Videos → The threat of automation

แนะนำตัวและหัวข้อ: AI จะมาแทนที่โปรแกรมเมอร์ไหม?0:00

โอเคสวัสดีครับ ก็เราชื่อภูมิ นะฮะ เป็น software engineer อยู่ที่บริษัท Metabase นะฮะ แล้วก็แบบเหมือนเป็นคนจัดอีเวนต์ในไทยด้วย โอเค อ่า ภูมิเปิดสไลด์แป๊บนะ โอเคฮะ

โอเค จะบอกว่าสไลด์นี้จริงๆ ภูมิ reuse มาจาก talk talk นึงแล้วกัน ที่เราพูดกับวงการโปรแกรมเมอร์ ชื่อ Software engineering in the in the age of AI คือแบบจะเกิดอะไรขึ้นจากโปรแกรมเมอร์ หลังจากที่ AI เข้ามา แต่ผมรู้สึกว่าแบบ เออ เหมือนเฟย์ก็เล่าให้ฟังใช่ไหมว่ามันมีบางส่วน ที่มัน overlap กับเรื่อง economics อยู่

ความกลัว AI ในสังคมไทย: ทุกอาชีพจะถูกแทนที่?0:34

อ่ะ คือ story เป็นงี้ฮะ

คือเราก็นั่งไถเฟสไปใช่ไหม แล้วเราก็ไปเจอโพสต์นี้ฮะของ Secret Sauce เขาก็ถามคำถามนึงฮะที่แบบทุกคนแม่งถามผมตลอดเวลา คือแบบ เอ้ย มึงคิดว่าอนาคตเนี่ย AI แม่งจะเขียนโค้ดเก่ง จนมาแทนที่เราได้ไหม ผมอยากซาวเสียงแล้วกันฮะ สัญญาว่าจะไม่เอามีดไปตีหัวใครฮะ โอเค ไม่ต้องกลัวนะฮะ งั้นใครบ้างที่คิดว่าแบบ เออ โปรแกรมเมอร์น่าจะตกงานในแบบ 5 ปี ไม่ต้องกลัวฮะ 5 ปี 10 ปี 20 ปี โอ้ย อันนี้คือกลัวโดนเราเอามีดไปตีใช่ไหม เราไม่ได้หัวรุนแรงขนาดนั้นไม่เป็นไร อ่ะ ใครคิดว่า โอเค งั้น assume ว่าที่เหลือน่าจะคิดว่าไม่ตกเนาะ แต่ว่าพวกคุณฮะเป็นคนส่วนน้อยของประเทศนี้ฮะ ส่วนมากเขาคิดอย่างงี้ฮะ ส่วนมากคือมั่นใจมากว่าแบบโปรแกรมเมอร์เนี่ย ตกงานแบบ 10 ปีข้างหน้า ตกงานแน่ฮะ

ตัวอย่างความคิดเห็นสุดโต่งเกี่ยวกับ AI1:20

หรือแบบบางทีมันไม่ใช่แค่โปรแกรมเมอร์ไงฮะ ก็มีคนที่แบบ หลายคนก็บอกว่าเนี่ย artist ตอนนี้มันมี AI art มาแล้ว เดี๋ยวต่อไปทำหนังทำอะไรเขาก็ใช้ AI

เดี๋ยวก็ตกงานกันหมด คือผมก็ surprise มากว่าแบบ เฮ้ย ทำไม sentiment ในประเทศนี้ แม่งคิดว่าทุกอย่างจะต้องตกงานด้วยวะ แบบเนี่ยฮะ หลายคนก็บอกหลายอาชีพถูกแทนไม่ช้า แต่อันนี้มันไม่ใช่อันที่ผมชอบที่สุดฮะ ผมชอบอันนี้มากกว่า อันถัดไปนี่คือแบบโคตรเท่เลย คนนี้ฮะเขาบอกว่า เฮ้ย มันได้ เพราะว่าจินตนาการมนุษย์ฮะมันมีขีดจำกัดใช่ไหม แต่จินตนาการของ AI ฮะมัน no limits ผมแบบ ไอ้เชี่ย นี่มันแบบ

แต่ผมถามจริงๆ คือ AI มันมี concept ของ hallucination หรือการหลอนอยู่ใช่ไหมฮะ คือถ้าจะบอกว่าแบบ เอ้ย ถ้าเกิดการหลอนเนี่ยทำให้คุณ unlimited งั้นคุณก็ไปเสพยาก็น่าจะได้ป่ะวะ หรืออะไรแบบนั้น ผมก็เลยอยากรู้ว่า เออ แล้วจริงๆ เนี่ย เรามันควรจะเป็นยังไงกันนะ แบบคนเราจะตกงานแค่เพราะว่า AI มันแบบมี capacity ในการคิดขนาดนี้จริงๆ หรอ

Hype Cycle: AI ไม่ใช่เทคโนโลยีแรกที่ถูก Hype2:16

ก็รู้สึก เออ ผมรู้สึกว่าในสังคมเราฮะ มันมี tendency ที่มันจะกาวอยู่ระดับนึง ไม่ว่ามันจะเกิดเทคโนโลยีอะไรต่างๆ

ตัวอย่าง Hype Cycle: จาก Dot-com Bubble ถึง Digital Wallet2:24

แต่เราจะบอกว่า AI มันไม่ใช่ครั้งแรกป่ะฮะ ลองคิดตั้งแต่เราเกิดมา

ในนี้มีใครแบบเกิดก่อนปี 2000 มั่งฮะ ยกมือหน่อย อ่ามีใช่มั้ยครับ มีน่าจะทัน dot-com bubble ใช่มั้ยครับ ช่วงยุค dot-com คือผมรู้สึกว่า ถ้าวัดมอง plot เป็นกราฟครับ กราฟเป็นของ hype cycle เรารู้สึกว่ามันไม่ใช่แค่ AI ที่ทำให้คนรู้สึกแบบนี้ ตั้งแต่ตอนที่มีเครื่องทอผ้า

เราก็กลัวกันแล้วว่าเครื่องทอผ้ามันจะมา automate งานของมนุษย์ แต่ผมอยากให้ลองคิดใน timeframe ที่สั้นกว่านั้นครับ เอา 3 ปีก่อนหน้านี้แล้วกัน

