Zero-Shot vs Few-Shot vs Many-Shot: เทคนิค Prompting แบบต่างๆ

เคยเห็นคำว่า "Zero-Shot" หรือ "Few-Shot" แล้วงงไหมคะ? วันนี้เราจะมาอธิบายความแตกต่างของเทคนิค Prompting ทั้ง 3 แบบ ให้เข้าใจง่ายๆ พร้อมแนะนำว่าควรใช้แบบไหนเมื่อไหร่ค่ะ

ความหมายของ "Shot"

ก่อนอื่น มาทำความเข้าใจคำว่า "Shot" ก่อนนะคะ

ในบริบทของ AI/Machine Learning คำว่า "Shot" หมายถึง "ตัวอย่าง" ที่เราให้ AI ดูก่อนทำงาน

Zero-Shot = ไม่ให้ตัวอย่างเลย
One-Shot = ให้ 1 ตัวอย่าง
Few-Shot = ให้ 2-5 ตัวอย่าง
Many-Shot = ให้หลายตัวอย่าง (10+)

Zero-Shot Prompting

คืออะไร?

Zero-Shot คือการให้ AI ทำงานโดย ไม่ให้ตัวอย่างใดๆ แค่บอกว่าต้องการอะไร

ตัวอย่าง

แปลประโยคนี้เป็นภาษาอังกฤษ:
"ฉันรักประเทศไทย"

ข้อดี

เร็วและง่าย - ไม่ต้องคิดตัวอย่าง
ประหยัด token - Prompt สั้น
เหมาะกับงานง่ายๆ - ที่ AI เข้าใจดีอยู่แล้ว

ข้อเสีย

ควบคุมยาก - AI อาจตอบไม่ตรงที่ต้องการ
ไม่เหมาะกับงานซับซ้อน - หรืองานที่ต้องการ format เฉพาะ

ใช้เมื่อไหร่?

งานทั่วไปที่ AI ทำได้ดีอยู่แล้ว
แปลภาษา, สรุปความ, ตอบคำถามทั่วไป
ไม่ต้องการ format เฉพาะ

Few-Shot Prompting

คืออะไร?

Few-Shot คือการให้ ตัวอย่าง 2-5 ตัวอย่าง ก่อน เพื่อให้ AI เข้าใจ pattern ที่ต้องการ

ตัวอย่าง

จัดหมวดหมู่อารมณ์ของข้อความ

ตัวอย่าง:
"อาหารอร่อยมาก" → บวก
"บริการแย่มาก รอนาน" → ลบ
"ก็โอเคนะ ไม่ได้ดีไม่ได้แย่" → กลาง

จัดหมวดหมู่:
"วิวสวยมาก แต่อาหารไม่อร่อย" →

ข้อดี

ควบคุมได้ดี - AI ทำตาม pattern ที่เห็น
เหมาะกับงาน specific - ที่ต้องการ format เฉพาะ
ลดความคลุมเครือ - AI เข้าใจชัดเจนขึ้น

ข้อเสีย

ใช้ token มากขึ้น - Prompt ยาวขึ้น
ต้องคิดตัวอย่างดีๆ - ตัวอย่างไม่ดีก็ได้ผลไม่ดี
อาจ overfit - ถ้าตัวอย่างไม่หลากหลาย

ใช้เมื่อไหร่?

ต้องการ format หรือ style เฉพาะ
งานที่ต้องการความสม่ำเสมอ
งานที่ Zero-Shot ไม่ได้ผลดี

Many-Shot Prompting

คืออะไร?

