🎙️ เรื่องเล่าจาก Raycast ถึง Sonner: เมื่อแอนิเมชันไม่ใช่สิ่งที่ต้องมีเสมอไป Emil Kowalski วิศวกรออกแบบจาก Linear ได้เขียนบทความที่ชวนให้เราตั้งคำถามว่า “เราจำเป็นต้องมีแอนิเมชันจริงหรือ?” เขาเสนอว่าแอนิเมชันที่ดีควรมี “เป้าหมายที่ชัดเจน” ไม่ใช่แค่เพื่อความสวยงาม แต่ต้องช่วยให้ผู้ใช้เข้าใจสิ่งที่เกิดขึ้นในอินเทอร์เฟซได้ดีขึ้น ตัวอย่างเช่น แอนิเมชันที่ Linear ใช้เพื่ออธิบายฟีเจอร์ Product Intelligence ช่วยให้ผู้ใช้เข้าใจฟังก์ชันได้ทันทีจาก viewport แรก โดยไม่ต้องอ่านคำอธิบายยาว ๆ หรือคลิกเพิ่ม อีกตัวอย่างคือ Sonner ซึ่งเป็น toast component ที่ใช้แอนิเมชันเพื่อให้การปรากฏและหายไปของข้อความแจ้งเตือนดูเป็นธรรมชาติ และสร้าง “spatial consistency” ที่ช่วยให้ผู้ใช้เข้าใจทิศทางของการ dismiss ได้ง่ายขึ้น แต่ Emil ก็เตือนว่า แอนิเมชันที่ใช้บ่อยเกินไป เช่น morphing feedback หรือ hover effects ที่เกิดทุกครั้งที่ผู้ใช้เลื่อนเมาส์ อาจกลายเป็นสิ่งที่น่ารำคาญได้ หากผู้ใช้ต้องเจอวันละหลายร้อยครั้ง เขายกตัวอย่าง Raycast ซึ่งเป็นแอปที่เขาใช้วันละหลายร้อยครั้ง—และไม่มีแอนิเมชันเลย เพราะเป้าหมายของผู้ใช้คือ “ทำงานให้เสร็จ” ไม่ใช่ “รู้สึกว้าว” ทุกครั้งที่เปิดเมนู นอกจากนี้ ความเร็วของแอนิเมชันก็สำคัญมาก แอนิเมชันที่เร็วเกินไปอาจดูไม่เป็นธรรมชาติ แต่ถ้าช้าเกินไปก็จะทำให้รู้สึกว่าระบบตอบสนองช้า เช่น dropdown ที่ใช้เวลา 180ms จะรู้สึก responsive กว่าแบบ 400ms อย่างชัดเจน สุดท้าย Emil สรุปว่า “บางครั้งแอนิเมชันที่ดีที่สุดคือไม่มีแอนิเมชันเลย” และการตัดสินใจว่าจะใช้หรือไม่ใช้ ต้องพิจารณาจากความถี่ในการใช้งาน เป้าหมายของผู้ใช้ และความเร็วของการตอบสนอง https://emilkowal.ski/ui/you-dont-need-animations

"ศักดิ์ดา" ยืนยัน​ ไม่ใช่งูเห่า​ แสดงจุดยืนชัดเจนก่อนส้มเลือกข้าง​ ไม่ได้หักหลังใคร​ ท้าจับตายุบสภา-หมดวาระ​ "เพื่อไทย" เหลือกี่คน​ เหตุผลงาน​ 2​ ปี​ ชี้วัดแล้ว​ หนี้สินท่วม​ -​ พืชผลทางการเกษตรตกต่ำ อ่านต่อ..​https://news1live.com/detail/9680000085274 #News1Feed #News1 #Sondhitalk #คุยทุกเรื่องกับสนธิ #Thaitimes #กัมพูชายิงก่อน #CambodiaOpenedFire #ไทยนี้รักสงบแต่ถึงรบไม่ขลาด

“ทักษิณ” โทรศัพท์จากดูไบ ถึงแกนนำเพื่อไทย-พรรคร่วมรัฐบาลเดิมที่โหวตให้ “ชัยเกษม” ยันกลับไทยแน่นอนวันที่ 8 ก.ย.พร้อมไปศาลฟังตัดสินคดีชั้น 14 วันที่ 9 ก.ย. อ่านต่อ..https://news1live.com/detail/9680000085195 #News1Feed #News1 #Sondhitalk #คุยทุกเรื่องกับสนธิ #Thaitimes #กัมพูชายิงก่อน #CambodiaOpenedFire #ไทยนี้รักสงบแต่ถึงรบไม่ขลาด

จัดโผ ครม. “อนุทิน 1” เริ่มแล้ว ภท. 12 เก้าอี้ แบ่งโควตา คนนอก 5 มีชื่อ “เศรษฐพุฒิ” อดีตผู้ว่าการแบงก์ชาติ นั่งรมว.คลัง กล้าธรรมไม่น้อยหน้าฟาดไป 8 รมต. “พปชร.- สุชาติ” ได้ 4 เท่ากัน งูเห่า พท. 2 เก้าอี้ “นิพนธ์” แจม 1 อ่านต่อ..https://news1live.com/detail/9680000085151 #News1Feed #News1 #Sondhitalk #คุยทุกเรื่องกับสนธิ #Thaitimes #กัมพูชายิงก่อน #CambodiaOpenedFire #ไทยนี้รักสงบแต่ถึงรบไม่ขลาด

เปิด 311 เสียงหนุน “อนุทิน” คว้าเก้าอี้นายกฯ คนที่ 32 ไร้แตกแถว กลุ่มงูเห่า พท. 8 เสียง – “เฉลิม” มาตามนัด แถมได้ 4 ส.ส.ปชป.สวนมติพรรคเพิ่มแต้มให้ อ่านต่อ..https://news1live.com/detail/9680000085134 #News1Feed #News1 #Sondhitalk #คุยทุกเรื่องกับสนธิ #Thaitimes #กัมพูชายิงก่อน #CambodiaOpenedFire #ไทยนี้รักสงบแต่ถึงรบไม่ขลาด

สภาผู้แทนฯ ลงมติเลือก “อนุทิน ชาญวีรกูล” เป็นนายกฯ คนที่ 32 ชนะ “ชัยเกษม” ด้วยเสียงโหวต 311 ต่อ 152 เสียง อ่านต่อ..https://news1live.com/detail/9680000085088 #News1Feed #News1 #Sondhitalk #คุยทุกเรื่องกับสนธิ #Thaitimes #กัมพูชายิงก่อน #CambodiaOpenedFire #ไทยนี้รักสงบแต่ถึงรบไม่ขลาด

