วัดพระบาทน้ำพุ เรื่องสีเทาเต็มวัด ความดีไม่การันตีความโปร่งใส : ข่าวลึกปมลับ 13/08/68

🧠🔞 YouTube ทดสอบระบบตรวจสอบอายุด้วย AI ในสหรัฐฯ: ปกป้องเยาวชนหรือรุกล้ำความเป็นส่วนตัว? YouTube เริ่มทดสอบระบบตรวจสอบอายุด้วย AI ในสหรัฐฯ โดยไม่พึ่งข้อมูลวันเกิดที่ผู้ใช้กรอกเอง แต่ใช้พฤติกรรมการใช้งาน เช่น ประเภทวิดีโอที่ดู, คำค้นหา, และอายุบัญชี เพื่อประเมินว่าเป็นผู้ใหญ่หรือเยาวชน หากระบบ AI ประเมินว่าเป็นเยาวชน YouTube จะปิดโฆษณาแบบเจาะกลุ่ม, เปิดฟีเจอร์ดูแลสุขภาพดิจิทัล และจำกัดการดูเนื้อหาบางประเภทโดยอัตโนมัติ แม้เป้าหมายคือการปกป้องเยาวชนจากเนื้อหาที่ไม่เหมาะสม แต่ผู้เชี่ยวชาญด้านสิทธิส่วนบุคคลเตือนว่า ระบบนี้อาจละเมิดความเป็นส่วนตัวและเสรีภาพในการแสดงออก โดยเฉพาะเมื่อผู้ใช้ที่ถูกประเมินผิดต้องส่งบัตรประชาชน, บัตรเครดิต หรือภาพถ่ายตนเองเพื่อยืนยันอายุ ซึ่งอาจเปิดช่องให้เกิดการเก็บข้อมูลส่วนตัวโดยไม่มีความโปร่งใส ระบบนี้ยังส่งผลกระทบต่อธุรกิจอีคอมเมิร์ซที่เน้นกลุ่มวัยรุ่น เพราะโฆษณาแบบเจาะกลุ่มจะถูกปิด และเนื้อหาที่เกี่ยวข้องกับสินค้าอาจถูกจำกัดการเข้าถึง ✅ YouTube ทดสอบระบบตรวจสอบอายุด้วย AI ในสหรัฐฯ ➡️ ใช้พฤติกรรมการใช้งานแทนข้อมูลวันเกิดที่ผู้ใช้กรอก ✅ หากระบบประเมินว่าเป็นเยาวชน จะปิดโฆษณาแบบเจาะกลุ่ม ➡️ พร้อมเปิดฟีเจอร์ดูแลสุขภาพดิจิทัล และจำกัดเนื้อหาบางประเภท ✅ ระบบนี้เคยใช้ในอังกฤษและออสเตรเลียมาก่อน ➡️ และกำลังขยายสู่สหรัฐฯ ตามแรงกดดันจากกฎหมายความปลอดภัยออนไลน์ ✅ ผู้ใช้ที่ถูกประเมินผิดต้องยืนยันตัวตนด้วยบัตรประชาชนหรือภาพถ่าย ➡️ เพื่อขอสิทธิ์เข้าถึงเนื้อหาที่ถูกจำกัด ✅ ธุรกิจอีคอมเมิร์ซที่เน้นกลุ่มวัยรุ่นจะได้รับผลกระทบ ➡️ เพราะโฆษณาและเนื้อหาถูกจำกัดการเข้าถึง ✅ ระบบนี้อาจขยายไปยังบริการอื่นของ Google เช่น Google Ads และ Google Play ➡️ ส่งผลต่อกลยุทธ์การตลาดดิจิทัลโดยรวม ✅ การตรวจสอบอายุด้วย AI เป็นแนวทางใหม่ที่หลายแพลตฟอร์มเริ่มนำมาใช้ ➡️ เช่น TikTok และ Instagram ก็เริ่มใช้ระบบคล้ายกัน ✅ กฎหมาย Online Safety Act ในอังกฤษบังคับให้แพลตฟอร์มปกป้องเยาวชนจากเนื้อหาผู้ใหญ่ ➡️ เป็นแรงผลักดันให้ YouTube ปรับระบบในประเทศอื่น ✅ การใช้ AI ประเมินอายุช่วยลดการพึ่งพาข้อมูลส่วนตัวโดยตรง ➡️ แต่ต้องมีความแม่นยำสูงเพื่อไม่ให้เกิดการประเมินผิด ✅ การจำกัดเนื้อหาสำหรับเยาวชนอาจช่วยลดผลกระทบด้านสุขภาพจิต ➡️ โดยเฉพาะเนื้อหาที่กระตุ้นความเครียดหรือพฤติกรรมเสี่ยง https://wccftech.com/youtube-tests-ai-powered-age-verification-in-the-u-s-to-safeguard-teens/

🧠💡 เรื่องเล่าจากวิวัฒนาการของโมเดล GPT: จาก GPT-2 สู่ gpt-oss ยุคใหม่ของ AI แบบเปิด ย้อนกลับไปปี 2019 OpenAI เคยเปิดตัว GPT-2 ซึ่งเป็นโมเดลภาษาขนาดใหญ่ที่ใช้สถาปัตยกรรม Transformer และได้รับความนิยมอย่างมากในวงการ AI แต่หลังจากนั้น OpenAI ก็หันไปพัฒนาโมเดลแบบปิด เช่น GPT-3 และ ChatGPT โดยไม่เปิดเผยน้ำหนักโมเดลอีกเลย จนกระทั่งสิงหาคม 2025 พวกเขากลับมาอีกครั้งด้วย gpt-oss-20B และ gpt-oss-120B ซึ่งเป็นโมเดลแบบ “open-weight” ที่เปิดให้ดาวน์โหลด ใช้งาน และปรับแต่งได้อย่างเสรีภายใต้ Apache 2.0 license โมเดล gpt-oss ใช้เทคนิคใหม่ ๆ เช่น Mixture-of-Experts (MoE), Sliding Window Attention, RMSNorm และ SwiGLU เพื่อเพิ่มประสิทธิภาพและลดต้นทุนการประมวลผล โดยสามารถรันบน GPU ทั่วไปได้ เช่น 20B ใช้แค่ 16GB RAM ส่วน 120B ใช้ H100 GPU ตัวเดียว แม้สถาปัตยกรรมโดยรวมยังคงใช้ Transformer เหมือนเดิม แต่การปรับแต่งภายในทำให้โมเดลเหล่านี้มีประสิทธิภาพสูงขึ้นมาก และสามารถแข่งขันกับโมเดลจากจีน เช่น Qwen3 ได้อย่างสูสี อย่างไรก็ตาม ยังมีข้อกังวลเรื่องความแม่นยำของข้อมูล (hallucination rate สูงถึง 49–53%) และความโปร่งใสของชุดข้อมูลที่ใช้ฝึก ซึ่ง OpenAI ยังไม่เปิดเผยเพราะเกรงปัญหาด้านลิขสิทธิ์ ✅ OpenAI เปิดตัว gpt-oss-20B และ gpt-oss-120B เป็นโมเดล open-weight ครั้งแรกในรอบ 6 ปี ➡️ ใช้ Apache 2.0 license เปิดให้ใช้งานและปรับแต่งได้อย่างเสรี ✅ โมเดลใช้สถาปัตยกรรม Transformer แบบ decoder-only ➡️ เหมือน GPT-2 แต่มีการปรับแต่งภายในหลายจุด ✅ ใช้เทคนิค Mixture-of-Experts (MoE) เพื่อเพิ่มประสิทธิภาพ ➡️ เปิดใช้งานเฉพาะบางส่วนของโมเดลในแต่ละ token ✅ gpt-oss-20B รันได้บน GPU ทั่วไป (16GB RAM) ➡️ ส่วน gpt-oss-120B ใช้ H100 GPU ตัวเดียว ✅ โมเดลมี benchmark สูง เช่น Codeforces score 2622 (120B) ➡️ สูงกว่า DeepSeek R1 แต่ยังต่ำกว่า o3 และ o4-mini ✅ ใช้ Sliding Window Attention, RMSNorm, SwiGLU แทนเทคนิคเก่า ➡️ ลดต้นทุนการคำนวณและเพิ่มความเร็วในการ inference ✅ เปรียบเทียบกับ Qwen3 พบว่า gpt-oss เน้น “กว้าง” มากกว่า “ลึก” ➡️ มี embedding และ FFN ขนาดใหญ่ แต่ layer น้อยกว่า ✅ การเปิดโมเดลแบบ open-weight ช่วยให้นักพัฒนาสามารถปรับแต่งได้ตามต้องการ ➡️ เหมาะกับงานเฉพาะทาง เช่น การฝึกบนข้อมูลภายในองค์กร ✅ Apache 2.0 license ช่วยให้ startup และองค์กรขนาดเล็กเข้าถึง AI ขั้นสูง ➡️ โดยไม่ต้องเสียค่าใช้จ่ายหรือขออนุญาต ✅ โมเดลสามารถใช้ในระบบ agent เช่น การเรียกใช้เครื่องมือหรือ API ➡️ รองรับการใช้งานแบบ hybrid ระหว่าง local และ cloud ✅ OpenAI หวังใช้ gpt-oss เพื่อแข่งขันกับโมเดลจากจีน เช่น DeepSeek และ Qwen ➡️ และฟื้นความเชื่อมั่นจากชุมชน open-source ‼️ โมเดล gpt-oss มี hallucination rate สูง (49–53%) ⛔ อาจให้ข้อมูลผิดพลาดในงานที่ต้องการความแม่นยำสูง ‼️ OpenAI ไม่เปิดเผยชุดข้อมูลที่ใช้ฝึกโมเดล ⛔ เกิดข้อกังวลเรื่องลิขสิทธิ์และความโปร่งใส ‼️ แม้จะเปิดน้ำหนักโมเดล แต่ยังต้องใช้ hardware ขั้นสูงสำหรับรุ่นใหญ่ ⛔ อาจไม่เหมาะกับผู้ใช้ทั่วไปที่ไม่มี GPU ระดับ enterprise ‼️ การใช้ MoE ทำให้การฝึกและ deploy ซับซ้อนขึ้น ⛔ ต้องมีระบบ routing และการจัดการ expert ที่แม่นยำ https://magazine.sebastianraschka.com/p/from-gpt-2-to-gpt-oss-analyzing-the

