Mindblown: a blog about philosophy.
-
Opt-in และ Opt-out ในบริบทของ AI
Opt-out ใน AI คืออะไร: สิทธิของผู้ใช้ในโลกที่ข้อมูลคือเชื้อเพลิง เมื่อ AI ต้องการข้อมูลผู้ใช้ในปริมาณมหาศาล คำว่า opt-out จึงไม่ใช่แค่ฟังก์ชัน แต่คือกรอบสิทธิ Opt-out ในบริบท AI คือสิทธิในการปฏิเสธไม่ให้แพลตฟอร์มใช้ข้อมูลส่วนตัวเพื่อฝึกโมเดล—เครื่องมือที่คืนอำนาจการควบคุมกลับสู่ผู้ใช้ แพลตฟอร์มชั้นนำอย่าง LinkedIn, Meta, X และ Microsoft เปิดให้ผู้ใช้เลือก opt-out ผ่านการตั้งค่า โดยบางแห่งทำได้ง่าย บางแห่งซับซ้อนจนอาจกลายเป็นด่านปิดบังสิทธิ Opt-out ไม่ใช่แค่ทางเลือก แต่มันคือเสาหลักของความโปร่งใสและความยินยอม กรณี LinkedIn ผู้ใช้สามารถปิดการใช้งานผ่านเมนู Data Privacy ได้โดยตรง แต่กับ Meta ผู้ใช้ต้องตั้งค่าบัญชีเป็น private เพื่อหลีกเลี่ยงการใช้ข้อมูลใน AI ซึ่งไม่ใช่ทางเลือกที่เข้าถึงง่ายนัก ความไม่เสมอภาคจึงเกิดขึ้น คนที่มีความรู้เท่านั้นที่สามารถปกป้องข้อมูลได้จริง ขณะที่แพลตฟอร์มจำนวนมากยังใช้ default opt-in และ dark pattern ล่อให้ผู้ใช้ไม่ทันระวัง คำถามคือ แม้จะ opt-out…
-
X ห้ามบุคคลภายนอกใช้เนื้อหาสำหรับการฝึกอบรม AI โดยไม่ได้รับอนุญาต
X แบนการใช้เนื้อหาเพื่อฝึก AI โดยไม่ได้รับอนุญาต จริงหรือ? เมื่อแพลตฟอร์มเริ่มควบคุมการใช้คอนเทนต์ในการฝึก AI คำถามสำคัญคือ สิทธิของผู้สร้างจะได้รับการปกป้องแค่ไหน X (อดีตคือ Twitter) ได้อัปเดตข้อตกลงนักพัฒนา ไม่อนุญาตให้ใช้โพสต์เพื่อฝึกหรือปรับ fine-tune AI foundation และ frontier models โดยตรงผ่าน API เบื้องหลังการเปลี่ยนแปลงนี้คือการวางหมากเชิงกลยุทธ์ เปิดทางให้ X สามารถทำข้อตกลงเชิงพาณิชย์กับพันธมิตรเฉพาะ หรือสร้าง AI จากข้อมูลของตนเองภายใต้เงื่อนไขที่ควบคุมได้ การควบคุมสิทธิ์เนื้อหาคือการลงทุนระยะยาวที่สร้างแต้มต่อในสนามแข่งขัน AI อย่างไรก็ตาม ข้อจำกัดนี้ใช้เฉพาะกับผู้เข้าถึงผ่าน API ผู้ใช้งานทั่วไปยังอาจถูกนำข้อมูลไปใช้โดยพันธมิตร ยกเว้นเลือก opt-out ซึ่งยังเป็นกระบวนการที่ไม่ชัดเจนสำหรับผู้ใช้ส่วนใหญ่ แนวโน้มนี้สะท้อนถึงท่าทีของแพลตฟอร์มอย่าง Reddit ที่ห้ามเข้าถึงข้อมูลโดยนักพัฒนา แล้วหันไปเจรจาขายข้อมูลกับผู้เล่นรายใหญ่ เช่น Google แทน คำถามคือ การเปลี่ยนแปลงนี้จะช่วยปกป้องทรัพย์สินทางปัญญาของผู้สร้างคอนเทนต์ได้จริง หรือกลายเป็นเครื่องมือผูกขาดเนื้อหา? ผู้สร้างควรได้รับเครื่องมือจัดการสิทธิ์อย่างชัดเจน เช่น ระบบ opt-in/opt-out ที่โปร่งใส หรือระบบ takedown…