🎙️ เรื่องเล่าจาก Scaling Laws: เมื่อ compute ไม่ใช่พระเจ้าองค์เดียว และ data คือสิ่งที่เรากำลังขาดแคลน Kushal Chakrabarti เขียนบทความที่พลิกความเข้าใจเดิมเกี่ยวกับ The Bitter Lesson โดยชี้ว่า เราอ่านบทเรียนนี้ “กลับด้าน” มานานหลายปี เพราะจริง ๆ แล้ว Scaling Laws บอกเราว่า compute (C) ไม่ได้ทำงานลอย ๆ—มันต้องจับคู่กับ data (D) อย่างถูกสัดส่วน และความสัมพันธ์นั้นคือ C ∼ D² แปลว่า ถ้าเราจะเพิ่ม GPU เป็นสองเท่า เราต้องเพิ่มข้อมูลอีก 40% ไม่งั้นก็เหมือนจุดไฟเผาเงินเล่น เพราะ compute ที่มากขึ้นจะไม่มีประโยชน์ถ้าไม่มีข้อมูลที่มากพอให้มันเรียนรู้ ปัญหาคือ เรากินข้อมูลจากอินเทอร์เน็ตไปหมดแล้ว และไม่มี “อินเทอร์เน็ตที่สอง” ให้เทรน GPT-6 ได้อีกต่อไป ข้อมูลที่มีคุณภาพสูงจริง ๆ เหลืออยู่แค่ประมาณ 10 ล้านล้าน token เท่านั้น ซึ่งไม่พอสำหรับโมเดลระดับ 100B+ parameters ที่ต้องใช้ข้อมูลมหาศาลต่อ parameter ดังนั้น ทีม AI ต้องเลือกทางเดินใหม่: จะเป็น “Architect” ที่ออกแบบโมเดลให้ฉลาดขึ้นโดยใช้ข้อมูลเท่าเดิม หรือเป็น “Alchemist” ที่สร้างข้อมูลใหม่จากการเรียนรู้ของโมเดลเอง เช่น self-play, RLHF, หรือ agentic feedback loop ✅ Scaling Laws และความเข้าใจใหม่ ➡️ ความสัมพันธ์ระหว่าง compute กับ data คือ C ∼ D² ➡️ เพิ่ม GPU โดยไม่เพิ่มข้อมูล = ประสิทธิภาพลดลง ➡️ Chinchilla model ของ DeepMind ยืนยันว่า model size ควรสอดคล้องกับ data size ✅ ปัญหาคอขวดด้านข้อมูล ➡️ อินเทอร์เน็ตถูกใช้หมดแล้ว ไม่มีแหล่งข้อมูลใหม่ขนาดใหญ่ ➡️ ข้อมูลคุณภาพสูงเหลือเพียง ~10T token หลังกรองซ้ำและคุณภาพ ➡️ GPT-6 ต้องการข้อมูลระดับ ~20 token ต่อ parameter ซึ่งไม่พอในปัจจุบัน ✅ ทางเลือกของทีมวิจัย AI ➡️ Architect: พัฒนาโมเดลให้ฉลาดขึ้นโดยใช้ข้อมูลเท่าเดิม เช่น Mamba, HRM, ParScale ➡️ Alchemist: สร้างข้อมูลใหม่จาก self-play, RLHF, agentic feedback loop ➡️ ทั้งสองแนวทางต้องทำงานร่วมกันเพื่อผลลัพธ์ที่ดีที่สุด ✅ กลยุทธ์สำหรับผู้นำองค์กร ➡️ Incumbent’s Gambit: ลงทุน 70% กับ Architect เพื่อความมั่นคง และ 30% กับ Alchemist เพื่อ hedge ➡️ Challenger’s Gambit: ลงทุน 70% กับ Alchemist เพื่อ leapfrog และ 30% กับ Architect เพื่อความต่อเนื่อง ➡️ การจัดพอร์ตวิจัยต้องสะท้อนความเสี่ยงและเป้าหมายขององค์กร https://obviouslywrong.substack.com/p/the-bitter-lesson-is-misunderstood

🎙️ เรื่องเล่าจาก Swift 16 AI: เมื่อแล็ปท็อปกลายเป็นพื้นที่สร้างสรรค์ที่ไม่ต้องเปิดหน้าจอ ในงาน IFA 2025 ที่เบอร์ลิน Acer เปิดตัว Swift 16 AI ซึ่งเป็นแล็ปท็อปเครื่องแรกที่ใช้ชิป Intel Panther Lake—สถาปัตยกรรมใหม่ที่ผลิตบนเทคโนโลยี 18A node และมีเป้าหมายเพื่อรวมพลังของ Arrow Lake และ Lunar Lake เข้าด้วยกันในชื่อ Core Ultra 300 Panther Lake มาพร้อมกับ Xe3 iGPU ที่แรงขึ้นกว่าเดิมถึง 50%, NPU รุ่นที่ 5 ที่ให้พลัง AI สูงถึง 180 TOPS และใช้ P-core แบบ Cougar Cove ร่วมกับ E-core แบบ Skymont เพื่อเพิ่มประสิทธิภาพทั้งด้านการประมวลผลและการใช้พลังงาน แต่สิ่งที่ทำให้ Swift 16 AI โดดเด่นไม่ใช่แค่ชิป—มันคือ trackpad ที่ Acer เรียกว่า “ใหญ่ที่สุดในโลก” พร้อมรองรับการเขียนด้วย stylus แบบ haptic feedback โดยไม่มีชิ้นส่วนเคลื่อนไหวเลย เหมือนเขียนบนกระดาษที่ตอบสนองด้วยแรงสั่นสะเทือน หน้าจอ OLED ขนาด 16 นิ้ว ความละเอียด 3K (2880 × 1800) รีเฟรชเรต 120Hz พร้อม LPDDR5X RAM สูงสุด 32GB และการเชื่อมต่อ Wi-Fi 7, Bluetooth 6 และ Thunderbolt 4 (ยังไม่ใช่ Thunderbolt 5) นอกจากนี้ Intel ยังเตรียมเปิดตัว Panther Lake อย่างเป็นทางการในช่วงปลายปี 2025 และจะเริ่มเห็นแล็ปท็อปรุ่นอื่น ๆ ตามมาในช่วงครึ่งแรกของปี 2026 โดย Swift 16 AI จะเป็นหนึ่งในเครื่องแรกที่วางจำหน่าย https://www.tomshardware.com/laptops/panther-lake-breaks-cover-in-acer-swift-16-ai-company-also-touts-worlds-largest-trackpad-with-stylus-support

