- แม้จะมีการโหมกระแสเกินจริงเกี่ยวกับเครื่องมือเขียนโค้ดที่อิง LLM แต่คุณภาพของผลลัพธ์ในการพัฒนาซอฟต์แวร์จริงแทบไม่ได้ดีขึ้นอย่างมีนัยสำคัญ และกลับมีผลงานที่ใกล้เคียงกับ ของปลอม (forgery) ท่วมตลาดมากขึ้น
- แก่นแท้ของสิ่งที่ LLM ทำคือช่วยให้คนคนหนึ่ง เลียนแบบผลลัพธ์ที่อาจเกิดขึ้นได้ของตนเองหรือผู้อื่น แล้วสร้างมันออกมาได้เร็วขึ้น และปัญหาจะเกิดขึ้นเมื่อพยายามใช้สิ่งนั้นแทนของจริง
- โครงการโอเพนซอร์สกำลังได้รับความเสียหายจริงจาก PR คุณภาพต่ำที่สร้างด้วย AI จนต้อง ปิดการรับการมีส่วนร่วมสาธารณะ หรือยุติ bug bounty
- อุตสาหกรรมเกมกำลังต่อต้านได้อย่างมีประสิทธิภาพ โดยผู้บริโภคเป็นฝ่ายผลักดันให้มี การติดป้ายและการกรองคอนเทนต์ AI ขณะที่วิศวกรซอฟต์แวร์กลับยอมรับมันอย่างไร้การป้องกัน
- หาก LLM จะหยุดโกหกได้ จำเป็นต้องมี การระบุที่มาของแหล่งข้อมูลอย่างถูกต้อง (source attribution) แต่ด้วยโครงสร้างโมเดลปัจจุบัน เรื่องนี้ยังเป็นไปไม่ได้ในทางเทคนิค
ข้อโต้แย้งต่อกรอบคิดที่ว่า AI เป็นสิ่งที่หลีกเลี่ยงไม่ได้
- ตามกระแสโฆษณาเกินจริงของอุตสาหกรรม การพัฒนาซอฟต์แวร์แบบเดิมจบสิ้นแล้ว แต่หลังจากใช้เครื่องมือที่อิง LLM มาหลายปี ผลลัพธ์ก็ยังแทบไม่ต่างจากเดิม
- การโหมกระแสเกินจริงอย่างมหาศาล เกี่ยวกับเทคโนโลยีดึงดูดการลงทุนมหาศาล และการลงทุนนั้นก็ยิ่งเรียกร้องให้ต้องมีการโหมกระแสมากขึ้น กลายเป็นวงจรซ้ำ
- โมเดลรุ่นใหม่ยังคงถูกฝึกต่อไปเพื่อทำตามคำสัญญาที่โมเดลซึ่งปลดระวางไปแล้วควรจะทำได้ตั้งแต่แรก
- "ไม่ใช้ AI ก็ไม่เป็นไรเลย" — นี่ไม่ใช่ท่าทีล้าหลัง และอาจเครียดน้อยกว่า แถมพึงพอใจกว่าฝ่ายที่ยอมรับ AI เสียอีก
งานฝีมือ (Craft) vs การผลิตจำนวนมาก (Kraft): กรอบคิดของของปลอม
- ท่ามกลางการตีความหลากหลายต่อสิ่งที่ LLM ทำอยู่ (ความช่วยเหลือ ความคิดสร้างสรรค์ ประสิทธิภาพ vs ความขี้เกียจ ใช้แล้วทิ้ง การลอกฉวย) คำที่หายไปอย่างน่าประหลาดคือ ของปลอม (forgery)
- หากวาดภาพในสไตล์ Van Gogh แล้วเซ็นชื่อเขา นั่นคือของปลอม; หากปลอมเอกสารทางกฎหมาย นั่นคือของปลอม; งานวิจัยที่บิดเบือนข้อมูลก็คือของปลอมเช่นกัน — การจะเป็นของปลอมหรือไม่ฝังอยู่ในทั้งตัววัตถุและ วิธีการสร้างมันขึ้นมา
- LLM คือเครื่องมือที่ช่วยให้คนคนหนึ่งสร้าง ของปลอมของผลลัพธ์ที่อาจเกิดขึ้นได้ของตนเองหรือผู้อื่น ได้เร็วขึ้น
- การเลียนแบบในตัวมันเองนั้นถูกกฎหมายในฐานะเสรีภาพในการแสดงออก แต่ปัญหาเกิดขึ้นเมื่อพยายามใช้ของปลอมเป็น สิ่งทดแทนของจริง
