Prompt EngineeringChain of ThoughtAI TechniquesChatGPTAdvanced

Chain of Thought: เทคนิคให้ AI คิดเป็นขั้นตอน

เรียนรู้เทคนิค Chain of Thought Prompting ที่ช่วยให้ AI คิดเป็นขั้นตอนและให้คำตอบที่แม่นยำขึ้น พร้อมตัวอย่าง Prompt ที่ใช้งานได้จริง

AI Unlocked Team
06/02/2568
Chain of Thought: เทคนิคให้ AI คิดเป็นขั้นตอน

Chain of Thought: เทคนิคให้ AI คิดเป็นขั้นตอน

เคยถาม AI แล้วได้คำตอบผิดๆ ไหมคะ? โดยเฉพาะโจทย์ที่ต้องใช้ความคิดหลายขั้นตอน วันนี้เราจะมาสอนเทคนิค "Chain of Thought" ที่ช่วยให้ AI คิดเป็นขั้นตอน และให้คำตอบที่ถูกต้องมากขึ้นค่ะ

Chain of Thought คืออะไร?

Chain of Thought (CoT) คือเทคนิคการเขียน Prompt ที่บอกให้ AI แสดง "กระบวนการคิด" ออกมาทีละขั้น แทนที่จะกระโดดไปหาคำตอบเลย

เหมือนกับการทำโจทย์เลขค่ะ ถ้าเราเขียนวิธีทำทีละขั้น โอกาสผิดจะน้อยกว่าการคิดในใจแล้วเขียนคำตอบเลย

ทำไม Chain of Thought ถึงได้ผล?

  1. ลดการข้ามขั้นตอน - AI จะไม่ข้ามขั้นตอนสำคัญ
  2. จับผิดง่ายขึ้น - เราเห็นวิธีคิด ถ้าผิดตรงไหนก็แก้ได้
  3. เหมาะกับโจทย์ซับซ้อน - โจทย์ที่ต้องคิดหลายขั้น
  4. คำตอบแม่นยำขึ้น - งานวิจัยพบว่าช่วยเพิ่มความถูกต้องได้มาก

วิธีใช้ Chain of Thought

1. Zero-Shot CoT (ง่ายที่สุด)

แค่เพิ่มคำว่า "คิดทีละขั้นตอน" หรือ "Let's think step by step"

Prompt ธรรมดา:
"ร้านค้าซื้อสินค้ามา 50 ชิ้น ราคาชิ้นละ 100 บาท
ขายไป 30 ชิ้น ราคาชิ้นละ 150 บาท
กำไรเท่าไหร่?"

Prompt แบบ CoT:
"ร้านค้าซื้อสินค้ามา 50 ชิ้น ราคาชิ้นละ 100 บาท
ขายไป 30 ชิ้น ราคาชิ้นละ 150 บาท
กำไรเท่าไหร่?

คิดทีละขั้นตอน"

2. Few-Shot CoT (ให้ตัวอย่าง)

ให้ตัวอย่างการคิดทีละขั้นก่อน แล้ว AI จะทำตาม

ตัวอย่าง:
คำถาม: มีแอปเปิ้ล 5 ลูก ซื้อเพิ่มมา 3 ลูก ให้เพื่อนไป 2 ลูก เหลือกี่ลูก?

วิธีคิด:
1. เริ่มต้นมี 5 ลูก
2. ซื้อเพิ่ม 3 ลูก → 5 + 3 = 8 ลูก
3. ให้เพื่อนไป 2 ลูก → 8 - 2 = 6 ลูก
คำตอบ: 6 ลูก

---

คำถาม: [โจทย์ใหม่ของคุณ]

วิธีคิด:

3. Structured CoT (กำหนดโครงสร้าง)

กำหนดโครงสร้างการคิดให้ชัดเจน

"วิเคราะห์ว่าควรลงทุนในหุ้น XYZ หรือไม่

โปรดวิเคราะห์ตามขั้นตอนนี้:
1. ข้อมูลพื้นฐานของบริษัท
2. จุดแข็งของบริษัท
3. จุดอ่อนและความเสี่ยง
4. เปรียบเทียบกับคู่แข่ง
5. สรุปและข้อเสนอแนะ

แต่ละขั้นตอนให้อธิบายเหตุผลด้วย"

ตัวอย่างการใช้งานจริง

ตัวอย่างที่ 1: โจทย์คณิตศาสตร์

โจทย์: รถคันหนึ่งวิ่งจากกรุงเทพไปเชียงใหม่ ระยะทาง 700 กม.
ช่วงแรก 3 ชั่วโมง วิ่งด้วยความเร็ว 80 กม./ชม.
ช่วงที่เหลือวิ่งด้วยความเร็ว 100 กม./ชม.
ใช้เวลาทั้งหมดกี่ชั่วโมง?

คิดทีละขั้นตอน:

ขั้นที่ 1: คำนวณระยะทางช่วงแรก
- ความเร็ว 80 กม./ชม. x 3 ชม. = 240 กม.

ขั้นที่ 2: คำนวณระยะทางที่เหลือ
- ระยะทางทั้งหมด 700 กม. - 240 กม. = 460 กม.

ขั้นที่ 3: คำนวณเวลาช่วงที่เหลือ
- 460 กม. ÷ 100 กม./ชม. = 4.6 ชม.

ขั้นที่ 4: คำนวณเวลารวม
- 3 ชม. + 4.6 ชม. = 7.6 ชม.

