Tag: Prompting mindset

ในช่วงต้นปีที่ผ่านมา ผมได้มีโอกาสแชร์วิธีการทำงานกับ AI ให้กับคนในบริษัท โดยเนื้อหาส่วนใหญ่ไปที่การใช้ prompt เป็นหลัก และเป็นการตกตะกอนความรู้ AI ที่สะสมจากแหล่งต่าง ๆ

เช่น:

• Google AI Essentials (Coursera)
• AI Fundamentals (DataCamp)
• AI Python for Beginner (DeepLearning.AI)
• Prompt Engineering 101 (DataRockie)
• AI Thailand Conference 2024
• DigiTech ASEAN Thailand & AI Connect 2024

รวมไปถึงการใช้งาน AI ในการทำงานด้วยตัวเอง .

ในบทความนี้ ผมจะชวนไปดูแนวทางการทำงานกับ AI ซึ่งเป็นเนื้อหาต่อยอดจากสิ่งที่ผมได้แชร์ไปเมื่อต้นปี

โดยบทความจะแบ่งเป็น 5 ส่วน:

1. What is AI?
2. Mindset ในการทำงานกับ AI
3. Prompting frameworks: โครงการเขียน prompt ง่าย ๆ
4. Prompting techniques: เทคนิคการช่วย AI คิดให้ตอบโจทย์
5. Tips: เคล็ดลับเพิ่มเติม

ถ้าพร้อมแล้วไปเริ่มกันเลย

1. 1️⃣ What Is AI?
2. 2️⃣ Mindset ในการทำงานกับ AI
   1. 👌 ข้อที่ 1. AI Is Okay
   2. 🙆 ข้อที่ 2. AI as a Colleague
   3. ➿ ข้อ 3. Human in the Loop
   4. 🗝️ สรุป Mindset การทำงานกับ AI
3. 3️⃣ Prompting Frameworks
   1. 🍚 RICE: Input Structure
   2. 🧂 SALT: Output Structure
   3. 🗝️ สรุป Prompting Frameworks
4. 4️⃣ Prompting Techniques
   1. 🥃 n-Shot
   2. 💭 COT
   3. 🗝️ สรุป Prompting Techniques
5. 5️⃣ Tips
   1. #️⃣ Annotation
   2. 😡 EmotionPrompt
   3. 🗑️ GIGO
   4. 🗝️ สรุป Tips ในการทำงานกับ AI

1️⃣ What Is AI?

AI หรือ artificial intelligence หมายถึง โปรแกรมคอมพิวเตอร์ที่สามารถทำงานได้เหมือนมนุษย์ เช่น:

• คิดวิเคราะห์
• ใช้เหตุผล
• โต้ตอบด้วยภาษาธรรมชาติ
• สร้างงานศิลป์

เมื่อพูดถึง AI อีกคำที่มักจะได้ยิน คือ machine learning

แม้จะมีความหมายคล้ายกัน แต่ machine learning เป็น subset และเป็นมันสมองของ AI

โดยนิยามของ machine learning คือ การเขียนโปรแกรมที่ทำให้คอมพิวเตอร์เรียนรู้จากข้อมูลได้ด้วยตัวเอง โดยไม่ต้องมีมนุษย์คอยกำกับ (Arthur Samuel)

2️⃣ Mindset ในการทำงานกับ AI

ในการจะเริ่มทำอะไร เราควรเริ่มจากตัวเราก่อน โดย mindset ที่ควรมีในการทำงานกับ AI มีอยู่ 3 ข้อ

.

👌 ข้อที่ 1. AI Is Okay

ก่อนอื่น เราควรจะเปิดใจยอมรับ AI

AI เป็นสิ่งใหม่ที่หลายคนอาจยังไม่มีความเข้าใจอย่างลึกซึ้ง แต่ยังไง AI ก็เป็นเพียงเครื่องมืออย่างหนี่งในการทำงาน

เมื่อเราเปิดใจยอมรับ และทำความเข้าใจจุดแข็งและข้อจำกัดของ AI เราก็จะสามารถใช้งาน AI ได้อย่างมีประสิทธิภาพ และตอบโจทย์การทำงานของเรา

Note: ผมหยิบคำว่า “AI is okay” มาจากผู้บริหารในบริษัทอีกที 🙏

.

