ความเจ๋งคือแทนที่จะต้องไปค้นพระไตรปิฎกเองให้เหนื่อย ก็ไม่ต้องล่ะ ใช้วิธีตั้งคำถามกับ DeepSeek แล้วให้มันประมวลพระไตรปิฎกเอามาตอบให้เป็นภาษาง่าย ๆ แทน

พอคุยเสร็จแล้วก็เลยคิดว่า ถ้าในทางวิทยาศาสตร์สามารถจะนิยามปรากฎการณ์ทางธรรมชาติด้วยสมการคณิตศาสตร์ได้ งั้นจะน่าจะนิยามคำสอนในศาสนาพุทธด้วยสมการคณิตศาสตร์ได้เหมือนกัน

เรื่องแบบนี้ไปคุยในกระทู้พันทิปไม่ได้ ที่นั่นมีสองห้อง ห้องนึงคุยวิทยาศาสตร์ล้วน อีกห้องคุยด้านศาสนาล้วน โผล่เข้าไปห้องไหน เอาสองเรื่องนี้ไปคุยรวมกันเมื่อไหร่ วงแตกออกทะเลกันไปคนล่ะทางกันหมด

เพื่อให้ดูเป็นหลักเป็นการ ไม่เล่าอย่างเลื่อนลอย ผมกับ DeepSeek ก็เลยร่วมกันเขียนเปเปอร์งานวิจัยขึ้นมา โดยผมเป็นคนเสนอสมมติฐานมากมายเพื่อให้ DeepSeek ประมวลผล เมื่อได้ข้อสรุประดับนึงจึงสั่งให้ DeepSeek เขียนเปเปอร์ขึ้นมา แล้วผมก็มาตรวจ ๆ แก้ ๆ อีกทีนึง

เปเปอร์ดังกล่าวเผยแพร่อยู่ในบล็อกนี้เท่านั้น ไม่ได้ถูกตรวจสอบโดยผู้ทรงภูมิปัญญาใด ๆ ดังนั้น ให้อ่านเอาสนุก ยังเชื่อไม่ได้

A Bayesian Network Model of Karmic Rebirth: Formalizing Consciousness, Realm Existence, and Liberation in Buddhist Philosophy คือ เปเปอร์งานวิจัยที่ผมกำลังพูดถึง เป็นการประยุกต์ Hidden Markov Model เพื่อเอามาอธิบาย จิต กรรม ตัวตน การเกิดใหม่ และ นิพพาน มันเป็นเปเปอร์งานวิจัยที่ถูกเผยแพร่ที่บล็อกแห่งนี้เท่านั้น ไม่ได้เผยแพร่ที่วารสาร Nature หรือ Science ดังนั้น บอกเลยว่ายังเชื่อไม่ได้

ผมว่าจะหมกมุ่นแนวนี้อีกสักพัก มันมีหลายคำถามที่ผมยังคาใจเกี่ยวกับจักรวาลวิทยาในมุมมองของศาสนาพุทธอยู่ ผมว่าความลับทางโลกหลายอย่างมันถูกซ่อนอยู่ในพระไตรปิฎกนั่นแหล่ะ ต้องลองไปหากันดู

Computing Curricula 2005 คือความร่วมมือระหว่างองค์กร ACM, AIS และ IEEE ในปี ค.ศ. 2005 เพื่อร่วมกันจัดแบ่งสาขาวิชาทางคอมพิวเตอร์ออกเป็นสาขาใหญ่ ๆ แบ่งตามความแตกต่างหลาย ๆ อย่าง และสุดท้ายก็แบ่งออกมาได้เป็น 5 สาขาใหญ่ คือ CE (Computing Engineering), CS (Computer Science), IS (Information System), IT (Information Technology) และ SE (Software Engineering) จุดประสงค์เพื่อให้การจัดการเรียนการสอนในวิชาทางคอมพิวเตอร์ของวิทยาลัย หรือ มหาวิทยาลัยต่าง ๆ ง่ายขึ้น เทียบกันได้สอดคล้องกันในระดับนานาชาติ

ACM

แต่บอกเลยว่าไม่มีเวลา ได้แต่คิด!!!

และหลังจากผ่านเวลามาหลายเพลา ในที่สุดวันนี้ก็มีเวลาจนได้!

วิธีทำก็ไม่ยาก (แต่ใช้เวลานิดนึง) คือ ต้องใช้โปรแกรม Adobe Photoshop เข้าช่วย บวกกับทักษะในการแต่งภาพนิดหน่อย วัดให้ตรงอีกนิดนึง ก็ทำออกมาได้แล้ว

เริ่มแรก เอาสาขาวิชาทางคอมพิวเตอร์ มาจัดหมู่ 2 สาขาให้ดูกันก่อน

1. Computing Curricula แบบจัดหมู่ 2 สาขา

1.1 Computer Engineering vs Computer Science

1.2 Computer Engineering vs Information System

1.3 Computer Engineering vs Information Technology

1.4 Computer Engineering vs Software Engineering

1.5 Computer Science vs Information System

1.6 Computer Science vs Information Technology

1.7 Computer Science vs Software Engineering

1.8 Information System vs Information Technology

1.9 Information System vs Software Engineering

1.10 Information Technology vs Software Engineering

ทีนี้พอผมย้อมสีภาพและจัดหมู่ 2 สาขาไปแล้ว ผมก็เริ่มคิดว่า ผมน่าจะลองจัดหมู่ 3 สาขาบ้างดีกว่า ซึ่งก็เป็นดังชุดภาพข้างล่างนี้

2. Computing Curricula แบบจัดหมู่ 3 สาขา

2.1 Computer Engineering vs Computer Science vs Information System

2.2 Computer Engineering vs Computer Science vs Information Technology

2.3 Computer Engineering vs Computer Science vs Software Engineering

2.4 Computer Engineering vs Information System vs Information Technology

2.5 Computer Engineering vs Information System vs Software Engineering

2.6 Computer Engineering vs Information Technology vs Software Engineering

2.7 Computer Science vs Information System vs Information Technology

2.8 Computer Science vs Information System vs Software Engineering

2.9 Computer Science vs Information Technology vs Software Engineering

2.10 Information System vs Information Technology vs Software Engineering

โอเค เอาที่ย้อมสีและจัดหมู่ออกมาให้ดูเรียบร้อยล่ะ!!!

