- ในช่วง 50 ปีที่ผ่านมา การเปลี่ยนแปลงทางเทคโนโลยีในระบบเศรษฐกิจนั้น ช้ามากเมื่อวัดจากตัวชี้วัดผลิตภาพ และ AI กำลังกลายเป็นเทคโนโลยีหลักที่จะรักษาการเติบโตทางเศรษฐกิจท่ามกลางภาวะประชากรลดลง
- AI คือเทคโนโลยีแบบ "ศิลาอาถรรพ์" ที่เปลี่ยนทรายให้กลายเป็นความคิด และกำลังเปิดยุคของบุคคลผู้ทรงพลังเหนือธรรมดาที่สามารถขยายความสามารถของตนได้มากกว่า 10 เท่า
- กำลังเกิด "ภาวะชะงักงันแบบ Mexican standoff" ระหว่างผู้จัดการผลิตภัณฑ์ วิศวกร และนักออกแบบ โดยแต่ละบทบาทเชื่อว่าสามารถใช้ AI มาแทนที่อีกสองบทบาทได้
- AI tutoring มีศักยภาพในการทำให้ การศึกษาแบบตัวต่อตัว 1:1 เป็นประชาธิปไตย ซึ่งในอดีตมีเพียงชนชั้นกษัตริย์เท่านั้นที่เข้าถึงได้ และพ่อแม่ควรนำไปใช้กับการศึกษาของลูกอย่างจริงจัง
- มากกว่าการว่างงานครั้งใหญ่ สิ่งที่จะเกิดขึ้นคือ การเปลี่ยนแปลงในระดับภารกิจ (task) และจากการที่ประชากรลดลง แรงงานมนุษย์อาจกลับกลายเป็นทรัพยากรพรีเมียม
ผลกระทบของ AI ต่อเศรษฐกิจและสังคม
- ในช่วง 50 ปีที่ผ่านมา อัตราการเติบโตของผลิตภาพ ในสหรัฐฯ และโลกตะวันตกลดลงอย่างมาก เหลือเพียงครึ่งหนึ่งของช่วงปี 1940~1970 และประมาณหนึ่งในสามของช่วงปี 1870~1940
- แม้จะถูกมองว่าเป็นยุคที่มีความเปลี่ยนแปลงทางเทคโนโลยีมาก แต่ในเชิงสถิติกลับเป็นช่วงที่ แทบไม่มีความก้าวหน้าทางเทคโนโลยีอย่างเป็นรูปธรรมในระดับที่เปลี่ยนเศรษฐกิจทั้งระบบ
- AI กำลังเข้ามาในภาวะชะงักงันระยะยาวนี้ และทำหน้าที่เป็นเทคโนโลยีหลักที่สามารถดึงการเติบโตของผลิตภาพและการเติบโตทางเศรษฐกิจกลับขึ้นมาได้
- ทั่วโลก รวมถึงประเทศตะวันตกและจีน กำลังเผชิญกับ ภาวะประชากรลดลง (demographic collapse) และหลายประเทศมีแนวโน้มจะอยู่ในภาวะประชากรหดตัวต่อเนื่องไปอีกหลายทศวรรษ
- หากไม่มี AI และหุ่นยนต์ โลกอาจต้องเผชิญกับ ฉากทัศน์แบบดิสโทเปีย ที่ขนาดเศรษฐกิจหดเล็กลงและโอกาสลดน้อยลง
- การมาถึงของ AI เกิดขึ้น อย่างแม่นยำผิดปกติในจังหวะเดียวกับการลดลงของประชากรและการอพยพย้ายถิ่น ทำให้เกิดเงื่อนไขที่สามารถชดเชยแรงงานที่จำเป็นได้
- AI ไม่ได้เพียงแทนที่แรงงานมนุษย์ แต่กำลังทำงานไปในทิศทางที่ เพิ่มมูลค่าและความหายากของแรงงานมนุษย์ที่ยังเหลืออยู่
- ปี 2025 เป็นปีที่น่าสนใจที่สุดในเส้นทางอาชีพของเขา และคาดว่าปี 2026 จะเป็นจุดเปลี่ยนที่ใหญ่กว่านั้นอีก
AI คือ ‘ศิลาแปรธาตุ’
