การผงาดขึ้นของ Whatever

• จุดร่วมที่ทะลุผ่านเว็บส่วนตัว คริปโต แพลตฟอร์มโฆษณา และ generative AI คือ วัฒนธรรม Whatever ที่ชูกราฟราคา ยอดแสดงโฆษณา และผลลัพธ์ที่ดูน่าเชื่อถือ มากกว่าคุณค่าที่แท้จริง
• Bitcoin เคยถูกคาดหวังว่าเป็นวิธีส่งเงินโดยไม่ต้องมีคนกลาง แต่แทนที่จะกลายเป็นการชำระเงินในชีวิตประจำวัน กลับขยายตัวไปเป็น ระบบนิเวศการเก็งกำไร และเหรียญที่ก็อปปี้ได้รวมถึง NFT
• เว็บเคลื่อนจากความหลากหลายของเว็บไซต์ส่วนตัวไปสู่โครงสร้างที่มีแพลตฟอร์มยักษ์เป็นศูนย์กลาง และโมเดลรายได้จากโฆษณาก็ผลักดัน การเพิ่ม engagement ให้สูงสุด, clickbait, filler สำหรับ SEO และอัลกอริทึมแนะนำ
• LLM ถูกวิจารณ์ว่าไม่ใช่คอมพิวเตอร์แบบใน Star Trek แต่เป็น เครื่องจักร Whatever ที่สร้าง “ข้อความที่ดูน่าเชื่อ” และ AI summary ในระบบค้นหา วิดีโอ และแอปพยากรณ์อากาศก็กลายเป็น noise ที่เบียดข้อมูลจริงออกไป
• เมื่อการกดปุ่มครั้งเดียวเพื่อรับผลลัพธ์กลายเป็น baseline ในการเขียนโปรแกรม ดนตรี ภาพ และงานเขียน คุณค่าของการเรียนรู้และการลงมือทำเองก็ถูกลดทอนลง จึงเหลือข้อความสุดท้ายว่า Do things. Make things.

---

ข้อจำกัดของ PayPal และความคาดหวังที่เคยฝากไว้กับ Bitcoin

• ในสหรัฐฯ ช่วงทศวรรษ 2000 ทางเลือกที่ใช้งานได้จริงสำหรับการส่งเงินให้คนแปลกหน้าผ่านอินเทอร์เน็ต แทบมีแค่ PayPal เท่านั้น
  • PayPal ไม่ใช่ธนาคารแต่เก็บเงินไว้ได้ และถ้ามองว่าคุณทำผิดกฎ ก็สามารถล็อกบัญชีและอายัดเงินไว้ได้นาน 6 เดือน
  • สำหรับงานคอมมิชชันของนักเขียนหรือผู้ขายรายย่อย PayPal เป็นคนกลางแทบจะรายเดียว และยังอยู่ในตำแหน่งที่กำหนดได้ด้วยว่าคุณจะขายอะไรได้บ้าง
• ราวปี 2010 Bitcoin ดูเหมือนเป็นวิธีใหม่ในการส่งเงินโดยไม่ต้องพึ่งคนกลาง
  • มีการคาดหวังถึงความเป็นไปได้อย่างกระปุกทิปบนเว็บไซต์ หรือทิปเล็กน้อยในเบราว์เซอร์
  • เคยลองรัน miner อยู่ประมาณหนึ่งวันแต่ก็ขุดเหรียญไม่ได้ และตอนนั้นก็ไม่มีอะไรให้ทำต่อกับ Bitcoin เลยลืมมันไป