ทีนี้มาตรวจสอบวัตถุประสงค์ดีกว่า ว่าตกลงผมทำไปทำไม?

จริง ๆ แล้วผมทำเพื่อจะแสดงให้เห็นว่า ถึงแม้วิชาทางคอมพิวเตอร์มันจะไม่ได้กว้างอะไร และดูผิวเผินแล้วมันก็เหมือน ๆ กัน แต่เอาเข้าจริงแม้แต่องค์กรชั้นนำเขาก็เห็นว่ามันมีความไม่เหมือนกันในหลาย ๆ มิติ จนกระทั่งเขาตัดสินใจแบ่งสาขาออกมาได้เป็น 5 สาขา และในปีนี้เรื่อยไปจนปีต่อ ๆ ไปอาจจะเพิ่มไปอีก 6-7 สาขา เนื่องจากการเติบโตขึ้นของสาขาทางคอมพิวเตอร์ด้าน Cybersecurity และ Data Science!!!

คนที่จบมาจากแต่ล่ะสาขาทางคอมพิวเตอร์ก็จะเก่งไม่เหมือนกัน บางคนอาจจะขยายเข้าไปในขอบเขตของสาขาทางคอมพิวเตอร์อื่นได้ แต่ไม่ใช่ทั้งหมด มันเป็นไปได้ แต่เป็นไปได้ยาก ดังนั้น การจัดทีมทำงานจึงเป็นทางเลือกที่เหมาะสมทางหนึ่งจากหลาย ๆ ทาง ที่เราจะเติมเต็มทักษะที่ขาดหายไปของคนทำงานได้

นี่จึงเป็นวัตถุประสงค์ที่มีนัยยะสำคัญ การอธิบายด้วยคำพูด มันไม่เหมือนกับการแสดงออกมาเป็นรูปภาพ รูปภาพมันมีความหมายในตัวเอง ถ้าเราย้อนกลับไปดูในภาพข้างบน แล้วเรามีเรื่องที่จะต้องจัดทีมทำงานทางคอมพิวเตอร์ 2 คนบ้าง 3 คนบ้าง เพื่อจะทำให้งานหนึ่ง ๆ สำเร็จ เราก็จะรู้ทันทีว่าด้วยลักษณะงานนั้น ๆ เราควรจะเอาคนในสาขาทางคอมพิวเตอร์ใด มาจัดหมู่ร่วมทีมกัน

ถ้างานที่ต้องทำเป็นงานด้านทฤษฎี ก็ต้องจัดหมู่แบบนึง ถ้าเป็นงานด้านปฏิบัติ ก็ต้องจัดหมู่อีกแบบนึง

หรือถ้างานที่ต้องเข้าถึงแก่นของเครื่องจักร ก็ต้องจัดหมู่แบบนึง และถ้าเป็นงานเรียบเรียงประเด็นปัญหาของผู้ใช้งาน ก็อาจต้องจัดหมู่อีกแบบนึง เป็นต้น

ในขณะเดียวกัน การจัดหมู่ 2 สาขา หรือ จัดหมู่ 3 สาขา ก็อาจจะมีข้อดีข้อเสียแตกต่างกัน ขึ้นกับบริบท เพราะบางครั้งการจัดหมู่ 3 สาขาแล้วจัดผิด ก็อาจทำให้พังมากกว่าสำเร็จ ก็เป็นได้!!!

โดยสรุป ไม่มีอะไรมาก ผมแค่อยากจัดหมู่เล่น ๆ แล้วก็ใส่สีให้สวย ๆ ก็เท่านั้นแหล่ะ ส่วนย่อหน้าข้างบน ๆ เป็นแค่ข้ออ้างเท่านั้นเอง 555

หนังสือ 2 เล่ม ตีพิมพ์ห่างกันสามสิบกว่าปี โดย อัลวิน ทอฟฟ์เลอร์ อธิบายคลื่นลูกที่สามในภาพใหญ่ ส่วนของ สตีฟ เคส อธิบายขยายความคลื่นลูกที่สามลงไปในภาพย่อย

ถ้าเอาแนวคิดคลื่นลูกที่สามของ อัลวิน ทอฟฟ์เลอร์ กับของ สตีฟ เคส มารวมกัน ก็จะเป็นไปตามหัวข้อข้างล่างนี้

• คลื่นลูกที่หนึ่ง สังคมเกษตรกรรม การเป็นเจ้าของและครอบครองที่ดินและแหล่งผลิตเกษตรกสิกรรมนั้นถือเป็นกุญแจสร้างความมั่งคั่งทางเศรษฐกิจเป็นสำคัญสุด
• คลื่นลูกที่สอง ยุคหลังการปฏิวัติอุตสาหกรรม การขยายตัวทางการค้าและการเติบโตทางเศรษฐกิจอย่างมากหลาย ภายใต้แรงขับดันจากเทคโนโลยีเครื่องจักรเป็นองค์ประกอบสำคัญ
• คลื่นลูกที่สาม ยุคของการปฏิวัติข้อมูลข่าวสาร การเชื่อมโยงและเข้าถึงข้อมูลจากทุกแห่งหน ภายใต้การเชื่อมโยงองค์ประกอบพื้นฐานที่ต้องมีเทคโนโลยีเข้ามารองรับทั้งเครื่องคอมพิวเตอร์และโครงสร้างโทรคมนาคม
  • คลื่นลูกที่สาม ระลอกที่หนึ่ง เป็นยุคของการสร้างโครงสร้างและฐานรากของโลกอินเทอร์เน็ต
  • คลื่นลูกที่สาม ระลอกที่สอง เป็นยุคที่มีบริษัทเริ่มตั้งตัวจากอินเทอร์เน็ต
  • คลื่นลูกที่สาม ระลอกที่สาม เป็นยุคที่อินเทอร์เน็ตกลายเป็นสิ่งจำเป็นสำหรับชีวิตประจำวัน ขาดอินเทอร์เน็ตไปแล้วจะทำให้กิจการเสียความสามารถในการแข่งขันและผู้บริโภคเสียประโยชน์

