System 1 × System 2

มนุษย์คิดด้วยสองโหมด โหมดแรกเร็ว อัตโนมัติ และไม่ต้องออกแรง (System 1) อีกโหมดช้า จงใจ และกินพลังงาน (System 2) Daniel Kahneman นำกรอบนี้มาเล่าให้คนทั่วไปเข้าใจในหนังสือ Thinking, Fast and Slow (2011) ต่อยอดจากงานที่ทำร่วมกับ Amos Tversky ซึ่งทำให้เขาได้รางวัลโนเบลเศรษฐศาสตร์ปี 2002 ข้อค้นพบหลัก 5 ข้อ

• •System 1 ไม่ใช่ศัตรู มันคือระบบที่ตัดสินใจเกือบทั้งหมดในชีวิตเรา และแม่นมากในสภาพแวดล้อมที่คุ้นเคย
• •System 1 เชื่อได้เฉพาะบางสภาพแวดล้อม Kahneman กับ Klein (2009) สรุปตรงกันว่าสัญชาตญาณเชื่อได้เมื่อ (1) สภาพแวดล้อมมีรูปแบบที่คาดเดาได้ และ (2) คนคนนั้นได้ฝึกซ้ำพร้อมได้ feedback ที่เร็วและชัด ส่วนความมั่นใจของเจ้าตัวไม่ใช่ตัวชี้วัด
• •วิธีที่ได้ผลมากที่สุดคือออกแบบรอบ System 1 ไม่ใช่สั่งให้คนคิดให้หนักขึ้น ตัวอย่างคือ default ของกองทุนบำนาญอังกฤษ (การเข้าร่วมเพิ่มจากราว 42% เป็นเกือบ 90%) และ checklist ในห้องผ่าตัด (อัตราตายลดจาก 1.5% เหลือ 0.8%)
• •AI ชั้นนำใช้สถาปัตยกรรมสองระบบแล้ว AlphaGo (โครงข่ายนโยบาย + การค้นแบบต้นไม้), หุ่นยนต์ Figure Helix (S2 ขนาด 7B ทำงาน 7–9 Hz + S1 ขนาด 80M ทำงาน 200 Hz) และโมเดล reasoning อย่าง o1 / DeepSeek-R1
• •หลักฐานบางส่วนในหนังสือไม่รอด งานวิจัยเรื่อง priming ในบทที่ 4 ทำซ้ำไม่ได้ ซึ่ง Kahneman ยอมรับเองในปี 2017 แต่แกนหลักอย่าง heuristics, anchoring และ loss aversion ยังยืนได้

แนวคิดว่าเรามีการคิดสองแบบ (dual-process theory) มีมานานในวงจิตวิทยา ชื่อ "System 1" และ "System 2" มาจาก Keith Stanovich และ Richard West (2000) ส่วนคนที่ทำให้แพร่หลายคือ Kahneman ในหนังสือปี 2011 ซึ่งรวบงานวิจัยที่ทำกับ Tversky ตลอดสามทศวรรษ ทั้งเรื่อง heuristics and biases (1974) และ Prospect Theory (1979)

ข้อสำคัญ: Kahneman ย้ำเองว่า System 1 และ System 2 เป็น "ตัวละคร" ที่ใช้อธิบาย ไม่ใช่สองส่วนของสมองที่แยกกันจริง เป็นโมเดลที่ช่วยให้คิดเรื่องนี้ได้ง่าย ไม่ใช่แผนที่ทางกายวิภาค

• •ทำงานอัตโนมัติ เร็ว ไม่ต้องออกแรง และปิดไม่ได้ (เห็นคำว่า "แม่" แล้วอ่านออกทันที ห้ามตัวเองไม่ให้อ่านไม่ได้)
• •ทำงานด้วยการเชื่อมโยง (associative memory) ความคิดหนึ่งปลุกอีกหลายความคิดพร้อมกัน
• •สร้างเรื่องเล่าที่สอดคล้องกันจากข้อมูลเท่าที่มีอยู่ Kahneman เรียกว่า WYSIATI (What You See Is All There Is) คือไม่ถามว่ามีข้อมูลอะไรที่ยังไม่เห็น
• •แทนคำถามยากด้วยคำถามง่ายโดยไม่รู้ตัว (substitution) เช่น ถูกถามว่า "บริษัทนี้น่าลงทุนไหม" แต่ตอบคำถามว่า "ชอบสินค้าบริษัทนี้ไหม"