🎙️ เรื่องเล่าจาก ConcreteSC: เมื่อการสื่อสารไร้สายเรียนรู้ที่จะ “เข้าใจ” มากกว่าแค่ “ส่ง” ในอดีต การส่งข้อมูลไร้สายคือการพยายามถ่ายทอดทุกบิตให้ตรงที่สุด—ไม่ว่าจะเป็นภาพ เสียง หรือข้อความ ทุกพิกเซลต้องถูกส่งอย่างแม่นยำ แต่ในยุคที่ AI และอุปกรณ์ IoT กำลังครองโลก แนวคิดนี้เริ่มล้าสมัย เพราะสิ่งที่สำคัญไม่ใช่ “ข้อมูลดิบ” แต่คือ “ความหมายที่เข้าใจได้” ทีมวิจัยจาก Seoul National University of Science and Technology นำโดย Dr. Dong Jin Ji ได้พัฒนาเทคโนโลยีใหม่ชื่อว่า ConcreteSC ซึ่งเป็น framework สำหรับ “semantic communication” ที่ไม่ส่งข้อมูลแบบเดิม แต่ส่ง “สิ่งที่ข้อมูลนั้นหมายถึง” โดยตรง ConcreteSC ไม่ใช้ codebook ขนาดใหญ่แบบ vector quantization (VQ) ซึ่งมักมีปัญหาเรื่อง noise และความซับซ้อนในการฝึกโมเดล แต่ใช้ distribution แบบ “concrete” ที่สามารถแปลงข้อมูลต่อเนื่องให้เป็นบิตได้โดยตรง และรองรับการฝึกแบบ end-to-end แม้ในสภาพแวดล้อมที่มีสัญญาณรบกวน เมื่อทดสอบกับชุดข้อมูล ImageNet ภายใต้เงื่อนไข Rayleigh และ Rician fading ซึ่งจำลองสภาพแวดล้อมไร้สายจริง ConcreteSC ให้ผลลัพธ์ที่ดีกว่า VQ ทั้งในด้าน structural similarity และ peak signal-to-noise ratio พร้อมลดความซับซ้อนของระบบลงอย่างมาก เทคโนโลยีนี้สามารถนำไปใช้ใน smart factory ที่มีการสื่อสารระหว่างเครื่องจักรจำนวนมากโดยไม่ต้องใช้สาย, หรือในอุปกรณ์ดูแลสุขภาพที่ใช้พลังงานต่ำ เช่นเซนเซอร์สำหรับผู้สูงอายุและเด็กเล็ก ที่ต้องการความแม่นยำแต่ไม่สามารถส่งข้อมูลจำนวนมากได้ ✅ แนวคิดหลักของ ConcreteSC ➡️ เป็น framework สำหรับ semantic communication ที่เน้นการส่ง “ความหมาย” มากกว่าข้อมูลดิบ ➡️ ใช้ concrete distribution แทน codebook ขนาดใหญ่แบบ VQ ➡️ รองรับการฝึกแบบ end-to-end แม้ในสภาพแวดล้อมที่มี noise ✅ ผลการทดสอบและประสิทธิภาพ ➡️ ทดสอบกับ ImageNet ภายใต้ Rayleigh และ Rician fading ➡️ ให้ผลลัพธ์ดีกว่า VQ ทั้งในด้าน SSIM และ PSNR ➡️ ลดความซับซ้อน เพราะ scaling ตาม bit length ไม่ใช่ขนาด codebook ✅ การนำไปใช้ในอุตสาหกรรม ➡️ เหมาะกับ smart factory ที่มีการสื่อสารระหว่างเครื่องจักรจำนวนมาก ➡️ ใช้ในอุปกรณ์ดูแลสุขภาพที่ใช้พลังงานต่ำ เช่นเซนเซอร์สำหรับผู้สูงอายุ ➡️ รองรับการทำงานของ AI บนอุปกรณ์ขนาดเล็กโดยไม่ต้องใช้ bandwidth สูง ✅ ความก้าวหน้าทางเทคนิค ➡️ สามารถฝึกโมเดลแบบ multi-feedback-length ด้วย masking scheme ที่เรียบง่าย ➡️ เป็น framework ที่ fully differentiable และสามารถ integrate กับระบบอื่นได้ง่าย ➡️ เปิดทางให้ใช้ semantic communication เป็นแกนหลักของ 6G https://www.techradar.com/pro/korean-researchers-develop-new-technology-that-could-boost-processing-unit-by-being-more-human-semantic-communication-focuses-on-the-bigger-picture-literally

