Chain of Thought vs. Tree of Thoughts: เลือกวิธีคิดให้ AI อย่างไรให้ฉลาดขึ้น

ทำไม AI ถึงต้องมีวิธีคิดเป็นขั้นตอน

ปกติแล้ว AI อย่าง Large Language Models (โมเดลภาษาขนาดใหญ่ที่เรียนรู้จากข้อมูลมหาศาล) มักจะรีบตอบคำถามทันทีที่ได้รับโจทย์ ซึ่งถ้าเป็นคำถามง่ายๆ ก็ไม่มีปัญหา แต่พอเจอโจทย์ซับซ้อน AI มักจะเดาสุ่มจนได้คำตอบที่ดูเหมือนถูกแต่จริงๆ แล้วผิดพลาด

เพื่อแก้ปัญหานี้ นักพัฒนาจึงใช้เทคนิคที่บังคับให้ AI คิดเป็นขั้นตอนก่อนตอบ เช่น การแก้โจทย์คณิตศาสตร์ที่ต้องมีการคำนวณหลายชั้น การใช้เทคนิคเหล่านี้จะช่วยลดความผิดพลาดและทำให้ AI ดูมีความรอบคอบมากขึ้นในการทำงานที่ซับซ้อน

Chain of Thought: คิดแบบเส้นตรง

Chain of Thought (กระบวนการคิดแบบเรียงลำดับทีละขั้น) คือการสั่งให้ AI แสดงวิธีทำออกมาเป็นข้อๆ ก่อนสรุปคำตอบ เหมือนนักเรียนที่ต้องเขียนวิธีทำเลขทีละบรรทัด วิธีนี้ทำได้ง่ายมากเพียงแค่เติมคำสั่งสั้นๆ ลงไปใน Prompt (ข้อความที่เราพิมพ์สั่ง AI)

ตัวอย่างเช่น การเติมคำว่า "Let's think step by step" (มาลองคิดทีละขั้นตอนกันเถอะ) ลงไปในคำสั่ง วิธีนี้ดีเพราะมันเข้าใจง่ายและใช้ทรัพยากรน้อย แต่ข้อเสียคือถ้า AI ทำผิดตั้งแต่ขั้นตอนแรก ความผิดนั้นจะลามไปถึงคำตอบสุดท้ายทันทีโดยไม่มีการย้อนกลับมาแก้ไข

// ตัวอย่างการสั่งงานแบบ Chain of Thought
Prompt: "จงคำนวณ 15 * 12 แล้วบวกเพิ่มอีก 50 โดยคิดทีละขั้นตอน"
AI: "ขั้นที่ 1: 15 * 10 = 150 และ 15 * 2 = 30 ดังนั้น 15 * 12 = 180
ขั้นที่ 2: นำ 180 บวกกับ 50 จะได้ 230
คำตอบคือ 230"

โค้ดตัวอย่างนี้แสดงการสั่งงานให้ AI แจกแจงวิธีทำทีละขั้น ส่วนผลลัพธ์ที่ได้จะเป็นการคำนวณที่เรียงลำดับชัดเจน ช่วยให้เราตรวจสอบได้ว่า AI คิดเลขผิดตรงไหนหรือไม่

Tree of Thoughts: คิดแบบกิ่งก้านและย้อนกลับได้

Tree of Thoughts (โครงสร้างความคิดแบบแตกกิ่งก้าน) เปรียบเหมือนการเล่นหมากรุกที่ AI จะลองคิดหลายทางเลือกในเวลาเดียวกัน แล้วเลือกทางที่ดูดีที่สุด หากทางไหนไปต่อไม่ได้ AI จะย้อนกลับมาเลือกเส้นทางอื่นแทน

วิธีนี้เหมาะกับงานยากๆ เช่น การเขียนโปรแกรมหรือวางแผนกลยุทธ์ที่ต้องมีการลองผิดลองถูก ข้อเสียคือมันกินพลังประมวลผลสูงมาก เพราะต้องสั่งให้ AI คิดหลายๆ รอบในหนึ่งงาน ทำให้เสียเวลาและค่าใช้จ่ายมากกว่าการคิดแบบเส้นตรงหลายเท่า

// ตัวอย่างแนวคิดการทำงานแบบ Tree of Thoughts
1. สร้างทางเลือก 3 แบบในการแก้โจทย์
2. ให้ AI ประเมินว่าทางเลือกไหนดีที่สุด
3. ถ้าทางเลือกที่ 1 ล้มเหลว ให้ย้อนกลับไปทำทางเลือกที่ 2

ขั้นตอนข้างต้นแสดงการทำงานของ Tree of Thoughts ที่เน้นการประเมินผลลัพธ์ระหว่างทาง ส่วนผลลัพธ์ที่ควรเห็นคือ AI จะมีการเปรียบเทียบข้อดีข้อเสียของแต่ละวิธี ก่อนจะสรุปวิธีที่น่าจะสำเร็จที่สุดออกมา

สรุปสั้น ๆ

สำหรับคนที่เขียนโปรแกรมหรือใช้ AI เป็นประจำ ให้จำไว้ว่า Chain of Thought คือม้างานตัวหลักที่ใช้ได้กับงานทั่วไปเพราะเร็วและประหยัด ส่วน Tree of Thoughts คือผู้เชี่ยวชาญที่ไว้ใช้กับงานหินๆ ที่ยอมรับความผิดพลาดไม่ได้

การเลือกใช้เทคนิคที่เหมาะสมจะช่วยให้ AI ทำงานได้แม่นยำขึ้น โดยไม่ต้องเสียเงินหรือเวลาเกินความจำเป็น หากโจทย์มีความซับซ้อนสูงมาก การใช้ Tree of Thoughts จะคุ้มค่ากว่าอย่างแน่นอนในระยะยาว

ที่มา: Chain of Thought vs. Tree of Thoughts: Which is Best for AI Agents? — MachineLearningMastery.com