🙆 ข้อที่ 2. AI as a Colleague

ข้อนี้อาจจะฟังดูขัดกับข้อแรกที่มองว่า AI เป็นเครื่องมือ

AI เป็นเทคโนโลยีปฏิวัติโลก เช่นเดียวกับไฟ เครื่องจักรไอน้ำ และอินเทอร์เน็ต

แต่ AI มีความแตกต่างคือ เป็นเครื่องมือที่มีความ “ฉลาด” ใกล้เคียงกับมนุษย์

และด้วยความฉลาดนี้ ทำให้เราสามารถมองว่า AI เป็นมากกว่าเครื่องมือ หรือเป็นเพื่อนร่วมงานของเราได้

การมอง AI แบบนี้ ไม่ได้มีผลต่อแค่ความคิด แต่ส่งผลในทางปฏิบัติด้วย

เช่น ถ้าเราคิดไม่ออกว่าจะสั่งงาน AI ยังไง ให้ลองนึกว่า ถ้า AI เป็นคน เรากำลังจะพูดยังไง

เราอาจจะพูดว่า:

ช่วยทำรายงานให้หน่อย

เช่นเดียวกับคน ถ้าเราไม่มีข้อมูล การเขียนรายงานจะเริ่มไม่ได้ ซึ่งเราก็อาจจะเห็น AI ตอบกลับเหมือนกับเพื่อนร่วมงานของเรา:

อยากให้ช่วยเขียนรายงานเรื่องอะไร? ต้องเขียนเกี่ยวกับอะไรบ้าง? ขอข้อมูลหน่อย

แล้วเราก็จะต้องส่งข้อมูลเพิ่มให้ก่อน AI จะทำงานได้

จากตัวอย่าง เราจะเห็นว่า การทำงานกับ AI มีความเหมือนกันกับการทำงานกับคน ดังนั้น การมองว่า AI เป็นเพื่อนร่วมงานจะช่วยเป็นแนวทางในการทำงานกับ AI ให้เราได้

.

➿ ข้อ 3. Human in the Loop

สุดท้ายและเป็นข้อที่สำคัญ คือ เราควรทำงาน “ร่วม” กับ AI

อย่างที่เราเห็นว่า AI เป็นเหมือนเพื่อนร่วมงาน และเช่นเดียวกับเพื่อนร่วมงานที่ทำงานผิดพลาดได้ AI ก็เช่นกัน

ถ้าเราทำงานกับเพื่อน แล้วนำงานของเพื่อนไปใช้ แล้วเกิดข้อผิดพลาด เราอาจจะชี้นิ้วไปที่เพื่อนได้ แต่เราในฐานะเจ้าของงาน ก็ต้องรับผิดชอบในผลที่เกิดขึ้นด้วย

ดูตัวอย่างจากกรณีของทนายความในออสเตรเลีย ที่นำเอกสารจาก AI ไปใช้ในชั้นศาล และถูกเรียกตรวจสอบวินัย เพราะศาลพบว่าข้อมูลในเอกสารไม่เป็นความจริง

แม้ว่าทนายความจะยืนยันว่า ทำไปเพราะรู้เท่าไม่ถึงการณ์เกี่ยวกับการทำงานของ AI แต่ต้องรับผิดชอบผลกระทบที่ตามมาอยู่ดี

ดังนั้น เพื่อแสดงออกถึงความรับผิดชอบในงาน และป้องกันผลกระทบจากความผิดพลาดของ AI เราควรทำงานร่วมกับ AI โดยคอยตรวจสอบและกำกับงานของ AI ก่อนนำไปใช้งานต่อ

.

🗝️ สรุป Mindset การทำงานกับ AI

1. AI is okay: เปิดใจยอมรับ AI และทำความเข้าใจ AI ในฐานะเครื่องมือตัวหนึ่ง
2. AI as a colleague: มองและทำงานกับ AI เหมือนเป็นเพื่อนร่วมงานคนหนึ่ง
3. Human in the loop: ทำงานร่วมกับ AI โดยคอยตรวจสอบและกำกับการทำงานของ AI ก่อนนำงานไปใช้ต่อ

3️⃣ Prompting Frameworks

เราดู mindset ที่ควรมีในการทำงานกับ AI กันมาแล้ว ใน section นี้ เรามาดู prompting framework หรือแนวทางในการจัดโครงสร้าง prompt กัน

