เราเป็นคนรุ่นสุดท้ายที่รู้ว่ามันทำงานอย่างไร
(unix.foo)- เกมคอมพิวเตอร์ยุค 1990 จะเล่นได้ก็ต่อเมื่อผู้ใช้ต้องเรียนรู้ เงื่อนไขของเครื่อง ด้วยตัวเอง เช่น
autoexec.bat, ดิสก์บูต และ interrupt ของการ์ดเสียง - คอมพิวเตอร์ผลักไสผู้ใช้ออกไปผ่านเสียงเจรจาของโมเด็ม, jumper ของไดรฟ์ และ interrupt ที่ตั้งค่าผิด และ กระบวนการเผชิญแรงต้านนั้น คือทางผ่านไปสู่การเข้าใจว่ามันทำงานอย่างไร
- AI assistant ใกล้เคียงกับ เครื่องมือที่ยอมปรับตามผู้ใช้ มากกว่า เพราะมันจัดวางตัวเองใหม่ให้เข้ากับประโยคของผู้ใช้ แทนที่จะเรียกร้องไฟล์ตั้งค่าหรือเงื่อนไขต่างๆ
- การสูญเสียหลักไม่ใช่ทักษะทางเทคนิค แต่คือ การสูญเสียความคุ้นเคย; ความสัมพันธ์ที่เกิดจากการต่อสู้กับเครื่อง ล้มเหลว แล้วลองใหม่ กำลังหายไป
- ต่อไปเราอาจอยู่ในสภาพที่พึ่งพาเครื่องจักรมากกว่าที่เคย แต่ในเวลาเดียวกันก็รู้จักเครื่องเหล่านั้นน้อยลง
ประสบการณ์คอมพิวเตอร์ที่ความยากคือความรู้
- ในยุค 1990 หากจะเล่นเกมคอมพิวเตอร์ ก่อนอื่นต้องรู้บ้างว่าคอมพิวเตอร์ทำงานอย่างไร
- ต้องเปิดไฟล์อย่าง
autoexec.batขึ้นมาอ่าน - บางครั้งต้องสร้าง ดิสก์บูต เฉพาะสำหรับรันเกมใดเกมหนึ่ง
- หากเครื่องไม่อนุญาตก็เล่นเกมไม่ได้ และผู้ใช้ต้องเรียนรู้เงื่อนไขของเครื่อง
- ต้องเปิดไฟล์อย่าง
- คอมพิวเตอร์และอุปกรณ์ต่อพ่วงในเวลานั้นมี แรงเสียดทาน ที่ผู้ใช้ต้องเผชิญด้วยตัวเอง
- โมเด็มส่งเสียงให้ได้ยินขณะเจรจาการเชื่อมต่อ และหากฟังซ้ำๆ ก็อาจสังเกตได้แม้กระทั่งสัญญาณว่าการโทรกำลังจะหลุด
- ไดรฟ์ต้องใช้เล็บตั้ง jumper เล็กๆ
- ต้องรู้ว่าการ์ดเสียงตอบสนองต่อ interrupt ใด และถ้าตั้งผิดก็จะไม่มีอะไรทำงาน
- ความรู้สึกว่า “ความยากคือความรู้” แทรกอยู่ตลอดประสบการณ์คอมพิวเตอร์ในยุคนั้น
- ผู้ใช้รู้จักเครื่องผ่านสิ่งที่ผลักไสตนเองออกไป
- ประโยคที่ว่า “เรารู้จักได้เฉพาะสิ่งที่เราแพ้ได้เท่านั้น” สรุปประสบการณ์นี้ได้อย่างกระชับ
AI ที่ยอมปรับตาม และความคุ้นเคยที่หายไป
- AI assistant ในปัจจุบันดูเหมือนความสะดวกสบายขั้นสุดท้าย และทำงานในแบบที่เมื่อผู้ใช้บอกสิ่งที่ต้องการ ผลลัพธ์ก็ปรากฏขึ้น
- ไม่บังคับให้อ่านไฟล์ตั้งค่า
- ไม่ตั้งเงื่อนไขขึ้นมา
- มันเปลี่ยนตัวเองให้เข้ากับประโยคของผู้ใช้ และเมื่อผู้ใช้แสดงความไม่พอใจก็ขอโทษแล้วลองใหม่
- เครื่องจักรที่ไม่ท้าทายเรานั้นเข้าใจได้ยาก และส่วนใหญ่กลายเป็น สิ่งที่ถูกใช้งาน
- ประเด็นสำคัญไม่ใช่เรื่องที่ทักษะกำลังหายไป
- โมเดล AI อ่านแม้กระทั่งคู่มือที่มนุษย์ไม่อ่าน และสามารถอธิบายได้ว่าเครื่องจักรทำงานอย่างไร
- หากมองเฉพาะความสามารถในการคำนวณหรือความรู้ทางเทคนิค ก็อาจมองได้ว่าความรู้นั้นปลอดภัยยิ่งขึ้น
- สิ่งที่กำลังหายไปคือ ความคุ้นเคย ที่เกิดจากการปะทะกับเครื่องจักรบางเครื่อง
- ประสบการณ์ในการต่อสู้กับเครื่อง ล้มเหลว แล้วลองใหม่จนในที่สุดทำให้มันทำงานได้ มีน้อยลง
- ผู้คนจะพึ่งพาเครื่องจักรมากกว่าเดิม แต่ในเวลาเดียวกันก็รู้จักเครื่องเหล่านั้นน้อยลง
- คนรุ่นถัดไปอาจไม่รู้สึกว่านี่คือการสูญเสีย
- ความสัมพันธ์ที่ไม่เคยมีมาก่อนย่อมไม่อาจถูกโหยหาได้
- พวกเขาอาจใช้เครื่องมือที่ทำให้ทุกอย่างและไม่เรียกร้องอะไรเลยได้อย่างเป็นธรรมชาติราวกับสวิตช์ไฟ
- ฉากที่คอมพิวเตอร์ยุคใหม่เล่นเสียงบันทึกการเชื่อมต่อโมเด็มได้อย่างสมบูรณ์แบบในทันที แสดงให้เห็นความแตกต่างนี้
- เสียงโมเด็มในอดีตยังคงอยู่ในใจ
- เครื่องจักรยุคใหม่ที่เล่นเสียงนั้นไม่อาจถูกรู้จักได้ในแบบเดียวกัน
- เครื่องจักรยุคใหม่ถูกสร้างขึ้นมาเพื่อให้ผู้ใช้ไม่จำเป็นต้องรู้จักมันในลักษณะนั้น และนั่นคือผลลัพธ์ที่เราเคยต้องการ
1 ความคิดเห็น
ความคิดเห็นจาก Hacker News
น่าเสียดายที่ Pangram ระบุว่าบทความนี้ เขียนโดย AI
https://www.pangram.com/history/c0a9cde2-7a5c-4588-83a3-0269...
