นั่งคิดเรื่องดราม่า AI เขียนโค้ด (จริงๆ คิดก่อนหน้านั้นมาสักระยะหนึ่งแล้ว ยังคิดไม่ตก) โน้ตคร่าวๆ ไว้ก่อน

• การใช้คอมพิวเตอร์ ไม่จำเป็นต้องเข้าใจทั้งหมด มานานแล้ว เรามี abstraction ที่หนาขึ้นเรื่อยๆ ทำงานได้ดีขึ้นเรื่อยๆ มาโดยตลอด POSIX/Linux, SQL, Assembly, Pascal, C, Python, HTML, JS, React, Excel, Notion ฯลฯ
• อย่างไรก็ดี การที่เรา abstract คอมพิวเตอร์ไป มักมาพร้อมกับภาพจำลอง ที่เข้าใจง่ายขึ้น ควบคุมพฤติกรรมง่ายขึ้นไปด้วย เช่น การจำกัดสิทธิ์ user ใน linux ที่เราเรียนเป็นเรื่องแรกๆ เราไม่ต้องรู้ว่าทำอย่างไร แต่ถ้าพฤติกรรมไม่ตรงมันจะกลายเป็นช่องโหว่ abstraction เหล่านี้ทำให้เรามองระบบโดยรวมง่ายขึ้น เราเขียนไฟล์ผ่าน POSIX โดยมั่นใจว่า filesystem จะไม่พัง, เราเขียน SQL โดยมั่นใจว่า file จะไม่ corrupt ภาพ abstract บางอันดีบ้างแย่บ้าง เช่น container ที่คนมักคิดว่าแยกแอปออกจากกัน แต่ในความเป็นจริงกระบวนการเจาะทะลุข้าม container ทำได้บ่อย
• ความผิดพลาดของ abstraction ก่อนหน้านี้เป็นความผิดของระบบ ผู้ใช้เขียนไฟล์ทะลุ user ได้เป็นความผิดของ OS, เขียน SQL แล้วไฟล์พัง เป็นความผิดของ database แม้แต่ container ก็มีความพยายามทำให้แต่ละ container แยกกันตามความคาดหวัง
• กระแส AI เขียนโค้ดต่างออกไป รอบนี้มนุษย์สามารถสั่งงานคอมพิวเตอร์ที่ระดับสูงมาก (ภาษาคน) แต่ไม่มีระบบ abstraction ที่ออกแบบมาเป็นอย่างดี เพื่อรองรับการใช้งาน แต่กลายเป็นว่า เราใช้ AI มาแทนคน (หรือหลายคน) มาแทนชั้นของการแปลงคำสั่งเหล่านั้นกลายเป็นโค้ดเลย กระแส AI เขียนโค้ดกลายเป็นคู่แข่งสำคัญของความพยายามพัฒนา low code ที่สร้าง abstraction ในการพัฒนาแอปในช่วงหลังด้วยซ้ำ
• ส่วนตัวเองเจอเองกับตัว ช่วงหลายปีที่ผ่านมาเวลาต้องการเขียนเว็บเล็กๆ ผมมักชินกับการใช้ pocketbase แต่กลายเป็นว่าปีนี้ใช้ AI เขียนโค้ดหมดเลยดีกว่า ได้โค้ดที่ flexible กว่ามาก เล็กกว่า ไม่ต้องมี endpoint ที่เราไม่เคยคิดจะใช้แต่แรก
