a computer chip with the word gat printed on it

Similar Posts

  • | | | |

    DeepSeek, Perplexity และคลื่นลูกใหม่ของ AI ที่น่าจับตามอง

    ยุคสมัยแห่งการผูกขาดของ AI ราคาแพงกำลังจะจบลง ตลอดสองปีที่ผ่านมา อุตสาหกรรมนี้ดำเนินงานภายใต้สมมติฐานที่ว่าประสิทธิภาพระดับสูงต้องแลกมาด้วยเงินหลายพันล้านดอลลาร์ในการประมวลผลและการใช้พลังงานมหาศาล แต่ DeepSeek และ Perplexity กำลังพิสูจน์ให้เห็นว่าความคุ้มค่าสามารถเอาชนะขนาดที่ใหญ่โตได้ DeepSeek สร้างความตกตะลึงให้กับตลาดด้วยการปล่อยโมเดลที่มีประสิทธิภาพเทียบเท่าผู้นำในอุตสาหกรรมโดยใช้ต้นทุนการฝึกฝนเพียงเศษเสี้ยว ในขณะเดียวกัน Perplexity ก็กำลังพลิกโฉมวิธีที่ผู้คนใช้งานอินเทอร์เน็ตโดยการเปลี่ยนรายการลิงก์แบบเดิมให้กลายเป็นคำตอบที่ตรงประเด็นและมีการอ้างอิง การเปลี่ยนแปลงนี้ไม่ใช่แค่เรื่องของเครื่องมือใหม่ แต่เป็นการเปลี่ยนแปลงพื้นฐานทางเศรษฐศาสตร์ของปัญญาประดิษฐ์ โฟกัสได้เปลี่ยนจากโมเดลที่ใหญ่แค่ไหน ไปสู่การใช้งานที่ประหยัดต้นทุนเพียงใด เมื่อผู้ท้าชิงเหล่านี้เริ่มมีบทบาทมากขึ้น ยักษ์ใหญ่ในตลาดก็ถูกบีบให้ต้องปกป้องโมเดลธุรกิจที่มีกำไรสูงของตนจากการรุกคืบของคู่แข่งที่เน้นความคล่องตัวและเชี่ยวชาญเฉพาะด้าน ซึ่งให้ความสำคัญกับประโยชน์ใช้สอยมากกว่ากระแสฮือฮา แรงกระแทกจากความคุ้มค่าสู่ตลาดปัญญาประดิษฐ์DeepSeek ถือเป็นการเปลี่ยนแปลงในความเป็นจริงของผลิตภัณฑ์ในโลก AI ในขณะที่หลายบริษัทมุ่งเน้นไปที่การสร้าง Neural Networks ที่ใหญ่ที่สุดเท่าที่จะเป็นไปได้ ทีมงานนี้กลับมุ่งเน้นไปที่การปรับแต่งสถาปัตยกรรม โมเดล DeepSeek-V3 ของพวกเขาใช้แนวทาง Mixture of Experts ซึ่งจะเปิดใช้งานพารามิเตอร์เพียงบางส่วนสำหรับงานที่ได้รับมอบหมาย สิ่งนี้ช่วยให้โมเดลรักษาประสิทธิภาพระดับสูงไว้ได้ในขณะที่ลดพลังการประมวลผลที่จำเป็นสำหรับทุกคำที่สร้างขึ้นอย่างมาก เรื่องราวของบริษัทนี้มักวนเวียนอยู่กับงบประมาณการฝึกฝนที่ต่ำ ซึ่งรายงานว่าต่ำกว่าหกล้านดอลลาร์ ตัวเลขนี้ท้าทายแนวคิดที่ว่ามีเพียงประเทศและองค์กรที่ร่ำรวยที่สุดเท่านั้นที่สามารถสร้างโมเดลระดับแนวหน้าได้ มันบ่งบอกว่าอุปสรรคในการเข้าสู่การเรียนรู้ของเครื่องระดับสูงนั้นต่ำกว่าที่เราเคยคิดไว้Perplexity เข้าหาปัญหานี้จากมุมมองของผู้ใช้งาน มันคือ Answer Engine มากกว่าจะเป็น Search Engine แบบดั้งเดิม โดยใช้ Large Language

