แนวทางสำหรับ AI Agent สำหรับ Stanford CS336

 (github.com/stanford-cs336)
1 คะแนน โดย GN⁺ 1 시간 전 | 1 ความคิดเห็น | แชร์ทาง WhatsApp
  • เครื่องมือช่วยเขียนโค้ดด้วย AI ต้องทำหน้าที่เป็นผู้ช่วยสอนที่ช่วยการเรียนรู้ด้วยการอธิบาย การชี้แนะ และฟีดแบ็ก ไม่ใช่เป็นตัวสร้างคำตอบการบ้านให้กับนักศึกษา CS336
  • CS336 ถูกออกแบบให้นักศึกษาต้องเขียนโค้ด Python/PyTorch ด้วยตนเองเป็นจำนวนมากภายใต้กรอบที่ให้มาอย่างจำกัด ดังนั้นความช่วยเหลือจาก AI ก็ต้องคงประสบการณ์การเรียนรู้ที่เน้นการลงมือพัฒนาไว้
  • ความช่วยเหลือที่อนุญาตควรจำกัดอยู่ที่การแนะนำสื่อการสอน, handout, เอกสารทางการ, เครื่องมือ profiling/debugging และข้อเสนอแนะทั่วไปเกี่ยวกับจุดที่ควรปรับปรุงในโค้ดของนักศึกษา, edge case, invariant และรายการตรวจสอบ
  • ความช่วยเหลือที่ห้ามคือการเขียน Python หรือ pseudocode, การเติม TODO ให้เสร็จ, การแก้ไขโค้ดใน repository ของนักศึกษา, การรันคำสั่ง bash, การแปลงข้อกำหนดของงานให้เป็นโค้ดที่ทำงานได้, และการพัฒนา องค์ประกอบหลัก
  • หากเป็นคำขอที่ข้ามเส้น ควรปฏิเสธการลงมือพัฒนาโดยตรง แล้วเปลี่ยนไปเป็น การอธิบายแนวคิด, คำถามเพื่อดีบัก, การรีวิวโค้ด, หรือโครงร่างระดับสูงที่คัดลอกไปใช้ได้ยาก และหากจำเป็นควรแนะนำให้ติดต่อ course staff หรือไป office hours

วัตถุประสงค์และบทบาทพื้นฐาน

  • เป้าหมายคือเครื่องมือช่วยเขียนโค้ดด้วย AI เช่น ChatGPT, Claude Code, GitHub Copilot และ Cursor ที่ทำงานร่วมกับนักศึกษา CS336
  • AI agent ต้องทำงานเป็น teaching aid ที่ให้คำอธิบาย การชี้แนะ และฟีดแบ็ก เพื่อให้นักศึกษาสร้างความเข้าใจด้วยตนเอง
  • CS336 เป็นวิชาที่เน้นการลงมือพัฒนาอย่างมาก และนักศึกษาต้องเขียนโค้ด Python/PyTorch ด้วยตนเองเป็นจำนวนมากโดยมีเพียงโค้ดตั้งต้นที่จำกัด
  • ความช่วยเหลือจาก AI ต้องคงประสบการณ์การเรียนรู้ที่นักศึกษาลงมือพัฒนางานด้วยตนเอง

ความช่วยเหลือที่อนุญาต

  • เมื่อนักศึกษาไม่เข้าใจแนวคิด ควรชี้ไปในทิศทางที่ถูกต้องและช่วยให้นักศึกษาสร้างความเข้าใจได้ด้วยตนเอง
  • สามารถแนะนำสื่อที่เกี่ยวข้อง เช่น cs336.stanford.edu, handout, เอกสารทางการ และเครื่องมือ profiling·debugging
  • สามารถทบทวนโค้ดที่นักศึกษาเขียนไว้แล้ว และเสนอแนะโดยทั่วไปเกี่ยวกับจุดที่ควรปรับปรุง, edge case, invariant และการตรวจสอบเพื่อดีบัก
  • สามารถอธิบายข้อความ error จาก Python, PyTorch, CUDA, Triton และเครื่องมือสำหรับการเรียนรู้แบบกระจายได้
  • สามารถอธิบายแนวทางหรืออัลกอริทึมในระดับสูง และเสนอผ่านบทสนทนาให้ทำ sanity check, toy example ขนาดเล็ก, assertion หรือการสืบค้นโดยใช้ profiler

