ถ้าไม่ใช่อัจฉริยะระดับสุดยอดจริง ๆ ต่อให้เก่งแค่ไหนก็ทำงานคนเดียวไม่ได้หรอก ถึงอีก 80% ที่เหลือจะทำได้แค่คอยเชียร์อยู่ข้าง ๆ แต่แค่คอยหนุนใจก็ยังนับเป็นแรงงานได้ครึ่งคน และพวกตัวท็อปที่ทำงานได้เท่า 2~3 คนก็ทำให้บริษัทเดินต่อไปได้ ถ้าทำงานคนเดียวก็จะไม่รู้สึกว่าได้รับการยอมรับ แถมยังเหงาจนทนไม่ไหวด้วย

เห็นด้วยมากครับ

โดยเฉพาะเวลาที่เอาแต่เพิ่มงานสารพัดในเครื่องมือ collaboration เพื่อให้ดูมี visibility และ transparency มากกว่ามุ่งไปที่ผลลัพธ์จริง...
เวลาเห็นพวก PM จดโน้ตทิ้งไว้ทุกอย่างเพื่อจะได้ลดความรับผิดชอบของตัวเอง ในฐานะนักพัฒนาแล้วได้แต่รู้สึกหมดไฟครับ

ดูเหมือนนักเรียนมัธยมปลายที่เพิ่งค้นพบพิธีรีตองจอมปลอมของพวกผู้ใหญ่เป็นครั้งแรกแล้วเริ่มโกรธขึ้นมา ยังไงไม่รู้ ผู้เขียนก็น่าจะชอบโฮลเดน คอลฟิลด์จาก The Catcher in the Rye ล่ะมั้ง...

ยิ่งเป็นองค์กรขนาดใหญ่ก็ยิ่งรู้สึกว่าสิ่งที่ผู้พูดคนนี้พูดนั้นถูกต้อง
ส่วนยิ่งเป็นองค์กรขนาดเล็กก็ยิ่งรู้สึกว่าทิศทางที่ผู้พูดคนนี้พูดถึงนั้นกลายเป็นจริงไปแล้วเหมือนกันครับ 555

ในมุมของคนรีวิว พอเห็น PR Description ที่เครื่องเขียนแล้ว ประสบการณ์ก็ไม่ได้ดีเท่าไหร่นักเหมือนกันนะครับ/ค่ะ แม้ก็แอบคิดว่าถ้าจูนพรอมป์ต์ให้ดีพออาจจะช่วยได้ก็ได้ก็ตาม..

ดูเหมือนว่าผู้เขียนจะมีนิสัยไม่ค่อยดีเท่าไหร่นะครับ

ความคิดเห็นบน X เกี่ยวกับเรื่องนี้: https://x.com/AnishA_Moonka/status/2036553594569367790?s=20

แซม อัลต์แมน ปิดบริการ TikTok ของตัวเองแล้ว เมื่อวานนี้ OpenAI ลบ Sora ออกไปอย่างสิ้นเชิง ไม่ใช่แค่แอปเท่านั้น แต่รวมถึงเครื่องมือสำหรับนักพัฒนา และแม้กระทั่งฟีเจอร์สร้างวิดีโอใน ChatGPT ก็หายไปทั้งหมด

เมื่อ 6 เดือนก่อน Sora 2 ยังเป็นแอปที่ได้รับความนิยมมากที่สุดในโลก เปิดตัวได้เพียง 2 วันก็ขึ้นอันดับ 1 บน App Store และมีผู้ดาวน์โหลด 164,000 คน ทั้งที่คนส่วนใหญ่ยังไม่รู้ด้วยซ้ำว่ามันมีอยู่ เพียงพิมพ์ประโยคเข้าไป ก็สามารถสร้างวิดีโอสมจริงได้ภายในไม่กี่นาที และแชร์ลงฟีดสไตล์ TikTok ที่สร้างโดย AI ได้ แต่พอถึงเดือนมกราคม จำนวนดาวน์โหลดกลับลดลงถึง 45% ภายในเดือนเดียว นับตั้งแต่เปิดตัวแอป ผู้ใช้ใช้จ่ายรวมกันเพียง 1.4 ล้านดอลลาร์เท่านั้น OpenAI คาดว่าจะขาดทุน 1.4 หมื่นล้านดอลลาร์ในปีนี้ รายได้สะสมของ Sora ไม่น่าจะชดเชยผลขาดทุนของบริษัทได้แม้แต่ 1 ชั่วโมง

ข้อตกลงกับ Disney ก็ล่มเช่นกัน เมื่อเดือนธันวาคมที่ผ่านมา Disney ได้ลงทุน 1 พันล้านดอลลาร์ใน OpenAI และตกลงให้นำลิขสิทธิ์ตัวละครมากกว่า 200 ตัวจาก Marvel, Pixar และ Star Wars มาใช้ใน Sora Disney วางแผนจะสตรีมวิดีโอที่สร้างด้วย AI แบบคัดสรรแล้วบน Disney+ และใช้เทคโนโลยีของ OpenAI เพื่อมอบประสบการณ์ใหม่ให้กับสมาชิก แต่ตอนนี้ทั้งหมดนั้นพังทลายไปแล้ว โฆษกของ Disney กล่าวว่า "เราเคารพการตัดสินใจของ OpenAI ที่จะถอนตัวออกจากธุรกิจสร้างวิดีโอ"

แล้วทำไมถึงต้องยุบผลิตภัณฑ์ที่ Disney ลงทุนไป 1 พันล้านดอลลาร์ด้วยล่ะ? OpenAI กำลังผลักดันการเสนอขายหุ้น IPO ภายในสิ้นปีนี้ เมื่อเดือนกุมภาพันธ์ที่ผ่านมา บริษัทได้รับเงินลงทุน 1.1 แสนล้านดอลลาร์ที่มูลค่ากิจการ 8.4 แสนล้านดอลลาร์ แต่คาดว่าจะเริ่มมีกำไรได้ในปี 2029 หรือ 2030 เท่านั้น หัวหน้าฝ่ายพัฒนาแอปของ OpenAI เน้นย้ำกับพนักงานว่า "เราต้องไม่มัวแต่ไขว้เขวกับเรื่องรองจนพลาดช่วงเวลาสำคัญนี้" การสร้างวิดีโอต้องใช้พลังประมวลผลมหาศาล หากบริษัทกำลังเผาเงินหลายพันล้านดอลลาร์ต่อเดือน และเป็นช่วงที่นักลงทุนจะเข้ามาตรวจสอบสถานะการเงินอย่างจริงจังเป็นครั้งแรก ก็เป็นเรื่องธรรมดาที่จะทุ่มเซิร์ฟเวอร์ทั้งหมดไปให้กับ ChatGPT ซึ่งเป็นผลิตภัณฑ์ที่สร้างรายได้จริง

OpenAI ระบุว่าทีมวิจัย Sora จะหันไปพัฒนาเทคโนโลยีหุ่นยนต์แทน โดยแอปสำหรับผู้บริโภคนี้เปิดให้บริการมาเป็นเวลา 6 เดือนแล้ว

รายละเอียดเพิ่มเติมดูได้ที่ กรณีแพ็กเกจ PyPI ของ LiteLLM 1.82.7 และ 1.82.8 ถูกเจาะระบบ

LiteLLM เป็นไลบรารีเรียกใช้งาน LLM provider เพียงตัวเดียวของ DSPy และ CrewAI ก็ใช้งานเป็น fallback อยู่ด้วย
Airflow, Dagster, http://Unsloth.ai, Polar, nanobot และอื่น ๆ ก็พึ่งพา LiteLLM
บน GitHub มีโปรเจกต์มากกว่า 628 รายการที่รวม LiteLLM แบบไม่ตรึงเวอร์ชัน

หากกำลังใช้งานโค้ดที่เกี่ยวข้องอยู่ ลองตรวจสอบกันสักครั้ง

กำลังลังเลอยู่ว่าจะลองใช้ OpenClon ดีไหม แต่ดูเหมือนว่าไม่น่าจะต้องใช้ OpenClon แล้วนะครับ

จากที่ลองค้นดู เหมือนว่าเครื่องมือสแกนความปลอดภัยชื่อ trivy (..?) ถูกโจมตี และจากการ compromise นั้นก็ดูเหมือนว่าจะมี การโจมตีระลอกสองตามมา
ไม่ว่ายังไงก็ตาม เรื่องนี้ร้ายแรงทีเดียวครับ

