เราเคยเขียนอะไรทำนองนี้ไว้ในปี 2015 ซึ่งมันก็ผ่านมานานแล้ว สมควรแก่เวลาที่จะอัพเดตได้แล้วล่ะ
disrupt disrupt disrupt บางครั้งก็คิดว่าเราถูกสื่อทำให้กลัวคำนี้ ไม่ว่าจะเป็นการล่มสลายของบริษัทอย่างโนเกียหรือโกดัก(เราชอบผลิตภัณฑ์ของทั้งสองบริษัทเลยนะ แต่สิ่งที่เราเคยชอบ ตอนนี้เราก็ไม่ได้ใช้แล้ว เพราะเจอบางอย่างที่ชอบน้อยกว่าแต่คุณค่าที่บริษัทส่งมอบ แต่ทำให้ชีวิตง่ายมากกว่า)
จริงๆแล้วทุกอย่างไม่ได้พลิกจากหน้ามือเป็นหลังเท้าในชั่วข้ามคืน การเปลี่ยนแปลงเป็นสิ่งที่เกิดขึ้นทุกๆวัน อยู่ที่ว่าเราจะทันสังเกตเห็นมันรึเปล่า เทคโนโลยีที่เราใช้ในปัจจุบันก็พัฒนามาจากเทคโนโลยีทางการทหารที่เคยใช้มาในหลายสิบปีก่อน
จริงๆ machine translation ก็มีมาตั้งแต่ในยุคปี 19xx (จำไม่ได้)
จะบอกว่า A.I. พัฒนาเร็ว A.I. จะมาแทนที่ล่ามแปลภาษา
อืมมม ถ้าดูจากประวัติศาสตร์แล้วก็ต้องบอกว่า “พัฒนาช้า” มากกว่า
ถามว่าเราทะนงตนมั้ยว่าเราเป็นล่ามที่เครื่องจักรแทนไม่ได้ บอกได้เลยว่าไม่ ไม่เคยมีความคิดแบบนั้นเลย เรามองเครื่องจักรเป็นเครื่องมือในการจัดการงานซ้ำ ๆ เพื่อที่คนจะได้ไปทำงานอะไรที่มันต้องใช้ความคิดสร้างสรรค์น่ะ
ถ้าจะบอกว่า “A.I. ก็คิดได้” อันนี้เราไม่ค่อยแน่ใจ ที่เรารู้คือ A.I. ประมวลผลจากข้อมูล คนต้องสอน A.I. ดังนั้น “คน” จึงยังจำเป็นอยู่ถึงแม้จะมี A.I.
คำถามถัดไปก็คือ แล้วคนแบบไหนล่ะ ที่จำเป็น
อันนี้คำตอบมันก็กว้างมาก
ถ้าจะดู lesson learn จากเคสดังๆอย่างโนเกียหรือโกดัก ก็คือสิ่งที่เขาทุ่มทุนพัฒนา มันไม่ตอบโจทย์ความต้องการของคนในสังคมอีกต่อไป
ถ้าให้มองความต้องการล่ามหรือนักแปลในอนาคต ก็ต้องมามองว่าอะไรคือ pain point ของผู้ใช้งานซอฟท์แวร์แปลภาษาในปัจจุบัน
เราอาจจะคิดว่า google translate นั้นฟรี แต่จริง ๆ ไม่ใช่
ต้นทุนการพัฒนาซอฟท์แวร์นี้น่าจะสูงมาก แต่เราคิดว่ากูเกิ้ลทำ เพื่อจะ collect data มาทำให้ซอฟท์แวร์เค้าฉลาดขึ้น (คิดแบบจับแพะชนแกะเลยนะ) แล้วจากหนังสือที่เราอ่านมา อะไรที่เราเห็นบ่อยๆ เรามีแนวโน้มจะชอบสิ่งนั้น พอใช้ google translate บ่อย ๆ มันก็จะกลายเป็นความเคยชิน
ตอนนี้เวลาทำงานที่บ. บางทีเอ็นจิเนียก็ใช้ google translate แปล แต่ถ้าอ่านแล้วไม่เข้าใจก็จะมาถามเรา แปลว่าตอนนี้เรายังชนะ(?) และจริงๆ google translate มีส่วนช่วยเราให้ไม่ต้องทำงานจุกจิก (ไม่ต้องแปลทุกอัน แปลแค่เรื่องที่สำคัญก็พอ)
บางทีเวลาโปรเจคด่วนๆ ข้อมูลเข้ามาเยอะๆ เราก็ใช้ Machine Translation (ของค่ายอื่น) ช่วยแปลเบื้องต้น แล้วก็เอาไปคุยกับเอ็นจิเนีย ใช้ทักษะ skimming&scanning ที่ได้มาจากการทำข้อสอบ reading ภาษาอังกฤษมองหาข้อมูลสำคัญ โดยส่วนตัวคิดว่าทักษะการคัดสรรเพื่อเลือกเอาข้อมูลสำคัญออกมาจำเป็นในการทำงานไม่แพ้ทักษะทางภาษาเลย
