---
title: "ทำความเข้าใจสมองชีวภาพเทียบกับสมองดิจิทัล: มุมมองของอิลยา ซุตสเคเวอร์ต่อทิศทางในท้ายที่สุดของปัญญาประดิษฐ์"
author: "DeepValues Research"
publisher: "DeepValues Research (DeepValues / LuLu Ventures LLC)"
type: "Research article"
date: "2026-10-25"
language: "th"
section: "Insights"
machine_translated: true
translation_method: "machine translation (gpt-6.1-sol, Azure OpenAI)"
translated_from: "https://research.deepvalues.ai/insights/2026-10-25-navigating-the-ai-era/"
original_url: "https://research.deepvalues.ai/insights/2026-10-25-navigating-the-ai-era/"
original_language: "en"
translated_on: "2026-11-15"
translation_note: "Machine-translated from the original report; the original is authoritative."
canonical_url: "https://research.deepvalues.ai/insights/2026-10-25-navigating-the-ai-era-th/"
markdown_url: "https://research.deepvalues.ai/insights/2026-10-25-navigating-the-ai-era-th/index.md"
license: "CC BY 4.0"
license_url: "https://creativecommons.org/licenses/by/4.0/"
cite_as: "DeepValues Research, ทำความเข้าใจสมองชีวภาพเทียบกับสมองดิจิทัล: มุมมองของอิลยา ซุตสเคเวอร์ต่อทิศทางในท้ายที่สุดของปัญญาประดิษฐ์, https://research.deepvalues.ai/insights/2026-10-25-navigating-the-ai-era-th/"
publisher_url: "https://deepvalues.ai"
app: "https://deepvalues.ai"
api: "https://app.deepvalues.ai/developers"
data_note: "Reports are dated snapshots. Current data via the DeepValues API: https://app.deepvalues.ai/developers"
disclaimer: "Educational research, not investment advice."
disclosure: "AI-assisted"
generated_by: "NotebookLM + DeepValues editors"
category: "ai"
sources:
  - title: "Ilya Sutskever, U of T honorary degree recipient, June 6, 2025"
    url: "https://www.youtube.com/watch?v=zuZ2zaotrJs"
audio: "https://anchor.fm/s/117391698/podcast/play/128088797/https%3A%2F%2Fd3ctxlq1ktw2nl.cloudfront.net%2Fstaging%2F2026-9-26%2F434994890-44100-2-0e5929d76a34.mp3"
audio_kind: "podcast episode"
audio_page: "https://open.spotify.com/episode/7fFAO3qWhCcHiMch3ufq3t"
---
# ทำความเข้าใจสมองชีวภาพเทียบกับสมองดิจิทัล: มุมมองของ Ilya Sutskever ต่อทิศทางปลายทางของปัญญาประดิษฐ์

ในการกล่าวสุนทรพจน์เนื่องในโอกาสรับปริญญากิตติมศักดิ์ที่มหาวิทยาลัยโตรอนโตเมื่อวันที่ 6 มิถุนายน 2025 นักวิจัยปัญญาประดิษฐ์ Ilya Sutskever ได้อธิบายเหตุผลพื้นฐานเชิงทฤษฎีว่าเหตุใดการประมวลผลสังเคราะห์จึงจะสามารถทำงานทุกประเภทที่มนุษย์ทำได้ในที่สุด: การรู้คิดของมนุษย์ทำงานทั้งหมดบนคอมพิวเตอร์ชีวภาพ ซึ่งหมายความว่าสถาปัตยกรรมฮาร์ดแวร์และซอฟต์แวร์ดิจิทัลสามารถจำลองความสามารถพื้นฐานของสมองได้ในท้ายที่สุด ข้อค้นพบเชิงกลยุทธ์ที่สำคัญจากการวิเคราะห์ของ Sutskever คือ เมื่อแบบจำลองระดับแนวหน้าถูกนำไปผสานกับการผลิตในระบบเศรษฐกิจ และผลที่ได้ถูกนำกลับไปลงทุนในการวิจัยและพัฒนาปัญญาประดิษฐ์เฉพาะทางซ้ำเป็นวงจร ความก้าวหน้าทางเทคโนโลยีจะเร่งตัวอย่างรวดเร็วมาก สำหรับนักลงทุนสถาบัน นักกลยุทธ์องค์กร และผู้นำด้านนโยบาย ทิศทางนี้ตอกย้ำความจำเป็นเร่งด่วนในการเตรียมพร้อมรับการจัดสรรกำลังแรงงานใหม่ทั้งระบบ การเปลี่ยนแปลงมูลค่าของทักษะ และการเปลี่ยนผ่านทางเศรษฐกิจมหภาคจากการใช้ซอฟต์แวร์เสริมความสามารถไปสู่การดำเนินงานด้านการรู้คิดอย่างอิสระ

