Chain-of-Thought คืออะไร? เทคนิคการถาม AI ให้คิดเป็นขั้นตอน
Chain-of-Thought (CoT) คืออะไร
Chain-of-Thought หรือที่เรียกสั้น ๆ ว่า CoT คือเทคนิคการสั่ง AI ให้ "คิดทีละขั้น" ก่อนจะตอบคำถาม แทนที่จะถามแล้วรอคำตอบทันที เราเปิดโอกาสให้ AI ได้แสดงกระบวนการคิดเป็นลำดับขั้นตอน เหมือนเวลาที่เราทำโจทย์เลขแล้วเขียนวิธีทำก่อนจะได้คำตอบสุดท้าย
พูดง่าย ๆ คือ การบอกให้ AI "คิดออกเสียง" ให้เราเห็นไส้ในของความคิด ก่อนสรุปเป็นคำตอบ
วิธีใช้งาน
หลักการคือ ใส่คำสั่งให้ AI แสดงขั้นตอนการคิดในคำถามของเรา สามารถทำได้ตามนี้
- ถามคำถามตามปกติ แล้วต่อท้ายด้วยคำสั่งให้คิดเป็นขั้นตอน เช่น "คิดทีละขั้น" "อธิบายวิธีคิดก่อนตอบ" หรือ "แสดงขั้นตอนการวิเคราะห์"
- กำหนดรูปแบบผลลัพธ์ ระบุชัดว่าต้องการให้แยกส่วน "ขั้นตอนการคิด" กับ "คำตอบสุดท้าย" ออกจากกัน
- ให้ตัวอย่าง (ถ้าซับซ้อน) ในงานที่ยาก อาจยกตัวอย่างวิธีคิดหนึ่งข้อให้ AI ทำตาม เพื่อให้ได้รูปแบบที่ต้องการ
- ตรวจสอบขั้นตอน อ่านวิธีคิดที่ AI แสดง หากมีจุดผิดพลาด ให้ชี้จุดนั้นแล้วขอให้คิดใหม่
- สรุปคำตอบ เมื่อขั้นตอนถูกต้องแล้ว จึงให้ AI สรุปเป็นคำตอบสุดท้ายที่กระชับ
ตัวอย่างการใช้งาน
ตัวอย่างที่ 1: โจทย์คณิตศาสตร์
แบบไม่ใช้ CoT
ถาม: ร้านค้ามีส้ม 45 ผล ขายไป 18 ผล แล้วซื้อมาเพิ่มอีก 27 ผล ตอนนี้มีส้มกี่ผล
AI ตอบ: 54 ผล
(คำตอบถูก แต่เราไม่รู้ว่ามาคำตอบนี้ได้อย่างไร ถ้าผิดก็แก้ไม่ถูกจุด)
แบบใช้ CoT
ถาม: ร้านค้ามีส้ม 45 ผล ขายไป 18 ผล แล้วซื้อมาเพิ่มอีก 27 ผล ตอนนี้มีส้มกี่ผล คิดทีละขั้น
AI ตอบ: ขั้นตอนการคิด
- เริ่มต้นมีส้ม 45 ผล
- ขายไป 18 ผล เหลือ 45 - 18 = 27 ผล
- ซื้อเพิ่มอีก 27 ผล รวมเป็น 27 + 27 = 54 ผล
คำตอบสุดท้าย: 54 ผล
(เห็นทุกขั้น ตรวจสอบได้ ถ้าข้อไหนผิด แก้ได้ตรงจุด)
ตัวอย่างที่ 2: การตัดสินใจในชีวิตประจำวัน
แบบไม่ใช้ CoT
ถาม: ควรซื้อรถยนต์หรือใช้รถไฟฟ้าไปทำงานดี
AI ตอบ: ควรใช้รถไฟฟ้าไปทำงาน เพราะประหยัดกว่า
(ตอบกว้าง ๆ ไม่ตรงกับบริบทของเรา)
แบบใช้ CoT
ถาม: ผมทำงานห่างจากบ้าน 15 กิโลเมตร ทำงาน 5 วันต่อสัปดาห์ มีรถไฟฟ้าให้ใช้ แต่บางวันต้องออกพบลูกค้านอกเส้นทาง ช่วยวิเคราะห์ทีละขั้นว่าควรซื้อรถยนต์หรือใช้รถไฟฟ้าไปทำงาน
AI ตอบ: ขั้นตอนการคิด
- ระยะทางไป-กลับต่อวัน = 30 กิโลเมตร ต่อสัปดาห์ = 150 กิโลเมตร
- ค่าใช้จ่ายรถไฟฟ้าไปทำงาน ประมาณ 30-50 บาทต่อวัน
