ไม่ใช่ทุกคนที่ใช้ AI กับทุกเรื่อง

 (gabrielweinberg.com)
3 คะแนน โดย GN⁺ 3 시간 전 | 1 ความคิดเห็น | แชร์ทาง WhatsApp
  • การใช้งาน Generative AI ผ่านอินเทอร์เฟซแบบแชต ไม่ได้เป็นเครื่องมือใช้งานประจำวันอย่างแพร่หลาย แต่ใกล้เคียงกับสเปกตรัมที่แบ่งเป็นผู้ใช้หนัก ผู้ใช้เป็นครั้งคราว และผู้ไม่ใช้
  • เมื่อรวมข้อมูลการใช้งานหลายชุดกับผลสำรวจเข้าด้วยกัน การใช้ AI ในสหรัฐฯ อยู่ใกล้เคียงกับ หนึ่งในสามเป็นผู้ใช้หนัก หนึ่งในสามเป็นผู้ใช้เป็นครั้งคราว และหนึ่งในสามไม่ใช้
  • แม้ในกลุ่ม Gen Z การรับรู้เกี่ยวกับ AI จะสูง แต่การนำไปใช้แทบหยุดนิ่ง และในผลสำรวจของ Gallup สัดส่วนของผู้ที่ ใช้เดือนละครั้งหรือไม่กี่เดือนครั้ง รวมถึงผู้ที่ไม่ใช้เลย ยังมีสัดส่วนมาก
  • เหตุผลหลักที่จำกัดการใช้ AI คือความกังวลเรื่อง การแทนที่งาน, การละเมิดข้อมูลส่วนบุคคล, การแพร่กระจายของข้อมูลเท็จ และความสงสัยในประโยชน์ของ AI
  • ตลาดและนโยบายด้าน AI ควรตั้งอยู่บนสมมติฐานว่าผู้คนมีระดับการใช้งานและความกังวลต่างกัน มากกว่าจะมองแบบสองขั้วว่า “ทุกคนใช้” หรือ “ไม่มีใครใช้”

“ทุกคนใช้ AI กับทุกเรื่อง” ในความจริงใกล้เคียงกับ “มีบางคนใช้ AI กับบางเรื่อง” มากกว่า

  • ในที่นี้ AI ไม่ได้หมายถึงหมวดหมู่ที่นิยามอย่างเคร่งครัด แต่หมายถึง Generative AI ที่เข้าถึงได้ผ่าน อินเทอร์เฟซแบบแชต
  • สมมติฐานที่ว่า “ถ้าลองใช้ AI ครั้งหนึ่งแล้วจะใช้กับทุกเรื่อง” และ “AI ดีขึ้นมากจนทุกคนใช้” ไม่สอดคล้องกับข้อมูล
  • Gen Z เป็นกลุ่มที่รับรู้เรื่อง AI สูงที่สุด แต่การนำ AI ไปใช้ในช่วง 1 ปีที่ผ่านมาแทบไม่ขยับ และยังมีสัดส่วนไม่น้อยที่ใช้น้อยมากหรือไม่ใช้เลย
  • ตัวเลขของ Gallup สำหรับ Gen Z ในปี 2025/2026 แสดงให้เห็นว่าการใช้ AI ยังไม่ได้เคลื่อนไปสู่การใช้งานเข้มข้นอย่างแพร่หลาย
    • สัดส่วนที่ใช้ AI อย่างน้อยเป็นครั้งคราวอยู่ที่ 79%/81%
    • สัดส่วนที่รู้สึกกังวลต่อ AI อยู่ที่ 41%/42%
    • สัดส่วนที่ใช้ AI แค่เดือนละครั้งหรือไม่กี่เดือนครั้งอยู่ที่ 32%/31%
    • สัดส่วนที่รู้สึกโกรธต่อ AI อยู่ที่ 22%/31%
    • สัดส่วนที่ไม่ใช้ AI เลยอยู่ที่ 21%/19%

การกระจายตัวที่เห็นจากข้อมูลการใช้งานจริง

  • ข้อมูล United States AI Diffusion ของ Microsoft อ้างอิงจากข้อมูล telemetry ของ Microsoft ที่ผ่านการทำให้ไม่ระบุตัวตนและสรุปรวมแล้ว โดยมองว่ามากกว่า 30% ของประชากรวัยทำงานในสหรัฐฯ ใช้ AI
    • นั่นหมายความว่าราว 70% ไม่ได้เป็นผู้ใช้ AI ตามเกณฑ์ดังกล่าว
    • เพิ่มขึ้น 3 จุดเปอร์เซ็นต์จากช่วงปลายปี 2025
    • เกณฑ์การใช้งานคือใช้บริการ AI หลักอย่าง ChatGPT, Google Gemini, Anthropic Claude และ Microsoft Copilot อย่างน้อย 90 นาทีต่อเดือน
  • ข้อมูลการใช้งานจริงของ Datos ก็ให้ภาพคล้ายกัน โดย ณ เดือนมิถุนายนปีที่แล้ว มีเพียง 21% ของอุปกรณ์เดสก์ท็อปที่เข้าเยี่ยมชม AI Tools มากกว่า 10 ครั้งต่อเดือน
    • 62% ของอุปกรณ์เดสก์ท็อปไม่ได้เข้า AI Tools เลยแม้แต่ครั้งเดียว
    • อีก 17% อยู่ระหว่างสองกลุ่มนี้
  • ในแบบสำรวจของ Searchlight Institute มี 58% ที่ตอบว่าเคยใช้หรือเคยลอง AI อย่าง ChatGPT หรือ Claude
    • สัดส่วนที่ใช้อย่างค่อนข้างสม่ำเสมออยู่ที่ 30% โดยใช้อย่างน้อยหลายครั้งต่อเดือน
    • ผู้ใช้ที่ใช้น้อยกว่านั้นมี 29% โดยใช้เดือนละครั้งหรือน้อยกว่า
  • แบบสำรวจใหม่ของ The Argument พบว่าคนอเมริกันส่วนใหญ่ใช้ AI ไม่เกินสัปดาห์ละครั้ง