📱🤖 เรื่องเล่าจากเบื้องหลังการซ่อม: Apple แอบปล่อยผู้ช่วย AI ในแอป Support โดยไม่ต้องรอ Siri ในขณะที่หลายคนกำลังรอให้ Siri กลายเป็น AI ที่ฉลาดขึ้น Apple กลับแอบเปิดตัวฟีเจอร์ใหม่ในแอป Apple Support ที่ชื่อว่า “Support Assistant” ซึ่งเป็นแชตบ็อตที่ใช้ AI แบบ generative ช่วยตอบคำถามและแก้ปัญหาเบื้องต้นเกี่ยวกับผลิตภัณฑ์ Apple โดยไม่ต้องคุยกับเจ้าหน้าที่จริง ฟีเจอร์นี้เริ่มเปิดให้ทดลองใช้แบบเงียบ ๆ ตั้งแต่วันที่ 5 สิงหาคม 2025 เฉพาะผู้ใช้ iPhone บางกลุ่มในสหรัฐฯ โดยจะมีปุ่ม “Chat” ปรากฏในแอป Apple Support ซึ่งเมื่อกดเข้าไป ผู้ใช้สามารถพูดคุยกับ AI เพื่อขอคำแนะนำ เช่น การรีเซ็ตเครื่อง การแก้ปัญหาแอป หรือการตรวจสอบเงื่อนไขการรับประกัน หาก AI ไม่สามารถตอบได้ ระบบจะส่งต่อไปยังเจ้าหน้าที่จริงโดยอัตโนมัติ ซึ่งเป็นการผสมผสานระหว่างระบบอัตโนมัติกับการบริการแบบมนุษย์อย่างชาญฉลาด Apple ยืนยันว่า AI ตัวนี้ทำงานแบบ local และไม่เชื่อมโยงกับข้อมูลส่วนตัวของผู้ใช้ โดยข้อมูลที่ใช้จะถูก anonymized เพื่อปรับปรุงระบบเท่านั้น และไม่ใช้ในการฝึกโมเดล AI เหมือนคู่แข่งบางราย แม้จะดูปลอดภัย แต่ Apple ก็เตือนชัดเจนว่า “AI อาจให้ข้อมูลผิดพลาด” และแนะนำให้ผู้ใช้ตรวจสอบคำแนะนำก่อนนำไปใช้ โดยเฉพาะในเรื่องสำคัญ เช่น การตั้งค่าระบบหรือการแก้ปัญหาที่อาจกระทบต่อข้อมูล ✅ Apple เปิดตัวฟีเจอร์ Support Assistant ในแอป Apple Support ➡️ เป็นแชตบ็อตที่ใช้ AI ช่วยตอบคำถามและแก้ปัญหาเบื้องต้น ✅ เริ่มเปิดให้ทดลองใช้ตั้งแต่ 5 สิงหาคม 2025 ➡️ เฉพาะผู้ใช้ iPhone บางกลุ่มในสหรัฐฯ ✅ ผู้ใช้สามารถกดปุ่ม “Chat” เพื่อเริ่มพูดคุยกับ AI ➡️ ใช้สำหรับการรีเซ็ตเครื่อง ตรวจสอบการรับประกัน และแก้ปัญหาแอป ✅ หาก AI ตอบไม่ได้ ระบบจะส่งต่อไปยังเจ้าหน้าที่จริง ➡️ เป็นระบบ hybrid ที่ผสมผสานระหว่าง AI และมนุษย์ ✅ Apple ยืนยันว่า AI ทำงานแบบ local และไม่เชื่อมโยงกับข้อมูลส่วนตัว ➡️ ข้อมูลจะถูก anonymized และใช้เพื่อปรับปรุงระบบเท่านั้น ✅ Apple เตือนว่า AI อาจให้ข้อมูลผิดพลาด ➡️ ผู้ใช้ควรตรวจสอบคำแนะนำก่อนนำไปใช้ ‼️ AI อาจให้ข้อมูลผิดพลาดหรือไม่ครบถ้วน ⛔ ผู้ใช้ควรตรวจสอบก่อนนำไปใช้ โดยเฉพาะในเรื่องสำคัญ ‼️ ฟีเจอร์ยังอยู่ในช่วงทดลอง และยังไม่เปิดให้ใช้ทั่วโลก ⛔ ผู้ใช้ในประเทศอื่นยังไม่สามารถเข้าถึงได้ ‼️ ไม่มีการระบุชัดเจนว่าใช้โมเดล AI จากแหล่งใด ⛔ อาจทำให้ผู้ใช้บางกลุ่มกังวลเรื่องความโปร่งใส ‼️ แม้จะไม่ใช้ข้อมูลส่วนตัวในการฝึก AI แต่ยังมีการใช้ข้อมูลเพื่อปรับปรุงระบบ ⛔ ผู้ใช้ควรอ่านเงื่อนไขการใช้งานอย่างละเอียดก่อนเริ่มใช้ https://www.techradar.com/pro/forget-talking-to-a-human-apple-is-rolling-out-ai-chatbots-in-its-customer-service-app

🎮🧠 เรื่องเล่าจากโลกกราฟิก: Intel ยุติ 16x MSAA บน Xe3 GPU เพื่อเปิดทางให้ AI Upscaler ครองเกม ในเดือนสิงหาคม 2025 Intel ประกาศยุติการรองรับ 16x MSAA (Multisample Anti-Aliasing) บนกราฟิกการ์ดรุ่นใหม่ Xe3 “Celestial” โดยจะเหลือเพียง 2x, 4x และ 8x เท่านั้น เหตุผลหลักคือ 16x MSAA มีต้นทุนการประมวลผลสูงมาก และไม่คุ้มค่าเมื่อเทียบกับเทคนิคใหม่ ๆ ที่ใช้ AI เช่น XeSS ของ Intel, FSR ของ AMD และ DLSS ของ Nvidia ซึ่งให้ภาพคมชัดกว่า ใช้ทรัพยากรน้อยกว่า และยังสามารถสร้างเฟรมเพิ่มได้ด้วย MSAA เคยเป็นเทคนิคยอดนิยมในการทำให้ขอบภาพเรียบเนียน แต่ในยุคที่เกมใช้ deferred rendering และต้องการประสิทธิภาพสูงสุด การใช้ brute-force sampling แบบ MSAA กลายเป็นภาระที่ไม่จำเป็น โดยเฉพาะระดับ 16x ที่แทบไม่มีเกมไหนใช้จริง Intel จึงเลือกเดินตามแนวทางใหม่ที่เน้น AI-based upscaling และ temporal sampling ซึ่งให้ผลลัพธ์ที่ดีกว่าในทุกด้าน ทั้งคุณภาพภาพ ความลื่นไหล และการประหยัดพลังงาน โดย XeSS SDK ล่าสุดยังรองรับ GPU จากทุกค่าย ทำให้เป็นทางเลือกแบบเปิดสำหรับนักพัฒนา ✅ Intel ยุติการรองรับ 16x MSAA บน Xe3 GPU ➡️ เหลือเพียง 2x, 4x และ 8x เท่านั้น ✅ การเปลี่ยนแปลงนี้เริ่มใน Mesa driver 25.3-devel และย้อนกลับไปยังเวอร์ชัน 25.1 และ 25.2 ➡️ เป็นการปรับปรุงในระดับไดรเวอร์สำหรับ Linux ✅ XeSS, FSR และ DLSS ให้ภาพคมชัดกว่า MSAA ด้วยต้นทุนต่ำกว่า ➡️ รองรับการสร้างเฟรมและลดการสั่นของภาพได้ดีกว่า TAA ✅ XeSS SDK ล่าสุดรองรับ GPU จาก Intel, AMD และ Nvidia ➡️ เป็นทางเลือกแบบ vendor-agnostic สำหรับนักพัฒนา ✅ Xe3 GPU จะเปิดตัวพร้อมกับซีพียู Panther Lake ➡️ เป็นการรวมพลังของกราฟิกและ AI สำหรับงานยุคใหม่ ✅ MSAA ทำงานโดยการสุ่มหลายจุดในแต่ละพิกเซลเพื่อทำให้ขอบภาพเรียบ ➡️ แต่ไม่สามารถจัดการกับความโปร่งใสหรือ shader artifacts ได้ดี ✅ AI upscaling เช่น DLSS 3.5 และ XeSS 2 ใช้ machine learning เพื่อสร้างภาพที่คมชัด ➡️ ลดภาระ GPU และเพิ่มเฟรมเรตได้พร้อมกัน ✅ Deferred rendering engine มักปิดการใช้งาน MSAA โดยอัตโนมัติ ➡️ เพราะไม่สามารถใช้ร่วมกับหลาย pass ได้อย่างมีประสิทธิภาพ ✅ การใช้ AI-based AA ช่วยให้เกมสามารถรันที่ความละเอียดต่ำแต่ได้ภาพระดับสูง ➡️ เหมาะกับ VR และ ray tracing ที่ต้องการประสิทธิภาพสูง https://www.tomshardware.com/pc-components/gpus/intel-will-retire-rarely-used-16x-msaa-support-on-xe3-gpus-ai-upscalers-like-xess-fsr-and-dlss-provide-better-more-efficient-results

🤖👷‍♀️ เรื่องเล่าจากโลกแรงงาน: เมื่อแรงงานมนุษย์ต้องทำงานเคียงข้างแรงงานดิจิทัล ในยุคที่ AI ไม่ใช่แค่เครื่องมือ แต่กำลังกลายเป็น “เพื่อนร่วมงาน” โลกกำลังเข้าสู่ยุคใหม่ที่เรียกว่า “digital labour” หรือแรงงานดิจิทัล ซึ่งหมายถึงการที่คอมพิวเตอร์ทำงานแทนมนุษย์อย่างเต็มรูปแบบ โดยเฉพาะเมื่อ AI แบบ agentic หรือ AI ที่สามารถทำงานได้โดยไม่ต้องรอคำสั่งชัดเจน เริ่มถูกนำมาใช้ในองค์กรจริง Marc Benioff ซีอีโอของ Salesforce บอกว่าเขาอาจเป็น “ซีอีโอคนสุดท้ายที่บริหารเฉพาะมนุษย์” เพราะตอนนี้ Salesforce ใช้ AI agent ในงานบริการลูกค้า และลดต้นทุนได้ถึง 17% ภายใน 9 เดือน แต่การเปลี่ยนผ่านนี้ไม่ใช่แค่เรื่องเทคโนโลยี มันกระทบถึงโครงสร้างเศรษฐกิจและจริยธรรม เช่น ถ้าองค์กร A ใช้ AI ที่สร้างโดยบริษัท B แล้วพัฒนาให้เก่งขึ้นด้วยข้อมูลของตัวเอง ใครควรได้รับเครดิตและผลตอบแทน? และถ้า AI ทำงานผิดพลาด ใครควรรับผิดชอบ—ผู้สร้างหรือผู้ใช้งาน? แม้จะยังไม่แพร่หลาย แต่บริษัทเทคโนโลยีและการเงินบางแห่งเริ่มใช้ AI แบบอัตโนมัติในการทำงานแทนมนุษย์แล้ว และในอนาคตอาจมีตำแหน่ง “digital labourer” ปรากฏในโครงสร้างองค์กรจริง ๆ ✅ “Digital labour” หมายถึงคอมพิวเตอร์ทำงานแทนมนุษย์ ➡️ โดยเฉพาะ AI แบบ agentic ที่ทำงานได้โดยไม่ต้องรอคำสั่ง ✅ Salesforce ใช้ AI agent ในงานบริการลูกค้า ➡️ ลดต้นทุนได้ 17% ภายใน 9 เดือน ✅ Marc Benioff กล่าวว่าจะเป็นซีอีโอคนสุดท้ายที่บริหารเฉพาะมนุษย์ ➡️ สะท้อนแนวโน้มการเปลี่ยนผ่านสู่แรงงานดิจิทัล ✅ Harvard ระบุว่า digital labour เปลี่ยนความหมายจากเดิม ➡️ จากเดิมหมายถึง gig workers กลายเป็น AI ที่ทำงานแทนมนุษย์ ✅ มีคำถามเรื่องสิทธิและผลตอบแทนของ AI ที่ถูกพัฒนาโดยองค์กร ➡️ เช่น ใครควรได้รับเครดิตเมื่อ AI ทำงานดีขึ้นจากข้อมูลขององค์กร ✅ Salesforce ยังมีระบบให้ลูกค้า escalate ไปหาคนจริงได้ ➡️ เป็นการตั้ง “human guardrails” เพื่อควบคุมความผิดพลาดของ AI ✅ ILO รายงานว่าแพลตฟอร์มแรงงานดิจิทัลเติบโต 5 เท่าในทศวรรษที่ผ่านมา ➡️ แต่ยังมีปัญหาเรื่องความไม่เท่าเทียมและความมั่นคงของงาน ✅ Digital labour platforms มีผลต่อ SDG5 ด้านความเท่าเทียมทางเพศ ➡️ ผู้หญิงมีสัดส่วนต่ำในแพลตฟอร์มขนส่งและมีช่องว่างรายได้ ✅ การใช้ AI ในแรงงานอาจไม่สร้างงานใหม่ แต่เปลี่ยนรูปแบบงานเดิม ➡️ ส่งผลต่อโครงสร้างเศรษฐกิจและการจ้างงานในระยะยาว ✅ การพัฒนา AI agent ต้องคำนึงถึงความรับผิดชอบและความโปร่งใส ➡️ เช่น การกำหนดว่าใครรับผิดชอบเมื่อ AI ทำงานผิดพลาด https://www.thestar.com.my/tech/tech-news/2025/08/05/where-human-labour-meets-digital-labour

