ยุคโมเด็มโทรศัพท์ของ AI

 (wreflection.com)
2 คะแนน โดย GN⁺ 2025-11-04 | 1 ความคิดเห็น | แชร์ทาง WhatsApp
  • เช่นเดียวกับอินเทอร์เน็ตในช่วงเริ่มต้นทศวรรษ 1990 การปฏิวัติ AI ก็อยู่ในช่วงแรกที่ความสับสนและความคาดหวังเกินจริงดำรงอยู่พร้อมกัน และ ทั้งความมองโลกในแง่ดีเกินไปกับความสงสัยก็ถูกเพียงบางส่วนเท่านั้น
  • การถกเถียงว่า AI จะมาแทนที่หรือสร้างงานใหม่ ยังอยู่ในภาวะแบ่งขั้ว คล้ายกับข้อถกเถียงเรื่องอินเทอร์เน็ตในอดีต
  • แพทย์รังสีวิทยาไม่ได้หายไปตามคำทำนายของ AI แต่การจ้างงานกลับเพิ่มขึ้น ซึ่งเป็นกรณีที่ Jevons paradox ทำงานอยู่ (เมื่อประสิทธิภาพที่สูงขึ้นนำไปสู่การบริโภครวมที่เพิ่มขึ้น)
  • กระแส การลงทุนใน AI มีลักษณะร้อนแรงคล้ายฟองสบู่ดอตคอม แต่ การลงทุนโครงสร้างพื้นฐานของเหล่า hyperscaler จะช่วยสร้างฐานรากสำหรับอนาคตในระยะยาว
  • AI กำลัง สร้างอาชีพและอุตสาหกรรมใหม่ พร้อมกับผลักดัน การเปลี่ยนโครงสร้างแรงงาน จนแม้แต่ความหมายของคำว่า “วิศวกรซอฟต์แวร์” ก็อาจเปลี่ยนไป

ความคล้ายคลึงระหว่างยุคเริ่มต้นของอินเทอร์เน็ตกับยุค AI

  • ในปี 1995 ซึ่งเป็นช่วงแรกของการแพร่หลายของอินเทอร์เน็ต เว็บไซต์มีเพียงราว 2,000 แห่ง และส่วนใหญ่เป็นโครงสร้างแบบข้อความล้วนที่เรียบง่าย
    • การโหลดภาพใช้เวลาหลายนาที การชำระเงินออนไลน์ไม่ได้รับความไว้วางใจ และคำแนะนำอย่าง “อย่าไว้ใจคนแปลกหน้าบนอินเทอร์เน็ต” เป็นเรื่องปกติ
  • ในเวลานั้น ฝ่ายมองโลกในแง่ดี คาดการณ์การเติบโตอย่างรวดเร็วของ e-commerce และ virtual reality ขณะที่ ฝ่ายมองลบ มองว่าอินเทอร์เน็ตเป็นเพียงกระแสชั่วคราว
  • ผ่านไป 25 ปี ผู้คนได้พบกับการเปลี่ยนแปลงที่เกินกว่าที่เคยคาดไว้ เช่น เสพข่าวผ่านโซเชียลมีเดีย, คบหาผ่านแอป, และ ใช้บริการเศรษฐกิจแบ่งปัน
  • บทความนี้เปรียบว่า “ยุค AI ตอนนี้ก็เหมือนอินเทอร์เน็ตในปี 1995” และชี้ว่า คำทำนายจากทั้งสองสุดขั้วต่างก็ถูกเพียงบางส่วน

พาราด็อกซ์ของการจ้างงาน: ทำไมผลของระบบอัตโนมัติจึงต่างกันไปตามอุตสาหกรรม

  • Geoffrey Hinton เคยเตือนในปี 2016 ว่า AI จะก่อให้เกิดการว่างงานจำนวนมาก และถึงขั้นกล่าวว่า “ควรหยุดฝึกอบรมแพทย์รังสีวิทยา”
    • แต่ในปี 2025 ตำแหน่งแพทย์ประจำบ้านสาขารังสีวิทยาในสหรัฐฯ กลับเพิ่มขึ้น 4% เป็น 1,208 ตำแหน่ง ซึ่งสูงสุดเป็นประวัติการณ์ และอัตราว่างก็ทำสถิติสูงสุดเช่นกัน
    • เงินเดือนเฉลี่ยอยู่ที่ 520,000 ดอลลาร์ เพิ่มขึ้น 48% จากปี 2015 และยังคงเป็น สาขาเฉพาะทางการแพทย์ที่มีค่าตอบแทนสูงเป็นอันดับสอง
  • นักวิจัย Deena Mousa ชี้ว่าเหตุผลที่คำทำนายพลาดคือ Jevons paradox
    • เมื่อ AI เพิ่มผลิตภาพของแพทย์รังสีวิทยา ต้นทุนการวินิจฉัยก็ลดลง → ผู้คนเข้ารับการสแกนมากขึ้น → การจ้างงานเพิ่มขึ้น
    • ความซับซ้อนของโลกจริง งานที่มากกว่าแค่การรู้จำภาพ และอุปสรรคด้านกฎระเบียบ/ประกันภัย ก็เป็นปัจจัยเสริม
  • คนในวงการเทคโนโลยีอย่าง Satya Nadella และ Aaron Levie เสนอความเห็นเชิงบวกว่า “แทบทุกสาขาที่นำ AI ไปใช้จะมีอุปสงค์เพิ่มขึ้น”

