Tag: Mental models

สัปดาห์ที่แล้ว ผมมีโอกาสแชร์ความรู้การใช้ AI ในหัวข้อ AI literacy ให้กับนักศึกษาคณะการศึกษาปฐมวัย มหาวิทยาลัยหอการค้าไทย

ในบทความนี้ ผมจะมาสรุป 31 ข้อคิดที่ผมแชร์ใน session โดยแบ่งเป็น 5 กลุ่ม:

1. Why AI literacy: ความสำคัญของ AI literacy
2. Working with AI: แนวคิดการทำงานกับ AI
3. How to prompt: วิธีเขียน prompt
4. Future trends: แนวโน้มของ AI ในอนาคต
5. Be human: การเป็นมนุษย์ในยุคของ AI

ถ้าพร้อมแล้ว ไปเริ่มกันเลย

1. 🤖 Part I. Why AI Literacy
2. 💼 Part II. Working With AI
3. 👷 Part III. How to Prompt
4. 🚀 Part IV. Future Trends
5. 😌 Part V. Be Human

🤖 Part I. Why AI Literacy

.

ข้อ 1. Pareto Principle (80/20 rule)

Pareto principle เป็น mental model หรือแนวคิดช่วยตัดสินใจที่บอกว่า 80% ของความสำเร็จมักมาจาก 20% ของสิ่งที่เราทำ

ในยุคที่ AI เข้ามามีบทบาทในหลายด้านของชีวิต ทักษะ AI เป็นสิ่งง่าย ๆ ที่เราทำได้เพื่อช่วยให้เราอยู่รอด

การเรียนรู้เกี่ยวกับ AI คือ 20% ที่เราทำได้ เพื่อให้โอกาสอยู่รอดถึง 80%

.

ข้อ 2. What is AI literacy?

AI literacy คือ ความเข้าใจและความสามารถในการใช้งาน AI ได้อย่างมีประสิทธิภาพ

.

ข้อ 3. AI can do many things

AI สามารถทำได้หลายอย่าง เช่น:

• Content: สร้าง content เช่น ข้อความ ภาพ เสียง และวิดีโอ
• Analysis: วิเคราะห์ข้อมูลขนาดใหญ่อย่างรวดเร็ว
• Automation: ทำงานโดยอัตโนมัติ (เช่น คุยกับลูกค้าในขณะที่เราหลับ)

.

ข้อ 4. Jobs at risk

ความสามารถของ AI ทำให้มีหลายงานเสี่ยงที่จะถูกแทนที่ แม้กระทั่งงานที่ปกติจะต้องใช้มนุษย์ เช่น:

• ล่าม/นักแปลภาษา
• นักเขียน
• โปรแกรมเมอร์
• Customer service

เมื่อเป็นอย่างนี้ AI จะมาแทนที่มนุษย์ไหม?

.

ข้อ 5. AI still has limitations

แม้ AI จะทำได้หลายอย่าง แต่ก็ยังมีข้อจำกัดอยู่ เช่น:

• Hallucination: ส่งข้อมูลที่ไม่เป็นจริงกลับมา (เช่น พูดถึงสถานที่เที่ยวที่ไม่มีอยู่จริง)
• Accident: รถที่ขับเคลื่อนเองด้วย AI ยังทำให้เกิดอุบัติเหตุบนท้องถนนได้
• Bug: AI เขียน code ได้เร็วแต่ก็ยังมี bug เยอะ ทำให้ code ไม่สามารถใช้งานได้ในทันที

.

ข้อ 6. We must not fear AI, but people who use AI

ด้วยข้อจำกัดของ AI เรายังไม่ต้องกลัวว่า AI จะมาแทนที่เรา

แต่เราควรจะกลัวคนที่ใช้ AI เป็นมากกว่า

AI won’t replace people, but maybe people that use AI will replace people that don’t. — Andrew Ng

คนที่ใช้ AI เป็นสามารถไปได้ไกลกว่าคนอื่น

เช่น ถ้าไม่ใช้ AI เราอาจจะใช้เวลา 2 วันเพื่อเขียนรายงานส่งอาจารย์

แต่เมื่อใช้ AI เราอาจใช้เวลาแค่ 2 ชั่วโมง และมีเวลาสำหรับอ่านหนังสือสอบมากขึ้น ทำให้เรามีโอกาสได้เกรดที่ดีกว่าคนอื่น

.

