตช์) ได้ 50–61% · ไฟล์สกิลได้ 57% (54% เมื่อตัดส่วนเกิน) บนข่าวอีกชุดที่ยาวกว่า เส้นประคือวัดแยกกัน ระดับใกล้กันแต่ไม่ใช่การแข่งตัวต่อตัว

อ่านใน 30 วินาที

สรุปทั้งหน้า
ในสี่บรรทัด

เราวัดอะไร
นับลักษณะภาษาที่ร่าง AI ภาษาไทยใช้มากกว่าคนเขียน ก่อนและหลังผ่านบริการ แล้วเทียบกับงานประเภทเดียวกันที่คนไทยเขียนก่อนยุค AI
ผลล่าสุด
ข่าวไทย เปิดสวิตช์ “ร่างจาก AI” 88% · ปิด 61% · วัด 2 รอบ (27 ก.ย. 2569)
อ่านตัวเลขอย่างไร
88% คือระยะที่ลักษณะภาษาขยับจากร่าง AI เข้าใกล้ค่าของคนเขียน ไม่ได้แปลว่าเขียนเหมือนคน 88% และไม่ใช่คะแนนคุณภาพ
ยังพิสูจน์ไม่ได้
ว่าคนอ่านชอบกว่า ว่างานเขียนดีขึ้น หรือว่าหลบเครื่องตรวจ AI ได้

เราไม่ตัดเพื่อให้ตัวเลขสวย คำอย่าง มัก หรือ บ่อย อาจเป็นความหมายที่คุณตั้งใจ ระบบจึงเก็บไว้แม้ตัวเลขจะออกมาต่ำลง ส่วนที่ตัดจนน้อยกว่าคนเขียน เราไม่นับเป็นผลดี วิธีคำนวณแบบละเอียด ↓

สิ่งที่เรานับ

ทุกจุดมีเรื่อง
ให้เปิดอ่าน

จุดไหนขยับ จุดไหนถอย ดูพร้อมกันได้ที่นี่
เลือกแถวที่สนใจ แล้วเปิดดูว่าประโยคเปลี่ยนอย่างไร

แผนที่ลักษณะภาษา

แสดงบางลักษณะเพื่ออธิบาย ไม่ใช่รายการทั้งหมดที่ระบบใช้แตะแถวเพื่อเปิดบันทึก
บริการเว็บ รุ่นก่อน ก่อน 21 ก.ย. 2569บริการเว็บ รุ่น 21 ก.ย. วัด 21 ก.ย. 2569
ลักษณะภาษา
ร่าง AI · 0คนจริง · 100
ก่อน / หลัง

ก่อนไม่ใช่แค่อร่อย แต่ยังดีต่อสุขภาพ

หลังอร่อยและดีต่อสุขภาพ

รวมประโยคให้ตรงขึ้น โดยเก็บความหมายทั้งสองส่วน

ซ้ายของร่าง AI = ถอยหลัง
พื้นที่ลายเส้น = เลยค่าคนจริง ไม่ใช่เขียนดีกว่าคน

งานข่าวไทย 45 ชิ้น รันครั้งเดียวต่อชิ้น
ตัวอย่างประโยคแต่งขึ้นเพื่ออธิบาย ไม่ใช่ผลลัพธ์จากบริการ

บันทึกการปรับปรุง

เปลี่ยนทีละอย่าง
แล้วกลับมาวัดใหม่

เก็บผลก่อนและหลังไว้ด้วยกัน เพื่อเห็นว่าการปรับแต่ละครั้งเปลี่ยนอะไร และมีอะไรที่ต้องยอมรับ

  1. จุดเริ่มต้น · 19%

    วัดบริการเดิม

    กฎภาษาไทยข้อเดียวคือ “ห้ามเพิ่มคำเลี่ยง” ทุกอย่างที่ไม่มีกฎก็ไม่ขยับ

  2. กฎภาษาไทย · 52%

    เพิ่มกฎสำหรับภาษาไทย

    เพิ่มกฎที่เลือกจากสำนวนซึ่งวัดแล้วว่า AI ใช้มากกว่าคนจริง และตั้งใจไม่ให้ตัดจนเกินระดับคน