Hype Cycle: Zoom, Crypto, Metaverse และบทเรียนที่ได้3:00

คิดว่าเทคโนโลยี 3 ปีก่อนหน้านี้ มีอะไรบ้างที่ทำให้คน hype กันทั่วเมือง มีอะไรก็ได้ไม่มีผิดไม่มีถูก ลองนึกก่อน AI จะมา มีอะไร hype บ้างครับ Zoom คริปโต มีอะไรอีกครับ Meta Metaverse ใช่มั้ยครับ คือมันชอบมีคนบอกว่าเดี๋ยวต่อไปเราจะไปแต่งงาน กันใน Metaverse จะมีแฟนแล้วก็ทำงานกันที่นั่น ต่อไปจะไม่หลุดออกมาแล้ว แต่ใช่ครับ มี 1 ในอันนั้นที่ถูกก็คือคริปโต คือผมรู้สึกว่ามันปฏิเสธไม่ได้ว่าวันนึง เราเดินออกไปหน้าบ้านก็เจอป้ายว่า Bitkub คุณต้องลง มันจะมี crypto revolution นะ แล้วจริงๆ เราว่ามันน่าจะเป็นตั้งแต่ประมาณ 8 ปีก่อน ช่วงนั้นทุกคนก็บอกกันในวงโปรแกรมเมอร์ว่า พวกคุณซื้อเครื่องขุดสิ ถ้าเกิดซื้อเครื่องขุด แล้วแบบ จะไปขุดเหมือง เดี๋ยวจะไปขุดคริปโตอะไรกัน ซึ่งเรารู้สึกว่าอันนี้จริงๆ มันไม่ใช่สิ่งที่เกิดขึ้นครั้งแรก ไหนๆ วันนี้เราพูดเรื่อง economics

Digital Wallet กับ Blockchain: เทคโนโลยีที่ใช่กับปัญหาที่ถูกต้อง4:00

ผมไม่พูดเรื่องนี้ไม่ได้ครับ มีใครลง Digital Wallet กันแล้วบ้างครับ หมื่นบาทใครลงแล้วบ้าง ใครลงแล้ว มีคนลงแล้วนะครับ ผมถาม

คือมันเป็นคำถามที่โปรแกรมเมอร์เขา ถกเถียงกันนานมากครับคำถามนี้ คือ Digital Wallet หมื่นบาทเนี่ย เราควรใช้ Blockchain กันมั้ยครับ มีใครที่เป็นโปรแกรมเมอร์บางคนเริ่มส่ายหน้า

มีใครที่ไม่ได้เป็นโปรแกรมเมอร์บ้าง เราขอเช็คหน่อย จะได้โอเคเกือบทุกคน คิดยังไงบ้างครับ คิดว่าเหมือนจาก sense แรก ของเรา เอาง่ายๆ เรารู้หรือเปล่าว่า Blockchain คืออะไร อันนี้น่าจะรู้กันเนาะ แล้วคิดว่าควรใช้มั้ยครับ อันนี้ไม่เอามีดไปตีเหมือนเดิม คิดว่าควรใช้ Blockchain อีกไหมครับ Digital Wallet ใครคิดว่าควรบ้าง อ้ามันไม่ใช้ก็ได้ เออ น่าสนใจแต่ว่าประเด็นน่ะ มันไม่ใช่ว่าใช้หรือไม่ใช้เว้ย ประเด็นน่ะฮะ มันคือไอ้สิ่งเนี้ยตัว Digital Wallet นะฮะ มันฟิตกับธรรมชาติของ blockchain หรือเปล่า เพราะเอาจริงๆ ถ้าเราถามว่าเทคโนโลยีทำอะไรได้ไหม เกือบทุกอย่างตอบว่าได้ก็ได้นะ คือเราสามารถบิดมันได้ เช่นเราบอกว่าเราสามารถมีแฟนใน Web3 ได้ไหม ก็ได้แหละฮะ คุณก็แบบถ้าเกิดพ่อคุณตาย คุณก็เอาแบบอะไรสักอย่างไปใส่ไว้ใน blockchain แล้วก็ทำเป็นผีมาหลอกก็ได้

Law of the Instrument: เมื่อค้อนทุบได้ทุกอย่าง5:16

คือเรารู้สึกว่ายูสามารถบิดเทคโนโลยีได้เยอะมาก แต่ว่าถ้าเกิดมองในเชิงความสมควร

และความเหมาะสม เรารู้สึกว่ามันตีออกมาได้ เป็นแกนสองแกนเว้ย ก็คือ blockchain น่ะฮะ มันจะอยู่ในไม่ซ้ายก็ขวานี่แหละอ่ะ เราใบ้ให้ก็ได้ว่าเป็นทางซ้าย คือ blockchain ด้วยธรรมชาติของมันน่ะฮะมันมีความ decentralized คือมันมีความออกจากศูนย์กลาง ใช่มั้ยฮะ มันมีความแบบเอ้ยคุณไม่ใช่แค่รัฐบาลที่ถือฐานข้อมูลนี้ แต่ว่ามันมีหน่วยงานเช่น ถ้าเกิดเป็น blockchain ที่ไม่ใช่ของรัฐบาลนะ ส่วนใหญ่เค้าก็จะถือกัน แบบมีสิ่งที่เรียกว่าโหนดหรือคนถือฐานข้อมูลนะฮะ หลายคนมากๆ เพราะเราเชื่อว่าเราไม่เชื่อใจกัน เรา believe that we don't trust each other หรือว่า blockchain น่ะฮะด้วยธรรมชาติของมัน

Blockchain: ความเหมาะสมกับบริบททางการเงิน6:00

มันออกแบบมาเพื่อความโปร่งใส อ่ะ แต่เนี่ยแหละครับ พอเรามองถึงบริบทการใช้เงิน สมมุตินะครับว่าวันนึงเราแบบ เอ้ย มีแฟนใช่ไหมครับ แล้วเราจะแบบ เออ อยากจะซื้อถุงยาง เราอยากให้แม่รู้หรือเปล่าครับ อะไรแบบนั้น คือผมรู้สึกว่ามันก็มีความเหมาะสมในเทคโนโลยีอยู่ ว่าแบบ เฮ้ย เทคโนโลยีมัน ตัว financial เนี่ย

เราเชื่อว่าหลายคนก็ต้องมีการใช้เงิน ที่ไม่อยากให้คนอื่นรู้แหละครับ แต่ว่า blockchain มันค่อนข้าง force เรา ถ้าจะใช้ public blockchain นะครับ หรืออีกข้อหนึ่งแล้วกันนะครับ คือ blockchain เนี่ยมันมีเหตุผลที่ทำไม มันออกแบบมาแบบนั้น มันออกแบบมาเพื่อให้ มัน immutable หรือข้อมูลมันแก้ไม่ได้ เพื่อที่มันจะได้ preserve เพื่อที่มันจะได้มั่นใจได้ว่า เฮ้ย ถ้าเราใช้ blockchain เนี่ย ข้อมูลที่มันอยู่ในนั้น มัน verify มาแล้ว ไม่ใช่มีใครไปแก้ก็ได้ แต่มันแลกมาด้วยอะไรบางอย่างครับ มันแลกมาด้วยความ scalable คือถ้าเกิดสมมุติว่าเราจะทำระบบ ที่รับคนได้หลักร้อยล้านคนนะครับ ถ้าให้ถามผมนะว่าจะใช้ blockchain หรือจะใช้ฐานข้อมูลทั่วไป แน่นอนเราตอบว่า ฐานข้อมูลทั่วไปครับ เพราะ blockchain เนี่ย มันคือฐานข้อมูลที่มาบวกการ verify