- คุณอาจ "ปลอม" จดหมายจากซานตาคลอสโดยไม่ถูกจับ แต่การครอบครอง "ธนบัตรปลอม" ที่ประณีตมากไว้เป็นของสะสมอย่างเดียวก็ยังไม่เป็นที่ยอมรับในเขตอำนาจใดเลย
อุปมาเรื่องการคุ้มครองแหล่งกำเนิดและมาตรฐานคุณภาพ
- อาหารที่ควบคุมแหล่งกำเนิดอย่าง "Brie de Meaux" ของฝรั่งเศส ต้องอาศัยทั้งวิธีการผลิตแบบดั้งเดิม วัตถุดิบคุณภาพสูง และแหล่งกำเนิดทางภูมิศาสตร์ที่เฉพาะเจาะจง
- หากยอมให้ผลิตในต่างประเทศ ก็ย่อมนำไปสู่ ของเลียนแบบราคาถูกที่ท่วมตลาด อย่างหลีกเลี่ยงไม่ได้ ทำลายแบรนด์ของแท้และคุกคามความชำนาญเฉพาะถิ่นอันหายากที่ถ่ายทอดกันมาหลายชั่วคน
- การตัดสินใจของผู้บริโภคแต่ละคนเพียงอย่างเดียวไม่อาจรับประกันการทำงานที่เหมาะสมของตลาดได้ เพราะแม้แต่สิ่งที่ถูกนำมาวางบนชั้นขายก็ถูกกำหนดโดยปัจจัยที่ผู้บริโภคควบคุมไม่ได้อยู่แล้ว
- คุณภาพของชีสแบบช่างฝีมือเป็นตัวแทนของ ห่วงโซ่อุปทานทั้งหมด ที่ทำงานด้วยวิธีสมัยใหม่ และหากจะย้ายระบบนี้ไปที่อื่นก็ต้องลงทุนมหาศาลทั้งในด้านทุนมนุษย์ โครงสร้างพื้นฐาน และเกษตรกรรม
- ทุกสังคมต้องขีดเส้นไว้ที่จุดใดจุดหนึ่งระหว่าง "ชีสช่างฝีมือแบบดั้งเดิม" กับ "ไข่ปลอมที่ทำจากสารเคมีอุตสาหกรรม" และมีเพียงสังคมที่เข้าใจและรักษาคุณค่าของงานฝีมือด้านอาหารไว้ได้เท่านั้นที่จะหลีกเลี่ยงอัตราโรคอ้วนเกิน 70% ได้ (กรณีของ Nauru)
ความเสียหายจาก AI slop ในโอเพนซอร์สและการเขียนโค้ดประจำวัน
- ผู้ดูแลโอเพนซอร์สคือกลุ่มที่ รับรู้ผลข้างเคียงก่อนใคร — เดิมทีก็ยากมากอยู่แล้วที่จะหาผู้ร่วมพัฒนาที่มีแรงจูงใจจริง และช่วยให้พวกเขาปรับตัวเข้ากับเป้าหมายของโครงการและวิธีคิดทางวิศวกรรม
- เริ่มมีผู้ร่วมพัฒนาที่ส่ง PR ที่เป็น slop coding เข้ามาเพื่อหลอกแต่งประวัติ GitHub
- tldraw ได้ ปิดการรับการมีส่วนร่วมสาธารณะ, โครงการ curl ได้ ยุติ bug bounty, ส่วนโครงการอื่น ๆ ก็โต้กลับด้วยการล้อเลียนผู้ร่วมพัฒนาปลอม ๆ
- ผลลัพธ์คล้ายกันนี้เกิดขึ้นในงานประจำวันเมื่อทำงานกับเพื่อนร่วมงานสาย vibe-coding — ดูเหมือนพนักงานใหม่จะปรับตัวได้เร็ว แต่ความจริงคือพวกเขา โยนกระบวนการเรียนรู้ช่วงแรกให้บอตทำแทน
- ณ ปี 2026 หากพนักงานใหม่ส่ง PR ที่มีคำอธิบายและคอมเมนต์ละเอียดมาก ก็ต้อง สงสัยทุกคำ
วิศวกรอาวุโสและภาพลวงตาของประสิทธิภาพ 10x/100x
- มีการกล่าวอ้างว่าผู้เชี่ยวชาญมากประสบการณ์ที่ใช้ AI สามารถผลิตโค้ดได้มากกว่าเดิม 10 เท่าหรือ 100 เท่า แต่ยังไม่เข้าใจอยู่ดีว่า ทุกบรรทัดของโค้ดที่ถูกนำไปรันและพึ่งพา คือภาระผูกพัน (liability)