• ผลที่ได้ คือความผิดพลาดที่เกิดขึ้นอยู่เนืองๆ และคงเกิดขึ้นอีกมากเมื่อเราเคยชินกับความสะดวกสบายในการใช้งานมากขึ้นเรื่อยๆ ไม่ว่าจะเป็นความผิดพลาดที่เห็นคาตา (user ใช้ agentic coder สั่งแล้วกด accept ตลอดไม่ยอมอ่าน วันดีคืนดีมันก็จะทำ data หายเอา)
• ถ้ายังไม่มีความเปลี่ยนแปลงอะไรเป็นพิเศษ AI ใหม่ๆ เขียนโปรแกรมเก่งขึ้นเรื่อยๆ เราได้โค้ดทีละหลายพัน หลายหมื่น (หรือหลายแสน) บรรทัด ในการสั่งไม่กี่ย่อหน้า ความผิดพลาดประหลาดๆ อาจจะน้อยลง แต่ก็ได้ความผิดพลาดที่ซับซ้อนมากขึ้นเรื่อยๆ มาแทน
• ความเก่งขึ้นเรื่อยๆ ของ AI เป็นความท้าทายของโปรแกรมเมอร์รุ่นนี้และรุ่นต่อไป เคยมีคำกล่าวว่า คนเราต้องการความเก่งในการดีบั๊กเป็นสองเท่าของการเขียนโค้ด ในกรณีของ AI เราต้องการโปรแกรมเมอร์ที่เก่งเป็นสองเท่าของ AI เขียนโค้ด AI โยนโค้ดมาทีละหมื่นบรรทัด อ่านคร่าวๆ แล้วก็ถูกต้องดี คอมไพล์ผ่าน แต่กลับมีกรณีที่ทำผิด บอกให้ AI แก้แล้วมันเริ่มวนไปวนมา แก้แล้วไม่หายไปสักทีก็ถึงเวลา hand off มาสู่คน คนนั้นต้องเก่งสองเท่าของ AI ทันที ช้ากว่าพันเท่าหมื่นเท่าได้ แต่ต้องเก่งกว่าสองเท่า
• หลังจากนี้โปรแกรมเมอร์จะถูกคาดหวัง “ความเก่งสองเท่าของ AI” ทันที เพราะ value อยู่ตรงนั้นแล้ว การที่เด็กจบใหม่สักคนหนึ่งจะทำงานง่ายๆ บางอย่างเพื่อเรียนรู้เป็นเวลาสองสามปีก่อนจะเริ่มไปแก้งานคนอื่นจะหายไป วันแรกของการทำงานคือการแก้โค้ดที่ AI เขียนมา
• การศึกษาควรปรับอย่างไรในโลกยุคนี้ เป็นปริศนาที่ยังไม่มีใครตอบได้ เด็กจำนวนมากชินกับการใช้ AI ทำการบ้านคงไม่ใช่ปัญหาในตัวมันเอง แต่เด็กรุ่นต่อไปต้องเจอกับความคาดหวังว่าทันทีที่เริ่มทำงาน ต้องเก่งกว่า AI (ที่พัฒนาไม่หยุด) เท่านั้น หากทำได้แย่กว่าหรือเท่ากับ AI ก็ไม่สามารถตอบได้ว่าทำไมองค์กรต้องจ้าง เราอาจจะปรับหลักสูตรให้ถีบเด็กจากหน้าผาด้วยการให้โจทย์ที่ยากเกิน AI ปัจจุบันแล้วเด็กใช้ AI ทำไปแก้ไปตลอดชีวิตมหาวิทยาลัย เด็กจำนวนมากจะกระอักแน่ แต่เด็กที่ผ่านมาได้ก็อาจจะถูกบีบด้วย AI เวอร์ชั่นต่อไปที่เก่งขึ้นทันทีที่เรียนจบ