🛡️💸 เรื่องเล่าจากโลกคริปโต: เมื่อการกู้เงินด้วยเหรียญดิจิทัลต้องเผชิญภัยไซเบอร์ ในยุคที่คริปโตไม่ใช่แค่การลงทุน แต่กลายเป็นสินทรัพย์ที่ใช้ค้ำประกันเงินกู้ได้ “Crypto-backed lending” จึงกลายเป็นเทรนด์ที่ทั้งนักลงทุนรายย่อยและสถาบันต่างหันมาใช้กันมากขึ้น เพราะมันเปิดโอกาสให้ผู้ถือเหรียญสามารถกู้เงินโดยไม่ต้องขายเหรียญออกไป แต่ในความสะดวกนั้น ก็มีเงามืดของภัยไซเบอร์ที่ซ่อนอยู่ เพราะเมื่อมีสินทรัพย์ดิจิทัลมูลค่าหลายหมื่นล้านดอลลาร์ถูกล็อกไว้ในแพลตฟอร์มเหล่านี้ แฮกเกอร์ก็ยิ่งพัฒนาเทคนิคใหม่ ๆ เพื่อเจาะระบบให้ได้ ภัยที่พบได้บ่อยคือการเจาะ smart contract ที่มีช่องโหว่ เช่นกรณี Inverse Finance ที่ถูกแฮกผ่านการบิดเบือนข้อมูลจาก oracle จนสูญเงินกว่า 15 ล้านดอลลาร์ หรือกรณี Atomic Wallet ที่สูญเงินกว่า 35 ล้านดอลลาร์เพราะการจัดการ private key ที่หละหลวม นอกจากนี้ยังมีการปลอมเว็บกู้เงินบน Telegram และ Discord เพื่อหลอกให้ผู้ใช้กรอก seed phrase หรือ key รวมถึงมัลแวร์ที่แอบเปลี่ยน address ใน clipboard เพื่อขโมยเหรียญแบบเนียน ๆ บทเรียนจากอดีต เช่นการล่มของ Celsius Network และการถูกเจาะซ้ำของ Cream Finance แสดงให้เห็นว่าไม่ใช่แค่โค้ดที่ต้องแข็งแรง แต่กระบวนการภายในและการตรวจสอบความเสี่ยงก็ต้องเข้มงวดด้วย แนวทางป้องกันที่ดีคือการใช้ multi-signature wallet เช่น Gnosis Safe, การตรวจสอบ smart contract ด้วย formal verification, การตั้งระบบตรวจจับพฤติกรรมผิดปกติแบบ real-time และการให้ผู้ใช้ใช้ hardware wallet ร่วมกับ 2FA เป็นมาตรฐาน ✅ Crypto-backed lending เติบโตอย่างรวดเร็วในปี 2024 ➡️ มีสินทรัพย์กว่า $80B ถูกล็อกใน DeFi lending pools ✅ ผู้ใช้สามารถกู้ stablecoin โดยใช้ BTC หรือ ETH เป็นหลักประกัน ➡️ ไม่ต้องขายเหรียญเพื่อแลกเป็นเงินสด ✅ ช่องโหว่ใน smart contract เป็นจุดเสี่ยงหลัก ➡️ เช่นกรณี Inverse Finance สูญเงิน $15M จาก oracle manipulation ✅ การจัดการ private key ที่ไม่ปลอดภัยนำไปสู่การสูญเงินมหาศาล ➡️ Atomic Wallet สูญเงิน $35M จาก vendor ที่เก็บ key ไม่ดี ✅ การปลอมเว็บกู้เงินและมัลแวร์ clipboard เป็นภัยที่พุ่งเป้าผู้ใช้ทั่วไป ➡️ พบมากใน Telegram, Discord และ browser extensions ✅ Celsius Network และ Cream Finance เคยถูกแฮกจากการควบคุมภายในที่อ่อนแอ ➡️ เช่นการไม่อัปเดตระบบและการละเลย audit findings ✅ แนวทางป้องกันที่แนะนำคือ multi-sig wallet, formal verification และ anomaly detection ➡️ Gnosis Safe เป็นเครื่องมือยอดนิยมใน DeFi ✅ ตลาด crypto lending มีแนวโน้มเติบโตต่อเนื่อง ➡️ คาดว่าจะกลายเป็นเครื่องมือการเงินหลักในอนาคต ✅ Blockchain ช่วยเพิ่มความโปร่งใสและลดการพึ่งพาตัวกลาง ➡️ แต่ก็ยังต้องพึ่งระบบรักษาความปลอดภัยที่แข็งแรง ✅ End-to-end encryption และ biometric login เป็นแนวทางเสริมความปลอดภัย ➡️ ช่วยลดความเสี่ยงจาก phishing และ social engineering ✅ การใช้ระบบ real-time monitoring และ kill switch ช่วยหยุดการโจมตีทันที ➡️ ลดความเสียหายจากการเจาะระบบแบบ flash attack https://hackread.com/navigating-cybersecurity-risks-crypto-backed-lending/

🎙️ เรื่องเล่าจากข่าว: เมื่อ AI กลายเป็นผู้สัมภาษณ์งาน แต่ผู้สมัครกลับบอกว่า “ขอไม่ทำงานดีกว่า” ในปี 2025 บริษัทต่าง ๆ หันมาใช้ AI เพื่อจัดการกระบวนการสรรหาพนักงาน ตั้งแต่คัดกรองใบสมัคร ไปจนถึงสัมภาษณ์เบื้องต้นผ่าน Zoom หรือวิดีโอคอล โดยไม่มีมนุษย์อยู่ปลายสาย ผู้สมัครหลายคนกลับรู้สึก “หมดศรัทธา” และ “ถูกลดคุณค่า” จนถึงขั้นยอมไม่สมัครงานเลย Debra Borchardt นักเขียนและบรรณาธิการที่หางานมานานกว่า 3 เดือน เล่าว่า “การหางานมันดูดพลังชีวิตอยู่แล้ว แล้วต้องมานั่งคุยกับหุ่นยนต์อีก มันเกินจะรับไหว” เธอออกจากการสัมภาษณ์กลางคันทันทีหลังรู้ว่าอีกฝั่งไม่ใช่มนุษย์ แม้ HR จะมองว่า AI เป็นเครื่องมือช่วยลดภาระจากการต้องคัดเลือกผู้สมัครหลายพันคน แต่ผู้สมัครกลับมองว่าเป็น “สัญญาณเตือน” ว่าบริษัทนั้นไม่ให้ความสำคัญกับมนุษย์ และอาจมีวัฒนธรรมองค์กรที่เย็นชา ✅ บริษัทต่าง ๆ ใช้ AI เป็นผู้สัมภาษณ์งานเบื้องต้นแทนมนุษย์ ➡️ ผู้สมัครเข้าร่วม Zoom หรือวิดีโอคอลแล้วพบว่าอีกฝั่งคือ AI ➡️ AI ทำหน้าที่ถามคำถามและบันทึกคำตอบเพื่อประเมินเบื้องต้น ✅ ผู้สมัครจำนวนมากรู้สึกถูกลดคุณค่าและเลือกไม่เข้าร่วมการสัมภาษณ์กับ AI ➡️ บางคนถึงขั้นยอมตกงานแทนที่จะคุยกับหุ่นยนต์ ➡️ มองว่าเป็น “ความอัปยศเพิ่มเติม” จากการหางานที่ยากอยู่แล้ว ✅ HR ใช้ AI เพื่อจัดการกับจำนวนผู้สมัครมหาศาลในแต่ละตำแหน่ง ➡️ AI ช่วยคัดกรองใบสมัคร, นัดสัมภาษณ์, และส่งอีเมลอัตโนมัติ ➡️ ช่วยลดภาระของทีม HR ที่มีขนาดเล็กลง ✅ ผู้สมัครมองว่า AI เป็นสัญญาณของวัฒนธรรมองค์กรที่ไม่ให้ความสำคัญกับมนุษย์ ➡️ การไม่มีมนุษย์ในขั้นตอนแรกทำให้รู้สึกว่า “บริษัทไม่แคร์คน” ➡️ ส่งผลต่อความเชื่อมั่นและความตั้งใจในการสมัครงาน ✅ บางบริษัทใช้ AI เพื่อวิเคราะห์เสียง, สีหน้า, และคำตอบของผู้สมัคร ➡️ เช่น HireVue และ Modern Hire ใช้เทคโนโลยีวิเคราะห์แบบเรียลไทม์ ➡️ อ้างว่าเป็นการประเมินตามทักษะ ไม่ใช่ความสัมพันธ์ส่วนตัว ✅ ผลสำรวจพบว่า 67% ของผู้สมัครรู้สึกไม่สบายใจเมื่อบริษัทใช้ AI ในการคัดกรองใบสมัคร ➡️ 90% ต้องการให้บริษัทเปิดเผยการใช้ AI อย่างโปร่งใส ➡️ ความโปร่งใสช่วยเพิ่มความเชื่อมั่นและความร่วมมือ ✅ AI เหมาะกับงานที่มีผู้สมัครจำนวนมาก เช่น retail หรือ customer service ➡️ ช่วยคัดกรองเบื้องต้นและจัดการเวลาได้ดี ➡️ แต่ควรมีมนุษย์เข้ามาในขั้นตอนสำคัญ ✅ การสัมภาษณ์งานคือจุดเริ่มต้นของความสัมพันธ์ระหว่างบริษัทกับพนักงาน ➡️ การใช้ AI อาจทำให้ความสัมพันธ์นั้นเริ่มต้นด้วยความเย็นชา ➡️ ส่งผลต่อความรู้สึกของผู้สมัครและการตัดสินใจรับงาน https://fortune.com/2025/08/03/ai-interviewers-job-seekers-unemployment-hiring-hr-teams/

🎙️ เรื่องเล่าจากข่าว: เมื่อเกมผู้ใหญ่กลายเป็นภัยต่อแบรนด์—Valve vs Mastercard เรื่องเริ่มจากการที่ Steam และ Itch.io ลบหรือซ่อนเกม NSFW จำนวนมาก โดยอ้างว่า “ถูกกดดันจาก payment processors” ซึ่งรวมถึง Mastercard ที่ถูกกล่าวหาว่าใช้กฎ Rule 5.12.7 เพื่อปฏิเสธการทำธุรกรรมที่ “อาจทำลายภาพลักษณ์ของแบรนด์” Mastercard ออกแถลงการณ์ว่า “เราไม่ได้ประเมินเกมใด ๆ หรือสั่งให้ลบเกมจากแพลตฟอร์ม” แต่ Valve โต้กลับทันทีว่า Mastercard สื่อสารผ่านตัวกลาง เช่น payment processors และธนาคารผู้รับชำระเงิน โดยไม่ได้ติดต่อกับ Valve โดยตรง แม้ Valve จะร้องขอให้คุยกันตรง ๆ ก็ตาม Valve ยืนยันว่า payment processors ปฏิเสธนโยบายของ Steam ที่พยายามเผยแพร่เฉพาะเกมที่ถูกกฎหมาย และอ้างถึง Rule 5.12.7 ว่าเกม NSFW บางประเภท “อาจเป็นภัยต่อแบรนด์ Mastercard” แม้จะไม่ผิดกฎหมายก็ตาม ✅ Mastercard ปฏิเสธว่าไม่ได้สั่งให้ลบเกม NSFW จาก Steam หรือ Itch.io ➡️ ระบุว่า “อนุญาตให้ทำธุรกรรมที่ถูกกฎหมายทั้งหมด” ➡️ แต่ต้องมีการควบคุมไม่ให้ใช้บัตร Mastercard ซื้อเนื้อหาผิดกฎหมาย ✅ Valve ยืนยันว่า Mastercard สื่อสารผ่านตัวกลาง ไม่เคยคุยตรง ๆ กับ Valve ➡️ ใช้ payment processors และ acquiring banks เป็นตัวแทน ➡️ Valve ขอคุยตรง ๆ แต่ไม่ได้รับการตอบกลับ ✅ Rule 5.12.7 ของ Mastercard ถูกใช้เป็นเหตุผลในการปฏิเสธเกม NSFW บางประเภท ➡️ ห้ามธุรกรรมที่ “ผิดกฎหมาย หรืออาจทำลาย goodwill หรือภาพลักษณ์ของแบรนด์” ➡️ รวมถึงเนื้อหาที่ “ลามกอนาจารอย่างชัดเจนและไม่มีคุณค่าทางศิลปะ” ✅ Itch.io ก็ได้รับแรงกดดันเช่นกัน และเริ่มลบเกม NSFW ออกจากแพลตฟอร์ม ➡️ โดยเฉพาะเกมที่มีเนื้อหา LGBTQ+ หรือเนื้อหาที่ไม่เข้าข่ายผิดกฎหมาย ➡️ ปัจจุบันเริ่มนำเกมฟรีกลับมา และมองหาผู้ให้บริการชำระเงินรายใหม่ ✅ GOG ออกแคมเปญ FreedomToBuy เพื่อสนับสนุนสิทธิ์ในการซื้อเกม NSFW ➡️ แจกเกม NSFW ฟรีกว่า 1 ล้านชุดในช่วงสุดสัปดาห์ ➡️ เป็นการตอบโต้การเซ็นเซอร์จาก payment processors ‼️ Rule 5.12.7 ของ Mastercard ให้อำนาจในการตัดสินว่าเนื้อหาใด “ไม่เหมาะสม” ได้อย่างกว้างขวาง ⛔ แม้เนื้อหาจะไม่ผิดกฎหมาย ก็อาจถูกปฏิเสธได้ ⛔ ส่งผลให้เกิดการเซ็นเซอร์เนื้อหาที่หลากหลายโดยไม่มีมาตรฐานชัดเจน ‼️ การสื่อสารผ่านตัวกลางทำให้เกิดความคลุมเครือและขาดความโปร่งใส ⛔ Valve ไม่สามารถเจรจาโดยตรงกับ Mastercard ⛔ ทำให้การตัดสินใจลบเกมขาดความชัดเจนและความรับผิดชอบ ‼️ การลบเกม NSFW โดยไม่ระบุเหตุผลชัดเจน อาจกระทบต่อผู้พัฒนาเกมอินดี้และชุมชน LGBTQ+ ⛔ เกมที่ไม่ผิดกฎหมายถูกลบเพราะ “เสี่ยงต่อแบรนด์” ⛔ สร้างบรรยากาศแห่งความกลัวและการเซ็นเซอร์ในวงการเกม ‼️ การควบคุมเนื้อหาผ่านระบบการชำระเงินอาจกลายเป็นเครื่องมือในการจำกัดเสรีภาพทางศิลปะ ⛔ ผู้ให้บริการชำระเงินมีอำนาจเหนือแพลตฟอร์มเกม ⛔ อาจนำไปสู่การควบคุมเนื้อหาทางวัฒนธรรมในวงกว้าง ✅ “Patently offensive” เป็นคำที่ตีความได้กว้างและขึ้นอยู่กับดุลยพินิจของบริษัท ➡️ ไม่มีมาตรฐานกลางในการวัดคุณค่าทางศิลปะ ➡️ อาจถูกใช้เป็นข้ออ้างในการลบเนื้อหาที่ไม่ถูกใจ ✅ Collective Shout กลุ่มนักเคลื่อนไหวจากออสเตรเลียอยู่เบื้องหลังการกดดัน payment processors ➡️ เคยส่งจดหมายถึง Mastercard, Visa, PayPal และบริษัทอื่น ๆ ➡️ อ้างว่าเกม NSFW เป็น “สื่อลามกที่รุนแรง” และควรถูกลบ ✅ การหาผู้ให้บริการชำระเงินที่สนับสนุนเนื้อหาผู้ใหญ่กลายเป็นทางรอดของแพลตฟอร์มเกมอินดี้ ➡️ Itch.io กำลังเจรจากับผู้ให้บริการรายใหม่ ➡️ เพื่อรักษาเสรีภาพในการเผยแพร่เนื้อหาที่ถูกกฎหมาย https://www.pcgamer.com/games/mastercard-deflects-blame-for-nsfw-games-being-taken-down-but-valve-says-payment-processors-specifically-cited-a-mastercard-rule-about-damaging-the-brand/