การเช็กอะไรบางอย่างว่าข้อมูลมันตรงกันหรือเปล่า ซึ่งมันมี overhead มันมีสิ่งที่มันผิดธรรมชาติ ถ้าแปลตามตรงการเอา blockchain มาใช้เนี่ย

Crypto Bro สู่ AI Bro: วงจรความเชื่อเกินจริง7:18

ซึ่งเรารู้สึกว่าเวลาเราอยู่ในช่วงที่คนกำลัง hype กัน มันมีกฎข้อหนึ่งที่เราเรียกว่า Law of the Instrument คือพูดง่ายๆ คือถ้าคุณมีอันนึงที่มันดูเป็น hammer ดูเป็นค้อนเนี่ย อะไรก็ตามมันดูเป็นตะปูครับ มันจะเหมือนช่วงที่ Web3 hype กัน เฮ้ย เราเอาโฉนดบ้านไปใส่ Web3 ได้ไหม ได้ เราเอาข้อมูลการแต่งงานใส่ Web3 ได้ไหม ได้ คือมันตอบว่าได้หมดแหละครับ แต่พอมาคิดในเชิงหลักกฎหมายว่า โอเค ถ้าคุณซื้อของใน Web3 คุณซื้อ NFT มา มันมีผลทางกฎหมายอะไร ไม่มีใครตอบได้ครับ ในวงการ crypto เพราะคุณกำลังมองทุกอย่าง มันเป็นแบบตะปู คือมันมีคำนึงที่ค่อนข้างแรงนะครับ แต่ผมว่าจริง อันนี้เป็น opinion นะครับ ไม่ใช่ fact เขาบอกว่าหลายคนที่เมื่อก่อนเป็น crypto bro คือเป็นคนอวย crypto ว่า crypto จะเปลี่ยนโลก ตอนนี้เขาได้หันหลังให้ crypto แล้วกลายมาเป็น AI bro กลายมาเป็นคนอวย AI ว่า AI จะเปลี่ยนโลก แต่ว่าสิ่งที่คนพวกนี้เป็นเสมอต้นเสมอปลาย คือเขาเป็นคนที่ overclaim มาตั้งแต่แรกอยู่แล้ว ว่าเทคโนโลยีเนี่ยมันจะแก้ปัญหาทุกอย่าง ซึ่งเอาจริงๆ นะครับ ถ้ามองแค่เรื่อง smart contract หรือ Web3 มันก็ตอบได้ตั้งแต่แรกอยู่แล้วว่า คนที่ทำเทคโนโลยีเนี่ยไม่ได้มีความรู้ความเข้าใจ ในเรื่อง economic ในเรื่องกฎหมาย พูดง่ายๆ ว่าเป็นโปรแกรมเมอร์ที่มั่นหน้ามากเกินไป จนคิดว่าตัวเองสามารถแก้ปัญหาของโลกได้ครับ คือผมรู้สึกว่าในโลกนี้มันมีคนแบบนี้เยอะ ที่ไม่ได้เข้าใจบริบทขนาดนั้น

แล้วก็คิดว่าเทคโนโลยีนึงมันแก้ปัญหาได้ทุกอย่าง อืม

Hype Cycle for Emerging Technologies: 5 ระยะของเทคโนโลยี8:53

คือมันมีกราฟกราฟนึงครับของ Gartner อันมันชื่อ Hype Cycle for Emerging Technologies มันคือกราฟที่บอกครับว่าเวลาที่เทคโนโลยี แต่ละอันเนี่ยมันกำลัง hype คือคนกำลังบ้ากันอยู่ มันจะเกิดอะไรขึ้น เขาตี chart เนี่ยครับ ออกเป็น 5 โซน โซนแรกเราเรียกว่า Innovation Trigger ก็คือช่วงที่เทคโนโลยี มันอยู่ในงานวิจัยครับ แล้วมันเริ่มมีอะไร ที่เริ่มเห็นจับต้องได้นิดหน่อยมาแล้ว แล้วมันก็จะเห็นครับว่ากราฟมันชันมาก มันไปสู่สิ่งที่ว่า Peak of Inflated Expectations ยกตัวอย่างง่ายๆ เลยครับ ก่อนหน้านี้ มันจะมีพวก startup quantum คนก็จะเริ่มพูดกัน แล้วว่า quantum จะแก้ปัญหาทุกอย่าง quantum จะช่วยรักษาโลก เคยเห็นไหมครับ ชีวะ quantum ที่เขาขายแบบน้ำแร่อะไรของเขา

ผมก็ไม่รู้ เออ คือมันเริ่มมี Inflated Expectations ตรงนี้มันแปลว่าเรามีความคาดหวังกับมัน มากเกินไปจนจุดที่เทคโนโลยีมันทำไม่ได้ครับ จนถึงจุดนึงเราก็แบบมันเหมือนไอ้ Stages of Grief คือเราเริ่มยอมรับได้ว่าแบบจริงๆ มันทำไม่ได้นี่หว่า

อีกอย่างนึงที่เราจะสังเกตครับคือเทคโนโลยีหลายตัว เพราะว่า slope มันชันเนาะ มันอยู่ในช่วง Innovation Trigger เยอะมาก พูดง่ายๆ คือของที่เรา กำลัง hype กันในอีก 5 ปี 10 ปี 20 ปีครับ มันอยู่ในช่วงที่เราไม่ได้เข้าใจมันดีพอ เราไม่ได้รู้ limit มันขนาดนั้น

มองหา Use Case จริงๆ หลัง Hype Cycle จบลง10:15

ซึ่งคำถามที่ผมรู้สึกเราควรถามมากกว่าคือ อะไรบ้างหลังจากที่คนเขาเลิก hype กันไปแล้ว พอเทคโนโลยีมันต้อง settle ครับ อะไรบ้างที่มันเป็นไปได้ ถ้าให้เทียบมันเหมือนช่วง .com bubble เคยเห็นไหมครับ ร้านน้ำส้ม .com คือคนเขาบอกว่า

