‘ทฤษฎีใดก็ตามที่พยายามหากฎตายตัวให้ภาษา มักจะล้มเหลวตลอด’ แต่ภาษาศาสตร์ก็ ‘ต้องรอด!’ : อรรถพล ธำรงรัตนฤทธิ์
เราใช้ภาษากันอยู่ทุกวัน -นั่นเป็นข้อเท็จจริง
ภาษาเป็นเครื่องมือในการสนทนาทั้งกับคนอื่นและกับตัวเอง เชื่อมร้อยพยางค์เล็กๆ เป็นหนึ่งหน่วยคำ เชื่อมร้อยแต่ละหน่วยคำด้วยไวยากรณ์กลายเป็นหนึ่งประโยค กลายมาเป็น ‘ใบหน้า’ และ ‘เรือนร่าง’ ของภาษาที่เราคุ้นเคยและเข้าใจได้
‘ภาษาศาสตร์’ คือการสำรวจองคาพยพทั้งมวลของภาษาที่เราใช้ หากว่าภาษามีกลิ่นอายของความเป็นนามธรรมและจับต้องไม่ได้ ภาษาศาสตร์คือการควานมือหยิบจับเอาเนื้อตัวของภาษามาเพ่งพินิจทำความเข้าใจอย่างละเอียด มันจึงไปพ้นจากขอบเขตของการท่องจำศัพท์ ของการศึกษาไวยากรณ์อันเป็นรูปแบบของการเรียนภาษา ไปสู่การสำรวจลักษณะเฉพาะและโครงสร้างในภาพรวมของภาษา ในฐานะที่มันเป็นเครื่องมือหนึ่งที่มนุษย์ที่อยู่ในชีวิตมนุษย์นับตั้งแต่เกิดจนถึงตาย
ดร.อรรถพล ธำรงรัตนฤทธิ์ อาจารย์ภาคภาษาศาสตร์ คณะอักษรศาสตร์ จุฬาลงกรณ์มหาวิทยาลัย ผู้เชี่ยวชาญทางด้านการประมวลผลภาษาธรรมชาติและวิทยาการข้อมูล พาสำรวจโลกของ ‘ภาษาศาสตร์’ และบทบาทของ ‘ภาษาศาสตร์คอมพิวเตอร์’ ที่เป็นเสมือนหมุดหมายใหม่ของจักรวาลภาษาสำหรับการสนทนาระหว่างมนุษย์กับคอมพิวเตอร์
และด้านหนึ่ง นี่ย่อมอาจเป็นอีกทาง ‘ต้องรอด!’ ของภาษาศาสตร์ ในโลกที่ทุกสิ่งเคลื่อนตัวไปพร้อมกลไกใหม่ๆ ในนามเทคโนโลยีเช่นนี้
เวลาพูดถึงการเรียนภาษาศาสตร์ หลายคนอาจไม่เข้าใจและไม่เห็นภาพ การเรียนภาษาศาสตร์ต่างจากการเรียนภาษา เช่น เยอรมัน, ญี่ปุ่น อย่างไรบ้าง
การเรียนภาษาศาสตร์ คือการที่เราต้องการศึกษาตัวภาษาในฐานะที่เป็นวัตถุที่เรานำมาศึกษาได้ เหมือนการเรียนชีววิทยาคือการศึกษาศาสตร์ของพืชและเซลล์ ขณะที่การเรียนภาษาศาสตร์คือการศึกษาตัวภาษาว่ามีลักษณะพิเศษอย่างไรบ้าง ภาษาต่างๆ มีอะไรเป็นจุดร่วมกันบ้าง มีปัจจัยอะไรที่ทำให้ภาษายังเป็นภาษาอยู่ในทุกวันนี้ ศึกษาโครงสร้าง เสียง ระบบหน่วยคำต่างๆ หรือปัจจัยทางสังคมต่างๆ ที่ทำให้ภาษาเปลี่ยนไปจากเดิม หรือดูว่ามีโครงสร้างหรือลักษณะพิเศษอะไรที่จะนำไปสอนคอมพิวเตอร์ให้เข้าใจภาษาเดียวกับเราได้ ซึ่งสิ่งนี้จะต่างจากตอนที่เราเรียนภาษาเฉพาะอื่นๆ สมมติ เราเรียนภาษาฝรั่งเศสหรือจีน เราก็ท่องศัพท์ จำกฎไวยากรณ์แล้วพยายามฝึกฝน ทำแบบฝึกหัดต่างๆ เพื่อให้เราใช้ภาษานั้นในการสื่อสารได้ แต่ในภาษาศาสตร์ เราดูลักษณะพิเศษต่างๆ ของภาษา หรือลักษณะต่างๆ ที่ทำให้เราใช้ภาษาในการสื่อสารได้
ที่บอกว่าศึกษาภาษาในเชิงวัตถุ หมายถึงอะไร มีตัวอย่างที่เป็นรูปธรรมไหม
สิ่งที่นักภาษาศาสตร์ศึกษามีหลายส่วน ส่วนหลักๆ ที่เราพูดถึงคือโครงสร้าง แกรมม่าหรือกฎไวยากรณ์ต่างๆ ว่าเราสามารถเขียนกฎไวยากรณ์เหล่านี้ออกมาอย่างไรได้บ้างเพื่อให้คนเข้าใจ และกฎไวยากรณ์ของภาษาต่างๆ บนโลก มีอะไรที่คล้ายกันบ้าง เช่น มีคำนาม มีคำกิริยาเหมือนกันหมดไหม มีคำคุณศัพท์เหมือนกันหมดหรือเปล่า แล้วกิริยาของแต่ละมีภาษามีอะไรที่เหมือนกันบ้าง นี่คือโครงสร้างของภาษา
อีกอย่างที่ดูจับต้องได้แต่ก็ไม่ได้จับต้องได้ขนาดนั้นคือเสียง เสียงของภาษามนุษย์มีเสียงอะไรบ้าง เราผลิตเสียงจากปาก จากปอด แล้วยังมีวิธีอื่นอีกไหม รวมทั้งระบบของเสียงว่าเสียงไหนไปด้วยกันได้หรือไม่ได้บ้าง ถ้ามีคำใหม่เข้ามาในภาษา คนจะออกเสียงออกมาอย่างไรถ้าเกิดระบบเสียงของภาษาเราเป็นแบบนี้
ต่อมาคือเรื่องความหมาย เราเอาคำต่างๆ มารวมกันเพื่อสื่อความหมายได้อย่างไร และเวลาเราพูดคุยกัน เรามีกฎเกณฑ์อะไรบ้างที่ทำให้เราพูดคุยกันได้แล้วเป็นเรื่องเดียวกัน เราเข้าใจตรงกัน
คิดว่าทำไมภาษาศาสตร์จึงยังจำเป็นอยู่ในทุกวันนี้
จริงๆ เราใช้ภาษาศาสตร์กันตลอดเวลา ที่เห็นได้ชัดคือการเรียนการสอนภาษาต่างประเทศ ไม่ว่าเราจะพยายามสอนภาษาไทยให้คนต่างชาติ หรือเราพยายามเรียนภาษาต่างประเทศ กฎไวยากรณ์ก็เป็นสิ่งที่นักภาษาศาสตร์รวบรวมให้เป็นเนื้อหาเดียวกันเพื่อจะได้ศึกษาได้โดยง่าย และรวมถึงเทคนิคการสอนต่างๆ ด้วยว่าจะสอนให้คนจากอีกวัฒนธรรมหนึ่งเข้าใจได้อย่างไร หรือสมมติว่า คนจีนจะมาเรียนภาษาไทย เขาควรมีข้อควรระวังอะไรบ้างเพื่อให้สื่อสารได้ดีขึ้น หรือกรณีถ้าเราเป็นนักแสดง อยากพูดให้เหมือนต้นทางจะทำอย่างไร ยกตัวอย่างเช่น ‘บุพเพสันนิวาส’ ถ้าเราอยากพูดให้เหมือนกับคนที่พูดสมัยนั้น ก็ต้องหาว่ามันมีความแตกต่างทางภาษาอย่างไร เช่น เขาเหน่อไหม ออกเสียงเหมือนสมัยนี้ไหม ซึ่งคำตอบคือไม่ ตลอดจนคำศัพท์ต่างๆ ที่เราได้ยิน เช่น ออเจ้า มันก็มาจากการที่นักภาษาศาสตร์ไปศึกษา ย้อนกลับไปว่าสมัยนั้นคนพูดกันอย่างไร มีหลักฐานอะไรบ้าง ทำไมจึงเป็นลักษณะนั้น คนที่สูงศักดิ์กับคนที่ต่ำศักดิ์กว่าพูดจากันอย่างไร เมื่อเอาสิ่งเหล่านี้มารวมกันก็เกิดเป็นละครหรือภาพยนตร์แบบนี้ได้
นอกจากนี้ยังมีมิติอื่นๆ ที่เราเห็นทุกวันอย่าง google translate ทำให้เรารู้ว่าเราควรจะพัฒนาโมเดลการแปลอย่างไรบ้างเพื่อให้โปรแกรมแปลได้ดีขึ้น อะไรที่มีผลต่อความหมายในการแปลจากภาษาหนึ่งไปอีกภาษาหนึ่ง หรือเทคโนโลยีอย่าง ChatGPT ซึ่งเป็นโปรแกรมสนทนาอัตโนมัติที่เข้าใจสิ่งที่เราพิมพ์ไปนั้นแปลว่าอะไร หาคำตอบมาให้เราได้ถูกต้อง หรือเข้าใจคำสั่งที่เราป้อนเข้าไปว่ามันคืออะไร เช่น อยากให้แต่งกลอนสไตล์นี้ หัวข้อนี้ สิ่งนี้ใช้ความรู้ด้านภาษาศาสตร์หมดเลย ทำให้เรารู้ว่าในหนึ่งประโยค หนึ่งข้อความ หรือในหนึ่งบทสนทนาที่เราพูดกัน มีองค์ประกอบอะไรบ้างที่ทำให้เราเข้าใจกันได้
