แอปคณิตศาสตร์เก่าที่ถูกชุบชีวิตด้วยเอเจนต์เขียนโค้ดสมัยใหม่ และแอปใหม่ที่สร้างขึ้น

• ย้ายแอปเพล็ตคณิตศาสตร์ Java 1.0 ราว 24 ตัวที่เลิกได้รับการสนับสนุนแล้วไปเป็น JavaScript ด้วย เอเจนต์เขียนโค้ด AI สมัยใหม่ และยังทำเครื่องมือสร้างภาพที่ในอดีตเคยทำไม่สำเร็จได้ด้วย
• แอปเพล็ตเดิมถูกกู้คืนได้ภายในไม่กี่ชั่วโมง พร้อม การปรับปรุงกราฟิก เช่น การแสดงผลแบบสีของชุด Besicovitch และการนำแอปเพล็ต honeycomb ที่เคยทำร่วมกับ Allen Knutson ในปี 1999 กลับมาสร้างใหม่
• ระหว่างการย้ายระบบ บั๊กที่เอเจนต์สร้างขึ้นมีเพียงปัญหาเล็กน้อย 1 จุดที่เกี่ยวกับการลาก ขณะเดียวกันกลับพบบั๊กที่ไม่เคยตรวจพบในโค้ดเดิม 2 จุด ทำให้ คุณภาพโค้ดโดยรวม ยังคงอยู่ในระดับใกล้เคียงกัน
• แนวคิด “Inkscape แห่งปริภูมิ Minkowski” ที่เคยล้มเลิกไปในปี 1999 เพราะความซับซ้อน ถูกทำเป็นเวอร์ชันอัลฟาของแอปสร้างภาพทฤษฎีสัมพัทธภาพพิเศษได้ด้วย vibe coding เพียงไม่กี่ชั่วโมง และยังสร้างภาพประกอบสำหรับข้อคาดการณ์ Gilbreath ขึ้นใหม่ด้วย
• เนื่องจาก ภาพประกอบเสริม เหล่านี้ไม่ใช่แกนหลักของการพิสูจน์ทางคณิตศาสตร์ ความเสี่ยงจากบั๊กในโค้ดที่ LLM สร้างจึงค่อนข้างต่ำ และอาจนำไปใช้เป็นสื่อเสริมเชิงโต้ตอบสำหรับงานวิจัยในอนาคตได้

---

จุดเริ่มต้นและการยุติของแอปเพล็ต Java 1.0

• ตั้งแต่ปี 1999 ได้สนใจวิธีใช้คอมพิวเตอร์เพื่อศึกษาวิจัยและสอนคณิตศาสตร์ และพัฒนา แอปเพล็ตหลายตัว สำหรับการสอนวิชา complex analysis และ linear algebra ด้วย Java 1.0
• นอกจากใช้ในการสอนแล้ว ยังใช้แอปเพล็ตเพื่อสร้างภาพของวัตถุทางคณิตศาสตร์หลายชนิด รวมถึง honeycomb และชุด Besicovitch
• แม้จะได้ผลลัพธ์พอสมควร แต่การเขียนโปรแกรมด้วยตนเองต้องใช้เวลามาก และเมื่อมาตรฐานเว็บเลิกรองรับ Java เวอร์ชันนั้น แอปเพล็ตก็ใช้งานไม่ได้อีกต่อไป

การย้ายไปยัง JavaScript ด้วย AI

• ระหว่างย้ายหน้าเว็บและข้อมูลบล็อกเดิมไปยัง คลังเก็บที่ดูแลรักษาได้ง่ายกว่า ก็ได้นำ AI ช่วยพัฒนา สมัยใหม่มาใช้
• เพื่อทดลอง จึงให้เอเจนต์ย้ายแอปเพล็ตเดิมไปยังภาษาที่ปัจจุบันยังรองรับอยู่ และสุดท้ายเลือก JavaScript
• แอปเพล็ตเดิม ราว 24 ตัวกลับมาทำงานได้อีกครั้งภายในไม่กี่ชั่วโมง และบางส่วนยังได้กราฟิกที่ดีขึ้น
  • แอปเพล็ตชุด Besicovitch เปลี่ยนจากหน้าจอขาวดำเดิมเป็นการแสดงผลแบบสี
  • แอปเพล็ต honeycomb ที่ทำร่วมกับ Allen Knutson ในปี 1999 และเคยเป็นงานที่ทำด้วยมือได้ยากเป็นพิเศษ ก็ถูกกู้คืนได้เช่นกัน