  3. จัดกฎใหม่ · 52.6%

    จัดกฎใหม่

    บางกฎเคยไม่ถูกใช้จริง จัดใหม่แล้วตัวหนาขยับจาก 19% เป็น 70%

  4. ลองใหม่เมื่อยังไม่ถึง · 57.4%

    ลองใหม่เมื่อยังไม่ถึง

    ถ้าฉบับแรกยังห่างจากภาษาคนในบางจุด ระบบลองใหม่ให้เองแล้วเก็บฉบับที่ดีกว่า ไม่ปฏิเสธงาน ไม่คิดเงินซ้ำ

ขั้นที่ 5 · ตัวเลือกเสริม

สวิตช์ “ร่างจาก AI” · 78% เมื่อเปิด

ให้คุณบอกเองว่าร่างมาจาก AI

เปิดไว้เป็นค่าเริ่มต้นทั้งบนเว็บและผ่าน MCP ปิดได้ถ้าร่างนั้นคนเขียนเอง หรือเป็นรีวิว

อ่านเพิ่ม

เปิดใช้ 22 กันยายน 2569 เป็นตัวเลือก บนหน้าเว็บเปิดไว้เป็นค่าเริ่มต้นตั้งแต่ 23 กันยายน ผ่าน MCP ตั้งแต่ 27 กันยายน เมื่อเปิด ระบบตัดคำว่า มัก / อาจ / บ่อย ที่ AI ใส่เกิน แต่คงทุกคำที่อยู่ติดตัวเลขหรือเงื่อนไข วัดบนข่าวชุดเดิม 8 ลักษณะ 58.8% → 78.4% ข้อแลก: ปฏิเสธราว 1 ใน 8 ครั้ง (ปกติ 1 ใน 29) เมื่อคำติดตัวเลขถูกตัดซ้ำ ไม่คิดโควตา และไม่เหมาะกับรีวิว เพราะร่าง AI ของรีวิวใช้คำพวกนี้น้อยกว่าคนอยู่แล้ว ปิดสวิตช์ = รุ่นที่วัดไว้ทุกตัวอักษร

สี่ขั้นแรกวัดในวันเดียวกัน 21 กันยายน 2569 บนงานข่าวชุดเดียวกัน ขั้นที่ห้าวัดบนชุดเดียวกันเมื่อ 21 กันยายน และเปิดใช้ 22 กันยายน · ทางเลือกหนึ่งที่เราคิดว่าจะดีกว่า วัดแล้วทำให้ค่าเฉลี่ยลด 7 จุด จึงไม่ได้ใช้

งานแต่ละแบบ

ภาษาในข่าว
ไม่ใช่ภาษาในรีวิว

แยกดูตามประเภทงาน เพราะคำที่พบได้ตามปกติในงานหนึ่ง อาจพบได้น้อยในอีกงานหนึ่ง

News · 45 ชิ้น

ข่าว

ก่อน 19%  →  21 ก.ย. ≈57%
เทียบกับข่าวไทยโดยคนเขียนกว่าพันชิ้นก่อนยุค AI
27 ก.ย. เปิดสวิตช์ 88% · ปิด 61% · วัด 2 รอบ

อ่านเพิ่ม

จุดเริ่มต้นของการวัด และชุดเดียวกับกราฟด้านบน

Reviews · 120 ชิ้น

รีวิวร้าน

ก่อน −18.5%  →  21 ก.ย. 57%
เทียบกับรีวิวร้านอาหารโดยคนจริงหลายร้อยชิ้น · บางลักษณะที่ AI ใช้น้อยกว่าคนอยู่แล้วในรีวิว ไม่นับรวมในค่าเฉลี่ยของงานประเภทนี้
27 ก.ย. ปิดสวิตช์ 91% · เปิด 82% · วัด 2 รอบ · เปิดสวิตช์แล้วคำว่า "มัก" และ "บ่อย" เหลือน้อยกว่าที่คนเขียนรีวิวใช้ ปรับรีวิวให้ปิดสวิตช์

อ่านเพิ่ม

รุ่นก่อนของเราทำให้รีวิวแย่กว่าร่างเดิม เพราะเติมลิสต์สามชิ้นเข้าไปเอง เราวัดเจอเอง แก้แล้ว วัดใหม่แล้ว

