เจาะประเด็น
Coding / Agents
AI อ่านโค้ดไม่เป็นเรื่องใหญ่ แต่ที่พังหนักกว่าคือ AI ดัน "คิดว่า" มันอ่านเข้าใจ
เครื่องมือ AI เขียนโค้ดกำลังสร้างภาพลวงตาว่าเข้าใจโปรเจกต์ทั้งหมด ทั้งที่จริงมันแค่เดาบริบทจากเศษเสี้ยวข้อมูล — แล้วเราก็ยอมรับคำตอบนั้นโดยไม่ตั้งคำถาม
ทีมข่าว เอไอไทย.com
⏱ อ่าน 4 นาที
ถ้า AI อ่านโค้ดไม่เข้าใจจริงๆ แล้วเรากำลังเอางานไปวางบนรากฐานที่มัน "คิดว่า" ถูกต้อง — คำถามคือ เราจะรู้ได้ยังไงว่ามันพลาด?
เริ่มจากเรื่องใกล้ตัวอย่างที่หลายคนอาจยังไม่ทันสังเกต — เราใช้ AI เขียนโค้ดกันมาระยะหนึ่งแล้ว และมันก็เก่งขึ้นเรื่อยๆ จนหลายครั้งเราลืมตั้งคำถามว่า "ตอนที่มันตอบเรา มันเข้าใจโค้ดทั้งโปรเจกต์จริงๆ หรือแค่เก่งพอจะเดา?" บทความจาก Rick Manelius บนเว็บส่วนตัวของเขาที่ถูกแชร์ต่อกันใน Hacker News จนมียอดโหวต 247 แต้มกับความเห็น 141 ความเห็น กำลังชี้ให้เห็นจุดอ่อนที่หลายคนมองข้าม: AI นั้น "อ่าน" โค้ดได้ แต่ไม่ได้ "เข้าใจ" มันจริงๆ เหมือนคนอ่านหนังสือแล้วแกะรอยความคิดผู้เขียนได้ทั้งหมด
มาว่ากันตามตรง — ถ้าให้ AI อ่านไฟล์โค้ดไฟล์เดียว มันทำได้ดีมาก มันไล่ฟังก์ชัน ไล่ตัวแปร เข้าใจโครงสร้างภายในไฟล์นั้นได้เกือบหมด แต่พอเป็นโปรเจกต์จริงที่มีหลายร้อยไฟล์ มีการเรียกกันข้ามโมดูล มี dependency ซับซ้อน มี business logic ที่ฝังอยู่ในชั้นเชิงที่ไม่ได้เขียนอธิบายไว้ใน comment ปัญหาก็เริ่มต้นตรงนี้ — AI ไม่ได้อ่านโค้ดทั้งหมดทุกบรรทัดก่อนตอบ แต่ใช้วิธีสุ่มหยิบไฟล์บางส่วนมาประกอบบริบท แล้วเดาโครงสร้างที่เหลือจาก pattern ที่มันเคยเห็นจากโปรเจกต์อื่นๆ ใน data training
ฟังดูเหมือนไม่ใช่เรื่องใหญ่? ขอเถียงเลยว่ามันคือเรื่องใหญ่มาก เพราะอันตรายไม่ได้อยู่ที่ AI ตอบผิด — อันตรายอยู่ที่ AI ตอบผิดแต่ตอบอย่างมั่นใจ ด้วยน้ำเสียงที่ฟังดู "รู้จริง" จนเราไม่กล้าไปทักท้วง มันให้ความรู้สึกเหมือนนั่งทำงานกับเพื่อนร่วมทีมที่พูดจาเก่ง ฟังดูรู้เรื่องทุกอย่าง แต่พอลงมือทำจริงกลับเจอว่าแกเข้าใจผิดมาตั้งแต่ต้น
Rick ชี้ให้เห็นว่าเครื่องมือ AI สมัยใหม่ส่วนใหญ่ไม่ได้ "อ่าน" โค้ดทั้งโปรเจกต์ก่อนตอบคำถาม แต่ใช้เทคนิคที่เรียกว่า retrieval — ดึงเฉพาะส่วนที่คิดว่าเกี่ยวข้องกับคำถามขึ้นมาประกอบกัน แล้วให้ model สร้างคำตอบจากชิ้นส่วนเหล่านั้น วิธีนี้ทำงานได้ดีเวลาคำถามตรงไปตรงมา เช่น "ฟังก์ชันนี้รับ parameter อะไรบ้าง" แต่พังไม่เป็นท่าเวลาถามคำถามเชิงระบบ เช่น "ทำไมฟีเจอร์นี้ถึงทำงานช้าลงหลังจาก merge branch นี้" เพราะมันไม่มีข้อมูลทั้งระบบในหัว แค่มีเศษเสี้ยว
ประโยคนี้คือหัวใจของปัญหาทั้งหมด — อันตรายจริงไม่ใช่ว่า AI อ่านโค้ดผิด แต่มันอ่านโค้ดผิดอย่างมั่นใจ จนทำให้เราวางใจและไม่ตรวจทาน เรื่องนี้ยิ่งน่ากลัวขึ้นในยุคที่หลายทีมเริ่มให้ AI ช่วยเขียน test, ช่วย refactor, หรือแม้แต่ช่วย review pull request ถ้า AI มองไม่เห็นภาพรวมทั้งหมด แล้วดัน "คิดว่า" เห็น มันจะให้คำแนะนำที่ฟังดูสมเหตุสมผล แต่พอกด merge เข้า main branch แล้วพังทั้งระบบ — ใครจะรับผิดชอบ?