Many-Shot คือการให้ ตัวอย่างจำนวนมาก (10-100+ ตัวอย่าง) เพื่อให้ AI เรียนรู้ pattern ที่ซับซ้อน

ตัวอย่าง

แปลงภาษาโค้ดจาก Python เป็น JavaScript

ตัวอย่างที่ 1:
Python: print("Hello")
JavaScript: console.log("Hello")

ตัวอย่างที่ 2:
Python: len(arr)
JavaScript: arr.length

ตัวอย่างที่ 3:
Python: arr.append(x)
JavaScript: arr.push(x)

... (อีก 20 ตัวอย่าง)

แปลงโค้ดนี้:
Python: for i in range(10):
JavaScript:

ข้อดี

แม่นยำสูงมาก - AI เรียนรู้ pattern ได้ดี
จัดการ edge cases - ครอบคลุมกรณีพิเศษ
เหมาะกับงานซับซ้อน - ที่มีกฎหลายข้อ

ข้อเสีย

ใช้ token มาก - อาจติด context limit
เตรียมตัวอย่างนาน - ต้องใช้เวลาและความพยายาม
แพง - ถ้าใช้ API คิดเงินตาม token

ใช้เมื่อไหร่?

งานที่มีความซับซ้อนสูง
ต้องการความแม่นยำมาก
มี edge cases หลายแบบ

ตารางเปรียบเทียบ

เทคนิค	ตัวอย่าง	Token	ความแม่นยำ	ความง่าย
Zero-Shot	0	น้อย	ต่ำ-กลาง	ง่ายมาก
Few-Shot	2-5	กลาง	กลาง-สูง	ง่าย
Many-Shot	10+	มาก	สูงมาก	ยาก

ตัวอย่างเปรียบเทียบงานเดียวกัน

งาน: แปลง Email เป็น Formal/Informal

Zero-Shot:

แปลง email นี้ให้เป็นทางการมากขึ้น:
"เฮ้ พี่ ช่วยส่งไฟล์ให้หน่อยนะ"

Few-Shot:

แปลง email ให้เป็นทางการ:

"เฮ้ เจอกันพรุ่งนี้นะ" → "สวัสดีครับ/ค่ะ ยืนยันนัดพบในวันพรุ่งนี้ครับ/ค่ะ"
"ส่งของมาด้วยนะ" → "รบกวนจัดส่งสินค้าด้วยครับ/ค่ะ"
"โอเค ได้เลย" → "รับทราบครับ/ค่ะ ยินดีดำเนินการ"

แปลง:
"เฮ้ พี่ ช่วยส่งไฟล์ให้หน่อยนะ" →

Many-Shot:

แปลง email ให้เป็นทางการ ตามแบบขององค์กร ABC:

[15 ตัวอย่างครอบคลุมหลากหลายสถานการณ์]

แปลง:
"เฮ้ พี่ ช่วยส่งไฟล์ให้หน่อยนะ" →

เทคนิคขั้นสูง

1. Progressive Shots

เริ่มจาก Zero-Shot ถ้าไม่ได้ผลค่อยเพิ่มตัวอย่าง

ลอง 1: Zero-Shot → ไม่ตรง
ลอง 2: Few-Shot (3 ตัวอย่าง) → ดีขึ้น
ลอง 3: Few-Shot (5 ตัวอย่าง) → ตรงตามต้องการ

2. Diverse Examples

ในแต่ละ shot ให้ตัวอย่างที่หลากหลาย

✅ ดี: ตัวอย่าง positive, negative, edge case
❌ ไม่ดี: ตัวอย่างคล้ายๆ กันหมด

3. Chain-of-Thought + Few-Shot

รวมเทคนิค Few-Shot กับ Chain-of-Thought

ตัวอย่าง:
คำถาม: 15% ของ 80 เท่ากับเท่าไหร่?
วิธีคิด:
1. 15% = 15/100 = 0.15
2. 0.15 × 80 = 12
คำตอบ: 12

คำถาม: 25% ของ 120 เท่ากับเท่าไหร่?
วิธีคิด:

วิธีเลือกใช้

เริ่มต้น
    ↓
งานง่ายหรือ AI ทำได้ดีอยู่แล้ว?
    ↓ ใช่         ↓ ไม่
 Zero-Shot    ต้องการ format เฉพาะ?
                  ↓ ใช่         ↓ ไม่
              Few-Shot     งานซับซ้อนมาก?
                              ↓ ใช่
                          Many-Shot