งานเขียนที่เป็น AI ล้วน ๆ เพิ่มขึ้นจริง แต่ผมคิดว่าบริการที่ “วิเคราะห์” คอนเทนต์แบบนี้ให้โทษมากกว่าประโยชน์
https://geniusaidetector.com/
ปัญหาอยู่ตรงที่เราไม่รู้ว่ามันทำงานอย่างไร
โดยทั่วไป เราเข้าใจ ชั้นนามธรรม ที่เราพบมาตั้งแต่เกิด และอาจรู้ลงไปอีกหนึ่งหรือสองชั้นพอสมควร แต่ยิ่งลงลึกไป ความเข้าใจก็ยิ่งลดลง
เมื่ออายุมากขึ้น ผมได้เห็นกระบวนการนี้ด้วยตัวเอง ครั้งหนึ่งความรู้หายากของผมเคยเป็นที่ต้องการมหาศาล แต่ตอนนี้ความรู้หายากส่วนใหญ่ที่คนรุ่นใหม่มีเป็นเรื่องที่ผมแทบไม่สนใจ และสำหรับผม เหลือเพียงทักษะอันประณีตในการแก้ปัญหาที่ส่วนใหญ่ได้หายไปเป็นนามธรรมแล้ว
นี่เป็นการเปลี่ยนแปลงที่แตกต่างอย่างมีนัยสำคัญ
คนที่นี่คงมีไม่มากที่รู้กระบวนการเปลี่ยนทรายให้เป็นซิลิคอน หรือมีความเชี่ยวชาญในการขัดเลนส์ระดับสูงสำหรับลิโทกราฟีด้วยมือ แต่เราก็รู้ว่าสิ่งเหล่านั้นจำเป็น และเข้าใจแนวคิดเชิงปรัชญาโดยคร่าว ๆ
ความเสี่ยงเกิดขึ้นเมื่อเราทำให้งานโครงสร้างพื้นฐานระดับต่ำเป็นอัตโนมัติโดยสมบูรณ์เกินไป จนคนรุ่นหลังไม่มีแม้แต่ กรอบแนวคิด ว่าเทคโนโลยีที่ตนใช้ถูกสร้างขึ้นมาอย่างไร
ในระบบที่ AI สร้างขึ้น ข้อดีนี้เหมือนถูกโยนออกไปนอกประตู หากไม่ระมัดระวังอย่างยิ่ง โค้ดเบสใหม่จะขาดความสอดคล้อง และในสายตาของ LLM กับคน prompt นั้น แพตเทิร์นใหม่ ๆ จะถูกนำเข้ามาใช้ไปทั่วเพียงเพราะ “มันทำงานได้”
กลายเป็นว่าแพตเทิร์นเดียวกันถูกทำซ้ำ 37 ครั้งแบบต่างกันเล็กน้อยก็ไม่เป็นไร ตอนนี้ การถ่ายโอน ความรู้จึงแย่ลง
เมื่อก่อน หากมองโค้ดแล้วถามว่า “ทำไม?” ก็มักมีคำตอบจากประสบการณ์หรือการทดลองในอดีต เช่น “ลอง x, y, z แล้วใช้ไม่ได้” แต่ LLM ใส่สิ่งซับซ้อนเข้ามาเพียงเพราะมันทำสิ่งที่เราขอ
การอ่านสตริงจากแหล่งที่ถูกต้องทีละไบต์ไปจนเจอ
\0อาจใช้งานได้ แต่ถ้าเอกสาร API บอกว่า X ก็ควรถอยออกมาคิดว่าทำไมเราถึงกำลังตรวจซ้ำว่านั่นถูกต้องหรือไม่ผมเองก็ยังไม่ถึงกับแก่มาก แต่เริ่มจาก C++ ได้เรียนการจัดการหน่วยความจำแบบแมนนวลและการออกแบบภาษาโปรแกรม และยังเรียนวิชาแอสเซมบลีที่แม้ในตอนนั้นก็ถือว่าค่อนข้างเข้าใจยาก