- AI คือ เทคโนโลยีที่เปลี่ยนทรัพยากรที่มีอยู่ทั่วไปให้กลายเป็นมูลค่าที่หายาก
- เป็นโครงสร้างที่สร้างความคิดและผลผลิตทางปัญญาขึ้นมาบนวัสดุธรรมดาอย่างสารกึ่งตัวนำ (ทราย)
- โลกกำลังก้าวเข้าสู่ช่วงที่เครื่องจักรสามารถชดเชยหรือขยายข้อจำกัดด้านการรับรู้ของมนุษย์ เช่น ความจำ สมาธิ และข้อจำกัดด้านเวลา
- AI เริ่มทำหน้าที่เป็นเครื่องมือที่ยกระดับเพดานความสามารถในการคิดของแต่ละคนในเชิงโครงสร้าง
AI กับการศึกษาและการเลี้ยงดูลูก
- AI คือเครื่องมือที่ทำให้ คนที่มีความสามารถกลายเป็นคนที่ยอดเยี่ยมมาก
- โปรแกรมเมอร์ระดับท็อปกำลังใช้ AI เพื่อสร้างผลงานที่ไม่ใช่แค่ดีขึ้น 2 เท่า แต่ ดีขึ้น 10 เท่า
- สิ่งสำคัญในการศึกษาของลูกคือ agency หรือความสามารถในการลงมือทำและรับผิดชอบด้วยตนเอง
- สังคมสมัยใหม่และระบบโรงเรียนเน้นการปฏิบัติตามกฎมากเกินไป จนทำให้ ความเป็นคนริเริ่มอ่อนแอลง
- AI มอบเครื่องมือให้เด็กที่มี agency สามารถกลายเป็น ผู้มีส่วนสำคัญในทุกสาขา ตั้งแต่งานวิจัยฟิสิกส์ไปจนถึงศิลปะ
- เป็นที่รู้กันมานานแล้วว่า การสอนแบบตัวต่อตัว 1:1 มีประสิทธิภาพสูงที่สุด แต่ไม่สามารถแพร่หลายได้ด้วยเหตุผลทางเศรษฐกิจ
- กรณีของ Alexander มหาราชที่ได้รับการศึกษาจาก Aristotle
- Bloom’s 2-sigma effect: การสอนแบบตัวต่อตัวยกระดับนักเรียนจากเปอร์เซ็นไทล์ที่ 50 ไปสู่เปอร์เซ็นไทล์ที่ 99
- การมาของ AI tutoring ทำให้เกิดทางเลือกที่เป็นจริงสำหรับ พ่อแม่ในการเสริมการศึกษาเดิมด้วย AI
- ระบบโรงเรียนเอกชนรูปแบบใหม่ชื่อ Alpha นำเสนอโมเดลที่ ผสานการเรียนแบบพบหน้าเข้ากับ AI tutoring
อนาคตของงานในยุค AI
- การถกเถียงเรื่องการแทนที่หรือลดจำนวนงานนั้นเป็น แบบจำลองที่ง่ายเกินไป
- ต่อให้ AI ดันการเติบโตของผลิตภาพขึ้น 3 เท่า ก็ยังเทียบได้กับระดับอัตราการเปลี่ยนผ่านของงานในช่วงปี 1870~1930
- ในเวลานั้น สังคมโดยรวมมี ความรู้สึกว่าโลกเต็มไปด้วยโอกาส อย่างเข้มข้น
- จากการลดลงของประชากรและการอพยพย้ายถิ่น แรงงานมนุษย์ที่เหลืออยู่จะกลายเป็นทรัพยากรพรีเมียม
- แม้ในฉากทัศน์แบบยูโทเปีย การเติบโตของผลิตภาพขนาดใหญ่ก็จะนำไปสู่ การพังทลายของราคา
- สินค้าราคา 100 ดอลลาร์อาจลดลงเหลือ 10 ดอลลาร์ หรือ 1 ดอลลาร์
- สิ่งนี้ให้ผลเทียบเท่า การขึ้นค่าจ้างที่แท้จริง แก่ทุกคน
- ค่าใช้จ่ายของโครงการสวัสดิการลดลง ทำให้ภาระในการจัดระบบความมั่นคงทางสังคมเบาลง