Blogs · 39 ชิ้น

บล็อก

ก่อน 45%  →  21 ก.ย. 59% เมื่อตัดส่วนเกิน
เทียบกับบล็อกไทยกว่าร้อยชิ้น · ยังไม่ได้ปรับให้รู้ประเภทงาน
27 ก.ย. เปิดสวิตช์ 90% · ปิด 53% · วัด 2 รอบ

อ่านเพิ่ม

ตัดมากไปในสามแถว บล็อกเกอร์ไทยใช้ขีดกลางมากกว่านักข่าวหลายเท่า แต่บริการตัดลงระดับข่าว ส่วนที่เลยระดับคนไม่นับเป็นผลดี

Web · 40 ชิ้น

เว็บทั่วไป

27 ก.ย. เปิดสวิตช์ 75% · ปิด 50%
เทียบกับหน้าเว็บไทยก่อนยุค AI 120 ชิ้น · ลักษณะที่คนใช้พอ ๆ กับ AI ไม่นับ · วัด 2 รอบ

อ่านเพิ่ม

เปิดสวิตช์ "ร่างจาก AI" ซึ่งเป็นค่าเริ่มต้นในแอป คำว่า "มัก" ลดลงมาก ปิดสวิตช์แล้วคำนี้แทบไม่ขยับ เพราะในงานที่คนเขียน คำนี้อาจตั้งใจใส่ เมื่อเปิดสวิตช์ ลิสต์สามชิ้นเป็นส่วนที่ลดได้น้อยที่สุด

Explainers · 40 ชิ้น

บทความความรู้

27 ก.ย. เปิดสวิตช์ 84% · ปิด 54%
เทียบกับวิกิพีเดียไทยปี 2565 จำนวน 120 บทความ · ร่าง AI ชุดนี้เขียนด้วย gpt-6-luna · ลักษณะที่คนใช้พอ ๆ กับ AI ไม่นับ · วัด 2 รอบ

อ่านเพิ่ม

เปิดสวิตช์แล้วคำแสดงความไม่แน่ใจถูกตัดจนน้อยกว่าที่คนเขียนใช้ ขีดกลางก็ถูกตัดเกินแบบเดียวกันไม่ว่าเปิดหรือปิด ส่วนที่เลยระดับคนไม่นับเป็นผลดี เมื่อเปิดสวิตช์ ราว 1 ใน 4 ชิ้นถูกปฏิเสธ เพราะระบบไม่ยอมตัดคำที่อยู่ติดตัวเลข งานที่ถูกปฏิเสธไม่คิดโควตา

Product pages · 40 ชิ้น

หน้าสินค้า

27 ก.ย. เปิดสวิตช์ 81% · ปิด 59%
เทียบกับหน้าร้านไทยก่อนยุค AI 25 ชิ้น · ลักษณะที่คนใช้พอ ๆ กับ AI ไม่นับ · วัด 2 รอบ

อ่านเพิ่ม

เปิดสวิตช์แล้วคำว่า "บ่อย" ลดลงมาก ปิดสวิตช์แทบไม่ลด ขีดกลางหายเกือบหมดทั้งสองแบบ หน้าร้านจากก่อนยุค AI ที่เราหามาเทียบได้มีแค่ 25 ชิ้น ตัวเลขนี้ให้อ่านเป็นแนวโน้ม

Social

โพสต์โซเชียล

ไม่มีตัวเลข
เทียบกับโพสต์เพจและผู้ใช้ไทยปี 2559 ถึง 2562 จำนวน 120 ชิ้น · ร่าง AI เขียนด้วย gpt-6-luna

อ่านเพิ่ม

ลักษณะที่เราใช้วัดแทบไม่โผล่ในโพสต์สั้นที่ AI เขียน นับได้ลักษณะเดียว ไม้บรรทัดนี้วัดงานแบบนี้ไม่ได้ เราจึงไม่ใส่ตัวเลข

สำหรับคนที่อยากตรวจ

วิธีคำนวณ
แบบละเอียด

ทุกตัวเลขบนหน้านี้คิดด้วยวิธีเดียวกัน ส่วนที่เราไม่เผยแพร่ บอกไว้ตรงนี้ด้วยว่าคืออะไร