การพบบั๊กใหม่และข้อผิดพลาดในโค้ดเดิม

• แม้เอเจนต์เขียนโค้ดที่อิง LLM อาจสร้างบั๊กที่ทั้งชัดเจนหรือแฝงอยู่ได้ แต่ปัญหาใหม่ที่พบในการย้ายครั้งนี้มีเพียง บั๊กเล็กน้อย 1 จุด
  • ในแอปเพล็ต complex analysis ตัวหนึ่ง เมื่อทำการลากออกนอกพื้นที่หลักจะเกิดพฤติกรรมที่ไม่ต้องการ
• ในทางกลับกัน เอเจนต์กลับค้นพบ บั๊กที่ไม่เคยตรวจพบ 2 จุด ที่ซ่อนอยู่ในโค้ดเดิม และเมื่อพิจารณารวมกันแล้ว คุณภาพโค้ดโดยรวมยังถือว่าใกล้เคียงเดิม
• แอปเพล็ตเหล่านี้เป็นสื่อภาพประกอบเสริม ไม่ใช่องค์ประกอบหลักของการพิสูจน์ทางคณิตศาสตร์ ดังนั้นแม้จะเกิดบั๊กขึ้น ความเสี่ยงที่ตามมาก็ค่อนข้างต่ำ

เครื่องมือทฤษฎีสัมพัทธภาพพิเศษที่เคยล้มเลิกในปี 1999

• เมื่อการย้ายแอปเดิมดำเนินไปได้ไม่ยาก จึงลอง สร้างแอปใหม่ ด้วย
• ในปี 1999 เคยวางแนวคิดเครื่องมือสร้างภาพทฤษฎีสัมพัทธภาพพิเศษในลักษณะ “Inkscape แห่งปริภูมิ Minkowski” แต่ในเวลานั้นแม้แต่ Inkscape เองก็ยังไม่เปิดตัว
• แม้จะเริ่ม เขียนโค้ด Java แล้ว แต่โครงการก็ต้องยุติลงเพราะรับมือกับความซับซ้อนไม่ไหว
• หลังทำ vibe coding ร่วมกับเอเจนต์ AI อยู่ไม่กี่ชั่วโมง ก็สามารถสร้าง แอปเพล็ตแผนภาพกาลอวกาศ ที่ตรงกับแนวคิดในตอนนั้นได้
• ยังมีการเผยแพร่ สรุปบทสนทนาระหว่างการสร้าง ด้วย โดยได้ตัดรายงานเชิงเทคนิคที่ซ้ำ ๆ ออกจำนวนมากในขั้นตอนเรียบเรียง
• ปัจจุบันแอปนี้ยังเป็นเพียง เวอร์ชันอัลฟา ที่ผ่านการทดลองเล่นเพียงบางส่วน และด้วยธรรมชาติของโค้ดที่สร้างโดย LLM จึงอาจยังมีบั๊กหรือส่วนที่หยาบอยู่และต้องการฟีดแบ็กเพิ่มเติม

ภาพประกอบข้อคาดการณ์ Gilbreath

• หลังเขียนบล็อกโพสต์เกี่ยวกับงานวิจัยเรื่องข้อคาดการณ์ Gilbreath ก็ได้ขอให้เอเจนต์ช่วยสร้าง เครื่องมือสร้างภาพ สำหรับแนบกับบทความและโพสต์ดังกล่าวด้วย
• หลังพูดคุยกันไม่กี่ชั่วโมง ก็สร้าง ภาพประกอบข้อคาดการณ์ Gilbreath เสร็จสมบูรณ์
• ยังมีการเผยแพร่ บันทึกบทสนทนาระหว่างการสร้าง ควบคู่กันไปด้วย และการพัฒนาดำเนินไปโดยไม่มีอุปสรรคใหญ่

