Andrej Karpathy เพิ่งแชร์หนึ่งในการสังเกตที่สำคัญที่สุดเกี่ยวกับ AI ในปี 2026: ขณะนี้มี ผู้ใช้ AI สองกลุ่มที่แตกต่างกันในเชิงพื้นฐาน และพวกเขาพูดคุยกันโดยไม่เข้าใจกันเลย

ทวีตของเขา (3.6 ล้านวิวและยังเพิ่มขึ้น) อธิบายถึงช่องว่างที่กำลังขยายตัว ที่ทุกคนที่ทำงานกับ AI ต้องเข้าใจ

กลุ่มที่ 1: “AI เป็นของเล่น”

กลุ่มนี้ลอง ChatGPT — มักเป็นเวอร์ชันฟรี — เมื่อปีที่แล้ว พวกเขาเห็นการ hallucination หัวเราะกับวิดีโอไวรัลที่ voice mode ตอบคำถามง่าย ๆ ผิดพลาด และสรุปว่า AI ถูก hype เกินจริง

พวกเขาไม่ได้ผิดเกี่ยวกับสิ่งที่ประสบ โมเดล free tier ปี 2025 จำกัดจริง ๆ แต่ปัญหาคือ: พวกเขาแช่แข็งภาพจำของ AI ไว้ที่จุดนั้นและไม่เคยอัปเดต

ตามที่ Karpathy กล่าว โมเดลเก่าและล้าสมัยเหล่านี้ไม่ได้สะท้อนความสามารถของโมเดล frontier ปัจจุบัน

กลุ่มที่ 2: “AI Psychosis”

กลุ่มนี้ใช้โมเดล agentic ล้ำสุด — Claude Code, OpenAI Codex — ในเชิงวิชาชีพ ในโดเมนทางเทคนิค พวกเขาจ่าย 200 ดอลลาร์ต่อเดือน พวกเขาส่ง terminal คอมพิวเตอร์ให้โมเดลเหล่านี้และดูพวกมันแก้ปัญหาที่ปกติใช้เวลาเป็นวันหรือเป็นสัปดาห์

Karpathy กล่าวว่ากลุ่มนี้กำลังประสบสิ่งที่เขาเรียกว่า “AI Psychosis” — ไม่ใช่เพราะพวกเขาหลงผิด แต่เพราะความก้าวหน้ามันยิ่งใหญ่มากจนยากที่จะสื่อสารสิ่งที่พวกเขาเห็นให้ใครที่ยังไม่ได้ประสบด้วยตัวเองเข้าใจ

ทำไมช่องว่างจึงมีอยู่

Karpathy ระบุเหตุผลเชิงโครงสร้างสองประการว่าทำไมความสามารถ AI จึงพัฒนาไม่เท่ากัน:

1. การเรียนรู้แบบเสริมแรงทำงานได้ดีที่สุดกับรางวัลที่ตรวจสอบได้

งานเช่นการเขียนโค้ด คณิตศาสตร์ และการวิจัยมีเกณฑ์ความสำเร็จที่ชัดเจน — โค้ด compile ได้ไหม? test ผ่านไหม? หลักฐานถูกต้องไหม? โดเมนเหล่านี้เหมาะกับการฝึก RL โดยธรรมชาติ ซึ่งโมเดลจะได้รับ feedback ที่ชัดเจนว่าสำเร็จหรือไม่

งานเช่นการเขียน คำแนะนำ และการสนทนาประเมินได้ยากมากอย่างเป็นกลาง จึงพัฒนาช้ากว่า

2. มูลค่า B2B ขับเคลื่อนการจัดสรรทรัพยากร

โอกาสรายได้ที่ใหญ่ที่สุดอยู่ในโดเมนทางเทคนิค/วิชาชีพ บริษัท AI จึงโฟกัสทีมที่ดีที่สุดที่นั่น ฟีเจอร์ที่เน้นผู้บริโภคเช่น voice mode ได้รับการลงทุนน้อยกว่าเมื่อเทียบกับผลิตภัณฑ์ B2B ที่สร้างรายได้มากที่สุด