คริปโตที่กลายเป็นกราฟ ไม่ใช่สกุลเงิน

• แม้ Bitcoin จะเป็นที่รู้จักในวงกว้างแล้ว ความคาดหวังเรื่อง “ส่งเงินให้ใครก็ได้อย่างง่ายดาย” ก็ไม่เคยเกิดขึ้นจริง
  • ตัวอย่างล่าสุดที่ได้ยินว่าซื้อของจริงด้วย Bitcoin ได้ มีประมาณ gray market estradiol
  • วิธีสมัยใหม่ในการส่งเงินให้คนแปลกหน้ายังเป็น PayPal อยู่ และแม้จะมี Stripe เพิ่มเข้ามา แต่ Stripe ก็ยังมีข้อจำกัดเหมือนกัน
  • Patreon, Itch และ Ko-fi ต่างก็พึ่งพา Stripe กับ PayPal
• คริปโตเสื่อมสภาพจากสกุลเงินไปเป็น ระบบนิเวศรวยเร็ว
  • ผู้เข้าร่วมจำนวนมากไม่ได้สนใจสิ่งนั้นเอง แต่สนใจว่า “ถ้ากราฟขึ้นก็จะรวย”
  • เหรียญ, NFT และ Whatever อื่น ๆ ต่างแชร์กราฟเดียวกันที่มีแกนเวลาและแกนดอลลาร์ ส่วนตัวสิ่งจริง ๆ เหลืออยู่แค่ในชื่อเรื่อง
• เพราะ Bitcoin เป็นโอเพนซอร์ส ใครก็อปปี้ไปทำเหรียญของตัวเองได้ และ NFT ก็สร้างตระกูล Whatever ที่เรียกว่า “ของสะสม” ได้
  • สิ่งสำคัญไม่ใช่ว่าศิลปะ เทคโนโลยี และโทเค็นเชื่อมโยงกันอย่างไร แต่คือจะโน้มน้าวให้คนอื่นซื้อได้หรือไม่
  • มองว่าโครงสร้างแบบนี้ทำให้เกิดบรรยากาศบน Twitter ที่มิจฉาชีพจำนวนมากพากันขาย Whatever ที่หน้าตาคล้าย ๆ กัน

เว็บที่แข็งตัวจากเว็บส่วนตัวสู่แพลตฟอร์มโฆษณา

• เว็บเคยเป็นพื้นที่คล้ายกระดานประกาศขนาดใหญ่ที่ใครก็ลงอะไรได้ และในอดีต ISP ยังให้พื้นที่ทำเว็บไซต์ส่วนตัวด้วย
  • ทุกวันนี้ก็ยังโฮสต์เว็บไซต์เล็ก ๆ ได้บนที่อย่าง GitHub
  • เว็บยุคก่อนมีความหลากหลาย ทั้งเว็บเล็ก ๆ ที่คนทำเอง ดีไซน์ที่มีสีสัน และภาพพื้นหลังโปรไฟล์แบบ Twitter
• เมื่อมีเว็บไซต์ส่วนตัวมาก การติดตามอัปเดตก็ยาก การส่งคำตอบกลับก็ยาก และการทำเว็บเองก็ต้องเรียนรู้
  • เว็บจึงจับตัวกันรอบ แพลตฟอร์มยักษ์ อย่าง Reddit หรือ Twitter
  • แพลตฟอร์มยักษ์ให้การโต้ตอบในระดับหลายร้อยล้านคน จึงมีต้นทุนโฮสต์สูง
• โฆษณาเป็นวิธีดั้งเดิมในการจ่ายค่าใช้จ่ายของเว็บไซต์ และแพลตฟอร์มก็เริ่มให้ engagement มาก่อนสิ่งอื่นใดเพื่อเพิ่มการแสดงโฆษณา
  • ผู้ใช้จะไม่มีความสุขก็ได้ ขอแค่อยู่ต่อ และโฆษณาจะน่ารำคาญก็ได้ ขอแค่ถูกมองเห็น
  • โมเดลนี้ถูกวิจารณ์ว่าแพร่ไปถึงซอฟต์แวร์โทรศัพท์ วิดีโอ และแม้แต่ Windows

“Content” และ Whatever รอบ ๆ โฆษณา

• ผู้เขียนแสดงการต่อต้านอย่างแรงต่อการเรียกงานสร้างสรรค์ว่า “content”
  • “content” ใช้เรียกเนื้อหาของหน้าที่ตอนออกแบบเลย์เอาต์ยังไม่รู้ว่าจะใส่อะไร หรือใช้เรียกของจุกจิกในท้ายรถ
  • สำหรับนักการตลาด content คือสิ่งที่วางไว้รอบ ๆ โฆษณา
• โมเดลที่มีโฆษณาเป็นศูนย์กลางได้สร้าง clickbait, thumbnail โอเวอร์, ลูกศรสีแดง, วิดีโอ essay ที่อ่าน Wikipedia ให้ฟัง, อัลกอริทึมแนะนำ, บล็อกสูตรอาหารที่ยืดยาว และบทความไกด์เกมสำหรับ SEO
  • มีตัวอย่างเว็บไซต์เกมที่ยืดเนื้อหาอย่างมากเพื่อแทรกย่อหน้าคั่นโฆษณา ทั้งที่ข้อมูลจริงมีแค่ว่า “กุญแจสีน้ำเงินอยู่ใต้ก้อนหินริมแม่น้ำ”
  • สตรีมไม่สิ้นสุดแบบ TikTok ก็ถูกนับอยู่ในกระแสเดียวกัน
• ในอดีตมีวิธีรวยเร็วแบบเอาธีม WordPress ทั่วไปมาติด Google Ads แล้วเขียนบทความจืดชืดในหัวข้อคลุมเครือเพื่อกินทราฟฟิกจากการค้นหาและยอดดูโฆษณา
  • ตอนนี้แม้แต่ generic filler แบบนี้ คอมพิวเตอร์ก็เขียนแทนได้แล้ว

