คำทำนายด้านเทคโนโลยีของ CTO Amazon หลังปี 2024

xguru · 2023-12-06T11:12:02+09:00

บทความโดย ดร. Werner Vogels ตลอดประวัติศาสตร์ มนุษย์ได้พัฒนาเครื่องมือและระบบเพื่อเสริมและขยายขีดความสามารถของตนเองมาโดยตลอด เมื่อเทคโนโลยีคลาวด์, machine learning และ generative AI เข้าถึงได้ง่ายขึ้น สิ่งเหล่านี้กำลังส่งผลต่อเกือบทุกแง่มุมของชีวิตเรา ตั้งแต่การเขียนอีเมล การพัฒนาซอฟต์แวร์ ไปจนถึงการตรวจพบมะเร็งระยะเริ่มต้น ในอีกไม่กี่ปีข้างหน้า การเข้าถึงเทคโนโลยีจะถูกทำให้เป็นประชาธิปไตยมากขึ้นและเต็มไปด้วยนวัตกรรมในหลายสาขา โดยจุดเริ่มต้นจะมาจาก generative AI [Generative AI เริ่มตระหนักรู้ทางวัฒนธรรม] - Generative AI becomes culturally aware "โมเดลภาษาขนาดใหญ่ (LLM) ที่ฝึกด้วยข้อมูลจากวัฒนธรรมที่หลากหลาย จะสามารถเข้าใจประสบการณ์ของมนุษย์และปัญหาสังคมที่ซับซ้อนได้อย่างละเอียดอ่อนยิ่งขึ้น ความคล่องแคล่วทางวัฒนธรรม (fluency) จะช่วยให้ผู้ใช้ทั่วโลกเข้าถึง generative AI ได้ง่ายขึ้น" วัฒนธรรมส่งอิทธิพลต่อทุกสิ่ง ไม่ว่าจะเป็นเรื่องเล่าที่เราสร้าง อาหารที่เรากิน การแต่งกาย ค่านิยม มารยาท อคติ วิธีที่เราเข้าหาปัญหาและตัดสินใจ วัฒนธรรมคือรากฐานของการที่แต่ละคนดำรงอยู่ภายในชุมชน วัฒนธรรมมอบกฎและแนวทางที่กำหนดและควบคุมพฤติกรรมกับความเชื่อของเรา และข้อตกลงเหล่านี้จะแตกต่างกันไปตามสถานที่ที่เราอยู่และคนที่เราอยู่ด้วย ซึ่งบางครั้งความแตกต่างเหล่านี้อาจนำไปสู่ความสับสนและความเข้าใจผิดได้ มนุษย์คุ้นเคยกับการทำงานข้ามหลายวัฒนธรรม จึงสามารถจัดวางข้อมูลเหล่านี้ให้อยู่ในบริบท สังเคราะห์ ทำความเข้าใจ และตอบสนองได้อย่างเหมาะสม ในอีกไม่กี่ปีข้างหน้า วัฒนธรรมจะมีบทบาทสำคัญต่อวิธีที่เราออกแบบ นำไปใช้ และบริโภคเทคโนโลยี และผลกระทบนี้จะเห็นได้ชัดที่สุดใน generative AI ความพยายามเพื่อให้ได้มาซึ่งความคล่องแคล่วทางวัฒนธรรม หากระบบที่อิงกับ LLM ต้องการเข้าถึงผู้ใช้ทั่วโลก ก็จำเป็นต้องมี “ความคล่องแคล่วทางวัฒนธรรม” แบบที่มนุษย์รับรู้ได้โดยสัญชาตญาณ Common Crawl ซึ่งถูกใช้ฝึก LLM จำนวนมาก มีข้อมูลภาษาอังกฤษราว 46% และไม่ว่าภาษาใดก็ตาม สัดส่วนเนื้อหาที่ใช้ได้จำนวนมากกว่านั้นก็ยังมีอคติทางวัฒนธรรมแบบตะวันตกอย่างชัดเจน (เอนเอียงไปทางสหรัฐฯ มาก) ในช่วงไม่กี่เดือนที่ผ่านมา เริ่มมีโมเดลที่เรียนรู้จากภาษานอกโลกตะวันตกปรากฏขึ้น เช่น Jais ที่ฝึกด้วยข้อมูลภาษาอาหรับและอังกฤษ, Yi-34B ซึ่งเป็นโมเดลสองภาษา จีน/อังกฤษ, และ Japanese-large-lm ที่ฝึกด้วย Japanese web corpus ขนาดใหญ่ นี่เป็นสัญญาณว่า ด้วยโมเดลนอกโลกตะวันตกที่แม่นยำทางวัฒนธรรม ผู้คนนับร้อยล้านจะสามารถใช้ generative AI ซึ่งอาจส่งผลต่อสาขาต่าง ๆ อย่างกว้างขวาง ตั้งแต่การศึกษาไปจนถึงการแพทย์ ต้องจำไว้ว่า ภาษาและวัฒนธรรมไม่ใช่สิ่งเดียวกัน การแปลได้อย่างสมบูรณ์แบบ ไม่ได้หมายความว่าจะมีความตระหนักรู้ทางวัฒนธรรมที่ยอดเยี่ยม เนื่องจากโมเดลเหล่านี้มีประวัติศาสตร์และประสบการณ์จำนวนนับไม่ถ้วนฝังอยู่ภายใน LLM จึงจะเริ่มพัฒนามุมมองที่กว้างขึ้นและเป็นสากลมากขึ้น เช่นเดียวกับที่มนุษย์เรียนรู้ผ่านการสนทนา การถกเถียง และการแลกเปลี่ยนความคิด LLM ก็ต้องการโอกาสลักษณะเดียวกันเพื่อขยายมุมมองและเข้าใจวัฒนธรรม ในการแลกเปลี่ยนทางวัฒนธรรมนี้ จะมีงานวิจัย 2 ด้านที่มีบทบาทสำคัญ ด้านแรกคือการเรียนรู้แบบเสริมกำลังด้วย feedback จาก AI (RLAIF) ซึ่งเป็นสถานการณ์ที่โมเดลหนึ่งนำ feedback ของอีกโมเดลมาผสานเข้าด้วยกัน ในกรณีนี้ โมเดลที่แตกต่างกันสามารถโต้ตอบกันและอัปเดตความเข้าใจเกี่ยวกับแนวคิดทางวัฒนธรรมที่หลากหลายบนพื้นฐานของปฏิสัมพันธ์เหล่านั้นได้ ด้านที่สองคือความร่วมมือผ่านการถกเถียงแบบ multi-agent โดยที่หลายอินสแตนซ์ของโมเดลเดียวกันจะสร้างคำตอบ ถกเถียงถึงความสมเหตุสมผลของแต่ละคำตอบและเหตุผลเบื้องหลัง และท้ายที่สุดก็ไปสู่คำตอบที่เห็นพ้องร่วมกันผ่านกระบวนการอภิปรายนี้ งานวิจัยทั้งสองด้านนี้ช่วยลดต้นทุนแรงงานมนุษย์ในการฝึกและ fine-tune โมเดล เมื่อ LLM แลกเปลี่ยนและเรียนรู้ซึ่งกันและกัน พวกมันจะสามารถเข้าใจปัญหาสังคมที่ซับซ้อนได้อย่างละเอียดอ่อนยิ่งขึ้นบนพื้นฐานของมุมมองทางวัฒนธรรมที่หลากหลาย ความก้าวหน้าเหล่านี้ยังจะช่วยรับประกันว่าโมเดลจะตอบสนองต่อหัวข้อที่กว้างขวาง เช่น ด้านเทคโนโลยี ได้อย่างแข็งแกร่งและแม่นยำทางเทคนิคมากขึ้น ผลกระทบของมันจะลึกซึ้งในระดับภูมิภาค ชุมชน และข้ามรุ่น [FemTech ทะยานขึ้นอย่างแท้จริงในที่สุด] - FemTech finally takes off "เมื่อการลงทุนใน femtech พุ่งสูงขึ้น บริการสุขภาพกลายเป็นแบบไฮบริด และข้อมูลที่อุดมสมบูรณ์ช่วยปรับปรุงการวินิจฉัยและผลลัพธ์การรักษาผู้ป่วย การดูแลสุขภาพผู้หญิงก็มาถึงจุดเปลี่ยนแล้ว การเติบโตของ femtech จะไม่ได้ให้ประโยชน์แค่กับผู้หญิงเท่านั้น แต่จะช่วยเติมพลังให้ทั้งระบบสาธารณสุข" การดูแลสุขภาพผู้หญิงไม่ใช่ตลาดเฉพาะกลุ่ม แต่กลับถูกมองข้าม การดูแลสุขภาพผู้หญิงไม่ใช่ตลาดเฉพาะกลุ่ม เฉพาะในสหรัฐฯ ผู้หญิงใช้จ่ายด้านบริการสุขภาพมากกว่า 5 แสนล้านดอลลาร์ต่อปี ผู้หญิงคิดเป็น 50% ของประชากรทั้งหมด และมีอิทธิพลต่อการตัดสินใจด้านสุขภาพของผู้บริโภคถึง 80% แต่รากฐานของการแพทย์สมัยใหม่กลับตั้งอยู่บนผู้ชายเป็นหลัก กว่าที่กฎหมาย National Institutes of Health Revitalization Act ของสหรัฐฯ จะประกาศใช้ในปี 1993 ผู้หญิงในสหรัฐฯ จึงเริ่มเข้าร่วมการวิจัยทางคลินิก ความต้องการทั่วไปอย่างการจัดการประจำเดือนหรือการดูแลวัยหมดประจำเดือน เคยถูกมองเป็นเรื่องต้องห้ามในเชิงประวัติศาสตร์ และเพราะผู้หญิงถูกกีดกันออกจากการทดลองทางคลินิกและงานวิจัย ผลลัพธ์จึงมักแย่กว่าผู้ชาย โดยเฉลี่ยแล้ว ผู้หญิงได้รับการวินิจฉัยโรคหลายชนิดช้ากว่าผู้ชาย และมีโอกาสถูกวินิจฉัยผิดหลังหัวใจวายสูงกว่าถึง 50% ตัวอย่างที่สะท้อนความไม่เท่าเทียมได้ชัดที่สุดคือยาตามใบสั่งแพทย์ โดยผู้หญิงรายงานผลข้างเคียงในอัตราที่สูงกว่าผู้ชายมาก แม้สถิติเหล่านี้จะน่ากังวลเมื่อมองผิวเผิน แต่แรงหนุนจากเทคโนโลยีคลาวด์และการเข้าถึงข้อมูลที่ดีขึ้น กำลังทำให้การลงทุนในบริการสุขภาพผู้หญิง หรือที่เรียกว่า femtech เพิ่มขึ้น AWS ทำงานอย่างใกล้ชิดกับสตาร์ตอัปที่นำโดยผู้หญิง และได้เห็นการเติบโตของ femtech โดยตรง เพียงปีที่แล้ว เงินทุนเพิ่มขึ้นถึง 197% เมื่อการเข้าถึงเงินทุน เทคโนโลยีอย่าง machine learning และอุปกรณ์เชื่อมต่อที่ออกแบบมาเพื่อผู้หญิงโดยเฉพาะง่ายขึ้น เราก็กำลังอยู่ที่จุดเปลี่ยนของการเปลี่ยนแปลงครั้งไม่เคยมีมาก่อน ทั้งในแง่การรับรู้เรื่องการดูแลผู้หญิงและวิธีการดูแลจริง บริษัท femtech ที่ติดอาวุธด้วยเทคโนโลยีกำลังเกิดขึ้น บริษัทอย่าง Tia, Elvie และ Embr Labs กำลังแสดงให้เห็นถึงศักยภาพอย่างมหาศาลในการใช้ข้อมูลและ predictive analytics เพื่อมอบการรักษาแบบเฉพาะบุคคล และพบผู้ป่วยในที่ที่พวกเขาสะดวก ไม่ว่าจะที่บ้านหรือระหว่างเดินทาง เมื่อภาพลบที่มีต่อปัญหาสุขภาพผู้หญิงลดลง และเงินทุนไหลเข้าสู่ภาคส่วนนี้มากขึ้น เราจะได้เห็นบริษัท femtech เดินหน้าจัดการกับปัญหาและความต้องการด้านสุขภาพผู้หญิงที่เคยถูกมองข้ามต่อไป ขณะเดียวกัน การเข้าถึงบริการสุขภาพของผู้หญิงจะดีขึ้นอย่างมาก ด้วยโมเดลการรักษาแบบไฮบริดที่อาศัยแพลตฟอร์มสุขภาพออนไลน์ อุปกรณ์วินิจฉัยต้นทุนต่ำที่พร้อมใช้งาน และการเข้าถึงผู้เชี่ยวชาญทางการแพทย์แบบ on-demand Maven ได้พิสูจน์ตัวเองว่าเป็นผู้นำในด้านนี้ ด้วยการลบเส้นแบ่งระหว่างสุขภาพจิตกับสุขภาพกาย และให้บริการตั้งแต่การให้คำปรึกษาความสัมพันธ์ไปจนถึงการดูแลวัยหมดประจำเดือน ผ่านระบบ smart tampon ที่ NextGen Jane กำลังพัฒนา ผู้หญิงจะสามารถสร้างโปรไฟล์สุขภาพมดลูกของตนเอง ระบุ genomic markers ที่อาจเกี่ยวข้องกับโรค และแชร์ข้อมูลนี้กับแพทย์ได้อย่างราบรื่น นอกจากนี้ wearables ยังจะมอบข้อมูลสุขภาพตามระยะยาวที่อุดมสมบูรณ์ให้ทั้งผู้ใช้และแพทย์นำไปวิเคราะห์ได้ ในปัจจุบันที่ผู้หญิงมากกว่า 70% ยังปล่อยให้อาการวัยหมดประจำเดือนไม่ได้รับการรักษา การยกระดับความรู้ การมีข้อมูลพร้อมใช้ และโซลูชันที่ไม่รุกล้ำร่างกาย สามารถยกระดับผลลัพธ์ของการดูแลสูตินรีเวชได้อย่างก้าวกระโดด และความหมายของมันก็ไปไกลกว่าสูตินรีเวชเพียงอย่างเดียว จุดเปลี่ยนของการดูแลสุขภาพผู้หญิง เรากำลังยืนอยู่ที่จุดเปลี่ยนของการดูแลสุขภาพผู้หญิง การเข้าถึงข้อมูลที่หลากหลาย เมื่อผสานกับเทคโนโลยีคลาวด์อย่าง computer vision และ deep learning จะช่วยลดการวินิจฉัยผิดพลาด และลดผลข้างเคียงจากยาที่ทุกวันนี้ส่งผลกระทบต่อผู้หญิงอย่างไม่สมส่วน ภาวะเยื่อบุโพรงมดลูกเจริญผิดที่และภาวะซึมเศร้าหลังคลอด จะได้รับความสนใจที่สมควรได้รับ ในที่สุด เราจะได้เห็นการรักษาสำหรับผู้หญิงย้ายจากชายขอบเข้าสู่แนวหน้า และเพราะทีมที่นำโดยผู้หญิงได้เปรียบกว่าทีมที่ประกอบด้วยผู้ชายล้วนในการแก้ปัญหาสุขภาพที่หลากหลายกว่า femtech จึงไม่เพียงเป็นประโยชน์ต่อผู้ที่ระบุตนเองว่าเป็นผู้หญิงเท่านั้น แต่ยังจะยกระดับทั้งระบบสาธารณสุขด้วย [AI assistants กำหนดนิยามใหม่ของผลิตภาพนักพัฒนา] - AI assistants redefine developer productivity "AI assistants จะวิวัฒน์จากเครื่องมือสร้างโค้ดพื้นฐาน ไปเป็นทั้งครูและผู้ร่วมงานที่ไม่รู้จักเหน็ดเหนื่อย ซึ่งให้การสนับสนุนตลอดวงจรชีวิตการพัฒนาซอฟต์แวร์ สามารถอธิบายระบบซับซ้อนด้วยภาษาง่าย ๆ เสนอแนวทางปรับปรุงตามเป้าหมาย และรับภาระงานซ้ำ ๆ ไปทำแทน เพื่อให้นักพัฒนามุ่งเน้นไปที่ส่วนของงานที่สร้างผลกระทบได้มากที่สุด" ผมเคยคาดการณ์ไว้ในปี 2021 ว่า generative AI จะเริ่มมีบทบาทสำคัญต่อวิธีการเขียนซอฟต์แวร์ โดยจะช่วยเสริมทักษะนักพัฒนาให้เขียนโค้ดที่ปลอดภัยและเชื่อถือได้มากขึ้น ผู้ช่วย AI คือทั้งเพื่อนร่วมงานและครู ตอนนี้ปรากฏการณ์นี้กำลังเกิดขึ้นอย่างเต็มตัวแล้ว เมื่อมีการเข้าถึงเครื่องมือและระบบอย่างกว้างขวางที่สามารถสร้างทั้งฟังก์ชัน คลาส และการทดสอบครบชุดจาก natural language prompts จริง ๆ แล้ว ในแบบสำรวจนักพัฒนาของ Stack Overflow ปี 2023 ผู้ตอบ 70% ระบุว่ากำลังใช้งานหรือมีแผนจะใช้เครื่องมือช่วยเหลือด้วย AI ในกระบวนการพัฒนาแล้ว ผู้ช่วย AI รุ่นที่จะเปิดตัวต่อจากนี้ จะไม่เพียงเข้าใจและเขียนโค้ดได้ แต่ยังจะเป็นทั้งผู้ร่วมงานและครูที่ไม่รู้จักเหนื่อย ไม่มีงานใดทำให้พลังของพวกมันหมดลงได้ และไม่ว่าคุณจะถามกี่ครั้ง มันก็จะไม่หงุดหงิดกับการอธิบายแนวคิดหรือทำงานเดิมซ้ำอีกครั้ง ด้วยเวลาและความอดทนไม่จำกัด พวกมันจะสนับสนุนสมาชิกทุกคนในทีมและมีส่วนร่วมได้กับทุกอย่าง ตั้งแต่ code review ไปจนถึง product strategy เส้นแบ่งเริ่มเลือนราง เส้นแบ่งระหว่าง product manager, วิศวกร frontend และ backend, DBA, นักออกแบบ UI/UX, วิศวกร DevOps และสถาปนิกระบบ จะเลือนรางลง AI assistants จะมอบข้อเสนอแนะที่เสริมพลังความคิดสร้างสรรค์ของมนุษย์ โดยอาศัยความเข้าใจบริบทของทั้งระบบ ไม่ใช่แค่โมดูลแยกเดี่ยว เช่น แปลงภาพสเก็ตช์บนกระดาษให้เป็น scaffolding code, สร้าง template จากเอกสาร requirement หรือแนะนำโครงสร้างพื้นฐานที่เหมาะกับงานที่สุด (เช่น serverless กับ containers) ปรับแต่งได้ ผู้ช่วยเหล่านี้สามารถปรับแต่งได้อย่างมาก ทั้งในระดับบุคคล ทีม หรือทั้งบริษัท นักพัฒนารุ่น junior สามารถใช้เพื่อเรียนรู้โครงสร้างพื้นฐานที่ไม่คุ้นเคยได้อย่างรวดเร็ว ขณะที่วิศวกรอาวุโสสามารถใช้เพื่อทำความเข้าใจโปรเจกต์ใหม่หรือ codebase ใหม่อย่างรวดเร็ว และเริ่มมีส่วนร่วมอย่างมีความหมายได้ทันที ก่อนหน้านี้ การทำความเข้าใจผลกระทบปลายน้ำของการเปลี่ยนโค้ดหนึ่งครั้งอาจกินเวลาหลายสัปดาห์ แต่ผู้ช่วยสามารถประเมินการแก้ไขได้ทันที สรุปผลกระทบที่มีต่อส่วนอื่นของระบบ และเสนอการเปลี่ยนแปลงเพิ่มเติมตามความจำเป็น เริ่มช่วยแบ่งเบางานนักพัฒนาแล้ว