การใช้เป็นสื่อเสริมเชิงโต้ตอบสำหรับงานวิจัย

• มีการพิจารณาว่าในอนาคตอาจเพิ่ม ภาพประกอบเชิงโต้ตอบ เป็นสื่อเสริมให้กับงานวิจัย
• เนื่องจากภาพประกอบลักษณะนี้ไม่ใช่ส่วนสำคัญที่ขาดไม่ได้ของเนื้อหาหลักในงานวิจัย จึงอาจยอมรับความเสี่ยงจากข้อผิดพลาดได้ในระดับหนึ่ง แม้จะสร้างขึ้นผ่านการโต้ตอบแบบมีการชี้นำกับเอเจนต์ LLM

[GN⁺]

ความเห็นจาก Hacker News

• การสร้างสื่อภาพประกอบด้วย LLMช่วยให้วิชาวิทยาการคอมพิวเตอร์ดีขึ้นอย่างมาก: https://htmx.org/essays/universities-and-ai/#demos-visualiza...
  ตอนนี้มีสื่อที่อยากทำมาตลอดแต่ไม่มีเวลาได้ทำเสียที และด้วยความช่วยเหลือจาก Claude ก็ยังออกแบบคอมพิวเตอร์ 8 บิตแบบง่าย ๆ เพื่อเสริมคอมพิวเตอร์เพื่อการศึกษารุ่น 16 บิตเดิมได้ภายในไม่กี่วัน: https://bdp.cs.montana.edu/

  • การทำฟีเจอร์เสริมที่อยากมีมาตลอดแต่ไม่เคยมีเวลาทำ เป็นหนึ่งในกรณีใช้งานที่ยอดเยี่ยมของ LLM โดยเฉพาะโค้ดสำหรับงานภาพที่ไม่จำเป็นต้องมีโครงสร้างสมบูรณ์แบบหรือดูแลง่าย แค่ให้ได้ผลลัพธ์ทางภาพที่ถูกต้องก็พอ และ LLM ก็เก่งมากในการแก้ซ้ำไปเรื่อย ๆ จนได้หน้าตาตามต้องการ
  • ตอนอ่านงานวิจัยคณิตศาสตร์ก็ใช้ LLM สร้างภาพประกอบอยู่ด้วย แค่สั่งว่า “ให้ทำภาพของแต่ละส่วนในบทความนี้ในสไตล์วิดีโอ 3Blue1Brown โดยใช้ manim” ก็ได้ผลลัพธ์ที่น่าประทับใจ
    ทำให้เข้าใจเนื้อหาได้เร็วขึ้น และอ่านเปเปอร์ได้มากกว่าเดิม
  • ประหยัดเวลาไปได้หลายชั่วโมงด้วยการให้ LLM เขียนและแก้ไขคำสั่งและพารามิเตอร์ของ PIL
  • ดูจากบทความเรื่องการเปลี่ยนสัดส่วนการให้คะแนน https://acbart.github.io/2026/04/19/proctored-grades/ ก็ดูเหมือนจะเป็นการแบ่งแบบ50 ต่อ 50โดยประมาณ ถ้าอย่างนั้นนักเรียนที่ได้ 40% ในทุกควิซก็ยังผ่านวิชาด้วยเกรด C- ได้อย่างนั้นหรือ?
  • ในวิชาไมโครคอนโทรลเลอร์ อาจารย์เคยวาดรีจิสเตอร์ หน่วยความจำ และคำสั่งของคอมพิวเตอร์ 8 บิตบนกระดานแล้วอธิบายไปทีละส่วน ซึ่งทำให้การเข้าใจการทำงานภายในสนุกมาก
    เลยคิดว่าน่าจะดีถ้าจำลองสิ่งที่สอนได้มากกว่านี้ การศึกษาคือการแยกสิ่งหนึ่งออกเป็นองค์ประกอบแล้วดูปฏิสัมพันธ์ระหว่างกัน ดังนั้นซิมูเลชันที่เขียนแบบ vibe codingจึงอาจเป็นเครื่องมือที่ยอดเยี่ยมได้