เราว่าภาษามันเป็นสิ่งใกล้ตัวเรา เราใช้ทุกวัน อีกอย่างคือมันเป็นการผสมวิทย์กับศิลป์จริงๆ มันจึงเป็นวิชาที่คนชอบไม่ได้เยอะมาก เพราะคนมักจะชอบอย่างใดอย่างหนึ่งโดยเฉพาะ เช่น ฉันชอบเลข-ชอบวิทยาศาสตร์ไปเลย หรือไม่ก็ชอบศิลป์ไปเลย แต่นี่เราต้องเอาข้อมูลมาวิเคราะห์ด้วยโปรแกรมคอมพิวเตอร์ ต้องเขียนโค้ด แล้วอ่านข้อมูลปฐมภูมิในการหารูปแบบการใช้ภาษาของคนกลุ่มนี้ ซึ่งเป็นทักษะที่ต่างกันเยอะมาก ต้องทำเลข ทำตรรกะ เขียนโปรแกรมต่างๆ ดูรูปแบบข้อมูล อ่านข้อมูลที่ออกแนวมนุษยศาสตร์หน่อย ต้องใช้ทุกสิ่งทุกอย่าง ซึ่งมันเป็นความท้าทายและเป็นเสน่ห์ของมันด้วย เราต้องทำทั้งสองฝั่งจริงๆ หากว่าเราอยากแยกระหว่างวิทย์กับศิลป์ และภาษามันก็มีเสน่ห์โดยตัวของมันเองอยู่แล้ว มันไม่มีกฎเกณฑ์อะไรแน่นอน และแม้มันไม่มีกฎเกณฑ์แน่นอน เราก็ยังใช้ทุกวันในการสื่อสารอยู่ทุกวันได้ ทำให้เกิดคำถามตลอดว่าถ้ามันจะดิ้นได้ขนาดนี้ เรายังใช้มันอยู่ได้อย่างไร นี่ก็เป็นคำถามที่นักภาษาศาสตร์พยายามตอบกันอยู่
“ภาษาที่หนึ่งนั้น ยังไม่มีหลักฐานปรากฏว่าภาษาไหนยากกว่าภาษาไหน เด็กสองขวบไม่ว่าจะเรียนภาษาไหนก็ตาม ไม่ว่าจะอยู่ที่ประเทศไหน เขาก็มีระดับความซับซ้อนของภาษาคล้ายๆ กันหมด”
ตามหลักการแล้ว ภาษาเป็นสิ่งที่มีขึ้นในมนุษย์เท่านั้น ข้อเท็จจริงนี้สะท้อนเรื่องการภาษากับระบบคิดอย่างไรบ้าง
ภาษามนุษย์ที่มีระบบการสร้างประโยค เช่น คำหนึ่งคำสามารถไปปรากฏในหลายๆ ที่ได้ เช่น ผมกินแซนด์วิช คำว่าแซนด์วิชก็พูดถึงอาหารประเภทหนึ่ง และถ้าผมพูดต่อว่า แซนด์วิชอร่อย นี่คือเราใช้คำเดียวกัน เพื่อจะอ้างอิงถึงสิ่งเดียวกัน แต่ในประโยคที่สอง ผมพูดถึงว่า นี่เป็นคอนเซ็ปต์ของแซนด์วิชชิ้นนั้น และเป็นชิ้นที่ผมกินเมื่อครู่นี้รวมกัน อันนี้คือระบบที่เรายังไม่เห็นในการสื่อสารของสิ่งมีชีวิตชนิดอื่นที่มีการใช้คำซ้ำกันแบบนี้ และมีการใช้โครงสร้างต่างๆ เช่น มีประโยคซ้อนประโยคข้างใน เป็นการเชื่อมความกัน ใช้คำกิริยาแบบต่างๆ ที่เรายังไม่เห็นในสิ่งมีชีวิตอื่นๆ ซึ่งเราคิดว่าเป็นเครื่องมือที่สำคัญของมนุษย์ในการสื่อสาร ทำให้เราสื่อสารกันแบบไม่จำกัด ไม่ว่าสารที่เราต้องการสื่อนั้นซับซ้อนขนาดไหนก็ตาม แต่เรายังใช้ภาษาในการสร้างประโยคขึ้นมาเพื่อสื่อสารกันได้
จริงๆ มีทฤษฎีทั้งสองแบบ ว่าเราเกิดมาเพื่อใช้ภาษา เรามีอะไรในสมองอยู่แล้วที่ทำให้เรียนรู้ภาษาได้เร็วตั้งแต่เด็ก อายุ 1-2 ขวบก็สามารถพูดได้แล้ว ใช้ภาษาในการสื่อสารได้ทันที นับเป็นทฤษฎีหนึ่งที่บอกว่าสิ่งนี้อยู่ในสมอง อยู่ในพันธุกรรมมนุษย์อยู่แล้วซึ่งทำให้เราใช้ภาษาในการสื่อสารกันได้แต่ก็ยังไม่มีใครระบุได้แน่ชัดว่าจริงหรือไม่
อีกทฤษฎีหนึ่งที่ตรงข้ามกันคือ เชื่อว่าสมองคนฉลาดอยู่แล้ว ภาษาเป็นเหมือนเครื่องมือ เป็นเหมือนวิธีการอย่างหนึ่งที่เราหัดใช้ เหมือนเราหัดว่ายน้ำหรือหัดเดิน เพียงแต่เราหัดใช้ปาก ใช้ลิ้นในการบังคับลมจากปอด สร้างเสียงต่างๆ จากช่องลมเพื่อสื่อสารให้คนอื่นรู้ เลยเหมือนเป็นทักษะอีกอย่างหนึ่ง เหมือนการวิ่ง การกระโดดหรือการว่ายน้ำ นี่ก็เป็นอีกมุมมองหนึ่งว่าทำไมคนจึงใช้ภาษาแบบที่มนุษย์ใช้กัน
อย่างนั้นแล้วปัจจัยอะไรที่ทำให้เรารู้สึกว่าแต่ละภาษายากง่ายต่างกัน เกี่ยวข้องกับความเคยชินหรือระบบคิดอะไรไหม
เวลาพูดถึงการเรียนภาษา เราจะนึกถึงการเรียนภาษาเป็นสองแบบ แบบ L1 (first language) หรือภาษาแม่ของเรา ซึ่งวิธีการเรียนจะเป็นอีกแบบหนึ่ง ส่วนเรียน L2 (second language) หรือภาษาที่สอง เราก็มีวิธีการเรียนอีกแบบหนึ่ง
ภาษาที่หนึ่งนั้น ยังไม่มีหลักฐานปรากฏว่าภาษาไหนยากกว่าภาษาไหน เด็กสองขวบไม่ว่าจะเรียนภาษาไหนก็ตาม ไม่ว่าจะอยู่ที่ประเทศไหน เขาก็มีระดับความซับซ้อนของภาษาคล้ายๆ กันหมด ถ้าจะผิดไวยากรณ์ก็จะผิดในระดับคล้ายๆ กันหมด ฉะนั้น สมมติเราบอกว่าภาษาจีนยากที่สุด ถ้าอย่างนั้นเด็กสองขวบที่จีนก็ต้องเก่งภาษาน้อยกว่าเด็กสองขวบชาวไทยที่เรียนภาษาไทยใช่ไหม ซึ่งนี่ไม่เป็นความจริง เพราะเด็กสองขวบก็มีระดับภาษา มีทักษะในการใช้ภาษาคล้ายๆ กันหมด ไม่ได้ต่างกันอย่างมีนัยยะสำคัญขนาดนั้น
ฉะนั้น ถ้าพูดโดยรวมแล้ว ภาษาแรกจึงไม่มีความแตกต่างอย่างมีนัยยะสำคัญ แต่เมื่อเป็นภาษาที่สองก็เป็นเรื่องใหญ่แล้ว เพราะเรามีการแลกเปลี่ยนสิ่งที่เรารู้เกี่ยวกับภาษาแรกมาใช้กับการเรียนภาษาที่สอง ดังนั้น ถ้าเป็นภาษาที่คล้ายกันมาก สมมติคนญี่ปุ่นมาเรียนภาษาจีน ก็จะพบว่ามีสิ่งที่ถูกถ่ายทอดมาเยอะมากเลย เช่น ระบบเขียนที่คล้ายคลึงกันบ้าง เห็นได้จากการใช้ตัวอักษรคันจิ (การใช้ตัวอักษรจีนในภาษาญี่ปุ่น) ที่คล้ายๆ กับอักษรจีน สำหรับคนญี่ปุ่นแล้ว การเรียนภาษาจีนจึงง่ายกว่าคนไทยไปเรียนภาษาจีนในระดับที่เราไม่รู้ตัวอักษรเขาแม้แต่ตัวเดียว ต้องเรียนตั้งแต่ตัวอักษรแรกจนถึงคำศัพท์อื่นๆ มากมาย อันนี้ที่จะมีผลมากๆ เพราะภาษาที่สองนั้น ความยากง่ายขึ้นอยู่กับภาษาที่เรารู้อยู่แล้วด้วยว่ามันมีการถ่ายโอนไปสู่อีกภาษามากน้อยแค่ไหน
