7 วิธีพิชิตอาการ 'หลอน' ของ ChatGPT ให้ตอบได้แม่นยำขึ้น

ChatGPT สามารถตอบคำถามด้วยความมั่นใจ แต่กลับให้ข้อมูลที่ผิดพลาดโดยสิ้นเชิง — ปรากฏการณ์นี้เรียกว่า 'Hallucination' หรือ 'อาการหลอน' ของ AI แม้ว่าจะไม่มีวิธีใดที่กำจัดมันได้หมด เพราะมันเป็นพฤติกรรมโดยธรรมชาติของโมเดลภาษาใหญ่ แต่เราก็สามารถลดผลกระทบของมันได้อย่างมากมายด้วยเทคนิคต่างๆ ต่อไปนี้ ซึ่งจัดเรียงตามประสิทธิภาพโดยประมาณ เพื่อให้คุณมีชุดเครื่องมือที่ใช้งานได้จริง

1. ให้ ChatGPT เข้าถึงเอกสารของคุณเอง (RAG)

วิธีการลด Hallucination ที่ได้ผลที่สุดคือการทำ RAG (Retrieval-Augmented Generation) — นั่นคือการให้โมเดลทำงานจากเอกสารจริงของคุณ อัปโหลดไฟล์หรือใช้โหมด Data Analysis ของ ChatGPT เพื่อให้มันตอบจากข้อมูลที่คุณป้อน แทนที่จะพึ่งพาความรู้จากข้อมูลฝึกสอนภายในของมันเอง เมื่อคุณบังคับให้โมเดลตอบจากข้อความที่คุณให้เท่านั้น คุณก็จะลดการสร้างเนื้อหาที่ไม่มีหลักฐานรองรับได้อย่างชัดเจน

2. บังคับให้ 'ไม่ตอบ' เมื่อไม่แน่ใจ

เพิ่มกฎในทุก prompt ที่ถามข้อเท็จจริง: "ถ้าคุณไม่สามารถยืนยันข้อมูลนี้ได้จากเอกสารที่ให้มา ให้ตอบว่า 'ฉันไม่แน่ใจ' หรือ 'ไม่มีข้อมูลนี้'" การบังคับให้โมเดลปฏิเสธที่จะตอบเมื่อข้อมูลขาดหาย เป็นกลยุทธ์ที่ผู้เชี่ยวชาญแนะนำอย่างกว้างขวาง คุณสามารถตั้งค่า 'Reality Filter' ในคำสั่งเฉพาะ (Custom Instructions) ของ ChatGPT เพื่อให้กฎนี้ใช้ได้กับการแชททุกครั้ง โดยห้ามไม่ให้โมเดลนำเสนอข้อมูลที่คาดเดาหรือสันนิษฐานว่าเป็นความจริง

3. บังคับให้อ้างอิงแหล่งที่มา

ขอให้ ChatGPT อ้างอิงแหล่งที่มาเฉพาะสำหรับทุกข้ออ้าง พร้อมบอก URL หรือเอกสารอ้างอิง อย่างไรก็ตาม ตัวการอ้างอิงเองก็อาจถูก 'หลอน' ได้ ดังนั้นต้องถือว่ามันคือข้ออ้างที่ต้องตรวจสอบ ไม่ใช่หลักฐานยืนยัน ถึงอย่างนั้น การบังคับให้ระบุที่มาก็จะช่วยผลักดันให้คำตอบมีโครงสร้างที่ชัดเจนและมีหลักฐานอ้างอิงมากขึ้น

4. แบ่งคำถามซับซ้อนเป็นคำถามสั้นๆ ตรงประเด็น

แทนที่จะถามคำถามกว้างๆ คำถามเดียว ให้เปลี่ยนเป็นชุดคำถามย่อยๆ ที่แคบลง การจำกัดขอบเขตของงานจะช่วยลด 'อิสระ' ของโมเดล ทำให้มันมีโอกาสสร้างข้อมูลที่ไม่มีหลักฐานรองรับน้อยลง ตัวอย่างเช่น แทนที่จะถาม "ผลกระทบของการเปลี่ยนแปลงสภาพภูมิอากาศคืออะไร?" ให้เปลี่ยนเป็นสามคำถามเฉพาะเกี่ยวกับ อุณหภูมิ ระดับน้ำทะเล และภาคเกษตรกรรม

5. กำหนดบทบาทและข้อจำกัดที่ชัดเจน

กำหนดบทบาทที่ชัดเจน และห้ามใช้คำที่คลุมเครือ ตัวอย่าง: "คุณคือผู้ช่วยนักวิจัย ใช้ข้อมูลจากเอกสารที่ฉันให้เท่านั้น ถ้าคำตอบไม่อยู่ในเอกสาร ให้ตอบว่า 'ไม่มีข้อมูลนี้'" ข้อจำกัดด้านพฤติกรรมที่เข้มงวดจะช่วยให้โมเดลยึดติดกับบริบทที่คุณกำหนด

6. สั่งให้ตรวจสอบหลายขั้นตอน

เพิ่ม Meta-Prompt: "ก่อนตอบ ให้ตรวจสอบข้อเท็จจริงทุกข้อจากแหล่งที่มาที่ให้มา และแจ้งเตือนหากมีสิ่งใดที่คุณไม่สามารถยืนยันได้" คำสั่งนี้จะกระตุ้นให้โมเดลตรวจสอบตัวเองก่อนจะแสดงผลลัพธ์ การขอให้โมเดลแสดงเหตุผลหรือแหล่งที่มาช่วยให้เราตรวจสอบได้ แต่ก็ไม่ควรใช้แทนการตรวจสอบด้วยตัวคุณเอง

7. ตรวจสอบข้อเท็จจริงสำคัญด้วยตนเองเสมอ

ปฏิบัติต่อข้อมูลทุกชิ้นที่ ChatGPT ให้มา ไม่ว่าจะเป็นวันที่ สถิติ ชื่อบุคคล กฎหมาย รายละเอียดทางการแพทย์หรือการเงิน — ว่าเป็นสมมติฐานที่ต้องตรวจสอบ ไม่ใช่ข้อสรุปที่เชื่อถือได้ ใช้แหล่งข้อมูลภายนอกที่เชื่อถือได้เพื่อยืนยันข้อมูลสำคัญก่อนนำไปใช้ ลองถามคำถามเดิมด้วยถ้อยคำที่ต่างออกไปเล็กน้อยในเวลาที่ต่างกัน ถ้าคำตอบไม่สอดคล้องกัน นั่นคือสัญญาณชัดเจนว่าอาจเกิด Hallucination

สิ่งที่ใช้ไม่ได้ผล

• การถามง่ายๆ ว่า "แน่ใจนะ?" มีประสิทธิภาพน้อยกว่าการขอแหล่งที่มา หลักฐาน บังคับให้ไม่ตอบ หรือสั่งให้ตรวจสอบ
• การพึ่งพาการอ้างอิงโดยไม่ตรวจสอบก็เสี่ยง เพราะการอ้างอิงเองก็ควรถูกมองว่าเป็นข้ออ้างที่ต้องตรวจสอบ

ข้อควรจำ

Hallucination ไม่สามารถหยุดได้อย่างสมบูรณ์ เป้าหมายคือการลดความเสียหาย ไม่ใช่การกำจัดให้หมดสิ้น การผสมผสานหลายเทคนิคเข้าด้วยกัน — การป้อนเอกสารให้โมเดล การบังคับให้ไม่ตอบ การบังคับให้อ้างอิง และการตรวจสอบด้วยตนเอง — จะช่วยป้องกันคุณได้ดีกว่าการพึ่งพาแค่วิธีใดวิธีหนึ่ง