ปัญหาการแปล

ผลลัพธ์คือความตัดตอนที่แปลกประหลาด มันเป็นความจริงพร้อมกันว่า:

ผู้ช่วย AI voice ฟรีจะพลาดคำถามพื้นฐานใน Instagram reels ของคุณ
AI agentic ที่เสียเงินจะใช้เวลาหนึ่งชั่วโมงในการจัดโครงสร้าง codebase ทั้งหมดอย่างสอดคล้อง

ทั้งสองเกิดขึ้นในปี 2026 แต่คนในกลุ่ม 1 เห็นแค่อย่างแรก คนในกลุ่ม 2 เห็นแค่อย่างหลัง และเมื่อพวกเขาพยายามพูดคุยกันเรื่อง “AI” พวกเขากำลังอธิบายเทคโนโลยีที่แตกต่างกันโดยสิ้นเชิง

วิธีข้ามช่องว่าง

ถ้าคุณอยู่ในกลุ่ม 1 เส้นทางสู่กลุ่ม 2 ไม่ได้เกี่ยวกับการจ่ายเงิน 200 ดอลลาร์ต่อเดือนสำหรับ chatbot อื่น แต่เกี่ยวกับการเปลี่ยน วิธีการ ใช้ AI — จาก Q&A แบบสุ่มสู่การทำงานความรู้แบบมีโครงสร้าง

นี่คือสิ่งที่แยกสองกลุ่มในทางปฏิบัติ:

พฤติกรรมกลุ่ม 1:

เปิด ChatGPT ถามคำถาม อ่านคำตอบ
ไม่มี context คงทนระหว่าง session
AI เริ่มต้นจากศูนย์ทุกครั้ง
ตัดสิน AI จากความล้มเหลวที่เลวร้ายที่สุด

พฤติกรรมกลุ่ม 2:

สร้างฐานความรู้ที่ AI สามารถอ้างอิง
ให้ AI เข้าถึงไฟล์โปรเจค เอกสาร และงานวิจัย
ใช้ AI เป็นเพื่อนร่วมงานที่มีความจำ ไม่ใช่เสิร์ชเอนจิน
ตัดสิน AI จากความสามารถที่ดีที่สุด

ข้อมูลเชิงลึกสำคัญ: คุณภาพของ output AI สัดส่วนโดยตรงกับคุณภาพของ context ที่คุณให้

การสร้าง Context: ชั้นที่ขาดหายไป

นี่คือจุดที่คนส่วนใหญ่ติดขัด พวกเขาได้ยิน “ให้ context ที่ดีขึ้นแก่ AI” และคิดว่าหมายถึงการเขียน prompt ยาวขึ้นหรือใช้เวลาอธิบายมากขึ้น นั่นคือวิธี brute-force วิธีที่ฉลาดกว่าคือการสร้าง ชั้นความรู้คงทน ที่ AI สามารถเข้าถึงโดยอัตโนมัติ

นี่คือลักษณะในทางปฏิบัติ:

บันทึกงานวิจัยเว็บเป็น Markdown ที่มีโครงสร้าง — แทนที่จะบุ๊กมาร์กหน้าหรือคัดลอกข้อความเข้าเอกสาร แปลงเนื้อหาทั้งหมดเป็น Markdown ที่สะอาด วิธีนี้เก็บรักษาข้อมูลในรูปแบบที่เครื่องมือ AI ใด ๆ สามารถรับได้
จัดระเบียบในฐานความรู้ที่ค้นหาได้ — จัดกลุ่มเนื้อหาที่บันทึกตามโปรเจค หัวข้อ หรือพื้นที่การวิจัย วิธีนี้ให้ AI ความสามารถในการค้นหา context ที่เกี่ยวข้องโดยที่คุณไม่ต้องจำว่าบันทึกอะไร
เชื่อมต่อ AI กับความรู้ของคุณ — เครื่องมืออย่าง MCP (Model Context Protocol) ให้ Claude ค้นหาและอ้างอิงเนื้อหาที่บันทึกของคุณโดยตรง เมื่อคุณถามคำถาม Claude จะตรวจสอบฐานความรู้ของคุณก่อน โดยยึดคำตอบกับงานวิจัยที่คัดเลือกไว้ ไม่ใช่ข้อมูลการฝึกทั่วไป

