ถ้าให้ว่ากันตรงๆ หลายคนที่เขาใช้กันจริงจังเขาก็ไม่เชื่อนั่นแหละครับ

เพราะงั้นในการใช้งานจริงปัจจุบัน จึงต้องมีระบบที่คอยตรวจงานของ AI เสมอและแทรกในหลายกระบวนการ ไม่ว่าจะด้วยคน ด้วยระบบ หรือแม้แต่ด้วย AI กันเองก็ตาม

และนี่ก็เป็นหนึ่งเหตุผลที่เขาบอกว่า แนวทางการใช้งาน AI ที่เห็นได้ชัดจริงมีเพียงการเขียนโค้ดเท่านั้น เพราะการเขียนโค้ดมันมีเครื่องมือที่ช่วยในการตรวจงาน AI ที่เชื่อถือได้หลายอย่าง เช่น compiler หรือ test ซึ่งมันเพียงพอที่จะเบรก AI ไม่ให้หลอนเกินไปได้

ในขณะที่งานอื่นๆที่ไม่มีเครื่องมืออะไรพวกนั้น กลายเป็นว่าในหลายๆครั้งต้องใช้คนช่วยตรวจแทนและอาจจะทำให้เสียเวลามากไปกว่าเดิมอีก เข้าใจว่าปัจจุบันหลายๆที่ก็พยายามเสนอแนวทางอยู่แต่ก็ยังไม่มีอะไรที่ชัดเจนแบบการเขียนโค้ดขนาดนั้นครับ

แน่นอนคนที่เชื่อใจมันมีเยอะมาก เพราะสำหรับงานบางอย่างแล้ว มันทำงานได้จริง พอมันทำได้จริง เขาก็เลยใช้จริง แล้วก็ใช้เยอะด้วย แล้วพอไม่จำกัดว่าใช้ได้แค่ไหนก็เลยเป็นอย่างในข่าว

ถ้ามองอีกด้าน มันก็มีข่าวออกมาเยอะเหมือนกันกับกรณีที่เอามาใช้แล้วไปต่อไม่ได้ ไม่ได้ผลบ้าง ไม่คุ้มบ้าง มันก็ยังปะปนกันไปอยู่

งานเขียนโค้ดนั่นแหล่ะที่พอจะมีวิธีการตรวจสอบว่าผลลัพธ์ได้ตรงหรือไม่ (test suite) รวมถึงผลมีแค่ขาว-ดำ ผ่านหรือไม่ เท่านั้น

(ถ้าไม่โดนระบบโกง เขียน test suite ไปเสียก่อนอะนะ)

Image Generation ไม่ใช่ LLM นะครับ (เอาล่ะมันก็มีส่วนที่ใช้อยู่)

พวก generation อื่น ๆ ก็น่าจะไม่ใช่

"ทำไมเราถึงดูเชื่อมันจัง"
คำว่า "เรา" ที่ว่าต้องถามว่าหมายถึงคนกลุ่มไหนครับ

ถ้าเป็น engineer senior ในบริษัทใหญ่ที่ใช้ ก็ไม่ค่อยเชื่อมันเท่าไหร่ครับ
พวกนี้ใช้เปลืองกว่าคนทั่วไปอีก คือใช้แล้วเทส แล้วใช้มันตรวจตัวเอง แล้วใช้ Agent ใหญ่ตรวจมันอีกที แล้วโยน repo ทั้งก้อนไปให้มันตรวจอีกที

นี่แหละครับ สาเหตุที่การค่าใช้จ่ายมันพุ่ง เพราะกลุ่มคนเหล่านี้ไม่เชื่อมันนี่แหละครับ