ว่าด้วยแนวคิด “ภาษาเป็นปากกา ส่วนเนื้อหาเราต้องหาเอง” ที่เคยเชื่อสมัยมหาลัย
จะว่าไปนี่ก็ยึด concept นี้ในการทำงานและใช้ชีวิตมาตลอด
ถามว่าเจอกำแพงภาษามั้ย เจอสิ ทั้งภาษาอังกฤษและญี่ปุ่นเลย
จะบอกเลยว่าเราไม่ใช่คนเก่งภาษาอังกฤษและญี่ปุ่น ถึงจะเป็นล่ามก็เถอะ แต่เราค่อนข้างเก่งภาษาไทย เพราะเราอ่านหนังสือภาษาไทยมามากในระดับนึง และยังมีความกระหายที่จะอ่านอยู่ ซึ่งเราไม่พบสิ่งนี้ในหนังสือภาษาอังกฤษกับภาษาญี่ปุ่น
หนังสือภาษาอังกฤษที่เราอ่านจบมีแค่ The Hunger Games: Catching Fire เล่มเดียวเท่านั้น เหตุเกิดจากไปดูหนังภาคแรกแล้วอารมณ์ไม่จบ
ส่วนหนังสือภาษาญี่ปุ่นที่อ่านจนจบ ก็คือไลท์โนเวล 3 เล่ม ที่ตอนนั้นทำงานแปลกับสำรักพิมพ์ พยาบามจะหัดอ่าน 人間失格 ใน Aozora Bunko ตั้งแต่เรียนจบก็อ่านไม่รู้เรื่อง (เริ่มจากเล่มนี้เพราะเรามี pain point ในวิชาแปบที่รู้สึกว่าตัวเองแปลได้ไม่ดีทั้งๆที่อยากจะแปลให้เก่งๆแท้ๆ) จนตอนนี้ซื้อคินเดิล ซื้อรวมผลงานของดาไซ โอซามุมา ก็อ่านไม่จบ 5555
เห็นวันก่อนมีประเด็นเรื่องสนับสนุนให้เด็กเรียนสายวิทย์มากกว่าสายศิลป์
อันนี้ก็มองว่าไม่ค่อยเกี่ยว ทุกอย่างเรียนรู้ได้ นี่จบสายภาษามา ปริญญาคือศิลปศาสตรบัณฑิต แต่งานเราโคตรจะเกี่ยวข้องกับวิศวกรรมอย่างมาก
เมื่อตะกี้ไปอ่านบทความเกี่ยวกับคอร์สเรียนและเส้นทางสายนักวิเคราะห์ข้อมูล
https://datarockie.com/blog/data-analyst-complete-career-guide/
ก็พบว่าอะไรที่เรากำลังเรียนแบบมั่วไปหมด มันอยู่ใน Skill Tree ของสายนี้ทั้งหมดเลย
อย่างหนังสือ 4 เล่มที่เขาแนะนำ
1. Business made simple
2. Think like a freak
3. Growth hacker marketing
4. Naked statistics
เราก็มีในชั้นหนังสือแล้ว 2 เล่ม คือ Naked statistics กับ Think like a freak (เล่มนี้ซื้อมาซ้ำด้วย พลาดดดด)
ส่วนตัวคิดว่าการทำงานเป็นล่ามทำให้ต้องเจอกับข้อมูลเยอะมากๆ และแน่นอน ถ้าต้องแปลหมดทุกอย่างในเวลาจำกัด มันแปลไม่ทัน
เวลามีโปรเจค แล้วยิ่งมันด่วนๆ เราเป็นคนแรกที่ที่ต้อง”กิน”ข้อมูลเข้าไป แล้ว”ย่อย”มันออกมาให้เอ็นจิเนียเอาไปทำงานต่อ คือถ้าเราไม่มีสกิลรับจ้อมูลปริมาณมากๆแล้วประมวลผลออกมา(ในอีกภาษา)ได้ในเวลาอันจำกัด คนอื่นจะทำงานลำบาก
พอไปอ่านเส้นทางหรือสกิลที่นักวิเคราะห์ข้อมูลควรมีก็พบว่าการเดินบนเส้นทางสายอาชีพที่ใช้ภาษาทำเอาเราไปเดินปะปนกับ skill map ของนักวิเคราะห์ข้อมูลโดยเราเองก็ไม่รู้ตัวมาก่อนเลย
ก็เลยคิดว่าถ้าไหวจะพยายามพัฒนาทักษะของสายงานนี้ดูอย่างน้อยก็คิดว่าไม่ได้เริ่มจากศูนย์ คือการเก่งภาษามากๆ ใช้ภาษาได้ดีเหมือนเจ้าของภาษาไม่ใช่คุณค่าที่เราสนใจน่ะ จริงๆถ้าเก่งภาษาได้เหมือน native speaker ก็ดี แต่เราชนกำแพง 80/20 เต็มๆ และไม่ได้อยากใช้เวลาไปกับ 20% ที่เราทำไม่ได้มากนัก มันทรมานและไม่สนุก เราชอบเรียนรู้อะไรใหม่ๆมากกว่า รู้สึก fresh กว่า ตอนนี้ก็เลยเดินเปะปะไปเรียนอะไรของสาย Data Analysis บ้างเหมือนกัน
โชคดีที่ไม่ได้เกลียดเลขขนาดนั้น ก็มีช่วงที่เรียนไม่เข้าใจ แต่ก็ไม่ได้อคติ ถึงจะดรอปวิชา STAT100 ก็ตาม
เสียดายอ่ะ คือรู้ว่าวิชานี้ต้องฉุดกระชากเกรดเราลงเหว แต่รู้งี้ตอนมหาลัยไปลงเป็น V-Visitor
จริงๆก็ไม่ได้มีอะไรต้องเสียดายเรียนตอนนี้ก็ยังได้ หนังสือเต็มบ้าน ไหนจะมรดกวิชาเศรษฐศาสตร์ของเพื่อน ก๋องโอ๊ะโยะ เต็มไปหมด 55555 (เราชอบแฮร์รี่ภาคภาษาเหนือของ 4 แสนมิติมากนะ ดูซ้ำๆ ตลก)
ที่เขียนเรื่องนี้เพราะก่อนหน้านี้เรียนกฎหมายแล้วหลับสบาย ควบคุมอารมณ์ได้ แต่ตอนนี้พอไม่เรียนแล้ว จะจบแล้ว ก็เลยเหมือนพลังงานเหลือ นอนไม่หลับเลย แถมความอดทนต่ำด้วย เมื่อก่อนที่ดีๆขึ้นมาช่วงนึงไม่ใช่ความอดทนสูงขึ้นนะ เหนื่อยยยย ขี้เกียจไฝว้ 555555
อาจจะต้องวางแผนตัวเองใหม่ สะเปะสะปะมากตอนนี้ เหมือนเล่นเกมอ่ะ ถ้าอยากเล่นให้เก่งก็ต้องเลือก skill tree ดีๆ เอาค่าประสบการณ์มาอัพให้สกิลตรงสาย จะเล่นได้ดีกว่าอัพสกิลสะเปะสะปะ แต่ชีวิตจริง มันก็มีทั้งคนรู้กว้างและรู้ลึก ไม่มีสูตรสำเร็จด้วยว่าอันไหนดีกว่า แต่เราชอบสายรู้กว้างนะ (สมาธิสั้นหน่อยๆแหละ) ก็เลยพยายามปลดล็อกสกิลเป็ดทองคำอยู่
สรุปสั้นๆ A.I. แย่งงานล่ามและนักแปลได้มั้ย
ไม่เชิง ถนัดคนละแบบ A.I. ถนัดงานซ้ำๆ คนถนัดงานสร้างสรรค์ แต่ถ้าเป็นคนที่ทำงานซ้ำๆแบบ A.I. จะเริ่มไม่สดใสแล้ว
อย่างเช่น ให้เราเขียนนิยายหรือเรื่องสั้นสักเรื่องออกมา เราเขียนได้ดีกว่า A.I. แบบน่าจะอ่านแล้วสนุกกว่า (จริงๆมันมี A.I. แต่งเพลงได้นะ แต่คิดว่าคนที่รีเสิร์ชมาดีๆจะแต่งเพลงได้ดีกว่า A.I. แม้ฐานข้อมูลจะเล็กกว่า)
แต่ถ้าให้นับว่าในนิยายหรือเรื่องสั้นเรื่องนี้ มีคำว่า “รัก” ทั้งหมดกี่คำ อันนี้ A.I. นับเก่งกว่าเราแน่นอน
ดังนั้นก็เลยคิดว่าล่ามและนักแปลก็ยังมีงานอยู่ เผลอๆจะมากขึ้นกว่าเดิมด้วยซ้ำ (เพราะ big data) แต่คิดว่า cost ในการแปลอาจจะถูกลงสำหรับงานแปลทั่วๆไป แต่งานแปลที่ต้องการความรู้ความเชี่ยวชาญเฉพาะทาง ข้อมูลที่เป็นความลับ หรือเรื่องที่มันใหม่ๆ ไม่ใช่อะไรซ้ำๆ คนก็จะยังต้องทำหน้าที่นี้ต่อไป