- คำกล่าวที่ว่า "เหตุผลที่ AI coding ยอดเยี่ยมก็เพราะทุกสิ่งที่เอเจนต์ต้องใช้ถูกอธิบายไว้ใน codebase แล้ว" เป็นข้ออ้างที่ ผิดพลาดร้ายแรง — ถ้ามันจริง งานเขียนโค้ดที่ต้องทำจริงก็คงไม่มีอยู่แล้ว
- ความแตกต่างสำคัญอยู่ที่ว่า วิศวกรใช้เวลาส่วนใหญ่ของอาชีพไปกับ การแก้ปัญหาที่ซอฟต์แวร์อื่นสร้างขึ้น หรือแก้ ปัญหาที่ผู้คนมีอยู่ก่อนจะมีซอฟต์แวร์
- มีเพียงอย่างหลังเท่านั้นที่สอนให้คิดถึงข้อจำกัดจริงของปัญหาและความต้องการของผู้ใช้
- เมื่อมองซอฟต์แวร์เป็นเป้าหมายในตัวเอง ก็จะลงเอยด้วยการสร้างโครงสร้างพื้นฐานคลาวด์ที่วิศวกรรมเกินความจำเป็น ทั้งที่ VPS ราคา $10/เดือน ก็เพียงพอแล้ว
ลักษณะของ slop code และปฏิกิริยาของอุตสาหกรรม
- วิศวกรที่มีจิตวิญญาณแบบช่างฝีมือสามารถตรวจจับ slop ได้ง่ายระหว่างรีวิว — มักมาในรูปของ โค้ดซ้ำซ้อนมากเกินไป ความซับซ้อนที่ไม่จำเป็น และการปฏิเสธการรีแฟกเตอร์
- มีการพบเห็นแม้แต่วิศวกรอาวุโสก็ยังทำ ความผิดพลาดที่น่าอับอาย ผ่าน vibe coding แล้วส่งต่อออกไปทั้งอย่างนั้น แม้จะมีประสบการณ์มาหลายปี
- เหตุการณ์ที่ Co-pilot Discord ของ Microsoft แบนคำด่าอย่าง "Microslop" — เป็นการจัดกรอบเสียงต้านของผู้ใช้ให้กลายเป็น "สแปม" หรือ "เป็นพิษ" สะท้อนภาวะที่ คำสัญญาถูกให้ความสำคัญมากกว่าผลลัพธ์จริง
- เครื่องมือเหล่านี้ถูกเรียกว่า "เสพติด" หรือ "เพื่อนที่ดีที่สุดที่คุณจะมีได้" แต่กลับไม่เห็นการระเบิดเชิงวิวัฒนาการแบบ Cambrian ของความคิดสร้างสรรค์และความสำเร็จที่ควรมาพร้อมกัน
ปัญหาเชิงโครงสร้างของอุตสาหกรรมซอฟต์แวร์และบทบาทของ AI
- สิ่งที่ AI สร้างขึ้นส่วนใหญ่คือ glue code ที่จำเป็นเพราะหลังการปฏิวัติ PC แอปพลิเคชันซอฟต์แวร์กลายเป็น ปิดมากขึ้น กระจัดกระจายมากขึ้น และเป็นองค์กรนิยมมากขึ้น
- HTTP API ไม่ได้มอบความเปิดกว้างที่แท้จริง เพราะมันต้องการ JSON blob ที่มีเอกสารแย่ และ schema เปลี่ยนทุกคืน
- หลายบริษัทยังคงดำเนินงานโดยอาศัย Excel เป็นหลัก และก็ยังไม่มีเครื่องมือที่เป็นคู่เทียบของ Excel สำหรับโลก JSON
- เคยมีคำกล่าวว่า SQL จะปลดปล่อยธุรกิจจากการพึ่งพาเครื่องมือเฉพาะทาง แต่ก็ล้มเหลว และประวัติศาสตร์กำลังซ้ำรอย
- ในเมื่อแอป Electron ที่ทำแบบ vibe coding ยังถูกเลือกเหนือกว่าแอปเนทีฟหลายแพลตฟอร์มอยู่เสมอ ก็ยิ่งน่าถามว่าประสิทธิภาพ 100 เท่านั้นอยู่ตรงไหนกันแน่