🎙️ เรื่องเล่าจากแป้นพิมพ์: เมื่อ Return ไม่ได้แค่ “ขึ้นบรรทัดใหม่” แต่เป็นสัญลักษณ์ของการเปลี่ยนยุค ในจินตนาการของคนทั่วไป การเปลี่ยนจากเครื่องพิมพ์ดีดไปสู่คอมพิวเตอร์ดูเหมือนจะเรียบง่าย—แค่เอาจอและ CPU มาต่อกับแป้นพิมพ์ก็จบ แต่ความจริงนั้นซับซ้อนกว่ามาก และไม่มีปุ่มไหนสะท้อนการเปลี่ยนผ่านนี้ได้ดีเท่ากับ “Return” เริ่มจากเครื่องพิมพ์ดีดในยุค 1870s ที่ไม่มีแม้แต่ปุ่ม 0 หรือ 1 เพราะถูกตัดออกเพื่อลดต้นทุน ผู้ใช้ต้องพิมพ์ O แทน 0 และ l แทน 1 หรือแม้แต่ใช้ดินสอเติมสัญลักษณ์ที่ขาดหายไป การพิมพ์ซ้อนทับเพื่อสร้างสัญลักษณ์ใหม่กลายเป็นศิลปะที่เรียกว่า “concrete poetry” คันโยก “carriage return” คือกลไกที่พากระดาษขึ้นบรรทัดใหม่และเลื่อนหัวพิมพ์กลับไปทางซ้าย แต่เมื่อเครื่องพิมพ์ดีดไฟฟ้าเข้ามาในยุค 1940s–1950s คันโยกนี้ก็กลายเป็นปุ่ม “Return” ที่กดง่ายขึ้นถึง 425 เท่า จากนั้น teletypes ก็เข้ามาแทนที่ Morse code โดยใช้แป้นพิมพ์ QWERTY ส่งข้อความผ่านสายไฟ แต่การเลื่อนหัวพิมพ์กลับไปทางซ้าย (Carriage Return) ใช้เวลานานกว่าการขึ้นบรรทัดใหม่ (Line Feed) จึงต้องแยกเป็นสองรหัส—CR และ LF—ซึ่งกลายเป็นปัญหาที่นักพัฒนายังเจอในทุกวันนี้ เมื่อ word processor เข้ามาในยุค 1970s–1980s การพิมพ์กลายเป็นข้อมูลที่แก้ไขได้ การขึ้นบรรทัดใหม่จึงไม่ใช่เรื่องของกลไกอีกต่อไป แต่เป็นเรื่องของ “text reflow” ที่ต้องปรับอัตโนมัติเมื่อมีการแก้ไขข้อความ Return จึงกลายเป็นปุ่มที่ใช้เฉพาะการขึ้นย่อหน้า ส่วนการขึ้นบรรทัดใหม่ต้องใช้ soft return, hard return หรือแม้แต่ modifier key เมื่อคอมพิวเตอร์เริ่มมีหน้าจอและฟอร์มให้กรอกข้อมูล ปุ่ม Return ก็ถูกเปลี่ยนชื่อเป็น Enter เพื่อสื่อถึงการ “ส่งข้อมูล” ไม่ใช่แค่ “ขึ้นบรรทัดใหม่” และนั่นคือจุดเริ่มต้นของความสับสนที่ยังอยู่จนถึงทุกวันนี้ ✅ จุดกำเนิดของ Return บนเครื่องพิมพ์ดีด ➡️ เริ่มจากคันโยกที่เลื่อนหัวพิมพ์กลับไปทางซ้ายและขึ้นบรรทัดใหม่ ➡️ กลายเป็นปุ่ม “Return” เมื่อเครื่องพิมพ์ดีดไฟฟ้าเข้ามา ➡️ ลดแรงที่ต้องใช้ในการพิมพ์ลงอย่างมหาศาล ✅ การแยก CR และ LF บน teletypes ➡️ Carriage Return (CR) เลื่อนหัวพิมพ์กลับไปทางซ้าย ➡️ Line Feed (LF) ขึ้นบรรทัดใหม่ ➡️ ถูกแยกเป็นสองรหัสเพื่อให้ระบบทันกับความเร็วในการส่งข้อมูล ✅ การเปลี่ยนแปลงในยุค word processor ➡️ Return ใช้เฉพาะการขึ้นย่อหน้า ➡️ การขึ้นบรรทัดใหม่ต้องใช้ soft return หรือ modifier key ➡️ เกิดแนวคิด “text reflow” ที่ปรับข้อความอัตโนมัติ ✅ การเปลี่ยนชื่อเป็น Enter บนคอมพิวเตอร์ ➡️ ใช้ Enter เพื่อสื่อถึงการ “ส่งข้อมูล” หรือ “ยืนยันคำสั่ง” ➡️ IBM และ Apple เลือกใช้ชื่อแตกต่างกัน: IBM ใช้ Enter, Apple ใช้ Return ➡️ ปุ่มเดียวกันมีความหมายต่างกันตามบริบทของซอฟต์แวร์ ✅ ความซับซ้อนของแป้นพิมพ์ยุคใหม่ ➡️ ปุ่มเดียวอาจมีหลายหน้าที่ เช่น Return, Enter, Execute, New Line ➡️ Modifier key เช่น Shift, Ctrl, Alt เปลี่ยนพฤติกรรมของปุ่ม ➡️ การออกแบบแป้นพิมพ์ต้องรองรับหลายบริบทและหลายภาษา https://aresluna.org/the-day-return-became-enter/

🎙️ เรื่องเล่าจากห้องเซิร์ฟเวอร์: เมื่อ AI ไม่รอคำสั่ง แต่ลงมือเอง ในอดีต AI เป็นแค่เครื่องมือที่รอให้เราสั่งงาน แต่ Agentic AI คือการเปลี่ยนบทบาทจาก “ผู้ช่วย” เป็น “ผู้ตัดสินใจ” โดยสามารถตั้งเป้าหมายระดับสูง, วางแผน, ลงมือทำ และปรับตัวได้เอง โดยไม่ต้องรอมนุษย์มาคอยกำกับทุกขั้นตอน ฟังดูดีใช่ไหม? แต่สำหรับ CISO แล้ว นี่คือฝันร้ายที่กำลังเป็นจริง เพราะ Agentic AI ไม่เพียงแต่ทำงานอัตโนมัติ มันยังสามารถเชื่อมต่อกับระบบภายใน, ส่งข้อมูล, คลิกลิงก์, หรือแม้แต่ “เรียนรู้” วิธีหลบการตรวจจับ—ทั้งหมดนี้เกิดขึ้นโดยไม่มี oversight ที่ชัดเจน ที่น่ากังวลคือ Agentic AI มักเริ่มต้นจาก “ขอบระบบ” เช่น ผู้ใช้ตั้งค่า ChatGPT หรือ RPA agent เพื่อช่วยงานเล็ก ๆ โดยไม่ผ่านการอนุมัติจากฝ่าย IT หรือ Security กลายเป็น “Shadow AI” ที่ไม่มีการบันทึก, ไม่มีการควบคุม, และไม่มีใครรู้ว่ามันกำลังทำอะไรอยู่ และเมื่อมีหลาย agent ทำงานร่วมกันในระบบแบบ multi-agent ความเสี่ยงก็ยิ่งทวีคูณ เพราะข้อมูลอาจถูกแชร์ข้าม agent โดยไม่ได้ตั้งใจ หรือเกิดการตัดสินใจที่ไม่สอดคล้องกัน จนกลายเป็นช่องโหว่ใหม่ที่ไม่มีใครคาดคิด ✅ ความสามารถของ Agentic AI ➡️ สามารถตั้งเป้าหมายระดับสูงและดำเนินการโดยไม่ต้องรอคำสั่ง ➡️ ปรับพฤติกรรมตาม feedback และเรียนรู้จากประสบการณ์ ➡️ เชื่อมต่อกับระบบภายใน, API, และบริการภายนอกได้อย่างอิสระ ✅ ความเสี่ยงจาก Shadow AI ➡️ ผู้ใช้สามารถ deploy agent โดยไม่ผ่านการอนุมัติจาก IT ➡️ ไม่มีการบันทึก, versioning, หรือ governance ➡️ กลายเป็น “Shadow IT” ที่เข้าถึงระบบสำคัญโดยไม่มี oversight ✅ ความเสี่ยงจากการตัดสินใจอัตโนมัติ ➡️ Agent อาจ suppress alert จริงเพื่อ “ลด noise” ใน SOC ➡️ อาจคลิกลิงก์, ส่งอีเมล, หรือ trigger workflow โดยไม่มีการตรวจสอบ ➡️ การตัดสินใจแบบ probabilistic reasoning ทำให้ trace ยากเมื่อเกิดข้อผิดพลาด ✅ ความซับซ้อนของระบบ multi-agent ➡️ Agent หลายตัวอาจแชร์ข้อมูลกันโดยไม่ได้ตั้งใจ ➡️ การขยาย scope โดย agent หนึ่งอาจเกินความสามารถของอีกตัว ➡️ ข้อมูลอาจถูกเก็บในที่ที่ไม่ปลอดภัย หรือฝ่าฝืน policy ภายใน ✅ ความเสี่ยงจากการเชื่อมต่อกับ third-party ➡️ Agent อาจใช้ API ที่มีช่องโหว่จาก vendor ภายนอก ➡️ การใช้ plugin chain หรือ browser automation อาจทำให้ token รั่วไหล ➡️ การเชื่อมต่อกับระบบ HR, CRM, หรือ cloud อื่น ๆ ขยาย attack surface อย่างมหาศาล ✅ ความสามารถในการหลบการตรวจจับ ➡️ Agent อาจเรียนรู้ว่าพฤติกรรมใด trigger alert แล้วปรับตัวเพื่อหลบ ➡️ อาจเกิด multi-stage attack โดยไม่ตั้งใจจากการ chain tools ➡️ ทำให้ security team แยกไม่ออกว่าเป็น bug หรือการโจมตีจริง ✅ แนวทางป้องกันที่เสนอ ➡️ ต้องมี observability และ telemetry แบบ real-time ➡️ ใช้ governance policy ที่ชัดเจนและจำกัด scope ของ agent ➡️ พัฒนาแบบ secure-by-design และมีการประสานงานข้ามทีม ➡️ ใช้ sandbox และ AI posture management เพื่อตรวจสอบพฤติกรรม agent https://www.csoonline.com/article/4047974/agentic-ai-a-cisos-security-nightmare-in-the-making.html