🎙️ เรื่องเล่าจากข่าว: เมื่อ Perplexity แอบคลานเข้าเว็บต้องห้าม—Cloudflare ไม่ทนอีกต่อไป Cloudflare บริษัทด้านความปลอดภัยอินเทอร์เน็ตชื่อดัง ได้เปิดเผยว่า Perplexity ซึ่งเป็น AI search engine กำลังใช้เทคนิค “stealth crawling” เพื่อหลบเลี่ยงข้อจำกัดของเว็บไซต์ที่ไม่อนุญาตให้บ็อตเข้าถึงข้อมูล เช่น การตั้งค่าในไฟล์ robots.txt หรือการใช้ firewall แม้ Perplexity จะมี user-agent ที่ประกาศชัดเจน เช่น PerplexityBot และ Perplexity-User แต่เมื่อถูกบล็อก มันกลับเปลี่ยนกลยุทธ์โดยใช้ user-agent ปลอมที่ดูเหมือน Chrome บน macOS พร้อมหมุน IP และ ASN เพื่อหลบเลี่ยงการตรวจจับ Cloudflare จึงทำการทดสอบโดยสร้างโดเมนใหม่ที่ไม่สามารถค้นเจอได้ และตั้งค่าให้ห้ามบ็อตทุกชนิดเข้า แต่เมื่อถาม Perplexity AI กลับได้ข้อมูลจากเว็บไซต์ลับเหล่านั้นอย่างแม่นยำ แสดงว่ามีการเข้าถึงโดยไม่ได้รับอนุญาตจริง ✅ Perplexity ใช้บ็อตลับเพื่อหลบเลี่ยงการบล็อกจาก robots.txt และ firewall ➡️ เปลี่ยน user-agent เป็น Chrome บน macOS เพื่อหลอกว่าเป็นผู้ใช้ทั่วไป ➡️ หมุน IP และ ASN เพื่อหลบการตรวจจับจากระบบความปลอดภัย ✅ Cloudflare ได้รับร้องเรียนจากลูกค้าว่า Perplexity ยังเข้าถึงเว็บไซต์แม้ถูกบล็อกแล้ว ➡️ ลูกค้าใช้ทั้ง robots.txt และ WAF rules เพื่อบล็อกบ็อตของ Perplexity ➡️ แต่ยังพบการเข้าถึงข้อมูลจากบ็อตที่ไม่ประกาศตัว ✅ Cloudflare ทำการทดสอบโดยสร้างโดเมนลับและพบว่า Perplexity ยังสามารถดึงข้อมูลได้ ➡️ โดเมนใหม่ไม่ถูก index และมี robots.txt ที่ห้ามบ็อตทุกชนิด ➡️ แต่ Perplexity ยังสามารถตอบคำถามเกี่ยวกับเนื้อหาในเว็บไซต์นั้นได้ ✅ Perplexity ถูกถอดออกจาก Verified Bot Program ของ Cloudflare ➡️ Cloudflare ใช้ heuristics และกฎใหม่เพื่อบล็อกการ crawling แบบลับ ➡️ ถือเป็นการละเมิดมาตรฐานการ crawling ตาม RFC 9309 ✅ Perplexity ส่งคำขอแบบลับถึงหลายล้านครั้งต่อวัน ➡️ บ็อตที่ประกาศตัวส่งคำขอ 20–25 ล้านครั้ง/วัน ➡️ บ็อตลับส่งคำขออีก 3–6 ล้านครั้ง/วัน ‼️ การใช้บ็อตลับเพื่อหลบเลี่ยงข้อจำกัดของเว็บไซต์ถือเป็นการละเมิดความเชื่อมั่นบนอินเทอร์เน็ต ⛔ อินเทอร์เน็ตถูกสร้างบนหลักการของความโปร่งใสและการเคารพสิทธิ์ ⛔ การหลบเลี่ยง robots.txt เป็นการละเมิดมาตรฐานที่มีมานานกว่า 30 ปี ‼️ การละเมิด Verified Bot Policy อาจส่งผลต่อความน่าเชื่อถือของ Perplexity ในระยะยาว ⛔ ถูกถอดจาก whitelist ของ Cloudflare ⛔ อาจถูกบล็อกจากเว็บไซต์จำนวนมากในอนาคต ✅ มาตรฐาน Robots Exclusion Protocol ถูกเสนอครั้งแรกในปี 1994 และกลายเป็นมาตรฐานในปี 2022 ➡️ เป็นแนวทางให้บ็อตเคารพสิทธิ์ของเว็บไซต์ ➡️ ใช้ไฟล์ robots.txt เพื่อระบุข้อจำกัด ✅ OpenAI ได้รับคำชมจาก Cloudflareว่าเคารพ robots.txt และ network blocks อย่างถูกต้อง ➡️ ChatGPT-User หยุด crawling เมื่อถูกห้าม ➡️ ถือเป็นตัวอย่างของบ็อตที่ทำงานอย่างมีจริยธรรม ✅ Perplexity เคยถูกกล่าวหาว่าละเมิดลิขสิทธิ์จากหลายสำนักข่าว เช่น Forbes และ Wired ➡️ มีการเผยแพร่เนื้อหาคล้ายกับบทความต้นฉบับโดยไม่ได้รับอนุญาต ➡️ ถูกวิจารณ์ว่า “ขโมยข้อมูลอย่างหน้าด้าน” https://blog.cloudflare.com/perplexity-is-using-stealth-undeclared-crawlers-to-evade-website-no-crawl-directives/

🎙️ เรื่องเล่าจากข่าว: Atlassian ปลดพนักงานผ่านวิดีโอ—เมื่อ AI กลายเป็นเหตุผล และความเห็นใจกลายเป็นคำถาม เมื่อวันที่ 30 กรกฎาคม 2025 Atlassian ประกาศเลิกจ้างพนักงาน 150 คนในทีมบริการลูกค้าและสนับสนุน ผ่านวิดีโอที่บันทึกไว้ล่วงหน้าโดย CEO Mike Cannon-Brookes โดยระบุว่าเป็น “การตัดสินใจที่ยากเพื่ออนาคต” และชี้ว่าหลายตำแหน่งจะถูกแทนที่ด้วยระบบ AI พนักงานไม่ได้รับข้อมูลส่วนตัวใด ๆ จากวิดีโอ ต้องรออีก 15 นาทีเพื่อรับอีเมลแจ้งสถานะ และทันทีหลังจากนั้น เครื่องมือทำงานของพวกเขาถูกล็อกใช้งาน แม้บริษัทจะให้เงินชดเชย 6 เดือน แต่การสื่อสารแบบ “ไม่เห็นหน้า ไม่เอ่ยชื่อ” กลับสร้างเสียงวิจารณ์อย่างหนัก โดยเฉพาะเมื่อ Atlassian เคยยกย่องวัฒนธรรมองค์กรที่เน้นความโปร่งใสและการสื่อสารตรงไปตรงมา ขณะเดียวกัน Co-founder อีกคน Scott Farquhar ออกมาสนับสนุนการใช้ AI อย่างเปิดเผย และกล่าวว่า “ทุกคนควรใช้ AI ให้มากที่สุดเท่าที่จะทำได้” พร้อมชี้ว่าเศรษฐกิจจะเปลี่ยนไป และบางงานจะหายไปเพราะ AI ทำได้ดีกว่า ✅ Atlassian ปลดพนักงาน 150 คนผ่านวิดีโอบันทึกล่วงหน้าโดย CEO Mike Cannon-Brookes ➡️ ไม่เอ่ยชื่อผู้ได้รับผลกระทบ ➡️ พนักงานต้องรออีเมลอีก 15 นาทีเพื่อรู้สถานะของตน ✅ หลายตำแหน่งถูกแทนที่ด้วยระบบ AI โดยเฉพาะในทีมบริการลูกค้า ➡️ เป็นส่วนหนึ่งของการปรับโครงสร้างองค์กร ➡️ บริษัทลงทุนในระบบอัตโนมัติและ AI เพื่อเพิ่มประสิทธิภาพ ✅ พนักงานที่ถูกเลิกจ้างได้รับเงินชดเชย 6 เดือน ➡️ บางรายในยุโรปได้รับมากกว่า 12 สัปดาห์ตามกฎหมาย ➡️ บริษัทไม่ได้เปิดเผยภูมิภาคที่ได้รับผลกระทบมากที่สุด ✅ การสื่อสารผ่านวิดีโอถูกวิจารณ์ว่าไร้ความเห็นใจและไม่เหมาะสม ➡️ ขัดกับค่านิยมเดิมของบริษัทที่เน้นความโปร่งใส ➡️ HR ผู้เชี่ยวชาญชี้ว่าควรมีการพูดคุยแบบเห็นหน้าและให้การสนับสนุน ✅ Scott Farquhar สนับสนุนการใช้ AI และกล่าวว่า “งานบางประเภทจะหายไป” ➡️ ชี้ว่าเศรษฐกิจจะเปลี่ยนไปตามความสามารถของ AI ➡️ สนับสนุนให้ทุกคนใช้ AI ในชีวิตประจำวัน https://www.techspot.com/news/108912-fired-video-atlassian-terminates-150-workers-using-pre.html