อยากให้หุ้นมันโตใช่ไหมครับ เขาก็ตั้งชื่อล้านน้ำส้มว่า www ร้านน้ำส้ม.com อะไรพวกนี้ มันเป็นช่วง .com boom ซึ่งเราในฐานะนักเทคโนโลยีครับ เรามองกราฟตรงนี้ มากกว่าว่า use case จริงๆ มันเป็นอะไรได้บ้าง

ธรรมชาติและข้อจำกัดของเทคโนโลยี: ยานอวกาศไปดาวดวงอื่น?10:45

โอเคในเชิงเทคโนโลยีครับ มันก็เลยมีคำ 2 คำ ที่เราใช้อธิบายสิ่งนี้ก็คือธรรมชาติและ limit เชิงทฤษฎี

อ่ะ งั้นเดี๋ยวขอถามคำถามนิดนึงละกัน ในห้องนี้ครับ อันนี้เหมือนเดิมนะ เราไม่ว่า มีใครคิดว่าแบบประเทศ เอาไม่ต้องประเทศไทยก็ได้ โลกเราครับจะสร้างยานอวกาศได้ภายในเวลาก่อนที่เราจะตายไหม แบบยานอวกาศไปดาวดวงอื่น มีใครคิดว่าทำได้บ้างครับ มีคนคิดว่าทำได้ มีใครคิดว่าเราจะสร้างยานอวกาศ ที่ไปยังระบบสุริยะอื่นได้บ้างครับ มีคนหลายคนบอก

ไม่ได้เนาะ คำถามคือทำไมเรารู้สึกอย่างนั้น บางคน ก็บอกว่าเราไม่น่าจะทำยานอวกาศที่ไปดาวดวงอื่นได้ ส่วนตัวผมรู้สึกว่ามันมีวงกลมสองวง วงที่เราอธิบาย เรื่องนี้ได้ อย่างแรกคือเทคโนโลยีที่เรามีอยู่ในปัจจุบัน คือ today's implementation เช่นทุกวันนี้เรามีไดรฟ์ แบบไหนบ้าง เราอาจจะมีระบบที่ใช้การระเบิดของ นิวเคลียร์เพื่อ propel หรือผลักวัตถุให้มันไปได้ เรามี rocket fuel อะไรแบบนี้ แต่เราต้องอย่าลืมว่า มันจะมีลิมิตอีกก้อนนึงที่ผมรู้สึกว่าพวก AI bro เขาไม่ค่อยแคร์กัน มันคือลิมิตวงนอกที่เราเรียกว่า theoretical limit หรือข้อจำกัดเชิงทฤษฎี

Theoretical Limit: ข้อจำกัดทางทฤษฎีที่ AI Bro มักมองข้าม12:05

หรือสิ่งที่เป็นไปได้ เช่นถ้าเกิดเรากลับไปที่รูป starship มีอะไรบ้างที่ต้องเป็นไปได้ในเชิงฟิสิกส์เราถึงจะไป ดาวดวงอื่นได้ ยกตัวอย่างเช่นวัตถุทุกอย่างสามารถ เดินทางเร็วกว่าแสงได้ไหม ไม่ได้ อันนั้นเป็นข้อจำกัดอย่างแรกเลยที่เวลาเราดูหนัง sci-fi เราจะพูดเรื่องนี้กันว่าเราได้พัฒนาเทคโนโลยีที่เดินทาง เร็วกว่าแสงได้ ซึ่งในข้อจำกัดทางฟิสิกส์ที่เราเข้าใจอยู่ มันทำไม่ได้ ก็แค่นั้นแหละ ไม่ว่าเราจะทำเทคโนโลยีที่เจ๋งกว่านี้ขนาดไหน ก็ไม่มีทางเร็วกว่าแสงได้ as we know it จากที่เรา เข้าใจทุกวันนี้ ผมรู้สึกว่าไม่ว่าจะเป็น web3 หรือ crypto อะไรมันก็จะมีข้อจำกัดแบบนี้เหมือนกัน คราวนี้จุดเริ่มต้นของการเมากาวมันจะเริ่มตรงนี้

Hype Cycle บิดเบือนความเป็นไปได้ของเทคโนโลยี12:53

เมื่อไหร่ก็ตามที่เราอยู่ใน hype cycle ความเป็นไปได้ ของเรามันจะค่อยๆ ขยับไปโซนนอกวงกลมนี้มากขึ้น

พูดง่ายๆ ว่าตอนมัน hype มันไม่ได้แคร์ความเป็นไปได้ เชิงฟิสิกส์ เชิงเคมี เชิงชีวะ หรือเชิงเศรษฐกิจหรอก เราพูดไปก่อนว่าอะไรก็ทำได้ เช่นช่วงที่ web3 มัน hype ตอนคนพูดเรื่องโฉนดบ้านโฉนดที่ดิน สังเกตไหมว่า ไม่มีใครพูดเรื่องกฎหมายเลย ซึ่งมันแปลกมาก คนในวงการเทคโนโลยีทุกคนพูดแต่ว่าเทคโนโลยี มันทำได้ ไม่มีใครบอกเลยว่าแล้วถ้าคุณลืม wallet แล้วมันจะเกิดอะไรขึ้น เพราะว่ามันเมากาวไงครับ แต่ว่าถ้าเราย้อนกลับมา ช่วงที่ AI มันเริ่ม ช่วงที่ hype มันค่อยๆ drop ลง อย่างตอนนี้ blockchain มันค่อยๆ drop ลงแล้วใช่ไหมครับ ตอนนี้เราไม่ค่อยเห็นโฆษณา คุณท็อปกันเยอะเท่าเมื่อก่อนแล้วเนาะ เราไม่ค่อยเห็นคนพูดว่าเราจะใช้ blockchain กันเยอะ เหมือนเดิมแล้ว พอหลัง hype cycle เราจะค่อยๆ

ก้าวเข้ามาสู่จุดที่มันเป็นความเป็นไปได้ของเทคโนโลยี

ก็คือสิ่งที่เรามีทุกวันนี้แหละครับ

2 ตัวแปรสำคัญ: ธรรมชาติและข้อจำกัดของ AI13:58

แต่ว่าประเด็นน่ะครับคือมันก็จะมีอยู่ 2 ตัวแปร ที่ทำให้เราตอบได้ว่าคนจะตกงานหรือเปล่า ก็คือ 2 ข้อนี้ครับ ถ้าเราตอบอันนี้ได้ เราตอบได้เลยว่าคนจะตกงานหรือเปล่า คือ 1 ธรรมชาติของ AI ตัว AI เนี่ย โดยธรรมชาติมันทำอะไรได้บ้าง แล้วก็ theoretical limits ของ AI คือ AI เนี่ยข้อจำกัดเชิง physical เชิงเทคโนโลยีมันคืออะไร คำว่าธรรมชาติน่ะครับเผื่อไม่ get มันคือเหมือนคุณลักษณะใช่ไหม เช่น ธรรมชาติของภูมิคือคนชอบพูดคำหยาบ อะไรแบบนี้ครับ หรือคนพูดเร็ว มันมีหนังสือเล่มนึงครับของ Max Tegmark

