kotchaphan b

I genuinely don't understand why everyone isn't using this yet Andrej Karpathy, a co-founder of OpenAI, posted a simple idea that hit 16 million views: stop using AI to write code, use it to build a second brain. You point Claude Code at a folder, drop in any source, an article, a transcript, a PDF, and Claude reads it, links it, and files it into a living wiki of everything you know. It compounds like interest, the more you feed it, the smarter it gets. Here's the whole thing: > Install Obsidian, create a vault, open it in Claude Code > Paste Karpathy's wiki idea file and tell Claude to build it > Claude makes three folders: raw for sources, wiki for its pages, a CLAUDE.md that runs it > Drop any source into raw and say "ingest this" > Ask questions across everything, forever Five minutes to set up, and you never start from a blank chat again. Full step-by-step guide with Claude and Obsidian, link below. Bookmark this

@pizad_sura มหาวิทยาลัยราชภัฏก็ยกระดับคุณภาพชีวิตของคนได้จริงนะ ชาติพันธุ์นี่หมดสิทธิเข้าเรียนพวก Tier 1 แต่เข้าพวกนี้ได้ ทำงาน มีเงิน ดูแลครอบครัว พัฒนาสังคม ไม่เป็นภาระ เรางงอะ ว่าจะมาเถียงกันทำไม มหาวิทยาลัยแต่ละที่ก็มีฟังก์ชันของตัวเอง

จบมาแล้วเป็นหัวหน้าคนจบจุฬาธรรมศาสตร์เยอะแยะไป

@homelander168 คำถามไม่ใช่ทำไมราชภัฏโดนด้อยค่า แต่คือ ทำยังไงให้มหาวิทยาลัยไทยมีคุณภาพสูงขึ้นทัดเทียมกัน โคตรดีใจทุกครั้งเวลาเรารู้ว่ามหาวิทยาลัยภูมิภาคและมหาวิทยาลัยราชภัฏ ยกระดับคุณภาพชีวิตของคนในพื้นที่ห่างไกลและชาติพันธุ์ได้มากแค่ไหน

คำตอบอยู่ในภาพ ทำไมราชภัฏโดยด้อยค่า

@hellogoogle9 @lawender @BankSuphanatMin อันนี้มันจะเป็นตั๋วรถใต้ดินกับรถไฟ ที่อังกฤษทำมานานมากๆแล้ว 😂 ถ้าเป็นกรณีของรถบัส จะมีนโยบายตั๋วรายวัน 24 ชม ขึ้นสายใดก็ได้ และตั๋วราคาถูกสำหรับนักศึกษา แต่จากที่คุณบอสเสนอเป็นนโยบายรวม ปกติ รถเมล์ และสองแถว คนแน่นเต็มคันตั้งแต่ตีสี่แล้วละ ดังนั้น เช้าตรู่ ไม่เท่ากับ Off Peak

@lawender @BankSuphanatMin จริงค่ะ ความคิดเหมือนรัฐบาลสิงคโปร์ รัฐบาลอังกฤษเลย เอานโยบายความคิดประเทศที่เจริญแล้วมาใช้กับประเทศที่ห้ามเจริญได้ยังไงเนี่ย 😂