การใช้ AI ในสหรัฐฯ ใกล้เคียงกับการแบ่งเป็น 3 ส่วน

  • เมื่อนำข้อมูลหลายชุดมารวมกัน การใช้ AI ในสหรัฐฯ แบ่งได้คร่าว ๆ เป็น หนึ่งในสามผู้ใช้หนัก หนึ่งในสามผู้ใช้เป็นครั้งคราว และหนึ่งในสามไม่ใช้
  • การกระจายตัวนี้อาจต่างกันเล็กน้อยตามนิยามของคำที่ใช้ แต่ใกล้เคียงกับ “มีบางคนใช้ AI กับบางเรื่อง” มากกว่า “ทุกคนใช้ AI กับทุกเรื่อง”
  • ในช่วง 6 เดือนถึง 1 ปีที่ผ่านมา การใช้ AI โดยรวมไม่ได้เปลี่ยนแปลงมากนัก
  • จุดที่เปลี่ยนชัดกว่าคืออารมณ์เชิงลบต่อ AI โดยในผลสำรวจ Gallup ของ Gen Z ความโกรธต่อ AI เพิ่มขึ้นราว 40% เมื่อเทียบกับปีก่อน

หลายคนจำกัดการใช้ AI เพราะมีความกังวลจริงและยังไม่เห็นคุณค่ามากพอ

  • ผู้คนสัดส่วนไม่น้อยกำลังจำกัดการใช้ AI อย่างตั้งใจ และเหตุผลหลักคือความกังวลที่มีอยู่จริงต่อ AI
  • ในผลสำรวจของ Searchlight ความกังวล 3 อันดับแรกคือ การแทนที่งานและการว่างงาน, การละเมิดข้อมูลส่วนบุคคล และการแพร่กระจายของข้อมูลเท็จและความไม่จริง
    • “AI จะเข้ามาแทนที่งานและก่อให้เกิดการว่างงาน” อยู่ที่ 42%
    • “AI จะละเมิดข้อมูลส่วนบุคคลของผู้คน” อยู่ที่ 35%
    • “AI จะแพร่กระจายข้อมูลเท็จและความไม่จริง” อยู่ที่ 33%
  • ความต้องการกฎระเบียบ AI เพื่อความปลอดภัยและการคุ้มครองข้อมูลส่วนบุคคลก็อยู่ในระดับสูงเช่นกัน และคนส่วนใหญ่มองว่ารัฐบาลควรให้ความสำคัญกับกฎด้านความปลอดภัยและความเป็นส่วนตัว แม้จะทำให้การพัฒนา AI ของสหรัฐฯ ช้ากว่าประเทศอย่างจีนก็ตาม
  • ความสงสัยต่อประโยชน์ของ AI ก็มีมากเช่นกัน โดยการประเมินผลเชิงบวกสุทธิที่มีต่อสังคมโดยรวมของ AI อยู่เพียง +8%
    • โซเชียลมีเดียอยู่ที่ +7% และคริปโตเคอร์เรนซีอยู่ที่ -17%
    • โทรศัพท์มือถือ, อินเทอร์เน็ต และพลังงานแสงอาทิตย์ อยู่ที่ +68%, +67%, และ +65% ตามลำดับ
  • แบบสำรวจของ The Argument ยังพบความสงสัยในประโยชน์เชิงสังคมแบบเป็นรูปธรรมของ AI อย่างกว้างขวาง และความสงสัยต่อผลของ AI ไม่ได้เกิดขึ้นเพียงจากความไม่รู้ของคนที่ไม่เคยใช้งานจริงเท่านั้น

แม้ในระดับการใช้งานส่วนบุคคล ก็ยังมีคนจำนวนมากที่มองว่าคุณค่าไม่มากพอเมื่อเทียบกับความกังวล

  • ในระดับสังคม ผู้คนอาจมอง AI ในแง่ลบ แต่ในระดับส่วนตัวอาจตัดสินใจต่างออกไปได้ ทว่าการกระจายตัวของการใช้ AI ในปัจจุบันไม่ได้สะท้อนภาพนั้น
  • การที่ผู้ใช้เป็นครั้งคราวเป็นกลุ่มใหญ่ที่สุดกลุ่มหนึ่ง และยังมีผู้หลีกเลี่ยงโดยสิ้นเชิงจำนวนมาก แสดงให้เห็นว่าหลายคนยังไม่พบคุณค่าส่วนตัวที่มากพอจะเอาชนะความกังวลได้
  • เรื่องเล่าของสื่อที่ว่า “ทุกคนใช้ AI กับทุกเรื่อง” อาจสะท้อนฟองสบู่ของผู้ใช้กลุ่มแรกในงานสายความรู้และคนรอบวงการสื่อเทคโนโลยี
  • บริษัท นักวิจารณ์ และผู้กำหนดนโยบายไม่ควรมองข้ามว่าผู้คนรู้สึกและปฏิบัติต่อ AI จริง ๆ อย่างไร
  • การใช้ AI ไม่ใช่ความเป็นสองขั้วแบบทุกคนใช้หรือไม่มีใครใช้ แต่เป็น สเปกตรัมต่อเนื่อง ที่มีทั้งความเห็นและระดับการใช้งานหลากหลายปะปนกัน