ที่มา : The Third Wave ถอดรหัสคลื่นลูกที่สาม

จากหัวข้อข้างบน หัวข้อใหญ่คือแนวคิดของ อัลวิน ทอฟฟ์เลอร์ ส่วนหัวข้อย่อยคือแนวคิดของ สตีฟ เคส

จริง ๆ แล้วในหนังสือคลื่นลูกที่สามของ อัลวิน ทอฟฟ์เลอร์ ไม่ได้เขียนว่าคลื่นลูกที่สามเป็นเรื่องของคอมพิวเตอร์และโครงสร้างโทรคมนาคมแต่เพียงเท่านั้น ยังได้อ้างถึงความก้าวหน้าอื่น เช่น นาโนเทคโนโลยี พันธุวิศวกรรม วัสดุศาสตร์ และ การพัฒนาด้านสมุทรศาสตร์ ว่าเป็นส่วนหนึ่งของคลื่นลูกที่สามด้วยเช่นกัน

แต่เนื่องจากว่าคอมพิวเตอร์ แท็ปเลต มือถือ โทรคมนาคม และอินเทอร์เน็ต มันเป็นเรื่องใกล้ตัวเรามาก ๆ และส่งผลต่อโลกในวงกว้าง ดังนั้น มันเลยกลายเป็นตัวแทนของคลื่นลูกที่สามไปโดยปริยาย

ในอนาคตข้างหน้า เมื่อนาโนเทคโนโลยี พันธุวิศวกรรม วัสดุศาสตร์ และ การพัฒนาด้านสมุทรศาสตร์ มีความก้าวหน้ามากขึ้นเรื่อย ๆ เราก็จะได้เห็นคลื่นลูกที่สามระลอกอื่น นอกเหนือจากระลอกทางด้านคอมพิวเตอร์ โทรคมนาคม และ อินเทอร์เน็ต

คิดว่าเมื่อถึงตอนนั้นคำว่า คลื่นลูกที่สาม คงต้องถูกนิยามกันใหม่อีกครั้ง

ยุคนี้ไม่เหมือนเมื่อก่อนที่เราสามารถโฟกัสทักษะการเขียน Application ได้ แต่เดี๋ยวนี้มันไม่ใช่แล้ว เพราะอุปกรณ์มันหลากหลายมากขึ้น แล้วมันก็มีอะไร ๆ ที่ซ้อนทับมากขึ้นด้วย

เพื่อให้ชำนาญอะไรซักอย่างนึง โปรแกรมเมอร์หรือนักพัฒนาซอฟต์แวร์เลยต้องเลือกว่าจะถนัดในการสร้าง Application แบบไหน เพราะแต่ล่ะแบบก็มีการแตกแขนงในแบบของมันเยอะแยะ ต้องเรียนรู้อะไร ๆ เยอะแยะ เพื่อให้ Application ที่ทำออกมาดี

ผมก็เลยทำตารางข้างล่างนี้ขึ้นมาเพื่อให้เห็นว่า โดยกว้าง ๆ แล้วหากต้องโฟกัสความชำนาญด้านการพัฒนา Application มันจะมี Application ตามชื่อเรียกยังไงบ้าง

อย่างตัวผมเอง เดิมเคยชำนาญมากในการพัฒนา Enterprise Application และ Desktop Application เพื่อใช้งานบน Server/PC/Notebook

ถัดมาผมก็เพิ่มความชำนาญในการพัฒนา Web Application ในยุค HTML+CSS และ HTML+CSS+AJAX เพื่อใช้งานบน PC/Notebook

แต่ภายหลังผมก็เริ่มตามไม่ทัน ผมไม่ได้ตามไปกับยุค HTML+CSS+AJAX Framework และไม่ได้ตามไปกับยุค Web Application แบบ Responsive

ที่บ๊วยกว่าก็คือ ผมไม่ได้เข้าไปอยู่ในกระแสการพัฒนา Mobile Application เลย ไม่ว่าจะเป็นบน iOS หรือ Android!!!

ส่วน Embedded Application นั้น มันไกลตัวผมอยู่แล้ว อันนี้ละไว้ในฐานที่เข้าใจ!

สำหรับสาเหตุที่ตามไม่ทัน ก็อย่างที่บอกไปข้างบน คือ ต้องหันไปทำทางอื่นแทน!!!

ถ้าตอนนี้ต้องกลับไปรื้อฟื้นการพัฒนา Application ผมก็คงจะเอาดีด้าน Enterprise Application บน Cloud/Server แทน เพราะมันสอดคล้องกับงาน Back-end ที่ใช้รับส่งข้อมูลจาก Front-end ซึ่งเป็น Web Application หรือ Mobile Application ที่กำลังได้รับความนิยมอยู่ในขณะนี้

ทุกวันนี้มีแต่ประเทศสหรัฐอเมริกาที่ส่งยานอวกาศสำรวจระหว่างดวงดาว ในขณะที่ประเทศมหาอำนาจอื่นเน้นไปกับการสำรวจโลกของเราซะมากกว่า ซึ่งที่ผ่านมาการสำรวจอวกาศโดยการใช้ยานอวกาศ มักมีข้อติดขัดในด้านความเร็วและการสื่อสาร

มันคงเป็นเรื่องยากที่จะให้ยานอวกาศเดินทางได้เร็วมาก ๆ ในขณะเดียวกัน มันก็เป็นเรื่องยากอีกเช่นกันที่จะให้ภาคพื้นโลกสามารถติดต่อกับยานอวกาศได้ด้วยระยะเวลาอันสั้น

ทั้งหมดทั้งมวลมันเป็นปัญหาบนพื้นฐานเดียวกัน คือ ไม่มีอะไรเดินทางได้เร็วกว่าแสง แปลว่าบนทฤษฎีนี้ ยานอวกาศก็ไม่มีทางไปได้เร็วกว่าแสง ในขณะที่คลื่นแม่เหล็กไฟฟ้าที่ใช้สื่อสารระหว่างภาคพื้นโลกกับยานอวกาศ ก็ไม่มีทางเดินทางได้เร็วกว่าแสงอีกเช่นกัน

