มนุษย์ใช้เวลาครึ่งศตวรรษในการย้ายเอกสารจากเครื่องพิมพ์ดีดไปยัง Word และอีกยี่สิบปีในการย้ายไปยังคลาวด์ แต่ในยุค AI รูปแบบสากลที่แท้จริงกลับเป็นภาษาข้อความล้วนที่ถูกประดิษฐ์ขึ้นในปี 2004 อย่าง Markdown เมื่อไม่นานมานี้ Thariq วิศวกรของ Claude Code ได้เสนอความคิดเห็นที่จุดประเด็นถกเถียงว่า เขาเลิกใช้ Markdown แล้ว และเห็นว่า HTML คืออนาคต

บทความของ Thariq วิศวกร Claude Code ที่แชร์เกี่ยวกับการใช้ HTML แทน Markdown ปัจจุบันมียอดเข้าชมหลายสิบล้านครั้งบน X

ในบทความ เขาเสนอว่ารูปแบบเอาต์พุต HTML เหนือกว่าข้อความ Markdown สำหรับ AI การเปลี่ยนจากการส่งออก Markdown เป็น HTML แทบไม่เจ็บปวด แต่สำหรับผู้ใช้แล้วกลับเป็นการยกระดับประสบการณ์อย่างแท้จริง Karpathy ก็ได้แชร์บทความนี้ในช่วงเช้ามืด และแบ่งปันมุมมองของเขาเกี่ยวกับ HTML ในความเห็นของเขา เสียงคืออินพุตที่ดีที่สุดสำหรับโมเดลภาษาขนาดใหญ่ ส่วนภาพคือเอาต์พุตที่ดีที่สุด และหลังจาก HTML ก็จะมีแอนิเมชันแบบโต้ตอบ วิดีโอที่สร้างโดยโครงข่ายประสาทเทียมโดยตรง และสุดท้ายคือการหลอมรวมการรับรู้ที่แท้จริงระหว่างมนุษย์กับเครื่องจักร

เลื่อนขึ้นลงเพื่อดูเนื้อหาเพิ่มเติม

ในบริบทที่ Vibe Coding และผลิตภัณฑ์ Agent กลายเป็นกระแสหลัก HTML และ Markdown ไม่ใช่เรื่องแปลกสำหรับผู้เล่น AI ส่วนใหญ่

เมื่อขอให้ DeepSeek สร้างเกมเล็ก ๆ มันจะให้ไฟล์โค้ด HTML ที่รันได้โดยตรง หากต้องการสร้างเกมเล็ก ๆ บอก ChatGPT ว่า “ช่วยสร้างหน้า HTML เกมงูเดี่ยวให้หน่อย” ChatGPT จะแพ็กโค้ดเป็นเอกสารที่มีนามสกุล .html ดับเบิลคลิกเปิด ก็จะเห็นผลลัพธ์ที่โต้ตอบได้ มีเอฟเฟกต์เคลื่อนไหว และมีรูปภาพและข้อความมากมายในเบราว์เซอร์ แม้แต่ในเบราว์เซอร์ การกด CTRL+S บนหน้าเว็บใด ๆ ก็จะบันทึกไฟล์ .html ในเครื่อง

ส่วน Markdown ตั้งแต่ยุคที่ AI ต้องดึงบริบทจากหน้าเว็บ ก็มีเครื่องมือมากมายที่สามารถแปลงเอกสารประเภทต่าง ๆ เป็นรูปแบบ Markdown Microsoft ในฐานะราชาแห่งชุดโปรแกรมสำนักงาน มีไฟล์ที่ใช้ในที่ทำงานทั่วไป เช่น docx, pptx, xlsx และก่อนหน้านี้ก็ได้เปิดซอร์สโปรเจกต์ที่แปลงเอกสารสำนักงานเหล่านี้เป็นรูปแบบ Markdown ปัจจุบันบน GitHub มีดาวมากกว่า 120,000 ดวง