-
ใช้ AI ไม่เป็น จะไม่มีงานทำจริงเหรอ
ไม่สามารถใช้ AI ก็จะไม่มีงานทำจริงหรือ? เมื่อองค์กรให้น้ำหนักทักษะ AI มากกว่าประสบการณ์ ใครที่ยังไม่เริ่มต้นจะอยู่ตรงไหน? AI ไม่ใช่แค่เทคโนโลยีเสริมอีกต่อไป แต่คือแกนกลางของโครงสร้างการทำงานสมัยใหม่ หลายองค์กรเลิกพึ่งประสบการณ์เดิม และหันมาให้ความสำคัญกับทักษะการใช้ AI อย่างมีประสิทธิภาพ รายงานจากกลุ่มเทคโนโลยีในเอเชียตะวันออกระบุว่า กว่า 80% ขององค์กรใช้งานหรือเตรียมใช้งาน AI ภายใน 12 เดือน โดยเริ่มจากแผนกที่วัดผลได้ชัดเจน เช่น การตลาด บริการลูกค้า และงานเอกสาร เกือบครึ่งขององค์กรเหล่านี้ ใช้ทักษะ AI เป็นเกณฑ์หลักในการคัดเลือกบุคลากร ตั้งแต่การเขียน prompt ไปจนถึงการออกแบบ workflow เชื่อมระบบอัตโนมัติ AI ไม่ได้แย่งงาน แต่มันเปลี่ยนโจทย์จาก “ใครทำได้” เป็น “ใครทำได้เร็วและแม่นยำกว่า ด้วย AI” ตัวอย่างจากบริษัทอสังหาริมทรัพย์ในโซล พนักงานขายต้องใช้ AI วิเคราะห์ข้อมูลลูกค้าและสร้างสคริปต์นำเสนอเฉพาะบุคคล หากไม่ผ่านภายใน 90 วัน จะถูกปรับเปลี่ยนบทบาททันที ในองค์กรที่ขับเคลื่อนด้วยความเร็ว ความแม่นยำ และการทำงานข้ามสาย…
-
ชวนคบคิด AI ในอีก 10 ปีข้างหน้า
ความน่ากลัวของ AI อาจไม่ใช่สิ่งที่คุณคิด AI ในอีกสิบปีข้างหน้า จะทำลายหรือหล่อหลอมสังคมมนุษย์? คำถามนี้ไม่ใช่แค่เรื่องของอนาคต แต่คือการมองทะลุไปถึง กลไกภายในของสังคม ที่กำลังปรับตัวในแบบที่เราควบคุมได้น้อยลงทุกที หากมองเพียงแค่ความสามารถทางเทคนิค เราอาจพลาดสิ่งที่สำคัญกว่า นั่นคือ โครงสร้างอำนาจใหม่ ที่ AI กำลังค่อยๆ ปลูกฝังผ่านข้อมูล พฤติกรรม และการตัดสินใจแบบอัตโนมัติ สิ่งที่น่ากลัวอาจไม่ใช่ “AI คิดเองได้” แต่คือการที่มนุษย์ ค่อยๆ ยอมให้ AI คิดแทน โดยไม่รู้ตัว ต่างหากที่น่ากังวล ลองจินตนาการถึงระบบสาธารณสุข ศาลยุติธรรม หรือการศึกษา ที่ขับเคลื่อนด้วยโมเดลอัลกอริธึม เมื่อมันเรียนรู้จากอดีตที่มีอคติ มันก็ขยายอคตินั้นสู่อนาคตด้วยประสิทธิภาพสูงสุด ความก้าวหน้าไม่ได้แปลว่าเป็นกลางเสมอไป AI ที่มีพลังมากขึ้นในอีกสิบปีข้างหน้า อาจทำให้ความเหลื่อมล้ำฝังแน่นขึ้น เพราะโครงสร้างที่สร้างมันขึ้นมาไม่ได้เปลี่ยนตาม เทคโนโลยีไม่ได้ทำลายมนุษย์ แต่มนุษย์ต่างหากที่อาจทำลายกันเองผ่านการใช้เทคโนโลยีโดยไร้สติ จากกรณีของระบบเครดิตสังคมในบางประเทศ เราเห็นได้ว่า AI ถูกใช้ควบคุมพฤติกรรมในระดับที่ลึกกว่ากฎหมาย ด้วยความเร็วที่กฎหมายไล่ไม่ทัน เมื่ออัลกอริธึมมีอำนาจมากกว่านโยบาย สิ่งที่เหลืออยู่คือเงาของการควบคุม อีกมุมหนึ่งที่น่าจับตามองคือ การก่อตัวของ “ความเป็นจริงจำลอง” ซึ่งสร้างขึ้นโดย AI…