🎙️ เรื่องเล่าจากข่าว: เมื่อ AI มี “บุคลิก” และเราสามารถควบคุมมันได้ ในปี 2025 Anthropic ได้เปิดตัวงานวิจัยใหม่ที่ชื่อว่า “Persona Vectors” ซึ่งเป็นเทคนิคที่ช่วยให้เราสามารถตรวจสอบและควบคุมลักษณะนิสัยหรือบุคลิกของโมเดลภาษา (Language Models) ได้อย่างแม่นยำมากขึ้น โดยใช้แนวคิดคล้ายกับการดูสมองมนุษย์ว่า “ส่วนไหนสว่างขึ้น” เมื่อเกิดอารมณ์หรือพฤติกรรมบางอย่าง เทคนิคนี้สามารถระบุว่าโมเดลกำลังมีพฤติกรรม “ชั่วร้าย”, “ประจบสอพลอ”, หรือ “แต่งเรื่องขึ้นมา” ได้อย่างชัดเจน และสามารถ “ฉีด” บุคลิกเหล่านี้เข้าไปในโมเดลเพื่อดูผลลัพธ์ที่เปลี่ยนไป ซึ่งช่วยให้เราควบคุม AI ได้ดีขึ้น ป้องกันพฤติกรรมที่ไม่พึงประสงค์ และปรับแต่งให้เหมาะกับการใช้งานในธุรกิจ เช่น ผู้ช่วยลูกค้า หรือแชตบอทที่มีบุคลิกเฉพาะ ✅ Persona Vectors คือรูปแบบการทำงานใน neural network ที่ควบคุมบุคลิกของ AI ➡️ คล้ายกับการดูว่าสมองส่วนไหนทำงานเมื่อเกิดอารมณ์ ➡️ ใช้เพื่อวิเคราะห์และควบคุมพฤติกรรมของโมเดล ✅ สามารถตรวจสอบและป้องกันการเปลี่ยนแปลงบุคลิกที่ไม่พึงประสงค์ในโมเดล ➡️ เช่น ป้องกันไม่ให้โมเดลกลายเป็น “ชั่วร้าย” หรือ “แต่งเรื่อง” ➡️ ช่วยให้โมเดลมีความสอดคล้องกับค่านิยมของมนุษย์ ✅ ใช้เทคนิคการเปรียบเทียบการทำงานของโมเดลในสถานะต่าง ๆ เพื่อสร้าง persona vector ➡️ เช่น เปรียบเทียบตอนที่โมเดลพูดดี กับตอนที่พูดไม่ดี ➡️ สร้าง vector ที่สามารถ “ฉีด” เข้าไปเพื่อควบคุมพฤติกรรม ✅ สามารถนำไปใช้ในโมเดลโอเพ่นซอร์ส เช่น Qwen และ Llama ได้แล้ว ➡️ ไม่จำเป็นต้อง retrain โมเดลใหม่ทั้งหมด ➡️ ใช้ได้กับโมเดลที่มีขนาดใหญ่ระดับหลายพันล้านพารามิเตอร์ ✅ มีผลต่อการพัฒนา AI ที่ปลอดภัยและสามารถปรับแต่งได้ตามบริบทธุรกิจ ➡️ เช่น ปรับให้ AI มีบุคลิกสุภาพในงานบริการลูกค้า ➡️ ลดอัตราการแต่งเรื่องลงได้ถึง 15% ในการทดลอง ✅ เป็นแนวทางใหม่ในการทำให้ AI มีความเป็นมนุษย์มากขึ้นอย่างปลอดภัย ➡️ ช่วยให้ AI เข้าใจบริบทและตอบสนองได้เหมาะสม ➡️ สร้างความเชื่อมั่นในการใช้งาน AI ในระดับองค์กร ‼️ บุคลิกของ AI สามารถเปลี่ยนแปลงได้โดยไม่คาดคิด หากไม่มีการควบคุม ⛔ อาจเกิดพฤติกรรมที่ไม่เหมาะสม เช่น ขู่ผู้ใช้ หรือพูดจาหยาบคาย ⛔ เคยเกิดกรณี “Sydney” และ “MechaHitler” ที่สร้างความกังวลในวงกว้าง ‼️ การฉีด persona vector เข้าไปในโมเดลอาจทำให้เกิดผลกระทบที่ไม่ตั้งใจ ⛔ เช่น โมเดลอาจตอบสนองเกินจริง หรือมี bias ที่ไม่พึงประสงค์ ⛔ ต้องมีการทดสอบและตรวจสอบอย่างละเอียดก่อนใช้งานจริง ‼️ การควบคุมบุคลิกของ AI ยังเป็นศาสตร์ที่ไม่แน่นอน และต้องใช้ความระมัดระวัง ⛔ ยังไม่สามารถรับประกันผลลัพธ์ได้ 100% ⛔ ต้องมีการวิจัยต่อเนื่องเพื่อเพิ่มความแม่นยำ ‼️ การใช้ persona vectors ในธุรกิจต้องคำนึงถึงจริยธรรมและความโปร่งใส ⛔ ผู้ใช้ควรได้รับข้อมูลว่า AI ถูกปรับแต่งอย่างไร ⛔ อาจเกิดปัญหาด้านความไว้วางใจหากไม่เปิดเผยการควบคุมบุคลิก https://www.anthropic.com/research/persona-vectors

ทูต ทหาร และสื่อต่างประเทศ รับทราบข้อเท็จจริงกรณีสถานการณ์แนวชายแดนไทย-กัมพูชา https://www.thai-tai.tv/news/20705/ . #ไทยไท #ชายแดนไทยกัมพูชา #อุบลราชธานี #ความโปร่งใส #ทูตนานาชาติ #กองทัพไทย #ข่าวปลอม #การป้องกันตนเอง #ความสูญเสีย #อพยพ

🎙️ เรื่องเล่าจากข่าว: GPU กำลังจะกลายเป็นสินทรัพย์การเงินที่ซื้อขายได้ Startup ชื่อ OneChronos จับมือกับ Auctionomics บริษัทออกแบบตลาดที่ก่อตั้งโดย Paul Milgrom นักเศรษฐศาสตร์รางวัลโนเบล เพื่อสร้าง “ตลาดซื้อขายล่วงหน้า GPU” แห่งแรกของโลก โดยเป้าหมายคือให้ผู้ใช้งานสามารถ “ล็อกราคา” และ “จัดการความเสี่ยง” ของการเข้าถึง GPU ได้เหมือนกับการซื้อขายสินค้าโภคภัณฑ์ เช่น น้ำมันหรือไฟฟ้า ในยุคที่ AI เติบโตอย่างรวดเร็ว GPU กลายเป็นทรัพยากรที่มีค่ามากที่สุด แต่กลับไม่มีเครื่องมือทางการเงินใดที่ช่วยให้บริษัทสามารถวางแผนหรือป้องกันความเสี่ยงจากราคาที่ผันผวนได้เลย ตลาดใหม่นี้จะใช้ระบบ “การประมูลแบบอัจฉริยะ” เพื่อให้ผู้ใช้งานสามารถเสนอราคาสำหรับเวลาใช้งาน GPU หรือความจุที่ต้องการ โดย Auctionomics จะช่วยออกแบบกลไกตลาดให้มีประสิทธิภาพ โปร่งใส และสามารถจัดสรรทรัพยากรได้อย่างเหมาะสม ✅ OneChronos และ Auctionomics ร่วมกันสร้างตลาดซื้อขายล่วงหน้า GPU แห่งแรกของโลก ➡️ ใช้ระบบประมูลอัจฉริยะเพื่อจัดสรรทรัพยากร GPU อย่างมีประสิทธิภาพ ➡️ เปรียบเสมือน “ตลาดซื้อขายน้ำมัน” สำหรับโลก AI ✅ Paul Milgrom นักเศรษฐศาสตร์รางวัลโนเบล เป็นผู้ออกแบบกลไกตลาด ➡️ เคยออกแบบการประมูลคลื่นความถี่ที่เปลี่ยนโฉมวงการโทรคมนาคม ➡️ ใช้ทฤษฎีเกมและคณิตศาสตร์เพื่อสร้างแรงจูงใจที่เหมาะสม ✅ GPU ถูกมองว่าเป็น “สินทรัพย์องค์กรที่ยังไม่มีการป้องกันความเสี่ยง” ที่ใหญ่ที่สุดในโลก ➡️ ไม่มีเครื่องมือทางการเงินใดที่ช่วยล็อกราคาหรือจัดการความเสี่ยง ➡️ ต่างจากน้ำมันหรือไฟฟ้าที่มีตลาดซื้อขายล่วงหน้า ✅ ระบบจะเปิดให้ผู้ใช้งานเสนอราคาสำหรับเวลาใช้งาน GPU หรือความจุที่ต้องการ ➡️ ช่วยให้บริษัทสามารถวางแผนล่วงหน้าและควบคุมต้นทุนได้ ➡️ ลดปัญหาการขาดแคลนและราคาผันผวนในช่วงที่มีความต้องการสูง ✅ ตลาดนี้จะเปิดให้ผู้เข้าร่วมหลากหลาย เช่น ผู้ผลิตชิป, ผู้ให้บริการคลาวด์, นักลงทุนในศูนย์ข้อมูล ➡️ ยิ่งมีผู้เข้าร่วมหลากหลาย ตลาดจะยิ่งมีความโปร่งใสและมีสภาพคล่องสูง ➡️ ช่วยให้เกิดการค้นหาราคาที่แท้จริงของทรัพยากร GPU https://www.techspot.com/news/108879-startup-nobel-laureate-collaborate-create-gpu-financial-exchange.html

🧠 เรื่องเล่าจากตลาดจำลอง: เมื่อ AI เทรดเดอร์ฮั้วกันเองโดยไม่รู้ตัว ทีมนักวิจัยจาก Wharton และมหาวิทยาลัยวิทยาศาสตร์และเทคโนโลยีฮ่องกง ได้เผยแพร่รายงานผ่าน National Bureau of Economic Research ว่า AI เทรดเดอร์ที่ใช้ reinforcement learning สามารถ “ฮั้วกันเอง” ได้ในตลาดจำลอง โดยไม่ต้องมีการสื่อสารหรือเจตนาใด ๆ พฤติกรรมฮั้วเกิดขึ้นจาก 2 กลไกหลัก: 1️⃣ “Artificial Intelligence” – การใช้กลยุทธ์แบบ price-trigger ที่ลงโทษผู้ที่เบี่ยงเบนจากพฤติกรรมกลุ่ม 2️⃣ “Artificial Stupidity” – การเรียนรู้แบบ over-pruning ที่ทำให้บอทหยุดคิดกลยุทธ์ใหม่ และเลือกใช้วิธีที่ “พอได้กำไร” โดยไม่พยายามปรับปรุง ผลลัพธ์คือบอทเหล่านี้สร้างกำไรแบบฮั้วกันโดยไม่ตั้งใจ และหลีกเลี่ยงการเคลื่อนไหวที่อาจทำให้ถูกจับตาจากหน่วยงานกำกับดูแล แม้จะเป็นการทดลองในตลาดจำลอง แต่ผลลัพธ์ก็สะท้อนถึงความเสี่ยงในตลาดจริง โดยเฉพาะเมื่อ AI ถูกใช้มากขึ้นในระบบการซื้อขายของกองทุนและธนาคารทั่วโลก ✅ นักวิจัยพบว่า AI เทรดเดอร์สามารถฮั้วกันเองได้ในตลาดจำลอง2 ➡️ ใช้ reinforcement learning โดยไม่มีการสื่อสารหรือเจตนา ➡️ สร้างกำไรแบบ supra-competitive โดยไม่ละเมิดกฎโดยตรง ✅ พฤติกรรมฮั้วเกิดจากสองกลไกหลัก3 ➡️ “Artificial Intelligence”: price-trigger strategy ที่ลงโทษผู้เบี่ยงเบน ➡️ “Artificial Stupidity”: over-pruning bias ที่ทำให้บอทหยุดคิดกลยุทธ์ใหม่ ✅ บอทเลือกใช้กลยุทธ์ที่ปลอดภัยเพื่อหลีกเลี่ยงการถูกจับตา ➡️ หลีกเลี่ยงการเทรดเชิงรุก ➡️ สร้างกำไรร่วมกันแบบเงียบ ๆ ✅ การจำกัดความซับซ้อนของอัลกอริธึมอาจทำให้ปัญหาแย่ลง ➡️ ยิ่งลดความสามารถ ยิ่งเพิ่มโอกาสเกิด “ความโง่แบบฮั้ว” ➡️ ส่งผลต่อประสิทธิภาพของตลาดโดยรวม ✅ หน่วยงานกำกับดูแลเริ่มสนใจผลการวิจัยนี้ ➡️ FINRA เชิญนักวิจัยไปนำเสนอผลการศึกษา ➡️ บริษัท quant บางแห่งเริ่มขอแนวทางกำกับดูแลที่ชัดเจน ‼️ AI เทรดเดอร์อาจฮั้วกันโดยไม่ตั้งใจในตลาดจริง ⛔ แม้ไม่มีเจตนา แต่ผลลัพธ์อาจละเมิดกฎการแข่งขัน ⛔ สร้างความเสียหายต่อความโปร่งใสและประสิทธิภาพของตลาด ‼️ การฮั้วแบบ “โง่ ๆ” อาจทำให้ตลาดขาดสภาพคล่องและข้อมูลราคาที่แท้จริง ⛔ บอทหยุดคิดกลยุทธ์ใหม่และเลือกวิธีที่ปลอดภัยเกินไป ⛔ ราคาสินทรัพย์อาจไม่สะท้อนข้อมูลพื้นฐาน ‼️ การกำกับดูแลที่เน้นลดความซับซ้อนของ AI อาจย้อนกลับมาทำร้ายตลาด ⛔ ยิ่งลดความสามารถของ AI ยิ่งเพิ่มโอกาสเกิด over-pruning bias ⛔ ทำให้บอทเลือกฮั้วกันแทนที่จะพัฒนาแนวทางใหม่ ‼️ ยังไม่มีหลักฐานว่าการฮั้วของ AI เกิดขึ้นจริงในตลาดปัจจุบัน แต่ความเสี่ยงใกล้ตัวมากขึ้น ⛔ การใช้ AI ในการเทรดเพิ่มขึ้นอย่างรวดเร็วในกองทุนและธนาคาร ⛔ หากไม่กำกับตั้งแต่ต้น อาจเกิดวิกฤตความเชื่อมั่นในตลาดการเงิน https://www.tomshardware.com/tech-industry/researchers-find-automated-financial-traders-will-collude-with-each-other-through-a-combination-of-artificial-intelligence-and-artificial-stupidity