ในช่วงเวลานี้ที่ AI TOOLs กลายเป็นความจริงแล้ว ผมคิดว่านี่เป็นบทความที่ค่อนข้างสมจริงและมีมุมมองที่น่าเชื่อถือเกี่ยวกับการยกระดับ man power ของแต่ละบุคคลให้สูงสุด
ต่อจากนี้ทุกอย่างจะยิ่งต้องการความเบาและความเร็วมากขึ้นเรื่อย ๆ ดังนั้นแนวคิดการทำงานร่วมกันแบบเก่าที่ทำกันมาจนถึงตอนนี้ก็คงถูกรีเซ็ตไป อย่างไรก็ตาม สำหรับการพัฒนาโซลูชันระดับเอ็นเตอร์ไพรส์ การทำงานร่วมกันยังคงเป็นสิ่งจำเป็น

ผมเคยลองทำคอมไพเลอร์มาหลายตัว และตอนนี้ก็มีงานที่กำลังทำอยู่ด้วย พอมองในแง่ของ vibe coding ผมก็เคยลองทำเอดิเตอร์เหมือนกัน แต่รู้สึกว่าคอมไพเลอร์ง่ายกว่า อย่างที่คุณเขียนไว้ ผมรู้สึกว่าสเปกไม่แม่นยำน้อยกว่าและมีตัวแปรจากผู้ใช้มากกว่า อีกทั้งยังทดสอบได้ยากกว่าด้วย

แม้ว่าสเปกจะยิ่งสำคัญขึ้น แต่ผมคิดมาตั้งแต่ก่อนแล้วว่าการเขียนสเปกให้ละเอียดครบทั้งหมดและครอบคลุมทุกสถานการณ์นั้นเป็นไปไม่ได้ ผมยังคิดว่าการค่อยๆ ขัดเกลาสเปกไปพร้อมกับการทำงานเหมือนกับโค้ดยังเป็นทิศทางที่ดีกว่าในตอนนี้ แต่ก็แอบคิดเหมือนกันว่าถ้าให้เอเจนต์หลายตัวทำแบบนั้นกันเองก็น่าจะได้ อย่างไรก็ตาม สุดท้ายแล้วหากไม่มีการแทรกแซงจากมนุษย์ ก็คงยากจะก้าวพ้นสถานการณ์และความรู้ที่ได้เรียนรู้มา ดังนั้นสถานการณ์และฟังก์ชันใหม่แบบที่ไม่เคยมีมาก่อนคงจะยากอยู่ดี

มันให้ความรู้สึกเหมือนตอนที่หุ่นยนต์ดูดฝุ่นออกมาใหม่ๆ แล้วได้ยินว่าต้องทำ "การเก็บกวาดแบบง่ายๆ" คือเก็บของที่วางอยู่บนพื้นให้เรียบร้อยเพื่อหุ่นยนต์ การเขียนสเปกละเอียดให้ AI ก็เป็นงานที่หนักพอสมควร เลยรู้สึกเหมือนเรากำลังทำงานเพื่อ AI

พออยู่ในวงการนี้มานานและเฝ้ามองมาเรื่อย ๆ ก็รู้สึกว่าการเปลี่ยนแปลงช่วงหลังน่าจะเกิดจากเหตุใหญ่ ๆ อยู่สองอย่าง

อย่างแรกคือเงินเดิมพันมันโตเกินไปแล้ว สมัยก่อนเงินแค่ไม่กี่ล้านดอลลาร์ก็ดูน่าทึ่งมาก แต่ตอนนี้เงินไหลกันเป็นระดับพันล้านดอลลาร์แล้วใช่ไหมล่ะ เดิมทีที่ไหนก็ตามที่กลิ่นเงินหอมฟุ้ง คนสารพัดแบบก็มักจะแห่กันเข้ามาอยู่แล้วด้วย อีกทั้งเมื่อคนจากบางวัฒนธรรมไหลเข้ามาในวงการกันจำนวนมาก บรรยากาศของอุตสาหกรรมเองก็เปลี่ยนไปตามสไตล์เฉพาะตัวของพวกเขาอย่างมากด้วย