หรือในยุโรป เราจะเห็นว่าคนฝรั่งเศสหลายคนพูดภาษาสเปนหรือภาษาอิตาเลียนได้ เพราะภาษาคล้ายกันมากๆ ทำให้พวกเขาไม่ได้พบความยุ่งยากเหมือนเราที่พยายามไปเรียนภาษาอิตาเลียนตั้งแต่แรก พบว่ามันต้องผันกิริยาเยอะ ขณะที่คนฝรั่งเศสพอรู้อยู่แล้วว่าการผันดังกล่าวนี้เป็นอย่างไร มาไม้ไหน
มองในเชิงสังคม ภาษาเกี่ยวข้องกับอัตลักษณ์ ความเป็นเราอย่างไร
อันนี้ออกแนว sociolinguistics (ภาษาศาสตร์สังคม) ดูว่าปัจจัยทางสังคมต่างๆ มีผลต่อภาษาไหม หรือในมุมกลับกันว่าภาษามีผลต่อวิธีที่คนอื่นมองเห็นเราไหม
อัตลักษณ์เป็นสิ่งที่สร้างตัวตนของเราขึ้นมา คนจะสร้างอัตลักษณ์จากภาษาได้อย่างไร นี่เกิดขึ้นตลอดอยู่แล้วเพราะภาษาไม่ใช่เครื่องมืออย่างเดียวในการสื่อสาร การใช้ภาษาบ่งบอกอะไรเกี่ยวกับเราหลายอย่าง เช่น ภาษาไทย ถามว่าพูดที่ไหนบ้าง ก็พูดที่ประเทศไทยที่เดียว ฉะนั้นถ้าเราไปพูดภาษาไทยที่ไหน คนอื่นได้ยินก็จะรู้ว่าเรามาจากประเทศไทย จะเห็นวัฒนธรรมบางอย่างว่าคงจะประมาณนี้ ทำให้เขารู้ว่าเรามาจากวัฒนธรรมไหน กลับกัน ถ้าอยู่ในประเทศเดียวกัน พูดภาษาเดียวกัน เช่น ประเทศอังกฤษที่มีคนมาจากหลากหลายชาติมาก เป็นสังคมพหุวัฒนธรรม (multicultural) แม้แต่คนอังกฤษเอง ถ้าบอกว่ามาจากอีกเมืองหนึ่ง ก็อาจจะพูดสำเนียงอีกแบบหนึ่ง ใช้คำอีกแบบหนึ่ง ฉะนั้น อัตลักษณ์ของเขาก็จะเปลี่ยนไปในระดับหนึ่งด้วย เพราะภาษาบ่งบอกได้ว่าเขาเป็นชนชั้นไหนด้วยซ้ำไป
และอีกกรณี ทางภาษาศาสตร์เรียกว่า constricting เช่น การพูดไทยคำ อังกฤษคำเยอะๆ บ่งบอกได้ว่าผู้พูดมีปูมหลังประมาณไหน เป็นคน sophisticated ไปเห็น culture อื่นๆ มาไหม นี่ไง พูดคำว่า culture แล้ว ไทยคำอังกฤษคำมาแล้ว (หัวเราะ) นี่แหละที่สื่อถึงอัตลักษณ์ของเราผ่านการใช้ภาษาได้
การที่เรารู้ภาษาใดภาษาหนึ่ง มีส่วนในการกำหนดวิธีคิด กระบวนการคิดของเรามากน้อยแค่ไหน
มีหลักฐานที่ว่า ถ้าเราเรียนภาษาใหม่ อาจทำให้เรามีมุมมอง ความคิดอะไรที่เปลี่ยนแปลงไป
มีการศึกษาหนึ่งที่ค่อนข้างดังเหมือนกัน เขาศึกษาการรับรู้เฉดสีต่างๆ เขาบอกว่าภาษารัสเซียมีคำที่บอกถึงสีฟ้าอยู่ ถ้าบ้านเราคือสีฟ้า สีคราม หรืออาจจะมี 2-3 เฉด แต่ของเขามีเยอะกว่าเรามาก ทำให้ความสามารถในการแยกสีของเขาดีขึ้นมาก เช่น เขาจะบอกว่าสีนี้กับสีนี้ต่างกัน แต่เราไม่มีคำแยกสำหรับสีสองสีนี้ เราจะคิดไปว่า สองสีนี้เป็นสีเดียวกัน เราไม่ได้คิดแยกกัน
หรือมีบางภาษาที่ไม่มีการบอกทิศทางด้วยคำว่าซ้ายหรือขวา ซึ่งคำว่าซ้ายขวานั้นก็แล้วแต่เราว่าเราหันไปทางไหน ฝั่งไหนคือซ้ายหรือขวา คือถ้าเรากลับหลังหัน ด้านซ้ายขวาก็กลับกันแล้ว แต่บางภาษาเขาไม่มีคำว่าซ้ายกับขวา เขามีแต่เหนือ ใต้ ตะวันออกและตะวันตก ฉะนั้น เขาก็อาจบอกว่ามือข้างนี้อาจเป็นมือตะวันออกของเขา ส่วนนี่คือมือตะวันตก ดังนั้นทิศจึงตรงกันหมด ผู้ที่พูดภาษานี้ซึ่งไม่มีซ้ายขวา เขาบอกว่าจะมีทักษะในการนำทางดีมาก เพื่อจะบอกว่าฉันต้องไปทิศทางไหน เพราะเวลาเขาพูด เขาต้องรู้ตลอดว่าทิศตะวันตกอยู่ตรงไหน เช่น ถ้าถามเขาว่า สยามอยู่ที่ไหน เขาก็จะชี้ได้ทันทีว่าตรงนั้นและตรงจริงๆ แต่ภาษาที่มีการใช้ทิศทางแบบ relative direction (ทิศทางสัมพัทธ์) อาจจะงงว่าสยามอาจอยู่ตรงนี้ อาจจะชี้ไม่ตรง ฉะนั้น นี่ก็เป็นหลักฐานว่าการเรียนภาษาใหม่ทำให้มีทักษะที่เปลี่ยนไป ทำให้ความคิดของเราเกี่ยวกับโลกเปลี่ยนไปได้ด้วย
เท่ากับว่าภาษาสร้างระบบตรรกะบางอย่างให้วิธีคิดเราด้วยไหม
ตรรกะทางภาษามันมีความตายตัว เช่นระบบ ถ้า-แล้ว-อันนี้หรืออันนี้-อันนี้และอันนั้น คือมีการให้เหตุผลตามกฎ และกฎมีอยู่ไม่กี่อย่าง เมื่อสัก 30-40 ปีที่แล้วมีการจับกันทางภาษา คือทฤษฎีว่าถ้าเราสามารถแปลงภาษา เช่น ประโยคนี้ ให้เป็นประโยคทางตรรกะศาสตร เช่นพวก และ-หรือ-ถ้า-แล้ว ก็จะทำให้เครื่องคอมพิวเตอร์เข้าใจภาษาได้ด้วย เพราะคอมพิวเตอร์ใช้ตรรกะแบบนั้น แต่ปรากฏว่ามันก็เป็นความพยายามที่ไม่ได้ประสบความสำเร็จขนาดนั้นเพราะมันมีปัจจัยอื่นๆ มากมายที่เราใช้ในการตีความ ทำให้รูปแบบของการใช้ตรรกะศาสตร์ในการแทนที่ความหมายของภาษาเป็นสิ่งที่ไม่ประสบความสำเร็จเท่าไหร่
ด้วยความที่ภาษามันถูกใช้ด้วยคนหลายๆ คนและเปลี่ยนแปลงไปเรื่อยๆ ไม่มีใครมาตั้งกฎเกณฑ์แน่ชัดจริงๆ ไม่เหมือนตรรกะศาสตร์ที่บอกว่า First-order logic มีกฎ 11-12 ข้อ จบแล้ว มีคนคิดมาพร้อมกันให้มันเป็นระบบ แต่ภาษาเป็นสิ่งที่เราใช้เรื่อยๆ ทุกคนใช้ ไม่ว่าจะอยู่ส่วนไหนของสังคมก็ใช้ ทุกคนจึงมีอิสระในการปรับให้มันเป็นอะไรก็ได้ ไม่มีกฎตายตัวจริงๆ ฉะนั้น ทฤษฎีอะไรก็ตามที่พยายามหากฎตายตัวของภาษาจึงมักจะล้มเหลวเกือบตลอด นี่เป็นสิ่งที่เราเจอมาในรอบสิบปีที่ผ่านมา ว่ารูปแบบใดๆ ก็ตามที่พยายามจะหากฎจริงๆ ล้วนล้มเหลวทั้งนั้น
หรือถ้าเราพูดถึงกฎไวยากรณ์ที่เราเรียนกันในโรงเรียน เราก็รู้สึกว่ามันไม่ดีขนาดนั้น เพราะข้อยกเว้นมันเยอะไปหมด ราวกับว่าข้อยกเว้นก็เป็นส่วนหนึ่งของกฎไปเสียแล้ว ดังนั้น อะไรก็ตามที่เราพยายามเอาตรรกะไปจับ มันจะได้ในระดับหนึ่ง แต่ก็ไม่ใช่ทั้งหมดของภาษาจริงๆ
ตอนนี้มีภาษาที่ทยอยตายลงไปเยอะมาก มองว่าความตายของภาษาหนึ่งมันส่งผลต่อวัฒนธรรมอย่างไร ทำไมเรายังต้องพยายามหรือมีหน่วยงานที่อนุรักษ์ภาษาที่ตายไปแล้วไว้
ภาษาตายบ่อยและตายเร็ว มันผ่านยุคโลกาภิวัตน์มาแล้ว วัฒนธรรมต่างๆ มันเชื่อมต่อกันมากขึ้น มันมีอิทธิพลจากภาษาอื่น จากวัฒนธรรมอื่น ทำให้ภาษาบางภาษาอาจไม่มีคนพูดอีกต่อไป จริงๆ มันไม่มีใครตาย เพียงแต่เขาเลิกใช้ภาษานั้นเท่านั้นเอง เช่น เราจะนึกถึงภาษาลาติน ที่ก็ยังอยู่แหละ มีคนศึกษาอยู่แต่ไม่มีใครพูดแล้ว