คำวิจารณ์หลักต่อ LLM: noise ที่ดูน่าเชื่อ

• ถ้าในปี 2025 เราได้ของแบบคอมพิวเตอร์ใน Star Trek ก็คงน่ายินดี แต่สิ่งที่ได้จริงถูกประเมินว่าใกล้กับ sparkling autocomplete มากกว่า chatbot อัจฉริยะ
  • LLM ถูกวิจารณ์ว่าโดยพื้นฐานแล้วทำสิ่งที่นักลงทุนและผู้สนับสนุนสายฮาร์ดคอร์พูดอ้างไม่ได้ และเป็นแค่การต่อข้อความที่ดูน่าจะใช่ในเชิงสถิติ
  • ทุกครั้งที่มีพัฒนาการใหม่ ก็มักมีการโฆษณาว่าระดับ Ph.D แต่ผลลัพธ์ก็ยังดูเป็น banal sludge อยู่ดี
• ผลลัพธ์จาก LLM ที่ถูกใส่เข้ามาในผลิตภัณฑ์ของ Google ถูกยกเป็นตัวอย่างว่าทำให้ประสบการณ์แย่ลง
  • AI summary ของ Google Search กินพื้นที่หน้าจอเดสก์ท็อปไปหนึ่งในสาม และมักแค่ทวนไฮไลต์ของผลค้นหาอันดับบน ๆ หรือไม่ก็ให้ข้อมูลผิด
  • AI summary ของ YouTube ก็แค่เอาชื่อวิดีโอมาพูดซ้ำด้วยคำมากขึ้น
  • AI summary ในแอปสภาพอากาศของ Pixel แสดงข้อความอย่าง “สัปดาห์นี้จะร้อนขึ้น” แล้วดันกราฟอุณหภูมิลงไปด้านล่างของหน้าจอ
• บน Pixel phone รุ่นล่าสุด มีการบอกว่าสามารถปิดผลลัพธ์แบบนี้ได้โดยไปที่ System > Apps > Show all apps > เมนูจุดสามจุด “Show system” > “AICore” แล้วปิดการใช้งาน
  • ยังเสริมด้วยว่าใน Android 16 ดูเหมือนองค์ประกอบที่เกี่ยวข้องจะถูกรวมเข้าด้วยกันแล้ว
  • หลังจากนั้นก็ไม่เห็นอะไรที่ดูเหมือนผลลัพธ์จาก LLM อีกเลย

กรณี Ren’Py: LLM สร้าง API ที่ไม่มีอยู่จริง

• เมื่อถาม LLM เกี่ยวกับปัญหาใน Ren’Py โมเดลตอบอย่างมั่นใจด้วย formatting tag ที่เกี่ยวข้อง แต่ tag เหล่านั้น ไม่เคยมีอยู่จริงเลย
  • พอใส่บริบทเพิ่มเข้าไป มันก็ขอโทษแล้วสร้างชุด tag ปลอมอีกชุดขึ้นมา
  • เพราะไม่มีวิธีในตัวและไม่มีกรณีก่อนหน้า จึงตีความได้ว่าโมเดลไม่ได้มีหลักฐานรองรับ แต่สร้างสิ่งที่ดูน่าจะใช่ขึ้นมา
• ความล้มเหลวนี้แย่กว่าการตอบไม่ได้เสียอีก
  • เสียเวลาไปกับการตรวจว่าอาจพลาด API ปลอมพวกนั้นหรือไม่
  • คนอาจบอกว่าไม่รู้ หรือเสนอวิธีอ้อมที่ซับซ้อนได้ แต่ LLM กลับสร้างคำตอบประเภท API ที่น่าจะมีอยู่ขึ้นมา
• ปัญหาจริงคือการใส่เว้นวรรคสองช่องระหว่างประโยค แล้วให้ Ren’Py เรนเดอร์มันออกมา
  • Ren’Py จะพับช่องว่างให้เหลือหนึ่งช่องตอน parse สตริง จึงแก้ด้วย formatting tag ไม่ได้
  • สุดท้ายต้อง monkeypatch parser เพื่อแก้ปัญหา