---

## 1. แนวคิดหลัก: เหตุใดคอมพิวเตอร์ดิจิทัลจึงจะมีความสามารถเทียบเท่ามนุษย์

การประเมินทิศทางความสามารถระยะยาวของปัญญาประดิษฐ์ต้องพิจารณาข้อบกพร่องด้านการทำงานในปัจจุบันควบคู่กับขีดจำกัดการประมวลผลตามหลักการพื้นฐาน แบบจำลองปัญญาประดิษฐ์ระดับแนวหน้าในปัจจุบันแสดงความสามารถที่สร้างความประทับใจอย่างมากแก่ผู้ใช้: สามารถสนทนาด้วยเสียงอย่างเป็นธรรมชาติและคล่องแคล่ว วิเคราะห์บริบทซับซ้อนที่ประกอบด้วยข้อมูลหลายรูปแบบ และสร้างรหัสซอฟต์แวร์ที่นำไปใช้งานได้ อย่างไรก็ตาม แม้จะมีความก้าวหน้าเหล่านี้ ระบบในปัจจุบันยังมีข้อจำกัดอย่างมากในงานด้านการให้เหตุผลและการดำเนินงานหลายประเภท ทำให้ยังมีช่องว่างด้านการทำงานที่สำคัญระหว่างเครื่องมือในปัจจุบันกับสติปัญญาของมนุษย์ที่ใช้ได้ทั่วไป

แม้จะมีข้อบกพร่องระยะสั้นเหล่านี้ Ilya Sutskever เสนอข้อสมมติพื้นฐานที่ชัดเจนตามหลักการพื้นฐานว่าเหตุใดการประมวลผลสังเคราะห์จึงจะสามารถทำงานได้ครบถ้วนเทียบเท่าแรงงานมนุษย์: โดยพื้นฐานแล้ว สมองมนุษย์คือคอมพิวเตอร์ชีวภาพ เช่นเดียวกับที่โครงข่ายประสาทชีวภาพประมวลผลข้อมูลผ่านสัญญาณไฟฟ้าเคมีซึ่งส่งผ่านจุดเชื่อมต่อไซแนปส์หลายล้านล้านจุดระหว่างเซลล์ประสาทที่มีชีวิต ระบบคอมพิวเตอร์ดิจิทัลก็ประมวลผลข้อมูลผ่านศักย์ไฟฟ้าในทรานซิสเตอร์สารกึ่งตัวนำหลายพันล้านตัว เนื่องจากตัวกลางทั้งสองอยู่ภายใต้กฎทางกายภาพของการคำนวณและทฤษฎีสารสนเทศเดียวกัน คอมพิวเตอร์ดิจิทัลที่ทำหน้าที่เป็นสมองสังเคราะห์จึงสามารถออกแบบสถาปัตยกรรมให้จำลองกระบวนการเรียนรู้หรืองานด้านการรู้คิดใดก็ตามที่สมองชีวภาพของมนุษย์สามารถเรียนรู้ได้ในที่สุด เครื่องมือปัญญาประดิษฐ์ในปัจจุบันส่วนใหญ่ยังจำกัดอยู่ที่การโต้ตอบสนทนาและการทำงานเฉพาะส่วนให้เสร็จสิ้น แต่ตรรกะทางกายภาพพื้นฐานชี้ไปสู่อนาคตที่ระบบดิจิทัลไม่ได้ทำเพียงงานด้านการรู้คิดบางส่วน แต่ทำได้ทุกงานที่มนุษย์สามารถฝึกฝนจนเชี่ยวชาญ