  • ข้อจำกัดของ Jevons paradox

    • Andrej Karpathy ชี้ว่ารังสีวิทยา ไม่เหมาะเป็นตัวอย่างแรกสำหรับการวิเคราะห์การแทนที่งาน
      • เป็นสาขาที่หลายมิติ มีความเสี่ยงสูง และถูกกำกับอย่างเข้มงวด
      • การเปลี่ยนแปลงของงานมักเกิดก่อนในงานที่ ซ้ำ ๆ เรียบง่าย เป็นอิสระ ใช้เวลาสั้น และต้นทุนของความผิดพลาดต่ำ
    • การจ้างงานจะเพิ่มหรือไม่ ขึ้นอยู่กับการแข่งขันระหว่าง ขนาดของอุปสงค์ที่ยังไม่ได้รับการตอบสนอง และ ความเร็วของการเพิ่มผลิตภาพ
      • ผลลัพธ์จึงแตกต่างกันไปในแต่ละอุตสาหกรรมตามสมดุลของสองปัจจัยนี้

  • การวิเคราะห์ข้อมูลรายอุตสาหกรรมตลอด 200 ปี

    • งานวิจัยของนักเศรษฐศาสตร์ James Bessen นำเสนอข้อมูลการจ้างงาน/ผลิตภาพ/อุปสงค์ของอุตสาหกรรมสิ่งทอ เหล็ก และยานยนต์ ระหว่างปี 1800-2000
      • สิ่งทอและเหล็ก: หลังระบบอัตโนมัติ การจ้างงานเพิ่มขึ้นอยู่ราว 100 ปี ก่อนจะลดลงอย่างรวดเร็ว
      • การผลิตรถยนต์: คงอยู่ค่อนข้างสม่ำเสมอและไม่เกิดการลดลงรุนแรงแบบเดียวกัน
    • กราฟผลิตภาพแสดงให้เห็น การเพิ่มขึ้นแบบเอ็กซ์โปเนนเชียลของผลิตภาพ ในทุกอุตสาหกรรม (บนสเกลลอการิทึม)
      • คนงานสิ่งทอในปี 1900 สามารถผลิตได้มากกว่าคนงานปี 1800 ถึง 50 เท่า
    • กราฟอุปสงค์ชี้ว่าในระยะแรก ราคาที่ลดลงสร้างอุปสงค์จำนวนมาก
      • ในต้นคริสต์ศตวรรษที่ 19 คนส่วนใหญ่ซื้อกางเกงหรือเสื้อได้เพียงอย่างละชุด
      • เมื่อระบบอัตโนมัติทำให้ราคาลดฮวบ → ผู้คนซื้อเสื้อผ้าได้หลายชุด → การจ้างงานและผลิตภาพพุ่งขึ้นพร้อมกัน

  • อุปสงค์อิ่มตัวและการจ้างงานที่ลดลง

    • เมื่ออุปสงค์อิ่มตัว การจ้างงานจะทรงตัวที่จุดสูงสุดของอุปสงค์ แต่ ระบบอัตโนมัติยังเดินหน้าต่อ
      • ผลิตภาพเพิ่มต่อเนื่อง → ท้ายที่สุดการจ้างงานก็เริ่มลดลง
      • ไม่มีใครต้องการเสื้อผ้าไม่สิ้นสุด หรือรายงานรังสีวิทยาไม่สิ้นสุด
    • รถยนต์มีลักษณะต่างออกไป: อุปสงค์ยังไม่อิ่มตัว
      • ผู้คนส่วนใหญ่ทั่วโลกยังไม่มีรถยนต์เป็นของตัวเอง
      • ระบบอัตโนมัติก็ยังพิชิตได้ไม่หมด (การที่ Tesla ถอยห่างจากการทำระบบอัตโนมัติในการผลิตแบบเต็มรูปแบบ เป็นหลักฐานถึงข้อจำกัดของเทคโนโลยีปัจจุบัน)
      • เมื่อทั้งอุปสงค์และศักยภาพของระบบอัตโนมัติยังสูง การจ้างงานอาจคงอยู่หรือเพิ่มขึ้นได้