กรณี Copilot: ข้อบกพร่องในตัวอย่างที่ Microsoft เลือกมา

• ตอนดูเว็บไซต์ Visual Studio Code ในเดือนธันวาคม 2024 พบว่าส่วนใหญ่ของหน้าเว็บถูกใช้ไปกับบริการเติมโค้ดด้วย LLM อย่าง Copilot
  • ตัวอย่างบนหน้าแรกเป็นโค้ดเรียกเว็บเซอร์วิส แต่ไม่ได้เข้ารหัส form data
  • โค้ดยาวเกินจำเป็น และยังมีปัญหาที่ certificate ของเว็บเซอร์วิสหมดอายุไปแล้ว 3 ปี ทำให้ใช้กับเว็บไซต์ HTTPS ไม่ได้
• ไม่ใช่ว่า API รุ่นใหม่ไม่รองรับการเข้ารหัส form data แต่ Copilot แค่ไม่ได้ใช้มัน
  • คำตอบของ Copilot เป็นผลลัพธ์ใช้ครั้งเดียวแบบ disposable จึงไม่มีโครงสร้างให้คนอื่นเข้ามาแก้ว่า “ลืมเข้ารหัส form data”
  • ตัวอย่างนี้ยิ่งเป็นปัญหาเพราะมันคือเดโมด้านหน้าสุดของ code editor ที่ได้รับความนิยมที่สุด, ของ Microsoft, และการผสาน LLM สมัยใหม่

ข้อโต้แย้งต่อการเปรียบ LLM เป็นเครื่องมือเขียนโปรแกรม

• ผู้เขียนไม่เห็นด้วยกับการเปรียบ LLM กับเครื่องมืออย่าง table saw, calculator, screwdriver หรือ digital camera
  • table saw คือเครื่องมือตัดเส้นตรงได้เร็ว และไม่ได้ตัดเป็นเส้นคลื่นหรือสุ่มไปทำอย่างอื่นเป็นบางครั้ง
  • calculator ช่วยคิดเลขแทนได้ แต่ผู้ใช้ต้องรู้ว่าจะกดปุ่มไหน
• กรณียกเว้นของเครื่องมือทั่วไปมักอยู่ที่ขอบ ๆ แต่กรณียกเว้นของ LLM อยู่ ทุกที่ และแม้จะป้อนอินพุตเดิมให้โมเดลเดิม ผลลัพธ์ก็อาจเปลี่ยนไปตามเวลา
  • เครื่องมือสามารถปรับแต่งหรือ customize ได้ แต่ตัวอย่างการ customize LLM ส่วนใหญ่ที่เห็น ดูเป็นเพียงการแปะย่อหน้าประมาณว่า “จงตอบเหมือนกำลังพูดกับลูกค้า” ไว้ข้างหน้า
  • เพราะฉะนั้น LLM จึงไม่ใช่แค่ระบบอัตโนมัติธรรมดา แต่เป็นเครื่องจักรชนิดใหม่ที่พร้อมปล่อย Whatever ออกมาแทบกับทุกอินพุต

คำถามย้อนว่า “ถ้ามันดีขึ้นล่ะ?”

• ก่อนอื่นเลย คำว่า “better” หมายถึงอะไรก็ยังไม่ชัด
  • ตัวหนังสือเล็ก ๆ ในสไลด์พรีเซนต์อาจพูดถึงการนับจำนวนตัวอักษรใน “Mississippi” ได้ถูกต้อง แต่ผลลัพธ์โดยรวมก็ยังเป็น crap อยู่ดี
  • ถ้าเมื่อไม่มีคำตอบ มันยังเอาแต่สร้างเรื่องแต่งที่ดูน่าเชื่อต่อไป ก็ไม่มีประโยชน์
• ความไม่พอใจต่อ LLM และ generative AI ถูกสรุปว่าไม่ใช่เพียงประเด็นใหญ่แบบทรัพย์สินทางปัญญาหรือผลกระทบต่อสิ่งแวดล้อม แต่คือ vibes are bad
  • น้ำเสียงของมันชวนทนไม่ได้ และการใช้คำโกหกเป็น fallback ก็ชวนรังเกียจ
  • โฆษณาชอบโปรโมตว่าคุณจะปล่อยผ่านการ์ดวันเกิดหรืองานอื่น ๆ ได้โดยไม่ต้องใส่ใจเอง
  • ผู้ให้ทุนและผู้ผลักดันถูกวิจารณ์ว่าหลงใหลแนวคิดการแทนที่อินพุตจากมนุษย์ด้วยเครื่องจักรให้มากที่สุด

