เมื่อไม่นานมานี้ ผมเพิ่งค้นพบ Skill แบบ open-source สุดเจ๋งที่หลายคนอาจจะเคยเห็นผ่านตากันมาบ้างแล้ว
มันมีชื่อว่า Anatomy ซึ่งแปลว่า "การชำแหละเชิงลึก" หรือ "การวิเคราะห์โครงสร้าง"
https://x.com/wheresryan22/status/2108948624004526516
ผมรู้สึกว่าเครื่องมือนี้มีความน่าสนใจเป็นพิเศษ
ปรัชญาการออกแบบหลักของมันสรุปได้สั้นๆ ในประโยคเดียวคือ:
วัตถุคือคำอธิบาย (The object is the explanation)
แทนที่จะใช้ข้อความเพื่ออธิบายแนวคิดต่างๆ Anatomy พยายามเปลี่ยนหลักการที่คุณต้องการเข้าใจให้กลายเป็นอุปกรณ์ที่ใช้งานได้จริง เพื่อให้คุณได้เห็นกระบวนการทั้งหมดด้วยตาของตัวเอง
พูดง่ายๆ คือ มันแปลงความรู้ที่เป็นนามธรรมให้กลายเป็นแอนิเมชันโมเดลเครื่องจักรกลแบบโต้ตอบได้ โดยที่ agent จะสร้างชิ้นส่วนที่เคลื่อนไหว แสดงองค์ประกอบทั้งหมดอย่างครบถ้วน และเปิดโอกาสให้ผู้ใช้เข้าไปเล่นกับมันได้
และผลลัพธ์ที่ได้ก็สวยงามและมีรายละเอียดจนน่าประหลาดใจ
ตัวอย่างเช่น ถ้าคุณอยากรู้ว่านาฬิกาจักรกลทำงานภายในอย่างไร
สไตล์ความสวยงามตรงใจผมเป๊ะเลย ในแง่ของการโต้ตอบ คุณสามารถหมุนเม็ดมะยมด้วยตัวเองเพื่อดูการทำงานของชิ้นส่วนภายในได้ และยังถอดแยกส่วนต่างๆ เพื่อสังเกตโครงสร้างของพวกมันได้ด้วย
เอฟเฟกต์นี้ผู้เขียนสร้างขึ้นโดยใช้ prompt ด้านล่างนี้:
/anatomy explain how a mechanical watch keeps time, interactive
แปลเป็นไทยก็คือ: "สร้างเดโมแบบโต้ตอบที่อธิบายวิธีการบอกเวลาของนาฬิกาจักรกล"
ยังมีตัวอย่างคล้ายๆ กันอีกเพียบ
คุณยังสามารถใช้มันสร้างเครื่องยนต์ Rolls-Royce Trent 970 แบบตัดภาพให้เห็นภายในหนึ่งในสี่ส่วนได้ด้วย
มันไม่ได้แค่วาดเปลือกนอกของเครื่องยนต์ แต่ลงรายละเอียดทั้งพัดลม คอมเพรสเซอร์ ห้องเผาไหม้ กังหัน และโครงสร้างภายในอื่นๆ ได้อย่างแม่นยำมาก
บอกตามตรง ตอนแรกที่เห็นแอนิเมชันเหล่านี้ ผมคิดว่ามันโคตรเท่เลย
โดยเฉพาะสำหรับเพื่อนๆ ที่ชอบศึกษาโครงสร้างทางกลไกและหลักการทางฟิสิกส์ มีอะไรให้สำรวจเยอะมาก
การใช้งาน skill นี้ก็ง่ายนิดเดียว แค่เปิด Agent ของคุณแล้วสั่งให้ติดตั้ง skill ชื่อ Anatomy ที่กำลังฮิตอยู่ตอนนี้
หรือจะคัดลอก prompt ด้านล่างนี้ไปส่งให้ Agent ของคุณก็ได้:
ช่วยฉันติดตั้ง skill นี้หน่อย: https://github.com/wheresryan22/anatomy/tree/main
พอติดตั้งเสร็จ ก็เริ่มเล่นได้ทันที
แต่หลังจากที่ผมลองทดสอบไปหลายรอบ ก็สังเกตเห็นปัญหาสำคัญอยู่ข้อหนึ่ง
ยกตัวอย่างแอนิเมชันนาฬิกาด้านบน แม้ตัวแอนิเมชันจะสวยจริงๆ แต่ในฐานะคนที่ไม่มีความรู้เรื่องกลไกภายในของนาฬิกาจักรกลมาก่อนเลย ดูไปได้สักพักผมก็งง
แต่ละชิ้นส่วนคืออะไร? ทำหน้าที่อะไร? แล้วเวลามันถูกคำนวณออกมาจริงๆ ยังไง?