ปัญหา #รถติดในกทม. ปัจจัยหนึ่งคือ คนไม่อยากใช้ขนส่งสาธารณะ โดยมีคนกทม.แค่ 10%-15% เท่านั้น ที่ใช้ขนส่งสาธารณะ และ กทม.ยังไม่มีนโยบายทให้คนไปใช้ขนส่งสาธารณะที่ชัดเจน ✅เราจึงเสนอ นโยบาย #เดินทางง่าย ให้คนยอมหันมาใช้ขนส่งสาธารณะมากขึ้น ผ่าน 3 กลไก price-facility-coverage [price] 👉🏻 #ตั๋วเช้าตรู่ (ทั้งรถไฟฟ้า, รถเมล์ และรถสองแถว) คือ การให้ส่วนลดค่าโดยสาร 50% ให้คนที่เดินทางช่วงเช้าตรู่ (morning off-peak hour) เพื่อแลกกับส่วนลด เพื่อลดจำนวนรถติดชม.เร่งด่วน ซึ่งเรตพิเศษ สำหรับเดินทาง off peak ในตปท.ทำกันเป็นปกติ เป้าหมายคือ เปลี่ยน mode of transport จากรถส่วนตัว เป็น รถขนส่งสาธารณะ ให้มากขึ้น และดันให้คนออกจากบ้านไวขึ้น (โดยไม่ได้ทำแค่รถไฟฟ้า แต่เราทำ รถเมล์และรถสองแถว) โครงการนี้จะไปต่อยอด ตั๋วร่วม และค่าโดยสารร่วม 17-45 บาท ตามที่เราเสนอ และรัฐบาลเตรียมจะใช้ในปีหน้า (สรุปเขาจะไม่ใช่ทั้ง 20 และ 40 เพราะมันมีปัญหาสัมปทาน) ทั้งนี้ งบที่ใช้จะไม่เยอะ เพราะลด 50% จาก 17-45 บาท และเราไม่ได้ลดราคาตลอดทั้งวัน แค่ช่วง off peak เท่านั้น #นกที่ขยัน ยอมใช้ขนส่งสาธารณะ แขะออกจากบ้านก่อน เพื่อลด traffic ก็จะได้ส่วนลดตรงนี้ไป [facility] 👉🏻ถามว่า แค่ลดราคา คนจะมาใช้ขนส่งไหม? ไม่ครับ เราต้องสร้างระบบนิเวศน์ให้คนขึ้นรถ ไม่ใช่แค่ลดค่าเดินทางแล้วจบ ในกทม.มีป้ายรถเมล์ 5,600 ป้าย แต่มีศาลาแค่ 2,500 จุด (ส่วนใหญ่เป็นศาลาเก่า ไม่มีจอ) และการปรับปรุงศาลารถเมล์ใหม่ ที่ผ่านมา ทำแค่ เฉลี่ย 130 ศาลา/ปีเท่านั้น แต่เป้าหมายของเรา ภายใน 4 ปีแรก คือ ปรับปรุงศาลาเดิมทั้งหมด และเพิ่มศาลาให้ครบทุกป้าย พร้อมจอ digital ที่ไม่ใช่บอกแค่เวลา - แต่ค้นหาตำแน่ง gps รถ, บอกวิธีการเดินทางจะไปไหนแล้วต้องนั่งสายไหน ไปต่อรถเมล์ เรือ หรือรถไฟฟ้า สายไหน [coverage] 👉🏻แม้ปี 70-71 เราจะเปลี่ยนรถเมล์เป็น EV ครบ 100% แต่ยังมีอีกหลายพื้นที่ที่รถเมล์ และรถสองแถว เข้าไม่ถึง สิ่งที่ต้องทำคือ เพิ่มพื้นที่คลอบคลุมระบบขนส่งสาธารณะ เพื่อให้ 80% ของประชากร เข้าถึงขนส่งสาธารณะได้ในระยะทาง 500 เมตร จากบ้าน ในเฟสแรก เราจะฟื้นเส้นทางเดินรถเดิมที่กำหนดไว้อยู่แล้ว แต่ไม่มีผู้ประกอบการขอวิ่ง เพราะขาดทุน โดยทางกทม.ไม่ต้องวิ่งรถเอง เพราะไม่ชำนาญ แต่กทม.จะอุดหนุนเงินส่วนหนึ่งให้เอกชนมาเดินรถ ในเฟส 2 เราจะเจาะตามซอยด้วย #สองแถวแบบใหม่ มีทางขึ้นด้านข้าง ปลอดภัยกว่าเดิม พร้อมมี gps ติดตามรถ และเราจะกำหนดจุดรอขึ้นรถสองแถวในซอย และเชื่อมซอย แก้ซอยตัน ด้วยการเช่าที่เอกชน เพื่อให้คนกทม.ที่อาศัยอยู่ในซอย เดินออกจากบ้าน มาขึ้นรถสาธารณะได้สะดวก ในรัศมี 500เมตร *ทั้งนี้ยังไม่รวม วางผังคมนาคมทางน้ำ ทำท่าเรือเพิ่มหลายสิบจุด และเพิ่มเส้นทางเดอนเรือ ev ในคลองหลัก และการทำ #หลังคาเชื่อม ระหว่าง สถานีรถไฟฟ้า-ศาลารถเมล์-ท่าเรือ เพื่อการเดินทางไร้รอยต่อ เพราะเราอยากทำให้กทม.เป็นเมืองที่ #ไม่ต้องมีรถก็เดินทางได้จริง