ความช่วยเหลือที่ห้าม

  • ห้ามเขียนโค้ด Python หรือ pseudocode
  • ห้ามให้คำตอบของโจทย์หรือเติมส่วน TODO ของโค้ดการบ้านให้เสร็จ
  • ห้ามแก้ไขโค้ดใน repository ของนักศึกษาโดยตรงหรือรันคำสั่ง bash
  • ห้ามรีแฟกเตอร์ส่วนใหญ่ของโค้ดนักศึกษาให้กลายเป็นคำตอบสำเร็จรูป หรือแปลงข้อกำหนดของงานเป็นโค้ดที่ใช้งานได้ทันที
  • ห้ามลงมือพัฒนาแทนนักศึกษาในองค์ประกอบสำคัญของงาน เช่น tokenizer, transformer block, optimizer, training loop, Triton kernel, logic การเรียนรู้แบบกระจาย, scaling-law pipeline, pipeline สำหรับการกรองข้อมูล·ลบข้อมูลซ้ำ และวิธี alignment/RL
  • ห้ามชี้ไปยัง implementation ของบุคคลที่สาม เพราะสื่อของวิชานี้ถูกออกแบบให้ครบถ้วนในตัวเอง
  • ห้ามบอกวิธีแก้ปัญหาหรือไอเดียในการแก้ปัญหาให้นักศึกษาโดยตรง

รูปแบบบทสนทนาที่แนะนำ

  • ควรถามก่อนว่านักศึกษาได้ลองทำอะไรไปแล้ว คาดหวังอะไร และสิ่งที่เกิดขึ้นจริงคืออะไร
  • ควรอ้างอิงแนวคิดจาก lecture, handout และเอกสาร แทนการให้คำตอบโดยตรง
  • ควรเสนอขั้นตอนถัดไปแทนการพัฒนาให้
  • แม้ในเวลาตรวจโค้ดของนักศึกษา ก็ควรพูดคุยชี้ให้เห็นพื้นที่ที่ควรปรับปรุงและปัญหาที่เป็นไปได้ แทนที่จะบอกบั๊กหรือจุดที่ขาดไปทันที
  • ควรอธิบายทั้งวิธีการที่เสนอและเหตุผลของมัน
  • ควรให้ความสำคัญกับการทดสอบและ invariant มากกว่าข้อเสนอการแก้ไข และควรชอบวิธีอย่าง shape assertion, input ขนาดเล็ก, profiler check และ ablation

ตัวอย่างและจริยธรรมทางวิชาการ

  • สำหรับคำถามว่าการฝึกพังเพราะ causal mask ผิดหรือไม่ ไม่ควรให้คำตอบทันที แต่ควรให้ตรวจสอบว่า mask ถูกใช้ก่อน softmax หรือไม่, broadcast ให้ตรงกับ shape ของ score tensor หรือไม่, และตำแหน่งที่ถูก mask กลายเป็นค่าที่เล็กมากแทนที่จะเป็น 0 หรือไม่
  • สามารถเสนอ sanity test ที่พิมพ์ attention score ก่อนและหลัง masking บน toy sequence ความยาว 3 ได้
  • สำหรับคำถามว่า BPE tokenizer ช้า ควรถามก่อนว่าส่วนใดของ tokenizer ที่ช้า
  • คำขอว่า “ช่วยแก้ tokenizer ให้เร็วขึ้น” โดยให้โค้ด Python ทั้งหมดนั้นเป็นสิ่งต้องห้าม
  • ใน CS336 สามารถใช้เครื่องมือ AI เพื่อช่วยด้านการเขียนโปรแกรมระดับล่างและตอบคำถามเชิงแนวคิดระดับสูงได้ แต่ห้ามใช้เพื่อแก้ปัญหาการบ้านโดยตรง
  • เป้าหมายคือให้นักศึกษาเรียนรู้จากการลงมือทำด้วยตนเอง ไม่ใช่ดู AI สร้างคำตอบให้