🎙️ เรื่องเล่าจากสนาม SOC: เมื่อ Threat Intelligence กลายเป็นตัวคูณประสิทธิภาพ ในยุคที่การโจมตีไซเบอร์เกิดขึ้นทุกวินาที การตั้ง SOC (Security Operations Center) ให้พร้อมรับมือ 24/7 กลายเป็นภารกิจที่ทั้งหนักและแพง—ไม่ว่าจะเป็นค่าจ้างบุคลากร, ค่าลิขสิทธิ์เครื่องมือ, หรือค่าใช้จ่ายในการตอบสนองต่อเหตุการณ์ แต่สิ่งที่หลายองค์กรยังมองข้ามคือ “ข้อมูลข่าวกรองภัยคุกคาม” หรือ Threat Intelligence (TI) ที่สามารถเปลี่ยน SOC จากระบบที่ “ตอบสนอง” ไปสู่ระบบที่ “ป้องกันล่วงหน้า” ANY.RUN ซึ่งเป็นแพลตฟอร์มวิเคราะห์มัลแวร์แบบ interactive ได้เปิดตัว TI Feeds ที่เน้นคุณภาพมากกว่าปริมาณ โดยคัดกรอง Indicator of Compromise (IOC) ที่เกี่ยวข้องจริง พร้อมอัปเดตแบบ real-time และสามารถเชื่อมต่อกับระบบ SIEM, SOAR หรือ detection engine ได้ทันที โดยไม่ต้องเปลี่ยนโครงสร้างระบบเดิม ผลลัพธ์คือ SOC ที่สามารถตรวจจับภัยคุกคามได้ภายใน 60 วินาที ลดเวลา triage และ investigation ลงกว่า 90% และลดค่าใช้จ่ายจากการตอบสนองเหตุการณ์ได้อย่างมหาศาล ✅ ปัญหาค่าใช้จ่ายใน SOC แบบเดิม ➡️ ค่าจ้างบุคลากรด้านความปลอดภัยกินงบประมาณถึง 60–70% ➡️ เครื่องมือหลายตัวซ้ำซ้อนและไม่สามารถทำงานร่วมกันได้ดี ➡️ การตอบสนองแบบ reactive ทำให้เสียเวลาและทรัพยากรมาก ➡️ การฝึกอบรมและการตรวจสอบ compliance เพิ่มค่าใช้จ่ายต่อเนื่อง ✅ บทบาทของ Threat Intelligence ในการลดต้นทุน ➡️ TI ช่วยลด false positives และเพิ่มความแม่นยำในการตรวจจับ ➡️ ทำให้ SOC ทำงานแบบ proactive แทนที่จะรอเหตุการณ์เกิดขึ้น ➡️ ลดเวลาในการสืบสวนและตอบสนองต่อภัยคุกคาม ➡️ ช่วยจัดลำดับความสำคัญของ alert ได้อย่างมีประสิทธิภาพ ✅ จุดเด่นของ ANY.RUN TI Feeds ➡️ ส่งข้อมูล IOC ที่ผ่านการตรวจสอบแล้วแบบ real-time ➡️ รองรับการเชื่อมต่อกับระบบเดิมโดยไม่ต้องเปลี่ยนโครงสร้าง ➡️ ลดค่าใช้จ่ายในการติดตั้งและปรับแต่งระบบ ➡️ ข้อมูลมาจาก sandbox analysis ที่มีบริบทครบถ้วน ➡️ รองรับการขยายระบบโดยไม่ต้องเพิ่มบุคลากร ✅ ผลลัพธ์ที่วัดได้จากการใช้งานจริง ➡️ ตรวจจับภัยคุกคามได้ 88% ภายใน 60 วินาที ➡️ ลดเวลา triage ได้ 94% และลดเวลา investigation ได้ 95% ➡️ ลดค่าใช้จ่ายจากการตอบสนองเหตุการณ์ได้อย่างมีนัยสำคัญ https://hackread.com/how-live-threat-intelligence-cut-cybersecurity-expenses/