อุปมาแก่นหลัก: การบริโภคเนื้อกับการบริโภค AI

  • การบริโภค AI คล้ายกับ การบริโภคเนื้อ ตรงที่มีทั้งคนที่ยอมรับอย่างเต็มที่ คนที่พยายามลดการใช้ และคนที่หลีกเลี่ยงโดยสิ้นเชิง
  • ข้อความที่ว่าโปรตีนมีความสำคัญต่ออาหาร คล้ายกับข้อความที่ว่า AI มีประโยชน์ต่อผลิตภาพ และการที่เนื้อเป็นแหล่งโปรตีนหลักก็สอดคล้องกับการที่เครื่องมือ AI แบบแชตเป็นจุดเข้าถึงหลักของ Generative AI
  • ความนิยมในการบริโภคเนื้อของชาวอเมริกันเองก็ไม่ได้เป็นโครงสร้างแบบทุกคนบริโภคเหมือนกัน
    • 95% กินเนื้อ
    • 70% ตอบว่าลดการบริโภคเนื้อแดง
    • 30% กินเนื้อทุกประเภทน้อยครั้งหรือเป็นครั้งคราวเท่านั้น
    • 12% ไม่กินเนื้อแดง
    • 4% เป็นมังสวิรัติ และไม่กินเนื้อใด ๆ
    • 1% เป็นวีแกน และไม่บริโภคผลิตภัณฑ์จากสัตว์ทุกชนิด
  • เหตุผลในการจำกัดการบริโภคเนื้อมีทั้งเรื่องสุขภาพ ต้นทุน สิ่งแวดล้อม และจริยธรรม ซึ่งก็ทับซ้อนกับความกังวลหลักในการบริโภค AI เช่นกัน

โอกาสทางตลาดและตัวเลือกของผลิตภัณฑ์

  • อุปมาเรื่องการบริโภคเนื้อแสดงให้เห็นโอกาสทางตลาดสำหรับผู้คนที่มีความรู้สึกและความกังวลต่อ AI แตกต่างกัน
  • DuckDuckGo ทำให้ทุกฟีเจอร์ AI เป็นตัวเลือก และให้บริการ duck.ai เป็นทางเลือกแชตบอตแบบส่วนตัวเพื่อตอบโจทย์ความกังวลเรื่องความเป็นส่วนตัว
  • แนวทางนี้ใกล้เคียงกับร้านอาหารที่มีตัวเลือกหลากหลายในเมนู โดยมีทั้ง AI แบบส่วนตัว การลดการใช้ AI และการปิด AI เป็นตัวเลือกควบคู่กัน
  • หากต้องการรองรับสเปกตรัมทั้งหมดของผู้ใช้ AI ก็จำเป็นต้องมีโครงสร้างที่เลือกได้ แทนการบังคับใช้ AI แบบเดียวกับทุกคน

ความเป็นไปได้ของการเปลี่ยนแปลงในอนาคต และข้อสรุปในปัจจุบัน

  • ไม่อาจสรุปได้ว่าหนึ่งในสามที่ตอนนี้ใช้ AI น้อยครั้งหรือใช้เป็นครั้งคราว จะคงรูปแบบการใช้งานเดิมไปตลอด
  • ต่างจากเนื้อ AI อยู่ในสภาพแวดล้อมทางเทคโนโลยีที่เปลี่ยนแปลงเร็วมาก จึงไม่แน่นอนอย่างยิ่งว่าผลิตภัณฑ์และกฎระเบียบจะไปถึงจุดไหน
  • วิวัฒนาการของผลิตภัณฑ์อาจทำให้ AI มีประโยชน์มากขึ้นสำหรับคนทั่วไป และกฎระเบียบอาจช่วยลดความกังวลได้
  • แต่จากสภาพปัจจุบัน มีผู้คนในสัดส่วนที่มีนัยสำคัญที่ได้ลอง AI แบบทุกวันนี้แล้ว และตัดสินใจจำกัดการใช้งานอย่างจริงจัง

บทความที่เกี่ยวข้อง

1 ความคิดเห็น

 
GN⁺ 3 시간 전
ความคิดเห็นจาก Hacker News

  • ตอนนี้ผมเพิ่งเรียนจบปริญญาโทและกำลังหางานอยู่ ในการสัมภาษณ์สายเทคนิคหรือสัมภาษณ์หน้ากระดาน คนส่วนใหญ่มักถามว่า “คุณใช้ LLM อย่างไรบ้าง?”
    คำถามนี้ตอบยากตรงที่เราไม่รู้ว่าคู่สนทนาเป็นสายคลั่ง AI หรือค่อนข้างระวังตัวกับมัน จึงอยากตอบแบบปลอดภัยให้เข้ากับได้ทั้งสองแบบ
    เลยตอบยาวประมาณว่า “การเอาเทคโนโลยีนี้ไปใส่ในกระบวนการไหนมีเส้นโค้งการเรียนรู้อยู่ชัดเจน และผมจะตรวจทานหลายรอบเสมอ”
    เอาจริง ๆ ผมใช้ฟีเจอร์แชต/ถามตอบทุกวันเพื่อดีบักเร็ว ๆ หรือเรียนรู้เทคโนโลยีใหม่ แต่พวกเอเจนต์เต็มรูปแบบหรือผลิตภัณฑ์แนวใช้งานคอมพิวเตอร์ ผมลองมาสองสามครั้งแล้วผลไม่ดี เลยยังแทบไม่ได้ใช้
    เคยพยายามรีแฟกเตอร์รีโพขนาดใหญ่ที่มี Fortran+C สะสมมาหลายสิบปีให้เข้ากับคอมไพเลอร์/OS สมัยใหม่ บางส่วนใช้ได้ แต่สุดท้ายก็ยอมแพ้

