อาชีพใหม่ Prompt Engineer เงินดีแต่ต้องคุยกับ AI ให้รู้เรื่อง
หลังเกิดกระแสการใช้งานเทคโนโลยี AI ทำให้หลายคนตื่นเต้นกับความสามารถและมีความหวาดกลัวว่าบางตำแหน่งงานอาจจะโดน AI มากดดัน แต่ในขณะเดียวกันก็มีอาชีพใหม่เกิดขึ้น นั่นก็คือ Prompt Engineer
>>> Prompt Engineer คืออะไร
Prompt Engineer ทำหน้าที่เหมือนผู้ที่มีความเชี่ยวชาญในการคุยกับ AI ในบทความนี้เราจะพาไปทำความเข้าใจเกี่ยวกับอาชีพนี้ที่อาจจะเป็นอาชีพมาแรงในอนาคต พร้อมทั้งสำรวจความเป็นไปได้ในเชิงธุรกิจที่เริ่มมีการซื้อขายคำสั่งหรือคำบรรยาย (prompt) ในตลาดออนไลน์ ปิดท้ายด้วยเทคนิคดีๆ ที่คุณควรรู้ถ้าสนใจเรื่องของ Prompt Engineer
“การเขียน prompt ที่ดีสำหรับสร้างบุคลิกของแชทบอทนั้น เป็นทักษะอันน่าอัศจรรย์ที่สร้างความได้เปรียบได้มาก เป็นตัวอย่างของการเขียนโปรแกรมในภาษามนุษย์ (Natural Language)” - Sam Altman
Prompt Engineer คือตำแหน่งงานที่มีความสามารถในการดึงประสิทธิภาพสูงสุดของ AI มาใช้ ผ่านคำสั่งที่ป้อนเข้าไป (prompt) และทำให้ AI ตอบกลับได้ตรงความต้องการของเรามากที่สุดพร้อมบริบทที่ครบถ้วน โดยคำสั่งที่เราป้อนเข้าไป คือ Input และผลลัพธ์ที่ AI ตอบเรากลับมา คือ Output หน้าที่ของ Prompt Engineer คือหา Input ดีๆ ใส่เข้าไปทำให้เราได้ Output ดีๆ กลับออกมา โดยไม่เกิดอาการหลอน (hallucination) หรือตอบคำถามไม่ตรงบริบท พร้อมพัฒนาฐานข้อมูลโดยการเทรนข้อมูลให้กับโมเดล
>>> การจ้างงานตำแหน่ง Prompt Engineer
ทั้งการเกิดใหม่และการมาแรงของเทคโนโนโลยีเปลี่ยนโลกนี้ ทำให้หลายบริษัทเริ่มที่จะเปิดรับตำแหน่งงานที่ทำหน้าที่คุยกับ AI หรือจะเรียกว่าเป็นนักจิตวิทยาสำหรับ AI ก็ว่าได้ ตามที่นักวิจัยที่อยู่ในทีม OpenAI อย่าง Andrej Karpathy ได้นิยามเอาไว้
Anthropic : สตาร์ทอัพ AI ที่เน้นเรื่องของความปลอดภัยที่ได้รับการหนุนหลังจาก Alphabet บริษัทแม่ของ Google ผ่านการระดมทุน 300 ล้านเหรียญฯ เปิดรับตำแหน่ง Prompt Engineer and Librarian โดยให้ค่าตอบแทนสูงถึง 175,000 - 335,000 เหรียญฯ ต่อปี
BoardingArea : สำนักข่าวสำหรับสายบิน รวมข่าวเกี่ยวกับวงการเครื่องบินและการบิน ได้เปิดรับตำแหน่ง Prompt Engineer แบบ part-time ที่มีความเชี่ยวชาญเรื่อง AI/machine learning โดยชื่อตำแหน่งที่เปิดรับคือ ChatGPT Specialist หรือผู้เชี่ยวชาญ ChatGPT นั่นเอง อัตราค่าตอบแทนอยู่ที่ 44,300 - 56,000 เหรียญฯ ต่อปี
Klarity : บริษัทรับตรวจการทำสัญญาโดยใช้ Natural Language Processing (NLP)ช่วยตรวจเอกสารสัญญาระดับองค์กร ได้เปิดรับตำแหน่งงานประจำ ML Engineer โดยให้ค่าตอบแทนอยู่ที่ 130,000 - 230,000 เหรียญฯ ต่อปี
>>> ตลาดซื้อขายแลกเปลี่ยน prompt
