วิธีใช้ AI หลายโมเดลร่วมกัน สี่รูปแบบที่ได้ผลจริง

ทำไมโมเดลเดียวถึงไม่พอ

เหตุผลที่คนมักยกมาสนับสนุนการใช้ AI หลายโมเดลคือแต่ละตัวเก่งคนละอย่าง คุณจึงควรเลือกตัวที่ดีที่สุดของแต่ละงาน ซึ่งก็จริง แต่เป็นเหตุผลที่น่าสนใจน้อยที่สุด

เหตุผลที่ดีกว่าคือ โมเดลมองไม่เห็นจุดบอดของตัวเอง ลองให้โมเดลตรวจงานของตัวเอง มันมักจะยืนยันว่าถูกแล้ว เพราะค่าน้ำหนักชุดเดียวกันที่สร้างข้อผิดพลาดก็เป็นตัวสร้างความมั่นใจนั้นด้วย แต่ถ้าถามอีกโมเดลหนึ่งที่ถูกฝึกด้วยข้อมูลคนละชุดและพลาดในแบบที่ต่างกัน มันจะเห็นสิ่งที่ตัวแรกมองไม่เห็น นี่ไม่ใช่ลูกเล่น แต่คือเหตุผลเดียวกับที่คุณให้เพื่อนร่วมงานอ่านอีเมลก่อนส่งถึงลูกค้า

เหตุผลที่สองเป็นเรื่องปฏิบัติ ตำแหน่งผู้นำของโมเดลเปลี่ยนตลอด ใครที่เขียนโค้ดเก่งที่สุดในไตรมาสนี้อาจไม่ใช่ในไตรมาสหน้า เวิร์กโฟลว์ที่สร้างบนผู้ให้บริการรายเดียวต้องรื้อใหม่ทุกครั้งที่อันดับสลับ ส่วนเวิร์กโฟลว์ที่ตั้งอยู่บนแนวคิดว่าคุณสลับโมเดลได้ ไม่มีปัญหานั้น

ต่อจากนี้คือสี่รูปแบบ เรียงตามคุณค่าที่ได้เทียบกับแรงที่ลงไป คุณไม่จำเป็นต้องใช้ครบทั้งสี่ คนส่วนใหญ่ได้เกือบทั้งหมดจากสองรูปแบบแรก

รูปแบบที่ 1 ร่างก่อน แล้วให้อีกโมเดลวิจารณ์

รูปแบบที่ให้คุณค่าสูงสุด และแทบไม่มีใครใช้ เขียนด้วยโมเดลหนึ่ง แล้วตรวจด้วยอีกโมเดลหนึ่ง

มันได้ผลเพราะการสร้างกับการประเมินเป็นงานคนละแบบ โมเดลที่กำลังผลิตข้อความกำลังปรับให้เนื้อหาไหลต่อกันได้ ส่วนโมเดลที่ประเมินข้อความที่ตัวเองไม่ได้เขียนไม่มีส่วนได้เสียกับข้อโต้แย้งนั้น มันจึงบอกตรง ๆ ว่าย่อหน้าที่สามไม่ต่อเนื่อง แทนที่จะกลบเกลื่อนให้

พรอมต์สำคัญมากตรงนี้ การถามว่า "คิดยังไงกับงานชิ้นนี้" จะได้แต่คำชม ให้ขอแบบนี้แทน

คุณไม่ได้เป็นคนเขียนข้อความด้านล่างและไม่มีส่วนได้เสียกับมัน ให้ตรวจในบทบาทบรรณาธิการที่ขี้สงสัย ระบุตามลำดับนี้ 1) ข้อกล่าวอ้างเชิงข้อเท็จจริงที่ผิด ไม่มีหลักฐานรองรับ หรือพูดแรงเกินจริง 2) จุดที่ข้อสรุปไม่ได้ตามมาจากเหตุผลจริง ๆ 3) ย่อหน้าที่อ่อนที่สุดหนึ่งย่อหน้าพร้อมเหตุผลที่ชัดเจน ห้ามเขียนใหม่ให้ และห้ามบอกว่าอะไรดี

คำสั่งสามข้อท้ายคือส่วนที่ทำงานจริง "ห้ามเขียนใหม่" กันไม่ให้มันผลิตเวอร์ชันในน้ำเสียงของตัวเอง ซึ่งไม่ใช่สิ่งที่คุณขอ "ห้ามบอกว่าอะไรดี" ตัดคำชมอัตโนมัติที่ถ่วงฟีดแบ็กของ AI ส่วนใหญ่ออกไป ส่วน "คุณไม่ได้เป็นคนเขียนสิ่งนี้" เป็นการวางกรอบที่ได้ผลดีอย่างน่าประหลาด เพราะมันหยุดโมเดลจากการปกป้องตัวเลือกที่มันคิดว่าเป็นของตัวเอง