    • บางทีน่าจะลองคิดแบบ ตอบอย่างซื่อสัตย์ไปเลย จะดีกว่าไหม
      ถ้าทำงานในที่ที่แค่พูดผิดคำเดียวก็เหมือนต้องอ่านใจอีกฝ่ายให้ถูก แถมยังต้องเล่นบทบาทสมมติไปด้วย ก็น่าสงสัยว่าอยากทำจริงหรือเปล่า
      มันดูไม่ใช่ที่ทำงาน แต่ใกล้เคียงกับความสัมพันธ์ที่เป็นพิษมากกว่า
    • ในมุมของคนที่จบปริญญาโทมาเหมือนกัน ผมเห็นบทสนทนาแบบนี้มานานทั้งสองฝั่งแล้ว และคิดว่าควรใช้คำถามนี้เป็นโอกาสแสดง ความเหมาะสมร่วมกัน
      สำคัญทั้งเรื่องบริษัทเป็นสายชอบ AI หรือสายระวังตัว แต่ผมแนะนำให้เปลี่ยนกรอบคำถามเป็น “ฉันเหมาะกับองค์กรนี้ไหม และองค์กรนี้เหมาะกับฉันไหม”
      ถ้าคุณอธิบายอย่างกระชับได้ว่าตัดสินอย่างไรว่า LLM เหมาะกับงานแบบไหน และตรวจอย่างไรว่าได้ช่วยให้ผลลัพธ์ดีขึ้นจริง คำตอบนั้นจะดูแข็งแรงมาก
    • เตรียม ตัวอย่างสั้น ๆ ที่ได้ผลดีหนึ่งกรณี และอีกหนึ่งกรณีที่ไม่ได้ผลก็ดี
      มันเป็นสัญญาณว่าคุณได้ลองสำรวจด้วยตัวเองและคิดกับมันมากพอจะอธิบายข้อสังเกตที่น่าสนใจได้ และถ้าอีกฝ่ายสนใจก็พร้อมคุยลึกต่อได้
    • ถึงอย่างนั้น ผมก็ยังมองว่ามัน ดีกว่าเป็น 10 เท่า เมื่อเทียบกับ “ลองแก้โจทย์อัลกอริทึมดัดแปลงจาก LeetCode ภายใน 20 นาทีพร้อมอธิบายกระบวนการคิด ทั้งที่ไม่ได้ใช้ในงานจริง แต่อยากดูว่าช่วงไม่กี่เดือนที่ผ่านมา คุณมีเวลายัดหนังสืออัลกอริทึมหรือเปล่า”
    • เข้าใจแรงกดดันเรื่องหางานนะ แต่ก็ควรแสดง ความเห็นที่ต่างกัน ออกมาบ้าง และปกติแล้วมันไม่ค่อยใช่เหตุผลที่บริษัทจะคัดคุณออก
      หัวหน้าทีมวิศวกรรมมักมองหาคนที่มีพื้นเพและมุมมองหลากหลายในทีมเดียวกัน
      ถ้าตอบอย่างตรงไปตรงมา คุณอาจจะเด่นกว่าผู้สมัครที่ให้คำตอบแบบทื่อ ๆ และป้องกันตัวเกินไปด้วยซ้ำ

  • คำพูดที่ว่า “AI ดีขึ้นมากจนต่อให้รู้สึกไม่สบายใจ ทุกคนก็ยังใช้มัน” จากประสบการณ์ผมแล้ว มันขึ้นอยู่กับแต่ละกรณี
    คอมเมนต์นี้ที่ผมเขียนเมื่อวาน[0] แสดงวิธีที่ผมผสาน LLM เข้ากับงานปัจจุบันได้ค่อนข้างดี
    ผมใช้มันทั้งกับแบ็กเอนด์ (PHP) และฟรอนต์เอนด์ (Swift) ของโปรเจกต์ ซึ่งทั้งสองฝั่งช่วยได้มาก แต่ฝั่ง Swift ออกจะเป็นกรณีเตือนภัยมากกว่า
    ในการพัฒนาแอป UIKit Swift แบบเนทีฟ มันต้องการการกำกับดูแลจากผู้ใหญ่จริง ๆ และผมก็กำลังตระหนักว่าโค้ดที่มันสร้างมานั้นแย่แค่ไหน
    ในทางกลับกัน ฝั่ง PHP มันตัดสินใจด้านการออกแบบได้สมเหตุสมผล และให้โค้ดที่ดีกว่าโค้ดที่ผมคงจะเขียนเอง
    ฝั่ง Swift พอเจอปัญหาโลกจริง มันก็ตื่นตระหนกเหมือนวิศวกรที่ยังไม่มีประสบการณ์ และโค้ดที่ผมจะเขียนใหม่ก็น่าจะใช้แนวทางที่ง่ายและทนทานกว่ามาก
    ถึงอย่างนั้น โดยรวมแล้วมันก็ยังให้ผลสุทธิด้านประสิทธิภาพที่เพิ่มขึ้นมาก และผมก็ได้บทเรียนว่ามันเก่งเรื่องหาปัญหา แต่เก่งเรื่องแก้น้อยกว่า
    [0] https://news.ycombinator.com/item?id=48515217