  • | | | |

    ศูนย์กลางพลัง AI ยุคใหม่: โมเดล ชิป คลาวด์ และข้อมูล

    จุดจบของยุคเสมือนจริงยุคที่ AI เป็นเพียงเรื่องของซอฟต์แวร์ได้จบลงแล้ว หลายปีที่ผ่านมาโลกเทคโนโลยีให้ความสำคัญกับความล้ำของอัลกอริทึมและอินเทอร์เฟซแชท แต่ตอนนี้จุดสนใจได้เปลี่ยนไปสู่ความจริงอันโหดร้ายของทรัพยากรทางกายภาพ เรากำลังเห็นการถ่ายโอนอำนาจครั้งใหญ่จากผู้เขียนโค้ดไปสู่ผู้ที่ควบคุมไฟฟ้า น้ำ และที่ดิน ความสามารถในการสร้างโมเดลที่ฉลาดขึ้นไม่ได้ขึ้นอยู่กับความสามารถของนักวิจัยเพียงอย่างเดียวอีกต่อไป แต่มันขึ้นอยู่กับความสามารถในการจัดหาที่ดินหลายพันเอเคอร์และการเชื่อมต่อโดยตรงกับโครงข่ายไฟฟ้าแรงสูง นี่คือการหวนกลับสู่ยุคอุตสาหกรรมที่ผู้เล่นรายใหญ่ที่สุดคือผู้ที่มีโครงสร้างพื้นฐานที่แข็งแกร่งที่สุด คอขวดไม่ใช่ความคิดสร้างสรรค์ของมนุษย์อีกต่อไป แต่มันคือความจุของหม้อแปลงที่สถานีไฟฟ้าหรืออัตราการไหลของระบบทำความเย็น หากคุณไม่มีพลังงาน คุณก็ไม่สามารถรัน compute ได้ และหากคุณรัน compute ไม่ได้ ซอฟต์แวร์ของคุณก็ไม่มีตัวตน ความจริงทางกายภาพนี้กำลังจัดระเบียบลำดับชั้นของบริษัทเทคโนโลยีและประเทศต่างๆ ใหม่ ผู้ชนะคือผู้ที่สามารถเปลี่ยนสสารทางกายภาพให้เป็นปัญญาประดิษฐ์ในระดับมหาศาลได้ โครงสร้างพื้นฐานทางกายภาพของปัญญาประดิษฐ์โครงสร้างพื้นฐานที่จำเป็นสำหรับ AI สมัยใหม่มีความซับซ้อนกว่าการเป็นเพียงเซิร์ฟเวอร์รวมกัน มันเริ่มต้นที่โครงข่ายไฟฟ้า Data center ในปัจจุบันต้องการพลังงานหลายร้อยเมกะวัตต์ในการทำงาน ความต้องการนี้กำลังบีบให้บริษัทเทคโนโลยีต้องเจรจาโดยตรงกับผู้ให้บริการสาธารณูปโภคและลงทุนในการผลิตพลังงานของตนเอง ที่ดินที่มีการแบ่งโซนถูกต้องและอยู่ใกล้กับโครงข่ายไฟเบอร์ออปติกได้กลายเป็นสิ่งที่มีค่ามากกว่าตัวซอฟต์แวร์เอง น้ำเป็นทรัพยากรที่สำคัญลำดับถัดมา คลัสเตอร์ชิปขนาดมหึมาเหล่านี้สร้างความร้อนมหาศาล ระบบระบายความร้อนด้วยอากาศแบบเดิมมักไม่เพียงพอสำหรับฮาร์ดแวร์รุ่นล่าสุด บริษัทต่างๆ จึงหันไปใช้ระบบระบายความร้อนด้วยของเหลวที่ต้องใช้น้ำหลายล้านแกลลอนทุกวันเพื่อป้องกันไม่ให้โปรเซสเซอร์ละลาย นอกเหนือจากตัวอาคาร ห่วงโซ่อุปทานของฮาร์ดแวร์ยังมีความกระจุกตัวสูงมาก มันไม่ใช่แค่เรื่องของการออกแบบชิป แต่เป็นเรื่องของเทคนิคการบรรจุขั้นสูงอย่าง CoWoS ที่ช่วยให้สามารถเชื่อมต่อชิปหลายตัวเข้าด้วยกัน และ High Bandwidth Memory ที่ให้ความเร็วข้อมูลที่จำเป็นสำหรับการเทรน การผลิตส่วนประกอบเหล่านี้เกิดขึ้นในโรงงานเพียงไม่กี่แห่งทั่วโลก ความกระจุกตัวนี้สร้างระบบที่เปราะบางซึ่งการหยุดชะงักเพียงครั้งเดียวอาจทำให้ความก้าวหน้าของทั้งอุตสาหกรรมหยุดชะงักได้ ข้อจำกัดเหล่านี้ไม่ใช่เรื่องนามธรรม แต่เป็นขีดจำกัดที่จับต้องได้ว่าเราสามารถผลิตปัญญาประดิษฐ์ได้มากแค่ไหนใน