- หากจะเกิดการว่างงานขนาดใหญ่จริง ต้องมีการเติบโตของผลิตภาพปีละ 10~50% ซึ่งเป็น ระดับที่ไม่เคยพบในประวัติศาสตร์
‘Mexican standoff’ ของบทบาทในสายเทคโนโลยี
- กำลังก่อตัวเป็น ภาวะเผชิญหน้าสามเหลี่ยม ระหว่างผู้จัดการผลิตภัณฑ์ วิศวกร และนักออกแบบ
- โปรแกรมเมอร์ทุกคนมองว่าเมื่อใช้ AI แล้ว ตนสามารถทำหน้าที่ผู้จัดการผลิตภัณฑ์และนักออกแบบได้ด้วย
- ผู้จัดการผลิตภัณฑ์ทุกคนก็มองว่าเมื่อใช้ AI แล้ว ตนสามารถเขียนโค้ดและออกแบบได้เช่นกัน
- นักออกแบบทุกคนเองก็เชื่อว่า สามารถทำทั้งการวางแผนผลิตภัณฑ์และการเขียนโค้ดควบคู่กันได้
- ทั้งสามข้ออ้างนี้ เป็นจริงได้บางส่วน
- เมื่อเวลาผ่านไป ทั้งสามบทบาทอาจตระหนักร่วมกันว่า AI ทำหน้าที่ผู้จัดการได้ดีกว่า
- ในฮอลลีวูดเองก็เกิด โครงสร้างเผชิญหน้าแบบสามเหลี่ยมที่คล้ายกัน ระหว่างผู้กำกับ นักเขียน และนักแสดง
การเปลี่ยนแปลงของภารกิจ ไม่ใช่ของตำแหน่งงาน
- ในทางเศรษฐศาสตร์ หน่วยวิเคราะห์ขั้นต่ำคือ ภารกิจ (task) ไม่ใช่งาน (job)
- งานหนึ่งตำแหน่งคือชุดรวมของหลายภารกิจ และเมื่อภารกิจเปลี่ยน ลักษณะของงานก็เปลี่ยนตามไปด้วย
- ในอดีต ผู้บริหารมักไม่ได้ใช้เครื่องพิมพ์ดีดหรือคอมพิวเตอร์เอง แต่ใช้ วิธีบอกให้เลขานุการพิมพ์ตาม
- ในยุคแรกของอีเมล เลขานุการจะพิมพ์อีเมลออกมาแล้วนำส่งให้ผู้บริหาร
- ปัจจุบันผู้บริหารเขียนอีเมลเอง ส่วนเลขานุการรับผิดชอบ ภารกิจอื่น เช่น การวางแผนการเดินทางหรือประสานตารางเวลาและอีเวนต์
- ภารกิจแต่ละอย่างเปลี่ยนเร็ว แต่ ตัวงานเองมักคงอยู่ได้นานกว่าเมื่อเทียบกัน
- เมื่อการเปลี่ยนแปลงของภารกิจสะสมมากพอ รูปแบบของงานก็จะเปลี่ยนไปทั้งชุด
- ในระดับบุคคล ความสามารถในการสลับภารกิจและ เพิ่มทักษะใหม่อย่างต่อเนื่อง จะยิ่งสำคัญ
วิวัฒนาการของการเขียนโค้ดและภาษา scripting
- ความหมายดั้งเดิมของคำว่า calculator คือคนที่คำนวณด้วยมือ
- การเขียนโปรแกรมพัฒนามาตามลำดับจากภาษาเครื่อง → punch card → assembly language → ภาษาระดับสูงอย่าง C → ภาษา scripting
- ตอนที่ภาษา scripting อย่าง JavaScript และ Python ปรากฏขึ้น ก็ยังมีข้อถกเถียงว่า "นี่นับเป็นการเขียนโปรแกรมจริงหรือเปล่า"
- ภาษา scripting ทำหน้าที่ abstract รายละเอียดการทำงานหลายชั้น และ AI coding คือ ชั้นของ abstraction ถัดไป
- โปรแกรมเมอร์ระดับสูงสุดในตอนนี้กำลัง รัน coding bot หลายตัวแบบขนาน และทำงานเหมือนกำลังโต้เถียงกับ AI