    • ตอนนี้แทบไม่มี ทางหนีจาก AI แล้ว
      ถ้าคุณค้นหาอะไรสักอย่างบนอินเทอร์เน็ต มีโอกาสสูงมากที่จะเจอคอนเทนต์ที่สร้างโดย AI หลายหน้า
      เพราะงั้นเดี๋ยวนี้หลายครั้งถามตรง ๆ ด้วยพรอมป์ต์เองกลับดีกว่า
      ไม่ใช่เพราะคำตอบมันยอดเยี่ยมอะไร แต่เพราะผมควบคุมพรอมป์ต์เองได้ แทนที่จะต้องผ่านการพรอมป์ต์ทางอ้อมด้วยการค้นหา
      มันน่าเศร้าที่คอนเทนต์คุณภาพสูงกำลังจมหายไปในทะเลขยะจนแทบหาไม่เจอ
    • เป็นผลลัพธ์ที่คาดเดาได้อยู่แล้ว
      PHP มี เคสขอบ ที่คนเจอกันมาหลายสิบปีและถูกบันทึกไว้บนอินเทอร์เน็ตมานาน ขณะที่ Swift ค่อนข้างใหม่กว่าและมีข้อมูลน้อยกว่า
      ถ้ามองความสามารถของ AI ว่าเหมือนการบีบอัดประสบการณ์วิศวกรให้สั้นลง 10-20 เท่า ก็จะเข้าใจมันมากขึ้น
      กับสิ่งใหม่หรือเฉพาะทาง มันก็ย่อมอ่อนกว่าตามสัญชาตญาณ และในอนาคตถ้ามันไปเรียนรู้จากขยะที่ LLM ตัวอื่นพ่นออกมา ก็อาจยิ่งแย่ลง
    • วิธีใช้ LLM ไม่ได้มีแค่นั้น
      ไม่นานมานี้บนเครื่องบิน ผมพยายามเชื่อมหูฟังของภรรยาเข้ากับ MacBook แต่คุ้นกับเคส AirPods Pro รุ่นเก่า เลยหาโหมดจับคู่ไม่เจอ
      ผมเลยถาม Gemma4 26B A4B แบบออฟไลน์ผ่าน LM Studio แล้วมันก็บอกท่าทางให้แตะด้านหน้าเคสสองครั้ง ซึ่งใช้ได้จริง
      ถ้าไม่มี local LLM สถานการณ์แบบนี้คงน่าหงุดหงิดกว่านี้มาก
      ถึงมันจะตอบผิดได้ แต่การพกความรู้พื้นฐานแนว “ทำยังไงนะ” ติดตัวไว้ตลอดก็ยังดีกว่าไม่มีเลย
    • โค้ด PHP มีข้อมูลให้เอาไปเลียนแบบและเขียนซ้ำมากกว่ามาก ส่วนแอป Swift จำนวนไม่น้อยก็น่าจะเป็นโค้ดกรรมสิทธิ์
      ปัญหาคือ LLM ไม่ได้เขียนโค้ดจากหลักการ แต่มันจับคู่ แพตเทิร์นในข้อมูลฝึก
    • AI ดูเหมือนจะยังล้มเหลวกับ ปัญหา XY อยู่เรื่อย ๆ
      ซึ่งก็คือจุดเดียวกับที่ผู้คนใน Stack Overflow เกลียดกันนักหนา

  • บทความนี้ดี แต่มีมุมหนึ่งที่ตกหล่นไป
    ในบทความอ้างงานวิจัยที่ดูความถี่ที่ผู้คนพูดว่า “ใช้ AI” และบอกว่าคนมากกว่าครึ่งเล็กน้อยใช้น้อยกว่าสัปดาห์ละครั้ง
    ถ้าหมายถึงเฉพาะอินเทอร์เฟซแชต AI ก็คงจริง
    แต่แนวทางที่การใช้ AI จะเพิ่มขึ้น น่าจะเป็นการ ฝังฟีเจอร์ AI ลงในซอฟต์แวร์ที่คนใช้อยู่แล้ว มากกว่าการทำให้คนเข้าไปมีส่วนร่วมกับแชตมากขึ้น
    ตัวอย่างเช่น ถ้าถามคนกลุ่มเดียวกันว่า “คุณใช้ Google Search บ่อยแค่ไหน?” ตัวเลขก็คงสูงกว่านี้มาก
    คนเหล่านั้นกำลังใช้ AI ในความหมายที่แท้จริง เพียงแต่พวกเขาไม่ได้คิดอย่างนั้นเพราะมันถูกฝังเป็นฟีเจอร์ไว้แล้ว

    • ตรรกะนั้นดูจะไม่ค่อยตรงกับคำถามเฉพาะที่บทความกำลังพยายามตอบ
      การนำ AI มาใช้แบบนี้คือ การยัดเยียดให้ยอมรับ และในหลายกรณีก็อาจสวนทางกับความต้องการของผู้ใช้
      ประเด็นสำคัญคือคุณกำลังอยากดูว่าผู้คนสนใจ AI และรู้สึกว่ามีประโยชน์หรือไม่ หรือกำลังถามอะไรที่ใกล้กับ “คน X% บริโภคสารตะกั่วผ่านอาหาร” มากกว่า

  • ข้อความขายคือ “ถ้าไม่รับไปใช้ก็จะตามไม่ทัน” แต่ผมก็ยังรออยู่ว่ามันจะเกิดเมื่อไร
    ผ่านมาหลายปีแล้ว แต่ชีวิตประจำวันของผมก็ยังไม่ต่างไปจากเดิม และตอนนี้เรากำลังสอนคนที่แต่เดิมไม่อ่านคู่มืออยู่แล้วให้ไป ถามแชตบอตแทน
    แล้วส่วนที่ขาดของพวกเขาจะเอายังไงต่อ แทนที่จะมัวไปสนใจ ‘ของตกแต่งที่ขาดหาย’ ของผม

  • ผมเห็นหลายบริษัทเปลี่ยนระบบแบบกำหนดผลลัพธ์แน่นอนในกระบวนการซัพพอร์ต ให้กลายเป็น เวอร์ชัน LLM ที่ช้ากว่าและแย่กว่า
    อินเทอร์เฟซจำนวนมากไม่ได้ดีขึ้นเพราะเอา AI ไปแปะ