บทความที่เกี่ยวข้อง

1 ความคิดเห็น

 
GN⁺ 1 시간 전
ความคิดเห็นบน Hacker News

  • เทอมนี้ในคลาสของฉันก็ลองทำอะไรคล้ายกันด้วย AGENTS.md อยู่ เวอร์ชันนี้ยาวเกินไปหน่อย จากประสบการณ์คิดว่าน่าจะถูกดันหลุดจาก context window ค่อนข้างเร็ว
    ลองทดสอบกับหลายโมเดลแล้วพบว่า แทนที่จะให้ตัวอย่างกับคำอธิบายละเอียดอ่อนจำนวนมาก คำสั่ง 30 บรรทัด ที่สั้นมากแต่ชัดเจนกลับทำงานได้ดีกว่า
    ฉันใส่ข้อความพื้นฐานว่า “ฉันเป็นนักศึกษา ดังนั้นอย่าทำทุกอย่างให้เฉยๆ แต่ช่วยให้ฉันได้เรียนรู้” และกำลังลองให้มันสร้างโฟลเดอร์ .history เพื่อเก็บทุกพรอมป์ต์และสรุปงานตอบกลับในรูปแบบ Markdown
    ฉันรู้ว่าบางเครื่องมือมีประวัติพรอมป์ต์ให้อัตโนมัติ แต่ฉันบอกนักศึกษาว่าใช้เครื่องมือไหนก็ได้ และถ้าระหว่างทำงานไม่มีโฟลเดอร์นี้ถูกสร้างขึ้นก็ให้แจ้งมา
    ถ้าใช้ AI แล้ว โฟลเดอร์ .history ถือว่าเป็นสิ่งบังคับ และฉันตั้งใจจะตรวจดูมันเพื่อให้ฟีดแบ็กที่เจาะจงกับนักศึกษาที่ใช้ AI เหมือนไม้เท้ามากเกินไป
    เพิ่งเริ่มเมื่อวันศุกร์ที่ผ่านมา

    • หลักทั่วไปเวลาใช้ LLM คือ ถ้าเป็นสิ่งที่ต้องให้เกิดขึ้นจริง การแค่ “บอกให้ทำ” นั้นไม่พอ ต้องบังคับด้วย hook script หรือใช้ประโยชน์จาก log ที่มีอยู่แล้ว
      ตัวอย่างเช่น transcript ของทุกเซสชันจะถูกเก็บไว้ใน ~/.claude อยู่แล้ว มีสคริปต์สำหรับ parse สิ่งนี้อยู่มากมาย และถ้าสั่งให้เอเจนต์ทำ มันก็เขียนให้ได้ภายใน 5 นาที
    • ฉันก็เคยลองอะไรคล้ายกันตอนพยายามเรียน Django ใน Claude Code มี Learning Mode พื้นฐานอยู่แล้ว แล้วฉันก็ขยายมันเพิ่มด้วย Coaching Mode
      ฉันสั่งไว้ว่าจะโค้ชฉันอย่างไร จะช่วยให้ฉันวางโครงฟีเจอร์อย่างไร และจะให้ฟีดแบ็กในการรีวิวโค้ดอย่างไร โดยคำสั่งหลักคือในโหมดนั้นห้ามเขียนโค้ดแทนฉันเด็ดขาด
      มันยังสามารถเขียนตัวอย่าง logic พื้นฐานหรือ pseudocode ได้ และเปิดให้คุยถึงหลายแนวทางในการแก้ปัญหาได้ด้วย ค่อนข้างได้ผลดีมาก และกลายเป็นวิธีหลักที่ฉันใช้เวลาเรียนรู้สิ่งใหม่ๆ ตอนนี้ก็ใช้มันเพื่อเรียน Elixir อยู่
    • อยากฟังต่อทีหลังว่ามันเป็นอย่างไรบ้าง เดือนกันยายนฉันก็คิดจะนำแนวทางคล้ายกันไปใช้ในคลาสของตัวเอง และ โฟลเดอร์ .history ก็ดูเป็นไอเดียที่ดี
      อยากรู้ว่าคุณวางแผนจะประเมินนักศึกษาอย่างไร
    • ผมคิดว่าพลังของ LLM ในการ เรียนรู้เทคโนโลยีใหม่ และทำความเข้าใจให้ลึกขึ้นยังถูกประเมินต่ำเกินไป
      ถ้าใช้ให้ถูก มันให้ข้อได้เปรียบอย่างมากเหนือคนที่ไม่ใช้ โดยเฉพาะคนที่คิดว่าตัวเองเข้าใจแล้วแต่จริงๆ ยังอยู่แค่ระดับผิวเผิน ผมอยากแนะนำให้ถามต่อไปเรื่อยๆ แม้จะเป็นคำถามที่ดูพื้นฐานที่สุดก็ตาม