ที่อยู่โปรเจกต์: https://github.com/microsoft/markitdown

หลังจาก OpenClaw โด่งดัง ไฟล์ AGENT.md, SOUL.md, CLAUDE.md, MEMORY.md ต่าง ๆ รวมถึงในวิศวกรรม Skills แต่ละ Skill ก็เป็นเอกสาร Skill.md เช่นกัน ตั้งแต่การบันทึกความจำไปจนถึงพรอมต์และการควบคุม Agent รูปแบบ Markdown เกือบจะเป็นตัวเลือกเดียวที่ AI ใช้เพื่อรับบริบทที่สมบูรณ์

OpenClaw Agent อัจฉริยะจะใช้ไฟล์ Markdown หลายไฟล์เพื่อสร้างพื้นที่ทำงานสุดท้าย｜ภาพที่สร้างโดย AI

รูปแบบ PDF, DOC และ PPT ที่เราใช้บ่อยที่สุดในชีวิตประจำวัน กลับกลายเป็นรูปแบบที่ “ไม่เป็นที่ต้องการ” ที่สุดในยุค AI แต่ HTML ที่ผุดขึ้นมาตอนนี้คืออะไรกันแน่? มันมีโอกาสแทนที่ Markdown เพื่อเป็นภาษาสากลใหม่ในยุค AI หรือไม่?

ทำไม Markdown ถึงเหมาะกับ AI ที่สุด

ก่อนอื่นมาพูดถึงว่าทำไม Markdown ถึงกลายเป็น Word ในยุค AI ไม่ว่าจะเป็นคำตอบของ AI หรือบริบทที่เราโยนให้ AI ตอนนี้ส่วนใหญ่เป็น Markdown ภาษานี้ถือกำเนิดขึ้นในปี 2004 ได้รับแรงบันดาลใจจากธรรมเนียมการจัดรูปแบบข้อความในอีเมลยุค 2000 เช่น เส้นแนวตั้งแบ่งคอลัมน์, ขึ้นบรรทัดใหม่ทุก 80 ตัวอักษร, เครื่องหมายดอกจันสำหรับเน้นความสำคัญ เป้าหมายของมันคือ “เขียนเหมือนข้อความล้วน แต่เรนเดอร์ออกมาเหมือน HTML” เรียบง่ายพอ พกพาสะดวก ไม่ต้องใช้เครื่องมือใด ๆ โปรแกรมแก้ไขข้อความใด ๆ ก็จัดการได้

ตารางสรุปไวยากรณ์ Markdown｜ภาพที่สร้างโดย AI

ปรัชญาการออกแบบนี้สมบูรณ์แบบในยุคบล็อก ประมาณปี 2008 เมื่อ GitHub เติบโตขึ้น Markdown ก็กลายเป็นรูปแบบการเขียนมาตรฐานของโปรแกรมเมอร์โดยตรง เอกสารเทคนิคต่าง ๆ, คำตอบบน Stack Overflow, GitHub README, บล็อกเทคนิค Markdown ทำงานได้ดีในเกือบทุกสถานการณ์เหล่านี้

แล้วโมเดลภาษาขนาดใหญ่ก็มาถึง ในด้านหนึ่ง ข้อมูลฝึกอบรมมีข้อความรูปแบบ Markdown จำนวนมาก โมเดลเรียนรู้ที่จะใช้มันเพื่อแสดงโครงสร้าง นั่นคือในข้อมูลฝึกอบรม สิ่งที่ “คนฉลาดเขียน” ในฟอรัมบล็อกเทคนิคส่วนใหญ่เป็น Markdown โมเดลไม่เพียงเรียนรู้รูปแบบ แต่ยังเรียนรู้ความเชื่อมโยงที่ว่า “การเขียนด้วย Markdown = จริงจัง มีโครงสร้าง เป็นมืออาชีพ” ในอีกด้านหนึ่ง สัญญาณโครงสร้างของ Markdown มีลักษณะเฉพาะที่เฉพาะเจาะจงมาก: หัวข้อต้องการแค่ #, รายการต้องการแค่ -, ** ปรากฏขึ้นก็หมายถึงตัวหนา โมเดลไม่จำเป็นต้องดูบริบทที่ไกลมากเพื่อตัดสินบทบาททางความหมายของ token ปัจจุบัน

บทความเดียวกัน HTML หมายถึงแท็กมากมาย การแบ่งส่วนต่าง ๆ และการควบคุมสไตล์ เมื่อเปรียบเทียบหัวข้อและรายการของ HTML เช่น

หรือ

จะประหยัดกว่ามาก นอกจากนี้

เท่านั้น ช่วงความหมายยาว โมเดลต้อง “จำ” สถานะที่ไกลกว่าเมื่อสร้าง ซึ่งเป็นภาระที่หนักกว่าและมีโอกาสผิดพลาดสูงกว่า

ดังนั้น ไม่ว่าจะจากมุมมองทางเทคนิคของกลไกความสนใจของโมเดลภาษาขนาดใหญ่ หรือจากมุมมองของเศรษฐศาสตร์ Token “ใช้ Markdown ถ้าใช้ได้ อย่าใช้ HTML” ในสถานการณ์เอกสารยาว การสนทนาหลายรอบ การเรียก API จำนวนมาก กลายเป็นความชอบของทั้งวิศวกรและโมเดล สรุปคือ ค่าหลักของประสิทธิภาพ Token สูง โครงสร้างชัดเจน แยกวิเคราะห์ง่าย ทำให้โมเดลรัก Markdown โดยธรรมชาติ—มันรักอินพุตในรูปแบบ Markdown และรักเอาต์พุตในรูปแบบ Markdown ด้วย ความชอบนี้ชัดเจนยิ่งขึ้นเมื่อฝึกโมเดลภาษาขนาดใหญ่ เมื่อโมเดลเรียนรู้ผ่าน RLHF (Reinforcement Learning from Human Feedback) ผู้ติดป้ายให้คะแนนสูงกับคำตอบที่มีแนวโน้มว่าจะ: มีหัวข้อชัดเจน มีการแจกแจงเป็นข้อ มีโครงสร้างที่มองเห็นได้ชัดเจน และโครงสร้างภาพนี้ในสภาพแวดล้อมข้อความล้วนก็คือ Markdown ดังนั้นโมเดลจึงเรียนรู้สัญญาณรางวัลที่ว่า: การจัดรูปแบบด้วย Markdown = ดูจริงจังกว่า สมบูรณ์กว่า คุ้มค่ากับคะแนนสูงกว่า แม้ว่าคำถามจะไม่ต้องการรายการเลย โมเดลก็มีแนวโน้มที่จะเพิ่มรายการ

โปรแกรมแก้ไข Markdown ที่มีชื่อเสียง Typora

นี่อาจเป็นสาเหตุที่เมื่อเราถาม ChatGPT อะไรสักอย่าง มันมักจะให้สามประเด็นสำคัญ ทำตัวหนาคำสำคัญ แล้วก็สรุปสั้น ๆ ส่วนใหญ่แล้ว ในอินเทอร์เฟซการสนทนาของ AI การคัดลอกคำตอบของ AI แล้ววางลงในช่องป้อนข้อมูลอื่น จะพบว่ามีเครื่องหมาย #, **, — ฯลฯ ของ Markdown เพิ่มขึ้นโดยอัตโนมัติ ข้อความทุกคำตอบของ AI ที่เราเห็น โดยพื้นฐานแล้วจะเรนเดอร์ในรูปแบบ Markdown

ทำไมไม่ใช่ PDF, Word, PPT

Markdown ใช้งานได้ดี แต่รูปแบบเอกสารที่เราใช้ในชีวิตประจำวันส่วนใหญ่ยังคงเป็น PDF และ Word เจ้านายส่งไฟล์มา ฉันโยนให้ AI ประมวลผล ไฟล์นี้มักจะใช้เวลามากกว่าการคัดลอกและวางโดยตรง สาเหตุหลักคือโมเดลรู้จักแต่ token ไม่รู้จักไฟล์ อินพุตของโมเดลภาษาขนาดใหญ่ ก่อนเข้าสู่โมเดล ต้องถูกแปลงเป็นลำดับ token ก่อน โมเดลไม่เห็น “PDF” มันเห็นเนื้อหาข้อความที่ถูกแยกวิเคราะห์จาก PDF แล้วจึงตัดเป็น token ดังนั้นรูปแบบใดที่เมื่อแยกวิเคราะห์เป็นข้อความล้วนแล้วสูญเสียข้อมูลน้อยที่สุดและมีสัญญาณรบกวนน้อยที่สุด รูปแบบนั้นก็คือรูปแบบที่ดีกว่า

PDF Skill อย่างเป็นทางการของ Claude ต้องเรียกใช้ไลบรารีเครื่องมือพิเศษเพื่อให้สามารถอ่านไฟล์ PDF ได้

PDF ออกแบบมาเพื่อ “พิมพ์ออกมาสวยงาม” ไม่ใช่ “เครื่องอ่านง่าย” ภายใน PDF เก็บตำแหน่งพิกัดของแต่ละตัวอักษร ไม่ใช่ลำดับตรรกะของข้อความ PDF ที่มีสองคอลัมน์ ลำดับข้อความที่แยกวิเคราะห์ออกมาอาจเป็นบรรทัดแรกของคอลัมน์ซ้าย บรรทัดแรกของคอลัมน์ขวา บรรทัดที่สองของคอลัมน์ซ้าย บรรทัดที่สองของคอลัมน์ขวา ทำให้สับสนทันที ตารางยิ่งแย่ลงไปอีก ตารางใน PDF มักจะเป็นบล็อกข้อความที่วางตำแหน่งด้วยพิกัดสัมบูรณ์ ไม่มีข้อมูลความหมายใด ๆ ว่า “นี่คือแถว” “นี่คือคอลัมน์” สำหรับตัวแยกวิเคราะห์ PDF ของ AI ทำได้แค่เดา PDF ที่สแกนมาไม่ต้องพูดถึง เพราะเป็นรูปภาพโดยตรง ต้องผ่าน OCR (การรู้จำข้อความ) ก่อน และอัตราความผิดพลาดของ OCR จะเข้าสู่บริบทของโมเดลโดยตรง

.docx และ .pptx โดยพื้นฐานแล้วเป็นไฟล์ ZIP ที่บีบอัดไว้ ข้างในมีไฟล์ XML จำนวนมาก เนื้อหาดั้งเดิมที่แยกวิเคราะห์ออกมามีเครื่องหมายสไตล์มากมาย เช่น แบบอักษร สี ระยะห่างย่อหน้า หัวข้อ บันทึกการแก้ไข ซึ่งไม่มีประโยชน์ต่อการทำความเข้าใจเนื้อหาของโมเดล แต่กิน token จำนวนมาก เจือจางข้อมูลที่มีประโยชน์จริง ๆ สำหรับ PPT ความหนาแน่นของข้อมูลต่ำอยู่แล้ว สไลด์หนึ่งอาจมีแค่ประโยคเดียว คำสำคัญไม่กี่คำ แยกวิเคราะห์ออกมาเป็นข้อความที่กระจัดกระจาย ไม่มีการเชื่อมต่อบริบท โมเดลยากที่จะสร้างตรรกะที่สมบูรณ์ขึ้นมาใหม่ บางคนอาจบอกว่าแล้ว TXT ล่ะ? จริง ๆ แล้ว Markdown และ Word ประเภทนี้ โดยพื้นฐานแล้วสามารถแปลงเป็นเอกสาร TXT ได้ มันไม่มีสัญญาณรบกวนเพิ่มเติม แต่ก็ไม่มีสัญญาณโครงสร้างใด ๆ เช่นกัน โมเดลยากที่จะระบุว่าตรงไหนคือหัวข้อ ตรงไหนคือรายการ ตรงไหนคือบล็อกโค้ด ตรงไหนคือการอ้างอิง สำหรับเอกสารยาว ยังหมายความว่าโมเดลต้องเดาโครงสร้างจากเบาะแสภาษาธรรมชาติ ความแม่นยำไม่เสถียร