    • ทางที่ดีที่สุดจริง ๆ คือใช้ LLM ช่วยสร้าง ระบบแบบกำหนดผลลัพธ์แน่นอน
      แทนที่จะให้ LLM ทำงานที่เห็นชัดอยู่แล้วว่าต้องทำซ้ำโดยตรง จะดีกว่าถ้าสั่งให้มันสร้างโปรแกรมหรือสคริปต์ Python สำหรับทำงานนั้น
    • ผมเห็นเรื่องคล้ายกันทั้งในเครื่องมือทั่วไปและงานพัฒนา
      สิ่งที่แก้ได้แบบกำหนดผลลัพธ์แน่นอน หรือเมื่อ 5 ปีก่อนคงเป็นแค่เครื่องมือ command line ง่าย ๆ ตอนนี้กลับถูกทำเป็นการผนวก LLM
      แทนที่จะใช้ LLM เพื่อสร้างเครื่องมือแบบกำหนดผลลัพธ์แน่นอน กลับเอา LLM มาแทนที่เครื่องมือเหล่านั้น
      มันกลับหัวกลับหางไปหมด และผมไม่เข้าใจจริง ๆ ว่าทำไมคนตำแหน่งสูง ๆ ในบริษัทเราถึงมองว่านี่คืออนาคต
      ผมไม่อยากได้ CI pipeline ทั้งชุดที่ประกอบด้วยแค่ LLM prompt
      มันทำได้ง่ายก็จริง แต่แพง ช้า และล้มเหลวได้ง่ายในแบบที่คาดเดาไม่ได้
      แม้แต่ code review ก็เหมือนกัน เรื่องที่ควรเป็นแค่กฎ linting ง่าย ๆ กลับกลายเป็นขั้นตอนให้ LLM ผ่านก่อน
      ทั้งที่ LLM เก่งมากในการช่วยสร้างกฎ linting แบบนั้นแท้ ๆ
    • ฝ่ายผู้บริหารของเรากำลังกดดันให้เสนอไอเดียว่าจะใช้ LLM ตรงไหนในผลิตภัณฑ์ได้บ้าง
      ทั้งทีมกำลังต่อต้านอย่างหนักก็เพราะเหตุผลนี้เอง
      สิ่งที่พอนึกออกได้ส่วนใหญ่มีแต่จะทำให้แย่ลง และผมยังได้ยินมาแล้วด้วยว่าแค่ อัตราความล้มเหลวเกิน 1~2% ก็ยอมรับไม่ได้
      ถ้าจะให้ถึงระดับนั้น ต้องมีโครงสร้างและมาตรฐานมากขึ้น ไม่ใช่น้อยลง
    • ช่วงนี้คนดูเหมือนจะมองบทความนี้[1] เป็นเป้าหมาย มากกว่าจะเป็นเรื่องเตือนใจ
      [1] https://thedailywtf.com/articles/Classic-WTF-No-Quack
    • เหตุผลที่มีการแทนที่ระบบแบบกำหนดผลลัพธ์แน่นอนในกระบวนการซัพพอร์ต ไม่ใช่เพราะอยากให้บริการซัพพอร์ตดีขึ้น แต่เพราะต้องการ ซัพพอร์ตที่ถูกกว่า
      แค่นึกภาพเจ้าหน้าที่ที่ผ่านการฝึกมาอย่างดีและเข้าใจภาพรวมได้ แล้วนึกภาพบริษัทลงทุนให้คนใช้ AI ค้นหาความรู้ ประเมินความเกี่ยวข้อง และช่วยลูกค้าได้ดีขึ้น
      แต่ตอนนี้ AI ถูกขายในทำนองว่า “ไม่ต้องมีพนักงานซัพพอร์ต” ไม่ใช่ “จะให้บริการที่ดีกว่าได้อย่างไร”
      ในหลายผลิตภัณฑ์ บริการที่ดีกว่าไม่ได้มีความหมายมากนัก และสินค้าที่ถูกกว่าก็มักมีโอกาสชนะสูงกว่า
      ผู้คนไม่ได้อยากจ่ายเพิ่มเพื่อของที่ดีกว่า แต่อยากได้ของที่ดีกว่าในราคาเท่าเดิม
      นั่นคงเป็นเหตุผลว่าทำไมบริษัทต่าง ๆ ถึงไม่ค่อยลงทุนเวลาเพื่อหาวิธีใช้ AI ให้ถูกต้อง

  • ผมคิดว่าสาเหตุของช่องว่างนี้ อย่างแรกคือ Claude เก่งเรื่องเขียนโค้ดจนน่าทึ่ง
    เหตุผลหลักคือมีการคัดสรรองค์ความรู้ทางเทคนิคไว้แล้ว และมีโค้ดที่ใช้งานได้จริงจำนวนมหาศาลซึ่งถูกติดป้ายกำกับอย่างระมัดระวังผ่าน GitHub ตลอดช่วงกว่า 10 ปีที่ผ่านมา
    อีกอย่างคือ ถ้าเป็นภาษาที่ Turing-complete สิ่งที่ทำได้ก็มีขอบเขตอยู่ประมาณหนึ่ง
    อย่างที่สองคือ สำหรับงานอื่น ๆ ส่วนใหญ่แล้ว LLM ค่อนข้างน่าผิดหวัง
    งานรีเสิร์ชมักออกมาแค่ระดับธรรมดา
    ถ้าจะดูแบบเข้มงวด ก็แค่ลองใช้รีเสิร์ช prompt เดิมซ้ำหลายครั้ง แล้วทำ confusion matrix เพื่อนับว่ามี false positive กับ false negative ออกมาเท่าไร
    ส่วนการใช้งานอื่น ๆ ก็ควรถามตัวเองตามตรงว่ามันให้ประโยชน์มากกว่าการค้นใน search engine พื้นฐานหรือเข้าไปดู Wikipedia มากแค่ไหน
    สำหรับการใช้งานของผู้ใช้ทั่วไป มันสะดวกขึ้นอยู่บ้าง แต่ยังห่างไกลจากคำว่าปฏิวัติ