ข้อ 7. The one who survives is the one who levels up

แต่ละครั้งที่มีเทคโนโลยีใหม่เกิดขึ้น คนที่อยู่รอด คือ คนที่ยกระดับตัวเอง

สมัยก่อน เราผลิตหนังสือโดยใช้ scribe หรือชาวบ้านที่ฝึกคัดลอกหนังสือมาโดยเฉพาะ scribe ใช้เวลาฝึกฝนนานหลายปีกว่าจะสามารถคัดหนังสือได้

วันหนึ่ง เครื่องพิมพ์ถูกพัฒนาขึ้น เราสามารถพิมพ์หนังสือได้หลายพันหน้าในวันเดียว โดยไม่ต้องพึ่ง scribe

ความต้องการ scribe ลดน้อยลงเรื่อย ๆ และ scribe ที่ยึดติดกับวิธีการผลิตหนังสือแบบเดิม ก็ค่อย ๆ หายไปพร้อมกับความต้องการของตลาด

ส่วน scribe ที่ปรับตัวเข้าหาเทคโนโลยี และฝึกควบคุมเครื่องพิมพ์ ยังคงอยู่รอดต่อไป

การมาถึงของ AI ก็เหมือนเครื่องพิมพ์ ถ้าเราไม่เรียนรู้ที่จะใช้ AI เราก็จะค่อย ๆ ถูกลืม เหมือนกับ scribe ที่ยังคัดหนังสือด้วยมือ

.

ข้อ 8. We are at a crossroad: choose

AI พัฒนาเร็วขึ้นและก้าวกระโดดมากขึ้นเรื่อย ๆ

ในช่วงแรกที่ ChatGPT เปิดตัวใหม่ ๆ เราต้องรอนานหลายเดือนกว่าจะได้ใช้ ChatGPT เวอร์ชั่นใหม่ที่มีความสามารถไม่ต่างจากเวอร์ชั่นก่อนหน้ามากนัก

ในปัจจุบัน เราจะเห็น ChatGPT มีการอัปเดตที่ถี่ขึ้น และในอัปเดตแต่ละครั้ง ChatGPT มีความสามารถมากกว่าเวอร์ชั่นก่อนมาก

การที่ AI พัฒนาเร็วขึ้นเรื่อย ๆ ทำให้เรามีเวลาปรับตัวน้อยลงเรื่อย ๆ

และตอนนี้ เราเหมือนอยู่ที่ทางแยกที่เราจะต้องเลือกว่า เราจะเรียนรู้การใช้ AI ให้เป็นและอยู่รอดในยุคของ AI หรือเราจะใช้ AI แบบเดิม ๆ และถูกทิ้งไว้ข้างหลัง

The people who will come out of this well won’t be the ones who mastered one tool. They’ll be the ones who got comfortable with the pace of change itself. — Matt Shumer

💼 Part II. Working With AI

.

ข้อ 9. Maslow’s hammer

I suppose it is tempting, if the only tool you have is a hammer, to treat everything as if it were a nail. — Abraham Maslow

Maslow’s hammer เป็น mental model ที่บอกว่า เครื่องมือสามารถจำกัดมุมมองของเราได้

เช่น ถ้าเรามีค้อน เราจะมองทุกอย่างเป็นตะปู

ในยุคของ AI เราอาจมองว่าทุกอย่างแก้ได้ด้วย AI:

• ทำงานเร็วขึ้น
• ผิดพลาดน้อยลง
• มีเวลามากขึ้น

แต่ไม่ใช่ทุกปัญหาจะแก้ได้ด้วย AI เพราะ AI ไม่ใช่เครื่องมือสำหรับแก้ทุกอย่าง

ถ้าเราอยากตอกตะปู เราจะต้องใช้ค้อน ไม่ใช่ AI

การใช้ AI ที่ถูกต้อง คือ เริ่มต้นจากปัญหาและความต้องการของเรา แล้วเลือกเครื่องมือที่ตอบโจทย์ ซึ่งเครื่องมือนั้นอาจจะเป็น AI หรือไม่ก็ได้

.

ข้อ 10. AI is built in man’s image

AI เกิดจากการ train model ด้วยข้อมูลจากอินเทอร์เน็ตซึ่งมาจากมนุษย์

Human -> Data -> Train -> AI

เพราะ AI ถูกสร้างจากข้อมูลของมนุษย์ และเรามองได้ว่า AI เป็นเหมือนเป็นมนุษย์คนหนึ่ง

.

ข้อ 11. AI as capable but junior assistant

ถ้าเรามอง AI เป็นคน AI จะเป็นเหมือนผู้ช่วยที่มีความรู้รอบด้านและมีศักยภาพสูง

แต่สิ่งเดียวที่ผู้ช่วยคนนี้ยังขาดไป คือ ทิศทาง

.