- แม้แต่ Apple เองก็ยังรักษา ระบบฟอร์มและไอคอนที่เหมาะสม ไว้ไม่ได้ใน OS รุ่นล่าสุด โอกาสของ AI ที่ฝึกจากเว็บ slop ก็ยิ่งดูต่ำลงไปอีก
การต่อต้านอย่างมีประสิทธิภาพของอุตสาหกรรมเกม
- วิศวกรซอฟต์แวร์กระโดดลงไปโดยไม่มีเสื้อชูชีพ แต่ อุตสาหกรรมเกม กลับกำลังต่อต้านอย่างมีประสิทธิภาพโดยมีผู้บริโภคเป็นผู้นำ
- เกมหลายเกมได้ ขอโทษและลบ คอนเทนต์ AI ที่ไม่มีการติดป้ายกำกับ
- Steam มีนโยบายที่ชัดเจนเกี่ยวกับคอนเทนต์ AI และ SteamDB ก็มี เครื่องมือกรอง เกมที่สร้างด้วย AI
- ล่าสุดนโยบายของ Steam ถูกอัปเดตให้ยกเว้นการใช้เพื่อ "เพิ่มประสิทธิภาพ" ของเครื่องมือพัฒนา ที่ไม่ได้สร้างคอนเทนต์ที่ถูกนำเสนอให้ผู้เล่นเห็น
- มีสองเหตุผลที่ตลาดเกมต่อต้านได้อย่างมีประสิทธิภาพ:
- เป็นตลาดดิจิทัลแบบ D2C (ขายตรงสู่ผู้บริโภค) อย่างแท้จริง — เกมเมอร์มีอำนาจเลือกทั้งหมด และผู้กำหนดรสนิยมที่เรียกร้องความโปร่งใสก็คือตัวเกมเมอร์เอง
- เกมส่วนใหญ่เป็น งานเชิงศิลปะ และถูกซื้อเพราะแรงดึงดูดทางศิลปะเฉพาะตัว — ในโลกศิลปะ การเลียนแบบถูกมองว่าเป็นการลดทอนคุณค่าของต้นฉบับและขโมยเครดิต
ความต่างระหว่างการนำโค้ดกลับมาใช้ใหม่กับความเป็นต้นฉบับทางศิลปะ
- โดยทั่วไปแล้วโค้ดไม่ได้เสียหายจากการนำกลับมาใช้ใหม่ และในกรณีของโครงสร้างพื้นฐานมันอาจถึงขั้น เป็นประโยชน์ ด้วยซ้ำ
- นี่คือเหตุผลที่โครงการโอเพนซอร์ส ไม่เหมาะอย่างยิ่ง สำหรับการดึงดูดครีเอทีฟที่มีพรสวรรค์เชิงศิลปะ — จิตวิญญาณของการแบ่งปันโดยไม่มีต้นทุนหมายความว่างานออกแบบเชิงศิลปะอาจถูกหยิบไปใช้ทันทีโดยไร้บริบทดั้งเดิม
- procedural generation แบบดั้งเดิมเป็นกรณีก่อนหน้าที่น่าสนใจ และโดยมากก็ไม่สามารถทำได้ตามความคาดหวัง
- กรณีของ No Man's Sky (เวอร์ชัน 2016) — คำสัญญาว่าจะสร้างคอนเทนต์แบบทวีคูณจากแหล่งกำเนิดจำกัดนั้น กลับทำให้ ความหลากหลายของผลลัพธ์ที่มันสร้างเองไร้คุณค่า
Generative AI, ไลบรารีเถื่อน และความกำกวมทางกฎหมาย
- เป็นเรื่องธรรมดาที่ศิลปินจะประณาม generative AI ว่าเป็น การลอกผลงานจำนวนมหาศาล และก็เป็นเรื่องธรรมดาเช่นกันที่ผู้ประกอบการเทคกับผู้จัดระเบียบข้อมูลจะไม่เข้าใจสิ่งนี้ แล้วนำโมเดลไปฝึกจาก shadow library เถื่อน
- มีข้อกล่าวหาว่า Nvidia พยายามทำ ดีลเพื่อเข้าถึงอย่างรวดเร็ว คลังหนังสือเถื่อนขนาดมหาศาลของ Anna's Archive
- มีเหตุผลชัดเจนที่ผลลัพธ์ออกมา ธรรมดา หยาบ และชวนกังขา — ตัวอย่างฝึกจำนวนมากจากแหล่งเรียนรู้ก็เป็นเพียง slop สำหรับเครื่องจักรเท่านั้น