• ถ้า Terry Tao สร้างแอปด้วย coding agent ต่อไปนี้ก็คงอีกแค่ก้าวเดียวก่อนที่เจ้าของรางวัล Fields Medal จะมาถาม LLM แบบเดียวกับพวกเราว่าทำไม Docker container ถึงไม่ยอมเริ่มทำงาน

  • ก่อนยุค LLM ก็มี Martin Hairer เจ้าของ Fields Medal ที่สร้างซอฟต์แวร์เฉพาะทางอยู่แล้ว: https://en.wikipedia.org/wiki/Martin_Hairer, https://www.hairersoft.com/
  • เคยนึกว่า AI จะยกระดับทุกคนขึ้นไปถึงระดับท็อป แต่กลับกลายเป็นว่ามันดึงคนระดับท็อปลงมาให้อยู่ในระยะที่เราเอื้อมถึงแทน
  • ในทางกลับกัน ก็กำลังรอวันที่ coding agent จะถาม Terry Tao ว่าพิสูจน์ที่มันกำลังทำอยู่นั้นคู่ควรกับ Fields Medal ไหม

• โดยเฉพาะนอกเหนือจากแวดวงซอฟต์แวร์แบบดั้งเดิมแล้ว ความต้องการซอฟต์แวร์ที่เป็นไปได้มีอยู่แทบไม่สิ้นสุด แม้การพัฒนา LLM จะหยุดวันนี้เลย ก็คงยังต้องใช้เวลาอีก 10 ปีกว่าจะใช้ความสามารถในการเขียนซอฟต์แวร์ที่เพิ่งเกิดขึ้นใหม่นี้ได้หมด และกรณีนี้ก็แสดงให้เห็นได้ดี

• ข้อสรุปที่ว่า “สื่อประกอบแบบโต้ตอบที่สร้างด้วย LLM ไม่ใช่ส่วนสำคัญต่อแก่นของงานวิจัย ดังนั้นความเสี่ยงจากการสร้างภาพลักษณะนี้ผ่านปฏิสัมพันธ์ที่ชี้นำกับเอเจนต์จึงเป็นสิ่งที่ยอมรับได้” ดูสมดุลดี
  LLM เป็นเครื่องมือ จึงมีงานที่เหมาะและไม่เหมาะ และโดยทั่วไปก็ไม่ควรเชื่อผลลัพธ์ตรง ๆ