ปัญหา baseline ที่เห็นชัดในดนตรี ภาพ และการบ้าน

• มีกรณีคนบอกว่าทำอัลบั้มพร้อมอาร์ตเวิร์กอัลบั้มเสร็จใน 3.5 ชั่วโมง ซึ่งนำไปสู่คำถามว่า ถ้าใคร ๆ ก็ทำแบบนั้นได้ แล้วทำไมเราต้องฟังเพลงนั้น
  • แค่ฟังอัลบั้มก็กินเวลาไปมากจาก 3.5 ชั่วโมงนั้นแล้ว จึงยิ่งสงสัยว่ามีงานทำมืออยู่เท่าไร
  • มองว่าสิ่งที่คอมพิวเตอร์ทำเองได้อย่างอิสระ จะกลายเป็น baseline
• ผู้เขียนแสดงความรู้สึกรุนแรงในทางลบต่อความพยายามพัฒนาการสร้างภาพคุณภาพแบบภาพถ่าย
  • ทุกวันนี้ก็มีพื้นที่ “ข่าว” ฝั่งอนุรักษนิยมที่สร้างความจริงคู่ขนานจากการโกหกเพียงอย่างเดียวอยู่แล้ว จึงตั้งคำถามว่าทำไมต้องมีเครื่องสำหรับสร้างภาพและวิดีโอปลอมเพิ่มอีก
  • และยังคัดค้านการใส่ความสามารถแบบนี้เข้าไปในแอปกล้องของโทรศัพท์ด้วย
• กรณีนักเรียนใช้ LLM เพื่อผ่านโรงเรียน นำไปสู่ความกังวลเรื่องความสามารถในการคิดเชิงวิพากษ์
  • การเห็นร่องรอยอย่าง “As a large language model...” หลงเหลืออยู่ในคอมเมนต์หรือการบ้าน ถูกมองว่าแปลว่าเจ้าตัวยังไม่แม้แต่อ่านคำที่ส่งในชื่อตัวเอง

Enough of Whatever

• ผู้เขียนนึกถึงกรณีที่ Facebook เคยเสนอให้รันบัญชีปลอมที่ขับเคลื่อนด้วย LLM บนเว็บไซต์ของตัวเอง
  • โครงสร้างจะเป็นคนปลอมเขียนโพสต์ปลอมเกี่ยวกับ Whatever แล้วผู้ใช้ก็จะได้เห็นโฆษณามากขึ้น
• ยังบอกด้วยว่ารู้สึกอับอายเวลาเห็นเกมใน Switch shop ที่ใช้อาร์ตที่สร้างจาก Midjourney
  • กระแสนี้ถูกอธิบายว่าเหมือนเป็นการเฉลิมฉลอง mediocrity ในวงกว้าง
• ผู้เขียนย้ำถึงความสุขของการเขียนโปรแกรมเอง การเขียนเอง การสร้างอะไรบางอย่างเอง แล้วรู้สึกว่า “ฉันเป็นคนทำสิ่งนี้”
  • ไม่รู้สึกสนุกกับการพิมพ์คำอธิบายคลุมเครือ แล้วกดรีเฟรชจนกว่า Whatever ที่ดูดีพอจะโผล่ออกมา
• มองว่าคำกล่าวอ้างว่า Stable Diffusion “ทำให้ศิลปะเป็นประชาธิปไตย” นั้นไม่จริง
  • ไม่มี King of Art ที่คอยอนุญาตศิลปะ และทุกคนก็วาดได้ตั้งแต่ตอนนี้เลย เพียงแต่การเรียนรู้ต้องใช้ความพยายาม
  • เป็นการวิจารณ์ว่าผู้คนบ่นเรื่องความยากของการฝึกทักษะ เพราะคอมพิวเตอร์ให้คำชมได้โดยไม่ต้องออกแรง
• สิ่งที่ถูกขายคือเครื่องจักรที่สัญญาว่าจะทำทุกอย่างให้ และถ้าจะขายมัน ก็ต้องขายแนวคิดว่า “การลงมือทำอะไรสักอย่างนั้นไม่มีคุณค่า”
  • ถ้าการลงมือทำมีคุณค่า มันก็ย่อมต้องดีกว่าการกดปุ่มแล้วได้ Whatever มาแทบฟรีอยู่แล้ว
  • บทสรุปคือ Do things. Make things. และปิดท้ายด้วยการขอให้นำสิ่งที่ทำขึ้นไปไว้บนเว็บไซต์