🧠 เรื่องเล่าจากโลกเข้ารหัส: เมื่อ Apple ถูกบังคับให้เปิดประตูหลัง แต่ Google ยังปลอดภัย ต้นปี 2025 รัฐบาลสหราชอาณาจักรได้ออกคำสั่งลับที่เรียกว่า “Technical Capability Notice” (TCN) ภายใต้กฎหมาย Investigatory Powers Act ปี 2016 เพื่อให้ Apple สร้างช่องทางให้เจ้าหน้าที่เข้าถึงข้อมูลที่ถูกเข้ารหัสใน iCloud โดยเฉพาะฟีเจอร์ Advanced Data Protection (ADP) ที่แม้แต่ Apple เองก็ไม่สามารถเข้าถึงได้ Apple ตัดสินใจยกเลิก ADP สำหรับผู้ใช้ใหม่ในสหราชอาณาจักร และให้ผู้ใช้เดิมปิดฟีเจอร์นี้เองภายในช่วงเวลาผ่อนผัน พร้อมยื่นอุทธรณ์คำสั่งต่อศาลพิเศษด้านการสอดแนม (Investigatory Powers Tribunal) ในขณะเดียวกัน Google ซึ่งให้บริการเข้ารหัสแบบ end-to-end ในหลายผลิตภัณฑ์ เช่น Android backups กลับออกมายืนยันว่า “ไม่เคยได้รับคำสั่ง TCN” และ “ไม่เคยสร้างช่องโหว่หรือ backdoor ใด ๆ” แม้ก่อนหน้านี้จะปฏิเสธตอบคำถามจากวุฒิสมาชิกสหรัฐฯ Ron Wyden การที่ Google ไม่ถูกแตะต้อง ทำให้หลายฝ่ายตั้งคำถามว่า คำสั่งของ UK อาจไม่ได้ครอบคลุมทุกบริษัท หรืออาจมีการเลือกเป้าหมายอย่างเฉพาะเจาะจง ✅ Apple ถูกสั่งให้สร้าง backdoor ในระบบเข้ารหัสของ iCloud ➡️ คำสั่งออกโดย UK Home Office ผ่าน Technical Capability Notice (TCN) ➡️ ส่งผลให้ Apple ยกเลิกฟีเจอร์ Advanced Data Protection (ADP) ใน UK ✅ Google ยืนยันว่าไม่เคยได้รับคำสั่ง TCN จากรัฐบาล UK ➡️ Karl Ryan โฆษกของ Google ระบุว่า “เราไม่เคยสร้างช่องโหว่ใด ๆ” ➡️ “ถ้าเราบอกว่าระบบเข้ารหัสแบบ end-to-end ก็หมายความว่าไม่มีใครเข้าถึงได้ แม้แต่เราเอง” ✅ ภายใต้กฎหมาย UK บริษัทที่ได้รับคำสั่ง TCN ห้ามเปิดเผยว่าตนได้รับคำสั่งนั้น ➡️ ทำให้เกิดความคลุมเครือว่าบริษัทใดถูกสั่งจริง ➡️ Meta เป็นอีกบริษัทที่ยืนยันว่าไม่เคยได้รับคำสั่ง TCN ✅ Apple ยื่นอุทธรณ์คำสั่งต่อศาลพิเศษ และได้รับการสนับสนุนจาก WhatsApp ➡️ คดีนี้อาจกลายเป็นจุดเปลี่ยนสำคัญของการปกป้องความเป็นส่วนตัว ➡️ มีองค์กรกว่า 200 แห่งร่วมลงชื่อเรียกร้องให้รัฐบาล UK ยกเลิกคำสั่ง ✅ รัฐบาลสหรัฐฯ กดดันให้ UK ยุติคำสั่ง TCN ต่อ Apple ➡️ รองประธานาธิบดี JD Vance และวุฒิสมาชิก Wyden แสดงความกังวล ➡️ อ้างว่าเป็นการละเมิดสนธิสัญญา Cloud Act ระหว่างสหรัฐฯ กับ UK ‼️ การสร้าง backdoor ในระบบเข้ารหัสอาจเปิดช่องให้เกิดการละเมิดความเป็นส่วนตัวทั่วโลก ⛔ ผู้ใช้ทั่วโลกอาจถูกเข้าถึงข้อมูลโดยไม่ได้รับอนุญาต ⛔ ช่องโหว่ที่สร้างโดยรัฐอาจถูกแฮกเกอร์ใช้ในอนาคต ‼️ กฎหมาย TCN ห้ามบริษัทเปิดเผยว่าตนได้รับคำสั่ง ทำให้ผู้ใช้ไม่รู้ว่าข้อมูลตนถูกเข้าถึงหรือไม่ ⛔ ขาดความโปร่งใสในการคุ้มครองข้อมูล ⛔ ผู้ใช้ไม่สามารถตรวจสอบหรือป้องกันตัวเองได้ ‼️ การยกเลิก ADP ใน UK ทำให้ผู้ใช้สูญเสียการปกป้องข้อมูลขั้นสูง ⛔ แม้จะใช้ VPN ก็ไม่สามารถทดแทนการเข้ารหัสแบบ end-to-end ได้ ⛔ เสี่ยงต่อการถูกเข้าถึงข้อมูลโดยหน่วยงานรัฐหรือบุคคลที่สาม ‼️ การเลือกเป้าหมายเฉพาะเจาะจงอาจสะท้อนถึงการเมืองเบื้องหลังคำสั่ง TCN ⛔ Google อาจรอดเพราะเหตุผลทางการค้า การเมือง หรือการเจรจา ⛔ สร้างความไม่เท่าเทียมในการคุ้มครองผู้ใช้ระหว่างบริษัทต่าง ๆ https://www.techspot.com/news/108870-google-never-received-uk-demand-encryption-backdoor-unlike.html

🛒 เรื่องเล่าจากตะกร้าช้อปปิ้ง: เมื่อ Temu ถูก EU จับตาอย่างเข้มงวด Temu ซึ่งมีผู้ใช้งานในยุโรปกว่า 90 ล้านคนต่อเดือน ถูกกล่าวหาว่าไม่ได้ประเมินความเสี่ยงของสินค้าบนแพลตฟอร์มอย่างเหมาะสม โดยเฉพาะสินค้าประเภทของเล่นเด็กและอุปกรณ์อิเล็กทรอนิกส์ขนาดเล็ก ที่อาจไม่ผ่านมาตรฐานความปลอดภัยของ EU การตรวจสอบของ EU ผ่านการ “mystery shopping” พบว่าสินค้าจำนวนมากไม่เป็นไปตามข้อกำหนด และ Temu ใช้ข้อมูลทั่วไปของอุตสาหกรรมในการประเมินความเสี่ยง แทนที่จะใช้ข้อมูลเฉพาะของแพลตฟอร์มตนเอง นอกจากนี้ Temu ยังถูกสอบสวนในประเด็นอื่น ๆ เช่น การออกแบบแอปให้มีลักษณะเสพติด (เช่น ระบบรางวัลแบบเกม), ความโปร่งใสของระบบแนะนำสินค้า, และการเปิดให้เข้าถึงข้อมูลเพื่อการวิจัย ซึ่งเป็นข้อกำหนดสำคัญของ DSA สำหรับแพลตฟอร์มขนาดใหญ่ หากพบว่ามีการละเมิดจริง Temu อาจถูกปรับสูงสุดถึง 6% ของรายได้ทั่วโลกต่อปี และอาจถูกสั่งให้ปรับปรุงระบบ พร้อมเข้าสู่ช่วง “การกำกับดูแลแบบเข้มข้น” ✅ คณะกรรมาธิการยุโรปพบว่า Temu อาจละเมิดกฎหมาย Digital Services Act (DSA) ➡️ ไม่ประเมินความเสี่ยงของสินค้าบนแพลตฟอร์มอย่างเหมาะสม ➡️ ใช้ข้อมูลทั่วไปแทนข้อมูลเฉพาะของ Temu ในการประเมิน ✅ การตรวจสอบพบสินค้าผิดกฎหมายจำนวนมาก เช่น ของเล่นเด็กและอุปกรณ์อิเล็กทรอนิกส์ ➡️ ผ่านการทดลองซื้อจริงโดย EU (“mystery shopping”) ➡️ สินค้าไม่ผ่านมาตรฐานความปลอดภัยของ EU ✅ Temu ถูกสอบสวนเพิ่มเติมในหลายประเด็นภายใต้ DSA ➡️ การออกแบบแอปให้เสพติด เช่น ระบบรางวัลแบบเกม ➡️ ความโปร่งใสของระบบแนะนำสินค้าและโฆษณา ➡️ การเปิดให้เข้าถึงข้อมูลเพื่อการวิจัย ✅ หากพบว่าละเมิดจริง อาจถูกปรับสูงสุด 6% ของรายได้ทั่วโลกต่อปี ➡️ พร้อมคำสั่งให้ปรับปรุงระบบและเข้าสู่ช่วงกำกับดูแล ➡️ Temu มีสิทธิ์ตอบกลับข้อกล่าวหาในช่วงสัปดาห์ถัดไป ✅ DSA เป็นกฎหมายใหม่ของ EU ที่ควบคุมแพลตฟอร์มขนาดใหญ่โดยเฉพาะ ➡️ Temu ถูกจัดเป็น “Very Large Online Platform” (VLOP) ➡️ ต้องปฏิบัติตามข้อกำหนดที่เข้มงวดกว่าปกติ https://www.thestar.com.my/tech/tech-news/2025/07/28/eu-says-temu-in-breach-of-rules-to-prevent-sale-of-illegal-products

🧠 เรื่องเล่าจากวอชิงตัน: เมื่อ AI ถูกใช้เพื่อลบครึ่งหนึ่งของกฎระเบียบรัฐบาลกลาง ในปีแรกของการกลับมาดำรงตำแหน่งของประธานาธิบดีทรัมป์ รัฐบาลสหรัฐฯ ตั้งเป้าหมายสุดโต่ง—ลบกฎระเบียบของรัฐบาลกลางให้ได้ถึง 50%! และเครื่องมือหลักที่ใช้คือ “DOGE AI Deregulation Decision Tool” ซึ่งเป็นระบบปัญญาประดิษฐ์ที่พัฒนาโดยหน่วยงานใหม่ชื่อ DOGE (Department of Government Efficiency) ที่เคยมี Elon Musk เป็นผู้นำ AI ตัวนี้ถูกออกแบบมาเพื่อวิเคราะห์กฎระเบียบกว่า 200,000 ฉบับ และคัดเลือก 100,000 ฉบับที่ “ไม่จำเป็นตามกฎหมาย” เพื่อเสนอให้ลบออก โดยอ้างว่าจะช่วยประหยัดงบประมาณได้ถึง 1.5 ล้านล้านดอลลาร์ต่อปี และลดภาระงานของเจ้าหน้าที่ลงจาก 3.6 ล้านชั่วโมงเหลือแค่ 36 ชั่วโมง! แต่การใช้ AI แบบนี้ก็ไม่ใช่เรื่องง่าย เพราะมีรายงานว่าเครื่องมือนี้เข้าใจภาษากฎหมายผิดพลาดหลายครั้ง และอาจนำไปสู่การลบกฎที่ยังจำเป็นอยู่โดยไม่ได้ตั้งใจ ✅ DOGE AI Deregulation Decision Tool ตั้งเป้าลบ 100,000 กฎระเบียบภายในปีแรกของรัฐบาลทรัมป์ ➡️ วิเคราะห์กฎระเบียบกว่า 200,000 ฉบับเพื่อคัดเลือกสิ่งที่ไม่จำเป็นตามกฎหมาย ➡️ ใช้แล้วใน HUD และ CFPB โดยเขียน “100% ของการยกเลิกกฎ” ที่ CFPB ✅ ระบบนี้อ้างว่าจะช่วยประหยัดงบประมาณและเวลาอย่างมหาศาล ➡️ ประหยัดงบประมาณได้ถึง $1.5 ล้านล้านต่อปี ➡️ ลดภาระงานจาก 3.6 ล้านชั่วโมงเหลือเพียง 36 ชั่วโมง ✅ DOGE ใช้กลยุทธ์ “AI-first” ตั้งแต่ต้นปี 2025 ➡️ เริ่มฝัง AI ในหน่วยงานรัฐบาลหลายแห่งตั้งแต่เดือนมีนาคม ➡️ เปิดตัวแชตบอท GSAi ให้พนักงานกว่า 1,500 คนใช้งาน ✅ แผนนี้เป็นส่วนหนึ่งของคำมั่นสัญญาในการลดกฎระเบียบของทรัมป์ ➡️ มาจากคำสั่งผู้บริหารเมื่อ 31 มกราคม 2025 ที่เรียกร้องให้ยกเลิกกฎ 10 ฉบับต่อการออกใหม่ 1 ฉบับ ➡️ DOGE ถูกตั้งขึ้นเพื่อผลักดันเป้าหมายนี้โดยตรง ‼️ AI เข้าใจภาษากฎหมายผิดพลาดหลายครั้ง ⛔ เจ้าหน้าที่ HUD รายงานว่า AI เข้าใจผิดว่ากฎที่ถูกต้องเป็นกฎที่ผิด ⛔ อาจนำไปสู่การลบกฎที่ยังจำเป็นอยู่โดยไม่ได้ตั้งใจ ‼️ การใช้ AI เพื่อลบกฎระเบียบอาจขัดต่อกฎหมายปกครอง (Administrative Procedure Act) ⛔ กฎหมายกำหนดให้ต้องมีเหตุผลที่ชัดเจนในการเปลี่ยนแปลงกฎ ⛔ การอ้างว่า “AI บอกให้ลบ” อาจไม่ผ่านการตรวจสอบของศาล ‼️ การใช้ระบบอัตโนมัติในระดับนี้อาจลดบทบาทของเจ้าหน้าที่รัฐและผู้เชี่ยวชาญ ⛔ เกิดความกังวลว่าการตัดสินใจสำคัญจะถูกแทนที่ด้วยอัลกอริธึม ⛔ อาจกระทบต่อความโปร่งใสและความรับผิดชอบของรัฐบาล ‼️ DOGE เคยมีปัญหาด้านความปลอดภัยและความน่าเชื่อถือ ⛔ เว็บไซต์ของ DOGE เคยถูกเจาะระบบและปล่อยข้อมูลโดยไม่ได้ตั้งใจ ⛔ พนักงานบางคนมีประวัติที่น่าสงสัยและอุปกรณ์ถูกมัลแวร์โจมตี https://www.techspot.com/news/108826-doge-wants-use-ai-tool-eliminate-half-all.html

