Zero-Shot vs Few-Shot Prompting: ต่างกันอย่างไร เลือกใช้เมื่อไหร่

เมื่อเริ่มศึกษา Prompt Engineering คุณจะพบคำว่า Zero-Shot และ Few-Shot บ่อยครั้ง ทั้งสองเทคนิคนี้เป็นพื้นฐานสำคัญที่ช่วยให้คุณสื่อสารกับ AI ได้อย่างมีประสิทธิภาพ

บทความนี้จะอธิบายความแตกต่าง ข้อดีข้อเสีย และแนวทางการเลือกใช้ที่เหมาะสม

Zero-Shot Prompting คืออะไร?

Zero-Shot Prompting คือการให้คำสั่งกับ AI โดยไม่ให้ตัวอย่างใดๆ เลย AI จะตอบคำถามโดยใช้ความรู้ที่มีอยู่แล้วจากการ Train

ตัวอย่าง Zero-Shot

Prompt:
จัดหมวดหมู่ข้อความต่อไปนี้ว่าเป็น Positive, Negative หรือ Neutral

ข้อความ: "อาหารอร่อยมาก แต่รอนานไปหน่อย"

คำตอบ:

AI จะวิเคราะห์และตอบได้โดยไม่ต้องมีตัวอย่างก่อนหน้า

เมื่อไหร่ควรใช้ Zero-Shot

• งานทั่วไป: แปลภาษา สรุปความ ตอบคำถาม
• งานที่ชัดเจน: คำสั่งตรงไปตรงมา ไม่ซับซ้อน
• ต้องการความเร็ว: ไม่มีเวลาเตรียมตัวอย่าง
• ทดสอบ AI: ดูว่า AI เข้าใจงานหรือไม่

Few-Shot Prompting คืออะไร?

Few-Shot Prompting คือการให้ตัวอย่างจำนวนหนึ่ง (มักจะ 2-5 ตัวอย่าง) ก่อนที่จะให้ AI ทำงานจริง ช่วยให้ AI เข้าใจรูปแบบและความคาดหวังของเรา

ตัวอย่าง Few-Shot

Prompt:
จัดหมวดหมู่ข้อความเป็น Positive, Negative หรือ Neutral

ตัวอย่าง 1:
ข้อความ: "สินค้าดีมากครับ ส่งเร็วด้วย"
หมวดหมู่: Positive

ตัวอย่าง 2:
ข้อความ: "สินค้าเสียหาย ไม่พอใจเลย"
หมวดหมู่: Negative

ตัวอย่าง 3:
ข้อความ: "ได้รับสินค้าแล้ว"
หมวดหมู่: Neutral

---

ทีนี้จัดหมวดหมู่ข้อความนี้:
ข้อความ: "อาหารอร่อยมาก แต่รอนานไปหน่อย"
หมวดหมู่:

เมื่อไหร่ควรใช้ Few-Shot

• งานเฉพาะทาง: ต้องการผลลัพธ์ในรูปแบบพิเศษ
• งานซับซ้อน: มีเงื่อนไขหลายอย่าง
• ต้องการความแม่นยำ: ลดโอกาสเข้าใจผิด
• รูปแบบเฉพาะ: ต้องการ Output ในรูปแบบที่กำหนด

เปรียบเทียบ Zero-Shot vs Few-Shot

หัวข้อ	Zero-Shot	Few-Shot
ตัวอย่าง	ไม่มี	2-5 ตัวอย่าง
ความยาว Prompt	สั้น	ยาวกว่า
Token ที่ใช้	น้อย	มากกว่า
ความแม่นยำ	ปานกลาง	สูงกว่า
ความยืดหยุ่น	สูง	ต่ำกว่า (ตามตัวอย่าง)
เวลาเตรียม	เร็ว	ใช้เวลามากกว่า
เหมาะกับงาน	ทั่วไป	เฉพาะทาง

ตัวอย่างเปรียบเทียบจริง 5 กรณี

กรณีที่ 1: การแปลภาษา

Zero-Shot:

แปลประโยคนี้เป็นภาษาอังกฤษ:
"ขอบคุณสำหรับความช่วยเหลือ"

Few-Shot:

แปลประโยคไทยเป็นภาษาอังกฤษแบบ Casual

ตัวอย่าง:
ไทย: "สวัสดีครับ"
English: "Hey there!"