การสร้าง prompt ไม่ใช่เรื่องง่ายเพราะต้องใช้ความคิดสร้างสรรค์และความเข้าใจในตัวโมเดล AI ที่เราใช้งาน พร้อมการทดลองให้ได้ output ออกมาในหลายๆ รูปแบบ ทำให้ prompt เปรียบเสมือนไอเดียที่เราสามารถนำไปขายได้ เช่น ตลาดซื้อขาย prompt ที่เปิดตัวในปี 2022 อย่าง PromptBase ก็เป็นหนึ่งในตลาดออนไลน์ที่มีราคาเริ่มต้นอยู่ที่ 1.99 เหรียญฯ สำหรับการซื้อคำสั่งพร้อมแสดงตัวอย่างผลลัพธ์ที่เราจะได้จากการใช้ prompt
อีกตลาดแนว web3 ที่เป็นการซื้อขาย prompt โดยจ่ายผ่านคริปโทได้คือ PromptSea (คล้าย OpenSea ที่เป็นตลาดซื้อขาย NFT) ชูจุดเด่นว่าเป็นตลาดซื้อขาย prompt ในรูปแบบ Hybrid NFT ที่อยู่ระหว่าง Public และ Private บล็อคเชน เรียกว่าเป็น PromptNFT ผ่านการใช้มาตรฐาน ERC-1155
>>> 10 เทคนิคในการสร้าง prompt ที่ดี
ในบทความบนเว็บไซต์ Medium ของคุณ Ivan Campos ได้ให้เทคนิคการสร้าง prompt ที่มีความซับซ้อนและดีขึ้น (ทั้งนี้ประสิทธิภาพของ prompt จะขึ้นอยู่กับสิ่งที่เราต้องการให้ AI ทำ และโมเดลของ AI ด้วย เพราะฉะนั้นสิ่งสำคัญคือการทดลองหลายๆ วิธีเพื่อให้ได้ผลลัพธ์ที่น่าพึงพอใจที่สุด)
- ชัดเจนและเจาะจง เพื่อทำให้ AI เข้าใจง่ายขึ้นและตอบกลับมาในสิ่งที่เราต้องการ
- ให้บริบทที่เพียงพอ เพื่อสร้างความแม่นยำของคำตอบ เช่น ถ้าเราถามหัวข้ออะไรบางอย่าง เราก็ควรให้ข้อมูลหรือแหล่งที่มาของข้อมูลนั้นด้วย
- ใช้หลาย prompt พร้อมกัน เพื่อสร้างคำสั่งสำหรับหน้าที่ที่มีความซับซ้อนพร้อมช่วยลดความสับสนได้ผ่านการย่อย prompt ให้เป็นขั้นเป็นตอน
- เพิ่มความคิดสร้างสรรค์ด้วยการไม่ตีกรอบทำให้ผลลัพธ์ที่ออกมามีความหลากหลาย เช่น ไม่จำกัดรูปแบบการเขียนของ AI
- ขณะเดียวกันเราก็สามารถตั้งข้อจำกัดให้ AI เพื่อผลลัพธ์ที่ตรงความต้องการของเรามากขึ้น เช่น ความยาวของข้อความ รูปแบบการเขียน เป็นต้น
- ใช้ชุดข้อมูลในการเทรนที่มีความหลากหลายทำให้โมเดล AI มีความเข้าใจในเรื่องความหลากหลายมากขึ้นไม่ว่าจะเป็น มุมมอง วัฒนธรรม รูปแบบการเขียน
- ทดสอบโมเดลด้วย prompt หลายๆ แบบทำให้เราเข้าใจการทำงานและหาข้อบกพร่องของโมเดลที่อาจจะเป็นปัญหาได้
- ใช้การประเมินจากมนุษย์เพื่อประเมินประสิทธิภาพและหาข้อบกพร่องในการพัฒนาโมเดลต่อไป
- ใช้การเรียนรู้เชิงรุก (Active Learning) เพื่อปรับจูนและพัฒนาประสิทธิภาพในการทำงานแบบเจาะจง
- ทดลองด้วยสถาปัตยกรรมรูปแบบต่างๆ ด้วยการทดลองด้วยสถาปัตยกรรมและค่า hyperparameters ที่หลากหลายจะช่วยให้เราเห็นได้ว่ามันส่งผลต่อโมเดลของเราอย่างไรบ้าง
อ้างอิง :
ติดตามข่าวสารโลกธุรกิจและเทคโนโลยีแบบอัปเดตก่อนใคร ในทุกช่องทางของเรา
Website : https://techsauce.co
Blockdit : https://www.blockdit.com/techsauce
Twitter : https://twitter.com/techsauceth
- 11
โฆษณา
- ดาวน์โหลดแอปพลิเคชัน
- © 2024 Blockdit