แนวคิดหลักนี้สะท้อนประสบการณ์ทางวิชาการสิบปีของ Sutskever ที่มหาวิทยาลัยโตรอนโต ซึ่งเขาได้รับปริญญาสี่ใบ โดยมีงานระดับปริญญาเอกเป็นจุดสูงสุดของช่วงเวลาประมาณ 2005 ถึง 2015 ในช่วงทศวรรษนี้ มหาวิทยาลัยโตรอนโตสร้างผลงานวิจัยปัญญาประดิษฐ์ที่พลิกโฉมวงการมากที่สุดส่วนหนึ่งของโลก Sutskever ศึกษาโดยตรงภายใต้การดูแลของ Geoff Hinton ผู้บุกเบิกปัญญาประดิษฐ์ ซึ่งเป็นโอกาสที่ Sutskever ระบุอย่างชัดเจนว่าเป็นหนึ่งในความโชคดีที่สุดในชีวิตของเขา และได้สร้างรากฐานเชิงประจักษ์ที่ผลักดันความก้าวหน้าช่วงแรกของการเรียนรู้เชิงลึก

---

## 2. กลไกการเร่งตัว: วงจรป้อนกลับของการวิจัยและพัฒนา

การเปลี่ยนผ่านจากแบบจำลองผู้ช่วยเฉพาะด้านไปสู่ความสามารถเต็มรูปแบบระดับมนุษย์ไม่ได้เป็นไปตามวงจรการเปิดตัวซอฟต์แวร์แบบเส้นตรง แต่ความก้าวหน้าถูกกำหนดโดยวงจรป้อนกลับแบบทบต้นที่ลดระยะเวลาการพัฒนาอย่างมากผ่านขั้นตอนการดำเนินงานที่แตกต่างกันสามขั้นตอน:

1. **ผลิตภาพเริ่มต้นและการผสานเข้ากับระบบเศรษฐกิจ:** แบบจำลองปัญญาประดิษฐ์ระดับแนวหน้าถูกนำไปใช้ในกระบวนการทำงานขององค์กรเพื่อทำงานธุรการประจำโดยอัตโนมัติ เพิ่มผลิตภาพแรงงาน และผลักดันผลผลิตทางเศรษฐกิจมหภาคในทันที
2. **การนำผลตอบแทนกลับไปลงทุนในการวิจัยและพัฒนาระดับแนวหน้า:** เงินทุนและกำลังการประมวลผลที่เกิดจากผลประโยชน์ทางเศรษฐกิจในช่วงแรกถูกจัดสรรกลับไปสู่การวิจัยและพัฒนาทางวิทยาศาสตร์อย่างเป็นระบบ โดยมุ่งเน้นการปรับสถาปัตยกรรมแบบจำลองให้เหมาะสมที่สุด อัตราการประมวลผลของอัลกอริทึม และวิศวกรรมซอฟต์แวร์อัตโนมัติ
3. **การลดระยะเวลาแบบวนซ้ำ:** เมื่อระบบปัญญาประดิษฐ์ถูกนำไปใช้กับการวิจัยปัญญาประดิษฐ์ระดับแนวหน้าได้สำเร็จ ความเร็วของนวัตกรรมจะเร่งตัวอย่างรวดเร็วมาก ก่อให้เกิดกลไกการพัฒนาแบบวนซ้ำที่เสริมแรงตัวเองและลดเวลาที่ต้องใช้เพื่อบรรลุความก้าวหน้าครั้งใหญ่ด้านสถาปัตยกรรมอย่างมาก