สองสามวันนี้การเมืองไทยมีประเด็นเรื่องภาษี คิดเรื่องนี้ไว้หลายอย่าง เลยจดรวมๆ กันมา

• การลดภาษีควรลดเป็นเครดิต: ประเด็นหนึ่งที่ไม่เท่าเทียมกันอย่างมากในไทย คือการ “ลดหย่อนภาษี” แปลว่าไม่ใครจ่ายภาษีฐานไหนอยู่ ก็จะได้รับการลดหย่อน ตัดภาษีออกจากฐานสูงสุด การลดหย่อนแบบนี้ไม่ดีและไม่แฟร์ ไม่ดีเพราะคนฐานภาษีสูงๆ จะสามารถซื้อมั่วซั่วอะไรก็ได้ยังไงก็กำไรภาษี ทั้งที่การลดหย่อนควรเป็นการจูงใจให้เขาได้เลือกการลงทุนที่ดีและนำไปสู่การลงทุนอื่นๆ ต่อไป ไม่แฟร์เพราะคนที่เริ่มมีเงินเก็บบ้างฐานภาษีไม่สูงมาก กลับมีการจูงใจน้อย ทุกวันนี้คนภาษีฐานต่ำๆ โอดโอยกันว่ากองทุนที่ซื้อมายังขาดทุนกันอยู่ กาารให้เป็นเครดิตควรล็อกเป็น % ตายตัว เช่น ซื้อ RMF ลดภาษีได้ 15% ซื้อแสนนึงลดได้ 15,000 บาท ก็ลดได้เท่านี้ทุกคน ซื้อพลาดกองขาดทุนเกิน 15% ก็ขาดทุนเท่ากัน คนที่ฐานภาษีสูงมากๆ 25-35% นั้นไม่ต้องไปจูงใจเขามาก เขาก็ลงทุนกันเองเป็นอยู่แล้ว (แต่ก็ให้ควรให้เท่าๆ กันเพื่อความแฟร์)
• ฐานภาษีควรสูงกว่านี้: ฐานภาษีสูงสุดของไทยอยู่ที่ 35% นั้นสูงไม่พอ ส่วนตัวมองว่าไปได้ถึง 49% สำหรับคนยอดพิรามิดสูงสุด
• การลดภาษีบุคคล ควรอาศัยการเลื่อนขั้นบันได: อ้างถึงข้อก่อนหน้า ว่าเราไม่จำเป็นต้องขึ้นภาษีอย่างเดียว แม้จะคงขั้นบันใดเอาไว้ หรือเพิ่มบันไดขั้นสูง แต่เราควรพิจารณาปรับเลื่อนขั้นบันไดตามช่วงเวลา เงินเดือนสองหมื่นยังถือว่าควรจ่ายขั้นไหน อาจจะมองถึงการแข่งขันในกรณีแรงงานข้ามชาติที่เข้ามาทำงานในไทยว่าอัตราภาษีรวมเราก็ต้องแข่งขันได้
• เพิ่มฐานภาษีต่ำๆ: แม้จะเลื่อนฐานภาษีได้ แต่ควรพยายามขยายฐานผู้จ่าย (ก่อนลดหย่อน) ให้มากขึ้น คนมีรายได้เกินระดับพออยู่ได้ควรต้องยื่นและต้องจ่ายในฐานต่ำมากๆ เช่น หากอยากลดภาษีให้เพิ่มฐาน 1% เข้ามาแทนที่ฐาน 5% เดิม แล้วเลื่อนฐาน 5% ออกไป คนจ่ายฐาน 1% อาจจะแทบไม่ได้จ่ายเพราะลดหย่อนต่างๆ ก็ได้คืนหมด แต่ก็ให้อยู่ในระบบภาษี ให้ต้องยื่น และอาจจะต้องจ่ายบ้างหากไม่ได้ลดหย่อนอะไรเลย
• ภาษีอื่นๆ นอกจากภาษีรายได้ ควรปรับขึ้น: ภาษีมรดก ภาษีที่ดิน ภาษีลาภลอย (รถไฟฟ้า ทางด่วน ผ่านหน้าบ้าน) แม้จะมีแล้วแต่อ่อนแอมาก มีช่องโหว่และถูกไป ภาษีเชิงลงโทษอย่างพื้นที่รกร้างว่างเปล่าต้องมีปรับขึ้นไปเรื่อยๆ จนถึง 10-20% ของราคาประเมินต่อปี (ไม่จ่ายครบ X ปีให้ที่ดินตกเป็นของท้องถิ่น) พื้นที่ธุรกิจที่ปรับเป็นภาษีที่ดินแล้วกลับจ่ายถูกกว่าภาษีโรงเรือนต้องปรับกลับใหม่ให้เท่าเดิม
• VAT ขึ้นได้แต่ควรมีมาตรการชดเชย: VAT ของเราถูกเกินไปและควรขึ้นมาสักพักแล้ว แต่ก็ต้องมีมาตรการช่วยเหลือ ส่วนที่เพิ่มอาจจะกันบางส่วนเข้าเป็นบัตรสวัสดิการ เปิดรอบสมัครอย่างชัดเจน มีเกณฑ์สมัครชัดเจน (เปิดยิ่งถี่ยิ่งดี ให้ดีมากคือใครเริ่มจนสมัครได้ทันที เหมือนสวัสดิการตกงานของประกันสังคม) แทนที่ทุกวันนี้ที่ต้องรอลุ้น อันนี้ไปเลียนแบบสิงคโปร์ที่เรียกบัตรคนจนของเขาว่าบัตร GST เลยทีเดียว