Life 3.0: AI จะฉลาดจนทำได้ทุกอย่างจริงหรือ?14:31

ที่เราอ่านแล้วชอบมาก Max Tegmark เขาเขียนเรื่อง Life 3.0 ครับ เป็นหนังสือที่เขาลองคิดว่า ถ้าเกิดสมมุติว่า AI มัน evolve ไปจนถึงจุดนึงแล้วเนี่ย ถ้าเกิดมันเกิดสิ่งที่เป็น super intelligence หรือว่าเป็นแบบ AI ที่มันฉลาดมากๆ จนมันสามารถทำอะไรได้เกือบทุกอย่างในโลก จนถึงจุดนั้นแล้วจะเป็นยังไงกัน ไอ้เล่ม Life 3.0 เนี่ยครับมันมีภาพนี้ อันนี้มีใครเคยเห็นภาพแนวนี้มาก่อนไหมครับ โอเคยังไม่เคยเห็น อันนั้นน่าจะยัง fresh

ทักษะที่ AI ทำได้และทำไม่ได้: มองเป็น Task ไม่ใช่อาชีพ15:01

อันนี้ครับเขามองว่า ถ้าเกิดสมมุติเราลอง plot เรียกว่า skill ที่คนสามารถทำได้แล้วกัน ออกมาเป็นภาพ ตรงนี้สิ่งที่มันจมอยู่ใต้น้ำ คือสิ่งที่ AI มันทำได้แล้ว ให้คิดว่าน้ำตรงนี้มันคือ progress ของ AI

เช่น AI คอมพิวเตอร์สามารถคำนวณคณิตศาสตร์ได้ไหมครับ 5 + 1 ได้ครับ นั่นคือ definition ของคอมพิวเตอร์ แบบ definition ของคอมพิวเตอร์คือสิ่งที่มันคำนวณได้ เหมือนมนุษย์ก็เป็นคอมพิวเตอร์เพราะมนุษย์คำนวณเลขได้ Rote memorization การท่องจำ คอมท่องจำได้ไหมครับ ได้ครับ เพราะว่าเวลาเราวัดมนุษย์ตอนที่เราเรียนในโรงเรียน

จริงๆ คือมันเหมือนวิธีที่เรา benchmark คอมพิวเตอร์เลยครับ เช่น อาจารย์บอกให้ท่องอาขยานใช่ไหมครับ มีบทกลอนมาอันนึงให้ท่อง อาจารย์ถามว่า เนี่ยท่องแม่นไหม มีอะไรบ้างที่ท่องตกไปบ้าง อันนั้นคือวิธีที่เราวัดคอมพิวเตอร์ครับ หรือว่าเวลาเราสอบเนี่ย อาจารย์ถามว่า บวกเลขถูกไหม บวกเลขเร็วไหม คือวิธีวัดคอมพิวเตอร์เลยครับ คอมพิวเตอร์มีกี่ operations per second อะไรแบบนั้น โอเค เหลือ 5 นาที งั้นเราไปแบบโคตรเร็วกัน โอเค แต่ว่ามันก็จะมีบางอันที่ทำไม่ได้ เช่น cinematography คือการถ่ายภาพยนตร์ ถามว่าตอนนี้คอมพิวเตอร์สามารถ generate อะไรที่เป็นหนังได้ไหม ได้นะครับ มี Sora ที่ generate ภาพที่ไม่ได้เป็นแค่ภาพนิ่ง แต่เป็นหนังได้ ประเด็นคือมันสามารถ โดยที่มนุษย์ไม่ต้อง prompt อะไรเลย

มันสามารถจัด scene จัด blocking รู้ไหมว่าบริบทนี้อารมณ์ต้องเป็นยังไง ต้องตัดเพลงยังไง มันก็ไม่รู้นะครับ คืออันนี้มันจะเป็น gradient ระหว่างสิ่งที่คิดว่า AI ทำได้ชัวร์ๆ กับสิ่งที่ AI ทำไม่ได้เลย การทำ science วิทยาศาสตร์อะไรแบบนี้

คือผมรู้สึกว่ามันน่าสนใจเหมือนกัน เวลาเราดูภาพนี้ มันไม่ได้มองเป็นอาชีพ ว่ามันจะมาแทนอาชีพอะไร แต่มองเป็น task มากกว่าว่ามนุษย์ทำอะไรได้บ้าง เช่น มนุษย์สามารถ manage ได้ หรืองานแปล แต่อันนี้ในภาพมันก็มี detail ที่น่าสนใจ ว่าสิ่งที่ตอนนี้ยังทำไม่ได้แต่มันใกล้ปริ่มน้ำแล้ว แปลว่าอีกไม่กี่ปีมันอาจจะแทนได้ในระดับนึง เช่นการแปล translation หรือการลงทุน แต่อันนี้ก็เป็นแค่ความคิดคนๆ นึงเนาะ ยัง arguable เหมือนกันว่ามันทำได้หมดไหม

Myth & Fact เกี่ยวกับ Superintelligence AI17:18

anyway ในเล่มนี้เขาก็จะพูดถึงอีกประเด็นนึง ก็คือ myth กับ fact ของเรื่อง AI แบบ superintelligence AI คือเราแนะนำเล่มนี้มาก เขาก็จะบอกว่า myth คือหลายคนคิดว่ามีแต่พวกคนบ้าๆ

ที่เกลียด AI เท่านั้นแหละที่คิดว่า AI จะแบบ superintelligence ได้ จริงๆ คือนักวิจัยทั่วโลกก็กังวลกันจริงๆ ว่าเราไม่มีทางรู้ว่าอีกนานไหมกว่าเราจะไปถึงจุดนั้น หรือมันก็จะมี myth หรือสิ่งที่คนเข้าใจผิด เช่น เฮ้ย machine หรือพวกหุ่นยนต์เนี่ยมันไม่สามารถ มีเป้าหมายได้หรอก แต่ว่าไม่จริงครับ เวลาที่ missile มันจะไปชนคนน่ะมันมีเป้าหมายอยู่แล้ว คือ AI ทุกวันนี้มันออกแบบมาตาม goal anyway เราว่ามันมี 3 ข้อที่เป็นลักษณะพื้นฐาน