  • ลักษณะเฉพาะของอุตสาหกรรมซอฟต์แวร์

    • คำถามสำคัญคืออุปสงค์ของซอฟต์แวร์จะอิ่มตัวเมื่อใด ซึ่งยังไม่แน่ชัด
      • จนถึงตอนนี้ ซอฟต์แวร์ที่สร้างด้วยแรงงานคน เป็นข้อจำกัด
      • วิศวกรที่มีต้นทุนสูงและค่าแรงที่แพงจำกัดสิ่งที่บริษัทสามารถสร้างได้
    • หากระบบอัตโนมัติช่วยเพิ่มผลิตภาพของวิศวกรอย่างมาก อุปสงค์ที่ยังไม่ได้รับการตอบสนองอาจระเบิดออกมา
      • หลายบริษัทมีโครงการจำนวนมากที่มีคุณค่าทางธุรกิจ แต่ไม่สามารถพัฒนาได้เพราะไม่คุ้มค่าต้นทุนหรือไม่มีทรัพยากรพอ
      • กรณีของ Amazon: มีไอเดียนับพันที่ไม่ได้รับงบเพราะขาดทรัพยากรด้านวิศวกรรม
    • หาก AI สามารถผลิตซอฟต์แวร์ได้ในต้นทุนที่ต่ำกว่ามาก อุปสงค์แฝงมหาศาลก็จะถูกปลดปล่อยออกมา
      • คำถามหลักคืออุปสงค์นั้นจะอิ่มตัวเมื่อใด

  • ปัจจัยที่กำหนดผลลัพธ์ด้านการจ้างงานในแต่ละอุตสาหกรรม

    • การจ้างงานของแต่ละอุตสาหกรรมขึ้นอยู่กับการแข่งขันระหว่างสองแรง
      1. ขนาดและการเติบโตของอุปสงค์ตลาดที่ยังไม่ได้รับการตอบสนอง
      2. การเติบโตของอุปสงค์นั้นจะเร็วพอแซงการเพิ่มผลิตภาพจากระบบอัตโนมัติหรือไม่
    • แต่ละอุตสาหกรรมจึงเผชิญ ผลลัพธ์ที่แตกต่างกัน ตามสมดุลของสองปัจจัยนี้

ฟองสบู่: ความคลั่งไคล้ที่ไร้เหตุผลซึ่งกลับสร้างอนาคตขึ้นมา

  • ช่วงดอตคอมบูมในทศวรรษ 1990 คือยุคที่บริษัทเพียงเติมคำว่า ".com" ลงในชื่อก็ทำให้มูลค่าพุ่งขึ้น
    • บริษัทโครงสร้างพื้นฐานลงทุนหลายพันล้านดอลลาร์ในใยแก้วนำแสงและเคเบิลใต้น้ำ (โครงการราคาแพงที่เกิดขึ้นได้เพราะกระแส hype เท่านั้น)
    • แล้วในปี 2000-2001 ก็เกิด การล่มสลายของดอตคอม อย่างรุนแรง
  • บริษัทโครงสร้างพื้นฐานอย่าง Cisco เคยขึ้นไปเป็นบริษัทที่มีมูลค่าสูงที่สุดในโลกช่วงสั้น ๆ ก่อนร่วงลง
    • Pets.com ระดมทุนจาก IPO ได้ 82.5 ล้านดอลลาร์ ใช้เงินหลายล้านกับโฆษณา Super Bowl แต่ก็ ล้มละลายในเวลาเพียง 9 เดือน

  • มรดกเชิงบวกของฟองสบู่ดอตคอม

    • ฟองสบู่ดอตคอมเองก็ ถูกต้องในหลายด้าน
      • มันสร้าง โครงสร้างพื้นฐานทางกายภาพ ที่ทำให้ YouTube, Netflix และ Facebook เกิดขึ้นได้
      • บริษัทอย่าง Worldcom, NorthPoint และ Global Crossing ล้มละลายก็จริง แต่ ได้วางรากฐานให้อนาคต
    • การล่มสลายพิสูจน์ว่าฝ่ายสงสัยถูกต้องในระยะสั้น แต่ในระยะยาวก็พิสูจน์ว่า ฝ่ายมองโลกในแง่ดีมาถูกทางในเชิงทิศทาง