ถามว่าการตายของภาษาหรือการสูญพันธ์ไปของภาษาสำคัญอย่างไร มันสำคัญอย่างที่พูดไป เราอาจจะบอกว่าก็ไปใช้ภาษาอื่นสิ ไม่เห็นเป็นอะไร ยังสื่อสารกันได้ แต่ภาษาไม่ใช่มีไว้สำหรับสื่อสารอย่างเดียว มันเป็นสิ่งที่เก็บวัฒนธรรมไว้ด้วย ถ้าภาษานั้นหายไป มันทำให้เราไม่เชื่อมต่อกับวัฒนธรรมนั้นอีก อาจจะมีหนังสือของบางภาษาที่อาจไม่มีคนอ่านได้อีกแล้ว หรืออาจจะมีอะไรที่เจาะจงเกี่ยวกับภาษานั้น เมื่อมันสูญหายไปเราก็ไม่สามารถไปศึกษาเกี่ยวกับภาษาและวัฒนธรรมนั้นได้อีก
อย่างภาษาลาตินที่ตายไปแล้ว ก็ยังมีคนที่ศึกษาภาษานี้อยู่ เพราะสมมติเราจะอ่านอะไรที่เคยเขียนเป็นภาษาลาติน หรืออนุสาวรีย์ สถานที่สำคัญต่างๆ ซึ่งเขายังเขียนเป็นภาษาลาตินอยู่ ถ้าเราต้องการศึกษาสิ่งเหล่านั้นก็ต้องอนุรักษ์ไว้ นี่ก็เป็นอีกเหตุผลหนึ่ง
ทำไมเราไม่ค่อยรู้สึกว่าความตายของภาษาสำคัญเท่าการสูญพันธ์ของสิ่งมีชีวิตบางอย่าง
ภาษาค่อนข้างเป็นสิ่งนามธรรม แต่เมื่อเราเห็นสัตว์อย่างกูปรีที่เป็นสัตว์สงวน มันคือสิ่งมีชีวิตจริงๆ ถ้ามันหายไปหมดก็คือหายหมดจริงๆ ไม่สามารถเห็นได้อีกแล้ว แต่ภาษาเป็นสิ่งที่เราจับต้องไม่ได้ เป็นนามธรรมมากกว่า คนเลยอาจรู้สึกว่าโอเคถ้าจะหายไปบ้าง แต่มันหายไปตลอดเวลาจริงๆ
สำหรับคุณแล้ว การที่ภาษาหายไปสักภาษาหนึ่งหรือหลายๆ ภาษาเป็นเรื่องใหญ่ไหม หรือก็เป็นเรื่องเข้าใจได้
ถามว่าเป็นเรื่องใหญ่ไหมนี่ก็แล้วแต่คนคิดนะ สำหรับนักภาษาศาสตร์ก็ยังชอบ linguistic diversity หรือความหลากหลายทางภาษา ยังอยากให้โลกนี้มีหลายๆ ภาษาอยู่ ถ้ามันเกิดขึ้นอยู่แล้ว เพื่อจะได้นำไปศึกษาได้ อาจมีภาษาอื่นก็ได้ เช่น ภาษาที่อยู่ในป่าอะเมซอน เราคงไม่ได้พบปะคนเหล่านี้เยอะมากเพราะเขาก็คงอยู่ในหมู่บ้าน สังคมของเขา ไม่ได้ออกมาอยู่ในสื่อกระแสหลัก ไม่ได้พบปะกับสังคมที่ใหญ่กว่านั้น แต่ภาษาเหล่านี้อาจมีสมบัติอะไรที่น่าสนใจก็ได้ ที่ทำให้เราเข้าใจภาษาของเรามากขึ้น
มีตัวอย่างเมื่อนานมาแล้ว สัก 20 ได้ มีนักภาษาศาสตร์เข้าไปศึกษาภาษาของชนเผ่าหนึ่งที่อยู่ในป่าอะเมซอนจริงๆ และไปค้นพบว่า สิ่งที่เราเคยนึกว่ามีทุกภาษา เช่น ประโยคซ้อนประโยค เราคิดว่ามันเป็นสิ่งที่เจ๋ง สิ่งที่เด่นของภาษามนุษย์ และมนุษย์ทุกคนก็ใช้ เราคิดว่าทุกภาษาใช้แบบนี้กันหมดจริงๆ แต่ปรากฏว่าภาษาของชนเผ่านี้ไม่มีสมบัติแบบนั้น เมื่อภาษานี้ไม่มีสมบัติตรงนี้ ก็ทำให้เราคิดใหม่ว่า มันยังมีภาษาอื่นๆ อีกไหม ภาษาที่ไม่มีสมบัติตรงนี้ ฉะนั้น ประโยคซ้อนประโยคก็อาจไม่ใช่สมบัติของภาษาที่เราคิดว่ามีทุกภาษาแล้วก็ได้
ถ้าเราได้เห็นภาษาหลายๆ ภาษา เราอาจจะเข้าใจความเป็นมนุษย์ของเรามากขึ้น เข้าใจภาษาโดยรวมมากขึ้นว่ามีลักษณะอะไรที่พิเศษบ้าง
เมื่อพูดถึงภาษาศาสตร์เราก็มักนึกถึงภาพยนตร์เรื่อง Arrival (2016 -ว่าด้วยนักภาษาศาสตร์ที่ได้รับภารกิจในการสื่อสารกับมนุษย์ต่างดาว) เข้าใจว่าคุณน่าจะเคยดูแล้ว
เป็นหนังที่นักภาษาศาสตร์ชอบนะ เพราะนักภาษาศาสตร์เป็นตัวเอง (ยิ้ม) อย่างเรื่อง Indiana Jones ก็เป็นนักโบราณคดี แต่เรื่องนี้คือนักภาษาศาสตร์เป็นตัวเอกตั้งแต่แรก ทำให้คนตื่นเต้นกับศาสตร์นี้มากขึ้น
ในเรื่องจะเห็นว่ามีการใช้ตัวเลขและแนวคิดฟิสิกส์โยงเข้ากับระบบภาษาด้วย
ที่จริงตัวละครในหนังไม่ได้เขียนสูตรฟิสิกส์ อันนั้นคือนักวิทยาศาสตร์คนอื่นเขียนไว้ แล้วตัวละครก็มาลบก่อนจะเขียนประโยคอื่นทับไป
แต่พูดถึงภาษาศาสตร์กับวิทยาศาสตร์ ที่จริงแล้วมันคืออย่างเดียวกันนะ เราใช้วิธีการทางวิทยาศาสตร์ในการศึกษาภาษา ฉะนั้น มันจึงเป็นศาสตร์ที่แปลกๆ ถ้าคุณจะชอบภาษาศาสตร์ คุณก็จะชอบทั้งที่เป็นภาษามากๆ ที่เรานึกถึง เป็นสายศิลป์ และก็จะชอบวิทยาศาสตร์ด้วย อย่างเช่น การศึกษาเสียง การจะศึกษาเสียงได้นั้นต้องเอาไมโครโฟนอัดเสียงพูด แล้วเอามาเข้าคอมพิวเตอร์ ใช้ foliated transform analysis มาดูรูปแบบของคลื่น มาดู formants (ช่องความถี่เสียง) ของเสียงว่ามี power spectrum (อัตราของความถี่เสียง) แบบไหนบ้าง ทั้งหมดนี้เป็นวิทยาศาสตร์หมดเลย
หรือถ้าเป็นงานวิจัยของผมซึ่งเป็นแนว computational linguistics (ภาษาศาสตร์คอมพิวเตอร์) ยิ่งวิทยาศาสตร์เต็มๆ เลย เพราะใช้โมเดลทางคณิตศาสตร์ต่างๆ เพื่อหาว่า เราจะสร้างโมเดลอย่างไรให้เครื่องเข้าใจได้ว่าควรจะแปลภาษาอย่างไรให้คนเข้าใจ หรือจะตอบคำถามบางคำถามอย่างไร สมมติมีคนถามคำถามมา เราต้องไปหาคำตอบจากเว็บไซต์ Wikipedia เพื่อมาตอบคำถามนี้ เรามีวิธีทำความเข้าใจตัว text อย่างไร วิธีทำความเข้าใจตัวคำถามอย่างไร แล้วคำตอบแบบไหนจึงจะเข้ากับบริบทของคำถาม ซึ่งสิ่งเหล่านี้เป็นวิทยาศาสตร์หมดเลย
แต่ก็มีส่วนที่ออกแนวมนุษยศาสตร์ด้วย ส่วนใหญ่แล้วเป็นสิ่งที่ออกแนวประวัติศาสตร์ เช่น สมมติเราอยากรวบรวมหลักฐานว่า คำว่า ‘ไฟ’ มาจากไหน เราต้องไปรวบรวมหลักฐานมาจากที่อื่น อันนี้ก็มีความประวัติศาสตร์และมนุษยศาสตร์นิดหน่อย คือการต้องเอาหลักฐานต่างๆ มาชนกัน เช่น เรามีหลักฐานว่าเคยใช้คำนี้ คำนี้เกิดจากการที่ชุมชนสองชุมชนมาพบปะ มีการค้าขายกัน เลยได้คำศัพท์นี้มาจากพ่อค้าที่มาจากเรือสำเภา มาจากตำแหน่ง มาจากเมืองนี้ของประเทศจีน เป็นต้น และสิ่งนี้มีการจับต้นชนปลายเหมือนการศึกษาประวัติศาสตร์ซึ่งต้องมีการหาหลักฐานอธิบายสิ่งที่อยู่ในยุคปัจจุบัน