ผมไม่ได้เก่งแอสเซมบลีและก็ไม่ได้ตั้งใจจะเก่ง แต่การเข้าใจว่าโค้ดระดับสูงถูกคอมไพล์ลงเป็นคำสั่งแอสเซมบลี/ภาษาเครื่องระดับต่ำอย่างไรมีคุณค่ามากในการสร้างสัญชาตญาณเรื่องการปรับแต่งประสิทธิภาพ เราจะได้รู้ด้วยว่าสิ่งที่ดู “โง่ ๆ” อย่าง loop unrolling ส่งผลต่อการลดจำนวนคำสั่งได้มากแค่ไหน
อย่างที่เบอร์นาร์ดแห่งชาร์ตร์ที่นิวตันอ้างถึงกล่าวไว้ เรามองได้ไกลขึ้นเพราะยืนอยู่บนบ่าของยักษ์ แต่ก็สูญเสียรายละเอียดของพื้นดินใต้เท้าไป คนยุคใหม่ยากที่จะมีความเชี่ยวชาญกว้าง ๆ ที่ได้จากการสร้างคอมพิวเตอร์จากทรานซิสเตอร์ด้วยตัวเองอีกต่อไป แต่ควรเรียนในเชิงวิชาการเพื่อยังคงได้เศษเสี้ยวความรู้ที่สำคัญ
หากผู้เชี่ยวชาญในสาขาเฉพาะทางสูงแบบนี้มี ทักษะการสื่อสาร ที่ช่วยแบ่งปันเรื่องที่เกี่ยวข้องโดยไม่ทำให้คนอื่นจมกับรายละเอียด ก็จะมีประโยชน์อย่างมหาศาล
แต่ผมมองว่านี่คือ การเกิดมาพร้อมหนี้ทางเทคนิค และเห็นว่าเป็นหน้าที่ของวิศวกรที่จะต้องเข้าใจว่าคนรุ่นก่อนสร้างอะไรไว้ และตัวเองควรทำงานจากทิศทางไหน
การอธิบายออกมาเป็นคำว่าเรากำลังสูญเสียบางสิ่งไปเกือบเร็วพอ ๆ กับที่เราได้บางสิ่งมา ไม่ใช่เรื่องเล็กเลย
ใต้บรรยากาศหวนคิดถึงอดีตของบทความนี้มี การสูญเสียการควบคุม และความวิตกกังวลที่เพิ่มขึ้นทุกวันซ่อนอยู่
การเห็นคนที่อายุน้อยมาก ๆ เรียนรู้แค่อินเทอร์เฟซแบบสัมผัสกับแอป จนใช้คอมพิวเตอร์ในความหมายแคบ ๆ ไม่เป็นนั้นน่าตกใจไม่น้อยอยู่แล้ว เป็นสภาพแวดล้อมที่ความยากถูกรีดให้เรียบด้วยการทำซ้ำนับพันครั้ง เพื่อให้ได้คอนเทนต์และอินเทอร์เฟซที่ผ่านการคัดสรร และตอบโจทย์ตัวหารร่วมต่ำสุดของตลาด
ถึงอย่างนั้น ผมคิดว่าคนที่สร้างสิ่งต่าง ๆ มากที่สุดในวันนี้ และสร้างสิ่งที่ดี สิ่งที่ใช้งานได้ และสิ่งที่บำรุงรักษาได้ ก็คือคนที่ได้รับเครื่องมือมา แต่ไม่ได้สูญเสียความรู้เกี่ยวกับสื่อที่เราใช้ไป
ในโลกคอมพิวเตอร์และอินเทอร์เน็ตมีความทรงจำอบอุ่นแบบหวนอดีตเกี่ยวกับการลองจับนั่นปรับนี่ ประกอบ PC เอง ฟอร์แมตไดรฟ์ C เพราะมัลแวร์ และหา “snippet” เพื่อแต่งฟอรัมหรือหน้า Myspace
แต่สุดท้ายแรงจูงใจเรื่องเงินก็เข้ามาครอบงำ การลงมือ tinkering เพื่อความสนุกและความรู้ไม่ทำกำไร และเมื่อคนที่ optimize เพื่อเงินและทุนกวาดกินเงินและทุนไปหมด ท่าทีของแต่ละคนต่อเงินและทุนก็ยิ่งมีความสำคัญน้อยลง