มีความพยายามแก้ไขปัญหาสองเรื่องนี้

เรื่องแรกคือการสร้างยานอวกาศให้สามารถดึงกาลอวกาศเบื้องหน้า แล้วผลักกาลอวกาศไปเบื้องหลัง เพื่อให้มันไปได้เร็วกว่าความเร็วแสง และไม่ขัดแย้งกับทฤษฎีสัมพัทธภาพพิเศษของไอน์สไตน์

ในขณะที่เรื่องสองคือการใช้ความพัวพันเชิงควอนตัม ที่ซึ่งอนุภาคสองอนุภาคจะมีความพัวพันต่อกัน และถึงแม้ปุบปับอนุภาคสองอนุภาคจะถูกย้ายไปอยู่คนล่ะซีกเอกภพ มันก็คงยังคงมีความพัวพันต่อกันอยู่ ซึ่งด้วยคุณสมบัตินี้ จะทำให้การสื่อสารแบบทันทีทันใดระหว่างยานอวกาศและภาคพื้นโลกเป็นไปได้

ผมคิดว่าภารกิจในการสำรวจอวกาศ จะพึ่งพาจักรกลเพียงอย่างเดียวก็ไม่ได้ มันต้องมีมนุษย์เข้าไปเกี่ยวข้องด้วย ยิ่งถ้าต้องไปไกล ๆ ยิ่งแล้วใหญ่ ดังนั้น หากว่าในอนาคตสามารถแก้ปัญหาเรื่องความเร็วของยานอวกาศและความเร็วในการสื่อสารได้แบบที่ยกกรณีตัวอย่างข้างบน ผมก็คิดว่ามนุษย์ควรต้องโดยสารยานอวกาศที่ว่าไปด้วย โดยรูปแบบที่ผมคิดก็คือ ….

การสร้างยานอวกาศขนาดเท่ารถบัส โดยมีเครื่องยนต์ที่สามารถดึงกาลอวกาศเบื้องหน้า แล้วผลักกาลอวกาศไปด้านหลัง แบบเครื่องยนต์วาร์ป ภายในยานมีระบบสื่อสารแบบพัวพันเชิงควอนตัมเต็มรูปแบบ เพื่อจะสื่อสารระหว่างยานอวกาศและภาคพื้นโลกได้แบบทันทีทันใด

ทีนี้เรื่องของนักบินอวกาศ คืองี้ ปรกติเรามักจะสร้างยานพาหนะให้มันใหญ่กว่าตัวมนุษย์ถูกมั้ยครับ และมนุษย์อย่างพวกเราก็ตัวไม่ใช่เล็ก ๆ เหมือนกัน ซึ่งถ้ายานอวกาศมันขนาดเท่ารถบัส แล้วมีมนุษย์เข้าไปอยู่ 3 -4 คน เราก็จะรู้สึกว่ายานอวกาศมันก็ไม่ใหญ่อะไรมากมายถูกมั้ยครับ?

งั้นทำไมเราไม่คิดย้อนกลับว่า ถ้าเปลี่ยนเป็นให้นักบินอวกาศตัวเล็กเท่าพัดลมตั้งโต๊ะล่ะจะเป็นยังไง พื้นที่ใช้สอยของยานอวกาศที่มีขนาดเท่ารถบัส ก็จะกลายเป็นใหญ่โตเลยเมื่อเทียบกับนักบินตัวเล็ก ๆ จริงมั้ยครับ? และมันก็เท่ากับว่าต้นทุนในการสร้างยานอวกาศก็จะถูกลงมาก ๆ เลยล่ะ!!!

ดังนั้น ผมคิดว่าเรื่องนักบินที่ไปกับยานอวกาศ ควรเป็นงี้ คือ สร้างเป็นหุ่นอวตารขึ้นมา ให้ตัวเล็กเท่าพัดลมตั้งโต๊ะ แล้วให้มันสื่อสารกับภาคพื้นดินด้วยความพัวพันเชิงควอนตัม และที่พื้นโลกก็มีระบบสวมอวตาร เพื่อให้มนุษย์จริง ๆ สวมใส่ เพื่อจะบังคับหุ่นอวตารบนยานอวกาศได้ ซึ่งหากทำแบบนี้ได้ นักบินอวกาศตัวจริงก็ไม่มีความเสี่ยง แถมยังสามารถผลัดเวรยาม เพื่อมาสวมอวตารแทนกัน เพื่อบังคับหุ่นอวตารได้อีกด้วย!!!

ในขณะเดียวกัน เพื่อเป็นการประกันความเสี่ยง บนยานอวกาศก็ต้องมีหุ่นยนต์เอไอที่มีรูปร่างเหมือนคน มีความฉลาดใกล้คน และตัวเล็กเท่าพัดลมตั้งโต๊ะเหมือนกัน เพื่อทำโน่นทำนี่แทนมนุษย์ ในกรณีที่เกิดการขาดการติดต่อระหว่างยานกับภาคอื้น

ส่วนตัวผมคิดว่า ระหว่างเครื่องยนต์วาร์ปกับการสื่อสารเชิงควอนตัม ผมให้ภาษีกับการสื่อสารเชิงควอนตัมมากกว่า เพราะหากทำได้จริง การสำรวจดาวเคราะห์ในระบบสุริยะของเรา ด้วยวิธีที่ผมจินตนาการ จะทำให้การลงจอดบนพื้นผิวดาวเพื่อสำรวจอย่างใกล้ชิด มีความเสี่ยงต่ำและเกิดผลประโยชน์สูงอย่างแน่นอนครับ

เริ่มเลยแล้วกัน …

ที่ผ่านมาต้องยอมรับว่าสหรัฐอเมริกาเป็นที่หนึ่งในแทบทุกด้าน โดยเฉพาะด้านอุตสาหกรรมอิเล็กทรอนิกส์และคอมพิวเตอร์ ซึ่งมีทั้งฮาร์ดแวร์และซอฟต์แวร์ ตรงนี้สหรัฐอเมริกานำโด่งแทบทุกชาติ