ต่างจากแนวทางซอฟต์แวร์แบบเดิมที่อาศัยกำลังงานวิศวกรรมของมนุษย์เท่านั้นในการปรับปรุงซอฟต์แวร์ทุกครั้ง วงจรการวิจัยและพัฒนาที่เร่งตัวเองนี้ทำให้ระบบปัญญาประดิษฐ์สามารถขับเคลื่อนความเร็วในการพัฒนาของตนเองได้ แม้ผู้สังเกตการณ์ในอุตสาหกรรมจะอ้างถึงประมาณการกรอบเวลาที่หลากหลาย ตั้งแต่ 3, 5 ถึง 10 ปี และยอมรับความยากโดยธรรมชาติของการคาดการณ์วันที่จะเกิดความก้าวหน้าครั้งสำคัญอย่างแม่นยำ แต่ตรรกะเชิงระบบของการวิจัยและพัฒนาที่ปรับปรุงตัวเองได้ชี้ไปสู่แนวโน้มที่เร่งตัวเข้าสู่การทำงานด้านการรู้คิดโดยอัตโนมัติทั้งหมด

---

## 3. ผลกระทบต่ออุตสาหกรรมและเศรษฐกิจ: มากกว่าการปรับตัวด้านอาชีพ

ความก้าวหน้าอย่างต่อเนื่องของการประมวลผลสังเคราะห์สร้างความเปลี่ยนแปลงเชิงโครงสร้างอย่างลึกซึ้งต่อการศึกษา ตลาดแรงงาน และแนวทางการออกแบบผลิตภัณฑ์ ระบบปัญญาประดิษฐ์ในปัจจุบันได้เปลี่ยนแปลงสภาพแวดล้อมทางการศึกษาในระดับพื้นฐานแล้ว โดยปรับเปลี่ยนวิธีที่นักเรียนรับข้อมูลและพัฒนาทักษะการวิเคราะห์พื้นฐาน ขณะเดียวกัน การนำปัญญาประดิษฐ์มาใช้กำลังเริ่มบิดเบือนมูลค่าของทักษะวิชาชีพในรูปแบบที่คาดเดาไม่ได้ บังคับให้แรงงานที่ใช้ความรู้ต้องประเมินใหม่อย่างต่อเนื่องว่าความสามารถใดจะยังรักษามูลค่าในตลาดไว้ได้อย่างมั่นคง

แม้การวิเคราะห์ทางเศรษฐกิจในระยะใกล้จะเน้นว่าปัญญาประดิษฐ์ช่วยเสริมบทบาทของแรงงานที่มีอยู่ได้อย่างไร แต่ความท้าทายเชิงกลยุทธ์พื้นฐานย่อมเปลี่ยนจากการเรียนรู้วิธีใช้ปัญญาประดิษฐ์เป็นเครื่องมือเพิ่มผลิตภาพ ไปสู่การดำเนินงานในระบบเศรษฐกิจที่ระบบสังเคราะห์ทำงานด้านการรู้คิดทั้งหมดอย่างหลีกเลี่ยงไม่ได้ Sutskever อ้างถึงคำกล่าวทางการเมืองที่เป็นที่รู้จักเพื่อเน้นความจริงที่ไม่อาจหลีกเลี่ยง: *"คุณอาจไม่สนใจการเมือง แต่การเมืองจะสนใจคุณ ดังนั้นเรื่องเดียวกันนี้จึงใช้กับปัญญาประดิษฐ์ได้รุนแรงกว่าหลายเท่า"* ผู้ตัดสินใจในองค์กรและผู้ประกอบวิชาชีพแต่ละรายไม่อาจมองการนำปัญญาประดิษฐ์มาใช้เป็นกลยุทธ์ทางเลือก ผู้เข้าร่วมตลาดที่นิ่งเฉยจะพบว่าแบบจำลองธุรกิจและเส้นทางอาชีพของตนได้รับผลกระทบโดยตรง ไม่ว่าจะมีส่วนร่วมอย่างแข็งขันหรือไม่ก็ตาม