สิ่งที่น่ากังวลที่สุดในตอนนี้คือ ช่องว่างความมั่งคั่ง และ “ยุคหลังความจริง” ที่เกี่ยวโยงกันอย่างใกล้ชิดก็ตามมา ผู้คนเต็มใจเชื่อสิ่งที่อยากเชื่อเพื่อเป้าหมายทางการค้าหรืออุดมการณ์ และเมื่อชีวิตตัวเองไม่ราบรื่น ก็ง่ายที่จะเกลียดและโทษเพื่อนบ้าน
ภาษาโปรแกรม, UNIX, ดีบักเกอร์ จะไม่หายไปไหน ในโลกคอมพิวติ้งยังมีอะไรมากกว่าสิ่งที่เจ้านายสั่งให้ทำและสิ่งที่ฮิตในฟอรัมเทคโนโลยีมากนัก
ตรงกันข้าม ผมคิดว่าฉากอินดี้/งานทำมือจะเติบโตอย่างมากหรือถึงขั้นบูม แม้ในระดับงานอดิเรกก็ตาม ความจริงที่ว่าคุณลงแรงเลือดเหงื่อทำเองในสิ่งที่ให้เครื่องทำแทนก็ได้ อาจดึงดูดคำชื่นชมและความเพลิดเพลินได้มากกว่าเดิม
ตลอดหลายสิบปีที่ผ่านมา เทคโนโลยีคอมพิวเตอร์มี จุดลงตัว ที่ทำให้นักเล่นสมัครเล่นสามารถทดลองได้โดยไม่ต้องแบกรับต้นทุน และผลักขีดจำกัดของวงการคอมพิวเตอร์ยุคแรก ๆ ได้
ช่องว่างเฉพาะทางจำนวนมากเกิดขึ้นและถูกเติมเต็มอย่างรวดเร็วเหมือนการแผ่รังสีทางวิวัฒนาการ และตอนนี้ระบบนิเวศคอมพิวเตอร์ก็วิวัฒนาการมาถึงระดับที่ทำงานบนสิ่งที่เป็น abstraction สูงสุดเท่าที่เราจะทำได้ หรือที่เรียกว่า “ภาษาธรรมชาติ” ไม่ใช่ abstraction ระดับต่ำที่เคยเป็นช่องทางปฏิสัมพันธ์เพียงอย่างเดียวอีกต่อไป
“ความยากคือความรู้ เราได้รู้จักเครื่องจักร เหมือนกับที่ได้รู้จักสิ่งที่ต่อต้านเรา ตัวการต่อต้านนั้นเองคือสื่อกลาง เราจะรู้จักได้ก็เฉพาะสิ่งที่มีโอกาสสูญเสียไปเท่านั้น”
พวกเราที่ผ่านยุคนั้นมาได้หล่อหลอมความรู้แบบวิศวกรที่ลงมือจับจริง และเรียนรู้ผ่านประสบการณ์กับการลงมือทำว่าเลเยอร์ของ abstraction พัฒนาขึ้นที่แนวหน้าอย่างไร ทุกวันนี้มีคนจำนวนมากเข้ามาอยู่ในโลกที่เต็มไปด้วยคำตอบง่าย ๆ แต่คำตอบเหล่านั้นจะถูกต้องหรือไม่ก็เป็นอีกเรื่อง และต้องประเมินเองว่าจะให้ความสำคัญกับความถูกต้องมากแค่ไหน
ผมใช้เกมชื่อ “The Farmer Was Replaced” เป็นจุดเริ่มต้นเพื่อสอน Python ให้เด็ก ๆ แต่ยิ่งคิดก็ยิ่งรู้สึกว่าจำเป็นต้องมี แพ็กเกจฮาร์ดแวร์ แบบ Apple //e สมัยก่อน ที่เปิดโอกาสให้เด็ก ๆ ทำพลาดได้เองอย่างเพียงพอ