อำนาจของสหรัฐอเมริกากำลังเสื่อม อันเกิดจากสาเหตุที่หากให้อธิบายเป็นภาษาชาวบ้านแบบง่าย ๆ ก็คือ ถังแตก หนี้สินล้นพ้นตัว เพื่อนฝูงทอดทิ้ง สร้างศัตรูรอบด้าน บ้าสงคราม และ ลำเอียงเข้าข้างแต่ยิว

สหรัฐอเมริกามีรายรับน้อยกว่ารายจ่าย ทำให้ต้องกู้เงินมาใช้สอย พิสูจน์ได้จากการที่ในแต่ล่ะปี รัฐสภาสหรัฐจำเป็นต้องอนุมัติเพดานหนี้ของประเทศเพิ่มขึ้นเรื่อย ๆ เพื่อกู้หนี้ใหม่มาใช้จ่าย และไม่มีทีท่าว่าจะใช้หนี้เก่าคืนได้แต่อย่างไร นำมาซึ่งสภาวะถังแตกและหนี้สินล้นพ้นตัว ที่สำคัญหนี้สินที่ติดค้าง มีส่วนน้อยเท่านั้นที่ติดหนี้ต่างประเทศ ส่วนใหญ่ติดหนี้คนในชาติตัวเอง ผ่านกองทุนต่าง ๆ มูลค่ามากมายมหาศาล

นอกจากนี้ ทั้ง ๆ ที่ถังแตกมีหนี้สินล้นพ้นตัวแล้ว สหรัฐยังสร้างศัตรูรอบด้าน บนพื้นฐานของการลำเอียงเข้าข้างยิว โดยการใช้จ่ายเพื่อค้าสงครามให้ยิวมีความได้เปรียบในเวทีโลก นำมาซึ่งการถังแตกซ้ำซ้อน จนกระทั่งไม่มีเงินใช้จ่าย

เมื่อสหรัฐมีเบี้ยน้อยหอยน้อย แต่อยากทำสงคราม ก็จะต้องลากเอาพรรคพวกเพื่อนฝูงเข้ามาร่วมทำสงครามด้วย ซึ่งพรรคพวกก็หวังว่าหากเข้าร่วมสงครามด้วยแล้ว การค้าจะเป็นไปได้ด้วยดี เพราะสหรัฐอเมริกาคือ “ผู้ซื้อ” รายใหญ่ที่สุดของโลก

แต่เรื่องจริงไม่ใช่แบบนั้น สหรัฐถังแตกแล้ว ดังนั้น เหตุการณ์ที่ตามมาคือรัฐบาลสหรัฐสั่งตั้งกำแพงภาษีในสินค้านำเข้าต่าง ๆ เพื่อหวังผลสองเด้ง เด้งแรกจะได้มีรายได้เพิ่มขึ้นจากภาษี และเด้งสองคือลดการนำเข้าจะได้มีรายจ่ายน้อยลง

ผลที่เกิดขึ้นคือ พรรคพวกพันธมิตรของสหรัฐก่นด่ากันเป็นแถว ถึงขนาดยืนค้ำหัวคุยกันเลยทีเดียว ว่าตกลงสหรัฐจะเอายังไง!!!

จริง ๆ แล้วสหรัฐสามารถพิมพ์ดอลลาร์ออกมาได้เรื่อย ๆ โดยไม่ต้องมีทองคำค้ำประกันก็ได้ เพราะมีแสนยานุภาพทางทหารและบ่อน้ำมันที่ยึดเอาไว้ค้ำประกันอยู่แล้ว แต่เหตุการณ์มันกำลังเปลี่ยนไป เพราะหากตัวแปรใดตัวแปรหนึ่งเสียไป ไม่ว่าจะเป็น …

• สหรัฐไม่มีเงินมาสนับสนุนแสนยานุภาพทางทหารเพราะถังแตก
• ไม่มีใครค้าขายกันด้วยดอลลาร์แล้ว จนทำให้ดอลลาร์หมดค่า
• สหรัฐเสียอำนาจในการคุมบ่อน้ำมันไปให้ชาติอื่น
• ไม่มีใครใช้น้ำมันและเปลี่ยนไปใช้แบตเตอรี่แทน

ตัวแปรเหล่านี้หากเสียหายไป ย่อมทำให้การพิมพ์ดอลลาร์อย่างไม่จำกัดของสหรัฐ สะดุดหยุดลงอย่างมีนัยสำคัญ และเมื่อรัฐบาลง่อนแง่น ก็จะส่งผลต่อเนื่องไปจนถึงบริษัทเอกชนต่าง ๆ เป็นโดมิโน่

เป็นที่รู้กันโดยทั่วไปว่า ไม่ว่าใครก็ตามที่มีเงินร่ำรวย ก็ล้วนสามารถพัฒนาอะไร ๆ ให้ก้าวหน้าได้ โดยการใช้เงินที่มีเพื่ออุดหนุนอุตสาหกรรมและการวิจัยต่าง ๆ ให้พัฒนารุดหน้ายิ่ง ๆ ขึ้นไปอีก

แต่สำหรับสหรัฐใน พ.ศ. นี้ การที่ตกอยู่ในสภาวะถังแตก มีหนี้สินล้นพ้นตัว ย่อมมีโอกาสทำให้ความเป็นผู้นำในหลาย ๆ ด้านถูกแทนที่ได้

ซึ่งในขณะที่ความเป็นผู้นำในหลาย ๆ ด้านกำลังถูกแทนที่ แต่ในหลาย ๆ ด้านก็ยังไม่ถูกแทนที่ เราลองมาไล่เรียงกันดีกว่าว่า ด้านใดบ้างที่สหรัฐยังคงเป็นผู้นำอยู่ และด้านใดบ้างที่ถูกแทนที่ไปแล้ว หรือมีโอกาสถูกแทนที่ได้ในอนาคต