  • | | | |

    Anthropic, xAI และ Mistral: ใครคือผู้ท้าชิงที่มาแรงที่สุดในปี 2026?

    ยุคสมัยที่ AI ถูกครอบงำโดยผู้เล่นเพียงรายเดียวเริ่มจางหายไป เมื่อมีผู้ท้าชิงหน้าใหม่สามรายก้าวขึ้นมาเขย่าบัลลังก์ ในขณะที่บริษัทหนึ่งเคยเป็นที่จดจำในยุคแรกเริ่ม แต่การพัฒนาในปัจจุบันกลับเน้นไปที่กลยุทธ์เฉพาะทางและความทะเยอทะยานในระดับภูมิภาค Anthropic, xAI และ Mistral ไม่ได้เป็นเพียงแค่ startup ที่วิ่งไล่ตามผู้นำอีกต่อไป แต่พวกเขาคือองค์กรที่มีปรัชญาชัดเจนในเรื่องความปลอดภัย การกระจายตัว และการเข้าถึงแบบเปิด ความเปลี่ยนแปลงนี้สะท้อนให้เห็นว่าโลกกำลังขยับจากเครื่องมืออเนกประสงค์ไปสู่ระบบที่ออกแบบมาเพื่อสภาพแวดล้อมเฉพาะทางที่มีความสำคัญสูง การแข่งขันไม่ได้วัดกันที่จำนวน parameters อีกต่อไป แต่วัดกันที่ว่าธนาคารจะเชื่อใจใคร ใครจะเชื่อมต่อกับ social network ขนาดใหญ่ได้ และใครจะเป็นตัวแทนผลประโยชน์ของทั้งทวีปได้ ทั้งสามบริษัทนี้กำลังจับจองพื้นที่ที่ผู้บุกเบิกยุคแรกมองข้ามหรือทำไม่สำเร็จ เมื่อเรามองดูความคืบหน้าในปี 2026 จะเห็นได้ว่าแรงขับเคลื่อนกำลังเปลี่ยนไปสู่ผู้ท้าชิงเหล่านี้ที่มอบอะไรให้มากกว่าแค่หน้าต่าง chat แบบเดิมๆ การเปลี่ยนผ่านสู่ความฉลาดเฉพาะทางAnthropic วางตำแหน่งตัวเองเป็นตัวเลือกที่ไว้ใจได้สำหรับองค์กรที่เน้นความรอบคอบ บริษัทก่อตั้งโดยคนวงในที่เชี่ยวชาญ และเน้นแนวคิดที่เรียกว่า Constitutional AI ซึ่งเป็นการฝังชุดกฎเกณฑ์เฉพาะลงไปในกระบวนการเทรนเพื่อให้มั่นใจว่าโมเดลจะมีพฤติกรรมที่ถูกต้องตามจริยธรรมและคาดเดาได้ ต่างจากระบบอื่นที่ต้องอาศัย feedback จากมนุษย์มาคอยแก้ไขพฤติกรรมแย่ๆ ภายหลัง Anthropic สร้างเกราะป้องกันไว้ที่แกนกลางของโมเดลเลยทีเดียว การเน้นเรื่องความน่าเชื่อถือและความปลอดภัยทำให้พวกเขาเป็นที่โปรดปรานของบริษัทที่ไม่สามารถเสี่ยงกับข่าวฉาวหรือความรับผิดชอบทางกฎหมายได้ พวกเขาแข่งขันด้วยการมอบความมั่นคงที่บริษัทสายรุกมักจะขาดไป โดยเน้นไปที่ long context windows และการใช้เหตุผลคุณภาพสูง ทำให้มันเป็นเครื่องมือสำหรับการวิเคราะห์เชิงลึกมากกว่าแค่การหาคำตอบแบบเร็วๆในอีกฟากของมหาสมุทรแอตแลนติก