  • ความคลั่งไคล้แบบเดียวกันในกระแส AI ปัจจุบัน

    • สตาร์ตอัป AI ที่ก่อตั้งโดย Mira Murati อดีตผู้บริหาร OpenAI ระดมทุน seed round มูลค่า 2 พันล้านดอลลาร์ที่ valuation 1 หมื่นล้านดอลลาร์ (มากที่สุดเป็นประวัติการณ์)
      • ยังไม่มีผลิตภัณฑ์ และปฏิเสธจะเปิดเผยว่าจะสร้างอะไรหรือทำเงินอย่างไร
    • มี AI wrapper หลายรายที่แทบไม่มีคูเมืองทางธุรกิจ แต่ยังระดมทุนระดับ seed ได้หลายล้านดอลลาร์

  • การลงทุนโครงสร้างพื้นฐานของ hyperscaler

    • รายจ่ายลงทุนต่อปีของเหล่า hyperscaler เพิ่มขึ้น มากกว่าสองเท่า หลังการเปิดตัว ChatGPT
      • Microsoft, Google, Meta และ Amazon ลงทุนรวมกัน เกือบ 5 แสนล้านดอลลาร์ ในศูนย์ข้อมูล ชิป และโครงสร้างพื้นฐานด้านคอมพิวต์
    • ไม่ว่าบริษัทใดจะรอดในท้ายที่สุด โครงสร้างพื้นฐานที่กำลังก่อสร้างอยู่ตอนนี้กำลังสร้างฐานให้อนาคตของ AI
      • ตั้งแต่ความสามารถด้าน inference ไปจนถึงการผลิตพลังงานที่จำเป็นเพื่อรองรับมัน

  • การตัดสินว่า AI เป็นฟองสบู่หรือไม่

    • Azeem Azhar เสนอ กรอบการทำงานเชิงปฏิบัติ ที่ใช้ 5 ตัวชี้วัดในการ benchmark กระแส AI
      • ภาระต่อเศรษฐกิจ (สัดส่วนการลงทุนต่อ GDP)
      • ภาระต่ออุตสาหกรรม (สัดส่วนรายจ่ายลงทุนต่อรายได้)
      • เส้นทางการเติบโตของรายได้ (ระยะเวลาที่รายได้เพิ่มเป็นสองเท่า)
      • ความร้อนแรงของ valuation (อัตราส่วน P/E)
      • คุณภาพของแหล่งเงินทุน (ความยืดหยุ่นของแหล่งทุน)
    • ผลการวิเคราะห์ชี้ว่า AI ยังไม่ใช่ฟองสบู่ แต่เป็น บูมที่ขับเคลื่อนด้วยอุปสงค์
      • อย่างไรก็ตาม หากมี 2 ใน 5 ตัวชี้วัดเข้าเขตสีแดง ก็จะถือว่าเข้าสู่โซนฟองสบู่

  • อุปสงค์มีอยู่จริง แต่ไม่ได้ป้องกันฟองสบู่

    • OpenAI เป็นหนึ่งในบริษัทที่เติบโตเร็วที่สุดในประวัติศาสตร์
      • แต่เพียงเท่านี้ก็ยังไม่สามารถป้องกันฟองสบู่ได้
    • บริษัท AI จำนวนมากกำลังเผชิญ ปัญหา unit economics แบบเดียวกับที่บริษัทดอตคอมในยุค 1990 เคยเจอ
      • Pets.com ก็มีผู้ใช้หลายล้านคน แต่สุดท้ายก็ล้มละลาย ตามสุภาษิตที่ว่า “ถ้าคุณขายเงิน 1 ดอลลาร์ในราคา 85 เซนต์ คุณก็หาลูกค้าได้ไม่จำกัด”
    • แม้จะมีอุปสงค์ แต่ก็ยังเป็นไปได้ว่า รูปแบบจะคล้ายกับยุค 1990
      • อาจเกิดการสร้างเกินความต้องการ และอาจมีความล้มเหลวแบบหวือหวาหลายราย
      • แต่ โครงสร้างพื้นฐานจะทำให้เกิดสิ่งที่ทุกวันนี้เรายังจินตนาการไม่ออก แม้หลังวัฏจักร hype ผ่านไปแล้ว