- หากไม่เคยมีประสบการณ์เขียนโค้ดด้วยตัวเอง จะ ประเมินคุณภาพของผลลัพธ์ที่ AI สร้างได้ยาก
- หากอยากเป็นบุคคลผู้ทรงพลังเหนือธรรมดา ต้องเข้าใจ ทั้งสแตกตั้งแต่ assembly ไปจนถึงภาษาเครื่อง
- ยิ่งเข้าใจว่า AI ทำงานอย่างไร ก็ยิ่ง ดึงคุณค่าจาก AI ได้มากขึ้น
คุณค่าของงานออกแบบในยุค AI
- AI มีความสามารถสูงมากในการ สร้างไอคอนหรือองค์ประกอบภาพที่มีความสมบูรณ์สูง
- แต่คำถามระดับสูง เช่น ออกแบบไปเพื่ออะไร หรือจะทำให้ผู้ใช้พึงพอใจอย่างไร ยังเป็น ขอบเขตของนักออกแบบมนุษย์
- หากนักออกแบบวัย 25 ปีใช้ AI อย่างเต็มที่ ก็อาจไปถึงระดับ นักออกแบบที่เก่งที่สุดในประวัติศาสตร์ ได้ภายใน 10 ปี
- เมื่อมอบงานซ้ำๆ ให้ AI นักออกแบบจะมีเวลาและสมาธิมากขึ้นในการโฟกัสกับ ปัญหาระดับสูงที่นักออกแบบส่วนใหญ่ไม่เคยเข้าถึง
กลยุทธ์ทักษะแบบตัว T
- คำแนะนำของ Scott Adams (ผู้สร้าง Dilbert): ถ้าทำได้ดีสองอย่างจะเกิด ผลลัพธ์มากกว่า 2 เท่า และถ้าทำได้ดีสามอย่างจะเกิด ผลลัพธ์มากกว่า 3 เท่า
- Adams สามารถสร้าง Dilbert ได้ เพราะเป็นนักเขียนการ์ตูนที่พอใช้ได้และเข้าใจธุรกิจด้วย
- ในฮอลลีวูด คนที่เป็นทั้งนักเขียนและผู้กำกับถูกเรียกว่า auteur และได้รับการปฏิบัติราวกับซูเปอร์สตาร์
- คำแนะนำของ Larry Summers: "อย่าทำตัวให้แทนกันได้ (Don’t be fungible)"
- หากมีชุดทักษะที่หายาก คุณจะไม่เพียงกลายเป็นคนที่แทนที่ได้ยาก แต่ยังกลายเป็น บุคคลสำคัญมากในองค์กรและตลาด
- ในโครงสร้างแบบตัว T แกนนอนคือ ความกว้างของโดเมน ที่สามารถใช้เครื่องมือ AI เพื่อสร้างผลลัพธ์ที่มีความหมายได้
- แกนตั้งคือ ความเชี่ยวชาญเชิงลึก อย่างน้อยหนึ่งโดเมน
- AI ทำให้ ความสามารถในการผสานทักษะสองหรือสามอย่างพร้อมกัน กลายเป็นเรื่องง่ายกว่ายุคก่อนมาก
ความสำคัญของการเรียนรู้โดยใช้ AI
- หนึ่งในความสามารถของ AI ที่ถูกประเมินต่ำที่สุดคือ เราสามารถขอให้มันสอนได้โดยตรง
- ไม่ใช่แค่สั่งให้มันทำงาน แต่ยังสั่งได้ว่า "ช่วยอธิบายวิธีทำสิ่งนี้ให้หน่อย"
- คนที่ต้องการเติบโตในอาชีพควรใช้ เวลาว่างไปกับการสนทนาและฝึกฝนร่วมกับ AI
- เราสามารถโยนปัญหาและภารกิจให้ AI พร้อมกับ ขอให้มันประเมินผลลัพธ์ ได้
- การสังเกตเอาต์พุตที่ AI สร้างขึ้นช่วยให้เรียนรู้เรื่องการเลือกสถาปัตยกรรมและวิธีตัดสินใจได้
- หลังแก้ปัญหาแล้ว ยังสามารถย้อนถามว่า "ถ้าอยากหลีกเลี่ยงข้อผิดพลาดนี้ตั้งแต่แรก ควรทำอะไรต่างออกไป"