  • | | | |

    สิ่งที่วงการ AI กำลังกังวลมากที่สุดในแง่กฎหมายและระเบียบข้อบังคับ

    ยุคสมัยแห่งจริยธรรม AI แบบสมัครใจได้จบลงแล้ว หลายปีที่ผ่านมาบริษัทเทคโนโลยียักษ์ใหญ่และเหล่า startup ต่างดำเนินงานในพื้นที่ที่ใช้เพียง “หลักการ” และ “แนวทางปฏิบัติ” เป็นเครื่องยึดเหนี่ยว แต่สิ่งนั้นเปลี่ยนไปแล้วเมื่อมีการสรุปผลของกฎหมาย EU AI Act และการฟ้องร้องคดีความระลอกใหญ่ในสหรัฐอเมริกา ปัจจุบันบทสนทนาเปลี่ยนจากการตั้งคำถามว่า AI ทำอะไรได้บ้าง มาเป็นสิ่งที่ AI ได้รับอนุญาตให้ทำตามกฎหมาย ทีมกฎหมายในตอนนี้ได้เข้าไปนั่งอยู่ในห้องเดียวกับวิศวกรซอฟต์แวร์แล้ว นี่ไม่ใช่เรื่องของปรัชญานามธรรมอีกต่อไป แต่เป็นเรื่องของภัยคุกคามจากค่าปรับที่อาจสูงถึง 7 เปอร์เซ็นต์ของรายได้รวมต่อปีของบริษัททั่วโลก วงการกำลังเตรียมรับมือกับช่วงเวลาที่การปฏิบัติตามกฎระเบียบ (compliance) มีความสำคัญไม่น้อยไปกว่าพลังในการประมวลผล (compute power) บริษัทต่างๆ ถูกบังคับให้ต้องจัดทำเอกสารข้อมูลที่ใช้ฝึกฝน พิสูจน์ว่าโมเดลของตนไม่มีอคติ และยอมรับว่าแอปพลิเคชันบางอย่างนั้นผิดกฎหมาย การเปลี่ยนผ่านจากสภาพแวดล้อมที่ไร้กฎเกณฑ์ไปสู่การควบคุมที่เข้มงวดถือเป็นการเปลี่ยนแปลงครั้งสำคัญที่สุดในภาคเทคโนโลยีในรอบหลายทศวรรษ การเปลี่ยนผ่านสู่การปฏิบัติตามกฎระเบียบแบบบังคับหัวใจสำคัญของความเคลื่อนไหวด้านกฎระเบียบในปัจจุบันคือแนวทางที่อิงตามความเสี่ยง (risk-based approach) ผู้คุมกฎไม่ได้พยายามแบน AI แต่กำลังพยายามจัดหมวดหมู่มัน ภายใต้กฎใหม่ ระบบ AI จะถูกแบ่งออกเป็น 4 ระดับ ได้แก่ ความเสี่ยงที่ยอมรับไม่ได้ ความเสี่ยงสูง ความเสี่ยงจำกัด และความเสี่ยงต่ำ