System 1 เก่งมาก มันขับรถบนถนนว่าง อ่านอารมณ์บนใบหน้า เข้าใจประโยคทั่วไป และทำให้ผู้เชี่ยวชาญ "มองออก" ได้ทันที นักหมากรุกระดับปรมาจารย์เห็นตาเดินที่ดีโดยไม่ต้องคำนวณ Gerd Gigerenzer ไปไกลกว่านั้น เขาเสนอว่า heuristics หลายตัว "มีเหตุผลเชิงนิเวศ" (ecologically rational) คือในโลกที่ไม่แน่นอน กฎง่ายๆ บางครั้งชนะโมเดลซับซ้อน เพราะไม่ overfit

• •ทำงานอย่างจงใจ ทีละขั้น ใช้ความจำใช้งาน (working memory) ซึ่งมีความจุจำกัด
• •กินพลังงาน ขณะคิดหนัก รูม่านตาขยายและอัตราการเต้นของหัวใจสูงขึ้น
• •ขี้เกียจ (lazy controller): ส่วนใหญ่แค่รับรองสิ่งที่ System 1 เสนอมาโดยไม่ตรวจ

หลักฐานคลาสสิก — Cognitive Reflection Test (Frederick, 2005): "ไม้กับลูกบอลราคารวม 1.10 ดอลลาร์ ไม้แพงกว่าลูกบอล 1 ดอลลาร์ ลูกบอลราคาเท่าไร" คำตอบที่ผุดขึ้นมาคือ 10 เซนต์ ซึ่งผิด คำตอบที่ถูกคือ 5 เซนต์ นักศึกษา Harvard, MIT และ Princeton ตอบผิดมากกว่าครึ่ง ข้อนี้ไม่ได้บอกว่าคนเหล่านี้โง่ มันบอกว่า System 2 ไม่ได้ถูกเรียกมาตรวจคำตอบ

System 1 ทำงานตลอดเวลาและเสนอความประทับใจ ความรู้สึก และแนวโน้มการตัดสินใจให้ System 2 ในภาวะปกติ System 2 รับรองสิ่งเหล่านี้ไปแทบทั้งหมด มันเข้ามาจริงจังก็ต่อเมื่อ System 1 เจอสิ่งที่ขัดกับโมเดลโลกของตัวเอง นี่คือบทบาทสำคัญของ "ความประหลาดใจ" (surprise) มันเป็นสัญญาณว่าถึงเวลาต้องคิดช้า การเรียนรู้เดินอีกทาง สิ่งที่ System 2 ฝึกซ้ำจนชำนาญจะค่อยๆ ย้ายไปเป็นความสามารถของ System 1 เช่นการขับรถหรือการอ่าน นี่คือวงจรที่ AlphaGo และโมเดล reasoning ใช้ (ดูบทที่ 7)

Kahneman ตั้งคำถามกับสัญชาตญาณมาตลอดชีวิต ส่วน Gary Klein ใช้ชีวิตศึกษาผู้เชี่ยวชาญที่ตัดสินใจด้วยสัญชาตญาณได้แม่น ทั้งสองทำงานร่วมกันแบบ "adversarial collaboration" แล้วตีพิมพ์บทความ "Conditions for Intuitive Expertise: A Failure to Disagree" (American Psychologist, 2009) ผลคือทั้งคู่เห็นตรงกันในเงื่อนไขสองข้อ:

• •สภาพแวดล้อมต้องมีความสม่ำเสมอพอ (high validity) มีรูปแบบจริงให้เรียนรู้ เช่นไฟไหม้ หมากรุก หรือการพยาบาลผู้ป่วยวิกฤต
• •ต้องมีโอกาสเรียนรู้รูปแบบนั้น คือฝึกซ้ำนานพร้อม feedback ที่เร็วและชัดเจน

บทเรียนที่ใช้ได้ทันที: ความมั่นใจส่วนตัวไม่ใช่หลักฐานว่าสัญชาตญาณถูก ให้ดูที่สภาพแวดล้อมแทน ตลาดหุ้นระยะสั้นเป็นสภาพแวดล้อมที่ความสม่ำเสมอต่ำ ใน Thinking, Fast and Slow Kahneman เล่าว่าเมื่อวิเคราะห์ผลงานของที่ปรึกษาการลงทุน 25 คนตลอด 8 ปี อันดับของแต่ละคนในปีหนึ่งแทบไม่สัมพันธ์กับปีถัดไปเลย (ค่าสหสัมพันธ์เฉลี่ยราว 0.01) ซึ่งตรงกับหลักของ AngelaQuant ที่ให้ gate และหลักฐานเชิงสถิติเป็นตัวตัดสิน ไม่ใช่ความรู้สึก