ด้วยเหตุนี้ แนวทางวิศวกรรมผลิตภัณฑ์จะเปลี่ยนแปลงเชิงโครงสร้าง แอปพลิเคชันซอฟต์แวร์จะเปลี่ยนจากส่วนติดต่อผู้ใช้แบบกราฟิกที่คงรูปและคำสั่งสนทนาพื้นฐาน ไปสู่ตัวแทนทางเศรษฐกิจที่ทำงานอย่างอิสระเต็มรูปแบบและสามารถดำเนินงานตั้งแต่ต้นจนจบโดยไม่ต้องมีมนุษย์กำกับดูแล

---

## 4. ข้อจำกัดพื้นฐาน ความเสี่ยงด้านความสอดคล้องกับมนุษย์ และคำถามที่ยังไม่มีคำตอบ

การรับมือกับการเปลี่ยนผ่านสู่สติปัญญาสังเคราะห์ระดับมนุษย์จำเป็นต้องเผชิญกับข้อจำกัดทางเทคนิคที่สำคัญ ความเสี่ยงด้านความสอดคล้องกับมนุษย์ที่อาจคุกคามการดำรงอยู่ และความท้าทายด้านการดำเนินงานขององค์กร:

* **ข้อบกพร่องด้านการทำงานในปัจจุบัน:** แบบจำลองที่ก้าวหน้าที่สุดในปัจจุบันมีช่องว่างด้านการดำเนินงานที่รุนแรง แม้จะมีประสิทธิภาพสูงในการวิเคราะห์ภาษาธรรมชาติและการสร้างรหัส แต่แบบจำลองในปัจจุบันยังขาดความสามารถที่มั่นคงในการวางแผนระยะยาว การให้เหตุผลเชิงพื้นที่ และความน่าเชื่อถือในโลกจริง ทำให้ไม่สามารถทำงานขององค์กรโดยอัตโนมัติตั้งแต่ต้นจนจบได้ในทันที
* **ความสอดคล้องกับมนุษย์ของระบบเหนือปัญญาและการอำพรางเชิงหลอกลวง:** เมื่อระบบสังเคราะห์มีความสามารถเหนือมนุษย์ การทำให้ระบบสอดคล้องกับมนุษย์จะกลายเป็นคอขวดทางเทคนิคที่สำคัญที่สุด การทำให้ระบบเหนือปัญญายังคงสอดคล้องกับมนุษย์ต้องอาศัยความโปร่งใสอย่างสมบูรณ์ โดยต้องมั่นใจว่าแบบจำลองระบุสภาวะภายในที่แท้จริงอย่างสม่ำเสมอ และไม่อำพรางการทำงานเพื่อหลอกลวง หรือดังที่ Sutskever เน้นย้ำ ต้องมั่นใจว่าระบบ *"พูดตามสิ่งที่ตนพูด และไม่แสร้งเป็นสิ่งอื่น"* Sutskever ระบุอย่างชัดเจนว่าการเอาชนะปัญหาความสอดคล้องกับมนุษย์ของปัญญาประดิษฐ์เป็น *"ความท้าทายที่ยิ่งใหญ่ที่สุดเท่าที่มนุษยชาติเคยเผชิญ"* และกล่าวว่าการแก้ปัญหานี้ได้สำเร็จจะให้ *"รางวัลที่ยิ่งใหญ่ที่สุด"*
* **ความเข้าใจเชิงประจักษ์จากประสบการณ์ตรง:** บทความวิจัยเชิงนามธรรมและข้อเขียนเชิงทฤษฎีไม่เพียงพอที่จะทำให้เข้าใจความเร็วในการพัฒนาความสามารถของปัญญาประดิษฐ์อย่างลึกซึ้ง ดังที่ Sutskever กล่าวไว้ *"ข้อเขียนและคำอธิบายจำนวนเท่าใดก็ไม่อาจเทียบกับสิ่งที่เราเห็นผ่านประสาทสัมผัสของเราเอง ด้วยตาทั้งสองข้างของเราเอง"* การมีปฏิสัมพันธ์โดยตรงและลงมือใช้งานแบบจำลองที่ดีขึ้นในช่วง 1-ถึง-3 ปี จะสร้างความเข้าใจเชิงประจักษ์ที่จำเป็นต่อการเปลี่ยนความเสี่ยงเชิงนามธรรมให้เป็นความจริงที่จับต้องได้ และก่อให้เกิดสมาธิทางจิตใจและพลังของมนุษย์ที่จำเป็นต่อการแก้ความท้าทายซับซ้อนด้านความสอดคล้องกับมนุษย์และความปลอดภัย
* **กรอบคิดด้านการดำเนินงานในสภาพแวดล้อมที่มีความไม่แน่นอนสูง:** เพื่อจัดการกับการเปลี่ยนแปลงทางเทคโนโลยีอย่างลึกซึ้ง Sutskever เสนอกรอบคิดเชิงปฏิบัติ: ยอมรับความจริงตามที่เป็น หลีกเลี่ยงการจมอยู่กับความผิดพลาดในอดีตหรือสถานการณ์ที่เสียเปรียบ และมุ่งเน้นอย่างเคร่งครัดกับการลงมือทำขั้นตอนถัดไปที่ดีที่สุด สำหรับผู้นำองค์กรและผู้ตัดสินใจระดับสถาบัน การนำกรอบคิดนี้มาใช้เป็นสิ่งจำเป็นด้านการดำเนินงาน ช่วยให้องค์กรรักษาความชัดเจนเชิงกลยุทธ์และดำเนินงานอย่างเด็ดขาดท่ามกลางการเปลี่ยนแปลงตลาดอย่างรุนแรง