เรากำลังเห็นอยู่แล้วว่าส่วนที่น่าเบื่อที่สุดของการพัฒนาซอฟต์แวร์สมัยใหม่ เช่น unit test, การเขียน boilerplate code และการ debug errors กำลังหลุดออกจากมือของนักพัฒนา งานเหล่านี้มักถูกมองว่าเป็นงาน “ประกอบ” และมักถูกผลักไปไว้ด้านหลัง แต่ตอนนี้ผู้ช่วยสามารถรับไปจัดการได้ แน่นอนว่า นักพัฒนายังต้องวางแผนและประเมินผลลัพธ์อยู่ดี แต่เครื่องมือช่วยเหล่านี้จะทำให้พวกเขา ทำงานได้มากกว่าที่เคย ด้วยการช่วยเลือกอัลกอริทึมที่เหมาะกับ distributed systems ผ่านงานวิจัยวิชาการ ตัดสินใจว่าจะเปลี่ยนจากแนวทาง primary-backup ไปสู่การใช้งานแบบ active-active อย่างไรให้ดีที่สุด และทำความเข้าใจว่าทรัพยากรต่าง ๆ ส่งผลต่อประสิทธิภาพอย่างไรเป็นรายตัว พร้อมช่วยพัฒนาโมเดลราคา นักพัฒนาจะลดภาระจากงานหนักที่ไม่สร้างความแตกต่าง เช่น การอัปเกรดเวอร์ชัน Java และ โฟกัสกับงานสร้างสรรค์ที่ขับเคลื่อนนวัตกรรมได้ ในอีกไม่กี่ปีข้างหน้า ทีมวิศวกรรมจะ เพิ่มผลิตภาพ พัฒนาระบบที่มีคุณภาพสูงขึ้น เห็น AI assistants เปลี่ยนจากของใหม่กลายเป็นสิ่งจำเป็น ทั่วทั้งอุตสาหกรรมซอฟต์แวร์ และ ย่นระยะรอบการปล่อยซอฟต์แวร์ [การศึกษาพัฒนาให้ทันความเร็วของนวัตกรรมเทคโนโลยี] - Education evolves to match the speed of tech innovation "การศึกษาระดับอุดมศึกษาเพียงอย่างเดียวไม่สามารถตามทันความเร็วของการเปลี่ยนแปลงทางเทคโนโลยีได้ โปรแกรมการศึกษาด้านเทคนิคที่ขับเคลื่อนโดยอุตสาหกรรมจะเกิดขึ้น และจะมีลักษณะใกล้เคียงกับเส้นทางของช่างเทคนิคผู้ชำนาญมากขึ้น การเปลี่ยนผ่านไปสู่การเรียนรู้อย่างต่อเนื่องนี้จะเป็นประโยชน์ทั้งต่อบุคคลและองค์กร" โดยเฉพาะในสายเทคโนโลยี มีความเชื่อแพร่หลายว่าปริญญามหาวิทยาลัยเป็นสิ่งจำเป็นทั้งต่อการคัดเลือกคนเก่งที่สุดและการได้งานในสถานที่ทำงานชั้นนำ แต่ทั้งในระดับบุคคลและธุรกิจ โมเดลนี้กำลังเริ่มพังทลาย สำหรับนักเรียน ค่าใช้จ่ายกำลังสูงขึ้น และเมื่อการฝึกเชิงปฏิบัติทำได้จริง ผู้คนจำนวนมากจึงเริ่มตั้งคำถามกับคุณค่าของปริญญามหาวิทยาลัยแบบดั้งเดิม ในมุมของธุรกิจ พนักงานใหม่ก็ยังต้องได้รับการฝึกงานจริงอยู่ดี และเมื่ออุตสาหกรรมจำนวนมากขึ้นต้องการความเชี่ยวชาญจากพนักงาน ช่องว่างระหว่างสิ่งที่โรงเรียนสอนกับสิ่งที่นายจ้างต้องการก็ยิ่งกว้างขึ้นเรื่อย ๆ เช่นเดียวกับหลักสูตรพัฒนาซอฟต์แวร์เมื่อหลายสิบปีก่อน การศึกษาด้านเทคนิคก็มาถึงช่วงเวลาสำคัญเช่นกัน สิ่งที่ครั้งหนึ่งเคยเป็นการฝึกหน้างานแบบเฉพาะบุคคลสำหรับคนส่วนน้อย จะพัฒนาไปเป็นการศึกษาด้านเทคนิคที่ขับเคลื่อนโดยอุตสาหกรรมสำหรับคนส่วนใหญ่ การเปลี่ยนแปลงนี้ดำเนินมาแล้วหลายปี บริษัทอย่าง Coursera ซึ่งเดิมมุ่งเน้นผู้บริโภค ได้ขยายความพยายามด้านการยกระดับทักษะและ reskilling ผ่านความร่วมมือกับองค์กรธุรกิจ ตอนนี้บริษัทต่าง ๆ เองก็เริ่มลงทุนอย่างจริงจังและในวงกว้างกับการศึกษาด้านเทคนิคแล้ว โดย Amazon ประกาศไปแล้วว่าได้จัดการศึกษาด้านเทคนิคให้ผู้เรียนด้านเทคโนโลยีทั่วโลกถึง 21 ล้านคน แนวคิดนี้มีอยู่มาตั้งแต่แรก สำหรับช่างฝีมืออย่างช่างไฟฟ้า ช่างเชื่อม และช่างไม้ ทักษะส่วนใหญ่ไม่ได้ถูกเรียนรู้ในห้องเรียน พวกเขาเติบโตจากผู้ฝึกหัดไปเป็นช่างฝึกงาน จากช่างฝึกงานไปเป็นช่างผู้ชำนาญ และอาจไปถึงระดับช่างเอก การเรียนรู้ในที่ทำงานเกิดขึ้นอย่างต่อเนื่อง และมีเส้นทางพัฒนาทักษะที่กำหนดไว้อย่างชัดเจน การศึกษาตลอดชีวิตในรูปแบบนี้ ที่ขับเคลื่อนด้วยการเรียนรู้และความอยากรู้อยากเห็น เป็นสัญญาณที่ดีทั้งต่อบุคคลและองค์กร ไม่ได้แปลว่าปริญญาแบบเดิมจะหายไป นี่ไม่ใช่สถานการณ์แบบ “ต้องเลือกอย่างใดอย่างหนึ่ง” แต่เป็นเรื่องของทางเลือก ในสายเทคโนโลยีจะยังมีบางด้านที่การเรียนรู้เชิงวิชาการแบบนี้ยังสำคัญ แต่ก็จะมีอีกหลายอุตสาหกรรมที่อิทธิพลของเทคโนโลยีแซงหน้าระบบการศึกษาแบบดั้งเดิม ยุคใหม่ของโอกาสทางการศึกษาที่ขับเคลื่อนโดยอุตสาหกรรมกำลังจะมาถึง เพื่อตอบสนองความต้องการของธุรกิจอย่างที่ไม่อาจมองข้ามได้