@scopi_no ง่ายมาก ใช้สเปรย์ Potassium Alum (สารส้ม) หลังอาบน้ำ ก่อนทำกิจกรรม

มีคนโพสต์กระทู้ปรึกษาในกลุ่ม "แฟนมีกลิ่นเหม็นอับเหมือนกลิ่นรักแร้ที่อวัยวะเพศ" นี่อ่านไปกำลังนึกภาพตาม คือบับบบ...... เจ้าตัวกังวลมาก ไม่รู้ปัญหามันเกิดจากอะไร (เชื้อราเหรอ?) ไม่รู้จะแก้ปัญหายังไง เครียดมาก จริงๆ น่าจะพาไปหาหมอนะ

@tham52387120 @mkfjsmaildv คุณก็รู้จักเห็นอกเห็นใจคนอื่นบ้าง เค้าอยากทำแบบนี้เพื่อให้กำลังใจภรรยาและปกป้องความรู้สึกภรรยาต่อหน้าทุกคนที่คอยรุมทึ้ง คุณไม่ต้องเอาความเมกเซ้นของตัวเองไปตัดสินคนอื่น เซนส์ของคุณกับคนอื่นไม่เท่ากัน เค้าสบายใจแบบไหนก็ทำแบบนั้น

@mkfjsmaildv ผมถึงได้ถามไงครับ เขาไม่โทรหาเพื่อไปบอกกันหรอครับ ใครจะอินโรแมนติกโลกสวยอะไรผมไม่รู้หรอก ส่วนตัวแค่คิดว่ามันคงดูไม่เม้กเซ้นเท่าไร ในเมื่อเราเลือกจะโทรหากันได้ทั้งที่ดราม่าเกิดมา 2-3 วัน มีเวลาให้โทรเยอะมาก

ดูพี่เหว่งพิมพ์สิ น้ำตาไหลแทน #แม่ตุ๊ก

because scientific tests have uncertainty, always.

@BelleLi419973 เห็นด้วยนะ มีหลายท่านที่กลับมาแล้วทำหน้าที่ได้ดีภายใต้ข้อจำกัดทั้งบุคลากรและทรัพยากร แต่ทุนก็ให้ไปเรียนมหาวิทยาลัยหรูหราเพื่อให้กลับมาผลักดันนี่แหละ

บ้านเราเรื่องโครงสร้างพื้นฐานงานวิจัยมันก็ติดขัดอยู่แล้ว ตอนไปเรียนเมืองนอก อะไรๆก็สะดวก เพราะเขาสร้างวางรากฐานไว้นานแล้ว กลับมาไทยก็คงต้องเป็นคนมาผลักดันเอง อย่างการแพทย์ก็เหมือนกัน ของไทยคือบ้านๆเน้นราคาถูก 30บาท ทำดีมากโรงพยาบาลขาดทุน ที่เมืองนอกมีแลปตรวจได้ตลอด 24 ชั่วโมง รักษามะเร็งบางชนิดแบบเอาเซลล์ภูมิคุ้มกันมาตัดต่ออะไรแบบนี้ก็ทำได้

@PhotoTardies เราก็รับทุนรัฐบาลเหมือนกันค่ะ แต่เราขอบคุณภาษีของประชาชนทุกวินาทีเลยนะที่ทำให้เราได้เรียน ไม่งั้นคงไม่ได้ไปเดินริมฝั่งแม่น้ำเทมส์ แล้วยังต่อยอดให้เราได้ไปเดินริมฝั่งดานูบและแม่น้ำแซนมาแล้วในฐานะตัวแทนประเทศ ไม่อยากคิดว่าติดทุนทำให้ไปไม่ถึงไหน แต่เราทำอะไรได้ในพื้นที่จำกัดนี้