นี่คือเวิร์กโฟลว์ที่ Save เปิดใช้งาน ทุกหน้าเว็บที่คุณบันทึกกลายเป็นไฟล์ Markdown ในฐานความรู้ในเครื่อง เซิร์ฟเวอร์ MCP ในตัวของ Save Vault เชื่อมต่อมันกับ Claude ผู้ช่วย AI ของคุณตอนนี้มีสิทธิ์เข้าถึงทุกสิ่งที่คุณอ่านและวิจัย

ผลสะสม

ช่องว่างระหว่างกลุ่ม 1 และกลุ่ม 2 ไม่ได้เกี่ยวกับโมเดลที่คุณใช้เท่านั้น แต่เกี่ยวกับ context สะสม ที่คุณสร้างมาตลอดเวลา

นักพัฒนาที่บันทึกเอกสาร คำตอบ Stack Overflow และบทความสถาปัตยกรรมมาหกเดือน มีผู้ช่วย AI ที่เข้าใจ codebase stack และปัญหาเฉพาะของพวกเขา ผู้ใช้ทั่วไปที่เปิด ChatGPT ใหม่ทุกครั้งมีเครื่องมือทั่วไปที่ไม่รู้อะไรเกี่ยวกับงานของพวกเขา

นี่คือเหตุผลที่การสังเกตของ Karpathy มีความสำคัญนอกเหนือจากวัฏจักร AI hype ช่องว่างความสามารถไม่ได้ลดลง — มันกำลังขยายตัว และเส้นแบ่งไม่ใช่ทักษะทางเทคนิคหรืองบประมาณ แต่เป็นว่าคุณกำลังสร้างแนวปฏิบัติความรู้ที่มีโครงสร้างรอบ AI หรือปฏิบัติต่อมันเป็นเสิร์ชเอนจินที่ยกระดับ

เริ่มวันนี้

คุณไม่จำเป็นต้องจ่าย 200 ดอลลาร์ต่อเดือนเพื่อเริ่มข้ามช่องว่าง คุณต้องเริ่ม บันทึกและจัดระเบียบ ความรู้ที่คุณพบเจออยู่แล้วทุกวัน:

ติดตั้ง Save และเริ่มแปลงหน้าเว็บที่มีประโยชน์เป็น Markdown ขณะเบราว์ซิง
สร้างฐานความรู้ สำหรับพื้นที่งานหรือความสนใจหลักของคุณ
เชื่อมต่อ Claude ผ่านเซิร์ฟเวอร์ MCP ของ Save Vault เพื่อให้ผู้ช่วย AI สามารถอ้างอิงเนื้อหาที่บันทึก
สม่ำเสมอ — บันทึก 2-3 หน้าต่อวันและดูฐานความรู้ของคุณสะสม

ภายในหนึ่งเดือน คุณจะมีชั้นความรู้ส่วนตัวที่ทำให้ทุกการโต้ตอบกับ AI ดีขึ้นอย่างพื้นฐาน นั่นคือความแตกต่างระหว่างกลุ่ม 1 และกลุ่ม 2 — และมันเริ่มต้นที่วิธีที่คุณบันทึกความรู้ ไม่ใช่โมเดลที่คุณจ่ายเงินสำหรับ

Save แปลงหน้าเว็บใด ๆ เป็น Markdown ที่สะอาดด้วยคลิกเดียวและเก็บไว้ในฐานความรู้ในเครื่อง ด้วยเซิร์ฟเวอร์ MCP ของ Save Vault Claude จะค้นหาเนื้อหาที่บันทึกก่อนตอบ ลอง Save ฟรี