(allthingsdistributed.com)

22 คะแนน โดย xguru 2023-12-06 | 6 ความคิดเห็น | แชร์ทาง WhatsApp

บทความโดย ดร. Werner Vogels

ตลอดประวัติศาสตร์ มนุษย์ได้พัฒนาเครื่องมือและระบบเพื่อเสริมและขยายขีดความสามารถของตนเองมาโดยตลอด
เมื่อเทคโนโลยีคลาวด์, machine learning และ generative AI เข้าถึงได้ง่ายขึ้น สิ่งเหล่านี้กำลังส่งผลต่อเกือบทุกแง่มุมของชีวิตเรา ตั้งแต่การเขียนอีเมล การพัฒนาซอฟต์แวร์ ไปจนถึงการตรวจพบมะเร็งระยะเริ่มต้น
ในอีกไม่กี่ปีข้างหน้า การเข้าถึงเทคโนโลยีจะถูกทำให้เป็นประชาธิปไตยมากขึ้นและเต็มไปด้วยนวัตกรรมในหลายสาขา โดยจุดเริ่มต้นจะมาจาก generative AI

[Generative AI เริ่มตระหนักรู้ทางวัฒนธรรม] - Generative AI becomes culturally aware

"โมเดลภาษาขนาดใหญ่ (LLM) ที่ฝึกด้วยข้อมูลจากวัฒนธรรมที่หลากหลาย จะสามารถเข้าใจประสบการณ์ของมนุษย์และปัญหาสังคมที่ซับซ้อนได้อย่างละเอียดอ่อนยิ่งขึ้น ความคล่องแคล่วทางวัฒนธรรม (fluency) จะช่วยให้ผู้ใช้ทั่วโลกเข้าถึง generative AI ได้ง่ายขึ้น"
วัฒนธรรมส่งอิทธิพลต่อทุกสิ่ง ไม่ว่าจะเป็นเรื่องเล่าที่เราสร้าง อาหารที่เรากิน การแต่งกาย ค่านิยม มารยาท อคติ วิธีที่เราเข้าหาปัญหาและตัดสินใจ
วัฒนธรรมคือรากฐานของการที่แต่ละคนดำรงอยู่ภายในชุมชน
วัฒนธรรมมอบกฎและแนวทางที่กำหนดและควบคุมพฤติกรรมกับความเชื่อของเรา และข้อตกลงเหล่านี้จะแตกต่างกันไปตามสถานที่ที่เราอยู่และคนที่เราอยู่ด้วย ซึ่งบางครั้งความแตกต่างเหล่านี้อาจนำไปสู่ความสับสนและความเข้าใจผิดได้
มนุษย์คุ้นเคยกับการทำงานข้ามหลายวัฒนธรรม จึงสามารถจัดวางข้อมูลเหล่านี้ให้อยู่ในบริบท สังเคราะห์ ทำความเข้าใจ และตอบสนองได้อย่างเหมาะสม
ในอีกไม่กี่ปีข้างหน้า วัฒนธรรมจะมีบทบาทสำคัญต่อวิธีที่เราออกแบบ นำไปใช้ และบริโภคเทคโนโลยี และผลกระทบนี้จะเห็นได้ชัดที่สุดใน generative AI

ความพยายามเพื่อให้ได้มาซึ่งความคล่องแคล่วทางวัฒนธรรม

หากระบบที่อิงกับ LLM ต้องการเข้าถึงผู้ใช้ทั่วโลก ก็จำเป็นต้องมี “ความคล่องแคล่วทางวัฒนธรรม” แบบที่มนุษย์รับรู้ได้โดยสัญชาตญาณ
Common Crawl ซึ่งถูกใช้ฝึก LLM จำนวนมาก มีข้อมูลภาษาอังกฤษราว 46% และไม่ว่าภาษาใดก็ตาม สัดส่วนเนื้อหาที่ใช้ได้จำนวนมากกว่านั้นก็ยังมีอคติทางวัฒนธรรมแบบตะวันตกอย่างชัดเจน (เอนเอียงไปทางสหรัฐฯ มาก)
ในช่วงไม่กี่เดือนที่ผ่านมา เริ่มมีโมเดลที่เรียนรู้จากภาษานอกโลกตะวันตกปรากฏขึ้น เช่น Jais ที่ฝึกด้วยข้อมูลภาษาอาหรับและอังกฤษ, Yi-34B ซึ่งเป็นโมเดลสองภาษา จีน/อังกฤษ, และ Japanese-large-lm ที่ฝึกด้วย Japanese web corpus ขนาดใหญ่
นี่เป็นสัญญาณว่า ด้วยโมเดลนอกโลกตะวันตกที่แม่นยำทางวัฒนธรรม ผู้คนนับร้อยล้านจะสามารถใช้ generative AI ซึ่งอาจส่งผลต่อสาขาต่าง ๆ อย่างกว้างขวาง ตั้งแต่การศึกษาไปจนถึงการแพทย์
ต้องจำไว้ว่า ภาษาและวัฒนธรรมไม่ใช่สิ่งเดียวกัน
การแปลได้อย่างสมบูรณ์แบบ ไม่ได้หมายความว่าจะมีความตระหนักรู้ทางวัฒนธรรมที่ยอดเยี่ยม
เนื่องจากโมเดลเหล่านี้มีประวัติศาสตร์และประสบการณ์จำนวนนับไม่ถ้วนฝังอยู่ภายใน LLM จึงจะเริ่มพัฒนามุมมองที่กว้างขึ้นและเป็นสากลมากขึ้น
เช่นเดียวกับที่มนุษย์เรียนรู้ผ่านการสนทนา การถกเถียง และการแลกเปลี่ยนความคิด LLM ก็ต้องการโอกาสลักษณะเดียวกันเพื่อขยายมุมมองและเข้าใจวัฒนธรรม
ในการแลกเปลี่ยนทางวัฒนธรรมนี้ จะมีงานวิจัย 2 ด้านที่มีบทบาทสำคัญ
- ด้านแรกคือการเรียนรู้แบบเสริมกำลังด้วย feedback จาก AI (RLAIF) ซึ่งเป็นสถานการณ์ที่โมเดลหนึ่งนำ feedback ของอีกโมเดลมาผสานเข้าด้วยกัน ในกรณีนี้ โมเดลที่แตกต่างกันสามารถโต้ตอบกันและอัปเดตความเข้าใจเกี่ยวกับแนวคิดทางวัฒนธรรมที่หลากหลายบนพื้นฐานของปฏิสัมพันธ์เหล่านั้นได้
- ด้านที่สองคือความร่วมมือผ่านการถกเถียงแบบ multi-agent โดยที่หลายอินสแตนซ์ของโมเดลเดียวกันจะสร้างคำตอบ ถกเถียงถึงความสมเหตุสมผลของแต่ละคำตอบและเหตุผลเบื้องหลัง และท้ายที่สุดก็ไปสู่คำตอบที่เห็นพ้องร่วมกันผ่านกระบวนการอภิปรายนี้
- งานวิจัยทั้งสองด้านนี้ช่วยลดต้นทุนแรงงานมนุษย์ในการฝึกและ fine-tune โมเดล
เมื่อ LLM แลกเปลี่ยนและเรียนรู้ซึ่งกันและกัน พวกมันจะสามารถเข้าใจปัญหาสังคมที่ซับซ้อนได้อย่างละเอียดอ่อนยิ่งขึ้นบนพื้นฐานของมุมมองทางวัฒนธรรมที่หลากหลาย
ความก้าวหน้าเหล่านี้ยังจะช่วยรับประกันว่าโมเดลจะตอบสนองต่อหัวข้อที่กว้างขวาง เช่น ด้านเทคโนโลยี ได้อย่างแข็งแกร่งและแม่นยำทางเทคนิคมากขึ้น
ผลกระทบของมันจะลึกซึ้งในระดับภูมิภาค ชุมชน และข้ามรุ่น