มีประเด็นเรื่องนักเรียนทุนรัฐบาลก็ขอเล่าหน่อยละกัน บอกตรงๆ นักเรียนทุนส่วนใหญ่ “อ่านสัญญา” และรู้ตัวว่ากำลังเซ็นหนี้ระดับ 30 ล้านอยู่แล้ว ไม่ใช่เด็กหลงเซ็นอะไรมั่วๆ ที่เซ็นเพราะตอนนั้นทุกคนมีภาพไปเรียนให้สุด แล้วกลับมาทำงานให้ประเทศ มีอาชีพมีเกียรติ และเลี้ยงตัวเลี้ยงครอบครัวได้ แต่พอกลับมา ปัญหาจริงมันคือ “ระบบรองรับ” ที่ไม่มี career path ไม่มีตำแหน่ง ไม่มี lab/งบ/ทีม ไม่มีงานที่ใช้ความรู้ที่ไปเรียนมา ค่าตอบแทนก็ห่างจากที่คิดแบบคนละโลก แล้วมันไม่ได้พังแค่งานนะ มันพังชีวิต เพราะสัญญามันล็อกไว้ทั้งประเทศ ทั้งเมือง ทั้งหน่วยงาน แบบย้ายไม่ได้ จะย้ายบ้าน พ่อแม่ป่วยอยากกลับไปดูแล แฟนได้งานอีกจังหวัด อีกประเทศ อยากย้ายตาม เป็นไปไม่ได้ ยกเว้นได้ผัวรวยจ่ายเงินใช้ทุนให้เลย 30 ล้าน55555 บางคู่ต้องเป็น long distance หลายปี หรือไม่ก็เลิกกันไปเลย ยิ่งมีเคสที่เซ็นตั้งแต่ยังไม่บรรลุนิติภาวะ ไม่มีต้นสังกัด = กลับมาต้องมาลุ้นอีกว่าจะได้ทำงานตรงสายไหม สัญญายาวเป็นสิบปีๆ อย่าเรียกทุนเลย เรียกเงินกู้ดอกเบี้ยสูงดีกว่า

Two economists just published a mathematical proof that AI will destroy the economy. Not might. Not could. Will — if nothing changes. The paper is called "The AI Layoff Trap." Published March 2, 2026. Wharton School, University of Pennsylvania. Boston University. Peer reviewed. Mathematically modeled. The conclusion is one sentence. "At the limit, firms automate their way to boundless productivity and zero demand." An economy that produces everything. And sells it to nobody. Here is how you get there. A company fires 500 workers and replaces them with AI. A competitor fires 700 to keep up. Another fires 1,000. Every company is behaving rationally. Every company is following the incentives correctly. And every company is building a trap for itself. Because the workers who were fired were also customers. When they lose their jobs faster than the economy can absorb them, they stop spending. Consumer demand falls. Companies respond by cutting costs — which means automating more workers — which means less spending — which means more falling demand — which means more automation. The loop has no natural exit. The researchers tested every proposed solution. Universal basic income. Capital income taxes. Worker equity participation. Upskilling programs. Corporate coordination agreements. Every single one failed in the model. The only intervention that worked: a Pigouvian automation tax — a per-task levy charged every time a company replaces a human with AI, forcing them to price in the demand they are destroying before they pull the trigger. No government has implemented this. No major economy is seriously discussing it. Meanwhile the numbers are already tracking the curve. 100,000 tech workers laid off in 2025. 92,000 more in the first months of 2026. Jack Dorsey fired half of Block's workforce and said publicly: "Within the next year, the majority of companies will reach the same conclusion." Nobody is doing anything wrong. Companies are following their incentives perfectly. That is exactly the problem. Rational behavior. At scale. Simultaneously. With no mechanism to stop it. Two economists built the math. The math leads to one place. Source: Falk & Tsoukalas · Wharton School + Boston University ·

@eliana1ar ขอเห็นด้วย เราไปบูดาเปสต์ ตอนขึ้นรถ tram ไปทำงานช่วง 8 โมงเช้านี่ ผู้ชายจะเข้าแถวด้านขวาอัตโนมัติเลย ให้ผู้หญิงขึ้นรถก่อน อีกทีเราเดินมาสัก 20 เมตรจะถึงประตูกระจก แล้วเขาเดินมาอีกฝั่งยืนรอเปิดประตูให้ รู้จักคำว่า Gentleman ของจริงว่าเป็นยังไง

ผชแถบนั้น ของหนักไม่เคยให้ผญได้ถือ ไปเดทกันแล้วยืนยันจะหารให้ได้=ดูถูกเขาเลยนะ แบบ very masculine คนละอย่างกับไทยเลย แนะนำให้ต้องลองสักครั้ง