ในยุคนั้น แม้แต่แอสเซมเบลอร์ก็ยังค่อนข้างเรียนรู้ได้ง่ายบนระบบแบบนั้น และน่าจะมีคุณค่าที่จะย้อนนาฬิกากลับไปยังจุดนั้น แยกประสบการณ์ออกมา แล้วดูว่าเด็กเจเนอเรชันใหม่จะสร้างอะไรขึ้นมาได้
ผมอยู่ในกลุ่มคนแก่ที่ลำดับเสียง handshake ของโมเด็ม 2400 บอดถูกสลักอยู่ในเซลล์ประสาทแล้ว
ช่วงหนึ่งผมพยายามตั้งค่าการเชื่อมต่อ WireGuard ระหว่างระบบของตัวเอง แต่ด้วยงานและครอบครัวที่ยุ่ง ตอนนี้เลยปล่อยให้ Tailscale จัดการไป
ผมน่าจะตั้งค่าเองบนหลายโฮสต์ได้ ทั้งเส้นทางเครือข่าย กฎไฟร์วอลล์ คู่กุญแจ ยูนิต systemd และอื่น ๆ แต่ทางเลือกแบบ “ถูกและง่าย” อยู่ตรงนั้นพอดี และมันก็ใช้งานได้ ยกเว้นตอนที่บังคับให้ยืนยันตัวตนใหม่เท่านั้น
ด้วยเอเจนต์ LLM ผมสามารถวิเคราะห์เครือข่ายเดิมได้อย่างง่ายดาย และสร้างสคริปต์ที่ปรับให้เข้ากับงานที่ต้องการได้ สิ่งที่ผมต้องทำมีแค่ตรวจดูประเด็นด้านความปลอดภัยและอื่น ๆ และจาก topology เครือข่ายของผม ก็เห็นจุดแก้ไขเฉพาะสำหรับกฎ routing อยู่ 3–4 จุด
ถ้าผมอ่านคู่มือเองสักสองสามเล่ม แล้วลองปรับไปมาหนึ่งหรือสองชั่วโมงพร้อมแก้สคริปต์ซ้ำ ๆ ก็คงไปถึงจุดนั้นได้เหมือนกัน แต่ ความพร้อมใช้งานและประสิทธิผล ของเอเจนต์นั้นยั่วยวนเกินไป
ผมไม่ค่อยแน่ใจว่าสิ่งนี้หมายความว่าอย่างไรต่อความสามารถทางเทคนิคของผม และตอนนี้มันยังสำคัญอยู่หรือเปล่า ถึงอย่างนั้น ตราบใดที่สมองยังทำงานดี ผมก็ค่อนข้างมั่นใจว่ายังอ่านคู่มือแล้วทำความเข้าใจเรื่องพวกนี้ด้วยตัวเองได้ ด้วยความเร็วแบบนี้ ผมสงสัยว่าลูก ๆ ของผมจะมีความสามารถแบบเดียวกันหรือไม่ และก็ไม่รู้ว่ามันจะสำคัญแค่ไหนด้วย
อย่างไรก็ดี ผมกำลังช่วยให้ลูก ๆ แก้ปัญหาด้วย “วิธีแบบเก่า” โดยไม่พึ่งพา LLM มากเกินไป ไม่ว่า AI จะเก่งขึ้นแค่ไหน สิ่งหนึ่งที่ค่อนข้างแน่คือ ถ้าไม่พัฒนา ทักษะการแก้ปัญหา ชีวิตก็มีแต่จะเสียเปรียบ
เพียงแต่เส้นทางตั้งต้นส่วนใหญ่เป็นแบบ “เฮ้ ไอ้เศษเหล็ก ทำอันนี้ให้หน่อย” ไม่ใช่ “สวัสดี ไอ้เศษเหล็ก ช่วยบอกหน่อยว่ามันทำงานอย่างไร”
ผมเคยลองวิธีหลังอยู่บ้าง และโดยเฉพาะสำหรับคนที่เรียนรู้ด้วยตัวเอง มันถูกประเมินค่าต่ำอย่างน่าประหลาดใจในฐานะ เครื่องมือการศึกษา
ผมไม่แน่ใจว่าผู้ใช้คอมพิวเตอร์ในยุค 1990 ที่รู้วิธีแก้