“ถ้าเราอยากรู้ความหมายของคำต่างๆ ให้แทนแต่ละคำด้วยตัวเลข 100 ตัว ฉะนั้นแต่ละคำจึงมีตัวเลขประจำตัว เป็นค่าของมันอยู่ และค่าเหล่านี้ใช้ในการเปรียบเทียบความหมายได้”
เราจะใช้ตัวเลขเพื่อทำความเข้าใจภาษาศาสตร์ได้อย่างไร
ยกตัวอย่างเช่น การเข้าใจความหมายของคำศัพท์ เป็นต้น ทฤษฎีสมัยก่อนโน้นชี้ว่า การที่เราจะเข้าใจความหมายของคำศัพท์นั้นเป็นเรื่องยาก อย่างเช่นว่า หนังสือคืออะไร คำตอบคือหนังสือคือก็คือหนังสือ ไม่ว่าเราจะพยายามหาคำนิยามของมันขนาดไหนก็ตาม เราก็จะนึกถึงว่า หนังสือก็คือหนังสือ เขามีวิธีอธิบายความหมายของคำนี้หลายอย่างอยู่เหมือนกัน หรืออีกวิธีหนึ่งคือลองหาคำที่มีความหมายคล้ายๆ กัน ความหมายตรงข้ามกัน หรือมีความหมายที่สัมพันธ์ซึ่งกันและกัน เช่น แมว เป็นสัตว์ชนิดหนึ่ง ก็มีความหมาย และคำว่าแมวกับคำว่าสัตว์ก็สัมพันธ์กัน นี่ก็เป็นทฤษฎีที่มีคนคิดมานานแล้ว
ทีนี้ เราบอกว่าลองแทนคำเหล่านี้ด้วยตัวเลขไหม เลยมีทฤษฎีบอกว่า ถ้าเราอยากรู้ความหมายของคำต่างๆ ที่อยู่ในภาษาหนึ่งทุกคำ ให้นำคำนั้นไปอยู่ใน vector space หรือคือการบอกว่า ให้แทนแต่ละคำด้วยตัวเลข 100 ตัว ฉะนั้นแต่ละคำจึงมีตัวเลขประจำตัว เป็นค่าของมันอยู่ และค่าเหล่านี้ใช้ในการเปรียบเทียบความหมายได้ ถ้าตัวเลขเหล่านี้คล้ายกันก็แสดงว่าความหมายคล้ายกัน หรือตัวเลขเหล่านี้มันต่างกันเยอะมากๆ ก็แสดงว่าความหมายอยู่คนละเรื่องกันเลย ซึ่งนี่เป็นโมเดลหลักๆ ในตอนนี้ที่ทำให้เครื่องคอมพิวเตอร์เข้าใจภาษามนุษย์ได้ คือการแทนค่าความหมายของแต่ละคำด้วยสิ่งที่เรียกว่าเวกเตอร์ ซึ่งเวกเตอร์ก็นำตัวเลขหลายๆ ตัวมาต่อกัน
ระบบแบบนี้มีมานานแล้วหรือยัง
โดยทฤษฎีแล้วมีมาประมาณ 20-30 ปี แต่มันถูกต่อยอด พัฒนามาเยอะมากจนมาถึงเมื่อสักสิบปีก่อนที่ได้รับความนิยมจริงๆ
ไม่รู้สังเกตกันไหมว่าโปรแกรม google translate เก่งขึ้นอย่างกระทันหัน เก่งขึ้นเยอะแบบก้าวกระโดด ทุกวันนี้มันก็ยังเก่งขึ้นแบบทีละนิดๆ แบบที่เราสังเกตไม่เห็นด้วยซ้ำไปว่ามันเก่งขึ้น แต่เมื่อราวๆ ปี 2014 มันก็มีวันหนึ่งที่จู่ๆ โปรแกรมก็ดีขึ้นกระทันหัน เพราะเขาพัฒนาการใช้โมเดลนี้ในการแทนค่าความหมายของแต่ละคำด้วยสิ่งที่เรียกว่าเวกเตอร์หรือ embedding เอามารวมกับโมเดลที่ใช้ในการแปล ทำให้โปรแกรมเก่งขึ้นเยอะมาก
สิ่งนี้เหมือนหรือต่างจากการเขียนโค้ดอย่างไร
การเขียนโค้ดคือการสื่อสารกับเครื่องคอมพิวเตอร์ ให้คำสั่งคอมพิวเตอร์ แล้วคอมพิวเตอรืก็จะทำตาม ไม่ว่าจะบวกเลข ลบเลขหรือคูณเลขจำนวนมาก ประมวลผลข้อมูลที่เยอะมากๆ เช่น ถ้าเราต้องการเรียนรู้จากข้อมูลว่าคำแต่ละคำควรแทนด้วยเวกเตอร์อะไรบ้างจึงจะสมเหตุสมผลที่สุด ทำอย่างไรให้คำที่มีตัวเลขคล้ายๆ มีตัวเลขที่ต่างกันถ้าคำต่างกันมากๆ เช่น คำกิริยากับคำนามที่ความหมายไม่สัมพันธ์กันเลย ไม่ได้เห็นพร้อมๆ กันเลย จะทำอย่างไรให้มันต่างกัน เราก็ต้องเขียนโค้ดเพื่อให้เครื่องอ่านข้อมูลภาษาของเราเข้าไป แล้วก็พยายาม run simulation (จำลองสถานการณ์) พยายามใช้สมการที่เราป้อนเข้าไป เอาไปคำนวณเยอะๆ คำอาจจะเป็นระดับหนึ่งร้อยล้านคำ ให้เครื่องคอมพิวเตอร์ไปคำนวณมาเพื่อจะหาเวกเตอร์ที่ดีที่สุดของคำศัพท์ที่อยู่ในภาษานั้นๆ
ถ้าอย่างนั้นแล้วโค้ดนับเป็นภาษาหนึ่งไหม
โค้ดนับเป็นภาษาหนึ่ง แต่เราแยกภาษาอยู่ เช่น สิ่งที่ผมศึกษาอยู่เรียกว่า natural language processing คือการประมวลผลของภาษาธรรมชาติ ซึ่งภาษาธรรมชาติคือภาษาที่เกิดขึ้นของมันเอง เราใช้พูดคุย สื่อสารกันอยู่ทุกวัน มีการเปลี่ยนแปลง เวลาเราพูดก็มีธรรมชาติของมันอยู่ ไม่ได้ถูกสร้างขึ้นมาตั้งแต่ต้น ส่วนภาษาที่เป็นโปรแกรมมิ่งหรือภาษาคอมพิวเตอร์ต่างๆ เรียกว่า artificial language เป็นภาษาที่ประดิษฐ์ขึ้นมาเพื่อให้เราสื่อสารกับคอมพิวเตอร์ได้ ว่าช่วยเก็บข้อมูลเหล่านี้ให้หน่อย ช่วยเอาตัวเลขนี้บวกตัวเลขนี้ เอาตัวเลขนี้คูณตัวเลขนั้นแล้วเก็บไว้ตรงนี้ตรงนั้น ทำให้เรามีคอมพิวเตอร์ใช้จนถึงทุกวันนี้ เราใช้ภาษาที่เป็นตัวบอกคำสั่งให้คอมพิวเตอร์ทำสิ่งนั้นสิ่งนี้ให้เราได้
ถ้าในเชิงการประมวลความคิด การใช้ความคิดในการสื่อสาร ระหว่างภาษา natural language กับ artificial language เราใช้กระบวนการคิดในการสื่อสารเดียวกันไหม
จริงๆ ก็คล้ายกันนิดหนึ่ง แต่ภาษาคอมพิวเตอร์นั้นง่ายกว่าภาษาคนเยอะมากๆ เพราะคำศัพท์น้อย กฎไวยากรณ์น้อยมาก เรียนกฎไวยากรณ์ทั้งหมดของภาษาคอมพิวเตอร์หนึ่งภาษา ผมว่าหนึ่งหรือสองสัปดาห์ก็น่าจะรู้ทุกอย่างแล้ว เพราะกฎมันน้อยมากจริงๆ นี่คือความตั้งใจด้วยมั้ง คือทำให้เราไม่ต้องจำเยอะและสามารถสื่อสารกับคอมพิวเตอร์ได้ง่าย เข้าใจตรงกัน เป็นภาษาที่คนคิดขึ้นมา มันจึงต้องง่ายและเป๊ะ ดิ้นไม่ได้อีกแล้ว มีความหมายเดียวเท่านั้นจริงๆ
อย่างนั้นแล้วความยากของมันคืออะไร