คำตอบ: ใช้เวลาทั้งหมด 7.6 ชั่วโมง หรือ 7 ชั่วโมง 36 นาที

ตัวอย่างที่ 2: การตัดสินใจทางธุรกิจ

"บริษัทกำลังเลือกระหว่าง 2 ตัวเลือก:
A: ลงทุน 1 ล้านบาท คาดว่าจะได้กำไร 30% ใน 2 ปี
B: ลงทุน 500,000 บาท คาดว่าจะได้กำไร 50% ใน 1 ปี

ช่วยวิเคราะห์ว่าควรเลือกตัวเลือกไหน
โดยคิดทีละขั้นตอนดังนี้:

1. คำนวณผลตอบแทนของแต่ละตัวเลือก
2. เปรียบเทียบ ROI ต่อปี
3. วิเคราะห์ความเสี่ยง
4. พิจารณา cash flow
5. สรุปข้อเสนอแนะ"

ตัวอย่างที่ 3: การแก้ปัญหา Code

"Code นี้มี bug ช่วยหาให้หน่อย:

function calculateTotal(items) {
  let total = 0;
  for (let i = 1; i <= items.length; i++) {
    total += items[i].price;
  }
  return total;
}

วิเคราะห์ทีละขั้นตอน:
1. ดูโครงสร้าง function
2. ตรวจสอบการวน loop
3. ตรวจสอบการเข้าถึง array
4. ระบุ bug และวิธีแก้"

ตัวอย่างที่ 4: การวางแผน

"อยากเปิดคาเฟ่เล็กๆ ในเชียงใหม่ งบ 500,000 บาท

ช่วยวางแผนทีละขั้นตอน:

1. วิเคราะห์ความเป็นไปได้
   - ตลาด
   - คู่แข่ง
   - กลุ่มเป้าหมาย

2. การแบ่งงบประมาณ
   - ค่าเช่า/มัดจำ
   - ตกแต่ง
   - อุปกรณ์
   - วัตถุดิบเริ่มต้น
   - สำรอง

3. Timeline การเปิดร้าน

4. สิ่งที่ต้องเตรียม

5. ความเสี่ยงและวิธีรับมือ"

เทคนิคขั้นสูง

1. Self-Consistency CoT

ให้ AI คิดหลายวิธี แล้วเลือกคำตอบที่ตรงกันมากที่สุด

"แก้โจทย์นี้ 3 วิธีต่างกัน
แต่ละวิธีคิดทีละขั้นตอน
แล้วสรุปว่าคำตอบที่น่าจะถูกต้องคือเท่าไหร่"

2. Tree of Thoughts

ให้ AI สำรวจหลายทางเลือก ก่อนตัดสินใจ

"วิเคราะห์ปัญหานี้โดย:
1. ระบุทางเลือก 3 ทาง
2. วิเคราะห์ข้อดี-ข้อเสียแต่ละทาง
3. ประเมินความเป็นไปได้
4. เลือกทางที่ดีที่สุดพร้อมเหตุผล"

3. Decomposition

แตกปัญหาใหญ่เป็นปัญหาย่อย

"แตกปัญหานี้เป็นส่วนย่อยๆ:

ปัญหาหลัก: [ปัญหา]

1. ระบุปัญหาย่อย 3-5 ข้อ
2. แก้แต่ละปัญหาย่อยทีละข้อ
3. รวมคำตอบเป็นคำตอบสุดท้าย"

เมื่อไหร่ควรใช้ Chain of Thought?

ควรใช้เมื่อ:

  • โจทย์คณิตศาสตร์หรือตรรกะ
  • การวิเคราะห์ที่ซับซ้อน
  • การตัดสินใจที่มีหลายปัจจัย
  • การแก้ปัญหาที่ต้องใช้หลายขั้นตอน
  • เมื่อต้องการความโปร่งใสในการคิด

ไม่จำเป็นต้องใช้เมื่อ:

  • คำถามง่ายๆ ตรงไปตรงมา
  • ถามข้อมูลทั่วไป
  • งาน creative ที่ไม่ต้องการโครงสร้าง
  • คำถามที่ต้องการคำตอบสั้นๆ

Prompt Template

[ระบุโจทย์หรือปัญหา]

กรุณาคิดทีละขั้นตอนดังนี้:

ขั้นที่ 1: [ขั้นตอนแรก]
ขั้นที่ 2: [ขั้นตอนที่สอง]
ขั้นที่ 3: [ขั้นตอนที่สาม]
...

สุดท้ายสรุปคำตอบให้ชัดเจน

ข้อควรระวัง

  1. อาจช้าลง - การคิดทีละขั้นใช้เวลามากกว่า
  2. ยาวขึ้น - Output จะยาวกว่าปกติ
  3. ไม่จำเป็นสำหรับทุกคำถาม - บางคำถามไม่ต้องใช้ก็ได้

สรุป

Chain of Thought เป็นเทคนิคที่ทรงพลังมากค่ะ ช่วยให้ AI คิดเป็นระบบและให้คำตอบที่แม่นยำขึ้น โดยเฉพาะกับโจทย์ที่ซับซ้อนหรือต้องการการวิเคราะห์

แค่เพิ่มคำว่า "คิดทีละขั้นตอน" ก็ช่วยได้แล้ว หรือจะกำหนดขั้นตอนที่ชัดเจนให้ก็ยิ่งดีค่ะ


อยากเรียนรู้เพิ่มเติม?

ถ้าอยากเรียนรู้เทคนิค Prompt Engineering แบบเจาะลึก รวมถึง Chain of Thought และเทคนิคขั้นสูงอื่นๆ

คอร์สสอน AI ที่เชียงใหม่ ของเราสอนตั้งแต่พื้นฐานจนถึงขั้นสูง พร้อม workshop ให้ลงมือทำจริง

👉 ดูรายละเอียดคอร์สเพิ่มเติม

มีคำถามเพิ่มเติม ทักมาคุยกันได้เลยค่ะ!

เขียนโดย

AI Unlocked Team

บทความอื่นๆ ที่น่าสนใจ