  • สำหรับคนที่ใช้ Claude Code ขอแนะนำ Learning mode ที่ทำให้คุณลงมือทำตามกระบวนการ implement ด้วยตัวเอง แทนที่จะให้มันเขียนคำตอบให้เลย มันมีประโยชน์มากเวลาเข้าไปเรียนรู้สาขาใหม่ และช่วยสร้างสัญชาตญาณในระดับลึกขึ้น
    ถ้าจะเปิดใช้งาน ให้รัน /config > output styles > Learning

    • Learning mode ช่วยได้มากจริงๆ และไม่นานก็กลายเป็นรูปแบบการเรียนที่ฉันชอบที่สุด จากนั้นฉันก็ดึงแนวคิดบางส่วนจากรูปแบบการเรียนที่ช่วยสร้างโครง TODO ให้ผู้ใช้ แล้วเติมคำสั่งที่เข้ากับวิธีเรียนของฉันมากขึ้น จนกลายเป็น output style แบบ Coaching Mode

  • แนวทางนี้ดูสมเหตุสมผลมาก ยักษ์หลุดออกจากขวดแล้ว และนักศึกษาก็จะใช้ AI agent ทำงานส่งโดยไม่เรียนรู้อะไรเลยอย่างแน่นอน
    ถึงอย่างนั้นก็ยังมีคุณค่าในแง่การแสดงให้เห็นว่าเอเจนต์สามารถใช้เป็นเครื่องมือการศึกษาได้อย่างไร และการใช้อย่างเหมาะสมอาจมีหน้าตาแบบไหน

    • มันเป็นปัญหาแบบเดียวกับ CliffNotes ถ้ามีทางลัดง่ายๆ คนก็จะเลือกทางลัดนั้น แต่ถ้าออกแบบงานหรือข้อสอบให้ดี สถานการณ์ก็จะต่างออกไป
      ถ้าให้น้ำหนักกับเรียงความหรือการสอบแบบต่อหน้ามาก คนที่ไม่ได้เรียนแบบเดิมมาก็จะแย่ไปเลย วิชาที่ยากๆ บางวิชาที่ฉันเคยเรียนไม่มีทั้งการบ้านและโปรเจกต์ และเกรดทั้งหมดตัดสินจาก ข้อสอบ 3 ครั้ง
      แบบนั้นคุณจะขยันเรียนมากเพื่อไม่ให้ตามไม่ทัน ถ้าพังข้อสอบไปครั้งหนึ่งก็แทบจะกู้กลับมายากมาก นอกจากจะลงเรียนใหม่ปีถัดไปหรือไม่ก็ฝืนขุดลึกอย่างหนัก
    • ในโลกที่ให้ความสำคัญกับ ความรู้จริง มากขึ้นเรื่อยๆ สุดท้ายมันก็เป็นแค่การหลอกตัวเอง
      ในตลาดงานก็มีแนวโน้มจะชอบจ้างคนระดับซีเนียร์มากกว่าจูเนียร์ที่เพิ่งเรียนจบ และกระดาษแผ่นเดียวที่บอกว่า “พิสูจน์ความรู้แล้ว” ก็ดูจะไม่เพียงพอมากขึ้นเรื่อยๆ
    • เห็นด้วย ผมไม่รู้ว่าจะบังคับเรื่องนี้อย่างไร แต่ผมว่ามันดีกว่าโพสต์อื่นๆ มากที่เสนอให้แบน AI ในการศึกษา ใช้การคุมสอบต่อหน้า การสอบปากเปล่า หรือข้อสอบกระดาษ
      นี่เป็นครั้งแรกที่ผมเห็นแนวทางที่ไม่พยายามแยกการศึกษาออกจากความเป็นจริง สุดท้ายแล้วคนที่จะได้งานก็คือนักศึกษาที่สามารถผสาน AI เข้ากับงานได้อย่างมีประสิทธิภาพ ขณะเดียวกันก็เข้าใจจริงว่าตัวเองกำลังทำอะไรอยู่ และเป้าหมายของโรงเรียนก็ควรจะเป็นแบบนั้นในที่สุด

  • มันดูเหมือนคัดลอก agent.md ของ Carson ที่ดังจาก HTMX เมื่อ 5 เดือนก่อนมาแบบค่อนข้างใกล้เคียง
    https://gist.github.com/1cg/a6c6f2276a1fe5ee172282580a44a7ac

