☕ สัปดาห์ที่แล้ว Nicholas Carlini นักวิจัยจาก Anthropic ปล่อยของหนัก — เขาให้ AI 16 ตัวทำงานร่วมกันสร้าง C Compiler จากศูนย์ ใช้เวลา 2 สัปดาห์ เขียนโค้ด 100,000 บรรทัด ใช้เงิน $20,000 และ compile Linux kernel ได้จริงบน x86, ARM และ RISC-V
ผมอ่านแล้วนั่งเงียบไปสักพัก เพราะ compiler คือสิ่งที่เมื่อก่อนต้องใช้ทีม engineer ระดับ senior ทำกันเป็นปีๆ
นี่คือ 10 สิ่งที่ผมเห็นจากเรื่องนี้ — และทำไมมันเปลี่ยนเกมสำหรับทุกคนในวงการ tech
1. ไม่มี “Boss AI” สั่งงาน — แต่ละตัวคิดเอง
สิ่งที่น่าทึ่งคือ ไม่มี orchestration agent สั่งงาน แต่ละ Claude เลือกงานเอง เหมือนทีมที่รู้ว่าควรทำอะไรต่อโดยไม่ต้องมีหัวหน้าบอก ระบบใช้ git lock file ง่ายๆ ป้องกันไม่ให้สองตัวทำงานซ้ำกัน
2. “Agent Teams” — แนวคิดใหม่ที่ Anthropic เปิดตัว
Carlini เรียกว่า “Agent Teams” คือ AI หลายตัวทำงาน parallel บน codebase เดียวกัน ไม่มีคนควบคุม แค่มี test suite ดีๆ เป็นตัวนำทาง นี่คือ paradigm ใหม่ — จาก “AI ช่วยคน” เป็น “AI ทำงานเป็นทีม”
3. ตัวเลขที่น่าตกใจ: 2,000 sessions, 100,000 บรรทัด, $20,000
ผ่านเกือบ 2,000 Claude Code sessions ได้โค้ด Rust-based C compiler 100,000 บรรทัด ค่าใช้จ่ายรวม $20,000 (ราวๆ 700,000 บาท) ฟังดูเยอะ แต่ถ้าเทียบกับการจ้างทีม compiler engineer ทำงาน 1-2 ปี ราคานี้ถูกกว่าหลายเท่า
4. Compile Linux Kernel ได้จริง — ไม่ใช่แค่ demo
นี่ไม่ใช่ toy compiler สำหรับโชว์ มัน compile Linux 6.9 ได้จริงบน 3 architectures (x86, ARM, RISC-V) รวมถึง compile โปรเจกต์จริงอย่าง SQLite, Redis, Lua ได้ด้วย Open source บน GitHub ใครก็ลองได้
5. เคล็ดลับคือ “Test Suite” ไม่ใช่ “Prompt ดีๆ”
Carlini บอกว่าสิ่งที่สำคัญที่สุดไม่ใช่ prompt แต่คือ test harness ที่ดี AI ต้องรู้ว่าอะไรถูกอะไรผิด เหมือนให้พนักงานใหม่ทำงาน — ถ้ามีระบบ feedback ดี เขาก็ทำได้เอง ไม่ต้องมาถามหัวหน้าทุก 5 นาที
6. ปัญหาที่เจอ — เมื่อทุกตัวแก้ bug เดียวกัน
ตอน compile Linux kernel ทุก agent ติดที่ bug เดียวกัน 16 ตัวแก้ซ้ำกันหมด ทำให้ parallel ไม่มีประโยชน์ วิธีแก้คือใช้ GCC เป็น “oracle” สุ่ม compile บางไฟล์ด้วย GCC บางไฟล์ด้วย AI compiler ให้แต่ละ agent แก้ไฟล์คนละชุด
7. AI มี “บทบาท” เฉพาะทาง — เหมือนทีมจริง
ไม่ใช่ทุกตัวทำงานเหมือนกัน บางตัวเป็น “code reviewer” คอย refactor ลด duplicate บางตัว optimize performance บางตัว critique จากมุม Rust developer เหมือนทีมจริงที่มี specialist แต่ละด้าน
8. สิ่งที่ developer ควรเรียนรู้ — ทักษะเปลี่ยนแล้ว
ถ้า AI 16 ตัวเขียน compiler ได้ สิ่งที่มีค่าไม่ใช่ “เขียนโค้ดเก่ง” อีกต่อไป แต่คือ
- ออกแบบ test suite ที่ดี
- สร้าง feedback loop ให้ AI
- Architect ระบบที่ AI ทำงานได้
- ตัดสินใจเชิง design ที่ AI ยังทำไม่ได้
9. ข้อจำกัดที่ยังมี — AI ยังไม่ perfect
Carlini ยอมรับว่ามีข้อจำกัด เช่น AI เคย pkill -9 bash ฆ่าตัวเองโดยไม่ได้ตั้งใจ context window ยาวเกินไปทำให้ประสิทธิภาพลด และ AI ไม่รู้เวลา จะนั่งรัน test ได้ทั้งวันโดยไม่ทำอะไรอื่น ต้องออกแบบระบบรอบๆ ข้อจำกัดพวกนี้
10. อนาคต: จาก “AI ช่วยคน” สู่ “ทีม AI ที่มีคนดูแล”
นี่คือ preview ของอนาคต — ไม่ใช่ AI มาแทนคน แต่คือ “ทีม AI” ที่ทำงานเป็นกลุ่มได้ โดยมีคนเป็นผู้ออกแบบระบบและ verify ผลลัพธ์ บทบาทของ developer กำลังเปลี่ยนจาก “คนเขียนโค้ด” เป็น “คนออกแบบระบบให้ AI ทำงาน”
คำถามคือ — ถ้า AI 16 ตัวสร้าง compiler ได้ในวันนี้ อีก 2 ปี AI 100 ตัวจะสร้างอะไรได้?
คำตอบอยู่ที่ว่าเราจะเป็น “คนที่ออกแบบระบบให้ AI” หรือ “คนที่ถูก AI แทน”
ดื่มหนึ่งช็อตความรู้ ย่อยง่าย ใช้ได้เลย ☕
📎 Source: Anthropic Engineering Blog
📎 GitHub: claudes-c-compiler