จากนั้นเอาคำวิจารณ์เฉพาะส่วนที่คุณเห็นด้วยกลับไปให้โมเดลตัวแรก คุณคือบรรณาธิการที่ตัดสินว่าจะรับโน้ตข้อไหน ซึ่งเป็นการแบ่งงานที่ถูกต้องพอดี

จุดที่คุ้มกับเวลาเพิ่มอีกสองนาทีคือ อะไรก็ตามที่ส่งถึงลูกค้า อะไรที่เผยแพร่สู่สาธารณะ และอะไรที่ผิดแล้วแพง ส่วนจุดที่ไม่คุ้มคือข้อความในแชตทีม โครงร่างฉบับแรก และรายการของที่ต้องซื้อ

รูปแบบที่ 2 การเช็กจุดที่เห็นไม่ตรงกัน

นี่คือสิ่งที่ใกล้เคียงเครื่องจับข้อมูลมั่วที่เชื่อถือได้ที่สุด โดยไม่ต้องไล่ตรวจทุกอย่างด้วยมือ

ถามคำถามเชิงข้อเท็จจริงข้อเดียวกันกับสองโมเดล แยกกัน ด้วยพรอมต์เดียวกัน แล้วเอามาเทียบ ตรงที่ตอบตรงกัน คุณน่าจะปลอดภัย ส่วนตรงที่ตอบไม่ตรงกัน คุณเจอจุดที่ต้องไปตรวจสอบพอดี

เทคนิคมีแค่นั้น และมันทรงพลังเพราะข้อมูลที่มั่วขึ้นมามักไม่ซ้ำกัน เมื่อโมเดลหนึ่งแต่งสถิติ ชื่อคดี ชื่อฟังก์ชัน หรือวันที่ขึ้นมา อีกโมเดลที่ฝึกมาคนละแบบแทบไม่เคยแต่งอันเดียวกัน การตอบตรงกันเป็นหลักฐานที่อ่อนว่าถูกต้อง แต่การตอบไม่ตรงกันเป็นหลักฐานที่หนักแน่นว่ามีอะไรผิด และมันชี้ตรงไปที่จุดนั้นเลย

สำหรับงานที่มีข้อกล่าวอ้างหลายข้อ ให้การเปรียบเทียบทำงานแทนคุณ

ด้านล่างคือคำตอบสองชุดของคำถามเดียวกัน ทำเครื่องหมายเป็น A และ B ไม่ต้องสนใจสไตล์และความยาว ให้ระบุทุกประเด็นเนื้อหาที่ทั้งสองไม่ตรงกัน รวมถึงตัวเลข วันที่ ชื่อ และความหนักแน่นของการกล่าวอ้าง สำหรับแต่ละจุดที่ต่างกัน ให้บอกว่าอันไหนน่าจะถูกกว่า และแหล่งข้อมูลเดียวอะไรที่จะตัดสินเรื่องนี้ได้

คุณจะได้รายการสั้น ๆ ของสิ่งที่ต้องตรวจ แทนที่จะได้เอกสารยาว ๆ ที่ต้องตรวจทั้งฉบับ และรายการนั้นมักชี้ถูกว่าปัญหาอยู่ตรงไหน

มีคำเตือนสองข้อ ข้อแรก โมเดลอาจผิดเหมือนกันได้ถ้าความเข้าใจผิดนั้นแพร่หลายบนอินเทอร์เน็ต วิธีนี้จึงจับการแต่งขึ้นมาเองได้ดีกว่าจับข้อมูลผิดที่แพร่หลาย ข้อสอง อย่าข้ามการตรวจสอบเพียงเพราะสองโมเดลตอบตรงกัน วิธีนี้ทำให้ขอบเขตที่ต้องตรวจแคบลง ไม่ได้ทำให้ไม่ต้องตรวจ

ใช้กับ สถิติ ข้อกล่าวอ้างทางกฎหมายและการแพทย์ ข้อเท็จจริงทางประวัติศาสตร์ รายละเอียด API และอะไรก็ตามที่คุณจะถูกอ้างถึง ข้ามได้สำหรับ ความคิดเห็น งานสร้างสรรค์ และอะไรที่ถูกคร่าว ๆ ก็พอ