- สิ่งนี้สร้าง ข้อปฏิเสธที่ฟังขึ้น (plausible deniability) แบบที่แยกไม่ออกว่าอะไรคือการอ้างอิง อะไรคือการหลอน และอะไรคือความคิดริเริ่มจริง
- การติด ป้ายว่า AI สร้าง หรือใส่ลายน้ำบนคอนเทนต์ AI ส่วนใหญ่เป็นเพียงการเลี่ยงความรับผิด ไม่ใช่การเปิดเผยอย่างมีความรับผิดชอบอย่างแท้จริง
- หากจะยอมรับและให้ความชอบธรรมกับ vibe coding ก็ต้องยอมรับจุดยืนที่ย้อนแย้งว่า ผลงานของวิศวกรเองนั้น ใช้แล้วทิ้ง ไม่สร้างสรรค์ และไม่คู่ควรกับการได้รับเครดิต
การระบุที่มาของแหล่งข้อมูล (Source Attribution) ในฐานะทางออก
- ไม่ควรมีศาลใดตัดสินว่าผลลัพธ์ AI ทั้งหมดนั้นชอบด้วยกฎหมายหรือมีลิขสิทธิ์ได้หรือไม่ และ ผลลัพธ์ที่ไม่มีแหล่งที่มาควรถูกปฏิบัติว่าเป็นของปลอม
- ทางออกของปัญหา LLM นั้นชัดเจนแต่ไปไม่ถึง: LLM ต้องสามารถ ระบุที่มาของแหล่งข้อมูลได้อย่างถูกต้อง ควบคู่ไปกับการให้เหตุผล
- สิ่งนี้อาจเปิดเผยได้ด้วยว่าโค้ดสาย vibe จำนวนมากจริง ๆ แล้วเป็นการ คัดลอก/วาง มาจาก codebase เดิม โดยละชื่อผู้เขียนต้นฉบับ ใบอนุญาต และลิงก์ออกไป
- ในโมเดลปัจจุบัน การระบุที่มาจริงนั้น เป็นไปไม่ได้ในทางเทคนิค — ความสามารถของ LLM ในการเอ่ยถึงและอ้างอิงแหล่งที่มาเองก็เป็น คุณสมบัติผุดเกิด (emergent property) ของข้อมูลที่ถูกรวบรวมมา
- LLM สามารถอ้างอิงแหล่งที่มาได้เฉพาะเมื่อมันเหมาะสมกับตำแหน่งปัจจุบันในข้อความเท่านั้น ซึ่งก็คือเพียงการ เล่นบทบาทการอ้างอิง (citation role-play) ที่ทำได้ดีในกรณีซึ่งมักมีการอ้างอิงถูกต้องอยู่แล้ว
- นัยของการบังคับให้มีการระบุที่มานั้นมหาศาล: หากน้ำหนักโมเดลต้องระบุที่มาได้ และการทำ feedforward ต้องตรวจสอบย้อนหลังได้ แล้ว backpropagation จะมีหน้าตาอย่างไร มันคงไม่สามารถยัดใส่
int4 ได้
- นี่เองคือปัญหาที่ "เครื่องมือตรวจจับ AI" พยายามแก้จากปลายทางย้อนกลับ
- เป็นเรื่องย้อนแย้งที่เทคโนโลยีรุ่นถัดจากเวิลด์ไวด์เว็บและเสิร์ชเอนจินขนาด Google ซึ่งใช้ประโยชน์จากมัน กลับเป็น เทคโนโลยีที่ไม่สามารถบอกแหล่งที่มาของข้อมูลได้ตั้งแต่ระดับการออกแบบ
- หากเครื่องจักรจะหยุดโกหก มันก็ต้อง อ้างอิงแหล่งที่มาให้ถูกต้อง และบริษัท AI ก็เช่นกัน
3 ความคิดเห็น
อะไรนะ ตอนนี้ฉันเริ่มรู้สึกว่าคลังคำศัพท์ของตัวเองเริ่มไม่พอแล้ว
นั่งค้นหาอยู่กับคำว่า "ภาวะเกิดใหม่, slop, การระบุที่มาของแหล่งข้อมูล, ผลของการจัดกรอบ, การระเบิดยุคแคมเบรียน".