    • น่าจะเป็นเพราะการเขียนโปรแกรมเป็นงานที่ จบครบในตัวเอง อยู่ภายในคอมพิวเตอร์ และสามารถทดสอบผลลัพธ์กับทำซ้ำได้ง่าย
      ในงานเขียนโปรแกรม เอเจนต์สามารถรัน compiler และทดสอบ จากนั้นลองใหม่จนกว่าจะใช้ได้
      แต่ถ้าคุณอยากเย็บเสื้อยืดขึ้นมาสักตัว เช่นนั้น AI ก็ไม่มีประโยชน์
    • ผมไม่เข้าใจประเด็นเรื่องภาษาที่ Turing-complete ตรงนั้น อยากให้ช่วยอธิบายส่วนนั้นหน่อย

  • ทุกวันนี้ต้องคำนึงด้วยว่าผู้ใหญ่ชาวอเมริกันจำนวนมากมีทักษะการอ่านเขียนที่ไม่เพียงพอในทางปฏิบัติมากแค่ไหน
    ณ ปี 2023 ผู้ใหญ่วัยทำงานในสหรัฐฯ 27% อยู่ที่ระดับ 1 หรือต่ำกว่าจาก 5 ระดับของความรู้ความเข้าใจด้านการอ่านเขียนของ PIAAC
    ในปี 2013 คนที่อยู่ระดับ 1 หรือต่ำกว่ามี 17% ดังนั้นช่วง 10 ปีที่ผ่านมาแย่ลงอย่างมาก
    คะแนนรวมในปี 2023 คือ ระดับ 1 หรือต่ำกว่า 27%, ระดับ 2 29%, ระดับ 3 31%, ระดับ 4/5 13%
    อ้างอิงไว้ก่อนว่า ระดับ 1 คือระดับที่จัดการแม้แต่ข้อความยาวหนึ่งหน้าได้ไม่ค่อยดีนัก และพอรับมือกับหน้าเว็บง่าย ๆ ยาวหนึ่งหน้าได้บ้าง
    ต้องถึงระดับ 2 จึงจะจัดการข้อความง่าย ๆ หลายหน้าได้ แต่ก็ยังยากถ้าเป็นเนื้อหาซับซ้อน
    คนที่ไม่ใช้ AI เลย หลายกรณีก็เป็นเพราะโดยพื้นฐานแล้วใช้ไม่เป็นจึงไม่ใช้
    ที่มา: https://nces.ed.gov/surveys/piaac/2023/national_results.asp

    • ระดับพวกนั้นต่างจากที่คาดไว้
      https://nces.ed.gov/surveys/piaac/measure.asp?section=1⊂_...
      ผมมองว่าตัวเองมีทักษะการอ่านเขียนแน่ ๆ แต่ก็สงสัยว่าตัวเองจะทำโจทย์ระดับ 4/5 ได้ดีแค่ไหน
      ยังสงสัยด้วยว่ามันซ้อนทับกับตัวชี้วัดที่กว้างกว่า เช่น ความจำ สติปัญญา หรือวินัยในการเรียน ที่แม้แต่คนที่มี “ทักษะการอ่านเขียน” โดยทั่วไปก็อาจทำได้ไม่ดีหรือเปล่า
      อ่านจากคำอธิบายแล้วรู้สึกว่าน่าจะเป็นแบบทดสอบที่เหมาะกับการเอาไปใช้กับ AI และอยากเห็นคะแนนความชำนาญของหลาย ๆ โมเดล
      พอเลื่อนลงไปทีหลังก็เห็นว่าช่วงท้ายมีตัวอย่างคำถามไปถึงระดับ 4 และโจทย์ระดับ 4 ก็ดูเล็กน้อยมาก
      แม้แต่บทความ Q Drum ที่ยืดยาวที่สุดก็มีจุดวิจารณ์แค่สองอย่างคือพื้นที่ราบกับต้นทุน และถ้ารู้จัก LifeStraw ก็แทบเดาคำวิจารณ์คล้ายกันในอีเมลได้อยู่แล้ว
      ตอนเห็นคะแนนกับคำอธิบายระดับความชำนาญ ผมกะไว้แบบแจกแจงปกติประมาณหนึ่งเลยคิดว่าระดับ 4/5 คงยากจริง แต่พอเห็นโจทย์จริงแล้วกลับยิ่งเศร้าที่คะแนนออกมาต่ำ
      ถึงอย่างนั้น การเรียกแต่ละข้อสอบว่า “สิ่งเร้า” ก็ให้ความรู้สึกปลอดเชื้อและเป็นเชิงคลินิกเกินไปจนน่าขำ
    • ผมไม่คิดว่านั่นคือเหตุผล
      แอป AI บนมือถือรองรับ การสนทนาด้วยเสียง
      ทักษะการอ่านเขียนที่ต่ำอาจยิ่งเป็นแรงจูงใจให้ใช้ AI สร้างและสรุปข้อความ
    • มีข้อความว่า “อัตราการตอบแบบสำรวจในการเก็บข้อมูลครั้งนี้ค่อนข้างต่ำ ทั้งในสหรัฐฯ และในบางประเทศที่เข้าร่วม แม้ว่าขั้นตอนเพื่อลดอคติจากการไม่ตอบจะมีประสิทธิผล และมีหลักฐานว่าข้อมูลนี้เป็นตัวแทนของประชากร แต่ผู้อ่านควรตระหนักถึงอคติที่อาจมีอยู่และตีความผลลัพธ์ของ PIAAC ด้วยความระมัดระวัง”
      สถิตินี้ขัดกับสัญชาตญาณพอสมควร
      ประชากรสหรัฐฯ ราวหนึ่งในสามมีวุฒิปริญญาตรี แต่กลับมีเพียง 13% ที่ผ่านงานด้านการอ่านเขียนระดับ 4/5 ได้ ฟังดูแปลก
      ดูจากโจทย์ตัวอย่างแล้วก็ไม่ได้ยาก และแม้แต่งานระดับ 4 ก็แค่ให้อ่านข้อความสั้น ๆ แล้วดึงคำวิจารณ์เกี่ยวกับผลิตภัณฑ์ออกมา
      ไม่ได้หมายความว่าคนจบปริญญาตรีทุกคนฉลาด แต่จะให้เชื่อว่าสองในสามของพวกเขาผ่านระดับ 4/5 ไม่ได้ก็ดูยาก
      ถ้าคนจบปริญญาโทมี 13% นี่หมายความว่าคนที่ผ่านระดับ 4/5 ก็มีแค่ 13% นั้นหรือเปล่า
      https://en.wikipedia.org/wiki/Educational_attainment_in_the_...
    • ผมแอบอ่านซับเรดดิตของครูอยู่บ้าง และก็ดูวิดีโอครูใน TikTok ด้วย ซึ่งภายในฟองอัลกอริทึมนั้นทำให้รู้สึกว่าเด็ก ๆ อ่านหนังสือกันไม่ออกแล้ว
      โดยเฉพาะมีคนพูดกันมากว่าทักษะ การอ่านจับใจความ แย่มาก และมีหลายกรณีที่เด็กอ่านไปไม่กี่ย่อหน้าแล้วตอบคำถามเกี่ยวกับเนื้อหาไม่ได้