ภาพที่สร้างโดย AI

ภาษาที่คล้ายกันคือ JSON/XML พวกมันเป็นมิตรกับเครื่องมากกว่า แต่ “เครื่อง” ที่ว่านี้ไม่ได้หมายถึงโมเดลภาษา JSON และ XML ออกแบบมาสำหรับการแยกวิเคราะห์โดยโปรแกรม คู่คีย์-ค่า โครงสร้างลำดับชั้น ไวยากรณ์ที่เข้มงวด ซอฟต์แวร์ดั้งเดิมอ่าน JSON ได้สบายเพราะสามารถ json.parse() ได้โดยตรง ได้วัตถุที่มีโครงสร้าง แต่ “ความเข้าใจ” ของโมเดลภาษานั้นเกิดขึ้นผ่านความสัมพันธ์ทางสถิติระหว่าง token สำหรับโมเดลภาษา การอ่าน JSON และการอ่านภาษาธรรมชาติเป็นวิธีเดียวกัน ประมวลผลทีละ token อาศัยกลไกความสนใจในการสร้างความสัมพันธ์ การป้อนรูปแบบที่มีโครงสร้างเคร่งครัดนี้ให้กับระบบที่ออกแบบมาสำหรับอินพุตที่คลุมเครือ ถือเป็นการจับคู่ที่ผิดพลาด Markdown อยู่ตรงกลางระหว่างทั้งสอง มันเป็นข้อความล้วน แต่มีสัญญาณโครงสร้างแบบเบา

เครื่องมือบางอย่าง เช่น Jina Reader เมื่อเพิ่มคำนำหน้า r.jina.ai หน้าลิงก์ URL ของเว็บ จะสามารถแปลงหน้าเว็บใด ๆ เป็น Markdown ที่เป็นมิตรกับ LLM

การแยกวิเคราะห์ Markdown ไม่ต้องใช้เครื่องมือพิเศษใด ๆ อ่านข้อความโดยตรงก็ได้ ไม่มีความสับสนของพิกัดแบบ PDF ไม่มีสัญญาณรบกวน XML แบบ Word ในขณะเดียวกัน สัญลักษณ์ #, **, – ให้เบาะแสโครงสร้างที่เพียงพอแก่โมเดล ทำให้มันรู้ว่าส่วนนี้คือหัวข้อ ส่วนนี้คือรายการ ส่วนนี้คือโค้ด สัญลักษณ์เหล่านี้อยู่ในคำศัพท์ token อยู่แล้ว โมเดลจัดการโดยตรง ไม่ต้องมีขั้นตอนการประมวลผลล่วงหน้าใด ๆ

Markdown จะล้าสมัยด้วยหรือไม่?

ในบทความของวิศวกร Claude Code นั้น ได้นับข้อดีหลายประการของ HTML

ภาพที่สร้างโดย AI

ความหนาแน่นของข้อมูลสูงกว่า HTML สามารถสื่อข้อมูลได้มากกว่า Markdown มาก มันสามารถทำโครงสร้างเอกสารพื้นฐาน รูปแบบหัวข้อ และยังสามารถแสดงข้อมูลอื่น ๆ ได้อีกมากมาย เช่น สไตล์ CSS, รูปภาพ SVG, ข้อมูลพื้นที่ canvas, แผนผังลำดับงาน, การแทรกรูปภาพด้วยแท็ก img เป็นต้น เขายังกล่าวอีกว่า Claude สามารถจัดการงานที่ซับซ้อนมากขึ้นเรื่อย ๆ เอกสารข้อกำหนดและแผนที่มันเขียนก็ยาวขึ้นเรื่อย ๆ และไฟล์ Markdown ที่เกิน 100 บรรทัดนั้นอ่านไม่ไหวเลย ยิ่งไม่ต้องพูดถึงให้คนอื่นอ่าน แต่ประสบการณ์การอ่านเอกสาร HTML นั้นผ่อนคลายกว่า Claude สามารถใช้แท็บ ภาพประกอบ ลิงก์ ฯลฯ เพื่อจัดโครงสร้างให้ชัดเจนและนำทางได้ง่าย มัน甚至可以ทำเค้าโครงแบบตอบสนอง (responsive) อ่านสบายบนอุปกรณ์ต่าง ๆ