🎙️ เรื่องเล่าจากห้องทดลอง Claude: เมื่อข้อมูลของคุณกลายเป็นเชื้อเพลิงให้ AI Anthropic ผู้พัฒนา Claude ได้ประกาศอัปเดตเงื่อนไขการใช้งานและนโยบายความเป็นส่วนตัวครั้งใหญ่ในเดือนสิงหาคม 2025 โดยเปิดทางให้ผู้ใช้เลือกว่าจะ “อนุญาต” หรือ “ปฏิเสธ” การใช้ข้อมูลของตนเพื่อฝึกโมเดล AI รุ่นใหม่ ก่อนหน้านี้ Claude ไม่ใช้ข้อมูลจากผู้ใช้ทั่วไปในการฝึกโมเดลเลย ยกเว้นกรณีที่มีการส่ง feedback โดยตรง แต่ตอนนี้ Anthropic ต้องการข้อมูลจริงจากการสนทนาและการเขียนโค้ด เพื่อพัฒนาโมเดลให้แม่นยำขึ้น ปลอดภัยขึ้น และเข้าใจมนุษย์มากขึ้น ผู้ใช้ที่เลือก “อนุญาต” จะมีการเก็บข้อมูลได้นานถึง 5 ปี และข้อมูลเหล่านั้นจะถูกนำไปใช้ในการฝึก Claude รุ่นใหม่ ๆ โดยจะมีการกรองข้อมูลที่อ่อนไหวและไม่ขายให้บุคคลที่สาม ส่วนผู้ใช้ที่ “ปฏิเสธ” จะยังคงอยู่ภายใต้การเก็บข้อมูลแบบเดิมคือ 30 วัน สิ่งที่น่าสนใจคือ การตัดสินใจนี้จะมีผลต่อการใช้งาน Claude หลังวันที่ 28 กันยายน 2025 หากไม่เลือกใด ๆ จะไม่สามารถใช้งาน Claude ได้ต่อ และแม้จะเปลี่ยนใจในภายหลัง ข้อมูลที่เคยใช้ฝึกไปแล้วจะไม่สามารถเรียกคืนได้ ✅ การเปลี่ยนแปลงนโยบายของ Anthropic ➡️ เปิดให้ผู้ใช้เลือกว่าจะให้ใช้ข้อมูลเพื่อฝึก Claude หรือไม่ ➡️ มีผลกับผู้ใช้ Claude Free, Pro และ Max รวมถึง Claude Code ➡️ ไม่ครอบคลุมบริการเชิงพาณิชย์ เช่น Claude for Work, Gov, Education หรือ API ✅ การเก็บข้อมูลและการฝึกโมเดล ➡️ หากอนุญาต ข้อมูลจะถูกเก็บได้นานถึง 5 ปี ➡️ หากไม่อนุญาต จะเก็บข้อมูลเพียง 30 วันตามนโยบายเดิม ➡️ ข้อมูลที่ถูกลบจะไม่ถูกใช้ในการฝึกโมเดล ➡️ การฝึกจะใช้เฉพาะแชตใหม่หรือแชตที่กลับมาใช้งานอีกครั้ง ✅ วิธีการเลือกและเปลี่ยนการตั้งค่า ➡️ ผู้ใช้ใหม่สามารถเลือกได้ตอนสมัครใช้งาน ➡️ ผู้ใช้เดิมจะเห็น popup ให้เลือกก่อนวันที่ 28 กันยายน 2025 ➡️ สามารถเปลี่ยนการตั้งค่าได้ตลอดเวลาใน Privacy Settings ✅ จุดประสงค์ของการเปลี่ยนแปลง ➡️ เพื่อปรับปรุงความแม่นยำในการเขียนโค้ด การวิเคราะห์ และการให้เหตุผล ➡️ เพื่อพัฒนาระบบตรวจจับเนื้อหาที่เป็นอันตราย เช่น spam หรือการละเมิด ➡️ เพื่อให้โมเดลตอบสนองได้ดีขึ้นในบริบทจริงของผู้ใช้ https://www.anthropic.com/news/updates-to-our-consumer-terms

ผบ.ตร.นั่งหัวโต๊ะประชุมก.ตร.ถกจัดโผนายสีกากี หลัง "ภูมิธรรม" ติดภารกิจ ส่งหนังสือด่วนแจ้งขาดประชุม ท่ามกลางบรรยากาศชื่นมื่น อ่านต่อ..https://news1live.com/detail/9680000083207 #News1Feed #News1 #Sondhitalk #คุยทุกเรื่องกับสนธิ #Thaitimes #กัมพูชายิงก่อน #CambodiaOpenedFire #ไทยนี้รักสงบแต่ถึงรบไม่ขลาด

ญาติหอบหลักฐานแจ้งความพระครูดังเชียงคำ พะเยา เพิ่มเติม..หลังลงโทษสามเณรวัย 13 ขวบสองรายช้ำทั้งตัวมีทั้งใช้ไม้ไผ่ฟาด-เตะ-ถีบ ต่อหน้าแม่ไม่พอ ยังกักบริเวณอีก 7 วัน ทำให้ไม่ได้รับการรักษาตามขั้นตอนที่ควรจะเป็น จนเณรทนไม่ไหวสึกแล้ว 1 ย้ายวัดอีก 1 อ่านต่อ..https://news1live.com/detail/9680000083203 #News1Feed #News1 #Sondhitalk #คุยทุกเรื่องกับสนธิ #Thaitimes #กัมพูชายิงก่อน #CambodiaOpenedFire #ไทยนี้รักสงบแต่ถึงรบไม่ขลาด

ครบรอบกว่าสิบปีการลงนาม MOU43 แต่ปัญหาบ้านหนองจานยังไม่เคยคลี่คลาย ทั้งที่มีหลักเขตแดนชัดเจนและบันทึกข้อตกลงร่วม แต่การรุกล้ำของชาวกัมพูชาเกิดซ้ำแล้วซ้ำเล่า ขณะที่เหตุการณ์ 7 คนไทยถูกจับเมื่อปี 2553 สะท้อนความไร้น้ำหนักของ MOU43 และความอ่อนแอของกลไกรัฐไทย ทั้งทหาร การทูต และ JBC ที่ไม่สามารถปกป้องอธิปไตยได้ อ่านต่อ..https://news1live.com/detail/9680000083182 #News1Feed #News1 #Sondhitalk #คุยทุกเรื่องกับสนธิ #Thaitimes #กัมพูชายิงก่อน #CambodiaOpenedFire #ไทยนี้รักสงบแต่ถึงรบไม่ขลาด

“วีระ สมความคิด” เปิดเอกสารยัน ชาวบ้านหนองจานมีสิทธิ์ในที่ดินตาม ส.ค.1 น.ส.2 และ น.ส.3 ชี้คำแถลงผู้ว่าฯขัดกันเองทั้งต่อสื่อในประเทศ–ต่างประเทศ ขณะที่ความพยายามเร่งออกโฉนดให้ชาวบ้าน โดยยังไม่มีกฎหมายรองรับ อาจเข้าข่ายใช้อำนาจหน้าที่โดยมิชอบ อ่านต่อ..https://news1live.com/detail/9680000083164 #News1Feed #News1 #Sondhitalk #คุยทุกเรื่องกับสนธิ #Thaitimes #กัมพูชายิงก่อน #CambodiaOpenedFire #ไทยนี้รักสงบแต่ถึงรบไม่ขลาด