ทุกวันนี้มองไปก็เห็นชัดเลยว่ามันต่างจากอารมณ์แบบ IT/CS สมัยก่อนมาก กลายเป็นความรู้จักพูดและโชว์แมนชิปที่เหมือนจะหล่อเลี้ยงทุกอย่างไปหมด คนที่ถ้าเป็นเมื่อก่อน ตอนฟองสบู่แตกก็คงออกไปพร้อม ๆ กันหมดแล้ว แต่คราวนี้เพราะมี LLM ซึ่งเป็น "เทคโนโลยีที่พูดเก่ง" มาอยู่กลางกระแส เลยยังไม่เห็นวี่แววว่าคลื่นนี้จะจบลงง่าย ๆ ต่อจากนี้บรรยากาศแบบนี้ก็น่าจะดำเนินต่อไปครับ

จริงๆ แล้วเหตุผลที่ Anthropic สร้าง C compiler เป็นเดโมก็น่าจะเป็นเพราะคอมไพเลอร์เป็นสิ่งที่มีสเปกชัดเจนและมีชุดทดสอบเตรียมไว้อย่างดีอยู่แล้วนั่นเองด้วยล่ะครับ ในขณะเดียวกันมันก็ดูเหมือนเป็นงานที่ยากมากด้วย

มันก็ดูเหมือนความแตกต่างระหว่าง reinforcement learning กับ deep learning อยู่เหมือนกันนะครับ ในพื้นที่ที่ไม่สามารถให้ฟีดแบ็กลูปที่ชี้ขาดได้ ข้อมูลจากมนุษย์ก็ดูเหมือนจะยังเป็นคูเมืองอยู่ในตอนนี้

ร้ายแรงจริง ๆ ครับ

ใน GitHub issue มีบัญชีบอตมากกว่า 100 บัญชีเข้ามาสแปม
และบัญชี GitHub ที่ถูกแฮ็กก็กำลังเปลี่ยนคำอธิบายของทุกโปรเจ็กต์ในบัญชีเป็นแบบนี้
teampcp owns BerriAI

ส่วนตัวรู้สึกว่าการที่แม้แต่ issue ยังมีสแปมเข้ามาด้วยมันให้ความรู้สึกดิสโทเปียมาก เลยน่ากลัวจริง ๆ

แล้วก็จำไม่ค่อยได้เหมือนกันว่า flake หรือฟีเจอร์อะไรสักอย่าง ที่บางที่ก็บอกว่าเป็น best practice บางที่ก็บอกว่าเป็น experimental แล้วบางที่ก็บอกว่าเป็นทั้งสองอย่าง ซึ่งพอเห็นว่าสภาพแบบนี้ยืดเยื้อมาหลายปีแล้ว ก็รู้เลยว่าหนทางข้างหน้าคงลำบากแน่ ๆ..

แน่นอนว่า ประสบการณ์ที่สามารถทำให้สภาพแวดล้อมเดสก์ท็อปทั้งหมดอยู่ในรูปโค้ดได้อย่างง่ายดายนั้นก็สนุกดี

ผมเองก็เคยใช้ NixOS อยู่ราวๆ ครึ่งปี แล้วมีงานง่ายๆ มากงานหนึ่งที่บน OS อื่นแทบไม่ต้องหาข้อมูลอะไรเพิ่มเลย แต่ไม่ว่าจะค้น Google แค่ไหนก็แก้ไม่ได้ สุดท้ายไปเจอโซลูชันที่ผู้เชี่ยวชาญ NixOS? คนหนึ่งบันทึกไว้ในที่อย่างฟอรัม NixOS แล้วพอเห็นว่าโซลูชันแบบแฮ็กๆ ยาวเป็นสิบๆ บรรทัดนั้นกลับได้ไลก์มากที่สุด ผมก็รู้สึกว่าชีวิตกับ NixOS ต่อจากนี้คงมืดมน เลยกลับไปใช้ Arch...

เช่นเดียวกับที่การฝึก AlphaGo ใช้ข้อมูลจากการเล่นกันเองระหว่าง AlphaGo กับ AlphaGo การฝึก LLM ก็สร้างข้อมูลด้วย LLM แล้วนำมาฝึกเช่นกัน แค่มีตัวอย่างข้อมูลไม่กี่ชุดก็สามารถสร้างข้อมูลขึ้นมาได้ง่าย ดังนั้นสิ่งนี้เองก็มองว่าเป็นคูเมืองที่ปลอดภัยได้ยาก