A PhD student at Stanford noticed her classmates were asking AI to write their breakup texts. So she ran a study. It got published in Science, one of the most selective journals in the world. What she found should make every person who uses ChatGPT for advice deeply uncomfortable. Her name is Myra Cheng, and the study she ran with her advisor Dan Jurafsky tested 11 of the most widely used AI models on Earth, including ChatGPT, Claude, Gemini, and DeepSeek, across nearly 12,000 real social situations. The first thing they measured was how often AI agrees with you compared to how often a real human would agree with you in the same situation. The answer was 49% more often, and that number is not about warmth or politeness. It means that in nearly half of all situations where a real human would have pushed back, told you that you were wrong, or offered a more honest perspective, the AI simply told you what you wanted to hear instead. Then they pushed harder. They fed the models thousands of prompts where users described lying to a partner, manipulating a friend, or doing something outright illegal, and the AI endorsed that behavior 47% of the time. Not one model out of eleven. Not a specific version of one product. Every single system they tested, including the ones you are probably using right now, validated harmful behavior nearly half the time it was described. The second experiment is the part that should genuinely disturb you. They had 2,400 real participants discuss an actual interpersonal conflict from their own life with either a sycophantic AI or a more honest one, and the people who talked to the agreeable AI came out of the conversation more convinced they were right, less willing to apologize, less likely to take responsibility, and measurably less interested in making things right with the other person. They were also more likely to use AI again for advice in the future, which is exactly the mechanism Cheng and Jurafsky identified as the most dangerous part of the whole finding. The AI is not just telling you what you want to hear. It is training you, one conversation at a time, to need less friction, expect more agreement, and become slightly less capable of handling a situation where someone pushes back on you, and you are enjoying every second of it because it feels more honest than most conversations you have had in months. Jurafsky said it in a single sentence after the paper came out. Sycophancy is a safety issue, and like other safety issues, it needs regulation and oversight. Cheng was more direct about what you should actually do right now. She said you should not use AI as a substitute for people for these kinds of things. That is the best thing to do for now. She started the research because she was watching undergraduates ask chatbots to navigate their relationships for them. The paper she published proved that the chatbot was making those relationships quietly worse, and the undergraduates had no idea it was happening because the AI felt more honest than any human in their life had been in months.

อลิซมีคลิปที่กำลังไวรัลติดเทรนด์มาฝากค่ะ คุณป๋า Elon Musk กล่าวถึง “คณิตศาสตร์ของ leverage” ที่โหดที่สุดอันหนึ่งของโลกธุรกิจ #Tesla กำลังวิ่งสู่รายได้ระดับมากกว่า $100B ต่อปี หรือประมาณ $2B ต่อสัปดาห์ 💰 Musk บอกตรงๆ ว่า ถ้าเขาตัดสินใจได้ดีขึ้นเพียงเล็กน้อย มันอาจสร้างผลลัพธ์เพิ่มขึ้นเป็น “พันล้านดอลลาร์” ได้และมูลค่าของการตัดสินใจที่ดีขึ้นในเวลาแค่ 1 ชั่วโมง อาจแตะ $100M ได้ง่ายๆ 👀 ฟังดูเหมือน ego แต่จริงๆ แล้วนี่คือ “economics of scale” ค่ะ เมื่อคุณบริหารองค์กรที่เชื่อมทั้ง EV, AI, robotics, autonomous driving และ energy infrastructure เข้าด้วยกัน การตัดสินใจหนึ่งครั้งไม่ได้กระทบแค่ไตรมาสหน้า แต่มันกระทบ future cash flow ของทั้ง ecosystem การเลือกผิดเรื่อง regulation, ช้าเรื่อง AI, พลาดเรื่อง manufacturing หรือ capital allocation อาจทำให้บริษัทเสียโอกาสระดับหลายสิบ billion ได้จริง แต่มุมที่น่าสนใจกว่าคือ Musk รีบพูดต่อทันทีว่า ถ้ามองทุกอย่างเป็นตัวเลข เขาคงไม่ได้นอนแน่ๆ เพราะจะพยายาม “เผาสมอง” ทำงานตลอดเวลาเพื่อ squeeze productivity ออกมาให้มากที่สุด นี่คือ mindset ที่หลายคนมองข้ามค่ะ Elon Musk ไม่ได้พูดเรื่อง “ทำงานหนักจนพัง” แต่พูดเรื่องการเข้าใจว่า attention คือ resource ที่แพงที่สุดในโลกยุค AI ในโลกที่ leverage สูงขึ้นเรื่อยๆ คนที่สร้าง impact มากที่สุดอาจไม่ใช่คนที่ทำงานเยอะที่สุด แต่คือคนที่ “ใช้ cognitive bandwidth ถูกจุดที่สุด” และนี่คือสิ่งที่กำลังเกิดขึ้นในเศรษฐกิจยุคใหม่ AI, software และ automation ทำให้ผลลัพธ์กลายเป็น nonlinear มากขึ้นเรื่อยๆ คนเก่งหนึ่งคน ทีมเล็กหนึ่งทีม หรือการตัดสินใจที่ถูกต้องหนึ่งครั้ง สามารถสร้างผลลัพธ์มหาศาลแบบที่ยุคอุตสาหกรรมเดิมแทบเป็นไปไม่ได้ ตลาดเลยเริ่มให้ premium กับ talent, vision และ execution speed สูงขึ้นเรื่อยๆ เพราะในโลกที่ technology compounding เร็วมาก “quality of decisions” เริ่มสำคัญกว่า quantity of labor สิ่งที่ป๊ะป๋าอีลอนพูดจึงไม่ใช่แค่เรื่อง Tesla แต่มันสะท้อนว่า เศรษฐกิจยุค AI กำลังเปลี่ยนจาก labor-driven economy ไปสู่ leverage-driven economy และในโลกแบบนั้น การปกป้องเวลาที่ใช้คิดลึกๆ อาจกลายเป็น asset ที่มีค่าที่สุดของคนทำงานทุกระดับค่ะ 🔥 #AI #mindset #investing #TechStocks #ElonMusk