ผลกระทบของ AI ต่อผู้ก่อตั้งและบริษัท
- มี 3 เลเยอร์ที่ผู้ก่อตั้งระดับแนวหน้ากำลังคิดพร้อมกัน
1. AI กำลังนิยามตัวผลิตภัณฑ์ใหม่อย่างไร: ไม่ใช่แค่ปรับปรุงฟีเจอร์เดิม แต่เป็นการเปลี่ยนระดับรากฐาน เช่น จากการแก้ไขภาพไปสู่การสร้างภาพ
2. AI กำลังเปลี่ยนงานอย่างไร: ต้องใช้โปรแกรมเมอร์ 100 คนจริงหรือไม่ หรือใช้ 10 คนที่ทำผลิตภาพได้มากขึ้น 10 เท่า
3. คำจำกัดความของบริษัทเองกำลังเปลี่ยนหรือไม่: ความเป็นไปได้ของบริษัทคนเดียวที่ผู้ก่อตั้งบริหาร AI bot หลายตัวและทำงานส่วนใหญ่ได้เอง
- แนวคิดเรื่อง บริษัทมูลค่า 1 พันล้านดอลลาร์ที่มีคนเพียงคนเดียว กำลังถูกพูดถึงบ่อยในวงการ
- มีตัวอย่างที่ทีมเล็กมากสร้างมูลค่ามหาศาลได้ เช่น Bitcoin (Satoshi), Ethereum, Instagram, WhatsApp
- ผู้ก่อตั้งบางรายกำลังทดลองโครงสร้างที่ AI bot ทำงานอย่างอัตโนมัติบนบล็อกเชน และกระจายรายได้ด้วยตัวเอง
ข้อถกเถียงเรื่อง moat ของ AI
- การเปลี่ยนผ่านทางเทคโนโลยีขนาดใหญ่มักใช้เวลานาน และ คำทำนายที่มั่นใจมากในช่วงต้นมักผิดเกือบทั้งหมด
- เมื่อลองย้อนดูคำพยากรณ์เกี่ยวกับอินเทอร์เน็ตในช่วงปี 1993~2010 จะพบว่า แทบไม่มีคำทำนายใดตรงกับความจริง
- ภายในเวลาประมาณ 1 ปีครึ่งหลังการเปิดตัว ChatGPT
- มี บริษัทในสหรัฐฯ มากกว่า 5 แห่งที่มีผลิตภัณฑ์สมรรถนะระดับเดียวกัน
- ในจีนก็มีบริษัทมากกว่า 5 แห่งที่อยู่ในระดับเดียวกัน
- โมเดลโอเพนซอร์ส ก็ไปถึงระดับที่แทบไม่ต่างกันมากในด้านสมรรถนะพื้นฐาน
- กรณีของ DeepSeek แสดงให้เห็นว่าทีมจากกองทุนเฮดจ์ฟันด์จีนสามารถ ทำซ้ำแนวคิดของห้องวิจัยในสหรัฐฯ ได้
- ในหมู่ผู้เชี่ยวชาญในอุตสาหกรรม เริ่มมีความเข้าใจร่วมกันว่า แทบไม่มีความลับที่แท้จริงระหว่างห้องวิจัยขนาดใหญ่
- แม้แต่ในระดับแอปพลิเคชัน ความสามารถในการป้องกันก็มีจำกัด และกรณีที่ Claude Code ถูก สร้างตามได้ภายในเวลา 1 สัปดาห์ครึ่ง ก็เป็นตัวอย่างหนึ่ง
- ระบบนิเวศ AI กำลังทำงานแบบระบบซับซ้อนที่ปรับตัวได้ และ ตอนจบสุดท้ายยังไม่มีใครรู้
- มากกว่าการยึดติดกับ moat แบบคงที่ สิ่งสำคัญคือ ความยืดหยุ่นและความสามารถในการปรับตัวอย่างรวดเร็ว
วิวัฒนาการอย่างรวดเร็วของโมเดล AI
- Claude โดยเฉพาะ Claude Code กำลังได้รับความสนใจอย่างมากในสายการเขียนโค้ด
- Anthropic ใช้ Claude Code เพื่อพัฒนา Co-work ได้ภายในเวลา 1 สัปดาห์ครึ่ง