แม้จะอ่านคำอธิบายข้อความที่ skill นี้แนบมาให้พร้อมกับแอนิเมชันอย่างละเอียดแล้วก็ยังเข้าใจยากอยู่ดี
สำหรับคนที่เข้าใจหลักการอยู่แล้ว แอนิเมชันเครื่องจักรกลที่กระชับและมีรายละเอียดสูงแบบนี้จะช่วยให้พวกเขาเห็นภาพโครงสร้างได้ชัดเจนขึ้น
แต่ถ้าผมไม่คุ้นเคยกับเรื่องนั้นเลย ต่อให้ภาพจะวิจิตรแค่ไหน ผมก็ยังดูไม่รู้เรื่องอยู่ดี
ผมเลยคิดว่า สำหรับคนที่ยังไม่มีพื้นฐาน แค่ทำให้วัตถุขยับเองนั้นยังไม่พอ ทางที่ดีควรมีเสียงบรรยายประกอบภาพไปด้วย อธิบายว่าสิ่งนี้คืออะไร ตอนนี้เกิดอะไรขึ้น ทำไมถึงเกิดขึ้น และมีจุดประสงค์อะไร
ในเมื่อ skill นี้สามารถเปลี่ยนหลักการซับซ้อนให้เป็นแอนิเมชันได้แล้ว ทำไมไม่ปล่อยให้ AI สร้างวิดีโออธิบายวิทยาศาสตร์ที่มีเสียงบรรยายจากสิ่งนี้ดูล่ะ?
แล้วเรื่องสนุกๆ ก็เกิดขึ้น
ผมลองใช้ตัวอย่างนาฬิกาจักรกลเดิมอีกครั้ง
ใช้ Opus 5.5 พร้อมระดับการคิดวิเคราะห์ (reasoning intensity) สูง
prompt ก็ง่ายๆ แค่ประโยคเดียว
มันผลิตวิดีโอด้านล่างนี้ออกมาได้ในรวดเดียวเลย
นอกจากเสียงพากย์จะฟังดูแปลกๆ เพราะมันใช้ TTS เริ่มต้นของระบบ MacOS แล้ว อย่างอื่นถือว่าน่าประทับใจมาก
บทนำครอบคลุมและชัดเจน บอกหมดว่ามีชิ้นส่วนอะไรบ้าง ทำหน้าที่อะไร ความสัมพันธ์ระหว่างชิ้นส่วน หลักการจับเวลา ฯลฯ ถ้าสังเกตฟันเฟืองดีๆ มันขบกันได้พอดีตอนหมุน แถมยังมีเสียงเอฟเฟกต์ประกอบด้วย
เทียบกับแอนิเมชันเพียวๆ ด้านบน รูปแบบนี้เป็นมิตรกับคนธรรมดาๆ อย่างผมมากกว่าเยอะ
การดูวิดีโอแบบนี้อาจไม่ได้ทำให้คุณเก่งฉกาจขึ้นมาทันที แต่มันช่วยให้คุณเข้าใจเบื้องต้นว่านาฬิกาจักรกลทำงานยังไง ถือเป็นการปูทางสำหรับการเรียนรู้เพิ่มเติม
ส่วนปัญหาเสียงเหมือน Thunderbolt นั้นแก้ได้ง่ายมาก แค่สั่งให้มันเปลี่ยนไปใช้ Volcano Engine TTS ก็จบในขั้นตอนเดียว
ผมยังเอามันทำวิดีโออธิบายหลักการทำงานของ GPU ด้วย
อีกครั้ง สร้างเสร็จในรอบเดียวโดยไม่ต้องแก้ไขอะไรเลย
มันเริ่มจากการแนะนำว่า GPU มีไว้ทำอะไร ประกอบด้วยอะไรบ้าง ประกอบกันยังไง กระบวนการคำนวณหนึ่งเฟรมเป็นยังไง ทำไม GPU ถึงคำนวณได้เร็ว ภาพเคลื่อนไหวได้อย่างไร วิธีการระบายความร้อน และปิดท้ายด้วยการสรุป input/output