ในเรื่องการแชร์ เขายังคิดว่าการแพร่กระจายของ HTML นั้นง่ายกว่า Markdown การวางไฟล์ HTML ไว้บนแพลตฟอร์มคลาวด์ใด ๆ ส่งลิงก์นี้ให้เพื่อนและส่งเอกสาร Markdown โอกาสที่จะคลิกลิงก์เพื่ออ่านมีมากกว่า เช่นเดียวกับการทำรายงานตอนนี้ การนำเสนอ PPT หลายสิบหน้า ไม่ดีเท่าการเปิดหน้าเว็บโดยตรง ผลิตภัณฑ์วิจัยเชิงลึกที่พบเห็นทั่วไปในตลาด เมื่อสร้าง PPT รูปแบบที่ใช้ก็เริ่มจากการเรนเดอร์หน้า HTML เช่นกัน

นอกจากนี้ยังมีการโต้ตอบของ HTML เราสามารถคลิกปุ่มต่าง ๆ ใช้แถบเลื่อนหรือปุ่มหมุนเพื่อปรับการแสดงข้อมูลที่แตกต่างกัน เมื่อพูดถึงว่าเอาต์พุต Markdown ใช้ Token น้อยกว่า HTML และใช้เวลาน้อยกว่า เขากล่าวว่า HTML อาจช้ากว่า Markdown 2-4 เท่า แต่คิดว่าคุ้มค่า และพลังในการแสดงออกที่ HTML นำมา รวมถึงโอกาสที่ผู้คนจะอ่านมันจริง ๆ เพิ่มขึ้นอย่างมาก ส่งผลให้ผลลัพธ์สุดท้ายดีขึ้นแทน เรายังลองแปลงบทความยาวของ Thariq นี้เป็นรูปแบบ HTML เมื่อเทียบกับภาพหน้าจอยาวของทวีต X เนื้อหาที่แสดงใน HTML จะเป็นมิตรกับผู้อ่านมากกว่า

แปลงบทความยาวบน X เป็น HTML｜เลื่อนขึ้นลงเพื่อดูเนื้อหาเพิ่มเติม

สำหรับประเด็นที่ HTML เหมาะกับการอ่านของมนุษย์มากกว่า ข้อดีที่กล่าวถึงในบทความฟังดูเหมือน Markdown ทำได้ยาก แต่การวาดภาพให้ HTML เป็นภาษาสากลใหม่ของ AI ยังเร็วเกินไป ในอนาคต ทุกการสนทนาของเราจะต้องรอให้ AI ส่งออกหน้าเว็บที่เรียกว่า “สวยงาม มีสไตล์ โต้ตอบได้” ทุกครั้งหรือไม่? ฉันคิดว่าเมื่อเราคุยเล่นกับเพื่อน เราไม่ต้องการให้มันแต่งตัวจัดเต็ม และไม่ต้องการให้มันแต่งหน้าเป็นชั่วโมง ให้เรารออยู่กับที่ ยิ่งไม่ต้องพูดถึงว่า AI ที่ผู้ใช้ส่วนใหญ่เข้าถึง ซึ่งก็คือ AI ที่ไม่ได้เจาะจงด้านการเขียนโปรแกรม การออกแบบ ฯลฯ โดยเฉพาะ ล้วนโต้ตอบในรูปแบบการสนทนาทั้งสิ้น การสนทนาของเราอาจไม่ต้องการ HTML ที่สวยงาม Markdown ที่มีอยู่ก็เพียงพอแล้ว