[FemTech ทะยานขึ้นอย่างแท้จริงในที่สุด] - FemTech finally takes off

"เมื่อการลงทุนใน femtech พุ่งสูงขึ้น บริการสุขภาพกลายเป็นแบบไฮบริด และข้อมูลที่อุดมสมบูรณ์ช่วยปรับปรุงการวินิจฉัยและผลลัพธ์การรักษาผู้ป่วย การดูแลสุขภาพผู้หญิงก็มาถึงจุดเปลี่ยนแล้ว การเติบโตของ femtech จะไม่ได้ให้ประโยชน์แค่กับผู้หญิงเท่านั้น แต่จะช่วยเติมพลังให้ทั้งระบบสาธารณสุข"

การดูแลสุขภาพผู้หญิงไม่ใช่ตลาดเฉพาะกลุ่ม แต่กลับถูกมองข้าม

การดูแลสุขภาพผู้หญิงไม่ใช่ตลาดเฉพาะกลุ่ม เฉพาะในสหรัฐฯ ผู้หญิงใช้จ่ายด้านบริการสุขภาพมากกว่า 5 แสนล้านดอลลาร์ต่อปี
ผู้หญิงคิดเป็น 50% ของประชากรทั้งหมด และมีอิทธิพลต่อการตัดสินใจด้านสุขภาพของผู้บริโภคถึง 80% แต่รากฐานของการแพทย์สมัยใหม่กลับตั้งอยู่บนผู้ชายเป็นหลัก
กว่าที่กฎหมาย National Institutes of Health Revitalization Act ของสหรัฐฯ จะประกาศใช้ในปี 1993 ผู้หญิงในสหรัฐฯ จึงเริ่มเข้าร่วมการวิจัยทางคลินิก
ความต้องการทั่วไปอย่างการจัดการประจำเดือนหรือการดูแลวัยหมดประจำเดือน เคยถูกมองเป็นเรื่องต้องห้ามในเชิงประวัติศาสตร์ และเพราะผู้หญิงถูกกีดกันออกจากการทดลองทางคลินิกและงานวิจัย ผลลัพธ์จึงมักแย่กว่าผู้ชาย
โดยเฉลี่ยแล้ว ผู้หญิงได้รับการวินิจฉัยโรคหลายชนิดช้ากว่าผู้ชาย และมีโอกาสถูกวินิจฉัยผิดหลังหัวใจวายสูงกว่าถึง 50%
ตัวอย่างที่สะท้อนความไม่เท่าเทียมได้ชัดที่สุดคือยาตามใบสั่งแพทย์ โดยผู้หญิงรายงานผลข้างเคียงในอัตราที่สูงกว่าผู้ชายมาก
แม้สถิติเหล่านี้จะน่ากังวลเมื่อมองผิวเผิน แต่แรงหนุนจากเทคโนโลยีคลาวด์และการเข้าถึงข้อมูลที่ดีขึ้น กำลังทำให้การลงทุนในบริการสุขภาพผู้หญิง หรือที่เรียกว่า femtech เพิ่มขึ้น
AWS ทำงานอย่างใกล้ชิดกับสตาร์ตอัปที่นำโดยผู้หญิง และได้เห็นการเติบโตของ femtech โดยตรง เพียงปีที่แล้ว เงินทุนเพิ่มขึ้นถึง 197%
เมื่อการเข้าถึงเงินทุน เทคโนโลยีอย่าง machine learning และอุปกรณ์เชื่อมต่อที่ออกแบบมาเพื่อผู้หญิงโดยเฉพาะง่ายขึ้น เราก็กำลังอยู่ที่จุดเปลี่ยนของการเปลี่ยนแปลงครั้งไม่เคยมีมาก่อน ทั้งในแง่การรับรู้เรื่องการดูแลผู้หญิงและวิธีการดูแลจริง

บริษัท femtech ที่ติดอาวุธด้วยเทคโนโลยีกำลังเกิดขึ้น

บริษัทอย่าง Tia, Elvie และ Embr Labs กำลังแสดงให้เห็นถึงศักยภาพอย่างมหาศาลในการใช้ข้อมูลและ predictive analytics เพื่อมอบการรักษาแบบเฉพาะบุคคล และพบผู้ป่วยในที่ที่พวกเขาสะดวก ไม่ว่าจะที่บ้านหรือระหว่างเดินทาง
เมื่อภาพลบที่มีต่อปัญหาสุขภาพผู้หญิงลดลง และเงินทุนไหลเข้าสู่ภาคส่วนนี้มากขึ้น เราจะได้เห็นบริษัท femtech เดินหน้าจัดการกับปัญหาและความต้องการด้านสุขภาพผู้หญิงที่เคยถูกมองข้ามต่อไป
ขณะเดียวกัน การเข้าถึงบริการสุขภาพของผู้หญิงจะดีขึ้นอย่างมาก ด้วยโมเดลการรักษาแบบไฮบริดที่อาศัยแพลตฟอร์มสุขภาพออนไลน์ อุปกรณ์วินิจฉัยต้นทุนต่ำที่พร้อมใช้งาน และการเข้าถึงผู้เชี่ยวชาญทางการแพทย์แบบ on-demand
Maven ได้พิสูจน์ตัวเองว่าเป็นผู้นำในด้านนี้ ด้วยการลบเส้นแบ่งระหว่างสุขภาพจิตกับสุขภาพกาย และให้บริการตั้งแต่การให้คำปรึกษาความสัมพันธ์ไปจนถึงการดูแลวัยหมดประจำเดือน
ผ่านระบบ smart tampon ที่ NextGen Jane กำลังพัฒนา ผู้หญิงจะสามารถสร้างโปรไฟล์สุขภาพมดลูกของตนเอง ระบุ genomic markers ที่อาจเกี่ยวข้องกับโรค และแชร์ข้อมูลนี้กับแพทย์ได้อย่างราบรื่น
นอกจากนี้ wearables ยังจะมอบข้อมูลสุขภาพตามระยะยาวที่อุดมสมบูรณ์ให้ทั้งผู้ใช้และแพทย์นำไปวิเคราะห์ได้
ในปัจจุบันที่ผู้หญิงมากกว่า 70% ยังปล่อยให้อาการวัยหมดประจำเดือนไม่ได้รับการรักษา การยกระดับความรู้ การมีข้อมูลพร้อมใช้ และโซลูชันที่ไม่รุกล้ำร่างกาย สามารถยกระดับผลลัพธ์ของการดูแลสูตินรีเวชได้อย่างก้าวกระโดด และความหมายของมันก็ไปไกลกว่าสูตินรีเวชเพียงอย่างเดียว

จุดเปลี่ยนของการดูแลสุขภาพผู้หญิง

เรากำลังยืนอยู่ที่จุดเปลี่ยนของการดูแลสุขภาพผู้หญิง
การเข้าถึงข้อมูลที่หลากหลาย เมื่อผสานกับเทคโนโลยีคลาวด์อย่าง computer vision และ deep learning จะช่วยลดการวินิจฉัยผิดพลาด และลดผลข้างเคียงจากยาที่ทุกวันนี้ส่งผลกระทบต่อผู้หญิงอย่างไม่สมส่วน
ภาวะเยื่อบุโพรงมดลูกเจริญผิดที่และภาวะซึมเศร้าหลังคลอด จะได้รับความสนใจที่สมควรได้รับ
ในที่สุด เราจะได้เห็นการรักษาสำหรับผู้หญิงย้ายจากชายขอบเข้าสู่แนวหน้า
และเพราะทีมที่นำโดยผู้หญิงได้เปรียบกว่าทีมที่ประกอบด้วยผู้ชายล้วนในการแก้ปัญหาสุขภาพที่หลากหลายกว่า femtech จึงไม่เพียงเป็นประโยชน์ต่อผู้ที่ระบุตนเองว่าเป็นผู้หญิงเท่านั้น แต่ยังจะยกระดับทั้งระบบสาธารณสุขด้วย