อนาคตที่คาดเดาไม่ได้อย่างคาดเดาได้

  • ระยะเริ่มต้นของการปฏิวัติ AI

    • ตอนนี้เราอยู่ใน ระยะเริ่มต้นของการปฏิวัติ AI (เปรียบได้กับยุคโมเด็มที่ส่งเสียงครืดคราดของอินเทอร์เน็ต)
      • เช่นเดียวกับที่บริษัทโครงสร้างพื้นฐานเคยทุ่มเงินหลายพันล้านดอลลาร์ให้ใยแก้วนำแสง เหล่า hyperscaler ก็กำลังลงทุนหลายพันล้านดอลลาร์ในคอมพิวต์
      • เช่นเดียวกับที่สตาร์ตอัปในอดีตเติม ".com" ลงในชื่อ ตอนนี้หลายรายเติม ".ai" เพื่อไล่ตาม valuation ที่สูงขึ้น
    • กระแส hype จะ วนเวียนระหว่างความเคลิบเคลิ้มกับความสิ้นหวัง
      • คำทำนายบางอย่างจะดูผิดจนน่าขัน
      • และบางอย่างที่ดูบ้าคลั่งอาจกลับกลายเป็นว่าระมัดระวังเกินไปเสียอีก

  • ผลลัพธ์ที่แตกต่างกันไปในแต่ละอุตสาหกรรม

    • ตรงกันข้ามกับสิ่งที่ฝ่ายมองโลกในแง่ดีแบบ Jevons เชื่อ อุปสงค์ของหลายสิ่งจะหยุดนิ่งเมื่อความต้องการของมนุษย์ได้รับการเติมเต็ม
    • ผลลัพธ์ด้านการจ้างงานของทุกอุตสาหกรรมขึ้นอยู่กับ ขนาดและการเติบโตของอุปสงค์ตลาดที่ยังไม่ได้รับการตอบสนอง และการที่การเติบโตนั้นจะแซงการเพิ่มผลิตภาพจากระบบอัตโนมัติได้หรือไม่

  • การลดต้นทุนเปิดตลาดเซกเมนต์ใหม่

    • Aswath Damodaran เคย ประเมิน Uber ต่ำเกินไป เพราะตั้งสมมติฐานว่า Uber จะดึงได้เพียงส่วนหนึ่งของตลาดแท็กซี่เดิม
      • เขามองข้ามว่าเมื่อทำให้การเดินทางถูกลงอย่างมาก ตัวตลาดเองก็ขยายตัวได้
      • ผู้คนเริ่มนั่ง Uber ไปยังจุดหมายที่พวกเขาไม่เคยยอมไปถ้าต้องจ่ายในราคาแท็กซี่
    • AI ก็เช่นกัน มันจะทำให้ผลิตภัณฑ์และบริการที่ แพงเกินกว่าจะสร้างด้วยสติปัญญามนุษย์ในปัจจุบัน กลายเป็นไปได้
      • เจ้าของร้านอาหารใช้ AI สร้างซอฟต์แวร์ซัพพลายเชนแบบเฉพาะตัว (สิ่งที่ไม่มีทางสร้างด้วยนักพัฒนามนุษย์ในงบ 100,000 ดอลลาร์)
      • องค์กรไม่แสวงหากำไรใช้ AI ต่อสู้คดีทางกฎหมายที่ก่อนหน้านี้ไม่สามารถแบกรับค่าใช้จ่ายได้

  • การเปลี่ยนแปลงคาดได้ แต่รายละเอียดคาดไม่ได้

    • ในปี 1995 ไม่มีใครทำนายว่าผู้คนจะไปเดตกับคนแปลกหน้าบนอินเทอร์เน็ต นั่งรถของพวกเขา (Uber) และไปนอนบ้านของพวกเขา (Airbnb)
      • และก็ไม่มีใครทำนายว่าอาชีพ influencer จะกลายเป็นอาชีพในฝันของคนรุ่นใหม่
    • ความคิดสร้างสรรค์ของมนุษย์ก่อผลลัพธ์ที่โมเดลความคิดในปัจจุบันทำนายไม่ได้
      • จึงคาดได้ว่าจะมีโดเมนและอุตสาหกรรมใหม่เกิดขึ้น
    • AI ได้ช่วยเรื่อง การถอดรหัสการสื่อสารของสัตว์ ในช่วง 5 ปีหลัง มากกว่าที่ทำได้ใน 50 ปีก่อนหน้านั้น
      • หากวันหนึ่งเทคโนโลยีทำให้เราสนทนากับสัตว์ได้จริง จะเกิดงานแบบไหนขึ้นบ้าง ใครจะทำนายได้?
    • อาชีพยอดนิยมที่สุดในปี 2050 มีแนวโน้มจะเป็นอาชีพที่ยังไม่มีอยู่ในวันนี้
      • เราตั้งชื่อมันไม่ได้ เพราะมันยังไม่ถูกประดิษฐ์ขึ้นมา