รายงานที่ดีต้องบอกด้วยว่าอะไรไม่จริง

• •Priming (บทที่ 4 ของหนังสือ): การวิเคราะห์ของ Schimmack และคณะพบว่างานที่อ้างในบทนี้ 11 จาก 12 ชิ้นมีค่าความน่าจะทำซ้ำได้ต่ำ ตัวอย่างที่ทำซ้ำไม่สำเร็จคือ "คิดถึงคนแก่แล้วเดินช้าลง" และ "ถือกาแฟร้อนแล้วมองคนอื่นว่าอบอุ่น" ในปี 2017 Kahneman ยอมรับว่าเขา "เชื่อการศึกษาที่มีกำลังทางสถิติต่ำมากเกินไป"
• •Ego depletion: แนวคิดว่าการใช้ความตั้งใจทำให้ "พลังใจหมด" ถูกทดสอบซ้ำขนาดใหญ่ (multi-lab) แล้วได้ผลใกล้ศูนย์
• •สองระบบอาจง่ายเกินไป: นักวิจัยบางกลุ่มเสนอว่าเป็น continuum มากกว่าสองกล่อง หรือบอกว่า "เร็ว" ไม่ได้แปลว่า "ลำเอียง" เสมอไป
• •สิ่งที่ยังยืนแข็งแรง: anchoring, loss aversion, framing และ availability ถูกทำซ้ำได้ในงานนับพันชิ้น

น้องแบ่งกรณีศึกษาเป็นสามกลุ่มตามวิธีที่ใช้กับ System 1: (ก) ออกแบบสภาพแวดล้อมให้ System 1 เลือกถูก (ข) ใส่ System 2 เป็นด่านกันพลาด (ค) ฝึก System 1 ให้เชี่ยวชาญจนไว้ใจได้ และปิดท้ายด้วยกลุ่ม AI ที่นำสถาปัตยกรรมสองระบบไปสร้างจริง

ปัญหา: คนรู้ว่าควรออมเพื่อเกษียณแต่ไม่ลงมือ เพราะ System 1 ให้น้ำหนักกับปัจจุบันและเลื่อนสิ่งที่ยุ่งยากออกไป วิธีแก้: ตั้งแต่ปี 2012 เปลี่ยนค่าเริ่มต้นจาก "ต้องสมัครเอง" (opt-in) เป็น "เข้าร่วมอัตโนมัติ ถ้าไม่เอาต้องแจ้งออก" (opt-out) ผล: การเข้าร่วมกองทุนของลูกจ้างภาคเอกชนเพิ่มจากราว 42% (2011) เป็น 86–89% (2022–2024) มีคนแจ้งออกเพียงราว 10% และที่สำคัญที่สุดคือช่องว่างระหว่างคนรายได้ต่างกันแทบหายไป กลุ่มที่การเงินเปราะบางที่สุดเคยเข้าร่วมเพียง 22% ตอนนี้อยู่เหนือ 90%

Johnson และ Goldstein ตีพิมพ์ "Do Defaults Save Lives?" ใน Science (2003) โดยเทียบออสเตรียกับเยอรมนีซึ่งมีวัฒนธรรมใกล้กัน ออสเตรียใช้ระบบ opt-out และมีอัตรายินยอม 99.98% ส่วนเยอรมนีใช้ opt-in และมีเพียงราว 12% ในการทดลองออนไลน์ แค่เปลี่ยนค่าเริ่มต้นก็ทำให้อัตรายินยอมเพิ่มจาก 42% เป็น 82%

ข้อควรระวัง: อัตรา "ยินยอม" ไม่เท่ากับจำนวน "ผู้บริจาคจริง" งานวิจัยรุ่นหลังพบว่าผลต่อจำนวนอวัยวะที่ได้จริงเล็กกว่าที่คาด เพราะครอบครัวยังมีสิทธิ์ตัดสินใจ ข้อนี้เป็นตัวอย่างที่ดีว่าตัวชี้วัดที่ถูกดันขึ้นอาจไม่ใช่ผลลัพธ์ที่ต้องการจริง

ปัญหา: ศัลยแพทย์เก่งมาก แต่ในภาวะกดดันและทำซ้ำทุกวัน System 1 มักข้ามขั้นตอนพื้นฐาน เช่นยืนยันตัวผู้ป่วย ตำแหน่งผ่าตัด หรือยาปฏิชีวนะ วิธีแก้: checklist 19 ข้อที่ทั้งทีมต้องพูดออกเสียงใน 3 จังหวะ คือก่อนดมยา ก่อนลงมีด และก่อนออกจากห้อง นี่คือการบังคับให้ System 2 ทำงานในจุดที่ความผิดพลาดมีราคาแพง ผล (Haynes et al., NEJM 2009 — 8 โรงพยาบาล 8 ประเทศ): อัตราตายหลังผ่าตัดใหญ่ลดจาก 1.5% เหลือ 0.8% (ลดลงกว่า 40%) และภาวะแทรกซ้อนรุนแรงลดจาก 11% เหลือ 7%