ผลกระทบที่ว่านี้ไม่ได้จำกัดอยู่แค่ programmer ที่ใช้ AI เป็นเครื่องมือช่วยเขียนโค้ด แต่มันลามไปถึงวงการโดยรวม — บริษัทที่เริ่มพึ่งพา AI ในการพัฒนา product โดยไม่มีคนตรวจทานจริงจัง กำลังสร้าง "หนี้ทางเทคนิค" (technical debt) ที่มองไม่เห็นด้วยตาเปล่า มันไม่เหมือนหนี้ที่เกิดจากโค้ดเขียนไม่สวยหรือไม่ทำตาม best practice แต่มันคือหนี้ที่เกิดจาก "ความเข้าใจผิด" ที่ถูกฝังลงไปในโค้ดเบส โดยที่ไม่มีใครรู้ว่ามันผิด เพราะคนที่ตรวจก็ไม่ได้เข้าใจทั้งหมดเหมือนกัน
ลองคิดตาม — ถ้าทีมที่มี developer สามคน ใช้ AI ช่วยเขียนโค้ด 80% ของโปรเจกต์ แล้วทั้งสามคนไม่เข้าใจโค้ดส่วนนั้นจริงๆ เวลาเกิดบั๊กที่ซ่อนลึก พวกเขาจะแก้ยังไง? ใช้ AI แก้อีกที? แล้วถ้า AI ก็แก้โดยไม่เข้าใจเหมือนเดิม วนลูปแบบนี้ไปเรื่อยๆ สุดท้ายได้โค้ดที่ "ทำงานได้" แต่ไม่มีใครในทีมอธิบายได้ว่าทำไมมันถึงทำงาน หรือจะแก้ยังไงถ้ามันพัง — นี่คือฝันร้ายของ software engineer ทุกคน
ความเสี่ยงที่มองไม่เห็น
AI สร้างคำตอบที่ดูสมเหตุสมผลแต่ผิดพลาดเชิงโครงสร้าง โดยที่เราไม่มีทางรู้ได้เลยถ้าไม่ตรวจทุกบรรทัดด้วยตัวเอง — ซึ่งก็แพงเกินกว่าจะทำได้จริง
ภาพลวงตาของความเข้าใจ
ยิ่งใช้ AI เยอะ ยิ่งรู้สึกว่าโค้ดเบส "เข้าใจง่าย" ทั้งที่จริงมันคือความเข้าใจของ AI ที่เรายืมมาใช้ชั่วคราว ไม่ใช่ของเราจริงๆ
ที่สำคัญคือ เรื่องนี้ไม่ใช่แค่ข้อจำกัดทางเทคนิคที่ "เดี๋ยวก็แก้ได้" เพราะโครงสร้างของปัญหามันอยู่ที่วิธีการทำงานของ AI เอง — มันถูกออกแบบมาให้ "เดา" คำตอบที่ดูน่าจะถูก ไม่ได้ถูกออกแบบมาให้ "พิสูจน์" ว่าคำตอบถูกต้องจริงๆ การจะให้ AI อ่านโค้ดทั้งโปรเจกต์แล้วเข้าใจจริงๆ ต้องใช้ context window มหาศาลและพลังประมวลผลที่แพงเกินกว่าจะใช้งานจริงในชีวิตประจำวัน อย่างน้อยก็ในตอนนี้
ฟันธงตรงนี้เลย — AI เขียนโค้ดคือเครื่องมือที่ดีที่สุดที่เราเคยมี แต่ถ้าใช้มันแบบวางใจไม่ตรวจทาน มันคือระเบิดเวลาที่พร้อมจะทำลายโปรเจกต์คุณในวันที่คุณไม่ทันตั้งตัว กฎเหล็กข้อเดียว: ใช้ AI ได้ แต่ต้องอ่านโค้ดที่มันเขียนเองทุกบรรทัด และต้องรู้เสมอว่าตัวเองกำลังทำอะไรอยู่ ถ้าทำไม่ได้ ลดขนาดความไว้วางใจลง แล้วหันกลับมาเขียนโค้ดด้วยมือบ้างเป็นบางจังหวะ — สมองคุณจะได้ไม่ลืมวิธีคิดแบบคน
ที่มา: Hacker News — อ่านต้นฉบับ
ความคิดเห็น 4
กำลังโหลดความคิดเห็น...