ข้อ 12. Even a fried egg is hard to get right

การทำงานกับ AI ก็เหมือนสั่งไข่ดาว แม้จะดูง่าย แต่ก็ไม่ง่ายอย่างที่คิด

บางครั้ง เราอยากกินไข่ไม่สุก แต่ได้แบบสุกมาแทน

บางครั้ง เราอยากให้ AI สร้างรูปในแบบที่เราคิด แต่ไม่เคยได้ภาพนั้นสักที

.

ข้อ 13. Principal-agent dilemma

Principal-agent dilemma เป็น mental model ที่บอกว่า คนทำงาน (agent) มักทำตามความต้องการของคนสั่ง (principal) ไม่ได้ เพราะทั้งสองฝ่ายมีข้อมูลไม่เท่ากัน

ในตัวอย่าง เราไม่ได้ไข่ดาวที่ต้องการ เพราะคนทอดไข่ไม่รู้ว่าเราชอบไข่สุกหรือไม่สุก

เช่นเดียวกัน AI สร้างรูปที่เราต้องการไม่ได้ เพราะ AI ไม่รู้ว่ารูปที่เราคิดต้องการเป็นยังไง

.

ข้อ 14. Fixing the egg

ถ้าเราอยากได้ไข่ดาวที่ต้องการ เราจะต้องทำให้ AI รู้เท่ากับเรา เช่น ให้ข้อมูลอย่าง:

1. Goal: ภาพปลายทางที่เราต้องการ (ภาพแมวน่ารัก)
2. Steps: ขั้นตอนที่จะไปถึงจุดหมาย (วาดแมวก่อน แล้วค่อยวาดองค์ประกอบอื่น ๆ ในภาพ)
3. Constraints: ข้อจำกัดหรือสิ่งที่ไม่ควรทำ (เช่น ไม่เอาแมวสีดำ ฉากหลังต้องดูสดใส)

.

ข้อ 15. Human in the loop: taste and iterate

Taste: เมื่อไข่ดาวมาเสิร์ฟ เราจะไม่รู้ว่าไข่ดาวอร่อยไหม จนกว่าจะได้ลองชิมด้วยตัวเอง

การทำงานกับ AI ก็เช่นกัน เราไม่ควรจะบอกว่า สิ่งที่ AI ส่งกลับมาดีไหม จนกว่าจะได้เช็กด้วยตัวเอง

Iterate: ถ้าชิมแล้วไข่ดาวไม่อร่อย เราจะบอกกับคนทอดว่า ไม่อร่อยเพราะอะไร และจะทำยังไงให้อร่อยมากขึ้น และรอชิมไข่จานต่อไป

ถ้าสิ่งที่ AI ส่งกลับมาไม่ตรงใจ เราควรจะบอก AI ว่าอะไรที่ยังไม่ถูกใจ เพื่อให้ AI ปรับผลลัพธ์และส่งกลับมาให้เราเช็กจนกว่าเราจะพอใจกับงานของ AI

.

ข้อ 16. Be accountable

เราควรจะเช็กงานของ AI ทุกครั้ง เพราะถ้าเราไม่รับผิดชอบกับงานของ AI เราอาจจะเป็นเหมือนทนายความจากออสเตรเลียที่ถูกตรวจสอบ หลังจากศาลพบว่าเอกสารที่ทนายนำส่งเป็นข้อมูลที่ไม่มีอยู่จริง

แม้ทนายจะอ้างว่ารู้เท่าไม่ถึงการณ์ว่า AI ที่บริษัทให้ใช้สามารถสร้างข้อมูลที่ไม่มีอยู่จริงได้ และตัวเองควรตรวจสอบข้อมูลจาก AI ก่อน ศาลยังสั่งให้ทนายงดว่าความด้วยตัวเองเป็นเวลา 2 ปี โดยในระยะเวลานี้จะต้องทำงานเป็นลูกจ้างของคนอื่น และต้องรายงานต่อศาลทุกไตรมาส

ดังนั้น ไม่ว่างานของ AI จะดูดีขนาดไหน เราควรจะตรวจสอบด้วยตัวเองก่อนที่จะนำงานไปใช้จริง

👷 Part III. How to Prompt

.

ข้อ 17. Prompt and prompt engineering

Prompt คือ คำสั่งสำหรับทำงานกับ AI ซึ่งจะเป็น:

• ข้อความ
• ภาพ
• เสียง

หรือสื่ออื่น ๆ ก็ได้

Prompt engineering คือ การออกแบบ prompt เพื่อทำให้ AI ทำงานได้อย่างมีประสิทธิภาพสูงสุด

.