  • ผลลัพธ์จาก LLM agent ต้องตรวจสอบเสมอ แต่ก็น่าขำเล็กน้อยที่ในขณะที่บอกว่าไม่ควรทำให้ AI ดูเหมือนมนุษย์ เรากลับใช้คำอย่างความเชื่อใจซึ่งมีลักษณะทำให้เป็นบุคคลอยู่เหมือนกัน เมื่อโมเดลและเครื่องมือสำหรับรันงานดีขึ้น และมี workflow ที่มีประสิทธิภาพมากขึ้น ความเชื่อมั่นต่อ AI ก็เพิ่มขึ้นอย่างรวดเร็ว
    เราเชื่อใจใช้ค้อนกับตะปูได้ แต่ไม่ใช้กับสกรู ทว่าก็ไม่ได้สรุปว่าค้อนเป็นสิ่งที่เชื่อถือไม่ได้โดยทั่วไป ปัญหาของ AI คือเรายังไม่รู้ว่าอะไรคือตะปูและอะไรคือสกรู
    แทนที่จะบอกแค่ว่าอย่าเชื่อ น่าจะมีประโยชน์กว่าหากแนะนำให้ใช้เวลากับการวางแผน การวนซ้ำ และการทบทวนให้มากขึ้นกว่าที่เคย เรียนรู้ทั้งทักษะ บริบท และวิธีใช้ sub-agent และเริ่มฝึกจากโปรเจกต์ที่ไม่ใช่งาน production และมีความเสี่ยงต่ำก่อน เป้าหมายควรเป็นการสร้างความเชื่อมั่นผ่านความเข้าใจใน workflow ที่ดีและกรณีใช้งานที่เหมาะสม
  • ในบริบทนี้ไม่ค่อยเข้าใจว่า ความเชื่อใจ หมายถึงอะไร ต่อให้จ้าง Donald Knuth มาเขียนโค้ดทั้งหมด ก็ไม่ได้หมายความว่าจะเชื่อว่าโค้ดนั้นไม่มีบั๊กหรือเหมาะกับความต้องการของฉัน
  • ในหมู่คนที่มอง AI เชิงบวก มีหลายคนที่อ้างคำพูดของ Tao เรื่องการใช้ LLM กับการพิสูจน์ทางคณิตศาสตร์ เพื่อมองว่าระบบทุกวันนี้ก้าวหน้าไปมากแล้วและทำงานได้อย่างอัตโนมัติ
  • LLM สร้างโค้ดที่แย่มาก ซึ่งทั้งดูแลรักษายากและไม่น่าเชื่อถือ การทำ vibe coding กับโปรเจกต์เสี่ยงต่ำอย่างของเล่นส่วนตัวนั้นไม่เป็นไร แต่ชัดเจนว่าไม่เหมาะกับโค้ดที่มีความเสี่ยงสูง

• ภาพที่ Terry Tao ใช้ coding agent ดูเหมือนฉากที่เชฟมิชลินสตาร์ค้นพบอาหารพร้อมทานสำหรับไมโครเวฟแล้วตื่นเต้นจากใจจริง

  • บทความที่พูดถึงว่าถ้าเขาย้อนกลับไปเปิดตำราอาหารเก่า ๆ แล้วพัฒนาการทำอาหารด้วยไมโครเวฟอย่างจริงจังจะเป็นอย่างไรนั้นน่าสนใจมาก: https://malmesbury.substack.com/p/my-journey-to-the-microwav...
  • เชฟมิชลินสตาร์เองก็ให้คุณค่ากับไมโครเวฟจริง ๆ Marco Pierre White เรียกไมโครเวฟว่า “สิ่งที่น่าทึ่ง” และบอกว่าสำหรับการทำปลาเฮร์ริงนั้นดีกว่าการต้มหรือย่างเสียอีก: https://www.independent.co.uk/life-style/marco-pierre-white-...
    José Andrés ก็ยกออมเล็ตไมโครเวฟให้เป็นหนึ่งในเมนูที่พลาดได้ยากที่สุด พร้อมเรียกมันว่า “ออมเล็ตเนื้อนุ่มที่ดีที่สุดในประวัติศาสตร์มนุษยชาติ”: https://www.tasteofhome.com/article/jose-andres-microwave-om...
  • อุปมาที่แม่นกว่าน่าจะเป็นภาพของ Charles และ Henry Greene ที่สร้างจิ๊กเฉพาะทางอย่างประณีตด้วยเทคโนโลยี เพื่อยึดรอยต่อของกล่องเครื่องประดับละเอียดอ่อนที่จะนำไปใส่ใน Gamble House แม้จะทำด้วยมือได้ แต่สำหรับคนที่มีงานต้องทำมากมาย เวลาเป็นทรัพยากรล้ำค่า
    ปรมาจารย์อย่าง Tao กำลังแสดงให้เห็นว่าเทคโนโลยีสามารถสร้างจิ๊กนั้นได้ และบรรดาช่างเครื่องก็กำลังพิสูจน์ทีละขั้นว่า พวกเขาสร้างได้ไม่ใช่แค่จิ๊กสำหรับทำกล่องเครื่องประดับเท่านั้น แต่ยังสร้างได้ถึงจิ๊กสำหรับทำเครื่องจักรที่ใช้สร้างจิ๊กอีกด้วย
  • สงสัยว่ามีงานเขียนหรือปฏิกิริยาของเชฟระดับสุดยอดในยุคนั้นหลงเหลืออยู่ไหม ตอนที่พวกเขาได้เจอกับอาหารพร้อมทานสำหรับไมโครเวฟรุ่นแรก ๆ
  • ตอนที่ไมโครเวฟออกมาใหม่ ๆ ก็น่าจะมีเชฟที่ตื่นเต้นกับมันจากใจจริงเหมือนกัน อย่างน้อยพอเห็นครั้งแรกมันแทบให้ความรู้สึกเหมือนเวทมนตร์