  • การแปรรูปของหมวดหมู่อาชีพ

    • อินเทอร์เน็ตทำให้งานบางอย่างหมดความจำเป็น แต่ก็เปลี่ยนรูปงานอื่นและสร้างหมวดหมู่งานใหม่
      • คาดว่าใน AI ก็จะเกิดรูปแบบเดียวกัน
    • คำถามของ Karpathy: “เมื่อ 6 เดือนก่อน มีคนขอให้ผมโหวตว่าอีก 5 ปีข้างหน้า วิศวกรซอฟต์แวร์จะมีมากขึ้นหรือน้อยลง”
      • ผู้เขียนขอทิ้งไว้เป็นแบบฝึกหัดสำหรับผู้อ่าน

  • บทเรียนจากกรณีนักข่าว

    • หากย้อนกลับไปปี 1995 แล้วถามคำถามเดียวกันเกี่ยวกับนักข่าว:
      • เราอาจคาดว่าอินเทอร์เน็ตจะสร้างอุปสงค์มากขึ้น เพราะทำให้เข้าถึงผู้คนทั่วโลกได้ จึงน่าจะมี นักข่าวมากขึ้น
      • และในช่วงแรกประมาณ 10 ปี คำตอบนั้นก็จะถูกต้อง (การจ้างงานด้านสื่อสารมวลชนเพิ่มขึ้นจนถึงต้นทศวรรษ 2000)
    • แต่เมื่อผ่านไป 30 ปี: ทั้งจำนวนหนังสือพิมพ์และจำนวนนักข่าวกลับลดลง
      • ถึงอย่างนั้น ก็ยังมี “งานข่าว” เกิดขึ้นมากกว่าที่เคย
      • เพียงแต่ไม่ได้มาจากคนที่เราเรียกว่า “นักข่าว” เท่านั้น
    • บล็อกเกอร์, influencer, YouTuber และผู้เขียน newsletter ต่างก็ ทำงานที่นักข่าวแบบดั้งเดิมเคยทำ

  • อนาคตของวิศวกรซอฟต์แวร์

    • สำหรับวิศวกรซอฟต์แวร์เอง รูปแบบเดียวกันนี้ก็น่าจะเกิดขึ้น
      • จะมีคนจำนวนมากขึ้นที่ทำงานประเภทวิศวกรรมซอฟต์แวร์
      • และอีกประมาณ 10 ปี ความหมายของคำว่า “วิศวกรซอฟต์แวร์” ก็จะเปลี่ยนไป
    • ดังเช่นเจ้าของร้านอาหารที่กล่าวถึงก่อนหน้านี้ซึ่งใช้ AI สร้างซอฟต์แวร์จัดการสต็อกแบบเฉพาะสำหรับตัวเอง
      • พวกเขาจะไม่เรียกตัวเองว่าวิศวกรซอฟต์แวร์

  • อนาคตของ AI ที่คาดเดาไม่ได้

    • เหมือนในปี 1995 หากวันนี้ฝ่ายมองโลกในแง่ดีเรื่อง AI บอกว่า “ภายใน 25 ปี ผู้คนจะชอบข่าวจาก AI มากกว่าจาก influencer บนโซเชียลมีเดีย ดูตัวละครที่สร้างโดย AI แทนนักแสดงมนุษย์ หาคู่ผ่าน AI matchmaker มากกว่า dating app (หรือแม้แต่คบกับ AI เอง) และจะพลิกคำเตือน ‘อย่าไว้ใจ AI’ ไปอย่างสิ้นเชิง จนถึงขั้นพึ่งพา AI ในการตัดสินใจเรื่องเป็นเรื่องตาย และไว้ใจให้ AI เลี้ยงลูก”
      • คนส่วนใหญ่ก็คงเชื่อได้ยาก
    • แม้เราจะมีสติปัญญาทุกรูปแบบอยู่ในมือ ไม่ว่าจะเป็นธรรมชาติหรือสังเคราะห์ ก็ไม่มีใครทำนายรูปร่างหน้าตาของอนาคต AI ได้อย่างมั่นใจ
      • ไม่ว่าจะเป็น CEO บริษัทเทคโนโลยี นักวิจัย AI หรือคนแปลกหน้าที่พูดยืดยาวอยู่บนอินเทอร์เน็ตก็เช่นกัน
    • ไม่ว่าจะทายรายละเอียดถูกหรือผิด อนาคตของ AI กำลังโหลดอยู่