3 ลักษณะพื้นฐานของ AI: ความเป็นสถิติ, Optimization, Generalization18:07

ของ AI ที่เรารู้สึกว่าไม่ใช่โปรแกรมเมอร์ก็ sense ได้ อย่างแรกคือมันมีความเป็นเชิงสถิติ มันมีความ probabilistic อยู่ ถ้าสมมุติเราเข้าไปใน model AI สักอันแล้วแหกกระโหลกมันออกมาดู เราจะเห็น โครงสร้างหน้าตาประมาณนี้ เราจะเห็นเลยว่าทุกอย่างที่มันทำมันคือ model สถิติ มันคือ statistical model ทั่วไป แล้วผลลัพธ์ ที่ออกมามันเป็นสถิติว่ามันมีโอกาสจะได้ข้อความนี้ มากกี่เปอร์เซ็นต์ ซึ่งประเด็นของพวกบริษัทที่เอา AI ไปใช้โดยไม่เข้าใจ

ตัวอย่างความผิดพลาดจากการใช้ AI โดยไม่เข้าใจ: Air Canada & AI Copilot18:38

ความสถิติของมันก็จะเหมือน Air Canada Air Canada เนี่ยคือเค้าเห่อ AI มาก เค้าบอกว่า เฮ้ยเราจะใช้ ChatGPT เนี่ยแหละ แล้วก็โยนพวก ข้อความทางกฎหมายของ Air Canada เข้าไป ตู้ม โยนเข้าไปเป็นยังไงครับ AI มันก็หลอนสิครับ เพราะว่า AI เนี่ย โดยเฉพาะ model ที่มัน generic มากๆ แบบ ChatGPT มันก็ตอบอะไรที่ไม่เป็นจริง ออกมา เช่น มีคนบอกว่าเฮ้ยอันนี้ถ้าเราจะคืนตั๋ว เราจะได้ refund เท่าไหร่ มันก็ตอบแบบมั่วๆ ครับ

ไม่ได้ factual ขนาดนั้น เพราะด้วยธรรมชาติของมัน ที่มันสามารถหลอนได้ หรือแบบคนบอกว่าเฮ้ย โปรแกรมเมอร์จะตกงานในอีก 10 ปี แต่สิ่งที่คนไม่รู้ คือตอนนี้คุณภาพของพวก AI ไอ้พวก AI Copilot หรือเครื่องมือที่ช่วยเขียน code เนี่ยมันก็ drop ลง เพราะว่าคนที่เป็นโปรแกรมเมอร์ที่ไม่เก่งมาก พวก junior เค้าใช้ AI กันเยอะที่สุด เพราะว่าใช้แล้ว รู้สึกว่ามีประโยชน์ แต่คือเค้าใช้แบบมั่วๆ ไงครับ เพราะเค้าก็ verify ไม่ได้ ว่าเฮ้ยสิ่งนี้มันถูกหรือผิด กลายเป็นว่า AI มันก็ได้ข้อมูลที่ผิดๆ เอาไปเรียนรู้เรื่อยๆ พูดง่ายๆ คือ คนโง่เขียนอะไรโง่ๆ AI ก็เรียนรู้จาก ความโง่ตรงนั้น แล้วมันก็เป็นลูปแบบนี้ อะไรประมาณนั้นเลย

Moral of the Story: อย่าใช้อะไรที่ Verify ไม่ได้19:52

เพราะฉะนั้น moral of the story มันง่ายมาก อย่าเสือกใช้อะไรที่เรา verify ไม่ได้

คือเรา generate ถ้าสมมุติ

เราเป็นทนายความ มีคนถามว่า เป็นทนายความเอา AI มาเจนได้ไหม ผมรู้สึกว่าถ้าคุณอ่านทุกตัวอักษรแล้ว รู้ว่ามันใช่ ใช้ไปเถอะ ไม่มีใครด่าหรอก เพราะว่าสุดท้ายประเด็นคือเรา verify ได้ไหม ว่าสิ่งที่มันเจนออกมามันผิด มันเคยมีทนายที่ generate case file ออกมา แล้ว AI มันก็เสนอเคสมั่วๆ ประเด็นคือ ทนายไม่อ่านไง มันก็ได้อะไรที่ผิดมา

AI กับงานทนายความ: ใช้ได้ แต่ต้องตรวจสอบ20:26

เรารู้สึกว่าใช้ได้ไหม ได้ แต่มันก็มีคำถาม ว่า cost ของการที่เราใช้สิ่งที่มันสร้างให้ เราเหนื่อยไหม เหนื่อยไหมที่ต้องมานั่งเช็ก หรือว่าในบางกรณีเราเขียนเองแล้วมันง่ายกว่า อะไรประมาณนั้น กับอีก 2 ประเด็นหลังคือมันมีความ optimization-based คือเรามีเป้าหมาย อะไรบางอย่าง มันก็ไปตามเป้าหมายนั้น มันมีคำหนึ่งที่เรียกว่า psychophancy เคยได้ยินไหมครับ

เคยลองถาม AI อะไร สมมุติเราบอก AI ว่า 1 + 1 = 2 ใช่มั้ยครับ เอ้ย 1 + 1 = 3 ใช่มั้ยครับ แล้ว AI ก็จะบอก ไม่ มันผิด แล้วเราบอก เฮ้ย แต่ 1 + 1 = 3 มันถูกแล้วนะ AI ก็จะ อ่าๆ ใช่ๆ 1 + 1 = 3 คือ 1 ในพฤติกรรมของ AI คือ เรากำลัง optimize มันเพื่อให้ได้ outcome ที่ตรงกับที่เราคิดใช่มั้ยครับ ซึ่ง AI มันได้พฤติกรรมที่แย่อันนึงคือมันโอ๋เรา มันจะพยายามโอ๋กับสิ่งที่เราพูด คือถึงเราคิดผิดมากๆ บางที AI มันพยายามจะทำตาม