บทความของวิศวกร Claude Code นี้ยังกล่าวถึงว่า HTML เหมาะกับโปรเจกต์ใดบ้าง เช่น การขอให้ AI สร้างเอกสารข้อกำหนดโดยละเอียด รวมถึงการวางแผนโปรเจกต์และการสำรวจแผนการออกแบบต่าง ๆ หรือการตรวจสอบและทำความเข้าใจโค้ดด้วยภาพ การสร้างต้นแบบเชิงโต้ตอบ (เช่น แอนิเมชันและเอฟเฟกต์การเคลื่อนไหว) และรายงานการวิจัย เป็นต้น ซึ่งสถานการณ์เหล่านี้เป็นสถานการณ์ที่เหมาะกับการนำเสนอผ่านหน้าเว็บอยู่แล้ว การใช้มันเพื่อท้าทายตำแหน่งของ Markdown นั้นค่อนข้างไม่ยุติธรรม ผู้เขียนสรุปในตอนท้ายว่า HTML เป็นผลลัพธ์สุดท้ายที่ AI ส่งมอบให้มนุษย์อ่านได้ดีกว่า แต่เขาไม่ได้主张ให้ใช้ HTML เป็นหน่วยความจำทำงานหรือรูปแบบบริบทของ AI เพราะ Markdown ในด้านนี้คือทางออกเดียวของ AI ทั้งหมดในปัจจุบัน

Markdown ยังคงเป็น Word ในยุค AI แล้ว Markdown จะไปทางไหนในที่สุด? Markdown คือภาษาทำงานของ AI เป็นพาหะของบริบท เป็นรูปแบบที่ Agent ใช้ส่งข้อมูลระหว่างกัน แต่มันอาจไม่จำเป็นต้องเป็นสิ่งที่ผู้ใช้เห็นในที่สุด HTML หรือรูปแบบที่ดีกว่าในอนาคต คืออินเทอร์เฟซหลังจากที่ Markdown ถูกเรนเดอร์ HTML ไม่จำเป็นต้องท้าทายตำแหน่งของ Markdown มันแค่ต้องรับบทบาทที่ Markdown ไม่เคยต้องรับ Markdown สามารถเป็นส่วนหนึ่งของ HTML ได้ เมื่อเราคุยกับ AI บนเว็บ คำตอบที่ AI ให้เราคือ Markdown ซึ่งในขณะนั้นมันถูกฝังอยู่ใน HTML ในอนาคต Markdown จะเป็นเหมือนบล็อกตัวต่อ มันจะถูกฝังอยู่ใน HTML หรือแม้แต่ภาษา XTML ที่สวยงามกว่า

ภาพที่สร้างโดย AI

รูปแบบจะก้าวไปข้างหน้าเสมอ HTML คือส่วนหน้าของช่วงเวลานี้ แต่ก็เป็นเพียงช่วงเวลานี้เท่านั้น จุดหมายต่อไปอาจเป็นพื้นที่ 3 มิติที่โต้ตอบได้ และจุดหมายถัดไปอาจเป็นสตรีมสัญญาณที่เขียนลงบนเรตินาโดยตรง แต่ไม่ว่าส่วนหน้าจะเปลี่ยนเป็นอะไร ส่วนหลังที่ทำงานอยู่ก็ยังคงเป็น Markdown มันจะไม่ถูกแทนที่ มันจะถูกหลงลืมเท่านั้น และในโลกของเทคโนโลยี การถูกทุกคนลืมเลือน คือรูปแบบแห่งชัยชนะสูงสุดของรูปแบบหนึ่ง ทุกยุคสมัยมีการถกเถียงกันว่าอินเทอร์เฟซถัดไปคืออะไร แต่สิ่งที่อยู่รอดจริง ๆ ไม่เคยเป็นอินเทอร์เฟซ แต่เป็นโปรโตคอล