ความยากคือวิธีการคิด เพราะมันไม่ธรรมชาติเหมือนภาษาที่เราพูด เช่น เราอาจจะบอกว่า ช่วยอ่านข้อความจากไฟล์นี้ให้หน่อย แล้วหยิบออกมาแค่เฉพาะคำกิริยา แล้วเรียงตามลำดับการเกิดมากเกิดน้อย นี่คือสิ่งที่เราพูดกัน ธรรมชาติมาก เข้าใจได้ว่าเกิดอะไรขึ้น แต่การจะแปลสิ่งเหล่านี้ให้มาเป็นโค้ดมันมีขั้นตอนย่อยๆ เยอะ เช่น การจะเปิดอ่านไฟล์ต้องใช้คำศัพท์อะไร เราต้องรู้ว่าต้องใช้คำศัพท์อะไร เมื่ออ่านไฟล์แล้วก็เก็บ เก็บไว้ที่ไหน ต้องเก็บไว้สักที่ ก็ต้องบอกเครื่องว่าเก็บอย่างไร เก็บไว้ที่ไหน และต้องบอกด้วยว่าเราต้องการคำกิริยา ต้องบอกว่าคำกิริยาคืออะไร เราจะมีวิธีการหาอย่างไร และหาเสร็จแล้วจะเก็บไว้ที่ไหนอีกที (หัวเราะ) แล้วเรียงลำดับตามการเจอมากเจอน้อย คือถึงอย่างไรก็ต้องบอกอย่างละเอียดยิบทุกขั้นตอน เราต้องบอกขั้นตอนเล็กๆ น้อยๆ เหล่านี้ให้หมด
แต่เวลาเราคุยกัน สมมติเราบอกว่า ช่วยไปซื้อกาแฟข้างล่างมาให้ผมหน่อย ผมง่วงมาก คนก็จะรู้เองว่า ต้องมีขั้นตอนย่อยอะไรบ้าง ฉะนั้น สิ่งที่อยากที่สุดของการเขียนโค้ดคือการเอาโจทย์ใหญ่ๆ เช่นการลงไปซื้อกาแฟข้างล่าง มาดูว่าต้องมีโจทย์ย่อยอะไรบ้าง เช่น ออกประตูไป กดลิฟต์ลงข้างล่าง เราต้องบอกขั้นตอนย่อยๆ เหล่านี้ให้เครื่องคอมพิวเตอร์ด้วย
สมมติย้อนกลับไป 30 ปีก่อน ถ้าเราบอกว่าเดี๋ยวต้องมีการเรียนเรื่องโค้ดในภาษาศาสตร์ คงไม่มีใครคิดหรืออาจจะต่อต้านด้วย คิดว่าตอนนี้เรามีหลักสูตรนี้มาแล้ว ถือเป็นการปรับตัวของศาสตร์นี้ไหม
computational linguistics คือการใช้คอมพิวเตอร์ในการโมเดลภาษาเพื่อให้คอมพิวเตอร์เข้าใจภาษาได้นั้นมีมานานแล้ว 30-40 ปี เพียงแต่ตอนนั้นคอมพิวเตอร์ยังไม่ใช่สิ่งที่เป็นกระแสหลัก ไม่ใช่สิ่งที่เราใช้ทุกวัน ตอนนี้เรามีคอมพิวเตอร์อยู่ในกระเป๋าทุกคน เรามีสตาร์ตโฟนซึ่งเป็นคอมพิวเตอร์ที่ดีมากๆ ด้วยซ้ำไป เล่นเกมที่ซับซ้อนหรือมีกราฟิกดีๆ ได้หมดแล้ว มีมาช่วงหลังๆ นี้เองที่ computational linguistics มาแรงเพราะคอมพิวเตอร์ดีมาก สามารถประมวลผลข้อมูลเยอะๆ ได้ และเมื่อได้ข้อมูลเยอะๆ แล้วโมเดลก็จะเก่ง พูดคุยได้ ฟังออก แปลภาษาได้ นี่คือสิ่งที่มาแรงเมื่อสัก 20 ปีที่แล้ว
แต่เมื่อสัก 30 ปีที่แล้วมันเหมือนเป็นการปูพื้นฐานมากกว่าว่า ถ้าเราลองคิดเกี่ยวกับภาษาดู มันต้องมีองค์ประกอบอะไรบ้าง แล้วเราจะเอาองค์ประกอบเหล่านั้นมาเขียนร่วมเป็นโปรแกรมได้หรือเปล่า เพราะสมัยนั้นคงยังไม่เห็นภาพมากนักว่าผลกระทบของมันจะออกมาในรูปแบบไหน
แต่ถ้าจะพูดถึงสมัยนี้เลย มันก็ยังมีความแบ่งแยกอยู่ นักภาษาศาสตร์ที่ออกแนวคลาสสิกหน่อย เน้นทฤษฎี เน้นศึกษาเรื่องใดเรื่องหนึ่งโดยเฉพาะ ก็ยังไม่ได้เอาเทคนิคเรื่องการเขียนโค้ด เรื่องการประมวลผลข้อมูลเยอะๆ มาเป็นส่วนหนึ่งของการศึกษามากขนาดนั้น
การที่สิ่งนี้มาบรรจุในหลักสูตร ไม่ใช่แค่ในไทย แต่ในระดับโลกก็ยังไม่มีหลักสูตรที่เอาส่วน computational มาเป็นส่วนหนึ่งของภาษาศาสตร์กระแสหลัก อย่างเช่น ของคณะเราก็ไม่เคยเปิดเอกภาษาศาสตร์เป็นภาษาเอก เรามีแต่วิชาเอกเกาหลี ญี่ปุ่น อังกฤษ เยอรมัน ประวัติศาสตร์หรือภูมิศาสตร์ ตอนแรกเราก็จะจะเปิดภาษาศาสตร์เหมือนกันให้มันดูคลาสสิกหน่อย แต่ตอนนั้นมันปี 2020 เราก็อยากได้หลักสูตรที่ทันสมัย เข้ากับโลกปัจจุบัน เลยเอาสิ่งที่เป็นแนว IT หรือแนว computational linguistics เข้ามาเพื่อที่อย่างน้อยนิสิตจะได้ทักษะของการเป็นนักภาษาศาสตร์ด้วย คือการหาข้อมูล การตีความข้อมูลต่างๆ และมีความรู้เกี่ยวกับการใช้ข้อมูลหรือการเขียนโค้ดด้วย และการใช้คอมพิวเตอร์ในการวิเคราะห์ข้อมูล นี่คือการทำให้หลักสูตรของเราต่างจากที่อื่นและทันสมัย ตอบโจทย์ตลาดงานตอนนี้
“เวลาเราเสิร์ชกูเกิล ยังเสิร์ชไม่จบเลยแต่เครื่องก็รู้แล้วว่าเราจะเสิร์ชอะไรต่อ และพยายามหาคำตอบมาให้ได้ถูกต้องด้วย หรือโปรแกรม google translate นี่เป็นเทคโนโลยีของ computational linguistics ที่เราใช้กันทุกวัน“
ตลาดงานที่ว่าคืออะไร ถ้าจบจากศาสตร์นี้ไปจะทำอะไรได้บ้าง
จะออกแนว data analysis หรือ data scientist ก็ได้เพราะเราเน้นการวิเคราะห์ข้อมูลอยู่แล้วไม่ว่าเราจะวิเคราะห์ด้วยการมองด้วยตาเปล่าแล้วพยายามหารูปแบบ (pattern) ต่างๆ หรือพยายามใช้โปรแกรมคอมพิวเตอร์ต่างๆ มาช่วยวิเคราะห์ ไม่ว่าข้อมูลจะเป็นภาษาหรือข้อมูลจะเป็นตัวเลข เราก็จะมีทักษะในการจัดการกับข้อมูลพวกนั้นอยู่ ฉะนั้น จะเป็น data scientist หรือ data analysis ก็ได้ หรือจะทำงานสาย product management ก็ได้เพราะเราเห็นภาพของเทคโนโลยีกว้างๆ เหมือนกัน แม้ว่าหน้างานอาจไม่ได้เป็นคนเขียนโค้ดโดยตรง แต่ก็มีทักษะในการสื่อสาร วิเคราะห์ต่างๆ ที่จะทำให้ช่วยจัดการผลิตภัรฑ์ที่เป็นดิจิตัลให้สำเร็จได้ นี่ก็เป็นงานใหม่ๆ ที่สมัยเราเรียนอาจยังไม่เห็นเยอะเท่าที่เห็นตอนนี้ มีงานที่เรียกว่า product owner, product manager หรือ data analysis, data scientist ที่ไปต่อได้ หรือจะทำเป็นสตาร์ตอัพของตัวเองก็ได้เพราะเทคโนโลยีเปลี่ยนค่อนข้างเร็วเหมือนกัน บริษัทต่างๆ เขาก็พยายามนำเทคโนโลยีเหล่านี้มาประยุกต์ทำเป็นผลิตภัณฑ์ต่างๆ เช่น แอพลิเคชั่น เว็บไซต์ ที่เราใช้บนมือถือได้
มองว่า computational linguistics ในอนาคตสักสิบปีจะโตประมาณไหน ทิศทางเป็นอย่างไร ทั้งในไทยและในโลก
ผมว่าน่าจะเป็นเทคโนโลยีที่เราใช้มากขึ้น จริงๆ ทุกวันนี้เราก็ใช้กันอยู่แล้วนะ เวลาเราพิมพ์อะไรบนมือถือ เครื่องก็รู้ว่าเราพิมพ์ผิดตรงไหน หรือเราจะพิมพ์คำอะไรต่อไป หรือเวลาเราเสิร์ชกูเกิล ยังเสิร์ชไม่จบเลยแต่เครื่องก็รู้แล้วว่าเราจะเสิร์ชอะไรต่อ และพยายามหาคำตอบมาให้ได้ถูกต้องด้วย หรือโปรแกรม google translate เราก็ใช้ทุกวันและแปลได้ดี นี่เป็นเทคโนโลยีของ computational linguistics ที่เราใช้กันทุกวัน