  1. สูตร

    ให้ร่าง AI อยู่ที่ X งานคนเขียนอยู่ที่ H และงานหลังผ่านบริการอยู่ที่ O (นับต่อ 1,000 ตัวอักษร) ระยะที่ปิดได้ = (X − O) ÷ (X − H) · 0 = เท่าร่างเดิม · 100 = เท่าคนเขียน · ติดลบ = แย่กว่าร่าง · เกิน 100 = ตัดจนน้อยกว่าคน ซึ่งเรานับแค่ 100

  2. ค่า “คนจริง 100” มาจากไหน

    งานภาษาไทยที่คนเขียนก่อนยุค AI แยกตามประเภท ข่าวกว่าพันชิ้น รีวิวร้านหลายร้อยชิ้น บล็อกกว่าร้อยชิ้น หน้าเว็บ 120 ชิ้น วิกิพีเดียปี 2565 จำนวน 120 บทความ หน้าร้าน 25 ชิ้น

  3. ร่าง AI มาจากไหน

    บทความที่ให้โมเดลเขียนจากหัวข้อ โดยไม่มีคำสั่งให้เขียนเหมือนคน

  4. ลักษณะไหนถูกนับ

    เฉพาะลักษณะที่ร่าง AI ชุดนั้นใช้มากกว่าคนอย่างชัดเจนและพบมากพอ ตัดสินบนชุดเอกสารที่ให้คะแนน ก่อนดูผลของบริการ ลักษณะที่คนใช้พอ ๆ กับ AI ไม่นับ รายการทั้งหมดและเกณฑ์ตัวเลขเราไม่เผยแพร่ เพราะเป็นส่วนที่ลอกไปทำซ้ำได้

  5. ตัวจับอัตโนมัติไม่ได้ตัดสินคนเดียว

    ลิสต์สามชิ้นและ “ไม่ใช่แค่… แต่…” ให้โมเดลตัวตัดสินอีกตัวอ่านยืนยันทุกจุด เพราะตัวจับอัตโนมัติเคยนับลิสต์สามชิ้นในข่าวที่คนเขียนผิดไป 3 ใน 4 จุด

  6. รันอย่างไร

    โค้ดเดียวกับบริการ รันบนเครื่องทดสอบ ตั้งค่าเดียวกับที่ลูกค้าได้ แต่ละประเภทงานรัน 2 รอบ รอบละครั้งต่อเอกสาร ให้คะแนนเฉพาะเอกสารที่ทั้งเปิดและปิดสวิตช์ส่งงานได้ งานที่ระบบปฏิเสธไม่นับ ตัวเลขบนการ์ดคือค่าเฉลี่ยสองรอบ ตารางด้านล่างแสดงทั้งสองรอบ

ประเภทงานเปิด · รอบ 1รอบ 2การ์ดปิด · รอบ 1รอบ 2การ์ด
ข่าว86.8%89.1%88%61.8%60.5%61%
รีวิวร้าน74.6%88.8%82%87.8%94.1%91%
บล็อก91.8%87.5%90%51.8%54.4%53%
เว็บทั่วไป74.7%75.0%75%46.8%53.8%50%
บทความความรู้79.6%88.3%84%54.4%54.3%54%
หน้าสินค้า74.1%88.5%81%57.4%61.4%59%

เปิดสวิตช์วัดใหม่ 27 ก.ย. 2569 หลังเพิ่มการลองใหม่เมื่อลิสต์สามชิ้นเกิน · ปิดสวิตช์วัดวันเดียวกันก่อนหน้า ทางนี้ไม่ได้เปลี่ยน · แต่ละรอบให้คะแนนบนเอกสารที่ทั้งสองทางส่งงานได้ จำนวนชิ้นจึงต่างกันเล็กน้อย · สองรอบของงานเดียวกันต่างกันได้ถึง 14 จุด (หน้าสินค้าและรีวิว) จึงอ่านการ์ดเป็นช่วง