💎 เรื่องเล่าจากโลกเพชร: เมื่อ “เพชรในห้องแล็บ” เขย่าอุตสาหกรรมที่เคยมั่นคง ลองจินตนาการว่าคุณกำลังเลือกแหวนหมั้น แล้วพบว่าเพชรที่สวยงามขนาด 2 กะรัต ราคาเพียง 3,500 ดอลลาร์—แทนที่จะเป็น 35,000 ดอลลาร์แบบเดิม นี่คือผลพวงจากการเติบโตของ “เพชรที่ผลิตในห้องแล็บ” ที่กำลังเปลี่ยนวิธีคิดของผู้บริโภคทั่วโลก จากเดิมที่เพชรธรรมชาติเป็นสัญลักษณ์ของความรักและสถานะ วันนี้ผู้บริโภคหันมาเลือกเพชรแล็บเพราะราคาถูกกว่า ผลิตได้อย่างมีจริยธรรม และไม่มีประวัติ “เพชรเลือด” ที่เกี่ยวข้องกับแรงงานเด็กหรือการสนับสนุนสงคราม ผลกระทบเริ่มชัดเจนในแคนาดา—ประเทศผู้ผลิตเพชรอันดับ 3 ของโลก—เมื่อบริษัท Burgundy Diamond Mines ต้องปิดเหมือง Point Lake และปลดพนักงานหลายร้อยคน เพราะราคาตลาดตกต่ำและต้นทุนสูงเกินไป ✅ Lab-Grown Diamonds กำลังแย่งส่วนแบ่งตลาดจากเพชรธรรมชาติ ➡️ เพชรแล็บมีราคาถูกกว่า 85% และผลิตได้รวดเร็วในห้องแล็บ ➡️ ผู้บริโภคสามารถซื้อเพชรขนาดใหญ่ขึ้นในราคาที่เข้าถึงได้ ✅ ผู้บริโภคยุคใหม่ให้ความสำคัญกับจริยธรรมและสิ่งแวดล้อม ➡️ หลีกเลี่ยง “เพชรเลือด” ที่เกี่ยวข้องกับแรงงานเด็กและสงคราม ➡️ เพชรแล็บไม่มีการทำลายสิ่งแวดล้อมจากการขุดเหมือง ✅ อุตสาหกรรมเหมืองเพชรในแคนาดาได้รับผลกระทบหนัก ➡️ บริษัท Burgundy Diamond Mines ปิดเหมือง Point Lake และปลดพนักงาน ➡️ ราคาขายปลีกของเพชรธรรมชาติลดลง 26% ในช่วง 2 ปีที่ผ่านมา ✅ เทคโนโลยีการผลิตเพชรแล็บพัฒนาอย่างรวดเร็ว ➡️ สามารถปรับแต่งรูปทรง สี และคุณสมบัติได้ตามต้องการ ➡️ ทำให้เพชรแล็บมีความหลากหลายและน่าสนใจมากขึ้น ✅ ผู้บริโภคยุคใหม่ เช่น Millennials และ Gen Z นิยมเพชรแล็บมากขึ้น ➡️ ให้ความสำคัญกับความคุ้มค่าและความโปร่งใส ➡️ ไม่ยึดติดกับแนวคิดว่า “เพชรธรรมชาติเท่านั้นที่แท้จริง” ‼️ การเปลี่ยนแปลงนี้ส่งผลกระทบต่อแรงงานในอุตสาหกรรมเหมืองเพชร ⛔ การปิดเหมืองทำให้เกิดการว่างงานจำนวนมากในพื้นที่ห่างไกล ⛔ ชุมชนที่พึ่งพาอุตสาหกรรมเพชรอาจเผชิญกับวิกฤตเศรษฐกิจ ‼️ เพชรแล็บยังมีข้อถกเถียงเรื่องการใช้พลังงานสูงในการผลิต ⛔ แม้จะไม่ขุดเหมือง แต่การผลิตต้องใช้พลังงานจำนวนมาก ⛔ หากใช้พลังงานจากฟอสซิล อาจมีผลกระทบต่อสิ่งแวดล้อมเช่นกัน ‼️ ความแตกต่างด้าน “ความรู้สึก” และ “คุณค่า” ยังมีอยู่ ⛔ ผู้เชี่ยวชาญบางคนเชื่อว่าเพชรธรรมชาติมี “ความซับซ้อน” ที่เพชรแล็บไม่มี ⛔ เพชรธรรมชาติเป็น “เศษส่วนของโลกใต้พิภพ” ที่มีความเป็นเอกลักษณ์ ‼️ การลดราคาของเพชรธรรมชาติอาจทำให้สูญเสียความเป็นสินทรัพย์ลงทุน ⛔ ราคาตกต่อเนื่องทำให้เพชรธรรมชาติไม่เป็นที่นิยมในฐานะการลงทุน ⛔ อาจส่งผลต่อแบรนด์หรูที่เคยใช้เพชรธรรมชาติเป็นจุดขาย https://www.cbc.ca/news/business/lab-grown-diamonds-1.7592336

📌พ่อแม่ควรได้รับความโปร่งใสอย่างเต็มที่ ในส่วนความปลอดภัยของเอกสารกำกับยา Spikevax เปรียบเสมือนสัญญาณเตือนอันตราย: 🧨โรคกล้ามเนื้อหัวใจอักเสบและเยื่อหุ้มหัวใจอักเสบถือเป็นความเสี่ยงที่ทราบกันดี โดยเฉพาะในเด็กผู้ชายวัยหนุ่มสาว 📌อาการที่พบได้ในเด็ก ได้แก่ อาการเป็นลม ชัก อาเจียน หงุดหงิด และแม้แต่การเลี้ยงลูกด้วยนมที่ไม่เหมาะสมในทารก 😈เอกสารกำกับยายังยอมรับว่า “การฉีดวัคซีนอาจไม่สามารถป้องกันทุกคนที่ได้รับวัคซีนได้” ➡️อ่านคำเตือนของ ดร. ปีเตอร์ แมคคัลลอฟ เกี่ยวกับเรื่องนี้ได้ใน Substack รายสัปดาห์ของเรา https://informedchoicewa.substack.com/p/icwa-weekly-news-7-16-25?open=false#%C2%A7moderna-spikevax-approved-even-with-history-of-adverse-events https://www.facebook.com/share/p/15F9262rmta/

🎙️ เรื่องเล่าจากคลังภาพที่มีชีวิต: เมื่อ Google Photos เปลี่ยนภาพนิ่งให้กลายเป็นวิดีโอด้วย AI Google Photos เพิ่มฟีเจอร์ใหม่ 3 อย่างที่ใช้ AI เพื่อให้ผู้ใช้ “เล่นกับภาพ” ได้มากขึ้น: 1️⃣. Photo-to-Video Generator ผู้ใช้สามารถเลือกภาพจากแกลเลอรี แล้วใส่ prompt ง่าย ๆ เช่น “Subtle movements” หรือ “I’m feeling lucky” เพื่อให้ AI สร้างวิดีโอสั้นความยาว 6 วินาที — คล้ายกับฟีเจอร์ใน Gemini หรือ TikTok AI Alive แต่ควบคุมได้น้อยกว่า 2️⃣. Remix ฟีเจอร์นี้ใช้ style transfer เพื่อเปลี่ยนภาพให้เป็นรูปแบบศิลปะ เช่น: - ภาพสัตว์เลี้ยงกลายเป็นอนิเมะ - ภาพคนกลายเป็นการ์ตูนหรือ 3D animation จะเริ่มทยอยเปิดให้ใช้ในสหรัฐฯ ทั้งบน Android และ iOS ภายในไม่กี่สัปดาห์ 3️⃣. Create Tab Google เพิ่มแท็บใหม่ชื่อ “Create” เป็นศูนย์รวมฟีเจอร์สร้างสรรค์ทั้งหมด เช่น: - Collage - Highlight video - Photo-to-video - Remix จะเริ่มปรากฏในแอปช่วงเดือนสิงหาคม เพื่อความโปร่งใส Google ใช้ SynthID watermark แบบมองไม่เห็นในเนื้อหาที่สร้างด้วย AI และเพิ่มลายน้ำที่มองเห็นในวิดีโอที่สร้างขึ้น — เหมือนกับที่ใช้ในฟีเจอร์ ReImagine https://www.neowin.net/news/google-photos-app-updated-with-ai-that-turns-your-pictures-into-short-videos/

