Few-Shot Prompting เทคนิคสอน AI ด้วยตัวอย่าง
เรียนรู้เทคนิค Few-Shot Prompting วิธีสั่งงาน AI ให้ได้ผลลัพธ์ตรงตามต้องการโดยไม่ต้องเขียนโค้ด พร้อม 5 เทมเพลตพร้อมใช้งาน
ภาพประกอบจากคลังภาพสต็อก ไม่ใช่ภาพจากเหตุการณ์จริง
- Few-Shot Prompting คือการป้อนตัวอย่างผลลัพธ์ 2-5 ตัวอย่างให้ AI ดูก่อนสั่งงานจริง
- ช่วยควบคุมรูปแบบ โทนเสียง และโครงสร้างข้อความได้แม่นยำกว่าการสั่งด้วยคำพูดลอยๆ
- เหมาะสำหรับการแปลงโทนภาษา สกัดข้อมูล วิเคราะห์ความรู้สึก และสร้างพาดหัว
- ใช้ 3 ตัวอย่างที่สม่ำเสมอให้ผลลัพธ์ดีกว่าการใช้ตัวอย่างเดียวหรือตัวอย่างที่ขัดแย้งกัน
เทคนิค Few-Shot Prompting ถือเป็นหนึ่งในวิธีที่มีประสิทธิภาพสูงสุดในการควบคุมให้โมเดลปัญญาประดิษฐ์แสดงผลลัพธ์ออกมาในรูปแบบที่มีโครงสร้างและสอดคล้องตามต้องการ โดยไม่ต้องตั้งค่าระบบอะไรเป็นพิเศษ ไม่ต้องใช้ API และไม่ต้องทำการปรับแต่งโมเดล (Fine-tuning) เพิ่มเติม เพียงแค่วางตัวอย่างลงไปในคำสั่ง (Prompt) เท่านั้น
หลักการทำงานคือการป้อนตัวอย่างงานที่ทำเสร็จแล้ว 1 ถึงหลายตัวอย่างเข้าไปในคำสั่งก่อนที่จะยิงคำถามจริง แทนที่จะอธิบายกฎเกณฑ์ด้วยตัวหนังสือยาวๆ เราสามารถแสดงรูปแบบ (Pattern) ให้โมเดลเรียนรู้และคาดเดาแนวทางในการปฏิบัติงานได้ทันที ยิ่งตัวอย่างมีความสม่ำเสมอมากเท่าไร AI ก็จะยิ่งสะท้อนรูปแบบนั้นออกมาได้อย่างแม่นยำมากขึ้นเท่านั้น
ภาพประกอบจากคลังภาพสต็อก ไม่ใช่ภาพจากเหตุการณ์จริง
การบอกปัญญาประดิษฐ์สั้นๆ ว่า "จงเขียนให้กระชับ" ถือเป็นคำสั่งที่คลุมเครือ แต่การแสดงคำตอบที่กระชับสองตัวอย่างตามด้วยคำถามใหม่ จะทำให้เป้าหมายมีความชัดเจนเป็นรูปธรรม โมเดลจะสามารถเรียนรู้รูปแบบ โทนเสียง ความยาว และโครงสร้างไปพร้อมๆ กันได้จากการสาธิตครั้งเดียว โดยไม่ต้องเสียเวลาอธิบายกฎเกณฑ์ยืดยาว เปรียบเสมือนกับการฝึกพนักงานใหม่ด้วยบันทึกตัวอย่าง ซึ่งได้ผลดีกว่าการยื่นคู่มือสไตล์ให้ศึกษาเองเพราะพวกเขาจะสามารถจับคู่รูปแบบได้ทันที
การเข้าใจความแตกต่างระหว่าง Zero-shot, One-shot และ Few-shot เปรียบเสมือนการวัดระดับความคุ้นเคยที่ AI มีต่อโจทย์ โดย Zero-shot คือการถามโดยไม่มีข้อมูลประกอบให้ AI ใช้ความรู้ทั่วไป One-shot มีตัวอย่างเดี่ยว และ Few-shot มี 2-5 ตัวอย่าง ซึ่งการจำกัดจำนวนตัวอย่างไว้ที่ 3 ตัวอย่างมักเป็นจุดที่สมดุลที่สุดในการสร้างความชัดเจนโดยไม่เพิ่มความซับซ้อนให้คำสั่งยาวเกินไป
แนวปฏิบัติที่ดีที่สุดในการสร้างคำสั่งมีดังนี้:
- เลือกข้อมูลนำเข้าจริง 2-3 รายการพร้อมผลลัพธ์ที่ต้องการ โดยต้องเป็นตัวอย่างที่เป็นตัวแทนทั่วไปไม่ใช่เคสสุดโต่ง
- ใช้ตัวคั่นที่สม่ำเสมอ เช่น Input: ... Output: ... หรือ Q: ... A: ... เพื่อป้องกันไม่ให้โมเดลสับสนขอบเขต
- ระบุอินพุตจริงในรูปแบบเดิมเป๊ะหลังจบส่วนของตัวอย่าง และห้ามเปลี่ยนโครงสร้างกลางคัน
ที่มา: Dev.to
พบข้อมูลผิดพลาดในบทความนี้? แจ้งปัญหาบทความนี้
ความคิดเห็น
แสดงความคิดเห็น