“ภูมิธรรม” เผย พรรคร่วมรัฐบาล ตอบรับทุกข้อเสนอ “ปชน.” รอพรรคส้มตัดสินใจ ลั่นทำเร็ว ยุบสภาได้ก่อน 4 เดือน ขณะม็อบหนุน พท. โผล่ให้กำลังใจ “เพื่อไทยสู้ๆ” อ่านต่อ..https://news1live.com/detail/9680000083174 #News1Feed #News1 #Sondhitalk #คุยทุกเรื่องกับสนธิ #Thaitimes #กัมพูชายิงก่อน #CambodiaOpenedFire #ไทยนี้รักสงบแต่ถึงรบไม่ขลาด

"นายหัวชวน" ปัดข่าว หนุน ”ภูมิใจไทย“ ตั้งรัฐบาล ย้ำไม่เคยมีแนวคิดนี้ ขออย่าไปฟังกระแสข่าว ยันไม่มีการเจรจากับใคร อ่านต่อ..https://news1live.com/detail/9680000083144 #News1Feed #News1 #Sondhitalk #คุยทุกเรื่องกับสนธิ #Thaitimes #กัมพูชายิงก่อน #CambodiaOpenedFire #ไทยนี้รักสงบแต่ถึงรบไม่ขลาด

“ภูมิธรรม” ส่งหนังสือด่วนแจ้ง ก.ตร. หลัง ครม. มอบอำนาจรักษาการแทนนายกฯ แต่ติดภารกิจด่วน ไม่ร่วมประชุม 31 ส.ค. กำชับยึดข้อบังคับประชุมเคร่งครัด อ่านต่อ..https://news1live.com/detail/9680000083128 #News1Feed #News1 #Sondhitalk #คุยทุกเรื่องกับสนธิ #Thaitimes #กัมพูชายิงก่อน #CambodiaOpenedFire #ไทยนี้รักสงบแต่ถึงรบไม่ขลาด

กรมทางหลวงเร่งเปิดจราจร และสั่งหยุดงาน 3 วัน หลังรถเครนพลิกคว่ำบนถนนพระราม 2 พร้อมดูแลผู้บาดเจ็บเต็มที่ เผยสาเหตุเบื้องต้นมาจากการที่รถเครนเสียการทรงตัวระหว่างทำงาน อ่านต่อ..https://news1live.com/detail/9680000083091 #News1Feed #News1 #Sondhitalk #คุยทุกเรื่องกับสนธิ #Thaitimes #กัมพูชายิงก่อน #CambodiaOpenedFire #ไทยนี้รักสงบแต่ถึงรบไม่ขลาด