- มีการตีความกรณีนี้อยู่สองแบบ
- การสร้างผลิตภัณฑ์เสร็จใน 1 สัปดาห์ครึ่งนั้น น่าประทับใจมาก
- ในขณะเดียวกัน หากสิ่งนี้สร้างได้ในเวลา 1 สัปดาห์ครึ่ง ก็เกิดคำถามว่า แล้วความซับซ้อนและกำแพงการเข้าสู่ตลาดมีมากแค่ไหน
- บริษัทโมเดลอื่นๆ ทั้งหมดก็น่าจะสร้าง agent และเครื่องมือที่คล้ายกัน ได้ในที่สุด
- หากดูแนวโน้มในช่วง 3 ปีที่ผ่านมา จะเห็นรูปแบบซ้ำๆ ที่เทคโนโลยีซึ่งดูเหมือนการทะลุผ่านครั้งใหญ่ ถูกลอกเลียนและแซงหน้าอย่างรวดเร็วมาก
มุมมองเชิงบวกแบบไม่กำหนดแน่ชัดในโลกเวนเจอร์แคปิตอล
- Peter Thiel เสนอกรอบ 2x2: มองโลกในแง่ดี/มองโลกในแง่ร้าย × แบบกำหนดแน่ชัด/ไม่กำหนดแน่ชัด
- Thiel วิจารณ์ว่าซิลิคอนแวลลีย์เอนเอียงไปทาง การมองโลกในแง่ดีแบบไม่กำหนดแน่ชัด มากเกินไป
- คือเชื่อว่าโลกจะดีขึ้น แต่ อธิบายไม่ได้ว่าทำไมและผ่านเส้นทางใด
- คนที่มองโลกในแง่ดีแบบกำหนดแน่ชัดจะพูดได้อย่างเป็นรูปธรรมว่า จะสร้างอะไร
- เช่น รถยนต์ไฟฟ้าและการสำรวจดาวอังคารของ Elon Musk
- กลยุทธ์ของ a16z คือ มองโลกในแง่ดีแบบไม่กำหนดแน่ชัด
- ผู้ก่อตั้งแต่ละคนเป็นคนมองโลกในแง่ดีแบบกำหนดแน่ชัด
- จุดแข็งของซิลิคอนแวลลีย์คือมีคนแบบนี้อยู่ หลายพันถึงหลายหมื่นคน
- หากต้องการผลลัพธ์ที่ดีที่สุด สิ่งสำคัญคือ รันการทดลองให้มากที่สุดเท่าที่จะทำได้ในเวลาเดียวกัน
- ซิลิคอนแวลลีย์ได้ผ่าน การเปลี่ยนแพลตฟอร์มเทคโนโลยีหลัก 9 ครั้ง นับตั้งแต่ทศวรรษ 1950
- อินเทอร์เน็ตในทศวรรษ 1990 สมาร์ตโฟนในทศวรรษ 2000 คลาวด์ในทศวรรษ 2010 และ AI ในทศวรรษ 2020 ไม่ใช่ผลลัพธ์ที่มีการวางแผนล่วงหน้า
- ความยืดหยุ่นและความเปิดกว้างของระบบนิเวศโดยรวมคือ ฐานที่ทำให้การเปลี่ยนผ่านต่อเนื่องเหล่านี้เกิดขึ้นได้
แนวคิด AGI และนัยสำคัญ
- นิยาม AGI แบบ "ระดับจักรวาล" รวมถึง singularity โลกที่การตัดสินของมนุษย์ไม่สำคัญอีกต่อไป และลูปการพัฒนาตัวเองของ AI
- เขามองว่าเรา ไม่ได้โชคดีพอหรือโชคร้ายพอ ที่จะได้อยู่ในโลกแบบนั้น
- นิยาม AGI แบบ "เชิงปฏิบัติ" คือสภาวะที่ AI สามารถทำชุดภารกิจทางเศรษฐกิจที่มีมูลค่าสูงที่สุดได้ในระดับมนุษย์
- ปัจจุบันโมเดล AI ถูกวัดว่าอยู่ที่ IQ ระดับ 130~140
- IQ ของมนุษย์มี เพดานอยู่ราว 160 (ระดับ Einstein, Feynman)
- แต่ IQ ของ AI ไม่มีเพดานทางทฤษฎี และอาจไปถึง 180, 200, 250 หรือ 300 ก็ได้
- ระดับที่เทียบเท่ามนุษย์เป็นเพียง ช่วงสั้นๆ ในเชิงอรรถ เท่านั้น