ความเห็นจาก Hacker News
ตลาดวิดีโอเกมดูเหมือนจะเป็นกรณีหายากที่ผู้บริโภคต่อต้าน AI แต่ในความเป็นจริงพวกเขาต่อต้านแค่ AI art assets เท่านั้น
ไม่ว่าโค้ดจะเขียนด้วย AI หรือไม่ก็ไม่มีใครสนใจ แบบสอบถาม AI ของ Steam แสดงให้เห็นว่าการสร้างโค้ดนั้นถูกยอมรับไปแล้ว
สุดท้ายแล้ว การแพร่หลายของการเขียนโค้ดด้วย LLM เป็นสิ่งที่หลีกเลี่ยงไม่ได้ เช่นเดียวกับการสร้างแบบเชิงกระบวนการ ซึ่งขึ้นอยู่กับความสามารถของผู้ใช้มากกว่าจะเป็นปัญหาของตัวเครื่องมือ
เริ่มรู้สึกเบื่อการถกเถียงเรื่อง LLM แล้ว เทคโนโลยีนี้กำลังถูกใช้ไปในทาง ควบคุม ผู้คนมากกว่า เสริมพลัง ให้คน ทำให้การปลดคนง่ายขึ้น และยิ่งกระจุกความมั่งคั่งมากขึ้น
มันเหมือนหมูกำลังถกกันเรื่องประโยชน์ใช้สอยของ เครื่องทำเบคอน
ขบวนการลัดไดต์ ไม่ใช่แค่การต่อต้านเทคโนโลยีอย่างง่าย ๆ พวกเขากังวลเรื่องคุณภาพที่ถดถอย และก็ถูกต้องจริง
ผ้าพันคอขนแกะแฮนด์เมดจากยุโรปยุคกลางนั้นแตกต่างจากสินค้าจากโรงงานสมัยใหม่โดยสิ้นเชิง ความก้าวหน้าทางเทคโนโลยีไม่ได้หมายถึง การทดแทนแบบ 1:1 เสมอไป
แม้แต่ตอนนี้ก็ยังเห็นคนที่ไม่ใช่สายเทคนิคทำเครื่องมือภายในองค์กรที่ช่วยประหยัดเวลาได้หลายร้อยชั่วโมง จึงรู้สึกได้ว่า ถึงจะไม่สมบูรณ์แบบ แต่ถ้า ได้ผลก็เพียงพอ
สิ่งที่ LLM เปิดเผยคือการเขียนโปรแกรมส่วนใหญ่นั้นเป็นแค่ boilerplate code
คุณค่าที่แท้จริงอยู่ในนวัตกรรมเล็ก ๆ ระดับสูงกว่า
การใช้งาน LLM ในอุดมคติคือให้ทำหน้าที่เป็น ครู ควรใช้มันเป็นเครื่องมือสอนแนวคิดได้อย่างรวดเร็วแทนการเขียนโค้ด
เหมือนกับชีสหรือแฮมแบบช่างฝีมือ อนาคตอาจมี Artisanal Coding ก็ได้
มันกลายเป็นเครื่องจักรที่แปลงสเปกให้เป็นโค้ดแทนมนุษย์
ความจริงอันเย็นชาคือไม่มีใครสนใจ ตัวโค้ดของเราเอง
คนส่วนใหญ่สนใจแค่ว่ามันทำงานไหม เร็วไหม และต้นทุนเท่าไร สุดท้ายเราเลยใกล้เคียงกับ แรงงานโรงงาน มากกว่า
มันคล้ายกับความรู้สึกสูญเสียที่ช่างทำนาฬิกาเคยมีเมื่อเห็นเครื่องกลึงอัตโนมัติ
ในที่สุด เรื่องเล่าโรแมนติก ที่เรายึดถือกันมาว่าเป็น ‘อาชีพสร้างสรรค์’ ก็กำลังพังทลายลง
การถกเถียงทั้งหมดนี้สุดท้ายก็เหมือนปัญหาเรื่องธรรมชาติมนุษย์ที่วนซ้ำแบบมีม TTP(Time To Penis)
บทความนี้แสดงให้เห็นมุมมองที่ สมจริงและสมดุล มาก
ทั้งเนื้อหาและคอมเมนต์ดูเป็นแง่ลบจนน่าแปลกนะ ทุกคนไม่เคยลองใช้ Claude Code กันเลยหรือไง..