บทความที่เกี่ยวข้อง

1 ความคิดเห็น

 
GN⁺ 2025-11-04
ความคิดเห็นจาก Hacker News

  • ความคล้ายคลึงกับฟองสบู่ดอตคอมนั้นมีข้อจำกัด
    เพราะบริบททางสังคม การเมือง และเศรษฐกิจในตอนนั้นกับตอนนี้แตกต่างกันโดยสิ้นเชิง
    เวลาคาดการณ์อนาคต เรามักอ้างอิงรูปแบบจากอดีต แต่ก็มักไม่ได้คำนึงถึงการเปลี่ยนแปลงของบริบทไปด้วย
    แค่ความต้องการหรือระบบอัตโนมัติอย่างเดียวอธิบายได้ไม่พอ และต้องดู ปฏิสัมพันธ์ของระบบการเมือง สังคม และเศรษฐกิจ ไปพร้อมกัน

  • คิดว่าตอนนี้คือ ยุคเมนเฟรมของ AI
    มีเพียงบริษัทยักษ์ใหญ่ไม่กี่แห่งเท่านั้นที่สามารถดูแลโมเดลขนาดมหึมาแบบรวมศูนย์ได้ และพวกเราก็เหมือนเช่าทรัพยากรคอมพิวต์ของพวกเขามาใช้
    หวังว่าสักวันหนึ่งจะเข้าสู่ ยุคคอมพิวเตอร์ส่วนบุคคล ที่โมเดลขนาดเล็กกระจายอยู่ทั่วไป

    • ยุคคอมพิวเตอร์ส่วนบุคคลอาจเป็นเพียงภาพลวงตาชั่วคราว
      ตอนนี้คนส่วนใหญ่ใช้คอมพิวเตอร์ในฐานะ “เทอร์มินัลโง่” ที่เชื่อมต่อกับบริการส่วนกลางบนคลาวด์
    • ถ้าบริษัทสามารถขาย “ไข่ทองคำ” ได้ทุกวัน ก็ไม่มีเหตุผลอะไรที่จะต้องขายห่านที่ออกไข่ทองคำ
    • ทุกวันนี้ซอฟต์แวร์แทบทำงานไม่ได้หากไม่มีอินเทอร์เน็ต
      แม้แต่อีเมล แผนที่ หรือ Git ก็ยังพึ่งพาเซิร์ฟเวอร์ส่วนกลางสูง จนให้ความรู้สึกเหมือน หวนกลับสู่ยุคเมนเฟรม
    • มี โมเดลขนาดเล็ก ดี ๆ อยู่แล้วมากมาย แต่คนส่วนใหญ่ขาดฮาร์ดแวร์หรือเงื่อนไขทางเทคนิคที่จะรันมันได้
      ถ้าลองใช้เครื่องมืออย่าง LM Studio ด้วยตัวเอง ก็จะได้สัมผัสว่าโมเดลสามารถรันบนเครื่องโลคัลได้จริงทั้งหมด
    • ในยุคคอมพิวเตอร์ส่วนบุคคล เคยเป็นช่วงที่องค์กรบังคับให้ส่งไฟล์ .doc จึงเป็น ยุคที่ไม่สามารถใช้ Linux เป็น OS หลักได้
      ไม่อยากย้อนกลับไปสู่ช่วงเวลาแบบนั้น

  • รู้สึกว่าบางคนมี ท่าทีที่มั่นใจเกินไป เกี่ยวกับ AI
    ส่วนตัวฉันไม่มั่นใจพอจะฟันธงแบบนั้น

    • แต่ก็อยากย้อนถามว่า มี “ความกล้าที่จะผิด” หรือเปล่า
    • คนที่มองว่าเป็นฟองสบู่มักขาดจินตนาการ และเพียงใช้จินตนาการเพิ่มอีกนิดก็ทำให้เกิด ภาพลวงตาว่าตัวเองเป็นนักวิสัยทัศน์
      วิธีคิดของพวกเขาดูเหมือนตัวอย่างชัดเจนของ ผล Dunning-Kruger
    • การฟันธงว่าเป็นฟองสบู่ก็เป็น ความหยิ่งผยอง อีกรูปแบบหนึ่งเหมือนกัน

  • ไม่เคยได้ยินคำกล่าวที่ว่า “AI สร้างงานได้มากขึ้น” เลย
    ไม่ว่าจะเป็นแรงงานกายภาพหรือแรงงานความรู้ สุดท้ายก็มีชะตาต้อง ถูกทำให้เป็นอัตโนมัติ อยู่ดี จึงสงสัยว่างานแบบไหนกันที่จะเกิดขึ้น

    • ฉันก็คิดเหมือนกัน
      ดูเหมือนผู้เขียนจะสร้างสองฝ่ายขึ้นมาแบบฝืน ๆ เพื่อให้จุดยืนของตัวเองดูเป็น ตำแหน่งกึ่งกลางระหว่างสองขั้ว