AI มีแนวโน้มจะ 'โอ๋' เรา: ยิ่งไม่เข้าใจ ยิ่งใช้ AI ไม่ได้ผล21:27

สิ่งที่เราคิด เพราะฉะนั้น ประเด็นก็คือ เรารู้สึกว่า เราจะใช้ AI ได้มั้ย ได้ครับ แต่ประเด็นคือเราในฐานะ มนุษย์ ในฐานะเจ้าของงาน เราเข้าใจมากขนาดไหน ว่าปัญหาที่เราจะแก้คืออะไร อันนี้พูดในฐานะโปรแกรมเมอร์แล้วกัน สมมุติว่าผมมี ปัญหาทางธุรกิจอันนึง แล้วผมอธิบายละเอียดมาก 1 2 3 4 5 ผมรู้สึกว่า AI มัน generate มาได้ค่อนข้างเป๊ะ แล้วเราก็ไปแก้ต่อ แต่ประเด็นคือถ้าตัวมนุษย์ยังไม่รู้ว่าตัวเองจะแก้ ปัญหาอะไร ให้ตายมันก็ generate ไม่ได้ครับ เพราะความเข้าใจมันไม่มากพอ เมื่อกี้ที่ลืมบอกคือ AI มันมีความ generalized คือมันมีชุดข้อมูลอะไรมามันก็เรียนรู้ตามนั้นแหละ ถ้าเกิดเราป้อนชุดข้อมูลผิดๆ ให้มัน มันก็เข้าใจตามนั้น

โอเค แต่ว่าอันนี้เราขอต่อ 5 นาทีเนาะ

ข้อจำกัดของ AI ในปัจจุบัน อาจไม่ใช่ข้อจำกัดในอนาคต22:21

แต่ว่ามันจะมีอีกประเด็นนึงที่เรารู้สึกว่าสำคัญกว่าเมื่อกี้ คือภาพที่ผมพูดเมื่อกี้ มันเป็นแค่สิ่งที่เรารู้ทุกวันนี้ แล้วมันอาจจะผิดก็ได้ เพราะว่าก่อนหน้านี้ ลองถามตัวเองก็ได้ครับว่า 5 ปีก่อนหน้านี้ เราคิดว่า AI มันจะฉลาดขนาดนี้รึเปล่า 5 ปีก่อนหน้านี้คนก็ยังคิดว่า AI มีข้อจำกัดระดับนึง แต่ว่า 5 ปีให้หลังความคิดเราก็เปลี่ยน สิ่งที่ผมรู้สึกว่าต้องระวังมากๆ ในฐานะ economist ในฐานะ researcher คือ อย่าคิดว่าสิ่งที่เป็นปัจจุบัน มันเป็นทุกอย่างของโลกนี้

Mechanistic Interpretability: ทำความเข้าใจการทำงานของ AI22:54

มันมีหลายอย่างมากที่อยู่ใน active research หรืออยู่ในงานวิจัย ยกตัวอย่างเช่น มีงานวิจัยอันนึง ชื่อ mechanistic interpretability แล้วเรารู้สึกมันน่าสนใจมาก คือก่อนหน้านี้นะฮะ เราจะรู้สึกว่า AI มันเป็นกล่องดำใช่มั้ยฮะ AI มันเป็นสิ่งที่แบบ เฮ้ย ถ้าเกิดเราถามมันไปเนี่ย เราไม่รู้หรอกว่าทำไมมันตอบมาอย่างนี้ มันให้มาเป็นข้อมูลสถิติ เช่น มันมั่นใจว่า อันนี้น่าจะเป็นล้อรถ 50% แต่เราไม่รู้ว่าทำไม

มันคิดอย่างนั้น ตอนนี้ไม่ใช่แล้วนะฮะ ตอนนี้นักวิจัยเริ่มเข้าใจมันมากขึ้น งานวิจัย mechanistic interpretability เนี่ยฮะ มันทำให้เรา เข้าใจได้มากขึ้นว่า เฮ้ย ในตัวสมองหรือในตัว

neuron ของ AI เนี่ย มันรู้ได้ยังไงว่าสิ่งนี้เป็นล้อรถ เอ้ย ส่วนไหนที่มันเข้าใจว่าสิ่งนี้เป็นล้อรถ ส่วนไหนที่เข้าใจว่าสิ่งนี้เป็นล้อ ส่วนไหนที่เข้าใจ ว่าสิ่งนี้เป็นตัวรถ เมื่อ 2 ปีก่อนนะฮะ ทุกคนพูดหมดว่า AI มันเป็นกล่องดำ

แต่ตอนนี้ไม่ใช่แล้วนะฮะ ตอนนี้มันมีแบบ อันนี้เพิ่งงานที่เพิ่งจัดไปเนาะไม่กี่วันก่อน เป็น workshop ที่เวียนนา คือเค้าเริ่มมาทำความเข้าใจ มากขึ้นว่า AI มันคิดอะไร เช่น Neel Nanda เนี่ยฮะ เป็นนักวิทยาศาสตร์ คนนึงที่ทำงานเรื่องนี้ เค้าสามารถเข้าใจได้มากขึ้น ว่าเวลา AI เนี่ย มัน predict คำออกมาให้เราอะฮะ ทำไมมันถึงคิดอย่างนั้น ในตัวหลักการ เวลาที่เรา คุยกับ ChatGPT แล้วเราได้คำตอบแบบนึง ทำไมมันคิดอย่างนั้น นักวิทยาศาสตร์เริ่มเข้าใจแล้วนะฮะ มันเริ่มมี paper ตัวนี้ เช่นตัวนี้ชื่อ Mathematical Framework for Transformer Circuits เค้าพยายามจะ hack เข้าไปในสมองของ AI เพื่อที่จะเข้าใจว่าแบบ เฮ้ย ทำไม neuron แม่งคิดอย่างนี้ ทำไมไอ้เหี้ยนี่คิดอย่างนี้ ทำไมมันมองว่าสิ่งนี้เป็นภาษาคน จนเรา เริ่มมีความเข้าใจมันที่มากขึ้นนะฮะ มันเริ่มมีเครื่องมือที่ใช้พัฒนา มาทำให้เราแบบ สามารถเข้าใจ layer ต่างๆ ของ AI ได้มากขึ้น

ความเข้าใจเกี่ยวกับ AI เปลี่ยนแปลงตลอดเวลา24:43

แต่ว่าสิ่งที่เรารู้ ภาษาชาวบ้านคือมันก็คือแค่หางอึ่ง เรารู้ถึงจุดนึง เรารู้แค่ว่ามันมีอะไรบ้างที่น่าจะทำไม่ได้ แต่ว่าในทุกๆ ปี ความเข้าใจเรามันก็ผิด ความเข้าใจเรามันก็โดน invalidate แล้วเราก็ต้องเริ่ม ตั้งคำถามมากขึ้นว่าสุดท้ายแล้วสิ่งที่เราเข้าใจเกี่ยวกับ AI เราเข้าใจมันถูกหรือเปล่า โอเค หมดเวลาแล้วเนาะ อยาก sum up