โครงสร้างเป็นเหตุเป็นผลมาก เวลาพูดถึงชิ้นส่วนไหน หน้าจอก็จะไฮไลต์หรือแสดงส่วนนั้น ทำให้ชัดเจนและเข้าใจง่าย
คำอธิบายตรงนี้ค่อนข้างสั้น ถ้าคุณอยากได้รายละเอียดเพิ่ม ก็แค่ใส่ความต้องการลงไปใน prompt
เช่น ผมสั่งให้มันทำวิดีโออธิบาย TCP three-way handshake แบบละเอียด
รอบนี้ผมใช้ Opus 5.5 ระดับ Ultra
นอกจากเรื่องการออกเสียงศัพท์ภาษาอังกฤษบางคำแล้ว คุณภาพวิดีโอถือว่าสูงมาก
ผมแชร์ให้เพื่อนร่วมงานบริษัทที่เรียนจบด้านโทรคมนาคมมาดู เธอเล่าว่าเนื้อหาแบบนี้ปกติต้องใช้เวลาสอนทั้งคาบในระดับมหาวิทยาลัย แต่ AI กลับอธิบายได้ชัดเจนในวิดีโอไม่กี่นาที
ช่วงนี้เรื่องเบรกกำลังเป็นประเด็นร้อน ผมเลยใช้ skill นี้มาอธิบายโครงสร้างของเบรกด้วย
อย่างที่ทุกคนรู้ นี่เป็นเรื่องสำคัญนะ ศึกษาให้ดีจะได้ไม่โดนใครหลอกเอาล่ะ
สรุปคือ สองวันที่ผ่านมาผมเล่นกับสิ่งนี้แล้วสนุกมาก
เวลาที่คุณอยากเรียนรู้อะไร ก็แค่สั่งให้มันสร้างสื่ออธิบายเฉพาะเรื่องให้คุณ ความรู้สึกนั้นมันฟินจริงๆ
พอเห็นผลลัพธ์แล้ว ผมรู้ว่าหลายคนคงสนใจเรื่องการใช้ token และเวลาที่ใช้
บอกตรงๆ ว่าต้นทุน token ในการทำวิดีโอด้วย skill นี้ต่ำกว่าที่ผมคาดไว้มาก
ตัวอย่างเช่น วิดีโอ TCP handshake ความยาว 5 นาที ใช้โควตารายสัปดาห์ของ Claude Max ราคา $200 ของผมไปแค่ประมาณ 1% เท่านั้น
วิดีโอความยาว 5 นาทีอื่นๆ ก็ใช้โควตารายสัปดาห์ราวๆ 1% เช่นกัน
ถ้าคุณกะจะเอาไปเผยแพร่บนอินเทอร์เน็ตและอยากให้ทุกส่วนละเอียดสุดๆ คุณอาจต้องใช้โมเดลระดับท็อปอย่าง Opus 5.5 พร้อมระดับการคิดวิเคราะห์สูงสุด
แต่ถ้าแค่เอาไว้ศึกษาส่วนตัว คุณสามารถสร้างเวอร์ชันที่เรียบง่ายขึ้นด้วยการตั้งค่าที่ประหยัดกว่านี้ได้
ผมลองทำวิดีโอหลักการ GPU ด้วย Sonnet 5.5 ระดับการคิดวิเคราะห์สูง สำหรับการเรียนด้วยตัวเอง ผลลัพธ์ที่ได้ถือว่าเพียงพอแน่นอน
เรื่องเวลา การสร้างวิดีโอความยาว 5 นาทีด้วย Opus 5.5 ระดับ Ultra จะใช้เวลาประมาณ 1.5 ชั่วโมง
ซึ่งไม่ค่อยมีวิธีเร่งให้เร็วกว่านี้เท่าไหร่
ผู้สร้าง skill Anatomy ตั้งใจทำให้มันช้าแบบนี้เอง
เขาอธิบายเหตุผลไว้ว่า:
รายละเอียดต้องใช้เวลา ดังนั้นผมจึงเลือกแสดงตัวเลขจริงมากกว่าการเดาเอา
แล้วความมุ่งมั่นในเรื่องรายละเอียดที่สมจริงของเขาไปถึงขั้นไหนน่ะเหรอ?