autoexec.batหรือใส่ฟลอปปีดิสก์สำหรับบูต จะถือได้ว่า “รู้ว่าคอมพิวเตอร์ทำงานอย่างไร” ในระดับที่มีความหมายหรือไม่ตอนนี้สแต็ก abstraction ลึกขึ้นกว่าเดิม และดูเหมือนจะลึกขึ้นต่อไปอีก แต่ในยุค 1990 abstraction ก็ลึกมากอยู่แล้ว
ผมคิดว่าความผิดพลาดที่พบบ่อยตรงนี้คือ การเข้าใจผิดเรื่องกลุ่มประชากร เหล่าเนิร์ดคอมพิวเตอร์จะเจาะทะลุ abstraction เข้าไปเพื่อความสนุก และสิ่งนั้นจะไม่หยุดลง เหมือนกับที่เว็บเบราว์เซอร์ไม่ได้ทำให้คนเขียนเคอร์เนลหายไป
ตรงกันข้าม ตอนนี้เรากลับเขียนโค้ดระดับต่ำมากกว่าเมื่อก่อนเสียอีก เพราะการเข้าถึงความรู้ที่จำเป็นถูกกีดกันน้อยลงกว่าเดิม
ตอนนี้กลุ่มที่เสียงดังที่สุดบน HN ไม่ใช่เนิร์ด แต่ใกล้เคียงกับผู้ก่อตั้งสตาร์ทอัพและพวกนักต้มตุ๋นที่พยายามหาที่ยืนมากกว่า
พวกเขาขยายอิทธิพลของ “AI” ให้เกินจริงอยู่เรื่อย ๆ และตอนนี้ก็ทำให้ผู้ติดตามนึกถึงช่วงเวลาที่ชวนคิดถึงที่สุด แล้วให้สันนิษฐานว่าในยุคนั้นทุกคนงุ่มง่ามและสับสนเหมือนพวกเขา จากนั้นก็เพิกเฉยต่อประวัติศาสตร์ที่เหลือทั้งหมด
ผมไม่เห็นด้วยกับคำกล่าวที่ว่า “ความรู้ไม่อันตราย ที่จริงแล้วมันปลอดภัยกว่าที่เคย โมเดล AI อ่านคู่มือทั้งหมดที่มนุษย์ไม่อ่านแล้ว”
ถ้าขอคู่มือจากโมเดลแล้วมันคายคู่มือในข้อมูลฝึกออกมาตรง ๆ นั่นคือ overfitting สิ่งที่มันจะคายออกมาคืออะไรบางอย่างที่ดูเหมือนคู่มือจริง หรืออะไรบางอย่างที่ตรงกับคำถามเกี่ยวกับคู่มือ
เมื่อพบข้อผิดพลาด บางครั้งเราต้องโต้แย้งมัน แต่จะพบข้อผิดพลาดได้ก็ต่อเมื่อเรารู้อยู่แล้วว่าต้องมองหาอะไรและควรคาดหวังอะไร ไม่อย่างนั้นก็ต้องเมินเอาต์พุตแล้วเอาแค่ลิงก์มา แต่ลิงก์นั้นก็อาจเก่าหรือถูกแต่งขึ้นได้ ก่อนตรวจสอบก็ไม่มีทางรู้
และสิ่งนี้เสื่อมสภาพลงตามการบีบอัดและเวลา
ไม่มีทางลัดแบบทางสายเอก ผมเห็นด้วยว่ากระบวนการลงมือทำเอง หงุดหงิดผิดหวัง และพยายามทำความเข้าใจ ให้ผลตอบแทนมหาศาล แม้ในยุคที่ต้องการ “ทุกอย่างอย่างรวดเร็ว เดี๋ยวนี้” กระบวนการนั้นก็ยังมีคุณค่า และถูกประเมินค่าต่ำไปมาก
“ตอนเด็ก ๆ ผมซ่อมคอมพิวเตอร์ให้พ่อแม่ พออายุมากขึ้นก็ซ่อมคอมพิวเตอร์ให้ลูก ๆ เราเป็นรุ่นเดียวหรือเปล่าที่รู้ว่าคอมพิวเตอร์ทำงานอย่างไร?”