[AI assistants กำหนดนิยามใหม่ของผลิตภาพนักพัฒนา] - AI assistants redefine developer productivity

"AI assistants จะวิวัฒน์จากเครื่องมือสร้างโค้ดพื้นฐาน ไปเป็นทั้งครูและผู้ร่วมงานที่ไม่รู้จักเหน็ดเหนื่อย ซึ่งให้การสนับสนุนตลอดวงจรชีวิตการพัฒนาซอฟต์แวร์ สามารถอธิบายระบบซับซ้อนด้วยภาษาง่าย ๆ เสนอแนวทางปรับปรุงตามเป้าหมาย และรับภาระงานซ้ำ ๆ ไปทำแทน เพื่อให้นักพัฒนามุ่งเน้นไปที่ส่วนของงานที่สร้างผลกระทบได้มากที่สุด"
ผมเคยคาดการณ์ไว้ในปี 2021 ว่า generative AI จะเริ่มมีบทบาทสำคัญต่อวิธีการเขียนซอฟต์แวร์ โดยจะช่วยเสริมทักษะนักพัฒนาให้เขียนโค้ดที่ปลอดภัยและเชื่อถือได้มากขึ้น

ผู้ช่วย AI คือทั้งเพื่อนร่วมงานและครู

ตอนนี้ปรากฏการณ์นี้กำลังเกิดขึ้นอย่างเต็มตัวแล้ว เมื่อมีการเข้าถึงเครื่องมือและระบบอย่างกว้างขวางที่สามารถสร้างทั้งฟังก์ชัน คลาส และการทดสอบครบชุดจาก natural language prompts
จริง ๆ แล้ว ในแบบสำรวจนักพัฒนาของ Stack Overflow ปี 2023 ผู้ตอบ 70% ระบุว่ากำลังใช้งานหรือมีแผนจะใช้เครื่องมือช่วยเหลือด้วย AI ในกระบวนการพัฒนาแล้ว
ผู้ช่วย AI รุ่นที่จะเปิดตัวต่อจากนี้ จะไม่เพียงเข้าใจและเขียนโค้ดได้ แต่ยังจะเป็นทั้งผู้ร่วมงานและครูที่ไม่รู้จักเหนื่อย
ไม่มีงานใดทำให้พลังของพวกมันหมดลงได้ และไม่ว่าคุณจะถามกี่ครั้ง มันก็จะไม่หงุดหงิดกับการอธิบายแนวคิดหรือทำงานเดิมซ้ำอีกครั้ง
ด้วยเวลาและความอดทนไม่จำกัด พวกมันจะสนับสนุนสมาชิกทุกคนในทีมและมีส่วนร่วมได้กับทุกอย่าง ตั้งแต่ code review ไปจนถึง product strategy

เส้นแบ่งเริ่มเลือนราง

เส้นแบ่งระหว่าง product manager, วิศวกร frontend และ backend, DBA, นักออกแบบ UI/UX, วิศวกร DevOps และสถาปนิกระบบ จะเลือนรางลง
AI assistants จะมอบข้อเสนอแนะที่เสริมพลังความคิดสร้างสรรค์ของมนุษย์ โดยอาศัยความเข้าใจบริบทของทั้งระบบ ไม่ใช่แค่โมดูลแยกเดี่ยว เช่น แปลงภาพสเก็ตช์บนกระดาษให้เป็น scaffolding code, สร้าง template จากเอกสาร requirement หรือแนะนำโครงสร้างพื้นฐานที่เหมาะกับงานที่สุด (เช่น serverless กับ containers)

ปรับแต่งได้

ผู้ช่วยเหล่านี้สามารถปรับแต่งได้อย่างมาก ทั้งในระดับบุคคล ทีม หรือทั้งบริษัท
นักพัฒนารุ่น junior สามารถใช้เพื่อเรียนรู้โครงสร้างพื้นฐานที่ไม่คุ้นเคยได้อย่างรวดเร็ว ขณะที่วิศวกรอาวุโสสามารถใช้เพื่อทำความเข้าใจโปรเจกต์ใหม่หรือ codebase ใหม่อย่างรวดเร็ว และเริ่มมีส่วนร่วมอย่างมีความหมายได้ทันที
ก่อนหน้านี้ การทำความเข้าใจผลกระทบปลายน้ำของการเปลี่ยนโค้ดหนึ่งครั้งอาจกินเวลาหลายสัปดาห์ แต่ผู้ช่วยสามารถประเมินการแก้ไขได้ทันที สรุปผลกระทบที่มีต่อส่วนอื่นของระบบ และเสนอการเปลี่ยนแปลงเพิ่มเติมตามความจำเป็น

เริ่มช่วยแบ่งเบางานนักพัฒนาแล้ว

เรากำลังเห็นอยู่แล้วว่าส่วนที่น่าเบื่อที่สุดของการพัฒนาซอฟต์แวร์สมัยใหม่ เช่น unit test, การเขียน boilerplate code และการ debug errors กำลังหลุดออกจากมือของนักพัฒนา
งานเหล่านี้มักถูกมองว่าเป็นงาน “ประกอบ” และมักถูกผลักไปไว้ด้านหลัง แต่ตอนนี้ผู้ช่วยสามารถรับไปจัดการได้
แน่นอนว่า นักพัฒนายังต้องวางแผนและประเมินผลลัพธ์อยู่ดี
แต่เครื่องมือช่วยเหล่านี้จะทำให้พวกเขา ทำงานได้มากกว่าที่เคย ด้วยการช่วยเลือกอัลกอริทึมที่เหมาะกับ distributed systems ผ่านงานวิจัยวิชาการ ตัดสินใจว่าจะเปลี่ยนจากแนวทาง primary-backup ไปสู่การใช้งานแบบ active-active อย่างไรให้ดีที่สุด และทำความเข้าใจว่าทรัพยากรต่าง ๆ ส่งผลต่อประสิทธิภาพอย่างไรเป็นรายตัว พร้อมช่วยพัฒนาโมเดลราคา
นักพัฒนาจะลดภาระจากงานหนักที่ไม่สร้างความแตกต่าง เช่น การอัปเกรดเวอร์ชัน Java และ โฟกัสกับงานสร้างสรรค์ที่ขับเคลื่อนนวัตกรรมได้
ในอีกไม่กี่ปีข้างหน้า ทีมวิศวกรรมจะ
- เพิ่มผลิตภาพ
- พัฒนาระบบที่มีคุณภาพสูงขึ้น
- เห็น AI assistants เปลี่ยนจากของใหม่กลายเป็นสิ่งจำเป็น ทั่วทั้งอุตสาหกรรมซอฟต์แวร์
- และ ย่นระยะรอบการปล่อยซอฟต์แวร์

