Context Rot คืออะไร ?

Context Rot: เมื่อข้อมูลมากเกินไป กลายเป็นจุดอ่อนของ AI

ถ้าเราให้ AI อ่านทุกอย่าง แล้วมันยังตอบผิด เราควรโทษว่าโมเดลไม่เก่ง หรือข้อมูลมันมากเกินไป
คำถามนี้ไม่ใช่เรื่องของ prompt แต่เป็นข้อจำกัดเชิงโครงสร้างของ AI ยุคปัจจุบัน
เราถูกทำให้เชื่อว่า “ยิ่ง context เยอะ = ยิ่งฉลาด” แต่ในความเป็นจริง หลายครั้งมันตรงกันข้าม

ปัญหาไม่ได้อยู่แค่ “ปริมาณ” แต่รวมถึง “เวลา”
context ไม่ได้เสื่อมเพราะยาวอย่างเดียว แต่มัน เสื่อมลงเมื่อถูกใช้งานต่อเนื่อง
ข้อมูลที่ถูกเติมซ้ำ ผ่านหลายรอบ จะค่อย ๆ สูญเสียโครงสร้าง ความชัดเจน และลำดับความสำคัญ

ลองนึกถึงพ่อครัวระดับท็อป
ในช่วงที่อยู่ในฟอร์มสูงสุด ทุกจานคม แม่น และบาลานซ์อย่างแม่นยำ
แต่เมื่อเวลาผ่านไป ความละเอียดเริ่มลดลง สิ่งเล็ก ๆ ที่เคยควบคุมได้เริ่มคลาดเคลื่อน
จาก “เป๊ะทุกจาน” กลายเป็น “ยังดี…แต่ไม่เหมือนเดิม”

สุดท้ายเหลือเพียงชื่อเสียงว่าเคยเป็นตำนาน

Context ก็เช่นเดียวกัน
ตอนที่มันยังสดและถูกจัดวางอย่างดี โมเดลจะ reasoning ได้คมและแม่น
แต่เมื่อมันยืดยาว ถูกเติม และไม่เคยถูกจัดระเบียบใหม่
ความคมจะค่อย ๆ เสื่อมลง (rot)

สิ่งสำคัญที่ต้องเข้าใจคือ AI ไม่ได้ “เข้าใจทุกอย่างที่มันเห็น”
มันเพียงจัดลำดับความสำคัญภายในพื้นที่จำกัดที่มันมี
เมื่อข้อมูลมากเกินไป สิ่งสำคัญจะถูกกลืนหายไปใน noise

Context Rot จึงไม่ใช่ bug และไม่ใช่ข้อผิดพลาดแบบชั่วคราว
แต่มันคือ quality degradation ของ reasoning ที่เกิดขึ้นเมื่อระบบต้อง “คิดทุกอย่างพร้อมกัน”

ยุคของ Context 1M

ในช่วงเวลาไม่ถึงปีที่ผ่านมา เราเห็นการแข่งขันที่ชัดเจน
context window ถูกขยายจากหลักแสน ไปสู่หลักล้าน — 1M, 2M tokens
มันถูกนำเสนอว่าเป็นความก้าวหน้า

แต่ในอีกมุมหนึ่ง นี่คือการแก้ปัญหาด้วย “ขนาด”
ไม่ใช่การแก้ที่โครงสร้างของการคิด

การมีพื้นที่มากขึ้น ไม่ได้แปลว่าเข้าใจได้ดีขึ้น

เมื่อทุกอย่างถูกโยนเข้าไปพร้อมกัน โมเดลไม่ได้ฉลาดขึ้น
แต่มันเริ่ม “หลงทาง”

อาการ

• ตอบถูกบ้าง ผิดบ้าง ทั้งที่ข้อมูลครบ
• ลืมสิ่งสำคัญช่วงต้น
• เชื่อมโยงผิดในรายละเอียดเล็ก ๆ
• ความแม่นยำลดลงเมื่อ context ยาวและเก่า

นี่ไม่ใช่การ “ไม่รู้” แต่คือ รู้แบบไม่คม

ปัญหาที่แท้จริง

context window ไม่ใช่ความจำ แต่มันคือ “workspace”
และ workspace ที่ดี ไม่ใช่ workspace ที่ใหญ่ที่สุด
แต่คือ workspace ที่ถูกจัดวางอย่างมีลำดับ

ปัญหาของ AI ไม่ใช่เห็นน้อยเกินไป
แต่คือเห็นมากเกินไปโดยไม่มีการเลือก

ทางออก

ระบบ AI ยุคถัดไปจะไม่ชนะด้วย context ที่ใหญ่กว่า
แต่จะชนะด้วยการ “เลือก context ได้ดีกว่า”

• retrieval เฉพาะที่เกี่ยวข้อง
• compression ก่อน reasoning
• แยกการคิดเป็นขั้นตอน

Less context. Better reasoning.

AI ที่ดี ไม่ใช่ AI ที่อ่านทุกอย่าง
แต่คือ AI ที่รู้ว่าอะไร “ควรถูกคิด”