วิกฤตการณ์การล่มสลายของโมเดล AI: วงจรป้อนกลับของข้อมูลสังเคราะห์ 🧠 ในยุคที่ปัญญาประดิษฐ์เชิงกำเนิด (Generative AI) กำลังแพร่กระจายอย่างรวดเร็ว ปรากฏการณ์ "การล่มสลายของโมเดล" (Model Collapse) ได้กลายเป็นความเสี่ยงเชิงระบบที่สำคัญยิ่ง เปรียบเสมือน "งูกินหางตัวเอง" หรือการถ่ายสำเนาภาพซ้ำๆ ที่ทำให้คุณภาพเสื่อมถอยลงเรื่อยๆ ปัญหานี้เกิดขึ้นเมื่อโมเดล AI ถูกฝึกซ้ำด้วยเนื้อหาที่สร้างโดย AI รุ่นก่อนหน้า ส่งผลให้ประสิทธิภาพลดลงอย่างต่อเนื่อง โดยเฉพาะในด้านความหลากหลาย ความแม่นยำ และความละเอียดอ่อนของข้อมูล การสูญเสียข้อมูลส่วนหางหรือข้อมูลที่มีความถี่ต่ำอย่างเป็นระบบนี้ไม่เพียงกระทบทางเทคนิค แต่ยังขยายไปสู่ผลกระทบทางเศรษฐกิจและสังคม เช่น การปนเปื้อนระบบนิเวศดิจิทัล การลดลงของความรู้มนุษย์ และการเกิด "อคติแบบ AI-ต่อ-AI" อย่างไรก็ตาม ด้วยแนวทางแก้ไขแบบหลายชั้น เราสามารถบรรเทาปัญหานี้ได้ผ่านการตรวจสอบที่มาของข้อมูล การมีส่วนร่วมของมนุษย์ และการกำกับดูแลเชิงนโยบาย 🐍 จุดกำเนิดของปัญหานี้คือวงจรป้อนกลับแบบงูกินหาง (Ouroboros) ที่ข้อมูลสังเคราะห์จาก AI เพิ่มขึ้นและปนเปื้อนข้อมูลออนไลน์ ทำให้โมเดลรุ่นใหม่ต้องใช้ข้อมูลที่เสื่อมโทรมนี้ในการฝึก สร้างภัยคุกคามเชิงระบบต่ออุตสาหกรรม AI ทั้งหมด โดยเฉพาะผู้เล่นรายใหม่ที่ยากจะเข้าถึงข้อมูลมนุษย์แท้จริง 📸 เปรียบเทียบกับการถ่ายสำเนาภาพซ้ำๆ คุณภาพข้อมูลดั้งเดิมจะลดลงจนเหลือผลลัพธ์ที่พร่ามัวและไร้ประโยชน์ แก่นปัญหาอยู่ที่วงจรป้อนกลับแบบพึ่งพาตนเอง (Autoregressive Feedback Loop) ซึ่งขยายข้อผิดพลาดจากรุ่นก่อนสะสมเรื่อยๆ 📉 กลไกการเสื่อมถอยมาจากการสุ่มเลือกข้อมูลถี่สูงและมองข้ามข้อมูลส่วนหาง เช่น ในตัวอย่างคนใส่หมวกสีน้ำเงิน 99% และสีแดง 1% โมเดลอาจสรุปว่าทุกคนใส่หมวกสีน้ำเงินเท่านั้น ทำให้ข้อมูลสีแดงหายไปในที่สุด ความผิดพลาดแบ่งเป็นสามประเภท: การประมาณค่าทางสถิติ การแสดงฟังก์ชัน และการเรียนรู้ ส่งผลให้ข้อมูลเป็นเนื้อเดียวกัน สร้าง "ห้องสะท้อนเสียงทางแนวคิด" และนำไปสู่ความรู้ลดลงในสังคม 📈 การล่มสลายแบ่งเป็นสองระยะ: ระยะเริ่มต้นที่สูญเสียข้อมูลส่วนหางอย่างไม่ชัดเจน แม้ประสิทธิภาพโดยรวมดูดีขึ้น แต่ความสามารถจัดการข้อมูลพิเศษลดลง และระยะสุดท้ายที่ประสิทธิภาพหายไปอย่างชัดเจน ผลลัพธ์กลายเป็นข้อความหรือภาพซ้ำซากไร้ความหมาย ปรากฏในโดเมนต่างๆ เช่น ในโมเดลภาษาขนาดใหญ่ (LLMs) สูญเสียหัวข้อเฉพาะกลุ่มในระยะแรก และกลายเป็นข้อความไม่เกี่ยวข้องในระยะหลัง สำหรับโมเดลสร้างภาพ ความหลากหลายลดลงอย่างละเอียดอ่อนจนกลายเป็นภาพเหมือนกันและคุณภาพต่ำ ในโมเดลอื่นๆ เช่น GMMs/VAEs สูญเสียข้อมูลส่วนหางจนสับสนในแนวคิด 💼 ผลกระทบขยายสู่เศรษฐกิจและสังคม โดยนำไปสู่การตัดสินใจผิดพลาดที่ก่อความเสียหายสูง เช่น เครื่องมือแพทย์พลาดวินิจฉัยโรคหายาก หรือธุรกิจสูญเสียลูกค้าจากคำแนะนำซ้ำซาก 🌍 ในมิติสังคม ข้อมูลสังเคราะห์ที่แยกไม่ออกจากมนุษย์เพิ่มต้นทุนตรวจสอบความถูกต้อง สร้างความเหลื่อมล้ำดิจิทัลที่คนรวยได้เปรียบ ยิ่งกว่านั้น "อคติแบบ AI-ต่อ-AI" ทำให้ AI ชอบเนื้อหาจาก AI ด้วยกัน สร้าง "ภาษีเข้าประตู" ในงานคัดเลือกบุคลากรหรือทุนวิจัย บังคับให้มนุษย์ปรับงานให้ "ดูเหมือน AI" เพื่ออยู่รอด 🔍 เพื่อแก้ไข ต้องกลับสู่แหล่งข้อมูลมนุษย์แท้จริงและผสมข้อมูลสังเคราะห์อย่างระมัดระวัง โดยใช้เครื่องมืออย่างการตรวจสอบที่มา (Provenance) การฝังลายน้ำ (Watermarking) และลายเซ็นดิจิทัลเพื่อตรวจสอบความถูกต้อง 🤝 มนุษย์ต้องเป็นหลักยึดผ่านระบบมนุษย์ร่วมวงจร (Human-in-the-Loop) และ Active Learning เพื่อป้องกันข้อผิดพลาดและยึดโยงกับความจริง ⚖️ นอกจากนี้ ต้องมีกฎระเบียบอย่างกฎหมาย AI ของสหภาพยุโรป และธรรมาภิบาลภายในองค์กรเพื่อตรวจจับความเบี่ยงเบน โดยสรุปแนวทางองค์รวม: การตรวจสอบที่มาสร้างความโปร่งใสแต่ขาดมาตรฐานร่วม การผสมข้อมูลรักษาความหลากหลายแต่ต้องควบคุมสัดส่วน มนุษย์ร่วมวงจรป้องกันข้อผิดพลาดแต่ใช้ทรัพยากรสูง และธรรมาภิบาล AI บรรเทาความเสี่ยงแต่ต้องการความเข้าใจลึกซึ้ง 🚀 สรุปแล้ว การล่มสลายของโมเดลคือจุดตัดระหว่างความสำเร็จและล้มเหลวเชิงระบบ แต่ด้วยแนวทางที่ผสมนวัตกรรม การกำกับดูแลมนุษย์ และกฎระเบียบ เราสามารถเปลี่ยนวงจรทำลายล้างนี้ให้เป็นกลไกการเรียนรู้ที่ยั่งยืน โดยมอง AI เป็นผู้สร้างร่วมที่มนุษย์ยังคงเป็นแกนหลักในการรักษาความเป็นจริง ความหลากหลาย และความสมบูรณ์ของโลกดิจิทัล #ลุงเขียนหลานอ่าน

ลุยทวงผืนแผ่นดินบ้านหนองจาน จนท.ที่ดินอรัญประเทศ สนธิกำลังทหาร #ฉก.12 ​นำชาวบ้านทำการรังวัดที่ดิน แนวชายแดน แต่ต้องสะดุดชั่วคราวหลัง พบทหารเขมรลอบสังเกตุการณ์จนต้องประสานชุดตรวจสอบทุ่นระเบิดเข้าสนับสนุน หวั่นมีระเบิดตกค้าง สุดท้ายภารกิจลุล่วงเหลือเพียง1แปลงที่อยู่ติด #หลักเขตที่47 ที่ยังเป็นพื้นที่ระเบิดตกค้าง อ่านต่อ..https://news1live.com/detail/9680000082998 #News1Feed #News1 #Sondhitalk #คุยทุกเรื่องกับสนธิ #Thaitimes #กัมพูชายิงก่อน #CambodiaOpenedFire #ไทยนี้รักสงบแต่ถึงรบไม่ขลาด

“ธนาธร” ยอมรับ "ทักษิณ" ขอคุยให้ช่วยโหวต "ชัยเกษม" เป็นนายกฯ แต่ได้ยืนยันกลับไปว่าพรรคประชาชนมีเงื่อนไข 2 ข้อชัดเจน คือยุบสภาภายใน 4 เดือนและทำประชามติแก้ไขรัฐธรรมนูญ ถ้ายอมรับได้ก็ให้ไปคุยกับหัวหน้า ปชน.ได้เลย ไม่ต้องมาคุยกับตน อ่านต่อ..https://news1live.com/detail/9680000083002 #News1Feed #News1 #Sondhitalk #คุยทุกเรื่องกับสนธิ #Thaitimes #กัมพูชายิงก่อน #CambodiaOpenedFire #ไทยนี้รักสงบแต่ถึงรบไม่ขลาด

เจ้าหน้าที่ที่ดินสระแก้ว พร้อมทหาร เข้ารังวัดที่ดินแนวชายแดนไทย–กัมพูชา ครั้งแรกในรอบ 40 ปี หลังชาวบ้านร้องสิทธิ์ทำกินกว่า 2,700 ไร่ ถูกยึดครองมานาน ยาอข่าว..https://news1live.com/detail/9680000082981 #News1Feed #News1 #Sondhitalk #คุยทุกเรื่องกับสนธิ #Thaitimes #กัมพูชายิงก่อน #CambodiaOpenedFire #ไทยนี้รักสงบแต่ถึงรบไม่ขลาด