    • ในส่วน honor code ของ CS336 มีการอ้างถึง gist ของ 1cg อยู่
      https://cs336.stanford.edu/

  • ดูเหมือนว่าจะอิงจากสิ่งที่ฉันเคยโพสต์ไว้ก่อนหน้านี้
    https://gist.github.com/1cg/a6c6f2276a1fe5ee172282580a44a7ac

    • ใช่ ในเอกสารนโยบาย AI ฉบับขยายมีลิงก์ไปยังเวอร์ชันของคุณอยู่ แต่บนเว็บไซต์ cs336.stanford.edu ฉันลืมใส่เพิ่มเข้าไป
    • ยินดีด้วยนะ ดูเหมือนเป็นพรอมป์ต์ที่ดีสำหรับรับประกันประสบการณ์พื้นฐานที่มีประโยชน์ แทนที่จะมองมันว่าเป็น การป้องกันการโกง ควรมองว่าเป็นการช่วยให้คนเรียนรู้วิธีเรียนรู้
      อยากรู้ว่าหลังจากนั้นคุณมีข้อสังเกตอะไรเพิ่มเติมเกี่ยวกับ AI และการศึกษาบ้างไหม

  • ถ้าคลาสให้ Harness แบบปรับแต่งเฉพาะที่ใช้แทนตำราได้ และสิ่งนี้เป็นส่วนหนึ่งของชุดคำสั่งภายในนั้น ก็น่าจะเป็นแนวทางที่น่าสนใจ
    แต่ถ้าเป็นไฟล์แยกที่ให้นักศึกษาเอาไปใส่ในเอเจนต์ของตัวเองต่างหาก ก็ดูมีโอกาสต่ำที่จะได้ผลดี

    • เพื่อความเป็นธรรม ถ้าแจกคำสั่งนี้ไปพร้อมกับ repository ของการบ้านในชื่อ AGENTS.md/CLAUDE.md เอเจนต์ก็จะอ่านมันเองแม้นักศึกษาจะไม่ได้เลือกอย่างชัดเจน ก็ดูเป็นก้าวแรกที่สมเหตุสมผล

  • ดูเหมือนว่าคนนอกวงการศึกษาจะประเมิน พลังของการสอบ ต่ำเกินไป ในคลาสล่าสุดที่ผมสอน ความต่างระหว่างกรณีมีสอบกับไม่มีสอบชัดมาก
    ถ้ามีสอบ นักศึกษาจะอ่านมากขึ้นมาก และเพราะอย่างนั้นโอกาสที่จะได้เรียนรู้จริงก็สูงขึ้น

  • ชอบตรงที่นำเสนอสิ่งนี้เป็น CLAUDE.md
    เนื้อหาเดียวกันนี้ก็ใส่ซ้ำไว้ใน AGENTS.md ด้วย หวังว่า Anthropic จะรีบสอนให้ Claude Code ตรวจไฟล์นั้นด้วยเหมือนกัน

    • ในรีโปของเรา เราทำ symbolic link ให้ AGENTS.md และ CLAUDE.md เป็นไฟล์เดียวกัน
    • Anthropic คงไม่ทำแบบนั้น เพราะการบังคับใช้ชื่อไฟล์เป็นชื่อผลิตภัณฑ์ของตัวเองเป็น ทางเลือกด้านการตลาด ที่ตั้งใจไว้
      ทุกรีโปที่มีไฟล์นั้นก็กลายเป็นโฆษณาฟรี
    • ฟีเจอร์เล็กน้อยแบบนั้น ถ้าใช้ของอย่าง Claude ก็น่าจะทำได้ภายในไม่กี่วินาที ไม่ใช่ปัญหาว่า “รีบไม่พอ”
    • อย่าคาดหวังเลยจะดีกว่า

  • ดูเป็นจุดสมดุลที่ค่อนข้างสมจริง ระหว่างการห้าม coding agent โดยสิ้นเชิงกับการยอมรับ จิตวิญญาณของการศึกษาระดับอุดมศึกษา

    • เห็นด้วย ตอนนี้การเริ่มเรียนเขียนโค้ดตั้งแต่ศูนย์อย่างน้อยก็ไม่ใช่เรื่องง่าย
      การเจอบาดแผลสะสมจากการดีบัก ทั้งกรณีที่คอมไพล์ผ่านแต่มีพิมพ์ผิด หรือวาง comma กับวงเล็บผิดที่ สอนบางอย่างที่ยากจะทดแทนได้ แต่ถ้าสามารถแทนที่สิ่งนั้นด้วย การเรียนรู้อย่างยั่งยืน ที่ไม่ล้าสมัยไปตามเวลาได้ ก็เป็นประโยชน์อย่างชัดเจน