และเมื่อไม่นานมานี้ เราก็เห็นสิ่งที่เรียกว่า ChatGPT เป็นโปรแกรมแช็ตบ็อตที่เก่งแบบกระโดดจาก Siri จาก google assistant หรือจาก Alexa ที่เราคิดว่ามันเป็นสิ่งที่ดูเป็นโลกอนาคต ถ้าโปรแกรมเหล่านั้นได้สองคะแนน ChatGPT ก็ได้ร้อยคะแนนเลย มันกระโดดไปไกลกว่าเยอะมาก ผมว่าอันนี้แหละที่จะทำให้คนเห็นเทคโนโลยีตรงนี้มากขึ้น เพราะมันใช้ในชีวิตประจำวันได้ค่อนข้างเยอะ และทำให้คนมาสนใจมากขึ้นว่าถ้าฉันสนใจเทคโนโลยีอยู่แล้ว อยากศึกษาเรื่องนี้ เทคโนโลยีนี้เรียกว่าอะไร
ในโลกภาษาศาสตร์ เขาคุยเรื่องความก้าวหน้าทางเทคโนโลยีต่างๆ ไปถึงไหนกันแล้ว ในไทยอาจดูเป็นเรื่องใหม่มาก แต่ในระดับสากล มันใหม่อยู่ไหม
ถ้าเป็นสายคลาสสิก ศึกษาโครงสร้างไวยากรณ์ ความหมายและเสียง ก็ยังเป็นศาสตร์ของมันอยู่ที่ต้องใช้วิธีการศึกษาคล้ายๆ เดิม คือถ้าศึกษาเรื่องเสียง ก็ต้องเอาไมโครโฟนไปเก็บเสียงการพูดจากบุคคลต่างๆ เหมือนเดิม ผมว่ามันน่าสนใจอย่างหนึ่งคือ เวลาเราสอนสิ่งที่เป็นคลาสสิก เราไม่เคยสอนสิ่งที่เป็น computational เลย ซึ่งมันคือการสร้างโมเดลต่างๆ
การจะสร้างโมเดลได้เราก็ต้องรู้จริงๆ ว่าถ้าเรามีประโยคหนึ่ง เราจะต้องทำอะไรบ้าง ต้องแยกมันเป็นคำไหม ควรจะหาชื่อเฉพาะของมันไหมว่าอยู่ตรงไหน นี่คือจุดแข็งของ computational เพราะมันทำให้เราต้องเข้าใจทุกส่วนจริงๆ ถ้าเราศึกษาสิ่งที่เป็นทฤษฎี เราเลือกส่วนได้ เช่น เราต้องการศึกษาประโยคความรวม เราก็แค่ศึกษาส่วนนั้นอย่างเดียวจริงๆ หรือเราต้องการศึกษาเสียงสอดแทรกเวลาเราร้องเพลง เราก็ศึกษาแค่ตรงนั้นจริงๆ แต่เวลาเราทำสิ่งที่เป็น computational ถ้าเราบอกว่าเราต้องการศึกษาเกี่ยวกับคำถาม การถามของมนุษย์ซึ่งอาจไม่ใช่ประโยคคำถามก็ได้เพราะเราถามได้หลายแบบมากเลย จุดแข็งคือเราต้องรู้สึกสิ่ง ทุกแบบจริงๆ เพื่อที่เวลาเราเอาไปสร้างโมเดลให้คนพูดคุยกับโปรแกรมได้ โปรแกรมก็จะเข้าใจได้ทุกแบบ
ผมว่านี่เป็นสิ่งที่แปลกอย่างหนึ่งว่า ทำไมเวลาเราสอนเรื่องความหมาย เราไม่สอนเรื่องโมเดลของความหมายที่ผมใช้ในการทำให้เครื่องมันเข้าใจภาษาได้บ้าง ทำไมเรายังสอนสิ่งที่เป็นคลาสสิก เป็นทฤษฎีเมื่อ 40-50 ปีที่แล้วซึ่งยากและมีคนพิสูจน์มาแล้วหลายครั้งว่ามันไม่ได้ผลเวลาเราเอาไปใช้จริงๆ ถ้าเราศึกษาภาษา มันก็ควรเป็นทฤษฎีที่สามารถอธิบายข้อมูลจริงได้ ผมว่าอันนี้ยังเป็นเหมือนมีเส้นแบ่งกั้นกันอยู่นิดหนึ่งของวิชาภาษาศาสตร์กับวิชาภาษาศาสตร์ที่เป็นคอมพิวเตอร์ มันยังแยกกันอยู่
ตอนนี้สังคมโลกเขามองประเด็นนี้อย่างไร ปรับตัวไปถึงขั้นไหนแล้ว
มีหลักสูตรเพิ่มขึ้นที่ไม่ใช่ linguistics ธรรมดา แต่เป็นหลักสูตร computational linguistics ซึ่งถ้าจะเรียนหลักสูตรนี้ ก็ต้องเรียน computational linguistics และสิ่งที่เป็นคลาสสิกอย่าง syntax (วากยสัมพันธ์ -หมายถึงการศึกษาความสัมพันธ์เชิงไวยากรณ์), semantics (การศึกษาว่าด้วยความหมายของคำ) และ phonetic (สัทศาสตร์ -หมายถึงการศึกษาเกี่ยวกับการออกเสียง) หรือคือ phonology (ระบบเสียง) พวกนั้น โครงสร้าง ความหมายและระบบเสียงต่างๆ การมีหลักสูตรใหม่ๆ ขึ้นมาก็เป็นเรื่องดี แต่ก็ยังเป็นสิ่งที่ค่อนข้างเฉพาะเจาะจงอยู่และยังไม่ได้เป็นกระแสหลักขนาดนั้น แต่ภาคภาษาศาสตร์หลายที่บนโลกก็เริ่มเห็นแล้วว่าถ้าจะทำให้บัณฑิตของเราหางานที่ตรงสาย ที่เฉพาะทางได้ง่ายๆ ก็น่าจะออกมาเป็นแนวนี้มากกว่า คือแนว computational linguistics เพราะแม้ถ้าเขาไม่ได้ไปทำงานตรงสายจริงๆ ไม่ได้ทำ NLP ประมวลผลข้อมูลภาษาจริงๆ ก็ยังไปสาย data scientist ได้ เป็น business analyst ก็ยังได้เพราะหารูปแบบข้อมูลเก่ง เอาไว้ทำ inside ต่างๆ ให้ธุรกิจ ก็ยังเป็นทักษะที่ขายได้ หางานทำได้จริงๆ
คิดว่าความก้าวกระโดดของ AI เองก็ดี หรือของ google translate เองก็ดีหรือ ChatGPT เองก็ดี จะเปลี่ยนรูปแบบการเรียนรู้ภาษาศาสตร์ของมนุษย์ในอนาคตไหม
ผมว่าหลังจากนี้ไป คิดว่า computational linguistics จะได้รับความนิยมมากขึ้น เพราะมันอยู่ตรงหน้าเรามากขึ้น เห็นมากขึ้น โทรทัศน์พูดถึงสิ่งเหล่านี้ว่าเป็นเทคโนโลยีที่จะมาเปลี่ยนโลกการทำงานของเรา ผมว่านี่น่าจะเป็นกระแสที่จะทำให้นิสิตหรือเด็กๆ ที่เข้ามาเรียน สนใจด้านการเขียนโค้ด การสร้าง AI ต่างๆ หรือการประยุกต์ใช้เทคโนโลนีที่เกี่ยวกับภาษาที่เกี่ยวกับ AI เหล่านี้มากขึ้นเรื่อยๆ
ถ้าเราบอกว่าก่อนหน้านี้มีภาษาที่ตายแล้ว การเขียนโค้ดที่เราใช้สนทนากับคอมพิวเตอร์ นับว่าเป็นการเกิดใหม่ของภาษาได้ไหม
มันเปลี่ยน interface มากกว่า ปกติเรามีปฏิสัมพันธ์กับเครื่องคอมพิวเตอร์และเครื่องเทคโนโลยีในรูปแบบต่างๆ เช่น เราใช้ไอแพด ใช้ปากกาสไตลัส (stylus) เพื่อเขียน นี่คือวิธีสื่อสารกับคอมพิวเตอร์ผ่านการใช้อุปกรณ์เหล่านี้บอกให้คอมพิวเตอร์เปิดไฟล์ขึ้นมา เพื่อพิมพ์งาน เพื่อปรินต์งาน เพื่อส่งอีเมลต่างๆ
ส่วนตัวแล้วมองว่ามันจะเปลี่ยนวิธีการในการใช้เทคโนโลยีเหล่านี้มากกว่า สมมติเราบอกว่าอยากส่งสำเนาบัตรประชาชนของเราให้บริษัทนั้นๆ เราก็ต้องไปหาไฟล์มา ต้องไปสแกน ต้องเปิดไฟล์ ต้องไปหาอีเมลเขาแล้วพิมพ์อีเมลเขาใส่เข้าไป ลากไฟล์ใส่เข้าไปในอีเมลแล้วกดส่ง นี่คือ interface ที่เราใช้อยู่ แต่ผมว่าอีกหน่อย เราอาจจะบอกโปรแกรม อาจจะเป็น Alexa หรือ Siri ที่เก่งจริงๆ แบบที่ทำอะไรได้มากกว่าการเช็คว่าวันนี้ฝนตกไหมให้ทำให้เรา หรือคือเราจะใช้ภาษาในการสื่อสารกับคอมพิวเตอร์ไปเลย
