ในขณะที่ปัญญาประดิษฐ์ถูกนำมาใช้ในกระบวนการทำงานประจำวันมากขึ้นเรื่อยๆ การปฏิบัติด้าน prompt engineering ก็ได้เกิดขึ้นเป็นทักษะสำคัญสำหรับการสื่อสารอย่างมีประสิทธิภาพกับแบบจำลองภาษาขนาดใหญ่ อย่างไรก็ตาม การถกเถียงที่ร้อนแรงได้ปะทุขึ้นภายในชุมชนเทคโนโลยีเกี่ยวกับว่าการปฏิบัตินี้สมควรได้รับคำว่าวิศวกรรมอย่างแท้จริงหรือเป็นเพียงการเดาสุ่มอันซับซ้อนที่ถูกแต่งแต้มด้วยศัพท์วิชาชีพ
วิกฤตอัตลักษณ์ทางวิศวกรรม
หัวใจหลักของข้อโต้แย้งอยู่ที่สิ่งที่ประกอบขึ้นเป็นวิศวกรรมอย่างแท้จริง สาขาวิชาวิศวกรรมแบบดั้งเดิมพึ่งพาหลักการที่กำหนดไว้ ผลลัพธ์ที่คาดการณ์ได้ และระเบียบวิธีที่เข้มงวด ผู้วิจารณ์หลายคนแย้งว่า prompt engineering ขาดคุณลักษณะพื้นฐานเหล่านี้ ทำให้การใช้คำดังกล่าวเป็นการเข้าใจผิดอย่างที่สุด
ผู้แสดงความคิดเห็นท่านหนึ่งได้สรุปความเคลือขแคลงใจที่หลายคนรู้สึกเกี่ยวกับการปฏิบัตินี้ได้อย่างสมบูรณ์แบบ: ที่นี่ไม่มี 'วิศวกรรม' ใดๆ ทั้งสิ้น วิศวกรรมคือการประยุกต์ใช้ความรู้ กฎของฟิสิกส์ และกฎเกณฑ์ที่เรียนรู้มาหลายปีเพื่อออกแบบและสร้างสิ่งต่างๆ อย่างคาดการณ์ได้ สิ่งนี้คือการโยนบางสิ่งบางอย่างใส่ผนังเพื่อดูว่ามันจะติดหรือไม่
ความรู้สึกนี้สะท้อนกับผู้เชี่ยวชาญจากพื้นหลังวิศวกรรมแบบดั้งเดิมที่มองว่าการออกแบบคำสั่งนี้แตกต่างโดยพื้นฐานจากงานของพวกเขา ความสุ่มที่มีอยู่ในคำตอบของ AI และการขาดผลลัพธ์ที่สม่ำเสมอและทำซ้ำได้ ท้าทายคำจำกัดความของวิศวกรรมในฐานะสาขาวิชาที่คาดการณ์ได้และอิงวิทยาศาสตร์
คำนิยามของคำว่า "Engineering" จากพจนานุกรมที่อ้างถึงในการอภิปราย:
- Google: "การกระทำของการทำงานอย่างชาญฉลาดเพื่อให้บางสิ่งเกิดขึ้น"
- Merriam-Webster: "การจัดการหรือการชี้นำอย่างมีการคำนวณ (เช่น พฤติกรรม)"
- Random House: "การประดิษฐ์คิดค้นอย่างชำนาญหรือชาญฉลาด; การวางแผนกลยุทธ์"
- Webster's: "การกระทำของการวางแผนกลยุทธ์หรือการจัดการ"
การวิวัฒนาการทางภาษา หรือ การลดคุณค่าทางวิชาชีพ?
ผู้ปกป้องการใช้คำนี้ชี้ไปที่คำจำกัดความในพจนานุกรมที่สนับสนุนการตีความวิศวกรรมในความหมายที่กว้างขึ้น พวกเขาชี้ให้เห็นว่าคำเช่น social engineering ได้ใช้คำนี้มาเป็นเวลานานเพื่อหมายถึงการประดิษฐ์คิดค้นอย่างชำนาญหรือมีศิลปะ แทนที่จะเป็นการประยุกต์ใช้กฎทางฟิสิกส์อย่างเคร่งครัด
การเปรียบเทียบกับการปฏิบัติด้านวิศวกรรมในอดีตมีความน่าสนใจเป็นพิเศษ ดังที่ผู้แสดงความคิดเห็นท่านหนึ่งระบุ เครื่องยนต์ไอน้ำถูกสร้างและใช้งานสำเร็จมานานกว่าศตวรรษก่อนที่กฎทางอุณหพลศาสตร์จะถูกเข้าใจอย่างสมบูรณ์ วิศกรในยุคแรกทำงานกับระบบที่พวกเขาไม่เข้าใจอย่างถ่องแท้ คล้ายคลึงกับที่ prompt engineer สมัยใหม่ทำงานกับแบบจำลอง AI ที่กลไกภายในยังคงเป็นปริศนาบางส่วน
การถกเถียงยังสัมผัสถึงอัตลักษณ์ทางวิชาชีพ ในประเทศเช่น แคนาดา คำว่า engineer ได้รับการคุ้มครองทางกฎหมายและต้องการคุณวุฒิเฉพาะและความรับผิดชอบ การนำคำว่า engineer ไปใช้อย่างไม่เป็นทางการกับการออกแบบคำสั่งนี้ มีความเสี่ยงที่จะลดทอนสถานะทางวิชาชีพที่วิศกรที่มีใบอนุญาตได้ทำงานเพื่อสร้างขึ้นมา
การประยุกต์ใช้เชิงปฏิบัติท่ามกลางข้อพิพาททางทฤษฎี