1. ด้านแสนยานุภาพทางทหาร ถ้าไม่นับนิวเคลียร์ ถือได้ว่ากองทัพของสหรัฐทั้งใหญ่และไฮเทคที่สุด แต่ถ้านับอาวุธนิวเคลียร์ รัสเซียเขาบอกเลยว่า แสนยานุภาพทางทหารของเขาเหนือกว่า

2. ด้านการเป็นโรงงานผลิตสินค้าอุปโภคบริโภค ตอนนี้จีนกลายเป็นโรงงานของโลกแทนที่สหรัฐไปแล้ว

จริง ๆ แล้ว ไม่ว่าจะเป็น Perceptron หรือ Multi-layer Perceptron หรือ Deep Learning ผมก็วิเคราะห์ว่า Big O น่าจะเท่ากับ Big O(LXN + LXN) ซึ่งก็หมายความว่ามันเป็นสมาชิกของคลาส Big O(N ^ 3)

โดย L = จำนวน Hidden Layer + Output Layer, X = จำนวน Node ใน Layer ถัดไป และ N = จำนวน Node ใน Layer ปัจจุบัน

และที่ต้องเอา LXN มาบวกกับ LXN ก็เพราะว่า LXN แรกคือเวลาในการคำนวณผล ส่วน LXN หลังคือเวลาในการป้อนค่่าน้ำหนักย้อนกลับ!!!

ดังนั้น ถ้าเรามองดี ๆ เราจะเห็นว่ากรณี Perceptron ซึ่ง L = 0+1 (ไม่มี Hidden Layer) และ X = 1 (Output Layer มีเพียง Node เดียว) ดังนั้น Big O ของ Perceptron คือ Big O(1*1*N + 1*1*N) หรือ Big O(2N)

สำหรับการวนตามจำนวน epoch เพื่อเรียนรู้ตาม dataset ที่มี ผมไม่นับใน Big O นะ ผมนับเฉพาะในส่วนของ Model เท่านั้น เดี๋ยวจะเข้าใจผิดกันว่ามันต้องมีลูปใหญ่อีกชั้นนึงตอนสอน Deep Learning แล้วทำไมถึงไม่นับใน Big O ด้วย!!!

ทั้งหมดที่ผมเกริ่น ๆ ขึ้นมา ผมแค่อยากจะบอกว่าการคำนวณ Deep Learning มันใช้เวลาเป็น Polynomial และมันต้องวนลูป 3 ชั้นสองครั้งขึ้นไป ซึ่งมันเป็นสิ่งที่กระทำได้ตามสภาพที่ Digital Computer จะเอื้ออำนวย

ผมเคยเล่าเรื่องความเร็วของ Quantum Computer เอาไว้ ผมบอกว่า Quantum Computer โดยกำเนิดแล้ว สามารถคำนวณทุกปัญหาได้ในเวลา Polynomial โดยต้องมีอัลกอริทึมที่เหมาะสม

ดังนั้น ต่อให้เป็นปัญหาที่คำนวณบน Digital Computer ซึ่งต้องคำนวณด้วยเวลา Exponential หรือ Factorial แต่ถ้ามีอัลกอริทึมที่เหมาะสม ก็สามารถคำนวณด้วยเวลา Polynomial ได้บน Quantum Computer!!!

และไม่ใช่ Polynomial แบบ Big O(N) หรือ Big O(N^C) ด้วยนะ แต่ Quantum Computer สามารถลดความเร็วลงได้ถึงระดับ Big O((Log N) ^ 2 (Log Log N) (Log Log Log N)) เลยทีเดียว (อันนี้ผมอ้างอิงจาก Paper การแยกตัวประกอบเฉพาะบน Quantum Computer ของ Peter Shor นะ )!!!

ทีนี้เราย้อนกลับมาเปรียบเทียบ จะเห็นว่า Deep Learning ใช้เวลาคำนวณในคลาส Big O(N ^ 3) ดังนั้น หากคิดค้นอัลกอริทึมที่เหมาะสมได้ ก็อาจสามารถลดความเร็วในการคำนวณบน Quantum Computer ให้อยู่ในคลาส Big O(Log N) หรือ Big O(N Log N) ได้เลยทีเดียว!!!

สรุปแล้ว อัลกอริทึมเป็นสิ่งสำคัญที่สุด มันต้องมีคนคิดค้นอัลกอริทึมสำหรับ Deep Learning บน Quantum Computer ให้ได้ก่อน ศักยภาพแห่งความเร็วโคตร ๆ จึงจะเกิดขึ้นได้ และเมื่อนั้น การสอน Deep Learning รวมทั้งการทำนายด้วย Deep Learning บน Quantum Computer จึงจะเป็นอะไรที่น่าตื่นตะลึงในความเร็วอย่างถึงที่สุดครับ

แต่ก็นั่นแหล่ะ ของมันเรียนมาแล้วแต่ไม่ได้ใช้นาน ๆ ก็มีลืม งั้นมาทบทวนกันหน่อยแล้วกัน

ผมเคยเจอตัวอย่างหนึ่ง เป็นการร่วมงานกันระหว่างหน่วยงานรัฐกับบริษัทเอกชน โดยบริษัทเอกชนเสนอว่าจะเอาโปรแกรมคอมพิวเตอร์มาติดตั้งในห้องดาต้าเซ็นเตอร์ของหน่วยงานรัฐ จุดประสงค์เพื่อจะมาอ่านข้อมูลภายในของหน่วยงานรัฐ แล้วส่งออกไปข้างนอกเพื่อประมวลผล

ก็ประชุมกันไปครับ เอาคนที่ทำด้านเครือข่าย เครื่องแม่ข่าย โปรแกรมคอมพิวเตอร์ และ ความมั่นคงปลอดภัย มานั่งคุยกัน คุยกันตั้งนานกว่าจะเข้าใจวิธีการทำงาน เพราะพวกเขาคิดว่า ต่างฝ่ายต่างรู้เรื่อง Push Technology กับ Pull Technology กัน เลยไม่ได้อธิบายให้ชัดว่าจะเลือกใช้วิธีไหนกัน