ตอนที่ผมสั่งให้มันอธิบายหลักการของ Transformer มันพยายามฝึกโมเดลเล็กๆ ด้วยตัวเอง จนไปทริกเกอร์ระบบความปลอดภัยของ Claude และถูกแบนเซสชันนั้นไปเลย ผมนี่ตกใจสุดขีด...
แน่นอนว่าผมต้องขอเตือนไว้ก่อน
แอนิเมชันและวิดีโอที่สร้างโดย AI แม้จะดูประณีตมาก แต่ก็ไม่สามารถรับประกันได้ว่าโครงสร้างทางกล กระบวนการคำนวณ และคำอธิบายทุกอย่างจะถูกต้อง 100%
โดยเฉพาะเวลาเรียนความรู้เชิงวิชาชีพ ควรตรวจสอบพารามิเตอร์เฉพาะและหลักการสำคัญด้วยตัวเองเสมอ
แต่ถึงจะมีข้อจำกัดเหล่านี้ ผมก็ยังเชื่อว่าความเป็นไปได้ที่แสดงให้เห็นนี้น่าตื่นเต้นมาก
เพราะมันไม่ใช่แค่เรื่องการทำวิดีโอวิทยาศาสตร์ แต่มันแตะไปถึงคำถามที่ใหญ่กว่านั้น:
ในอนาคต เราควรเรียนรู้ความรู้ที่เราไม่เข้าใจเลยสักนิดอย่างไรดี?
ระหว่างที่เล่น skill นี้ ผมนึกถึงโพสต์ยาวๆ ที่ Karpathy เคยลงใน X ช่วงวันชาติจีน
https://x.com/karpathy/status/2105819303471976479
เขาบอกว่าในอนาคตเราน่าจะต้องใช้เวลาทำความเข้าใจเนื้อหาที่ AI สร้างขึ้นมากขึ้น
เพื่อให้เนื้อหาดังกล่าวเข้าใจง่ายขึ้น เขาได้แชร์วิธีการไว้หลายวิธี
วิธีแรก ให้ AI อธิบายปัญหาด้วยภาษาที่ชัดเจนและเรียบง่ายกว่าเดิม
เขาพูดถึง ASD-STE100 ซึ่งเป็นมาตรฐานภาษาอังกฤษเชิงเทคนิคที่พัฒนาขึ้นมาเพื่อเอกสารการบำรุงรักษาการบินโดยเฉพาะ มันจะจำกัดคำศัพท์และโครงสร้างประโยค (เช่น จำกัดความยาวของประโยค ใช้ประธานเป็นผู้กระทำ ใช้คำศัพท์ให้คงเส้นคงวา) เพื่อลดความกำกวมให้น้อยที่สุด
เขาพบว่าเมื่อสั่งให้ AI เขียนตามมาตรฐานนี้ ข้อความจะอ่านง่ายขึ้นมาก
ตรงนี้ผมลองให้ Claude อธิบายข้อต่อไม้แบบสลักเดือย (mortise and tenon joints) ทั้งแบบไม่ใช้และใช้มาตรฐานนี้ ลองสัมผัสความแตกต่างดูครับ
เมื่ออ้างอิงตาม ASD-STE100
วิธีที่สอง ซึ่งเขาคิดว่าดีกว่าวิธีแรก:
ให้ AI วาดแผนภาพออกมาเลย
ถ้าไปไกลกว่านั้น หน้าเว็บ HTML ยิ่งดีกว่าเดิม