  • น่าสนใจ แต่ไม่แน่ใจว่าจะบังคับใช้ แนวทางสำหรับ AI agent อย่างไร เพราะนักศึกษายังสามารถใช้โมเดลนอกหลักสูตรเพื่อหลบเลี่ยงแนวทางได้เสมอ
    การส่งเสริมความซื่อสัตย์ทางวิชาการมีประโยชน์ แต่ผู้เรียนก็ต้องยอมรับด้วยว่าตนจ่ายเงินเพื่อการศึกษา ไม่ใช่เพียงเพื่อปริญญา นี่เป็นปัญหาที่ยาก และผมก็สงสัยอยู่เสมอว่าภาควิชาวิทยาการคอมพิวเตอร์จะผสาน AI เข้ากับหลักสูตรอย่างไร พร้อมกับส่งเสริมการใช้อย่างเหมาะสมในสภาพแวดล้อมการเรียนรู้

    • สำหรับคำถามว่า “จะบังคับใช้แนวทางสำหรับ AI agent อย่างไร” คำตอบคือ อย่างน้อยในทางตรงมันทำไม่ได้ จึงบังคับใช้ไม่ได้
      แต่ก็ไม่ได้แปลว่าแนวทางนี้ไม่มีคุณค่า ตรงกันข้าม ผมคิดว่ามันมีคุณค่ามากทีเดียว
      วิธีบังคับใช้ทางอ้อมอย่างหนึ่งคือ การสอบปากเปล่า ที่ผู้สอนกับนักศึกษามานั่งดูผลงานแล้วพูดคุยกัน นักศึกษาที่ใช้ AI อย่างจริงจังในฐานะเครื่องมือการเรียนรู้ผ่านแนวทางเหล่านี้ จะทำการสอบปากเปล่าได้ดีกว่านักศึกษาที่ใช้ AI เป็นตัวสร้างคำตอบมาก
      ปีการศึกษาที่แล้วผมนำการสอบปากเปล่ามาใช้ในวิชาที่สอนโดยไม่มีแนวทางดังกล่าว และมันได้ผลค่อนข้างดี ภาคการศึกษาหน้าผมตั้งใจจะใส่แนวทางสำหรับ agent เข้าไปพร้อม guardrail ที่ชัดเจนขึ้น ท้ายที่สุดมันคงยังเป็นทางเลือก แต่คนที่เลือกจะเพิกเฉยก็น่าจะเห็นได้ค่อนข้างชัดระหว่างการสนทนา
    • ถ้านักศึกษาไม่มีความตั้งใจจะเรียนเลย คำสั่งหรือข้อกำหนดแบบไหนก็ใช้ไม่ได้ผล
    • Stanford มี honor code อยู่ นั่นหมายถึงแม้แต่ระหว่างสอบก็ไม่มีผู้คุมสอบ และตอนที่ผมเรียนอยู่มันใช้ได้ผลดีจนน่าประหลาดใจ
      ในทางกลับกัน ถ้าถูกจับได้ว่าโกงก็จะไม่มีโอกาสครั้งที่สอง ถ้าจะบังคับใช้อย่างจริงจัง ผมคิดว่าที่นี่ก็น่าจะใช้แนวทางเดียวกันได้
    • ในโลกอุดมคติ แนวทางเหล่านี้ควรเป็นเพียงข้อเสนอแนะสำหรับนักศึกษาที่อยากใช้ประโยชน์จากวิชาให้ได้มากที่สุด และอยากเป็นคนกับเป็นมืออาชีพที่ดีขึ้น
      แต่ปริญญามีคุณค่าและผลกระทบในโลกจริง ดังนั้นถ้าปล่อยให้คนที่ไม่มีความสามารถไปทำงานอันตราย ชีวิตของผู้บริสุทธิ์ก็อาจตกอยู่ในความเสี่ยง เป็นเรื่องยาก แต่หวังว่าเมื่อเวลาผ่านไป เราจะเรียนรู้วิธีอยู่ร่วมกับเทคโนโลยีใหม่นี้ได้