ที่ต้องคุยกันเยอะเพราะมันมีเรื่องของความมั่นคงปลอดภัย แต่ล่ะที่ก็มีนโยบายความปลอดภัยทางคอมพิวเตอร์แตกต่างกัน บางที่ก็มีประตูกันหลายชั้น บางที่ก็ไม่มีประตูกั้นเลย ส่วนบางที่ก็ยอมให้ออกได้อย่างเดียวห้ามต่อเข้า แต่บางที่ก็ยอมให้ต่อเข้าได้ ก็ต้องมาคุยกัน

Push Technology กับ Pull Technology เป็นเรื่องง่าย ๆ ด้านการสื่อสารข้อมูลผ่านเครือข่ายภายใน เครือข่ายภายนอก หรือเครือข่ายอินเทอร์เน็ตครับ ไม่สนว่าจะใช้โปรโตคอลอะไรเลยก็ยังได้ ขอแค่ปฏิบัติประมาณนี้ก็เรียกว่า Push Technology หรือ Pull Technology แล้ว

เริ่มแรก มาดูภาพที่ผมพยายามอธิบายเกี่ยวกับ Push Technology กันดีกว่า ผมไม่เขียนเยอะนะ ดูหลักการเอาจากรูปแล้วกันครับ

จากภาพข้างบนจะเห็นว่า หลักการ Push Technology คือ ถ้ามองตัวเราเป็น Server เราก็จะมีบทสนทนากับ Client ประมาณว่า

“เธอต่อเข้ามาหาฉันนะ แล้วเธอก็รับโน่นรับนี่จากฉันไปแล้วกัน อย่าบ่นล่ะ รับไปเฉย ๆ นิ่ง ๆ เธอไม่ต้องขอ ฉันให้เธอเอง”

ในขณะที่ถ้าเป็น Pull Technology จะเป็นยังไง โดยปรกติมันจะเป็นแบบภาพข้างล่างนี้ครับ ไม่อธิบายเยอะนะ ลองดูจากภาพเอา

ถ้าให้อธิบายภาพข้างบนของ Pull Technology เป็นบทสนทนา โดยมองว่าตัวเราเป็น Server แล้วคุยกับ Client ก็จะมีบทสนทนาประมาณว่า

“เธอต่อเข้ามาหาฉันนะ จากนั้นเธอก็บอกมาว่าเธอจะเอาอะไร แล้วถ้าฉันให้ได้ฉันก็ให้เธอเองแหล่ะ แต่ถ้าเธอไม่บอก ฉันก็จะเฉย ๆ นะ ถึงฉันคิดว่ามีสิ่งที่เธอต้องการ ฉันก็ไม่ส่งให้เธอหรอก”

ทีนี้ แบบข้างบนมันเป็น Pull Technology สองทิศทาง มันมีอีกแบบหนึ่งเป็นแบบทิศทางเดียว แบบข้างล่างนี้

ถ้าอธิบายเป็นบทสนทนาสำหรับ Pull Technology ทิศทางเดียวตามภาพข้างบน โดยมองว่าตัวเราเป็น Server บทสนทนาก็จะประมาณว่า

“เธอต่อเข้ามาหาฉันนะ จากนั้นมีอะไรก็ว่ามา ฉันจะฟังเฉย ๆ อย่างเดียว”

จังหวะจะโคนในการต่อท่อ และรับ ๆ ส่ง ๆ ข้อมูลแบบนี้ ก็มีอยู่แพร่หลายในโปรแกรมคอมพิวเตอร์ที่พวกเราใช้กันอยู่ทุกวันนี้แหล่ะครับ เพียงแต่มันเป็นงานเบื้องหลัง ผู้ใช้งานอย่างพวกเราเลยไม่ต้องไปสนใจนัก แต่ถ้าเป็นคนทำงานด้านนี้เค้าก็ต้องสนใจเยอะหน่อย เพราะมันมีผลกับต้นทุนในการเขียนโปรแกรมคอมพิวเตอร์ ต้นทุนในการติดตั้งเครื่องแม่ข่าย ความยากง่ายในการกำหนดนโยบายเครือข่าย ก็วุ่นวายนิดนึง

ทีนี้เพื่อให้เข้าใจง่ายขึ้นอีกนิดนึง ผมจึงได้ทำตารางเปรียบเทียบครับ จะได้เห็นว่า Push / Pull Technology มันเป็นเบื้องหลังของโปรแกรมคอมพิวเตอร์แบบไหนบ้าง

จุดสำคัญอีกอย่างหนึ่งที่ผมพบเวลาคุยเรื่อง Push กับ Pull ก็คือ ไม่ค่อยมีใครบอกชัด ๆ ครับว่าใครเป็น Server และใครเป็น Client

อย่าเข้าใจว่า Server คือเครื่องใหญ่ และ Client คือเครื่องเล็กนะครับ สำหรับ Push กับ Pull ไม่จำเป็นที่ Server ต้องเป็นเครื่องใหญ่ และ Client ต้องเป็นเครื่องเล็กเสมอไป

ดังนั้น ก่อนตกลงเรื่อง Push กับ Pull ต้องตกลงกันก่อนเรื่อง Server กับ Client ให้เรียบร้อยครับ คุยผิดนี่ออกทะเลกันเลยทีเดียว

ภาพข้างบน ผมพยายามนำเสนอว่า การพัฒนาซอฟต์แวร์มันตั้งต้นมาจากการที่มีคนคิดค้นทฤษฎีทางคอมพิวเตอร์ (คุณ A) ซึ่งถูกตีพิมพ์เผยแพร่ในงานประชุมวิชาการหรือวารสารวิชาการ (เช่น ACM หรือ IEEE) และมีคนคิดค้นมาตรฐานทางคอมพิวเตอร์ (คุณ B) ซึ่งถูกเผยแพร่โดยสหพันธ์วิชาชีพ สมาคมวิชาชีพ สภาวิชาชีพ หรือ บริษัทเอกชน (เช่น RFC โดย IETF หรือ IT Standard โดย ISO) เป็นต้น