พูดถึงการเกิดใหม่ของภาษา มองเรื่องการถือกำเนิดของศัพท์แสลงอย่างไร
เราจะเห็นศัพท์ใหม่ๆ เยอะมาก มีสองประเด็นที่ผมว่าน่าสนใจคือ โซเชียลมีเดียมันสนุกและถ้ามองในแง่ของมนุษย์ศาสตร์ ภาษาศาสตร์ มันเป็นครั้งแรกๆ เลยที่ใครก็ได้สามารถเขียนข้อความให้ใครก็ได้อ่าน สมัยก่อนเราต้องอ่านหนังสือพิมพ์ นิตยสาร โทรทัศน์ ที่เป็นฝ่ายสื่อสารให้คนหมู่มาก แต่เมื่อเป็นโซเชียลมีเดียว ก็เป็นใครก็ได้จริงๆ ก่อนหน้านี้ก็มีพวกเว็บบอร์ดหรือ web forum ต่างๆ เช่น Dek-d, Pantip ซึ่งตอนนี้คนก็ยังใช้กันอยู่ แต่มันมีสิ่งที่ง่ายกว่านั้นมากๆ นั่นคือโซเชียลมีเดีย พูดอะไรก็ได้ ประเด็นไหนก็ได้ เมื่อไหร่ก็ได้ ใครมาดูก็ได้ เลยทำให้เราเห็นภาษาที่หลากหลายขึ้นกว่าเดิม ปกติเราเห็นภาษาหนังสือพิมพ์ เป็นภาษาแบบหนึ่ง แต่ตอนนี้เราเริ่มเห็นภาษาที่คนใช้จริงๆ มาอยู่ในโลกมากขึ้นแล้วเราเสพได้โดยง่าย นี่คืออย่างแรกที่ทำให้เราเห็นคำใหม่ๆ เกิดขึ้นตลอดเวลา อาจจะเป็นคนกลุ่มเดียวที่ใช้ก็ได้ เราเลยเห็นคำใหม่ๆ บ่อยขึ้นมาก คำใหม่ๆ มาเร็วไปเร็วมาก หรือมาแล้วก็ยังอยู่ต่อก็ยังพอมี
ภาษากะเทยต่างๆ หรือสิ่งที่เป็นมีม ‘นี่น่ะเหรอ นพนภา’ ตอนนี้ก็แทบไม่มีคนพูดแล้ว หายไปเร็วมาก มันเป็นลักษณะของมีม หรือภาษากะเทยต่างๆ ที่มีหลายคำมากๆ ที่ยังใช้กันอยู่บ้าง และเป็นการสร้างอัตลักษณ์อย่างหนึ่ง ทำให้เกิด in-group กับ out-group คนจะรู้กันว่า อ.ห.ว. แปลว่าอะไร นี่ไม่รู้กันใช่ไหม (หัวเราะ) เพราะจะมีคนอยู่กลุ่มหนึ่งที่รู้ คือมันเป็นภาษาในกลุ่มเขาว่า ถ้าเธอรู้ เธอต้องเป็นพวกของฉัน เธอจึงจะรู้ว่ามันแปลว่าอะไร ลองไปหากันดูได้ครับว่า อ.ห.ว. แปลว่าอะไร ยังใช้กันอยู่ (หัวเราะ)
มองว่าเป็นสิ่งที่ทำให้ภาษาสนุกด้วยไหม นับตั้งแต่การถือกำเนิดของโซเชียลมีเดียและมีสิ่งนี้ขึ้น
โซเชียลมีเดียกลายเป็นสิ่งที่นักภาษาศาสตร์ชอบศึกษากันนะ เพราะมันเป็นของใหม่ เป็นปรากฏการณ์ใหม่ที่เราไม่เคยเห็นมาก่อน เราเห็นคำใหม่มาเร็วไปเร็วเกิดขึ้นเยอะมาก และเป็นแหล่งข้อมูลที่ดีถ้าเราอยากรู้ว่าคนสนทนากันอย่างไร คนคุยกันบนทวิตเตอร์ ตอบกันไปตอบกันมา เป็นบทสนทนาที่เป็น public เป็นแหล่งข้อมูลที่เราเก็บง่ายมาก อยากได้อะไรก็ได้ เรื่องอะไรก็ได้ กลุ่มไหนก็ได้ ภาษาไหนก็ได้ เราดึงมาจากทวิตเตอร์เพื่อนำมาศึกษาได้หมด และมันเร็วด้วย ปัจจุบันมากๆ อยากได้ข้อมูลจากตอนนี้ วันนี้ก็ไปเขียนโค้ดดึงลงมาศึกษาได้เลย
สุดท้ายแล้ว ถ้าเราบอกกันว่าภาษาคือกระบวนการคิดของมนุษย์ มองว่าประยุทธ์ที่พูดไม่ค่อยรู้เรื่องนี่มีกระบวนการคิดแบบไหน
ภาษาสะท้อนกระบวนการคิดไหม จริงๆ สะท้อนวิธีการสื่อสารมากกว่า กระบวนการคิดจะอีกแบบหนึ่ง เวลาเราจะสื่อสารอะไรต้องมีกระบวนการคิดอีกแบบ ต้องเรียบเรียงให้อีกฝั่งเข้าใจได้ว่าพูดถึงอะไร บริบทคืออะไร พูดในฐานะของใคร เป็นความเห็นหรือความจริง เวลาเราสื่อสารก็จะมีการเรียบเรียงสิ่งเหล่านี้อยู่ ซึ่งเรารับรู้ได้โดยภาษา ใครจะฟังรู้เรื่อง ใครฟังใครรู้เรื่องบ้างก็ขึ้นอยู่กับว่าเขาเรียบเรียงความคิด เขาเตรียมตัวขนาดไหน ใส่ใจขนาดไหนในการทำให้อีกฝ่ายหนึ่งเข้าใจเรา เขาอาจไม่ได้แคร์ก็ได้เลยคิดว่าจะพูดอะไร อย่างไรก็ได้ ผมว่านี่น่าจะเป็นเรื่องทัศนคติของคนที่พูดมากกว่า
What’s in your bag?
มีอะไรอยู่ในกระเป๋าของนักภาษาศาสตร์ ถ้าเราอยากเป็นนักภาษาศาสตร์เราต้องพกอะไรบ้าง หนังเรื่องไหนที่ควรดู หรือทักษะแบบไหนที่ควรมีติดตัวไว้หากอยากทำงานด้านนี้
“ตั๋วเครื่องบิน”
“ตอนผมเรียนปริญญาเอก เคยมีอาจารย์คนหนึ่งบอกผมว่า ภาษาศาสตร์เป็นศาสตร์ที่ไม่แพง มีแค่กระดาษกับปากกาและตั๋วเครื่องบินก็ทำได้แล้ว
“กระดาษกับปากกาคือมีไว้เพื่อไปเก็บข้อมูลและบันทึกข้อมูลนั้น แต่ปัจจุบันคงเป็นไอแพด เป็นคอมพิวเตอร์ก็ได้ ทั้งหมดนี้คือเพื่อนำข้อมูลมาหาแพตเทิร์นที่ช่วยบอกได้ว่าภาษามีลักษณะพิเศษอะไร อย่างไร อย่างตอนนี้เราก็ใช้คอมพิวเตอร์เป็นหลัก เพราะข้อมูลต่างๆ อยู่ในออนไลน์ ในคลาวด์อยู่แล้ว อยากดึงอะไรมาศึกษาก็ใช้คอมพิวเตอร์เป็นสื่อกลางหมดเลย
“สำหรับตั๋วเครื่องบิน ใช้เพื่อเดินทางไปเก็บข้อมูลวัฒนธรรมต่างๆ หรือนำเสนอผลงานเพื่อแลกเปลี่ยนความคิดเห็น
“ส่วนทักษะที่จำเป็นในการเรียนภาษาศาสตร์ คือการวิเคราะห์ คือการแยกออกมาเป็นส่วนๆ ว่าสิ่งที่เราเห็นตรงหน้า มีอะไรเป็นส่วนประกอบย่อยบ้าง
“ถ้าอยากมาเรียนภาษาศาสตร์ ลองดู Arrival (2016) ได้นะ (หัวเราะ) เพราะเป็นหนังที่เล่าเรื่องค่อนข้างแม่นว่าเวลานักภาษาศาสตร์จะต้องไปศึกษาภาษาอื่นๆ ที่ไม่มีใครรู้มาก่อน มีวิธีอย่างไรบ้าง เขาทำถูกต้องมากนะ คือไปพูดคุย เก็บตัวอย่างมา”
เรื่อง: พิมพ์ชนก พุกสุข
ฝันอยากไปดู โคบี ไบรอันต์ ลงเล่นในลีก NBA แต่จนไบรอันต์รีไทร์ไปแล้วก็มีเงินติดตัวเดินทางไปได้ไม่ถึงสุวรรณภูมิ
ภาพถ่าย: นิติพงษ์ การดี
จบนิเทศศาสตร์ สาขาภาพยนตร์ ชอบเล่าเรื่องด้วยภาพแต่ไม่จำกัดเครื่องมือการสื่อสารเพียงแค่ภาพเคลื่อนไหว
ครีเอทีฟ: ธนกร เนตรจอมไพร
จบจากคณะสถาปัตยกรรมศาสตร์ ภาควิชานิเทศศิลป์ ลาดกระบัง เป็นครีเอทีฟที่ใช้หัวคิดนิดหน่อย แต่อร่อยเฉย…เอาจริงๆ ใช้หัวสมองคิดนิดหน่อย แต่ที่ใช้บ่อยคือหัวใจ