-
SmolVLA: โมเดล AI สำหรับหุ่นยนต์ที่ทำงานได้บน MacBook
SmolVLA: โมเดล AI สำหรับหุ่นยนต์ ถ้าหุ่นยนต์สามารถเข้าใจภาพ ภาษามนุษย์ และตัดสินใจได้ในคราวเดียว แล้วอะไรคือข้อจำกัดใหม่? คำถามนี้ไม่ใช่แค่เรื่องของเทคโนโลยี แต่คือแนวโน้มการหลอมรวมความสามารถของ AI เข้ากับฮาร์ดแวร์ระดับบ้านๆ ที่อาจเปลี่ยนแปลงอุตสาหกรรมหุ่นยนต์ไปโดยสิ้นเชิง Hugging Face เพิ่งเปิดตัว SmolVLA โมเดล AI ขนาดเล็กที่รวมการมองเห็น (Vision) การเข้าใจภาษา (Language) และการกระทำ (Action) เข้าด้วยกัน — ทั้งหมดนี้สามารถทำงานได้บน MacBook หรือแม้แต่ CPU ธรรมดา เบื้องหลัง SmolVLA คือความตั้งใจที่จะ democratize หุ่นยนต์ทั่วไปผ่านโครงการ LeRobot โดยเปิดให้ชุมชนแบ่งปันชุดข้อมูลการใช้งานจริงของหุ่นยนต์ เพื่อฝึกโมเดลให้เข้าใจโลกในแบบที่มนุษย์เข้าใจ แนวคิดไม่ใช่แค่ให้หุ่นยนต์ “เห็น” หรือ “ฟัง” ได้ แต่ให้มัน เข้าใจคำสั่งและลงมือทำ ในสภาพแวดล้อมจริง โดยไม่ต้องพึ่งฮาร์ดแวร์ซูเปอร์คอมพิวเตอร์ คุณสมบัติที่น่าจับตาคือ SmolVLA รองรับการประมวลผลแบบอะซิงโครนัส ช่วยให้สามารถแยกการรับรู้ (Perception) ออกจากการกระทำ…
-
Vibe Coding: เมื่อการเขียนโค้ดกลายเป็นภาษาธรรมชาติในยุค AI
Vibe Coding: เมื่อการเขียนโค้ดกลายเป็นภาษาธรรมชาติในยุค AI ถ้า AI เขียนโค้ดได้ เรายังต้องเรียนเขียนโค้ดอยู่หรือเปล่า? คำถามที่ฟังเหมือนเรียบง่ายนี้ กลับสะท้อนถึงรอยต่อสำคัญระหว่างทักษะมนุษย์กับความสามารถของ AI ในยุคที่ “Vibe Coding” กำลังเข้ามาเปลี่ยนแปลงโลกของการพัฒนา ศาสตราจารย์แอนดรูว์ เอ็นจี จากมหาวิทยาลัยสแตนฟอร์ด หนึ่งในผู้ทรงอิทธิพลด้าน AI กล่าวในงานสัมมนา LangChain Interrupt ว่า เขาไม่อยากกลับไปเขียนโค้ดแบบเดิมโดยไม่มี AI อีกต่อไป และมองว่าแนวโน้มของ Vibe Coding นั้นจะเติบโตขึ้นเรื่อยๆ แม้เขาจะยอมรับว่าชื่อ “Vibe Coding” ฟังดูเบาและอาจทำให้คนเข้าใจผิดว่าไม่ต้องคิด แต่เขากล่าวว่า “Vibe Coding เป็นกิจกรรมที่ใช้ความคิดมาก” โดยเฉพาะเมื่อต้องทำงานร่วมกับ AI ตลอดทั้งวัน คำว่า Vibe Coding หมายถึงภาวะที่ผู้เขียนโค้ดสามารถดื่มด่ำกับการทำงานร่วมกับ AI ได้อย่างเต็มที่ จนแทบไม่ต้องคิดเรื่องโค้ดแบบโครงสร้างเดิมอีกเลย คำนี้ปรากฏครั้งแรกในเดือนกุมภาพันธ์โดย Andrei Karpathy ผู้ร่วมก่อตั้ง OpenAI ซึ่งชี้ว่าแนวโน้มใหม่นี้ทำให้นักพัฒนาสามารถ…