ข้อ 18. Effective prompts

Prompt ที่ดีมีลักษณะ 3 อย่าง:

1. Clear: ชัดเจนว่า สิ่งที่ต้องทำคืออะไร
2. Specific: มีความเจาะจง ไม่คลุมเครือ
3. Structured: มีโครงสร้างที่ดี รู้ว่าข้อมูลไหนคืออะไรและต้องใช้ยังไง

นอกจากนี้ ทั้ง 3 อย่างต้องทำงานภายในเป้าหมายและขอบเขตงานที่เราต้องทำ

.

ข้อ 19. How and what of prompting

การเขียน prompt ที่เราจะต้องรู้มี 2 อย่าง:

1. Prompting technique (how): วิธีเขียน prompt ให้ AI เข้าใจ
2. Prompting framework (what): สิ่งที่เราจะควรใส่ลงใน prompt

.

ข้อ 20. Prompting technique: n-shot

n-shot technique เป็นการสั่ง AI โดยให้ตัวอย่าง (shot) และแบ่งได้เป็น 3 ประเภท:

• Zero-shot: สั่งโดยไม่ให้ตัวอย่าง
• One-shot: สั่งโดยให้ 1 ตัวอย่าง
• Few-shot: สั่งโดยให้หลายตัวอย่าง

เราจะใช้ shot น้อยเมื่อต้องการให้คำตอบของ AI มีความหลากหลาย (มีความสร้างสรรค์)

และใช้ shot เยอะเมื่อต้องการให้คำตอบของ AI ใกล้เคียงกับภาพที่เราต้องการมากที่สุด

ตัวอย่างการใช้ n-shot:

จะสังเกตว่า ยิ่งให้ shot เยอะ คำตอบของ AI ก็จะยิ่งใกล้เคียงกับตัวอย่างมากขึ้น (zero-shot ให้สัตว์ป่า แต่ few-shot ให้สัตว์เลี้ยง)

.

ข้อ 21. Prompting technique: COT

COT ย่อมาจาก chain-of-thought ซึ่งเป็นวิธีเขียน prompt โดยกำหนดวิธีคิดให้กับ AI

เช่น แทนที่ให้ AI แก้โจทย์เลขในทันที:

A ซื้อส้ม 2 ลูก ลูกละ 10 บาท A ต้องจ่ายเงินเท่าไร

เราจะสอนให้ AI คิดก่อน:

A ซื้อส้ม 2 ลูก ลูกละ 10 บาท
วิธีคิด:
1. หาว่า ส้มราคาลูกละเท่าไร
2. คูณจำนวนราคาด้วยจำนวนส้มที่ต้องซื้อ
A ต้องจ่ายเงินเท่าไร

COT เหมาะกับงานที่ซับซ้อนหรือมีหลายขั้นตอน เช่น:

• แก้สมการเลข
• วิเคราะห์งานวิจัย
• การวางแผนเชิงกลยุทธ์

.

ข้อ 22. Prompting framework: theatre model

Theatre model เป็นแนวการเขียน prompt ที่มนุษย์เป็นเหมือนผู้กำกับ และ AI เป็นนักแสดงบนเวทีของเรา

Theatre model ประกอบด้วย 6 ส่วน ได้แก่:

1. Role: บทบาทของ AI
2. Context: setting ของละคร (บริบทในการทำงาน)
3. Task: การเดินเรื่อง (เป้าหมาย ขั้นตอน และข้อจำกัด)
4. Output format: จุดจบของเรื่องจะเป็นยังไง (ส่งที่ AI ต้องส่งให้เรา)
5. Input: อุปกรณ์ที่จะให้นักแสดงใช้ (ข้อมูลสำหรับ AI)
6. Execution: “Action!” (คำสั่งให้ AI)

ตัวอย่างการใช้ theatre model เพื่อสร้างสูตรอาหารใหม่:

.

ข้อ 23. Annotation

เพื่อช่วยให้ AI เข้าใจ prompt ได้มากขึ้น เราควรจัด format ให้อ่านง่ายโดยใช้ XML tags และ markdown:

• XML tags เช่น <example>ตัวอย่าง</example>
• Markdown เช่น # และ *

อ่านเพิ่มเติมเกี่ยวกับ XML tags และ markdown

.