จากนั้นโปรแกรมเมอร์หรือวิศวกรซอฟต์แวร์ (คุณ C) ก็นำเอาทฤษฎีทางคอมพิวเตอร์และมาตรฐานทางคอมพิวเตอร์ที่ถูกคิดค้นขึ้น มาสร้างเป็นโปรแกรมสำเร็จรูปโดยตรง หรือ ต่อยอดผ่อนแรงสร้างเป็น Library, API หรือ Framework ไปก่อน เพื่อให้โปรแกรมเมอร์หรือวิศวกรซอฟต์แวร์คนอื่น  (คุณ D) นำสิ่งเหล่านี้ไปใช้สร้างโปรแกรมสำเร็จรูปอีกต่อหนึ่ง

โปรแกรมสำเร็จรูปเจ๋ง ๆ ที่สร้างออกมาได้ ส่วนใหญ่ก็จะถูกนำไปใช้งานโดยผู้ใช้งาน (คุณ E) เพื่อเอาไปผลิตสินค้าหรือบริการ ส่วนน้อยก็จะถูกนำไปใช้งานโดยคนที่คิดค้นทฤษฎีทางคอมพิวเตอร์ (คุณ A) หรือคนที่คิดค้นมาตรฐานทางคอมพิวเตอร์ (คุณ B) อีกทีหนึ่ง วนเป็นวงจรเกื้อหนุนกันไป

โดยส่วนตัวแล้ว ผมเคยลองเป็นคุณ C ผมอยากสร้างโปรแกรมสำเร็จรูปเพื่อใช้งานซักตัวนึง โดยผมต้องการใช้ทฤษฎีทางคอมพิวเตอร์ และ มาตรฐานทางคอมพิวเตอร์ที่ถูกคิดค้นขึ้น (โดยคนเจ๋ง ๆ) เพื่อเป็นแหล่งอ้างอิงสำหรับสร้างโปรแกรมสำเร็จรูปอย่างที่ต้องการ

โดยไม่พึ่งพา Framework หรือ API หรือ Library ใด ๆ

และผมก็คิดว่าพวกเราคงรู้กันแล้วล่ะ ว่าเบื้องหลังความเร็วของควอนตัมคอมพิวเตอร์ เกิดจากการประยุกต์ใช้สภาวะ Superposition ของคิวบิต

ทีนี้ ผมเลยอยากจะช่วยขยายความเพิ่มลงในระดับของทฤษฎีความซับซ้อนในการคำนวณนิดนึง เพื่อให้พวกเราเห็นภาพมากขึ้นว่าทำไมควอนตัมคอมพิวเตอร์จึงเร็ว

โดยพื้นฐานแล้ว (ในทางวิทยาการคอมพิวเตอร์เขาบอกไว้) หากปัญหามีขนาดใหญ่มากกว่าค่าหนึ่ง เพื่อให้ได้ประสิทธิภาพ ดิจิทัลคอมพิวเตอร์จะต้องวนรอบหรือเรียกตัวเองซ้ำ เพื่อคำนวณให้ได้คำตอบของปัญหา ยิ่งปัญหามีขนาดใหญ่มาก และมีความซับซ้อนมาก ก็ยิ่งต้องวนรอบซ้อนกันหลายชั้นมากขึ้น หรือเรียกตัวเองซ้ำ ซ้อนกันหลายชั้นมากขึ้น (ถ้างง โปรดอ่านเรื่องปัญหา P กับ NP ที่ผมเคยเขียนไว้เพิ่มเติม)

ด้วยข้อเท็จจริงแบบนี้ จึงทำให้ดิจิทัลคอมพิวเตอร์ ต้องเผชิญกับปัญหาความซับซ้อนในการคำนวณหลายระดับ ทั้งระดับชั้น Polynomial, Exponential หรือ Factorial

ซึ่งโดยพื้นฐานแล้ว …

• ปัญหาระดับชั้น Polynomial ก็ต้องแก้ในเวลา Polynomial
• ปัญหาระดับชั้น Exponential ก็ต้องแก้ในเวลา Exponential
• ปัญหาระดับชั้น Factorial ก็ต้องแก้ในเวลา Factorial

ทีนี้ ถ้าจะรีดประสิทธิภาพของดิจิทัลคอมพิวเตอร์ ให้แก้ปัญหาระดับชั้น Exponential ในเวลา Polynomial หรือ แก้ปัญหาระดับชั้น Factorial ในเวลา Exponential ก็ต้องสร้างอัลกอริทึมเฉพาะที่มีประสิทธิภาพ เพื่อจะแก้ปัญหาเป็นอย่าง ๆ ไป ไม่ใช่แก้ได้ทุกอย่าง

ซึ่งจะเห็นว่า ดิจิทัลคอมพิวเตอร์มันมีขีดจำกัดของความซับซ้อนในการคำนวณ มันเหมือนกับตัวละคร Iron Man ในภาพยนต์เรื่อง The Avengers ที่โดยพื้นฐานมีกำลังและความสามารถเหมือนมนุษย์ (แก้ปัญหาระดับชั้น Polynomial ในเวลา Polynomial) แต่พอใส่ชุดเกราะเพิ่มพลังก็กลายเป็นยอดมนุษย์ทันที (แก้ปัญหาระดับชั้น Exponential ในเวลา Polynomial หรือ แก้ปัญหาระดับชั้น Factorial ในเวลา Exponential)

แต่ในอีกด้านหนึ่ง ควอนตัมคอมพิวเตอร์กลับเหมือนกับตัวละคร Thor ในภาพยนต์เรื่อง The Avengers ที่โดยพื้นฐานก็เป็นเผ่าพันธุ์ต่างดาวสมมติเทพ ที่มีกำลังและความสามารถเหนือมนุษย์ตั้งแต่ต้น (แก้ปัญหาระดับชั้น Polynomial, Exponential และ Factorial ได้ในเวลา Polynomial แบบชิว ๆ)

การเป็นยอดมนุษย์ตั้งแต่เกิด มันต่างกับการเปลี่ยนมาเป็นยอดมนุษย์ภายหลังจากเกิดเยอะเลยครับ และการที่ควอนตัมคอมพิวเตอร์มันเร็วกว่าดิจิทัลคอมพิวเตอร์ ก็เพราะมันเร็วกว่าดิจิทัลคอมพิวเตอร์มาตั้งแต่เกิดนั่นเอง