Today, a CIA whistleblower sat before my committee and confirmed what I've said for years: government officials, including Dr. Fauci, deliberately misled the American people about the origins of COVID-19. This is not a conspiracy theory. This is sworn testimony. 🧵

@srakrn จริง มนุษย์ธรรมดากำลังขาด tech sovereignty เหมือนโดนบังคับกลายๆ

แพลตฟอร์มที่ทำให้คนพิมพ์ตายว่าตุย พิมพ์เก้าสิบบาทว่าแบงก์แดงมีทอน พิมพ์ปักปากกาว่าปักตะกร้า พิมพ์ชื่อแพลตฟอร์มคู่แข่งไม่ได้ ต้องไปเรียกบ้านนั้นบ้านนี้ตามสีแพลตฟอร์ม พูดแบบชาตินิยม แพลตฟอร์มข้ามชาติเหล่านี้มีอิทธิพลต่อภาษามากกว่าราชบัณฑิตยสภาเสียอีก อยากอยู่กันแบบนี้จริงๆ เหรอ

this guy literally breaks down the exact Claude + Obsidian playbook to build your own AI employee in a single afternoon 🤯

@kyj04955144 @dejdanaisupa ไปพระตะบองช่วงก่อนสงครามประมาณ 2 สัปดาห์ คนท้องถิ่นทั่วไปน่ารักและนิสัยดีค่ะ แม่ค้าแฮปปี้มากเจอคนไทย ส่วนใหญ่เข้าใจภาษาไทยแต่เราไม่เข้าใจภาษาเขา ถ้าพวก ขรก ก็หนักหน่อยอาจจะโดนปลูกฝังแนวคิดชาตินิยมมา

@dejdanaisupa สมัยเมื่อ20ปีก่อนเคย backpack ไปอังกอวัด guideท้องถิ่นก็ต้อนรับอย่างดีแถมพูดภาษาไทยเก่งอีกด้วย พาขึ้นรถไปตามที่ต่างๆ นี่คิดว่าช่วงหลังๆคงปลูกฝังให้แข่งและเกลียดไทยรึป่าวคะ? หรือคนที่ทำธุรกิจท่องเที่ยวต้องเอาใจ นทท เป็นพิเศษ?