รูปแบบที่ 3 ส่งงานตามประเภท

รูปแบบที่ชัดเจนอยู่แล้ว แต่ควรทำให้ถูกวิธี ส่งงานแต่ละประเภทไปที่โมเดลที่เก่งเรื่องนั้น แทนที่จะส่งทุกอย่างไปที่ตัวที่คุณเปิดค้างไว้

งาน	หยิบตัวไหน	เพราะ
ฉบับร่างแรกของงานเขียนใด ๆ	โมเดลที่เขียนแข็งที่สุด	คุณกำลังซื้อเวลาแก้งานที่ลดลง
การตรวจฉบับร่างนั้น	อีกโมเดลหนึ่ง	สายตาใหม่ จุดพลาดคนละแบบ
อะไรก็ตามที่เกี่ยวกับสัปดาห์นี้	โมเดลที่ค้นหาแบบสดได้	ข้อมูลที่ใช้ฝึกตามหลังเสมอ
เอกสารหรือโค้ดเบสที่ยาวมาก	โมเดลบริบทใหญ่	ต้องใส่เข้าไปได้ก่อนถึงจะเข้าใจได้
ตรรกะยาก คณิตศาสตร์ หรือบั๊กกวนใจ	โมเดลสายให้เหตุผลที่คิดยาวได้	ช้ากว่า แต่แม่นกว่ามากกับโจทย์หลายขั้น
งานซ้ำ ๆ ปริมาณมาก	โมเดลราคาถูกที่เร็ว	คุณภาพระดับแนวหน้าเปลืองเปล่ากับงานจัดหมวดและติดแท็ก
อะไรก็ตามที่อ่อนไหว	ตัวที่ผ่านกฎเรื่องข้อมูลของคุณ	ความสามารถไม่ได้อยู่เหนือข้อผูกพันของคุณ

นิสัยเดียวที่ควรสร้างคือ เลิกใช้ตัวเดิมโดยอัตโนมัติ คนส่วนใหญ่ใช้โมเดลที่ค่าสมาชิกให้มากับทุกงาน รวมถึงงานที่มันทำได้ไม่ดี แล้วสรุปว่า AI ห่วยกับงานเหล่านั้น การคิดสิบวินาทีว่าโมเดลไหนเหมาะ เปลี่ยนผลลัพธ์ได้มากกว่าการนั่งเกลาพรอมต์เป็นชั่วโมง

หากอยากได้เวอร์ชันเต็มของการตัดสินใจนี้ ดู วิธีเลือกโมเดล AI และดู หน้าต่างบริบทคืออะไร เพื่อเข้าใจว่าทำไมแถวเรื่องเอกสารยาวถึงมีอยู่

รูปแบบที่ 4 ส่งไม้ต่อด้วยบันทึกที่เขียนไว้

สำหรับงานที่กินหลายช่วง จุดที่พังคือช่องว่างระหว่างช่วง คุณอธิบายโปรเจกต์ให้โมเดลหนึ่งฟัง ไปได้ถึงจุดที่มีประโยชน์ แล้วย้ายไปอีกโมเดล จากนั้นก็วางประวัติทั้งกำแพงลงไป หรือไม่ก็อธิบายใหม่ทั้งหมดแบบไม่ครบ

แก้ด้วยการขอบันทึกส่งต่ออย่างชัดเจนก่อนสลับ

เขียนบันทึกส่งต่อสำหรับผู้ช่วยอีกตัวที่ยังไม่เคยเห็นบทสนทนานี้ ใส่ให้ครบว่าเรากำลังพยายามผลิตอะไร ตัดสินใจอะไรไปแล้วบ้างและเพราะอะไร มีข้อจำกัดและสิ่งที่ต้องเลี่ยงอะไรบ้าง ลองอะไรไปแล้วและตัดทิ้งเพราะอะไร และฉันต้องการอะไรต่อไปอย่างเจาะจง ให้ละเอียดพอที่มันจะทำต่อได้โดยไม่ต้องถามฉันเลย

วิธีนี้มีประโยชน์แม้ตอนที่คุณไม่ได้สลับโมเดล มันเป็นทางที่สะอาดที่สุดในการหนีออกจากบทสนทนายาว ๆ ที่เริ่มช้าและคลุมเครือ เพราะคุณเก็บเนื้อหาสำคัญไว้และทิ้งเสียงรบกวนที่สะสมมา วางบันทึกนั้นลงในแชตใหม่ แล้วคุณภาพมักกระโดดขึ้นทันที