- ค่าใช้จ่ายรถยนต์ส่วนตัว ค่าน้ำมัน ค่าผ่อน ค่าประกัน เฉลี่ยสูงกว่ามาก
- แต่มีวันที่ต้องพบลูกค้านอกเส้นทาง ซึ่งรถไฟฟ้าอาจไม่สะดวก
- ถ้าความถี่ในการพบลูกค้านอกเส้นทางน้อย ใช้รถไฟฟ้า + แท็กซี่เป็นครั้งคราวอาจคุ้มกว่า
คำตอบสุดท้าย: แนะนำให้ใช้รถไฟฟ้าเป็นหลัก และใช้บริการแท็กซี่หรือเช่ารถในวันที่ต้องพบลูกค้านอกเส้นทาง จะประหยัดกว่าการซื้อรถยนต์
(ได้คำตอบที่ตรงกับสถานการณ์จริงของเรา เพราะ AI คิดจากบริบทที่ให้ไป)
การใช้ CoT ให้ได้ผลจริง
จำง่าย ๆ ด้วย 5 ขั้นนี้
C — Context (เคลียร์บริบท)
ให้ข้อมูลที่จำเป็นครบก่อนขอให้ AI คิด เช่น เงื่อนไข ข้อจำกัด เป้าหมาย หรือสถานการณ์ของเรา ยิ่งให้ครบ AI ยิ่งคิดได้ตรง
C — Configure (กำหนดวิธีคิด)
บอกให้ชัดว่าอยากให้คิดแบบไหน เช่น "ไล่ทีละขั้น" "แยกเป็นกรณี" "เปรียบเทียบข้อดีข้อเสีย" หรือ "วิเคราะห์จากข้อมูลไปหาข้อสรุป" ไม่ปล่อยให้ AI เดาวิธีเอง
C — Categorize (แยกคำตอบ)
สั่งให้แบ่งผลลัพธ์เป็น 2 ส่วนชัดเจน คือ "ขั้นตอนการคิด" กับ "คำตอบสุดท้าย" เพื่อให้อ่านง่ายและตรวจสอบได้
V — Verify (ตรวจขั้นตอน)
อ่านวิธีคิดที่ AI แสดงก่อนเชื่อคำตอบ หากพบจุดผิด ให้ชี้จุดนั้นแล้วขอให้คิดใหม่ อย่าปล่อยผ่านเพราะคำตอบดูสมเหตุสมผล
S — Summarize (สรุปให้สั้น)
เมื่อขั้นตอนถูกต้องแล้ว หากต้องการคำตอบกระชับ ให้สั่ง AI สรุปเฉพาะคำตอบสุดท้ายอีกครั้ง
ท่องสั้น ๆ: Context → Configure → Categorize → Verify → Summarize
"C.C.C.V.S." — คิดครบ ตรวจดี สรุปสั้น
ประโยชน์ที่ได้
- คำตอบแม่นยำขึ้น โดยเฉพาะโจทย์คณิตศาสตร์ ตรรกะ หรือโจทย์หลายขั้นตอน เพราะ AI มีพื้นที่ให้ตรวจสอบตัวเองระหว่างทาง
- ตรวจจับข้อผิดพลาดได้ เราเห็นว่า AI คิดพลาดตรงไหน แก้ได้ตรงจุด ไม่ต้องรอคำตอบผิดแล้วเริ่มใหม่ทั้งหมด
- โปร่งใสและน่าเชื่อถือ เข้าใจที่มาของคำตอบ ไม่ใช่เชื่อแบบไม่รู้เหตุผล
- เหมาะกับงานซับซ้อน เช่น วิเคราะห์ข้อมูล วางแผนงาน หรือแก้ปัญหาที่ต้องใช้เหตุผลหลายชั้น
- ลดการเดามั่ว เพราะ AI ถูกบังคับให้คิดก่อนพูด แทนที่จะตอบจากความน่าจะเป็นเพียงอย่างเดียว
สรุป
Chain-of-Thought คือเทคนิคการ prompt ให้ AI คิดเป็นขั้นตอนก่อนตอบ ช่วยให้คำตอบแม่นยำขึ้น ตรวจสอบได้ และเหมาะกับงานที่ต้องใช้เหตุผลซับซ้อน เพียงเพิ่มคำสั่งสั้น ๆ อย่าง "คิดทีละขั้น" ก็เริ่มใช้ได้ทันที
Image: ChatGPT