สิ่งที่ยังตอบไม่ได้

ข้อจำกัด
อยู่หน้าเดียวกับผลวัด

เพื่อให้คุณตัดสินใจได้ว่า
หลักฐานแค่นี้พอสำหรับงานของคุณหรือยัง

  1. นับสำนวนได้ ไม่ได้แปลว่าวัดคุณภาพได้

    จำนวนลักษณะภาษาที่เปลี่ยนไป ไม่ใช่คะแนนว่างานเขียนดีขึ้นแค่ไหน

  2. ยังต้องให้คนอ่านตัดสิน

    ทุกตัวเลขในหน้านี้เป็นการนับ ไม่มีคนอ่านสักคน การทดลองให้คนอ่านเลือกแบบปิดตาสองครั้งก่อนหน้านี้ เราแพ้ทั้งสองครั้ง 8:3 และการศึกษากับผู้อ่านของบริการเองยังไม่เริ่ม

  3. ยังไม่ได้สุ่มงานจากบริการจริงหลังเผยแพร่

    ผลที่บันทึกมาจากการรันโค้ดเดียวกับบริการบนเครื่องทดสอบ การสุ่มตรวจงานจากบริการจริงยังเป็นขั้นต่อไป

  4. ผลอาจเปลี่ยนเมื่อรันใหม่

    รันซ้ำด้วยการตั้งค่าเดิมในวันเดียวกัน ค่าเฉลี่ยต่างกัน 2.5 จุด รันซ้ำอีกวัน (22 กันยายน) บนเอกสารชุดเดียวกัน 48 ชิ้น ต่างกัน 8.7 จุด และแถว “ลิสต์สามชิ้น” ต่างกันได้ถึง 26 จุด หนึ่งโมเดล รันครั้งเดียวต่อเอกสาร ยังสรุปแทนทุกโมเดลหรือทุกประเภทงานไม่ได้

  5. โครงเรื่องยังเป็นของร่าง

    บริการแก้ระดับคำและประโยค ไม่รื้อโครงเรื่อง ร่าง AI 78% จบด้วยย่อหน้าสรุปแบบเรียงความ งานที่ออกจากบริการยังจบแบบนั้น 80% ข่าวโดยคนเขียนจบแบบนั้น 5% (ให้ตัวตัดสินอีกตัวอ่านทุกตอนจบ 22 กันยายน 2569) เราลองสี่ทางในวันเดียว ทั้งสั่งเพิ่ม เปลี่ยนโมเดล และอนุญาตให้ตัดย่อหน้าปิด ลดได้อย่างมากถึง 73% เพราะร่างมักฝังตัวเลขและคำพูดจริงไว้ในย่อหน้าสรุป และบริการสัญญาว่าจะไม่ทำข้อเท็จจริงหาย จึงตัดไม่ได้ ถ้าคุณต้องการงานที่ไม่ใช่โครงของร่างเดิม ให้ใช้โหมดเขียนจากข้อมูล ไม่ใช่เขียนใหม่

  6. ไม่ได้ทดสอบกับเครื่องมือตรวจจับงานเขียนจาก AI ใด

    ผลนับลักษณะภาษาใช้ยืนยันเรื่องการตรวจจับไม่ได้

  7. ผลวัดเป็นของรุ่นที่วัดเท่านั้น

    บันทึกการปรับปรุงสี่ขั้นแรก และแผนที่ลักษณะภาษาด้านบน เป็นของบริการบนเว็บรุ่นวันที่ 21 กันยายน 2569 (รหัสรุ่น 82ee20cb สำหรับตรวจสอบย้อนหลัง) ไฟล์สกิล 5.0.13 วัดวันเดียวกัน ตั้งแต่ 23 กันยายน 2569 บริการเปลี่ยนโมเดลเบื้องหลังเป็นรุ่นใหม่ที่ตั้งให้คิดนานขึ้น ตัวเลขวันที่ 27 กันยายน ทั้งกราฟด้านบนและการ์ดแต่ละประเภทงาน วัดกับโมเดลใหม่นี้ ทั้งเปิดและปิดสวิตช์ “ร่างจาก AI” เว็บกับไฟล์สกิลวัดคนละชุดเอกสาร (เว็บไม่รับร่างเกิน 1,000 คำ) จึงไม่ใช่การแข่งตัวต่อตัว

เริ่มจากงานที่คุณเขียนจริง

ลองกับร่างของคุณ แล้วอ่านผลด้วยตัวเอง

เริ่มเขียน →รู้จักไฟล์สกิล →