-
OpenAI เปิดตัวเครื่องมือ AI สำหรับธุรกิจ
OpenAI เปิดตัวเครื่องมือ AI สำหรับธุรกิจ: จุดเปลี่ยนในสงครามตัวแทนองค์กร จะเกิดอะไรขึ้นเมื่อ OpenAI ไม่เพียงแค่ให้บริการ AI แต่เริ่มกลายเป็นผู้เล่นหลักในระบบธุรกิจระดับองค์กร? การเปิดตัวฟีเจอร์ใหม่ของ OpenAI สำหรับ ChatGPT เมื่อวันที่ 4 มิ.ย. อาจเป็นจุดเริ่มต้นของการเปลี่ยนแปลงภูมิทัศน์ของ AI ในโลกธุรกิจ OpenAI ได้เปิดตัว เครื่องมือระดับองค์กรที่หลากหลาย ซึ่งรวมถึงระบบการทำงานอัตโนมัติ การบันทึกการประชุม และความสามารถด้านการเขียนโค้ด ทั้งหมดนี้ฝังอยู่ใน ChatGPT และมุ่งเน้นการทำงานร่วมกับแอปพลิเคชันธุรกิจที่แพร่หลาย หนึ่งในคุณสมบัติที่โดดเด่นคือ ‘ตัวเชื่อมต่อ (Connector)’ ที่เชื่อมโยงข้อมูลกับ Outlook, Teams, Gmail, Google Drive เป็นต้น ซึ่งช่วยให้การดำเนินงานอย่างการวิเคราะห์เอกสาร การจัดทำกลยุทธ์ หรือค้นหาข้อมูลสำคัญสามารถทำได้ภายใน ChatGPT โดยไม่ต้องสลับโปรแกรม นอกจากนี้ OpenAI ยังผสานระบบนี้กับ Deep Research ตัวแทน AI สำหรับการวิจัยเชิงลึกที่เชื่อมโยงข้อมูลจากทั้งเว็บและระบบภายใน องค์กรสามารถใช้เพื่อ จัดทำรายงานที่ผสานข้อมูลภายนอกและภายในโดยอัตโนมัติ ความเคลื่อนไหวนี้ไม่เพียงเพิ่มขีดความสามารถของ…
-
ทำไม RAG ยังไม่ตอบโจทย์ ถ้าไม่เข้าใจ Retrieval จริง ๆ
ถ้า Retrieval คือรากฐาน แล้วเรารู้จักมันดีพอหรือยัง ทำไมหลายโปรเจกต์ที่ใช้ RAG ถึงไม่เวิร์ก แม้จะมี LLM ที่ดีอยู่แล้ว คำถามนี้เริ่มได้ยินบ่อยขึ้นเรื่อย ๆ ในวงสนทนาเรื่อง AI ที่ไม่ใช่แค่ระดับ prototype แต่กำลังจะ scale จริง เทคโนโลยี Retrieval-Augmented Generation (RAG) กลายเป็นโครงสร้างยอดนิยมของแอปพลิเคชันที่ใช้ LLM ในช่วงหลัง แต่สิ่งที่เริ่มเห็นคือ หลาย use case ไม่ได้ผลลัพธ์อย่างที่คาดไว้ บ้างตอบผิด บ้างตอบขาด หรือแย่กว่านั้น: ไม่ตอบเลย ต้นเหตุหนึ่งอาจเป็นเรื่องของ model หรือ data—but อีกส่วนที่ถูกมองข้ามคือ เราเข้าใจ Retrieval แค่ผิวเผิน และใช้มันแบบคนที่ไม่เคยคลุกฝุ่นกับการ query ข้อมูลจริง ๆ RAG ไม่ใช่เวทมนตร์ที่จะพลิกโฉมความรู้จากเอกสารให้กลายเป็นคำตอบอัจฉริยะ มันคือวิธีเชื่อมโยง LLM กับความรู้ผ่าน retrieval ที่ต้องแม่นและเหมาะสมในแต่ละ context…
-
เปิดตัว SUTRA-R0: โมเดล AI ที่ก้าวข้ามขีดจำกัดของการให้เหตุผล