https://x.com/ryancbriggs/status/1847391612428517844
https://xcancel.com/ryancbriggs/status/1847391612428517844
ทั้งในคนรุ่นที่แก่กว่าและรุ่นที่อายุน้อยกว่าก็มีคนที่รู้เรื่องคอมพิวเตอร์อยู่มาก เพียงแต่ไม่ใช่พ่อแม่หรือลูก ๆ ของเขาเท่านั้น ในบรรดาคนที่เขียนแอสเซมบลีที่น่าประทับใจที่สุดในปัจจุบัน ก็มีคนที่ อายุต่ำกว่า 20 ปี อยู่ด้วย ไม่เป็นไรหรอก
ผมเรียนเอกวิทยาการคอมพิวเตอร์และเคยสอนวิชาระดับปริญญาตรี แต่ตั้งแต่ราว 10 ปีก่อน ก็เห็นนักศึกษาวิทยาการคอมพิวเตอร์ที่ได้รับ Linux USB แบบบูตได้ไปแล้ว กลับตั้งค่าระบบไม่ได้
ปัญหาไม่ใช่แค่ขาดความรู้ แต่เป็น ความไร้เรี่ยวแรงโดยสิ้นเชิง แบบที่ถ้าทำไม่ได้ภายใน 2 นาที ก็ส่งเมลมาว่า “มันไม่ได้ครับ/ค่ะ ต้องทำอะไรต่อ?” ปัญหาใหญ่ที่สุดของการพึ่งพาสิ่งอย่าง ChatGPT ก็อยู่ตรงนั้น
คนรุ่นใหม่ดูเหมือนจะอยู่ในจุดที่แย่กว่า ไม่ใช่แค่ไม่รู้ว่าคอมพิวเตอร์ทำงานอย่างไร แต่บางครั้งยังไม่มีแม้แต่ท่าทีพื้นฐานในการแก้ปัญหาแบบ DIY ที่รุ่นพ่อแม่ของเรามี
ตัวอย่างอย่างการตั้ง jumper ด้วยมือ การจัดการ interrupt ของการ์ดเสียง และการแก้
autoexec.batล้วนโดนใจมากในขณะเดียวกัน ผมก็ใช้ LLM และ agent ได้ดีเช่นกัน บทความนี้จับได้ดีว่าอะไรคือสิ่งที่สูญหายไป และมันคล้ายกับสิ่งที่ในสาขาอื่น ๆ สูญเสียไปนานแล้ว หรือไม่เคยมีมาตั้งแต่แรก—เช่นความแตกต่างระหว่างรถยนต์สมัยใหม่กับ Model T
ผมไม่ได้อยากย้อนกลับไป แต่ก็ยังรู้สึกถึง ความสูญเสีย ได้อยู่ดี งานเขียนก็สวยงามด้วย
ชุมชน modding ยังมีชีวิตอยู่
เด็ก ๆ ยังโฮสต์เซิร์ฟเวอร์ Minecraft หรือเล่นกับอะไรสักอย่างที่กำลังฮิตอยู่ในช่วงนี้กันอยู่ คอมพิวเตอร์ 8 บิตแบบ DIY ก็กำลังได้รับความนิยม
ผมคิดว่าการที่อะไรสักอย่างกลายเป็นกระแสหลักมาก ๆ ไม่ได้แปลว่ามันถูกทำให้เจือจางลงสำหรับทุกคนเสมอไป คนที่มีระดับความอยากรู้อยากเห็นและความหลงใหลต่างกันมีอยู่เสมอ
แรงจูงใจอาจลดลงได้ แต่กำจัดให้หมดไปไม่ได้ เนิร์ดยังไงก็ยังเป็นเนิร์ดอยู่วันยังค่ำ