เพื่อให้เข้าใจตรงกัน prompt หมายถึง คำสั่งที่เราให้กับ AI เพื่อให้ AI ทำงานบางอย่างให้กับเรา (W3Schools)

Prompt มีหลากหลายรูปแบบ เช่น ข้อความ รูปภาพ วิดีโอ แต่แบบที่เราใช้กันบ่อยที่สุด คือ ข้อความ

ทั้งนี้ frameworks ในการขึ้นโครง prompt มีมากมาย อย่างที่เห็นได้ในเว็บไซต์ของ Juuzt AI ที่ระบุไว้มากถึง 57 frameworks

แต่ละ frameworks มีข้อดีและข้อเสียแตกต่างกันไป รวมทั้งมีการใช้งานที่ไม่เหมือนกัน เราควรศึกษาและเลือก framework ที่เหมาะกับเป้าหมายของงานของเรา

สำหรับบทความนี้ ผมจะแนะนำ 2 frameworks ที่สามารถใช้กับหลากหลายหน้างาน:

1. RICE
2. SALT

เหตุผลหนึ่งที่ผมเลือกนำเสนอ RICE และ SALT ก็เพราะ:

1. RICE ใช้กำกับ input
2. SALT ใช้กำกับ output

ทำให้เมื่อใช้ทั้ง 2 frameworks ร่วมกัน เราก็จะได้ prompt ที่ครอบคลุมทั้งต้นทางและปลายทาง

.

🍚 RICE: Input Structure

RICE เป็น framework ที่ระบุว่า เราควรกำหนด input ให้กับ 4 อย่าง:

1. Role: บทบาทของ AI ในการทำงาน เพื่อให้ AI นึกข้อมูลที่เกี่ยวข้องมาใช้งาน
2. Instruction: คำชี้แจงในการทำงาน เพื่อให้ AI รู้ว่าต้องทำอะไร
3. Context: บริบทของงาน เพื่อให้เป็นข้อมูลเพิ่มเติมในการทำงาน
4. Example: ตัวอย่างงาน เพื่อเป็นแนวทางในการทำงานให้ตรงกับภาพที่เราคาดหวัง

เรามาดูตัวอย่างการใช้ RICE กัน โดยเปรียบเทียบกับการ prompt อย่างง่าย ๆ

เช่น เราอยากให้ AI ช่วยวางแผนเที่ยวปีใหม่ให้กับเรา:

ถ้าไม่ใช้ RICE:

Help me plan for a New Year holiday trip.

ผลลัพธ์จาก ChatGPT:

จะเห็นว่า ChatGPT ต้องการข้อมูลเพิ่มเติม และเรายังไม่ได้คำตอบที่ต้องการ

ถ้าใช้ RICE:

[ROLE] You are a travel planner helping me organise a New Year holiday trip. [INSTRUCTION] Suggest a affordable 3-day itinerary for a relaxing vacation.

[CONTEXT] I enjoy nature and fresh air, and I like to avoid crowded tourist spots. [EXAMPLE] Examples of places I like are Chiang Mai and Nan.

ผลลัพธ์ จาก ChatGPT:

จะเห็นว่า เมื่อใช้ RICE เราจะได้ผลลัพธ์ที่ละเอียด อ่านง่าย ตอบโจทย์ และลงมือทำได้ทันที

Note: ในการเขียน prompt เราสามารถจัดลำดับ RICE ได้เอง (เช่น example มาก่อน instruction) แต่ขอให้อ่านแล้วฟังดูสมเหตุสมผลกัน

.

🧂 SALT: Output Structure

SALT ช่วยเรากำหนดลักษณะ 4 อย่างของ output:

1. Style: รูปแบบคำตอบที่ต้องการ เช่น เขียนเป็น paragraph หรือ bullet point
2. Audience: ผู้รับสาร เพื่อให้ AI ปรับการใช้คำและประโยคให้เหมาะสม
3. Length: ความยาวของคำตอบ
4. Tone: การใช้ภาษา เช่น เป็นทางการ หรือเป็นกันเอง

เรามาดูตัวอย่างกัน เช่น เราอยากเข้าใจคำว่า API (application programming interface):

ไม่ใช้ SALT:

Explain API

ผลลัพธ์จาก ChatGPT:

จะเห็นว่า ผลลัพธ์มีเนื้อหาที่อ่านง่าย แต่อาจต้องใช้เวลาในการทำความเข้าใจ

เราสามารถใช้ SALT เพื่อช่วยได้:

Explain API in a [STYLE] bullet-point format for [AUDIENCE] a 10-year-old, using an analogy. Length [LENGTH] around 100-150 words. Use [TONE] friendly tone.

