มีข่าวนึงที่พอเห็นหัวข้อแล้วผมรีบกดเข้าไปอ่านทันที — Google DeepMind ปล่อย AlphaEvolve พาดหัวว่า “Gemini-powered coding agent”
ในหัวผมคิดเลยว่า อ้าว นี่มันจะมาแข่งกับ Claude Code หรือ Copilot ที่ผมใช้อยู่หรือเปล่า AI ที่เขียนโค้ดให้อีกตัว น่าสนใจ
พออ่านจบ ผมพบว่าผมเข้าใจผิดตั้งแต่บรรทัดแรก มันเป็นคนละโลกกันเลย
มันไม่ได้เขียนแอปให้คุณ
คำว่า “coding agent” ทำให้เราคิดถึงผู้ช่วยที่นั่งเขียนโค้ดให้ตามที่สั่ง แต่ AlphaEvolve ไม่ใช่แบบนั้น
มันคือสิ่งที่เรียกว่า evolutionary optimization agent — พูดง่าย ๆ คือมันวนลูปทำงานแบบนี้: สร้างอัลกอริทึมขึ้นมาเวอร์ชันนึง → เอาไปทดสอบว่าดีแค่ไหน → คัดตัวที่ดีที่สุดเก็บไว้ → ปรับให้ดีขึ้นอีก → แล้ววนซ้ำ จนกว่าจะได้อัลกอริทึมที่ดีกว่าที่มนุษย์เคยเขียน
เบื้องหลังมันใช้ Gemini สองตัวทำงานคู่กัน — ตัว Flash ที่คิดเร็วคอยปั่นไอเดียออกมาเยอะ ๆ กับตัว Pro ที่คิดลึกคอยแก้โจทย์ยาก ๆ เหมือนมีคนช่างคิดกับคนช่างกรองนั่งทำงานด้วยกัน
ตัวเลขที่ทำให้ต้องหยุดอ่านซ้ำ
สิ่งที่ทำให้ AlphaEvolve ต่างจากงานวิจัยทั่วไปคือ มันไม่ได้โชว์ตัวเลขจากห้องแล็บ แต่เป็นตัวเลขที่ Google เอาไปใช้งานจริงในระบบตัวเองมาแล้วเป็นปี
มันเร่งความเร็วของ kernel ตัวสำคัญในการเทรน Gemini ได้ 23% — ฟังดูเป็นเลขเล็ก ๆ แต่พอคูณกับขนาดของ Google มันแปลว่ากู้ทรัพยากรประมวลผลทั่วโลกของบริษัทกลับมาได้ 0.7% ลองนึกว่า Google มีเซิร์ฟเวอร์กี่ล้านเครื่อง
มันยังไปแก้โจทย์คณิตศาสตร์ที่เปิดค้างไว้กว่า 50 ข้อ ทำได้ดีกว่าวิธีที่ดีที่สุดเท่าที่มีอยู่ในราว ๆ หนึ่งในห้าของโจทย์ และทำงานร่วมกับ Terence Tao นักคณิตศาสตร์ระดับเหรียญ Fields ได้ด้วย
แล้วคนไม่เขียนโค้ดอย่างเราได้อะไร
นี่คือคำถามที่ผมถามทุกข่าว และคำตอบสำหรับ AlphaEvolve ต้องซื่อสัตย์
มุมคนไม่ code: ตรง ๆ เลยคือ — ยังไม่ได้อะไร AlphaEvolve ต้องการของตั้งต้นสามอย่างที่เราไม่มี: โค้ดเริ่มต้น, ฟังก์ชันที่วัดได้ว่า “ดีขึ้น” แปลว่าอะไร, และโจทย์ที่นิยามเป็นโค้ดได้ชัดเจน นี่คือเครื่องมือของ research engineer ไม่ใช่ของคนสร้างงานคนเดียวอย่างเรา
ที่เราพอได้คือทางอ้อม — ถ้า Google ทำให้ระบบหลังบ้านเร็วขึ้นถูกลง สุดท้ายค่า API ที่เราจ่าย หรือความเร็วของโมเดลที่เราใช้ ก็ได้อานิสงส์ตามไปด้วย แต่มันไม่ใช่ของที่เราหยิบมาใช้เองได้
และต้องพูดให้ชัด — ณ วันที่เขียน (31 พ.ค.) AlphaEvolve ยังเปิดให้ใช้แบบ Early Access ผ่าน Google Cloud เท่านั้น เพิ่งขยายให้นักวิจัยสายวิชาการบางส่วน ยังไม่มี public API ยังไม่มีราคา ยังไม่มีทางที่คนทั่วไปจะลองเอง ทุกอย่างที่ผมเล่ามาคืออ่านจากประกาศ ไม่ใช่ลองเอง
สิ่งที่ผมว่าน่าจับตากว่าตัวมันเอง
ถึง AlphaEvolve จะยังไม่ใช่ของเรา แต่สิ่งที่มันบอกใบ้คือ pattern หนึ่งที่เริ่มโผล่ขึ้นทุกที่ — “วนลูปให้ AI ลองเอง วัดผลเอง เก็บตัวที่ดีขึ้น”
จริง ๆ ระบบ auto-research ที่ผมใช้ปรับคุณภาพงานตัวเองก็ทำงานด้วยหลักเดียวกัน แค่สเกลเล็กกว่ามาก ลองปรับ → วัดบนชุดทดสอบ → ดีขึ้นก็เก็บ แย่ลงก็ถอย
ถ้าวันหนึ่งหลักการนี้กลายเป็นเครื่องมือสำเร็จรูปที่ใครก็ใช้ได้ คนไม่เขียนโค้ดอย่างเราอาจได้สัมผัส “AI ที่ค่อย ๆ เก่งขึ้นด้วยตัวเอง” โดยไม่ต้องไปเขียนฟังก์ชันวัดผลเอง วันนั้นต่างหากที่ AlphaEvolve จะกลายเป็นเรื่องของเราจริง ๆ
วันนี้มันยังเป็น AI สำหรับคนที่เขียนโค้ดอยู่แล้ว และอยากให้โค้ดของตัวเองดีขึ้น — ไม่ใช่ประตูสำหรับคนที่ไม่เขียนโค้ด แต่เป็นหน้าต่างให้เห็นว่าทิศทางกำลังไปทางไหน
ที่มา: