การกระตุ้นความคิดแบบเป็นลำดับคืออะไร?

การใช้เหตุผลแบบลำดับความคิดทำงานอย่างไร?

การใช้เหตุผลแบบห่วงโซ่แห่งความคิดเกี่ยวข้องกับการแบ่งปัญหาออกเป็นขั้นตอนเล็ก ๆ ที่มีตรรกะ เพื่อให้ แชทบอต AI แก้ไขตามลำดับ

ขั้นแรก AI จะระบุส่วนสำคัญของปัญหา จากนั้นจะประมวลผลแต่ละส่วนตามลำดับ โดยพิจารณาว่าขั้นตอนหนึ่งนำไปสู่ขั้นตอนถัดไปอย่างไร แต่ละขั้นตอนจะต่อยอดจากขั้นตอนก่อนหน้า ช่วยให้ AI ดำเนินการอย่างเป็นระบบเพื่อหาข้อสรุปที่สมเหตุสมผล

คำเตือน 'สตรอเบอร์รี่' ที่โด่งดัง

ChatGPT และอื่นๆ LLMs มีจุดอ่อนที่ได้รับการยืนยันเป็นอย่างดี ประการหนึ่งคือไม่สามารถระบุได้อย่างถูกต้องว่ามีตัว "R" กี่ตัวในคำว่า "strawberry" (ซึ่งน่าจะเป็นข้อจำกัดอันโด่งดังเบื้องหลังชื่อรหัสของโมเดล o1: Strawberry)

ChatGPT -4o ไม่ใช้การให้เหตุผลแบบลำดับความคิด แต่จะอ้างอิงข้อมูลการฝึกและสร้างการตอบสนองตามความน่าจะเป็นที่แต่ละคำจะตามคำก่อนหน้า แม้ว่าอาจฟังดูถูกต้องในส่วนใหญ่ แต่เป็นเพียงการสร้างเพื่อเลียนแบบภาษาของมนุษย์เท่านั้น ไม่ใช่การให้เหตุผลหรือดำเนินการวิจัย 

เมื่อคุณถาม ChatGPT -4o คำถามสตรอเบอร์รี่อันโด่งดัง ไม่สามารถให้คำตอบที่ถูกต้องได้:

‍

อย่างไรก็ตาม คุณสามารถใช้เทคนิคการกระตุ้นความคิดแบบเป็นลำดับเพื่อช่วย LLM -แชทบอทที่ขับเคลื่อนด้วยพลังมาถึงคำตอบที่ถูกต้อง:

‍

รุ่นล่าสุดของ ChatGPT ขับเคลื่อนโดย OpenAI o1-preview คือรายการหลักรายการแรก LLM การใช้เหตุผลแบบลำดับความคิดโดยไม่ต้องมีการกระตุ้นเพิ่มเติมใดๆ 

มันไขคำตอบได้ในการลองครั้งแรก เพราะได้รับคำสั่งให้ทำตามขั้นตอนเดียวกันกับครั้งที่สองโดยอัตโนมัติ ChatGPT -4o พร้อมท์ด้านบน ความแตกต่างเพียงอย่างเดียวคือกระบวนการนี้จะดำเนินการโดยไม่ต้องมีการแจ้งเตือนเพิ่มเติม 

คณิตศาสตร์

หากคุณถามเวอร์ชันเก่าของ ChatGPT คำถามคณิตศาสตร์จากหนังสือเรียนชั้นประถม ซึ่งไม่ได้ถูกเสมอไป  

ปัญหาคณิตศาสตร์หลายขั้นตอนต้องใช้การใช้เหตุผล ซึ่งไม่มีในสมัยก่อน LLMs คุณสามารถแยกปัญหาออกเป็นแต่ละขั้นตอนได้ แต่ถ้าคุณไม่ทราบขั้นตอนที่ถูกต้อง LLM ไม่สามารถช่วยได้

ChatGPT -4o สามารถหาเหตุผลในการตอบคำถามได้โดยการแบ่งขั้นตอนในปัญหาออกเป็นดังนี้:

ตัวแทน AI เชื่อมต่อกับ Hubspot

สำหรับการใช้งานในโลกแห่งความเป็นจริง เราลองมาดู LLM ตัวแทน AI ที่ขับเคลื่อนด้วยพลังซึ่งถูกผสานเข้ากับ Hubspot ทีมขายใช้ตัวแทน AI นี้เพื่อประมวลผลข้อมูลลูกค้าเป้าหมายรายใหม่เมื่อมีการรวบรวมจากช่องทางต่างๆ 

สถานการณ์

พนักงาน ขายส่งรายชื่อผู้มีแนวโน้มจะเป็นลูกค้ารายใหม่ไปยังตัวแทน AI และขอให้ลงทะเบียนใน Hubspot และส่งอีเมลจุดติดต่อแรก แต่ไม่ต้องกรอกข้อมูลหากผู้มีแนวโน้มจะเป็นลูกค้าทำงานที่บริษัทที่เป็นลูกค้าเป้าหมายอยู่แล้ว

การกระตุ้นความคิดแบบเป็นห่วงโซ่

เมื่อใช้ระบบกระตุ้นความคิดแบบต่อเนื่อง ผู้ใช้จะชี้แนะ AI ให้อธิบายเหตุผลเบื้องหลังคำตอบด้วยคำตอบเดียว ระบบจะกระตุ้นให้ AI อธิบายแต่ละขั้นตอนของกระบวนการแก้ปัญหา แต่ระบบจะทำได้สำเร็จด้วยคำสั่งและคำตอบเดียว

ตัวอย่างเช่น การกระตุ้นความคิดแบบต่อเนื่องสามารถทำได้ในข้อความเดียว: 

“ทีมงานทรัพยากรบุคคลต้องทบทวนการประเมินผลการปฏิบัติงานของพนักงาน 5 ครั้ง แต่ละครั้งใช้เวลา 30 นาที และต้องเตรียมตัวล่วงหน้า 15 นาที การประเมินระดับอาวุโสจะใช้เวลาเพิ่มอีกครั้งละ 10 นาที การประเมินระดับอาวุโส 5 ครั้งและระดับจูเนียร์ 25 ครั้งจะใช้เวลานานเท่าใด ลองแบ่งเหตุผลของคุณออกเป็นขั้นตอน”

การเชื่อมโยงพร้อมท์ 

การเชื่อมโยงคำสั่งจะทำให้งานถูกแบ่งออกเป็นขั้นตอนที่แยกจากกันโดยมีคำสั่งหลายคำสั่ง โดยแต่ละคำสั่งจะสร้างขึ้นจากผลลัพธ์ก่อนหน้า วิธีนี้จะช่วยสร้างโครงสร้างและชี้นำ AI ในการทำงานที่ซับซ้อนซึ่งอาจเกี่ยวข้องกับการใช้เหตุผล

ข้อความเตือนแรกอาจมีลักษณะดังนี้:

คำเตือน ที่ 1 : ระบุความท้าทายหลักที่บริษัทอาจเผชิญเมื่อเปลี่ยนไปทำงานทางไกล

เอาท์พุต : 

• ช่องว่างการสื่อสาร
• การรักษาผลผลิต
• โครงสร้างพื้นฐานด้านเทคโนโลยี
• การมีส่วนร่วมของพนักงาน

ข้อความต่อไปนี้อาจเจาะลึกลงไปในแนวคิดเหล่านี้มากขึ้น ตัวอย่างเช่น:

คำเตือนที่ 2 : โปรดบอกฉันว่าบริษัทจะหาทางแก้ไขช่องว่างการสื่อสารเมื่อเปลี่ยนผ่านไปสู่การทำงานระยะไกลได้อย่างไร

หลังจากรอบการส่งออกถัดไป ลิงก์ถัดไปของโซ่อาจจะเป็น:

ข้อโต้แย้งที่ 3 : ความท้าทายทั่วไปที่บริษัทต่างๆ เผชิญเมื่อนำโซลูชันเหล่านี้ไปใช้คืออะไร?

แม้ว่าทั้งสองจะมีความคล้ายคลึงกัน แต่ทั้งสองใช้แนวทางที่แตกต่างกันในการดึงเนื้อหาที่เจาะลึกและเกี่ยวข้องที่สุดจากเครื่องมือ AI เชิงสร้างสรรค์