เมื่อวันที่ 5 กุมภาพันธ์ 2025, TWO AI ได้เปิดตัว SUTRA-R0 ซึ่งเป็นโมเดลการให้เหตุผลที่มุ่งเน้นการคิดเชิงโครงสร้างที่ลึกซึ้ง ครอบคลุมหลากหลายหัวข้อและโดเมน โมเดลนี้ถูกออกแบบมาเพื่อรองรับการตัดสินใจที่ซับซ้อน สนับสนุนหลายภาษา และใช้ทรัพยากรอย่างมีประสิทธิภาพ ทำให้เหมาะสมกับการใช้งานทั้งในระดับผู้บริโภคและองค์กร ความก้าวหน้าของ SUTRA-R0 SUTRA-R0 ได้รับแรงบันดาลใจจากความสำเร็จของโมเดลก่อนหน้า เช่น DeepSeek R1 ที่ใช้การเรียนรู้แบบเสริมกำลัง (Reinforcement Learning) และเทคนิคการกลั่น (Distillation) เพื่อสร้างโมเดลที่มีน้ำหนักเบาและมีประสิทธิภาพ SUTRA-R0 ได้ผสานโครงสร้างการให้เหตุผลที่มีความเป็นระบบสูง ทำให้สามารถเข้าใจบริบท ภาษา และการตัดสินใจที่ซับซ้อนได้อย่างลึกซึ้ง ความสามารถที่โดดเด่น การประยุกต์ใช้ในองค์กรและผู้บริโภค ในด้านองค์กร SUTRA-R0 มีศักยภาพในการปรับปรุงการประเมินความเสี่ยงและการวิเคราะห์แนวโน้มตลาดในภาคการเงิน ในด้านการดูแลสุขภาพ โมเดลนี้สามารถวิเคราะห์ข้อมูลทางการแพทย์ที่ซับซ้อนและสนับสนุนการตีความงานวิจัย สำหรับผู้บริโภค SUTRA-R0 มอบประสบการณ์ที่ปรับแต่งเฉพาะบุคคลในด้านอีคอมเมิร์ซ ความบันเทิง และการเงินส่วนบุคคล ช่วยให้ผู้ใช้สามารถตัดสินใจได้ดีขึ้น ด้วยการเปิดตัว SUTRA-R0 TWO AI ได้แสดงถึงความมุ่งมั่นในการผลักดันขอบเขตของ AI และการให้เหตุผล เพื่อมอบโซลูชันที่มีประสิทธิภาพและหลากหลายสำหรับผู้ใช้ทั่วโลก
-
Pegasus 1.2: AI เข้าใจวิดีโอได้ลึกขึ้น เร็วขึ้น ฉลาดขึ้น
ถ้าคุณคิดว่า AI แค่ดูวิดีโอแล้วเข้าใจได้นิดหน่อย Pegasus 1.2 จาก Twelve Labs จะเปลี่ยนมุมมองของคุณไปเลย เพราะนี่คือ AI ที่ไม่ได้แค่ “ดู” วิดีโอ แต่ “เข้าใจ” สิ่งที่เกิดขึ้นได้อย่างละเอียด รองรับวิดีโอความยาวสูงสุดถึง 1 ชั่วโมง วิเคราะห์เนื้อหาได้แม่นยำ และยังประมวลผลเร็วขึ้นกว่าเดิม Pegasus 1.2 คืออะไร Pegasus 1.2 เป็นโมเดลภาษาวิดีโอ (Video Language Model – VLM) ที่พัฒนาให้สามารถเข้าใจวิดีโอได้ลึกขึ้น รองรับการใช้งานในระดับอุตสาหกรรม ไม่ว่าจะเป็นการวิเคราะห์ภาพ เสียง หรือแม้แต่บริบทที่เกิดขึ้นในฉาก นึกภาพว่า AI ตัวนี้สามารถ “ดู” วิดีโอ 1 ชั่วโมง แล้วบอกได้เลยว่าใครกำลังพูด อะไรเกิดขึ้นในแต่ละช่วงเวลา วิเคราะห์อารมณ์ของฉาก หรือแม้แต่สรุปเนื้อหาสำคัญให้คุณโดยไม่ต้องดูเอง มีอะไรใหม่ใน Pegasus 1.2 Pegasus 1.2 ใช้ทำอะไรได้บ้าง…
Got any book recommendations?