แม้จะมีข้อถกเถียงเกี่ยวกับศัพท์เฉพาะ คุณค่าในทางปฏิบัติของการออกแบบคำสั่งที่มีประสิทธิภาพก็เป็นที่ปฏิเสธไม่ได้ ชุมชนได้พัฒนาวิธีการที่ซับซ้อนซึ่งไปไกลกว่าการถามคำถามง่ายๆ ผู้ใช้ที่มีประสบการณ์รายงานความสำเร็จด้วยแนวทางที่มีโครงสร้าง เช่น การ กรองออกแล้วกรองเข้า - เริ่มต้นด้วยการวิเคราะห์ในวงกว้างก่อนที่จะจำกัดลงสู่แนวทางแก้ไขเฉพาะ
ผู้ปฏิบัติขั้นสูงเน้นย้ำถึงความสำคัญของการเรียงลำดับผลลัพธ์ โดยขอให้ AI สร้างหลักฐานและการให้เหตุผลก่อนคำตอบสุดท้าย แนวทางนี้ใช้ประโยชน์จากธรรมชาติความน่าจะเป็นของ AI เพื่อสร้างคำตอบที่เชื่อถือได้มากขึ้น เมื่อแบบจำลองมีความซับซ้อนมากขึ้น เทคนิคบางอย่างเหล่านี้อาจมีความจำเป็นน้อยลง แต่หลักการพื้นฐานของการสื่อสารที่ชัดเจนยังคงมีคุณค่า
การวิวัฒนาการของแบบจำลอง AI เองกำลังเปลี่ยนแปลงการปฏิบัติ แบบจำลองการให้เหตุผลรุ่นใหม่สามารถสร้างขั้นตอนกลางของตัวเองได้ ซึ่งอาจลดความจำเป็นในการจัดโครงสร้างคำสั่งอย่างพิถีพิถัน ผู้ใช้บางคนรายงานว่าด้วยแบบจำลองล่าสุด พวกเขาสามารถใช้คำสั่งที่เป็นการสนทนามากขึ้น มีโครงสร้างน้อยลง และยังคงได้ผลลัพธ์ที่ดี
เทคนิคทั่วไปในการออกแบบพรอมต์ที่กล่าวถึงในการอภิปราย:
- การจัดลำดับผลลัพธ์ (หลักฐานก่อนข้อสรุป)
- แนวทางการกรอง (วิเคราะห์จากกว้างไปหาแนวทางแก้ไขเฉพาะเจาะจง)
- การกำหนดบทบาทให้กับ AI
- การแยกข้อมูลออกจากคำสั่ง
- การใช้ตัวอย่างเพื่อชี้นำการตอบสนอง
- การคิดทีละขั้นตอน (การคาดการณ์ล่วงหน้า)
- การหลีกเลี่ยงภาพหลอนผ่านการออกแบบพรอมต์อย่างระมัดระวัง
อนาคตของการสื่อสารระหว่างมนุษย์กับ AI
ไม่ว่าเราจะเรียกมันว่าวิศวกรรม การออกแบบ หรือเพียงแค่การสื่อสารที่มีประสิทธิภาพ ทักษะในการโต้ตอบกับระบบ AI กำลังมีความสำคัญมากขึ้นเรื่อยๆ ชุมชนได้พัฒนาแนวทางที่เป็นระบบซึ่งรวมถึงการทดสอบ การควบคุมเวอร์ชัน และกรอบการประเมิน - องค์ประกอบที่คล้ายคลึงกับการปฏิบัติด้านวิศวกรรม
ผู้ปฏิบัติที่มีประสิทธิภาพสูงสุดรวมความเข้าใจทางเทคนิคเข้ากับทักษะทางภาษา พวกเขาเข้าใจโครงสร้างแบบจำลอง กระบวนการฝึกอบรม และภาษาศาสตร์เชิงคำนวณ ในขณะเดียวกันก็เชี่ยวชาญศิลปะของการสื่อสารที่ชัดเจน การผสมผสานระหว่างความรู้ทางเทคนิคและทักษะเชิงปฏิบัตินี้อาจแสดงถึงรูปแบบใหม่ของความเชี่ยวชาญที่ก้าวข้ามขอบเขตทางวินัยแบบดั้งเดิม
ในขณะที่เทคโนโลยี AI ยังคงวิวัฒนาการต่อไป วิธีการในการโต้ตอบกับมันของเราก็เช่นกัน การถกเถียงในปัจจุบันเกี่ยวกับศัพท์เฉพาะสะท้อนถึงคำถามที่กว้างขึ้นเกี่ยวกับวิธีที่เราจัดประเภทและให้คุณค่ากับรูปแบบต่างๆ ของความเชี่ยวชาญในโลกที่เพิ่มการทำงานอัตโนมัติมากขึ้น สิ่งที่ชัดเจนคือความสามารถในการสื่อสารอย่างมีประสิทธิภาพกับระบบ AI ได้กลายเป็นทักษะที่มีคุณค่า โดยไม่คำนึงถึงสิ่งที่เราเลือกจะเรียกมัน
บทสนทนายังคงดำเนินต่อไปในขณะที่ทั้งขีดความสามารถของ AI และความเข้าใจของเราเกี่ยวกับวิธีการทำงานกับมันพัฒนาขึ้น สิ่งที่ยังคงคงที่คือแรงผลักดันของมนุษย์ที่จะเก่งเครื่องมือใหม่ๆ และการถกเถียงที่หลีกเลี่ยงไม่ได้ซึ่งเกิดขึ้นเมื่อขอบเขตทางวิชาชีพที่确立ไว้ถูกท้าทายโดยเทคโนโลยีที่เกิดขึ้นใหม่
อ้างอิง: Welcome to Anthropic's Prompt Engineering Interactive Tutorial