ผลลัพธ์จาก ChatGPT:

จะเห็นว่า เราจะได้ผลลัพธ์ในแบบที่เรากำหนด ซึ่งช่วยให้อ่านและทำความเข้าใจได้ง่ายขึ้นกว่าก่อนหน้านี้

.

🗝️ สรุป Prompting Frameworks

เราทำความรู้จัก 2 prompting frameworks ที่ใช้ทำงานทั่วไปได้:

1. RICE: กำหนด input ด้วย role, instruction, context, example
2. SALT: กำหนด output ด้วย style, audience, length, tone

4️⃣ Prompting Techniques

Prompting techniques เป็นกลยุทธ์ในการช่วย AI กำหนดขั้นตอนการคิดและการทำงาน และสามารถใช้ควบคู่กับ prompting framework เพื่อทำให้งานออกมามีคุณภาพภาพมากขึ้นได้

ในบทความนี้ เราจะมาทำความรู้จักกับ 2 techniques พื้นฐานกัน ได้แก่:

1. n-shot technique
2. Chain-of-thought (COT) technique

.

🥃 n-Shot

Shot ในการเขียน prompt หมายถึง ตัวอย่าง

n-shot เป็นการเขียน prompt โดยเปลี่ยนจำนวนตัวอย่าง:

N-Shot	Number of Shots
Zero-shot	0
One-shot	1
Few-shot	≥2

เรามาลองดูผลของจำนวนตัวอย่างต่อผลลัพธ์กัน:

n-Shot	Prompt	ChatGPT
Zero-shot	List 3 animals	– Elephant – Penguin – Kangaroo
One-shot	List 3 animals such as dog	– Cat – Wolf – Fox
Few-shot	List 3 animals such as dog, cat, hamster	– Rabbit – Guinea pig – Ferret

จะเห็นได้ว่า คำตอบของ ChatGPT จะเปลี่ยนไปเรื่อย ๆ โดยยิ่ง shot มากขึ้น ผลลัพธ์ก็จะยิ่งเหมือนกับ shot มากขึ้น:

• Zero-shot: เป็นสัตว์ป่าทั้งหมด
• One-shot: มีทั้งสัตว์ป่าและสัตว์เลี้ยง
• Few-shot: สัตว์เลี้ยงทั้งหมด

ดังนั้น เราสามารถใช้ n-shot ในการกำหนดผลลัพธ์ได้ โดย:

• ต้องการผลลัพธ์ที่สร้างสรรค์หรือแปลกใหม่: ใช้ shot น้อย
• ต้องการผลลัพธ์ที่ตรงกับสิ่งที่เรามีอยู่แล้ว: ใช้ shot เยอะ

.

💭 COT

COT เป็น technique ที่บอกขั้นตอนในการคิดของ AI เพื่อให้มั่นใจว่า AI จะทำงานออกมาถูกต้อง

ยกตัวอย่างจากงานต้นฉบับของ Wei et al. (2022):

จากรูป จะเห็นว่า AI ในด้านซ้ายตอบผิด เพราะมีเพียงตัวอย่างโจทย์และคำตอบให้

ในทางตรงกันข้าม prompt ในด้านขวามือ ซึ่งใช้ COT technique คือ ให้ตัวโจทย์ อธิบายการคิดเลข และเฉลยคำตอบ ช่วยให้ ChatGPT ตอบคำถามได้ถูกต้อง

COT เหมาะกับงานที่มีความซับซ้อน (มีกระบวนการทำงานหลายขั้นตอน) ส่วนในงานง่าย ๆ (เช่น ถามว่าเมืองหลวงของไทยคืออะไร) เราสามารถใช้ prompt ทั่วไปได้

.

🗝️ สรุป Prompting Techniques

ใน section นี้ เราทำความรู้จัก 2 prompting techniques ในการกำกับกระบวนการทำงานของ AI:

1. n-shot technique: กำกับผ่านตัวอย่าง
2. COT technique: กำกับผ่านขั้นตอนการคิด

Note: ดู techniques อื่น ๆ เพิ่มเติมได้ที่ Prompting Techniques

5️⃣ Tips

สำหรับส่งท้ายบทความนี้ เรามาดู 3 เคล็ดลับเพิ่มเติมในการทำงานกับ AI กัน:

1. Annotation
2. EmotionPrompt
3. Garbage in, garbage out (GIGO)

.