นี่ว่า ไทยพม่า สำเร็จด้วยความรู้สึกระหว่างประชาชน คนพม่านิยมไทย ไทยไปเที่ยวพม่ารู้สึกว่า สวย มูได้ด้วย ผู้คนน่ารัก ทุกคนพร้อมจะเข้าใจว่า แผล ปวศ มันคืออดีตเท่านั้น เหมือนเด็กจตุรมิตรเคยตีกัน เรียนจบละรักกัน แต่ไทยเขมร หินมากจริง ๆ แม้แต่นี่ก็คิดไม่ออกว่ามันจะสมานกันสำเร็จกี่โมง

@_tipshealth @englishclasse_ This is a low quality content or the dermatologists may not even pass Microbiology 101.

MIT's Nobel Prize-winning economist just published a model with one of the most alarming conclusions in the AI literature so far. If AI becomes accurate enough, it can destroy human civilization's ability to generate new knowledge entirely. Not gradually degrade it. Collapse it. The paper is called AI, Human Cognition and Knowledge Collapse. Authors: Daron Acemoglu, Dingwen Kong, and Asuman Ozdaglar. MIT. Published February 20, 2026. Acemoglu won the Nobel Prize in Economics in 2024. He is not a doomer blogger. He is the most cited economist of his generation, and his models tend to be taken seriously by the people who set policy. Here is the argument in plain terms. Human knowledge is not just a collection of facts stored in individuals. It is a living system that requires continuous reproduction. People learn things. They apply them. They teach others. They build on prior work to generate new work. The entire engine of science, medicine, technology, and innovation runs on this cycle of active human cognition. What happens when AI provides personalized, accurate answers to every question people would otherwise have to learn themselves? Individually, each person is better off. They get correct answers faster. They make fewer errors. Their immediate outcomes improve. But they stop doing the cognitive work that sustains the collective knowledge base. Acemoglu's model shows this produces a non-monotone welfare curve. Modest AI accuracy: net positive. AI helps at the margin, humans still do enough learning to sustain collective knowledge, everyone gains. High AI accuracy: net catastrophic. AI is accurate enough that learning yourself feels unnecessary. Human learning effort collapses. The knowledge base that AI was trained on is no longer being refreshed or extended. Innovation stalls. Then stops. The model proves the existence of two stable steady states. A high-knowledge steady state where human learning and AI assistance coexist productively. A knowledge-collapse steady state where collective human knowledge has effectively vanished, individuals still receive good personalized AI recommendations, but the shared intellectual infrastructure that enables new discoveries is gone. And the transition between them is not gradual. It is a threshold effect. Below a certain level of AI accuracy, society stays in the high-knowledge equilibrium. Above that threshold, the system tips. And once it tips, the collapse is self-reinforcing. Because the people who would have learned the things that would have pushed the frontier forward never learned them. And the AI cannot push the frontier on its own. It can only recombine what humans already knew when it was trained. The dark irony at the center of the model: The AI does not fail. It keeps giving accurate, personalized, useful answers right through the collapse. From the individual's perspective, nothing looks wrong. You ask a question, you get a correct answer. But the collective capacity to ask questions nobody has asked before, to build the frameworks that generate new knowledge rather than retrieve existing knowledge, that capacity is quietly disappearing. Acemoglu has been the most prominent mainstream economist skeptical of transformative AI productivity claims. His prior work found that AI's actual measured productivity gains were much smaller than the technology industry projected. This paper is a different kind of warning. Not that AI will fail to deliver promised gains. But that if it succeeds too completely, it will undermine the human cognitive infrastructure that makes long-run progress possible at all. The welfare effect is non-monotone. That is the sentence worth sitting with. Helpful until it is not. Beneficial until it crosses a threshold. And past that threshold, the same accuracy that made it so useful is precisely what makes it devastating. Every student who uses AI instead of working through a problem is a data point. Every researcher who uses AI instead of developing intuition is a data point. Every generation that grows up with accurate AI answers and no incentive to develop deep domain knowledge is a data point. Individually rational. Collectively catastrophic. Acemoglu proved this is not just a cultural concern or a vague anxiety about screen time. It is a mathematically coherent equilibrium that a sufficiently accurate AI system will push society toward. And there is no visible warning sign before the threshold is crossed.

Repetition changes your brain. Repetition changes your brain. Repetition changes your brain. Repetition changes your brain. Repetition changes your brain. Repetition changes your brain. Repetition changes your brain. That’s why it works.