ไทย: "ไปไหนมา?"
English: "Where've you been?"

---
ทีนี้แปล:
ไทย: "ขอบคุณสำหรับความช่วยเหลือ"
English:

ผลลัพธ์:

• Zero-Shot: "Thank you for your help"
• Few-Shot: "Thanks for the help!" (Casual มากขึ้นตามตัวอย่าง)

กรณีที่ 2: การสร้าง Hashtag

Zero-Shot:

สร้าง Hashtag 5 ตัวสำหรับโพสต์เกี่ยวกับ "คอร์สเรียน AI"

Few-Shot:

สร้าง Hashtag สำหรับโพสต์ Instagram

ตัวอย่าง:
หัวข้อ: ร้านกาแฟ
Hashtags: #คาเฟ่ #กาแฟอร่อย #CafeHopping #CoffeeLover #ReviewCafe

หัวข้อ: ออกกำลังกาย
Hashtags: #ฟิตเนส #สุขภาพดี #WorkoutDaily #FitnessMotivation #HealthyLife

---
หัวข้อ: คอร์สเรียน AI
Hashtags:

กรณีที่ 3: การเขียน Product Description

Zero-Shot:

เขียนคำอธิบายสินค้าสำหรับ "หูฟังบลูทูธไร้สาย"

Few-Shot:

เขียนคำอธิบายสินค้าแบบกระชับ เน้น Feature และ Benefit

ตัวอย่าง 1:
สินค้า: สมาร์ทวอทช์
คำอธิบาย: ติดตามทุกก้าว วัดทุกการเต้น สมาร์ทวอทช์ที่เข้าใจสุขภาพคุณ แบตอึดนาน 7 วัน กันน้ำได้ 50 เมตร พร้อมเซ็นเซอร์ SpO2

ตัวอย่าง 2:
สินค้า: กระเป๋าเป้
คำอธิบาย: เบาเหมือนไม่ได้แบก จุเหมือนไม่มีขีดจำกัด กระเป๋าเป้ดีไซน์ minimalist ผ้ากันน้ำ มีช่องใส่ laptop 15 นิ้ว

---
สินค้า: หูฟังบลูทูธไร้สาย
คำอธิบาย:

กรณีที่ 4: การวิเคราะห์ Sentiment

Zero-Shot:

วิเคราะห์อารมณ์ของรีวิวนี้:
"สินค้าโอเค แต่ราคาแพงไปนิด"

ให้ตอบเป็น: Positive / Negative / Mixed / Neutral

Few-Shot:

วิเคราะห์ Sentiment ของรีวิวสินค้า

ตัวอย่าง:
รีวิว: "ดีมากครับ คุ้มค่าเงิน"
Sentiment: Positive
เหตุผล: ใช้คำชมเชย คุ้มค่า

รีวิว: "ห่วยมาก ไม่ซื้ออีกแล้ว"
Sentiment: Negative
เหตุผล: ใช้คำตำหนิ ปฏิเสธซื้อซ้ำ

รีวิว: "พอใช้ได้ ไม่ได้ดีไม่ได้แย่"
Sentiment: Neutral
เหตุผล: ไม่มีอารมณ์ชัดเจน

รีวิว: "สินค้าสวย แต่ส่งช้า"
Sentiment: Mixed
เหตุผล: มีทั้งข้อดีและข้อเสีย

---
รีวิว: "สินค้าโอเค แต่ราคาแพงไปนิด"
Sentiment:
เหตุผล:

กรณีที่ 5: การสร้าง Email Subject Line

Zero-Shot:

สร้างหัวข้ออีเมลสำหรับแจ้งโปรโมชั่นลด 50%

Few-Shot:

สร้างหัวข้ออีเมลที่น่าคลิก สำหรับส่งให้ลูกค้า

ตัวอย่าง:
โปรโมชั่น: Flash Sale 24 ชม.
Subject: เหลืออีกแค่วันเดียว! ดีลพิเศษรอคุณอยู่

โปรโมชั่น: สมาชิกใหม่รับส่วนลด
Subject: ยินดีต้อนรับ! ของขวัญพิเศษรอคุณอยู่ข้างใน

โปรโมชั่น: ครบรอบ 5 ปี
Subject: 5 ปีแห่งความทรงจำ เราขอบคุณด้วยของขวัญพิเศษ

---
โปรโมชั่น: ลด 50% ทุกรายการ
Subject:

One-Shot Prompting คืออะไร?

One-Shot คือการให้ตัวอย่างเพียง 1 ตัวอย่าง เป็นจุดกึ่งกลางระหว่าง Zero-Shot และ Few-Shot

เขียน Tweet โปรโมทบทความ

ตัวอย่าง:
บทความ: "10 วิธีประหยัดเงิน"
Tweet: "รู้มั้ยว่าแค่เปลี่ยนนิสัยเล็กๆ ก็ประหยัดได้หลักหมื่นต่อปี? อ่าน 10 วิธีที่พิสูจน์แล้วว่าได้ผลจริง #การเงิน #ประหยัดเงิน"

---
บทความ: "Prompt Engineering 101"
Tweet:

การรวมเทคนิคเข้าด้วยกัน

บางครั้งคุณสามารถใช้ทั้ง Zero-Shot และ Few-Shot ร่วมกันได้

ตัวอย่าง: Zero-Shot สำหรับโครงสร้าง + Few-Shot สำหรับสไตล์

เขียน Product Review ตามรูปแบบนี้:

## โครงสร้าง (Zero-Shot):
1. หัวข้อที่น่าสนใจ
2. บทนำ (1 ย่อหน้า)
3. ข้อดี (3-5 ข้อ)
4. ข้อเสีย (1-3 ข้อ)
5. สรุปและคะแนน

## สไตล์การเขียน (Few-Shot):
ตัวอย่างการเขียนข้อดี:
"แบตเตอรี่อึด: ชาร์จครั้งเดียวอยู่ได้ทั้งวัน ใช้ฟังเพลง 8 ชม.ต่อเนื่องสบายๆ"

ตัวอย่างการเขียนข้อเสีย:
"ราคาค่อนข้างสูง: เมื่อเทียบกับคู่แข่งในรุ่นเดียวกัน แพงกว่าประมาณ 20%"

---
สินค้า: iPhone 15 Pro

Best Practices สำหรับ Few-Shot Prompting

1. เลือกตัวอย่างที่หลากหลาย

ดี: ให้ตัวอย่าง Positive, Negative, และ Neutral
ไม่ดี: ให้แต่ตัวอย่าง Positive ทั้งหมด

2. จัดลำดับตัวอย่างอย่างมีระบบ

ดี:
ตัวอย่าง 1: [ง่าย]
ตัวอย่าง 2: [ปานกลาง]
ตัวอย่าง 3: [ซับซ้อน]

ไม่ดี: สุ่มลำดับตัวอย่าง

3. ใช้ Delimiter แยกตัวอย่าง

---
ตัวอย่าง 1:
...

---
ตัวอย่าง 2:
...

---
งานจริง:
...

4. ตัวอย่างควรเหมือนงานจริง

ดี: ตัวอย่างมีความยาวและซับซ้อนใกล้เคียงงานจริง
ไม่ดี: ตัวอย่างสั้นมาก แต่งานจริงยาว

5. หลีกเลี่ยงตัวอย่างที่ขัดแย้งกัน

ไม่ดี:
ตัวอย่าง 1: "ดีมาก" → Positive
ตัวอย่าง 2: "ดีมากเลย" → Neutral (ขัดแย้ง!)