- คำถามสำคัญคือ เราจะทำอะไรในโลกที่มีเครื่องจักรซึ่งเก่งเกินความสามารถของมนุษย์
- AI doctor, AI lawyer, AI coder มี ความเป็นไปได้ที่จะเก่งกว่าผู้เชี่ยวชาญมนุษย์ที่ดีที่สุด
- มนุษย์ถูกจำกัดด้วย ข้อจำกัดทางชีววิทยา ทำให้ยากจะประเมินได้ว่าประสิทธิภาพจะดีขึ้นไปได้ไกลเพียงใด
พฤติกรรมการเสพสื่อของ Marc
- กลยุทธ์การอ่านของเขาคือ barbell strategy ที่สมบูรณ์แบบ
- ข้อมูลเรียลไทม์อย่าง X
- หนังสือเก่าที่ผ่านการพิสูจน์มานาน
- เขา ไม่ค่อยเชื่อถืออย่างมาก กับสื่อที่อยู่ตรงกลางระหว่างสองสิ่งนี้ (เช่น หนังสือพิมพ์ นิตยสาร)
- หากกลับไปอ่านหนังสือพิมพ์ของสัปดาห์ก่อน จะพบว่า คำทำนายส่วนใหญ่ไม่เกิดขึ้นจริง
- คอนเทนต์ที่ผลิตโดย คนทำงานตัวจริงในภาคสนาม ถูกประเมินค่าต่ำอย่างมาก
- Substack, newsletter, podcast คือช่องทางให้เข้าถึง ความคิดของคนฉลาดได้โดยตรง
- ซิลิคอนแวลลีย์เป็น company town ที่มีวัฒนธรรมการแบ่งปันสูง แต่ในความเป็นจริง ตัวบริษัทก็คือซิลิคอนแวลลีย์นั่นเอง
- เขาพูดถึง Edington ว่าเป็นภาพยนตร์แห่งปี
- พูดถึงปี 2020 (COVID, BLM, ความกังวลด้านเทคโนโลยี) แบบตรงไปตรงมา
- แตะต้อง รางที่สาม (ประเด็นต้องห้าม) ที่อุตสาหกรรมภาพยนตร์พยายามหลีกเลี่ยง
- แสดงภาพว่าผู้คน สัมผัสเหตุการณ์ในโลกจริงผ่านโลกออนไลน์ อย่างไร
พฤติกรรมการใช้ผลิตภัณฑ์ของ Marc
- ลูกชายวัย 10 ขวบของเขา อินกับ Replit มาก
- เพราะค้นพบด้วยตัวเอง จึงยิ่งรู้สึกว่ามันน่าดึงดูด
- กำลัง vibe coding เกมด้วยภาษาการออกแบบ UI แบบ LCARS จาก Star Trek: The Next Generation
- เขาสนใจ เทคโนโลยีเสียง AI อย่างมาก
- Bad Rudy ของ Grok (อวาตาร์แรคคูนปากจัด) เป็นเหมือนลูกเล่นในงานปาร์ตี้
- Sesame มอบประสบการณ์เสียงที่ใกล้ชิดและมีอารมณ์ความรู้สึก
- เขาเน้นย้ำศักยภาพการเติบโตของ อุปกรณ์รับคำสั่งเสียง
- เช่น pendant, wearable, แว่น Meta
- เขาใช้แอป Whisper Flow
- สามารถคุยกับ LLM ระหว่างการสั่งพิมพ์ด้วยเสียงได้
- ถ้าพูดว่า “ช่วยสรุปเป็น bullet point ให้หน่อย” ระบบก็จะ เข้าใจเจตนา โดยไม่ต้องพิมพ์
สรุป
- ข้อความสำคัญของยุค AI คือ "นี่คือเวลาของการกลับมาสร้าง (build) อีกครั้ง"
2 ความคิดเห็น
https://lilys.ai/digest/7908237/8771245
บันทึกสรุป
บุคลากรแบบ T-shaped.... เดิมที generalist กับ specialist ก็แยกกันอยู่แล้วไม่ใช่เหรอ ฮือ