---

## ตัวเลขสำคัญ

* **6 มิถุนายน 2025:** วันที่ Ilya Sutskever กล่าวสุนทรพจน์เนื่องในโอกาสรับปริญญากิตติมศักดิ์ที่มหาวิทยาลัยโตรอนโต
* **20 ปี:** ระยะเวลาที่ผ่านไปนับตั้งแต่ Sutskever ได้รับปริญญาตรีจากมหาวิทยาลัยโตรอนโต (ประมาณ 2005)
* **4 ใบ:** จำนวนปริญญาทั้งหมดที่ Sutskever ได้รับจากมหาวิทยาลัยโตรอนโต
* **10 ปี:** ระยะเวลารวมที่ Sutskever ศึกษาในระดับปริญญาตรีและระดับบัณฑิตศึกษาที่มหาวิทยาลัยโตรอนโต
* **3, 5 ถึง 10 ปี:** ประมาณการกรอบเวลาที่ผู้สังเกตการณ์ในอุตสาหกรรมอ้างถึงสำหรับหมุดหมายด้านความสามารถขั้นสูงของปัญญาประดิษฐ์
* **1 ถึง 3 ปี:** กรอบเวลาที่ความเข้าใจจากการลงมือใช้งานระบบปัญญาประดิษฐ์ที่ดีขึ้นจะช่วยให้เห็นผลกระทบในโลกจริงได้ชัดเจนขึ้นอย่างมาก