เนื่องจากตอนนี้ AI เขียนโค้ดเก่งพอแล้ว มันจึงสร้างหน้าเว็บที่สวยงามและโต้ตอบได้
นี่ก็เป็นรูปแบบผลลัพธ์หลักของ skill Anatomy เช่นกัน
ผมลองสุ่มสร้างมาอันนึงด้วย Opus 5.5 จบในรอบเดียวเลย
และวิธีสุดท้าย ซึ่งเป็นวิธีที่ Karpathy ชอบมากที่สุด:
ให้ AI สร้างวิดีโออธิบายวิทยาศาสตร์เฉพาะเรื่องสำหรับคำถามนั้นๆ ไปเลย
ผมก็ลองทำมาอันนึงโดยใช้ Anatomy เพื่อเปรียบเทียบประสิทธิภาพของแต่ละรูปแบบ
ในมุมมองของผม รูปแบบเหล่านี้ไม่ได้เข้ามาแทนที่กันแบบตรงๆ
ข้อความเหมาะกับการค้นหาข้อมูลเร็วๆ แผนภาพเหมาะกับการแสดงความสัมพันธ์ หน้าเว็บแบบโต้ตอบเหมาะกับการลงมือสำรวจด้วยตัวเอง และวิดีโอเหมาะกับการทำความเข้าใจกระบวนการทีละขั้นตอนอย่างเป็นรูปธรรม
ความรู้ที่ต่างกัน คนที่ต่างกัน และขั้นตอนการเรียนรู้ที่ต่างกัน ก็เหมาะกับรูปแบบที่ต่างกัน
ผมลองถามเพื่อนร่วมงานว่าสมัยเรียนมหาลัย พวกเขาเริ่มเรียนหัวข้อที่ไม่รู้จักเลยยังไง
คำตอบออกมาคล้ายๆ กันคือ ใช้เสิร์ชเอนจิน หรือหาวิดีโอที่เกี่ยวข้องบนแพลตฟอร์มต่างๆ
แต่สื่อที่คุณหามาได้ ไม่จำเป็นว่าจะเหมาะกับคุณเสมอไป
บางอันตื้นเกินไป บางอันก็เฉพาะทางเกินไป ถ้าเป็นหัวข้อที่หายากมากๆ คุณอาจจะหาคอร์สเรียนไม่เจอเลยด้วยซ้ำ
ท้ายที่สุดแล้ว สื่อการเรียนในอดีตถูกสร้างไว้ล่วงหน้าโดยใครสักคนแล้วแจกจ่ายให้ทุกคน
เราทำได้แค่เลือกสิ่งที่ใกล้เคียงที่สุดจากเนื้อหาที่มีอยู่
แต่ตอนนี้ ด้วยโมเดลอย่าง Opus 5.5 และ skill อย่าง Anatomy เราสามารถสั่งให้ AI สร้างสื่อการเรียนได้ตามต้องการเลย
วิธีนี้ช่วยประหยัดเวลาในการค้นหา และตอบสนองความอยากรู้อยากเห็นที่อาจถูกลืมทิ้งไป
ต่อให้คุณสงสัยแค่เรื่องเล็กๆ น้อยๆ คุณก็สามารถสั่งให้ AI ทำวิดีโออธิบายให้ได้ทันที
ช่างเป็นยุคสมัยที่ยอดเยี่ยมจริงๆ
ทั้งหมดนี้แหละครับ ถ้าชอบบทความนี้ ฝากกดไลก์ คอมเมนต์ และแชร์ด้วยนะครับ ช่วยพวกเราได้เยอะเลย
ขอบคุณที่อ่านครับ แล้วเจอกันใหม่ครั้งหน้า