การส่งไม้ต่อจริง ๆ หน้าตาแบบนี้ ให้รายงาน 200 หน้ากับโมเดลบริบทใหญ่แล้วขอบทสรุปที่มีโครงสร้าง พร้อมยกข้อความสิบท่อนที่สำคัญที่สุดมาด้วย เอาสิ่งเหล่านั้นไปเข้าโมเดลที่เขียนแข็งเพื่อทำบันทึกถึงลูกค้า แล้วรันรอบวิจารณ์จากรูปแบบที่หนึ่งด้วยโมเดลตัวที่สาม รวมเวลาราวสิบห้านาที และทุกช่วงใช้เครื่องมือที่เหมาะกับมัน

เมื่อไรที่ไม่ต้องเสียเวลาทำ

เวิร์กโฟลว์หลายโมเดลมีต้นทุนแฝง และการแกล้งทำเป็นว่าไม่มี คือเหตุผลที่คนลงเอยด้วยกระบวนการอลังการเพื่อเขียนอีเมลสองบรรทัด

ใช้โมเดลเดียวเมื่อ งานเล็ก ผิดพลาดแล้วเสียหายน้อย คุณกำลังสำรวจมากกว่าจะผลิต คุณกำลังปรับแก้อย่างรวดเร็วและแรงเสียดทานจะทำให้จังหวะขาด หรืองานนั้นเป็นงานสร้างสรรค์จริง ๆ ที่ความเห็นที่สองมีแต่จะทำให้น้ำเสียงของคุณขุ่นมัว

ใช้สองโมเดลขึ้นไปเมื่อ ผลลัพธ์จะไปถึงคนอื่น ความถูกต้องของข้อเท็จจริงสำคัญ งานมีหลายช่วงที่ต้องใช้จุดแข็งต่างกัน คุณติดตันและต้องการมุมที่ต่างออกไปจริง ๆ หรือคุณกำลังจะตัดสินใจโดยอิงจากสิ่งที่โมเดลบอก

กฎที่สมเหตุสมผลคือ ถ้าคุณจะให้เพื่อนร่วมงานช่วยดู ก็ให้ถามโมเดลตัวที่สอง ถ้าคุณจะไม่ให้ใครดู ก็ไม่ต้อง

ทำให้มันใช้ได้จริง

ทั้งหมดนี้ตรงไปตรงมาในหลักการ แต่น่ารำคาญในทางปฏิบัติถ้าแต่ละโมเดลอยู่หลังค่าสมาชิกคนละก้อน แรงเสียดทานนั้นมีจริง ทั้งแท็บแยก ประวัติแยก การคัดลอกบริบทไปมา การเสียรูปแบบข้อความ และแรงต้านเล็ก ๆ ที่ทำให้คุณข้ามรอบวิจารณ์ในวันที่คุณต้องการมันที่สุด

แรงเสียดทานนั้นแหละคือเหตุผลที่รูปแบบข้างต้นถูกใช้น้อยเกินไป มันไม่ได้ยาก มันแค่จุกจิกพอที่จะถูกข้ามตอนคุณยุ่ง

นี่คือสิ่งที่พื้นที่ทำงานแบบหลายโมเดลมีไว้เพื่อแก้ ใน Whizi โมเดลทุกตัวอยู่ในบทสนทนาเดียวกัน รอบวิจารณ์จึงเป็นแค่การสลับโมเดลแล้วถาม ไม่ใช่การเปิดผลิตภัณฑ์อีกตัวแล้ววางฉบับร่างลงไป ประวัติเดียว ค้นหาครั้งเดียวได้ทุกอย่างที่คุณเคยถาม บิลเดียว ดู การสลับโมเดลกลางบทสนทนา และ การเปรียบเทียบโมเดลเคียงข้างกัน ว่าสองขั้นตอนนั้นทำงานจริงอย่างไร

ถ้าคุณอยากประกอบเองจากค่าสมาชิกแยกก้อน รูปแบบเหล่านี้ก็ยังใช้ได้และคุณก็ควรใช้ สิ่งเดียวที่เปลี่ยนคือคุณจะมีแรงทำมันบ่อยแค่ไหน ถ้าคุณจ่ายค่าแผนสองหรือสามก้อนอยู่แล้วเพื่อให้ทำแบบนี้ได้ ลองรัน เครื่องคำนวณเงินที่ประหยัดได้ ก่อน เพราะนั่นมักเป็นวิธีที่แพงกว่าเพื่อให้ได้ผลลัพธ์เดียวกัน

เริ่มจากรูปแบบที่หนึ่ง หยิบงานเขียนชิ้นถัดไปที่จะมีคนอื่นอ่าน แล้วรันพรอมต์วิจารณ์ผ่านอีกโมเดลหนึ่ง ดูว่ามันเจออะไรบ้าง นิสัยเดียวข้อนี้มีค่ามากกว่าทุกอย่างที่เหลือในบทความนี้