• การรัน Java applet เก่า ๆ ด้านการศึกษาในสายคณิตศาสตร์และฟิสิกส์นั้นเป็นหนึ่งในการใช้งานยอดนิยมมายาวนานของCheerpJ Applet Runner ซึ่งรัน Java bytecode ในเบราว์เซอร์ผ่าน WebAssembly
  เลยรู้สึกซับซ้อนว่าจะมองสถานการณ์ที่ agent มาปรับให้ทันสมัยและแก้ปัญหานี้ได้อย่างไร แน่นอนว่าการที่นักเรียนสามารถโต้ตอบกับเนื้อหาได้ด้วยวิธีที่ทันสมัยและเข้าถึงง่ายกว่าย่อมเป็นเรื่องดี แต่การใช้งานด้านการศึกษาแม้ไม่สำคัญในเชิงพาณิชย์ ก็เป็นแหล่งความภาคภูมิใจมาโดยตลอด: https://chromewebstore.google.com/detail/cheerpj-applet-runn...

• บทความที่ผู้เชี่ยวชาญในสาขาใช้ AI มาสร้างอะไรสนุก ๆ ในวงการของตัวเองนั้นอ่านเพลินเสมอ แต่ก็มักดูเหมือนจะเป็นแค่โปรเจกต์งานอดิเรก ไม่ใช่งานจริงจัง

  • Terry Tao เป็นหนึ่งในบุคคลตัวแทนของวงการคณิตศาสตร์ที่สำรวจวิธีใช้ AI กับการค้นพบทางคณิตศาสตร์ระดับแนวหน้าอยู่มาโดยตลอด บทความนี้อาจเบาสบายหน่อย แต่เขาก็เขียนไว้มากเกี่ยวกับการใช้ AI สนับสนุนงานวิจัยแกนหลัก
    https://terrytao.wordpress.com/tag/artificial-intelligence/, https://academy.openai.com/public/blogs/terence-tao-ai-is-re...
  • สำหรับอาจารย์มหาวิทยาลัยนั้น การพัฒนาสื่อการสอนเป็นส่วนหนึ่งของงานอยู่แล้ว เลยไม่เข้าใจว่าทำไมถึงมองสิ่งนี้เป็นโปรเจกต์งานอดิเรก
  • พอเริ่มใช้ Claude Code ในงาน ก็ยิ่งรู้สึกว่าภายในเวลาไม่เกิน5 ปี การเขียนโค้ดในรูปแบบปัจจุบันอาจหายไปในฐานะเส้นทางอาชีพได้มากทีเดียว
    ผมอายุมากแล้ว และถ้าจำเป็นพรุ่งนี้จะเกษียณแบบตึงมือหน่อยก็ยังพอได้ แต่ผมเป็นห่วงนักพัฒนารุ่นหนุ่มสาวอย่างหลานวัย 25 ปีที่ยังสะสมทรัพย์สินไม่มากพอจะหยุดทำงานได้ การเขียนโค้ดด้วยมือตรง ๆ จะกลายเป็นงานเฉพาะทางที่มีคนทำเพียงส่วนน้อย เหมือนการคำนวณรากที่สองด้วยมือหรือการหล่อตัวพิมพ์
  • คำว่า “เสมอ” กับ “ไม่มีวัน” เป็นถ้อยคำที่แรงเกินไป คาดว่าอีกหนึ่งปีจากนี้เราน่าจะได้เห็นการใช้ AI ที่จริงจังมากพอจนพูดแบบนั้นได้ยากแล้ว
    การใช้ AI ช่วยเขียนโค้ดในวงกว้างเพิ่งเริ่มต้นเท่านั้น และตัวโมเดลเองก็เพิ่งมาถึงระดับที่ทำงานจริงจังได้เมื่อไม่นานนี้ แม้จะมีการใช้งานจริงให้เห็นแล้ว แต่ก็มีหลายเหตุผลที่เปิดเผยการใช้กับโค้ด productionบนบล็อกส่วนตัวได้ยาก เช่น นโยบายองค์กร โค้ดปิด และความลับทางการค้า
  • Tao ยังใช้ AI กับคณิตศาสตร์แบบพิสูจน์เชิงรูปนัยและไอเดียในการแก้ปัญหาคณิตศาสตร์ด้วย การบอกว่าเป็นเพียงสื่อประกอบจึงอาจหมายถึงว่า visualization นั้นไม่ได้ผ่านการพิสูจน์เชิงรูปนัยและอาจมีบั๊กได้ หรืออาจหมายความว่าไม่ใช่แกนหลักของงานวิจัย จึงไม่จำเป็นต้องระบุ AI เป็นผู้มีส่วนร่วมแยกต่างหากในงานวิจัย

• ตรงที่บอกว่า “ความซับซ้อนของโค้ดใหญ่เกินกว่าจะรับมือไหว เลยเลิกโปรเจกต์” ทำเอาหัวเราะออกมา มีแม้กระทั่งโค้ดที่ต่อให้เป็น Terry Tao ก็ยังซับซ้อนเกินกว่าจะเขียนได้
  คาดหวังมากว่า LLM จะทำให้คนจำนวนมากที่ฉลาดมากในสาขาเฉพาะทาง แต่ไม่เคยก้าวเข้าสู่การเขียนโปรแกรม สามารถเข้ามามีส่วนร่วมกับการพัฒนาซอฟต์แวร์ได้

• ใช้ Claude เพื่อพอร์ต Java applet เกมภาษาเยอรมันระดับมัธยมปลายอายุ 30 ปีไปเป็น JavaScript และยังสร้างประวัติ Git ปลอมขึ้นมาด้วย: https://github.com/bradfitz/koffer#der-verloren-koffe
  ลองรันออนไลน์ได้ด้วย: https://bradfitz.github.io/koffer/js/
  การได้เห็นโค้ดเมื่อราว 30 ปีก่อนกลับมามีชีวิตอีกครั้งเป็นอะไรที่ยอดเยี่ยม

• ประโยคแรกที่ฟังแปลก ๆ ของบทความนี่แหละคือหลักฐานว่ามันไม่ได้เขียนโดย AI ประโยคนั้นคือ “ตั้งแต่ตอนที่ผมสร้างแอปเล็ตสำหรับวิชาการวิเคราะห์เชิงซ้อนและพีชคณิตเชิงเส้นด้วย Java 1.0 ในปี 1999 พร้อมทำ visualization ของวัตถุทางคณิตศาสตร์อย่างโครงสร้างรังผึ้งหรือเซตของ Besicovitch ผมก็สนใจวิธีวิจัยและสอนคณิตศาสตร์ด้วยความช่วยเหลือของเครื่องจักรมาโดยตลอด”

  • เป็นสำนวนที่Terence Tao มาก ๆ เขียนประโยคยาวต่อเนื่องทั้งที่จะแยกเป็นประโยคสั้น ๆ ได้ แต่ก็ไม่ได้ทำให้อ่านเข้าใจยากเป็นพิเศษ
  • สำนวนแบบนี้ดีกว่าผลลัพธ์ที่ Claude ขัดเกลาใหม่จนเรียบลื่นแต่จืดชืดอยู่เสมอ