LLM แบบ multimodal น่าจะทำให้เกิด device แบบใหม่ ปัญหาตอนนี้คือทุกคนพยายามทำสิ่ง “ทดแทนโทรศัพท์มือถือ” เช่น Humane AI Pin หรือ Rabbit R1 แต่วันนี้ไปเห็น Axon แล้วคิดว่า make sense กว่ามากในตอนนี้

แนวคิดของ Axon นั้นง่ายมาก อุปกรณ์ทำอะไรไม่ได้เลยนอกจากบันทึกเสียงอย่างเดียว เสร็จแล้วแปลงเป็นข้อความ เลือกบางส่วนของข้อความมาทำรายงาน

ในกรณีการใช้งาน LLM แบบ multimodal มันมีความเป็นไปได้ที่เราจะแปลงทุกอย่างเป็นข้อความทั้งหมด ภาพทุกภาพที่เรามองเห็นกลายเป็นแค่คำบรรยายภาพ “กำลังขับรถ ไปยัง… โดยตอนนี้อยู่ที่แยก…. โดยมี Google Maps นำทาง… บนรถมีคน…..” ชีวิตทั้งชีวิตจะสามารถกลายเป็น log ไฟล์ ข้อมูลทั้งวันอาจจะเหลือแค่หนังสือหนาๆ สักเล่มไม่เกิน 10MB แบบยังไม่บีบอัด

มีคนเคยพูดว่าภาพหนึ่งภาพแทนคำนับพัน แต่ที่จริงแล้วภาพหนึ่งภาพกินพื้นที่มากกว่า 100KB ภาพจากโทรศัพท์มือถือของเราอาจจะกิน 2-5MB ซึ่งเทียบเป็นคำก็อาจจะไปได้ถึงนับหมื่นไปจนถึงนับล้านคำ แม้แต่การเก็บข้อมูลวิดีโอสักชั่วโมงที่บีบอัดต่อเนื่องระหว่างเฟรมก็ยังกินพื้นที่มากกว่า 500MB แต่การแปลงข้อมูลทั้งหมดอัดแน่นเป็นคำบรรยายจะเหลือชีวิตเราชั่วโมงละไม่กี่ MB เท่านั้น หากนั่งนิ่งๆ ก็อาจจะมีเพียงบรรทัดเดียวทีบรรยายว่าชั่วโมงนั้นเรานั่งนิ่ง และยังสามารถบีบอัดลงไปได้จนเล็กมาก การเก็บคำบรรยายทั้งชีวิต จะอยู่ในพิสัยที่ทำได้โดยไม่ต้องการบริการคลาวด์ใดๆ ภายนอกอก

ข้อมูลทุกอย่างสามารถเก็บในรูปแบบ metadata ใบหน้าทุกวันนี้สามารถเก็บในรูปแบบ vector ได้ระดับ 100 byte เท่านั้น เช่นเดียวกับ logo ต่างๆ นั่นแปลว่าเราจะสามารถสืบค้นย้อนหลังทั้งหมด ว่าเราพบใคร พูดอะไร เมื่อไหร่ ได้ตลอดชีวิต LLM แปลงข้อมูลที่ผ่านหน้าเราให้อยู่ในรูปแบบที่อัดแน่น จนสร้างความจำที่เป็นไปไม่ได้ เมื่อเราพบใครสักคน โทรศัพท์ของเราจะสามารถสร้าง profile ของคนข้างหน้าเราได้ทันที เราพบเขาครั้งแรกและครั้งสุดท้ายเมื่อใด ประเด็นที่พูดคุยกันล่าสุดมีอะไรบ้าง

เราจะไม่ลืมอีกเลย…..

และเราจะไม่ต้องจำอะไรอีกเลย…