#️⃣ Annotation

Prompt ของเราเป็นเหมือนเอกสารที่ AI อ่านก่อนไปทำงานให้เรา

ถ้าเอกสารของเราอ่านไม่รู้เรื่อง AI ก็อาจจะทำงานผิดพลาดได้

เพื่อช่วยให้ AI เข้าใจ เราสามารถใช้ annotation หรือเครื่องหมายต่าง ๆ กำกับ prompt ของเราได้

ถ้านึกภาพไม่ออก ให้มองว่า annotation เป็นเหมือนการจัดหน้าเอกสารของเรา ซึ่งเราสามารถทำได้ดังนี้:

Name	Usage	Example
Markdown	ระบุหัวข้อ	# Header 1 ## Header 2 ### Header 3
Quotation marks	เน้นข้อความ	“n-shot technique”
Delimiter	แบ่งตอน	Section 1 — Section 2
XML tag	ติดแท็กข้อความ	<file>example.docx</file>

มาดูตัวอย่างการใช้งานกัน เช่น เราต้องการให้ ChatGPT เขียนกลอนให้

เราอาจเขียน prompt ได้แบบนี้:

You are a poet. Write a poem called The Last Night. See example poems that I like in the file: poems.docx

เราสามารถใช้ annotation ได้แบบนี้ เพื่อให้ AI อ่าน prompt ได้ง่ายขึ้น:

# Role & Task You are a poet.

Write a poem called “The Last Night”.

—

# Example Poems See example poems that I like in the file:

<example_file>poems.docx</example_file>

• ใช้ # เพื่อกำหนดหัวข้อ
• ใช้ "" เพื่อเน้นชื่อเฉพาะของบทกลอน
• ใช้ --- เพื่อแบ่ง prompt เป็น 2 sections (ตามหัวข้อ)
• ใช้ <></> เพื่อระบุว่า poems.doc เป็นไฟล์ตัวอย่าง

.

😡 EmotionPrompt

เพราะ AI เรียนรู้การทำงานจากมนุษย์ เราสามารถใส่คำแสดงอารมณ์เข้าไปใน prompt เพื่อส่งสารบางอย่างให้กับ AI ได้

ถ้าเปรียบเทียบกับคน คือ แทนที่จะบอกว่า:

ช่วยทำรายงานให้หน่อย

เป็น

รีบทำรายงานตอนนี้ให้หน่อย ด่วนที่สุด

ตัวอย่างเช่น:

ใส่ความเร่งด่วน:

This is extremely urgent! Summarise this article as quickly as possible, focusing only on the key points.

ใส่ความตื่นเต้น:

Write an exciting social media post that builds anticipation for our upcoming event! Make readers feel thrilled and eager to attend.

ใส่ความสำคัญ:

Write an important and professional email explaining the new company policy. Emphasise its significance and ensure employees understand its impact on their roles.

อ่านเพิ่มเติมเกี่ยวกับ EmotionPrompt ได้ที่ Large Language Models Understand and Can be Enhanced by Emotional Stimuli

.

🗑️ GIGO

สุดท้าย จำไว้ว่า AI เป็นสิ่งที่ทำงานกับข้อมูล ดังนั้น เพื่อให้ผลลัพธ์ออกมาดี เราควรให้ข้อมูลที่ถูกต้องและมีคุณภาพกับ AI

ถ้าเราให้ข้อมูลที่ไม่ดีแล้ว AI ก็จะทำงานผิดพลาด หรือให้ผลลัพธ์ที่ใช้ไม่ได้ออกมา (ขยะ)

เหมือนคำที่ว่า garbage in, garbage out

.

🗝️ สรุป Tips ในการทำงานกับ AI

ใน section สุดท้าย เราได้เรียนรู้ 3 เคล็ดลับเพิ่มเติมในการทำงานกับ AI:

1. Annotation: จัด prompt ให้อ่านง่ายด้วยเครื่องหมายต่าง ๆ
2. EmotionPrompt: ใส่อารมณ์ลงใน prompt
3. GIGO: AI ทำงานด้วยข้อมูล คุณภาพของผลลัพธ์ขึ้นอยู่กับข้อมูลที่เราให้กับ AI