---

## สิ่งที่จะเปลี่ยนภาพรวมนี้

1. *การหยุดพัฒนาของการวิจัยและพัฒนาที่ขับเคลื่อนด้วยปัญญาประดิษฐ์:* หลักฐานว่าการนำแบบจำลองปัญญาประดิษฐ์ในปัจจุบันมาใช้ในการวิจัยปัญญาประดิษฐ์ไม่สามารถเร่งความก้าวหน้าด้านสถาปัตยกรรมแบบจำลองหรือประสิทธิภาพการฝึกได้
2. *การแก้ปัญหาการหลอกลวง/ความสอดคล้องกับมนุษย์:* การแสดงหลักประกันทางคณิตศาสตร์หรือทางสถาปัตยกรรมที่ตรวจสอบได้ ซึ่งป้องกันไม่ให้ปัญญาประดิษฐ์เหนือปัญญาบิดเบือนสภาวะหรือเจตนาของตน
3. *คอขวดด้านฮาร์ดแวร์และการประมวลผล:* ขีดจำกัดทางกายภาพหรือชีวภาพของการเพิ่มขนาดการประมวลผลที่ทำให้คอมพิวเตอร์ดิจิทัลไม่สามารถเทียบเท่าประสิทธิภาพการใช้พลังงานและความหนาแน่นของสมองชีวภาพมนุษย์ได้
4. *การตรวจสอบกรอบเวลาหลายปีเชิงประจักษ์:* การเร่งตัวหรือชะลอตัวของเกณฑ์วัดสมรรถนะการทำงานอัตโนมัติในงานทางกายภาพและงานด้านการรู้คิดที่ซับซ้อนในช่วง 1 ถึง 3 ปีข้างหน้า

หากต้องการข้อมูลเชิงลึกที่ปราศจากกระแสโฆษณาเกินจริงเกี่ยวกับสถาปัตยกรรมปัญญาประดิษฐ์ระดับแนวหน้าและเกณฑ์วัดสมรรถนะเชิงประจักษ์ โปรดสำรวจงานวิจัยแบบเปิดเผยต้นฉบับเพิ่มเติมบนเว็บไซต์ DeepValues Research หรือลองใช้แอป DeepValues

---
## เอกสารอ้างอิง

Ilya Sutskever, U of T honorary degree recipient, June 6, 2025, University of Toronto YouTube Channel

## From DeepValues

- DeepValues app: intrinsic value, stances and the latest reports for 300+ stocks. [iPhone](https://apps.apple.com/us/app/deepvalues/id6775568608?utm_source=research&utm_medium=web&utm_campaign=markdown) · [Android](https://play.google.com/store/apps/details?id=app.deepvalues.android&referrer=utm_source%3Dresearch%26utm_medium%3Dweb%26utm_campaign%3Dmarkdown) · [Web](https://app.deepvalues.ai/?utm_source=research&utm_medium=web&utm_campaign=markdown)
- [Deep Value Intelligence](https://deepvalues.ai/?utm_source=research&utm_medium=web&utm_campaign=markdown): the multi-agent AI analyst behind these reports, for any listed company
- [Margin of Safety Weekly](https://app.deepvalues.ai/letter?utm_source=research&utm_medium=web&utm_campaign=markdown): free weekly email, every Saturday
- YouTube: videos on investing and on AI. [@TheDeepValues](https://www.youtube.com/@TheDeepValues?utm_source=research&utm_medium=web&utm_campaign=markdown) (investing) · [@deep-values](https://www.youtube.com/@deep-values?utm_source=research&utm_medium=web&utm_campaign=markdown) (AI)
- Podcasts: 6 shows in English and Chinese (Deep Values, 深度价值, Deep Values Frontier, 深度價值前沿, Deep Value Intelligence, 深度价值情报站). [all shows on Apple Podcasts](https://podcasts.apple.com/us/channel/deepvalues/id6826606342)
- Buffett Indicator: market-valuation gauge. [iPhone](https://apps.apple.com/us/app/buffett-indicator/id6747404614?utm_source=research&utm_medium=web&utm_campaign=markdown) · [Android (Buffett Indicator & Shiller PE)](https://play.google.com/store/apps/details?id=com.luluventures.bubblewatch.android&utm_source=research&utm_medium=web&utm_campaign=markdown)