  • การเอา โครงสร้างพื้นฐานไฟเบอร์ออปติก ในยุคดอตคอมมาเทียบกับดาต้าเซ็นเตอร์ตอนนี้เป็นเรื่องฝืนเกินไป
    ไฟเบอร์ออปติกยังใช้งานได้แม้อีก 10 ปีให้หลัง แต่ดาต้าเซ็นเตอร์นั้นเทคโนโลยีผ่านไปไม่กี่ปีก็ เก่าลงเร็วเหมือนของสด
    อีก 10 ปีข้างหน้า คงไม่มีใครสนใจอุปกรณ์ในตอนนี้แล้ว

  • ช่วงนี้เริ่มรู้สึก ล้ากับ AI
    ใช้แก้อีเมลสั้น ๆ ก็โอเค แต่กับเนื้อหาที่ลึกหน่อยกลับไม่ค่อยดี
    ไม่รู้สึกว่าคุ้มค่าพอจะจ่ายเงินใช้

    • ตรงกันข้าม สำหรับฉัน AI คือ ตัวแก้ปัญหายาก ๆ
      ฉันจ่ายเงินใช้ ChatGPT Plus กับ GitHub Copilot และมันเสนอทางออกที่ฉันหาเองไม่เจอ

  • คำกล่าวที่ว่า “ค่าแรงวิศวกรที่แพงเป็นตัวจำกัดการพัฒนา” นั้นไม่ถูกต้อง
    บริษัทใหญ่มีทุนมากพออยู่แล้ว และปัญหาคือ ความซับซ้อนของซอฟต์แวร์กับขีดจำกัดของความเข้าใจมนุษย์
    ถ้าชี้ประเด็นนี้ได้ก็น่าจะโน้มน้าวใจกว่านี้
    ตัวบทความโดยรวมดู วางท่า มากเกินไป

  • เป็นการวิเคราะห์ที่ดี แต่สิ่งที่มองข้ามไปคือ ความเป็นไปได้ที่ AI จะรันได้โดยตรงบนสมาร์ตโฟนหรือเดสก์ท็อปภายใน 5~10 ปี
    ถ้าเป็นแบบนั้น การลงทุนในดาต้าเซ็นเตอร์ตอนนี้และโครงสร้างที่มี Nvidia เป็นศูนย์กลางอาจหมดความหมาย

    • ถ้าเป็นแบบนั้น คอมพิวเตอร์ทุกเครื่องอาจได้ใส่ Nvidia GPU ก็ได้

  • ผู้คนในยุค 1990 มีแนวคิดมองโลกในแง่ดีต่อเทคโนโลยีสูงมาก
    แม้แต่ในทีวีก็เชื่อกันว่าอีกไม่นานจะได้ใช้อุปกรณ์แบบสมาร์ตโฟน และให้ความรู้สึกว่าความจริงนั้น ตามมาช้าเกินไปเสียด้วยซ้ำ

    • โฆษณา "You Will" ของ AT&T ในปี 1993 ก็ทำนายอนาคตได้ค่อนข้างแม่นทีเดียว
    • ฉันยังคงรอ รถยนต์บินได้ อยู่เสมอ
    • แม้แต่ข่าวของสถานีโทรทัศน์แห่งชาติไอซ์แลนด์ในปี 1999 ก็พูดถึงการจ่ายเงินผ่านมือถือและการคาดการณ์เรื่องอินเทอร์เน็ต
      ดู วิดีโอที่เกี่ยวข้อง

  • บทความค้นคว้ามาดีและน่าสนใจ แต่ ห่างไกลจากความเป็นจริงของ LLM ในปัจจุบัน
    ด้วยสถาปัตยกรรมซอฟต์แวร์ตอนนี้ การไปถึง AI ระดับไซไฟเป็นเรื่องยาก และต่อให้ทุ่มเงินมากก็แก้ไม่ได้
    กระแสการลงทุนใน AI ดูใกล้เคียงกับ เครื่องมือกระจายความมั่งคั่ง มากกว่าจะเป็นเทคโนโลยี และไม่ต่างจากฟองสบู่ดอตคอม อสังหาริมทรัพย์ หรือคริปโตในอดีต
    AGI จะยังไม่มาในรอบนี้ แม้แต่ปัญหา hallucination ก็ยังแก้ไม่ได้
    สิ่งที่จำเป็นจริง ๆ คือ ความสามารถของผู้คนในการรับฟังมุมมองของกันและกัน แต่ AI กลับยิ่งเสริมความเป็นฟองสบู่ของแต่ละฝ่าย

    • ตอนนี้ดูเหมือน AI จะเข้าสู่ยุคแห่งความคาดหวังเกินจริงแบบเดียวกับ นิวเคลียร์ฟิวชัน, VR, และการเดินทางเร็วกว่าแสง