[การศึกษาพัฒนาให้ทันความเร็วของนวัตกรรมเทคโนโลยี] - Education evolves to match the speed of tech innovation

"การศึกษาระดับอุดมศึกษาเพียงอย่างเดียวไม่สามารถตามทันความเร็วของการเปลี่ยนแปลงทางเทคโนโลยีได้ โปรแกรมการศึกษาด้านเทคนิคที่ขับเคลื่อนโดยอุตสาหกรรมจะเกิดขึ้น และจะมีลักษณะใกล้เคียงกับเส้นทางของช่างเทคนิคผู้ชำนาญมากขึ้น การเปลี่ยนผ่านไปสู่การเรียนรู้อย่างต่อเนื่องนี้จะเป็นประโยชน์ทั้งต่อบุคคลและองค์กร"
โดยเฉพาะในสายเทคโนโลยี มีความเชื่อแพร่หลายว่าปริญญามหาวิทยาลัยเป็นสิ่งจำเป็นทั้งต่อการคัดเลือกคนเก่งที่สุดและการได้งานในสถานที่ทำงานชั้นนำ แต่ทั้งในระดับบุคคลและธุรกิจ โมเดลนี้กำลังเริ่มพังทลาย
สำหรับนักเรียน ค่าใช้จ่ายกำลังสูงขึ้น และเมื่อการฝึกเชิงปฏิบัติทำได้จริง ผู้คนจำนวนมากจึงเริ่มตั้งคำถามกับคุณค่าของปริญญามหาวิทยาลัยแบบดั้งเดิม
ในมุมของธุรกิจ พนักงานใหม่ก็ยังต้องได้รับการฝึกงานจริงอยู่ดี และเมื่ออุตสาหกรรมจำนวนมากขึ้นต้องการความเชี่ยวชาญจากพนักงาน ช่องว่างระหว่างสิ่งที่โรงเรียนสอนกับสิ่งที่นายจ้างต้องการก็ยิ่งกว้างขึ้นเรื่อย ๆ
เช่นเดียวกับหลักสูตรพัฒนาซอฟต์แวร์เมื่อหลายสิบปีก่อน การศึกษาด้านเทคนิคก็มาถึงช่วงเวลาสำคัญเช่นกัน สิ่งที่ครั้งหนึ่งเคยเป็นการฝึกหน้างานแบบเฉพาะบุคคลสำหรับคนส่วนน้อย จะพัฒนาไปเป็นการศึกษาด้านเทคนิคที่ขับเคลื่อนโดยอุตสาหกรรมสำหรับคนส่วนใหญ่

การเปลี่ยนแปลงนี้ดำเนินมาแล้วหลายปี

บริษัทอย่าง Coursera ซึ่งเดิมมุ่งเน้นผู้บริโภค ได้ขยายความพยายามด้านการยกระดับทักษะและ reskilling ผ่านความร่วมมือกับองค์กรธุรกิจ
ตอนนี้บริษัทต่าง ๆ เองก็เริ่มลงทุนอย่างจริงจังและในวงกว้างกับการศึกษาด้านเทคนิคแล้ว โดย Amazon ประกาศไปแล้วว่าได้จัดการศึกษาด้านเทคนิคให้ผู้เรียนด้านเทคโนโลยีทั่วโลกถึง 21 ล้านคน

แนวคิดนี้มีอยู่มาตั้งแต่แรก

สำหรับช่างฝีมืออย่างช่างไฟฟ้า ช่างเชื่อม และช่างไม้ ทักษะส่วนใหญ่ไม่ได้ถูกเรียนรู้ในห้องเรียน
พวกเขาเติบโตจากผู้ฝึกหัดไปเป็นช่างฝึกงาน จากช่างฝึกงานไปเป็นช่างผู้ชำนาญ และอาจไปถึงระดับช่างเอก
การเรียนรู้ในที่ทำงานเกิดขึ้นอย่างต่อเนื่อง และมีเส้นทางพัฒนาทักษะที่กำหนดไว้อย่างชัดเจน
การศึกษาตลอดชีวิตในรูปแบบนี้ ที่ขับเคลื่อนด้วยการเรียนรู้และความอยากรู้อยากเห็น เป็นสัญญาณที่ดีทั้งต่อบุคคลและองค์กร

ไม่ได้แปลว่าปริญญาแบบเดิมจะหายไป

นี่ไม่ใช่สถานการณ์แบบ “ต้องเลือกอย่างใดอย่างหนึ่ง” แต่เป็นเรื่องของทางเลือก
ในสายเทคโนโลยีจะยังมีบางด้านที่การเรียนรู้เชิงวิชาการแบบนี้ยังสำคัญ
แต่ก็จะมีอีกหลายอุตสาหกรรมที่อิทธิพลของเทคโนโลยีแซงหน้าระบบการศึกษาแบบดั้งเดิม
ยุคใหม่ของโอกาสทางการศึกษาที่ขับเคลื่อนโดยอุตสาหกรรมกำลังจะมาถึง เพื่อตอบสนองความต้องการของธุรกิจอย่างที่ไม่อาจมองข้ามได้

6 ความคิดเห็น

duswns12893 2023-12-26

"และเนื่องจากทีมที่ผู้หญิงเป็นผู้นำมีข้อได้เปรียบมากกว่าในการแก้ปัญหาสุขภาพที่หลากหลายเมื่อเทียบกับทีมที่ประกอบด้วยผู้ชายล้วน~" => ก็สงสัยเหมือนกันว่าทำไมถึงต้องพูดเรื่องนี้ขึ้นมาด้วย

sunrabbit 2024-01-09

และเนื่องจากทีมที่มีผู้หญิงเป็นผู้นำมีแนวโน้มมากกว่าทีมที่ประกอบด้วยผู้ชายล้วน

นี่คือต้นฉบับ

นี่คือลิงก์ที่แนบไว้
https://www.science.org/doi/10.1126/science.aba6990

bgb10 2023-12-10

จริง ๆ แล้วตอนนี้มีภาควิชาที่เชื่อมโยงกับภาคธุรกิจและมหาวิทยาลัยเกิดขึ้นมากขึ้นเรื่อย ๆ ครับ/ค่ะ ดูเหมือนว่าการศึกษาจำเป็นต้องปรับเปลี่ยนอย่างรวดเร็วให้สอดรับกับนวัตกรรมทางเทคโนโลยี

inthelife 2023-12-07

ถ้าเทียบกัน 3 ปีก็น่าจะพอมองเห็นจุดเชื่อมโยงได้ไหมครับ ฮ่าๆ

2023-12-06

[ความคิดเห็นนี้ถูกซ่อน]

xguru 2023-12-06

การคาดการณ์เทคโนโลยีของ CTO แห่ง Amazon หลังปี 2023
การคาดการณ์เทคโนโลยีของ CTO แห่ง Amazon หลังปี 2022