ข้อ 24. Iterate

Prompt แรกอาจจะไม่ให้ในสิ่งที่เราต้องการเสมอไป

สิ่งที่เราต้องทำ คือ วิเคราะห์ว่า ผลลัพธ์ยังขาดอะไรไป และมีส่วนไหนของ prompt ที่เราปรับได้ แล้วส่ง prompt ที่แก้แล้วให้ AI อีกครั้ง

ทำอย่างนี้วนไปจนกว่าจะได้ผลลัพธ์ที่เราต้องการ

.

ข้อ 25. Ask AI

ถ้าไม่รู้ว่าจะเขียน prompt ยังไง หรือ prompt ยังขาดอะไรไป เราสามารถถาม AI ได้ให้ช่วยเราได้

ตัวอย่าง:

🚀 Part IV. Future Trends

.

ข้อ 26. AI, more agentic

AI จะทำงานแบบอัตโนมัติมากขึ้น และมีมนุษย์เข้ามาเกี่ยวข้องน้อยลง

.

ข้อ 27. Human and AI getting closer

เพราะ AI จะทำงานได้ด้วยตัวเองมากขึ้น AI จะเข้ามามีบทบาทในการทำงานมากขึ้น ทำให้มนุษย์จะทำงานกับ AI อย่างใกล้ชิดมากขึ้น

😌 Part V. Be Human

.

ข้อ 28. Humans required

แม้ว่า AI จะสามารถทำงานหลาย ๆ อย่างแทนมนุษย์ได้ แต่ในบางงาน เรายังต้องการมนุษย์ด้วยกันเองอยู่ เช่น:

• นักบิน: แม้ AI จะขับเครื่องบินได้ แต่เราก็อยากให้มีนักบินที่สามารถแก้ปัญหาเฉพาะหน้าอยู่ในห้องนักบิน
• หมอ: แม้ AI จะวินิจฉัยโรคได้แม่นยำกว่ามนุษย์ แต่เราก็ยังต้องการให้มีคนบอกข่าวดี/ร้ายเป็นคนที่เข้าใจความรู้สึกของเรา
• Customer service: บางครั้ง เราก็ต้องการคุยกับคนมากกว่า chatbot ที่ตอบเป็น pattern

.

ข้อ 29. Skill, like muscle

ทักษะก็เป็นเหมือนกล้ามเนื้อ เมื่อไม่ได้ใช้งาน ก็จะอ่อนแอลงเรื่อย ๆ

ถ้าเราใช้ AI ทำทุกอย่างให้เรา ทักษะที่เราเคยมีก็จะค่อย ๆ หายไป

.

ข้อ 30. What not to outsource to AI

4 ทักษะที่เราควรฝึกพัฒนา และไม่ควรให้ AI ทำแทนเรา ได้แก่:

1. Thinking: การคิด เพราะถ้าเราคิดไม่ได้แล้ว เราจะไม่ประเมินงานของ AI ได้ว่าดี/ไม่ดี
2. Learning: ถ้าเราไม่เรียนรู้สิ่งใหม่ ๆ เราจะถูกทิ้งไว้ข้างหลัง โดยเฉพาะในยุคที่การเปลี่ยนแปลงเกิดขึ้นอย่างรวดเร็ว
3. Writing and reading: การเขียนและการอ่านเป็นทักษะที่ช่วยให้เราคิดและเรียนรู้ได้อย่างมีประสิทธิภาพ
4. Empathy: การเข้าใจคนอื่นเป็นทักษะที่ช่วยให้เราเข้าใจคนอื่นและเชื่อมโยงถึงกันและกันในแบบที่ AI ยังไม่สามารถทำได้

.

ข้อ 31. When to use AI

3 กรณีที่เราจะใช้ AI:

1. Routine: ใช้ AI ทำงานจำเจหรืองานที่ต้องเป็นประจำ เพื่อที่เราจะได้โฟกัสงานที่ต้องใช้ความคิดมากขึ้น
2. What and how: ใช้ AI ทำงานในขณะที่เราโฟกัสกับภาพใหญ่ ซึ่งได้แก่ when (ทำเมื่อไร) และ why (ทำไมต้องทำ)
3. Brainstorm: ใช้ AI ช่วยระดมความคิด เพราะ AI มีข้อมูลเยอะ และช่วยให้เห็นมุมมองที่เราคิดไม่ถึงมาก่อนได้

🔔 ใครที่ชอบบทความนี้ ฝากกด subscribe และติดตามกันได้ที่:

• Website: shinoshigoto.com
• Facebook: Svaron Solution
• Instagram: @svaronsolution
• Thread: @svaronsolution