ข้อผิดพลาดที่พบบ่อย

ใช้ Zero-Shot เมื่อต้องการความแม่นยำสูง

❌ ผิด:
"วิเคราะห์งบการเงินนี้และจัดหมวดหมู่รายการ"

✅ ถูก:
"วิเคราะห์งบการเงิน โดยจัดหมวดหมู่ตามตัวอย่าง:

ตัวอย่าง 1:
รายการ: ค่าเช่าสำนักงาน
หมวดหมู่: ค่าใช้จ่ายดำเนินงาน

ตัวอย่าง 2:
รายการ: ซื้อเครื่องจักร
หมวดหมู่: สินทรัพย์ถาวร
..."

ให้ตัวอย่างน้อยเกินไปสำหรับงานซับซ้อน

❌ ผิด: ให้ 1 ตัวอย่างสำหรับการวิเคราะห์ที่มี 5 หมวดหมู่

✅ ถูก: ให้อย่างน้อย 1 ตัวอย่างต่อหมวดหมู่

ให้ตัวอย่างมากเกินไป

❌ ผิด: ให้ 20 ตัวอย่างสำหรับงานง่ายๆ (เปลือง Token)

✅ ถูก: 3-5 ตัวอย่างเพียงพอสำหรับงานส่วนใหญ่

เทคนิคขั้นสูง: Prompt Chaining

เมื่องานซับซ้อนมาก คุณสามารถใช้ Zero-Shot และ Few-Shot ต่อเนื่องกัน

ขั้นตอน 1 (Zero-Shot): แบ่งงานเป็นส่วนย่อย
ขั้นตอน 2 (Few-Shot): ทำแต่ละส่วนด้วยตัวอย่างที่เหมาะสม
ขั้นตอน 3 (Zero-Shot): รวมผลลัพธ์

แหล่งเรียนรู้เพิ่มเติม

อยากเรียนรู้เทคนิค Prompting เพิ่มเติม? ลองอ่านบทความเหล่านี้:

• Prompt Engineering 101: พื้นฐานที่ต้องรู้ - เริ่มต้นจากพื้นฐาน
• Chain of Thought Prompting - เทคนิคให้ AI คิดเป็นขั้นตอน
• Prompt Engineering: ศิลปะการสอน AI - เจาะลึกเทคนิคขั้นสูง
• วิธีสอน AI ให้เข้าใจธุรกิจของคุณ - คู่มือสำหรับผู้เริ่มต้น

สรุป

เทคนิค	ใช้เมื่อ	ข้อดี	ข้อเสีย
Zero-Shot	งานทั่วไป ชัดเจน	เร็ว ประหยัด Token	อาจไม่แม่นยำ
One-Shot	ต้องการชี้แนะสไตล์	สมดุล	จำกัดตัวอย่าง
Few-Shot	งานเฉพาะทาง ซับซ้อน	แม่นยำสูง	ใช้ Token มากกว่า

หลักการเลือก:

1. เริ่มด้วย Zero-Shot ก่อน
2. ถ้าผลไม่ดี ลอง One-Shot
3. ถ้ายังไม่พอ ใช้ Few-Shot
4. ปรับจำนวนตัวอย่างตามความซับซ้อนของงาน

ฝึกฝนทั้งสองเทคนิคให้คล่อง แล้วคุณจะสามารถเลือกใช้ได้อย่างเหมาะสมกับทุกสถานการณ์!

---

พร้อมฝึกฝนแล้วหรือยัง?

ลองใช้เทคนิคเหล่านี้กับงานจริงของคุณ และสำรวจคอร์สเรียนเพิ่มเติมได้ที่ AI Unlocked!