  • | | | |

    สรุปผลการแข่งขัน AI ระหว่างสหรัฐฯ และจีน ประจำปี 2026

    เมื่อเข้าสู่ช่วงต้นปี 2026 การแข่งขันเพื่อชิงความเป็นหนึ่งด้านปัญญาประดิษฐ์ระหว่างสหรัฐอเมริกาและจีน ได้ก้าวข้ามผ่านงานวิจัยเชิงทฤษฎีไปสู่ขั้นตอนของการบูรณาการเข้ากับภาคอุตสาหกรรมอย่างเต็มตัวแล้ว สหรัฐฯ ยังคงรักษาความได้เปรียบอย่างมากในการพัฒนาโมเดลพื้นฐาน (foundational models) และขุมพลังประมวลผลระดับสูงที่จำเป็นสำหรับการฝึกฝนโมเดลเหล่านั้น อย่างไรก็ตาม จีนประสบความสำเร็จในการขยายขนาดความฉลาดเฉพาะทาง (application-specific intelligence) เข้าสู่ภาคการผลิตและโลจิสติกส์ภายในประเทศ นี่ไม่ใช่แค่การแข่งขันว่าใครจะสร้างแชทบอทที่ฉลาดที่สุดอีกต่อไป แต่มันคือการต่อสู้เชิงโครงสร้างว่าโมเดลเศรษฐกิจแบบใดจะเป็นตัวกำหนดผลิตภาพของโลกในทศวรรษหน้า สหรัฐฯ พึ่งพาตลาดทุนขนาดใหญ่และแพลตฟอร์มที่โดดเด่นไม่กี่แห่งในการขับเคลื่อนนวัตกรรม ในขณะที่จีนใช้กลยุทธ์ที่สอดคล้องกับรัฐบาล ซึ่งให้ความสำคัญกับการนำเทคโนโลยีไปใช้ในโลกแห่งความเป็นจริง สิ่งนี้ทำให้เกิดตลาดโลกที่แยกออกเป็นสองฝั่ง ซึ่งการเลือกใช้ tech stack กลายเป็นการตัดสินใจทางการเมืองพอๆ กับการตัดสินใจทางเทคนิค เส้นทางที่แตกต่างของพลังแพลตฟอร์มและการจัดระเบียบโดยรัฐแนวทางของอเมริกาในการพัฒนาปัญญาประดิษฐ์สร้างขึ้นบนความแข็งแกร่งของแพลตฟอร์มเทคโนโลยีขนาดใหญ่ บริษัทอย่าง Microsoft, Google และ Meta ได้สร้างโครงสร้างพื้นฐาน cloud แบบรวมศูนย์ซึ่งทำหน้าที่เป็นกระดูกสันหลังสำหรับการพัฒนา AI ทั่วโลก พลังของแพลตฟอร์มนี้ช่วยให้เกิดการทำซ้ำอย่างรวดเร็วและความสามารถในการแบกรับต้นทุนการวิจัยที่สูง โมเดลของสหรัฐฯ มีลักษณะของการทดลองในระดับสูงและมุ่งเน้นไปที่ผลิตภาพของผู้บริโภค นำไปสู่การสร้างเครื่องมือที่สามารถเขียนโค้ด สร้างวิดีโอคุณภาพสูง และจัดการตารางเวลาที่ซับซ้อนได้ จุดแข็งหลักที่นี่คือความยืดหยุ่นของซอฟต์แวร์และความลึกของกลุ่มผู้มีความสามารถที่ย้ายเข้ามายัง Silicon Valley จากทั่วทุกมุมโลกในทางกลับกัน รัฐบาลจีนได้สั่งให้ยักษ์ใหญ่ด้านเทคโนโลยีมุ่งเน้นไปที่ “hard tech” มากกว่าบริการอินเทอร์เน็ตสำหรับผู้บริโภค Baidu, Alibaba