Yann LeCun: AI ในปัจจุบันยังไม่ฉลาดจริง25:07

โอเค งั้นเล่าอีกอันนึงให้ฟังละกัน อันนี้เป็นเปเปอร์ของ Yann LeCun เขาเป็นอาจารย์แดงแห่งวงการ AI คือเป็นคนที่มีความกวนตีนมาก อาจารย์แกบอกว่าทุกวันที่เราทำ LLM ทำ ChatGPT มันเสียเวลา มันมีความเป็น off-ramp เพราะว่า AI ในทุกวันนี้ Yann LeCun ในฐานะคนที่ทำวิจัยเรื่อง AI เขาบอกว่า AI ตอนนี้มันวางแผนไม่ได้ มันให้เหตุผลไม่ได้ สิ่งที่มันดูเหมือนให้เหตุผล มันเป็นแค่การหลอน อันนี้คือความเชื่อเขา เขาเชื่อว่ามันเหมือน เราใช้ตัว predict text ในคีย์บอร์ด

แล้วเราก็พิมพ์แล้วมันก็ได้คำถัดไปออกมา เขาไม่ได้รู้สึกว่ามันเข้าใจโลกนี้จริงๆ Yann LeCun ก็บอกว่าเป็นไปได้มั้ย ถ้ามันจะมี model AI อีกแบบนึง ที่มันเข้าใจโลกได้จริงๆ จะเกิดอะไรขึ้น ถ้าในวันนึงมันสามารถมี understanding of the world ได้ มันมีระบบที่สามารถให้เหตุผลกับเราได้ว่า ถ้าเป็นอย่างงี้ แล้วต้องเป็นแบบนี้ แล้วเป็นแบบนี้ แต่ว่าโอกาสที่มันจะหลอนก็น้อยลง เพราะว่ามันสามารถมีระบบที่ฟอร์มตรรกะได้ อะไรแบบนั้น

สรุป: ความเป็นไปได้ของ AI ในอนาคตยังคงเป็นปริศนา26:18

โอเค ถ้าให้เราสรุปเนาะ สิ่งที่เรารู้ทุกวันนี้ครับ มันคือหางอึ่ง มันคือแบบ implementation ที่เป็นไปได้ แต่นักวิจัยครับ เขากำลังวิจัยกันเยอะมากๆ ว่าจริงๆ ขอบเขต ความเป็นไปได้ของ AI มันมีอะไรบ้าง แล้ววงกลมนอกสุดเนี่ยก็คือความเป็นไปได้จริงๆ เพราะฉะนั้นครับ คนที่เป็น AI skeptic ครับ เขาจะมองแค่วงกลมวงเล็กว่าแบบมันทำได้แค่นี้แหละ

คนที่เป็น AI bro ครับ เขาจะมองว่ามันคือทั้ง วงกลมวงใหญ่สุด มันทำได้ทุกอย่าง แต่ว่าเราในฐานะ economist ครับ ความยากมันคือ ตรงนี้แหละ เราจะรู้ได้ยังไงว่าในอีก 10 ปีข้างหน้า ไอ้วงกลมเชี่ยเนี่ยมันจะใหญ่หรือมันจะเล็กแค่ไหน ความเป็นไปได้มันอยู่ที่ไหน แต่ผมรู้สึกครับว่ามันก็จะตอบได้แน่ๆ แหละว่า

จุดแข็งของมนุษย์: ความอยากรู้อยากเห็น, อารมณ์, Human Touch27:02

ไอ้จุดที่อยู่นอกวงกลมใหญ่สุดครับ มันคืออะไร เช่น ความ curious ของมนุษย์ ความอยากที่จะเรียนรู้ อะไรแบบนี้ครับ เรารู้สึกว่ามันเป็นอะไรที่มีความ human มากๆ การเข้าใจอารมณ์ การเข้าใจความรู้สึก การสื่อสาร human touch ผมรู้สึกว่ามันมีอะไรที่ไม่ต้องรอให้นักวิจัย AI มาบอก มันก็ตอบตัวเองได้ระดับนึงนะครับว่าเฮ้ย จริงๆ แล้ว มันมีจุดอะไรบ้างที่มันน่าจะเป็น strength ของมนุษย์ เพราะฉะนั้นครับ Andrew Ng เขาก็เลยพูดว่า

AI แทนที่ Tasks ไม่ใช่ Jobs: พัฒนาตัวเองให้ AI แทนที่ไม่ได้27:29

มันไม่ใช่ AI มันจะมาแทน job เว้ย มันคือมันแทน tasks มันแทน tasks ต่างๆ ที่มนุษย์เราสามารถทำได้ แล้วเราครับในฐานะมนุษย์ เราก็ต้องมองไอ้วงกลม เนี่ยแหละ แล้วเราก็ต้องตอบตัวเองให้ได้ว่ามันมีอะไร บ้างที่เราค่อนข้างมั่นใจว่า AI มันจะมาแทนที่ไม่ได้ มันจะมีอะไรบ้างที่มันใน job function ของเราครับ ที่เราจะต้องเก่งขึ้น เราจะต้องพัฒนาตัวเองขึ้น เพื่อให้มันทำได้

แนะนำหนังสือ: Whiplash - กฎของโลกยุคใหม่27:53

ครับ โอเคครับ ก็สุดท้ายครับขอฝากเล่มนี้ละกัน ของอาจารย์สินพีรศรีนะครับ คือเขาบอกว่า

นายไม่อ่านหนังสือนายจะรู้อะไร ซึ่งเรารู้สึกว่ามัน สำคัญมากนะครับ ก็ขอปิด talk ด้วยหนังสือเล่มนี้ละกัน ถ้าเกิดไม่ได้ฟังอะไรเลยวันนี้ แนะนำให้ไปอ่านเล่มนี้ครับ ชอบมาก เล่มนี้ชื่อ Whiplash ของ Joi Ito ครับ คือเป็นเล่มที่เขาเล่าว่าจริงๆ เนี่ยกฎของโลกอดีตกับ โลกปัจจุบันมันต่างกันเยอะมากๆ ในปัจจุบันเนี่ยมันมีการให้ความสำคัญกับบางอย่าง ที่มากกว่าในอดีต เช่น emergence over authority ในยุคก่อนประเทศไทยเนี่ยเราเคยต้องเชื่ออาจารย์ เราต้องเข้าไปในวัดใช่ไหมครับ เพื่อที่จะเรียนอะไรบางอย่าง แต่ทุกวันนี้เนี่ย innovation ต่างๆ มันเกิดขึ้นนอกจาก ในโรงเรียนนอกวัดแล้ว มันมีความ emergence มันมีความเกิดตรงไหนก็ได้มากขึ้น

ก็แนะนำเล่มนี้ครับ รู้สึกว่าถ้าอ่านเล่มนี้น่าจะตอบ คำถามอะไรหลายๆ อย่างในวันนี้ได้ ของเราก็แค่นี้ ละกันครับ ขอบคุณครับ