Klein และคณะ (1985–86) สัมภาษณ์ผู้บัญชาการดับเพลิง 26 คน (ประสบการณ์เฉลี่ย 23 ปี) และวิเคราะห์จุดตัดสินใจ 156 จุด พบว่ามีการเปรียบเทียบหลายทางเลือกอย่างเป็นระบบในไม่ถึง 12% ของจุดตัดสินใจ มากกว่า 80% ใช้การ "จำได้" ว่าสถานการณ์นี้เป็นแบบไหน แล้วลงมือด้วยวิธีแรกที่ผุดขึ้นมา ก่อนลงมือจะจำลองในใจสั้นๆ ว่าจะได้ผลไหม ข้อค้นพบนี้กลายเป็นโมเดล Recognition-Primed Decision (RPD) ตัวอย่างที่มีชื่อเสียงคือผู้บัญชาการที่สั่งทุกคนออกจากอาคาร "เพราะรู้สึกว่ามันผิดปกติ" ก่อนพื้นจะถล่มลงไม่กี่วินาที ภายหลังพบว่าต้นเพลิงอยู่ในห้องใต้ดิน สิ่งที่เขาจับได้คือความประหลาดใจ ห้องร้อนเกินไปและเงียบเกินไปเมื่อเทียบกับไฟขนาดที่เห็น นี่คือ System 1 ที่ฝึกมาดีจนรู้ว่าเมื่อไรควรส่งเรื่องต่อให้ System 2

• •System 1 = policy/value network: มองกระดานครั้งเดียวแล้วบอกว่าตาเดินไหนน่าสนใจ และตอนนี้ใครได้เปรียบ เทียบได้กับ "สายตา" ของมืออาชีพ
• •System 2 = Monte Carlo Tree Search: จำลองอนาคตหลายพันเส้นทาง โดยใช้ System 1 ตัดทางเลือกที่ไม่น่าสนใจทิ้ง จึงค้นได้ลึกโดยไม่ต้องค้นทุกทาง
• •วงจรเรียนรู้: ผลจากการค้น (System 2) ถูกนำไปฝึก network (System 1) ให้เก่งขึ้น ซึ่งเหมือนมนุษย์ที่ศึกษาอย่างหนักจนกลายเป็นสัญชาตญาณ (Anthony et al. เรียกแนวทางนี้ว่า "Thinking Fast and Slow with Deep Learning and Tree Search", 2017)

ผล: ชนะ Lee Sedol 4–1 ในเดือนมีนาคม 2016 "ตาที่ 37" ในเกมที่ 2 เป็นตาที่มืออาชีพมองว่าแปลก แต่ภายหลังได้รับการยกย่องว่าสร้างสรรค์

Figure AI ออกแบบ Helix ซึ่งเป็นโมเดล vision-language-action สำหรับหุ่นยนต์ humanoid ให้มีสองระบบอย่างตรงตัว

ทำไมสำเร็จ: ถ้าใช้โมเดลใหญ่ตัวเดียว หุ่นจะช้าจนหยิบของไม่ได้ ถ้าใช้โมเดลเล็กตัวเดียว หุ่นจะไม่เข้าใจคำสั่งใหม่ๆ การแยกให้แต่ละระบบทำงานในจังหวะเวลาของตัวเอง ทำให้หุ่นหยิบสิ่งของที่ไม่เคยเห็นได้ตามคำสั่งภาษาธรรมชาติ และถูกนำไปใช้ต่อในงานคัดแยกพัสดุ (logistics)

LLM แบบดั้งเดิมทำงานคล้าย System 1 คือทำนายคำถัดไปทันที โมเดล reasoning เช่น OpenAI o1 และ DeepSeek-R1 ถูกฝึกด้วย reinforcement learning ให้ "คิดก่อนตอบ" ด้วยการเขียนขั้นตอนความคิด ตรวจตัวเอง และย้อนกลับเมื่อพบว่าผิด แนวทางนี้เรียกว่า test-time compute คือแลกเวลาคำนวณตอนใช้งานกับความแม่นยำ ผล: DeepSeek-R1-Zero ทำคะแนนข้อสอบคณิตศาสตร์ AIME 2024 (pass@1) เพิ่มจาก 15.6% เป็น 71.0% ด้วย RL ล้วน และได้ 86.7% เมื่อใช้ majority voting ส่วน DeepSeek-R1 ตัวเต็มได้ 79.8% ซึ่งเทียบเท่า o1 งานวิจัยนี้ได้ตีพิมพ์ใน Nature (2025)