  • | | | |

    สงครามลิขสิทธิ์จะเปลี่ยนโฉมหน้าผลิตภัณฑ์ AI ในปี 2026 อย่างไร

    ยุคสมัยแห่งข้อมูลฟรีได้สิ้นสุดลงแล้วยุคของการเก็บข้อมูลโดยไม่ต้องรับผลกระทบได้จบลงแล้ว หลายปีที่ผ่านมานักพัฒนาสร้างโมเดลภาษาขนาดใหญ่โดยตั้งสมมติฐานว่าอินเทอร์เน็ตแบบเปิดเป็นทรัพยากรสาธารณะ แต่สมมติฐานนี้กำลังเผชิญกับความจริงในชั้นศาล การฟ้องร้องครั้งใหญ่จากองค์กรสื่อและศิลปินกำลังบีบให้เกิดการเปลี่ยนแปลงพื้นฐานในวิธีการสร้างและขายผลิตภัณฑ์เหล่านี้ บริษัทต่างๆ ไม่สามารถเพิกเฉยต่อแหล่งที่มาของชุดข้อมูลที่ใช้ฝึกฝนได้อีกต่อไป ผลลัพธ์ที่ตามมาคือการเปลี่ยนไปสู่โมเดลแบบมีลิขสิทธิ์ที่ทุกโทเค็นมีราคาค่างวด การเปลี่ยนแปลงนี้จะเป็นตัวตัดสินว่าบริษัทใดจะอยู่รอดและบริษัทใดจะล้มละลายภายใต้ภาระค่าใช้จ่ายทางกฎหมาย นี่ไม่ใช่แค่เรื่องของจริยธรรมหรือสิทธิของผู้สร้างสรรค์ แต่เป็นเรื่องของความยั่งยืนทางธุรกิจ หากศาลตัดสินว่าการฝึกฝนด้วยข้อมูลที่มีลิขสิทธิ์ไม่ใช่การใช้งานที่เป็นธรรม ต้นทุนในการสร้างโมเดลที่แข่งขันได้จะพุ่งสูงขึ้น ซึ่งจะเอื้อประโยชน์ต่อยักษ์ใหญ่ด้านเทคโนโลยีที่มีเงินทุนหนาและมีข้อตกลงด้านลิขสิทธิ์อยู่แล้ว ส่วนผู้เล่นรายย่อยอาจถูกบีบออกจากตลาดโดยสิ้นเชิง ความเร็วในการพัฒนาเทคโนโลยีตอนนี้กำลังชนกำแพงทางกฎหมายที่จะปรับเปลี่ยนอุตสาหกรรมไปอีกนานหลายปี จากการคัดลอกข้อมูลสู่การขออนุญาตหัวใจสำคัญของความขัดแย้งในปัจจุบันอยู่ที่วิธีการเรียนรู้ของโมเดล Generative AI ระบบเหล่านี้รับข้อมูลคำศัพท์และรูปภาพจำนวนมหาศาลเพื่อระบุรูปแบบ ในช่วงแรกของการพัฒนา นักวิจัยใช้ชุดข้อมูลขนาดใหญ่อย่าง Common Crawl โดยไม่ได้กังวลเรื่องสิทธิส่วนบุคคลที่ติดมากับข้อมูลนั้นมากนัก พวกเขาโต้แย้งว่ากระบวนการนี้เป็นการเปลี่ยนแปลงเชิงสร้างสรรค์ (transformative) ซึ่งหมายความว่ามันสร้างสิ่งใหม่ขึ้นมาทั้งหมดและไม่ได้มาแทนที่ผลงานต้นฉบับ ข้อโต้แย้งนี้เป็นรากฐานของการป้องกันการใช้งานที่เป็นธรรม (fair use) ในสหรัฐอเมริกา อย่างไรก็ตาม ขนาดของการผลิต AI ในปัจจุบันได้เปลี่ยนสมการไปแล้ว เมื่อโมเดลสามารถสร้างบทความข่าวในสไตล์ของนักข่าวคนใดคนหนึ่ง หรือสร้างภาพที่เลียนแบบศิลปินที่มีชีวิตอยู่ การอ้างว่าเป็นการเปลี่ยนแปลงเชิงสร้างสรรค์จึงทำได้ยากขึ้น นำไปสู่การฟ้องร้องที่เพิ่มขึ้นจากเจ้าของเนื้อหาที่เห็นว่าผลงานที่เลี้ยงชีพพวกเขาถูกนำไปใช้ฝึกฝนเพื่อสร้างสิ่งที่มาแทนที่พวกเขาในที่สุดความเปลี่ยนแปลงล่าสุดแสดงให้เห็นว่าอุตสาหกรรมกำลังเลิกใช้กลยุทธ์ “ขออภัยทีหลัง” แล้ว บริษัทเทคโนโลยีขนาดใหญ่กำลังทำข้อตกลงมูลค่าหลายล้านดอลลาร์กับสำนักพิมพ์เพื่อรับประกันข้อมูลที่มีคุณภาพสูงและถูกกฎหมาย สิ่งนี้สร้างระบบสองมาตรฐาน ด้านหนึ่งคือโมเดล “สะอาด” ที่ฝึกฝนจากข้อมูลที่มีลิขสิทธิ์หรือข้อมูลสาธารณะ อีกด้านหนึ่งคือโมเดลที่สร้างจากข้อมูลที่คัดลอกมาซึ่งมีความเสี่ยงทางกฎหมายสูง โลกธุรกิจเริ่มชอบแบบแรกมากกว่า บริษัทต่างๆ ไม่ต้องการรวมเครื่องมือที่อาจถูกสั่งปิดโดยคำสั่งศาลหรือนำไปสู่บิลค่าเสียหายจากการละเมิดลิขสิทธิ์ก้อนโต สิ่งนี้ทำให้ ที่มาทางกฎหมาย (legal