  • ที่น่ากลัวเกี่ยวกับการที่ AI จะถูกใช้ไปทุกหนทุกแห่ง ไม่ใช่เพราะมันเป็นทางออกที่ดีที่สุด แต่เพราะโดยเนื้อแท้แล้วผู้คนขี้เกียจ แค่อยากให้งานเสร็จ และไม่ได้ใส่ใจคุณภาพมากนัก
    “ความพยายามต่ำและความสะดวกสบาย” ดูเหมือนจะชนะ “คุณภาพสูงสุด” ได้อย่างสม่ำเสมอ และสิ่งนี้จะทำให้ทุกอย่างสำหรับทุกคนด้อยลง

    • บริษัทต่าง ๆ ลดคุณภาพของผลงานลงมาแล้วหลายปี จนเห็น การกลายเป็นสลอป ของทุกสิ่ง
      ถ้าเทียบ Windows 11 กับ 98 ก็จริงที่ 11 ทำอะไรได้มากกว่าและพังก็น้อยกว่า
      แต่นอกเหนือจากนั้นมันดีกว่าจริงหรือ? ในสิ่งที่ทั้งคู่ทำได้ อันไหนทำได้ดีกว่า? อันไหนเร็วกว่า? อันไหนใช้ง่ายกว่า?
    • สำหรับคนจำนวนมาก LLM น่าจะให้ผลลัพธ์ที่มีคุณภาพสูงกว่าการทำงานคนเดียวในงานความรู้ส่วนใหญ่
      ผมว่าระดับนั้นก็โอเค

  • ส่วนตัวแล้วอยากให้มีการคุยกันมากกว่านี้ว่า “ใช้ AI” จริง ๆ หมายถึงอะไร
    และมันเชื่อมกับความคิดระดับบนของผู้คนเกี่ยวกับ “เทคโนโลยี”, “AI”, หรือ “ศีลธรรมและอารมณ์” อย่างไร
    อย่างน้อยสำหรับผม เส้นแบ่งเริ่มพร่าเลือนไปหน่อยแล้ว
    ตัวอย่างเช่น ถ้าคู่ของผมใช้ Google.com บ่อยตลอดทั้งวัน และแทบทุกครั้งก็เลือกและเชื่อสรุปที่ AI สร้างไว้ด้านบนสุดของหน้าผลการค้นหา อย่างนี้ในทางปฏิบัติควรเรียกว่า “ใช้ AI” ไหม?
    หรือคำว่า “ใช้ AI” ควรใกล้กับพวกเด็กแวมไพร์บนฟูกแบบในไซไฟที่รันเอเจนต์ย่อย 1000 ตัวอยู่ใต้ตัวมากกว่า?
    ตอนนี้แม้แต่การใช้มือถือพื้นฐานก็มี AI ยัดอยู่เต็มไปหมด ดังนั้นไม่ว่าเราจะเรียกมันแบบนั้นหรือไม่ ผมว่าภาพรวมทั้งสเปกตรัมก็น่าสนใจมาก

  • อุปมาว่า “ผู้คนบริโภค AI เหมือนกินเนื้อ บางคนยอมรับมัน บางคนจำกัดการใช้ และบางคนหลีกเลี่ยงมันโดยสิ้นเชิง” น่าสนใจดี
    เพราะแม้จะมีทั้งปัญหาเชิงนิเวศจริง ๆ และเหตุผลเชิงหลักการในการคัดค้านการกินเนื้อ แต่โดยรวมแล้ว การบริโภคเนื้อสัตว์ ในหลายประเทศทั่วโลกก็เพิ่มขึ้นมาตลอดหลายทศวรรษ

    • อาจเป็นเพราะผมอยู่ Wyoming แต่ข้ออ้างที่ว่า “AI ไม่ได้เป็นสากล และก็มีคนที่หลีกเลี่ยงมันเหมือนมังสวิรัติ” ฟังดูไม่น่าเชื่อเท่าไร