โลกเทคโนโลยีกำลังมีการถกเถียงกันอย่างร้อนแรงเกี่ยวกับว่า prompt engineering นั้นสมควรจะได้รับการจัดประเภทเป็นวิศวกรรมจริงๆ หรือไม่ การถกเถียงนี้ได้รับความสนใจมากขึ้นเมื่อเครื่องมือ AI กลายเป็นที่แพร่หลายมากขึ้น และบริษัทต่างๆ เริ่มจ้างผู้เชี่ยวชาญมากขึ้นเพื่อสร้าง prompt ที่ดีขึ้นสำหรับโมเดลภาษาขนาดใหญ่
ความแตกต่างระหว่างวิทยาศาสตร์กับวิศวกรรม
สมาชิกในชุมชนแบ่งออกเป็นสองฝ่ายในการจัดประเภทงาน prompt ฝ่ายหนึ่งโต้แย้งว่ามันใกล้เคียงกับการวิจัยทางวิทยาศาสตร์มากกว่าวิศวกรรมแบบดั้งเดิม เมื่อทำอย่างถูกต้องด้วยการทดสอบและวิธีการประเมินผลอย่างเป็นระบบ การทำ prompting เกี่ยวข้องกับการค้นพบคุณสมบัติของระบบ AI ที่มีอยู่แล้ว มากกว่าการสร้างระบบใหม่ตั้งแต่เริ่มต้น แนวทางนี้ต้องการการทดลองอย่างระมัดระวังเพื่อยืนยันว่าข้อมูลนำเข้าต่างๆ สามารถสร้างผลลัพธ์ที่ต้องการในสถานการณ์ที่แตกต่างกัน
ฝ่ายอื่นมองว่าการทำ prompting เป็นศิลปะที่ต้องการความเข้าใจในระบบวิศวกรรมพื้นฐาน พวกเขาเปรียบเทียบผู้ที่มีทักษะในการทำ prompt กับนักสัมภาษณ์ที่ดี ที่รู้วิธีการนำทางการสนทนาโดยไม่ต้องควบคุมทุกอย่างอย่างสมบูรณ์ กุญแจสำคัญอยู่ที่การถามคำถามที่ถูกต้องเพื่อดึงคำตอบที่มีความหมายจากโมเดล AI
มุมมองหลักของชุมชนเกี่ยวกับ Prompt Engineering:
- แนวทางทางวิทยาศาสตร์: การทดสอบอย่างเป็นระบบพร้อมการประเมินผลเพื่อตรวจสอบผลลัพธ์ในช่วงข้อมูลนำเข้าที่กว้าง
- แนวทางศิลปะ/การสัมภาษณ์: การทำความเข้าใจพื้นฐานของ LLM เพื่อนำทางการสนทนาและชี้นำโมเดลไปสู่ข้อมูลที่เกี่ยวข้อง
- แนวทาง Hyperparameter: การปฏิบัติต่อ prompt เหมือนกับพารามิเตอร์ที่ต้องการการทดลองอย่างเป็นระบบ
- มุมมองที่ระแวดระวัง: ความกังวลเกี่ยวกับการที่ฝ่ายจัดการแทนที่ความเชี่ยวชาญทางเทคนิคด้วยสคริปต์ prompt ง่าย ๆ
มุมมองในแง่ของ Hyperparameter
มุมมองทางเทคนิคมากขึ้นถือว่า prompt เป็น hyperparameter ที่ต้องการการทดลองอย่างเป็นระบบ หากไม่มีแนวทางที่เข้มงวดนี้ การสร้าง prompt จะกลายเป็นเพียงความเชื่อโชคลางมากกว่าการปฏิบัติที่มีระเบียบวินัย มุมมองนี้เน้นความจำเป็นในการทดสอบที่มีโครงสร้างและผลลัพธ์ที่วัดได้
ไม่ prompt คือ hyperparameter หากคุณไม่ได้ปฏิบัติต่อมันเช่นนั้นและทำการทดลองอย่างเป็นระบบ มันก็เป็นเพียงความเชื่อโชคลาง
ผลกระทบต่ออาชีพและความสงสัย
การถกเถียงขยายไปเกินกว่าศัพท์เทคนิคไปสู่ความกังวลในที่ทำงานจริง วิศวกรบางคนกังวลว่าผู้บริหารอาจมองว่า prompt engineering เป็นการทดแทนทักษะทางเทคนิคแบบดั้งเดิมอย่างง่ายดาย มีความสงสัยเกี่ยวกับว่าการสร้าง prompt สามารถทดแทนความเข้าใจลึกซึ้งเกี่ยวกับโครงสร้างพื้นฐานและระบบได้จริงหรือไม่
การถกเถียงยังสัมผัสถึงความตึงเครียดที่กว้างขึ้นภายในชุมชนวิศวกรรม คล้ายกับการถกเถียงในอดีตเกี่ยวกับว่าการพัฒนาซอฟต์แวร์สมควรได้รับการจัดประเภทเป็นวิศวกรรมจริงหรือไม่ นี่แสดงให้เห็นว่าการถกเถียงเกี่ยวกับ prompt engineering ในปัจจุบันสะท้อนคำถามที่ลึกซึ้งกว่าเกี่ยวกับสิ่งที่ถือเป็นงานทางเทคนิคที่ถูกต้อง
วิวัฒนาการของศัพท์เทคนิค:
- ศัพท์เดิม: " Prompt Engineering "
- ศัพท์ที่อัปเดต (ณ เดือนกรกฎาคม 2025): " Context Engineering ", " Context Prompting ", " Context Manipulation "
- แนวคิดที่เกี่ยวข้อง: " Rules for AI ", " Large Context Windows "
มองไปข้างหน้า
เมื่อโมเดล AI ยังคงพัฒนาต่อไป และทางเลือกในท้องถิ่นได้รับความนิยมมากขึ้นเนื่องจากความกังวลเรื่องความสม่ำเสมอกับบริการที่โฮสต์ บทบาทและคำนิยามของงานที่เกี่ยวข้องกับ prompt น่าจะเปลี่ยนแปลงต่อไป ไม่ว่าจะเรียกว่าวิศวกรรม วิทยาศาสตร์ หรือศิลปะ ชุมชนเห็นพ้องกันว่าการทำ prompting ที่มีประสิทธิภาพต้องการทักษะ ความเข้าใจ และแนวทางที่เป็นระบบเพื่อให้ได้ผลลัพธ์ที่เชื่อถือได้
อ้างอิง: Prompting LLMs is not engineering