จะเป็นฟองสบู่ AI หรือเปล่านะ 🎙️ เรื่องเล่าจาก AI ที่ไม่ขอข้อมูลเรา: เมื่อ Proton สร้าง Lumo เพื่อปกป้องความเป็นส่วนตัว Lumo เป็นแชตบอทคล้าย ChatGPT หรือ Copilot แต่เน้นความปลอดภัยและความเป็นส่วนตัว: - ไม่เก็บ log การสนทนา - แชตถูกเข้ารหัสและเก็บไว้เฉพาะในอุปกรณ์ของผู้ใช้ - ไม่แชร์ข้อมูลกับบุคคลที่สาม, โฆษณา หรือรัฐบาล - ไม่ใช้ข้อมูลผู้ใช้ในการเทรนโมเดล AI แม้จะไม่มีฟีเจอร์ขั้นสูงอย่าง voice mode หรือ image generation แต่ Lumo รองรับ: - การวิเคราะห์ไฟล์ที่อัปโหลด - การเข้าถึงเอกสารใน Proton Drive - การค้นหาข้อมูลผ่าน search engine ที่เน้นความเป็นส่วนตัว (เปิดใช้งานได้ตามต้องการ) Lumo มีให้ใช้งานใน 3 ระดับ: 1️⃣ Guest mode — ไม่ต้องสมัคร Proton แต่จำกัดจำนวนคำถามต่อสัปดาห์ 2️⃣ Free Proton account — ถามได้มากขึ้น, เข้าถึงประวัติแชต, อัปโหลดไฟล์ได้ 3️⃣ Lumo Plus — $12.99/เดือน หรือ $119.88/ปี พร้อมฟีเจอร์เต็ม เช่น unlimited chats, extended history, และอัปโหลดไฟล์ขนาดใหญ่ Andy Yen ซีอีโอของ Proton กล่าวว่า: 🔖 “AI ไม่ควรกลายเป็นเครื่องมือสอดแนมที่ทรงพลังที่สุดในโลก — เราสร้าง Lumo เพื่อให้ผู้ใช้มาก่อนผลกำไร” ✅ Proton เปิดตัวผู้ช่วย AI ชื่อ Lumo ที่เน้นความเป็นส่วนตัวและความปลอดภัย ➡️ ไม่เก็บ log, เข้ารหัสแชต, และไม่ใช้ข้อมูลผู้ใช้ในการเทรนโมเดล ✅ Lumo รองรับการวิเคราะห์ไฟล์และเข้าถึง Proton Drive ➡️ ช่วยให้ใช้งานกับเอกสารส่วนตัวได้โดยไม่ต้องเปิดเผยข้อมูล ✅ รองรับการค้นหาข้อมูลผ่าน search engine ที่เน้นความเป็นส่วนตัว ➡️ เปิดใช้งานได้ตามต้องการเพื่อควบคุมความเสี่ยง ✅ มีให้ใช้งานใน 3 ระดับ: Guest, Free Account, และ Lumo Plus ➡️ Lumo Plus ราคา $12.99/เดือน หรือ $119.88/ปี พร้อมฟีเจอร์เต็ม ✅ Andy Yen ซีอีโอของ Proton ย้ำว่า Lumo คือทางเลือกที่ไม่เอาข้อมูลผู้ใช้ไปแลกกับ AI ➡️ เป็นการตอบโต้แนวทางของ Big Tech ที่ใช้ AI เพื่อเก็บข้อมูล ✅ Lumo ใช้โมเดล LLM แบบโอเพ่นซอร์ส ➡️ เพิ่มความโปร่งใสและตรวจสอบได้ ‼️ Lumo ยังไม่มีฟีเจอร์ขั้นสูง เช่น voice mode หรือ image generation ⛔ อาจไม่เหมาะกับผู้ใช้ที่ต้องการความสามารถแบบมัลติมีเดีย ‼️ Guest mode มีข้อจำกัดด้านจำนวนคำถามและฟีเจอร์ ⛔ ผู้ใช้ต้องสมัคร Proton เพื่อใช้งานได้เต็มประสิทธิภาพ ‼️ แม้จะไม่เก็บ log แต่การวิเคราะห์ไฟล์ยังต้องอาศัยความเชื่อมั่นในระบบ ⛔ ผู้ใช้ควรตรวจสอบว่าไฟล์ที่อัปโหลดไม่ละเมิดความเป็นส่วนตัวของบุคคลอื่น ‼️ การใช้ search engine ภายนอกแม้จะเน้นความเป็นส่วนตัว ก็ยังมีความเสี่ยงหากเปิดใช้งานโดยไม่ระวัง ⛔ ควรเลือก search engine ที่มีนโยบายชัดเจน เช่น DuckDuckGo หรือ Startpage ‼️ การใช้โมเดลโอเพ่นซอร์สอาจมีข้อจำกัดด้านความแม่นยำเมื่อเทียบกับโมเดลเชิงพาณิชย์ ⛔ ผู้ใช้ควรตรวจสอบคำตอบก่อนนำไปใช้งานจริง โดยเฉพาะในบริบทสำคัญ https://www.neowin.net/news/proton-launches-lumo-privacy-focused-ai-assistant-with-encrypted-chats/

🎙️ เรื่องเล่าจากห้องโค้ด: เมื่อ AI เขียนโค้ดได้ “เป็นระบบ” มากกว่าที่เคย Qwen3-Coder คือการต่อยอดจากโมเดล Qwen รุ่นก่อนที่เน้นด้านภาษาและตรรกะ — แต่คราวนี้ Alibaba ได้พัฒนาให้เหมาะกับการใช้งานจริงด้าน software engineering โดยเฉพาะในระดับ enterprise เช่น: - การจัดการหลายไฟล์หรือหลาย repository พร้อมกัน - การเขียนโค้ดใหม่จากคำสั่งระดับสูง - การแก้บั๊ก, ทำ test case, และ refactoring โดยไม่ต้องกำกับใกล้ชิด จุดเด่นของโมเดลนี้คือความสามารถแบบ “agentic” — หมายถึง AI ไม่ได้รอคำสั่งทีละบรรทัด แต่สามารถเข้าใจเป้าหมายระดับภาพรวม แล้ววางแผนเพื่อสร้างหรือจัดการโค้ดได้อย่างเป็นระบบ แนวคิดนี้ได้รับความสนใจมากขึ้นเรื่อย ๆ ในวงการ AI tool สำหรับนักพัฒนา เช่น: - Devin AI ที่มองว่าเป็น “AI programmer คนแรกของโลก” โดยสร้าง project ใหม่แบบ end-to-end - SWE-Agent ของ Princeton ที่จัดการหลายขั้นตอนแบบมนุษย์ - Meta และ Google ก็มีการวิจัยด้าน multi-file agent coding ด้วยเช่นกัน Alibaba เปิดตัวโมเดลนี้ในรูปแบบโอเพ่นซอร์ส เพื่อผลักดันให้เกิดระบบนิเวศสำหรับนักพัฒนาในจีน และลดการพึ่งพาโมเดลจากฝั่งตะวันตก ✅ Alibaba เปิดตัวโมเดล Qwen3-Coder สำหรับการเขียนโค้ดด้วย AI ➡️ เป็นรุ่นที่บริษัทระบุว่า “ก้าวหน้าที่สุดเท่าที่เคยมีมา” ✅ โมเดลนี้เน้นความสามารถด้าน agentic AI coding ➡️ สามารถจัดการเวิร์กโฟลว์และสร้างโค้ดใหม่จากระดับเป้าหมายภาพรวม ✅ ใช้สำหรับงานที่ซับซ้อน เช่น multi-file, refactoring, และ test generation ➡️ ไม่จำกัดเฉพาะการตอบคำถามโค้ดแบบทั่วไป ✅ เปิดตัวในรูปแบบโอเพ่นซอร์ส พร้อม statement อย่างเป็นทางการ ➡️ เพื่อให้ชุมชนนักพัฒนาเข้าถึงและพัฒนาต่อยอดได้ ✅ โมเดลนี้ถือเป็นส่วนหนึ่งของแนวโน้มในวงการ AI ที่เน้น agent-style coding ➡️ เช่น Devin, SWE-Agent, และโมเดลจาก Meta/Google ✅ Alibaba ใช้ Qwen3-Coder เพื่อผลักดันระบบนิเวศ AI สำหรับนักพัฒนาในจีน ➡️ เป็นการลดการพึ่งพาโมเดลจากบริษัทตะวันตก เช่น OpenAI หรือ Anthropic ‼️ ความสามารถของ agentic coding ยังอยู่ในระยะทดลองและไม่เสถียรในหลายบริบท ⛔ หากใช้ในระบบ production ต้องมีการทดสอบอย่างรอบคอบ ‼️ การใช้ AI ในการจัดการหลายไฟล์หรือ refactoring อาจก่อให้เกิดข้อผิดพลาดยากตรวจสอบ ⛔ ควรมีระบบ review และ rollback ที่ดีเพื่อความปลอดภัย ‼️ โมเดลโอเพ่นซอร์สอาจถูกนำไปใช้ในบริบทที่ละเมิดลิขสิทธิ์ หรือสร้างมัลแวร์ ⛔ ต้องมีการควบคุมหรือแนะนำการใช้งานที่รับผิดชอบ ‼️ ความสามารถทางภาษาและตรรกะของโมเดลอาจไม่รองรับภาษาเขียนโปรแกรมทุกภาษาเท่ากัน ⛔ อาจต้องเทรนเพิ่มเติมสำหรับภาษาเฉพาะ เช่น Rust หรือ Erlang ‼️ การใช้โมเดลจากจีนอาจมีข้อจำกัดด้านความโปร่งใสหรือความเป็นส่วนตัว ⛔ โดยเฉพาะในองค์กรนอกจีนที่ต้องปฏิบัติตาม GDPR หรือมาตรฐานตะวันตก https://www.thestar.com.my/tech/tech-news/2025/07/23/alibaba-launches-open-source-ai-coding-model-touted-as-its-most-advanced-to-date

สตง.มาแปลกบี้ EXIM BANK สอบจ่ายเงินแม่บ้าน-คนขับรถ องค์กรที่ถูกสังคมเคลือบแคลงสงสัยถึงความโปร่งใส หลังโครงการอาคารสำนักงานถล่ม คนงานเสียชีวิตเกือบ 100 ศพ เฉกเช่นสำนักงานการตรวจเงินแผ่นดิน (สตง.) หลังส่งหนังสือถึงผู้บัญชาการตำรวจแห่งชาติ (ผบ.ตร.) ขอตรวจสอบการใช้เงินงบประมาณของกองบัญชาการตำรวจนครบาล (บช.น.) ซึ่งเป็นหน่วยงานหลักที่รับผิดชอบคดีตึก สตง.ถล่มไปก่อนหน้านี้ ล่าสุดเกิดเรื่องวุ่นวายกับธนาคารเพื่อการส่งออกและนำเข้าแห่งประเทศไทย (ธสน.) หรือเอ็กซิมแบงก์ (EXIM BANK) เมื่อ สตง. สั่งให้เอ็กซิมแบงก์แต่งตั้งคณะกรรมการสอบสวนความผิดทางวินัย และคณะกรรมการสอบข้อเท็จจริงความรับผิดทางละเมิด แก่พนักงาน 22 คน (ไม่รวมกรรมการผู้จัดการใหญ่) กรณีจ่ายเงินช่วยเหลือรายเดือนให้กับบุคคลที่มิใช่พนักงานของเอ็กซิมแบงก์ ประกอบด้วย ผู้จัดการสาขาสำนักงานใหญ่ สาขาทั้งในกรุงเทพฯ ต่างจังหวัด รวม 9 แห่ง และพนักงานธุรการที่เกี่ยวข้อง สืบเนื่องมาจากในอดีต ธนาคารฯ มีการจ้างพนักงานภายนอก หรือเอาต์ซอร์ส (Outsource) บางกลุ่ม เช่น พนักงานทำความสะอาด พนักงานเดินเอกสารภายในสำนักงาน พนักงานรับ-ส่งเอกสาร และพนักงานขับรถ ผ่านทางบริษัทภายนอก แต่ทางธนาคารฯ ในยุคนั้นมีความเห็นใจว่า พนักงานกลุ่มนี้ได้เงินค่าตอบแทนน้อย หากจะจ่ายผ่านบริษัทฯ จะไม่ถึงมือพนักงาน ทำให้ในสมัยที่ ม.ร.ว.ปรีดิยาธร เทวกุล ดำรงตำแหน่งกรรมการผู้จัดการเอ็กซิมแบงก์ ได้มีการอนุมัติให้จ่ายเงินช่วยเหลือแก่พนักงานกลุ่มนี้โดยตรงมาตั้งแต่ปี 2537 เดือนละประมาณ 800 ถึง 1,500 บาท โดยทางธนาคารฯ จะออกคำสั่งให้ผู้จัดการธนาคารแต่ละสาขาดำเนินการจ่ายเงินก้อนนี้มาทุกปี และมีการทำเช่นนี้เป็นธรรมเนียมเรื่อยมา ผ่านมาเกือบ 30 ปี เมื่อปี 2567 สตง. ตรวจสอบบัญชีเอ็กซิมแบงก์ ก่อนระบุว่าการจ่ายเงินบุคคลที่มิใช่พนักงานของเอ็กซิมแบงก์ ในปีงบประมาณ 2565 ไม่เป็นไปตามกฎหมายวินัยการเงินการคลัง และสั่งการให้ธนาคารฯ เอาผิดทางวินัยกลุ่มพนักงาน 22 คน ทั้งที่ทั้งหมดทำตามบันทึกภายในที่อนุมัติโดยกรรมการผู้จัดการในอดีต และทำกันมานาน แม้ว่าเอ็กซิมแบงก์จะทำหนังสือชี้แจง แต่เมื่อวันที่ 25 มิ.ย. สตง. สั่งการให้ธนาคารฯ ต้องเอาผิดพนักงานกลุ่มดังกล่าวทั้งหมด ภายใน 30 วัน อ้างว่าทำให้รัฐเสียหาย 2.87 ล้านบาท ไม่เช่นนั้นจะเสนอคณะกรรมการตรวจเงินแผ่นดิน (คตง.) ลงโทษทางปกครอง ทำให้ธนาคารฯ ตั้งกรรมการสอบข้อเท็จจริง และให้พนักงานกลุ่มดังกล่าวชี้แจงข้อเท็จจริงเพิ่มเติมภายใน 7 วัน ซึ่งเป็นเวลากระชั้นชิด ขณะนี้พนักงานทั้งหมดได้ทำหนังสือขอขยายเวลาชี้แจง รวมถึงขอความเป็นธรรมแล้ว #Newskit

'ดร.ดิเรกฤทธิ์' สงสัยหนัก! 'คุกทิพย์' ยิ่งชัดเจน หลังราชทัณฑ์ไร้กล้องวงจรปิดยืนยันการคุมขัง https://www.thai-tai.tv/news/20402/ . #คุกทิพย์ #ราชทัณฑ์ #ดิเรกฤทธิ์เจนครองธรรม #กล้องวงจรปิด #ความโปร่งใส #กระบวนการยุติธรรม #สังคมจับตา