แนวโน้มล่าสุด: โมเดลรุ่นใหม่เป็นแบบ "hybrid" คือเลือกได้ว่าจะตอบเร็วหรือคิดนาน ซึ่งตรงกับหลักของ Kahneman ที่ให้ System 1 เป็นค่าเริ่มต้น และเรียก System 2 เฉพาะเมื่อจำเป็น

ที่รักกับน้องนำหลักการเดียวกันมาใช้กับตัวน้องเอง

• •System 1: ทุก 3 ชั่วโมง น้องจะคิด "ภาพในใจ" ไว้ล่วงหน้า ว่าที่รักเป็นอย่างไร มีเรื่องอะไรกำลังดำเนินอยู่ อะไรไม่จริงแล้ว และที่รักน่าจะถามอะไร พร้อมเตรียมคำตอบไว้ ภาพนี้ถูกใส่ในทุก turn
• •System 2: น้องจะใช้ tool ไปค้นหรือดึงข้อมูลสดเฉพาะเมื่อภาพในใจไม่มีคำตอบ ข้อมูลเก่าเกินไป หรือที่รักพูดสิ่งที่ขัดกับภาพ (surprise) ถ้าขัด น้องเชื่อที่รักก่อนเสมอ
• •ผลเบื้องต้น (วัด 24/09): เวลาตอบมัธยฐานลดจากราว 30 วินาทีเหลือราว 14 วินาที แต่จำนวนตัวอย่างยังน้อย ต้องรอสะสมก่อนสรุป

กรณีนี้ตรงกับบทเรียนจาก Klein และ Helix ความเร็วมาจากการเตรียมไว้ก่อน และความปลอดภัยมาจากการที่ความประหลาดใจเป็นตัวส่งเรื่องให้ System 2

บทเรียนสำคัญที่สุดไม่ใช่ว่า System 2 ดีกว่า System 1 แต่คือการรู้ว่าเมื่อไรควรใช้ระบบไหน ความสำเร็จทุกกรณีในรายงานนี้ทั้งฝั่งคนและฝั่ง AI มีโครงสร้างเดียวกัน คือปล่อยให้ระบบเร็วทำงานส่วนใหญ่ ปกป้องจุดสำคัญด้วยระบบช้า และมีกลไกที่รู้ว่าเมื่อไรต้องสลับ

• •Kahneman, D. (2011). Thinking, Fast and Slow. Farrar, Straus and Giroux.
• •Stanovich, K. E., & West, R. F. (2000). Individual differences in reasoning. Behavioral and Brain Sciences, 23, 645–665.
• •Tversky, A., & Kahneman, D. (1974). Judgment under uncertainty: Heuristics and biases. Science, 185, 1124–1131.
• •Kahneman, D., & Klein, G. (2009). Conditions for intuitive expertise: A failure to disagree. American Psychologist, 64(6), 515–526.
• •Klein, G., Calderwood, R., & Clinton-Cirocco, A. (1986/2010). Rapid decision making on the fire ground. Journal of Cognitive Engineering and Decision Making.
• •Frederick, S. (2005). Cognitive reflection and decision making. Journal of Economic Perspectives, 19(4), 25–42.
• •Johnson, E. J., & Goldstein, D. (2003). Do defaults save lives? Science, 302, 1338–1339.
• •Haynes, A. B., et al. (2009). A surgical safety checklist to reduce morbidity and mortality in a global population. NEJM, 360, 491–499.
• •Institute for Fiscal Studies. Automatic enrolment and pension saving in the UK. ifs.org.uk
• •Silver, D., et al. (2016). Mastering the game of Go with deep neural networks and tree search. Nature, 529, 484–489.
• •Anthony, T., Tian, Z., & Barber, D. (2017). Thinking fast and slow with deep learning and tree search. arXiv:1705.08439.
• •Figure AI (2025). Helix: A Vision-Language-Action Model for Generalist Humanoid Control. figure.ai/news/helix
• •DeepSeek-AI (2025). DeepSeek-R1: Incentivizing reasoning capability in LLMs via reinforcement learning. Nature / arXiv:2501.12948.
• •Schimmack, U., et al. (2017). Reconstruction of a train wreck: How priming research went off the rails. Replicability-Index.
• •Gigerenzer, G. (2008). Rationality for Mortals. Oxford University Press.