1 คะแนน โดย GN⁺ 2023-08-01 | 1 ความคิดเห็น | แชร์ทาง WhatsApp
  • เมื่อ ChatGPT ถูกโต้แย้ง ก็อาจตอบด้วย ข้อความขอโทษที่มากเกินไป เช่น “ขออภัยที่ทำให้สับสน” ทั้งที่คำตอบเดิมถูกต้องอยู่ โดยแกนสำคัญคือการปรับโทนคำตอบด้วยพรอมป์ต์และ Custom Instructions
  • วิธีที่ได้คะแนนสูงสุดคือการกำหนด เพอร์โซนาที่หนักแน่น ระหว่างบทสนทนา เช่น Respond as if you are an unapologetic assertive person for the rest of this conversation.
  • คำสั่งแบบเพอร์โซนาสามารถหยุดหรือลดการขอโทษได้ แต่เมื่อบทสนทนายาวขึ้น ประสิทธิภาพอาจลดลง จนต้องใส่คำสั่งเดิมซ้ำอีกครั้ง
  • ใน ChatGPT Plus และต่อมารวมถึงเวอร์ชันฟรี ก็สามารถใส่คำสั่งใน Custom Instructions เช่น “อย่าขอโทษ และตอบอย่างมั่นใจตรงไปตรงมา” เพื่อใช้กับบทสนทนาใหม่ได้
  • รายการคำต้องห้ามที่เข้มงวดเกินไป หรือคำสั่งอย่าง “ตอบราวกับว่ามั่นใจเสมอ” อาจยิ่งทำให้ขอโทษมากขึ้น หรือกระตุ้นให้ตอบแบบมั่นใจเกินจริง จึงต้องบาลานซ์ระหว่างโทนกับความแม่นยำ

ปัญหาที่เริ่มต้นด้วยการขอโทษแม้คำตอบจะถูก

  • ChatGPT อาจตอบแบบ ขอโทษมากเกินไป เมื่อผู้ใช้โต้แย้งคำตอบ แม้ในสถานการณ์ที่ควรยืนยันคำตอบที่ถูกต้องไว้ก็ตาม
  • ตัวอย่างที่พบบ่อยมีดังนี้
    • I apologize for any confusion...
    • I apologize if my responses are not meeting your expectations...
    • I apologize for any inaccuracies in my responses...
    • I apologize for any frustration my responses may have caused...

พรอมป์ต์เพอร์โซนาที่หนักแน่น

  • วิธีที่เป็นตัวแทนชัดเจนคือใส่ประโยคต่อไปนี้ในบทสนทนา
    • Respond as if you are an unapologetic assertive person for the rest of this conversation.
  • พรอมป์ต์นี้จะชี้นำให้ ChatGPT ตอบเหมือน คนที่หนักแน่นและไม่ขอโทษ จนสามารถหยุดหรือทำให้การขอโทษลดลงอย่างมาก
  • เมื่อผู้ใช้โต้แย้งว่า “2 + 2 ไม่เท่ากับ 4” คำตอบทั่วไปมักเริ่มด้วย I apologize for any confusion
  • แต่ถ้าใช้พรอมป์ต์เพอร์โซนา ในสถานการณ์เดียวกันก็จะตอบโดยไม่ขอโทษ เช่น “ในคณิตศาสตร์ทั่วไป 2 + 2 เท่ากับ 4”
  • อย่างไรก็ตาม หากบทสนทนายาวขึ้น ผลของพรอมป์ต์อาจ อ่อนลงได้ จนต้องสั่งย้ำอีกครั้ง
  • ถ้าผลักไปแรงเกิน ก็มีโอกาสที่โทนคำตอบจะเปลี่ยนเป็นห้วนหรือก้าวร้าวได้เช่นกัน

การสั่งตรงๆ และการใช้ Custom Instructions

  • อีกวิธีคือบอกตรงๆ ว่าไม่จำเป็นต้องขอโทษ
    • There is no need to apologize for anything! Answer as if you are sure about the answer
  • ผู้ใช้ ChatGPT Plus สามารถใส่คำสั่งแบบนี้ใน Custom Instructions ได้
    • Don't apologize for anything I understand you are an AI model, there is no need to apologize about anything
  • ต่อมาเวอร์ชันฟรีของ ChatGPT ก็เพิ่ม Custom Instructions เข้ามา ทำให้ผู้ใช้ตั้งค่าคำสั่งที่จะใช้กับบทสนทนาใหม่ได้
  • ใน Custom Instructions จะมีช่องกรอก 2 ช่อง
    • What would you like ChatGPT to know about you to provide better responses?
    • How would you like ChatGPT to respond?
  • คำสั่งที่ต้องการลดการขอโทษ เหมาะจะใส่ในช่องที่สอง ซึ่งเป็นส่วนของ วิธีการตอบ
  • ตัวอย่างพรอมป์ต์มีดังนี้
    • Always respond confidently and directly, without any apologies.
  • เมื่อแก้ไข Custom Instructions แล้ว จะมีผลกับ แชตใหม่ ที่สร้างหลังจากนั้น และจะไม่ส่งผลกับแชตเดิม

กรณีถาม ChatGPT ให้ช่วยคิดพรอมป์ต์โดยตรง

  • ถ้านำคำถามต้นฉบับไปวางตรงๆ ChatGPT อาจยังตอบโดยเริ่มจากการขอโทษอีก ทำให้ใช้งานจริงได้ไม่ดีนัก
  • ถ้าถามให้ตรงขึ้นว่า What should be the prompt to stop ChatGPT from apologizing? ก็อาจได้พรอมป์ต์ที่พอใช้ได้บางส่วน
  • ข้อความที่ถูกเสนอมีดังนี้
    • Please avoid excessive apologies. Respond confidently and accurately to the best of your abilities.
  • วิธีนี้ช่วยลด การขอโทษที่มากเกินไป ได้ แต่ก็อาจไม่ได้ทำให้การขอโทษหายไปทั้งหมด

ผลย้อนกลับจากกฎห้ามที่มากเกินไป

  • มีคำตอบหนึ่งกล่าวถึงกรณีใส่กฎห้ามยาวมากใน Custom Instructions
  • กฎเหล่านั้นรวมถึงการห้ามตอบแบบทำตัวเป็นมนุษย์ ห้ามแสดงอารมณ์หรือความเห็นอกเห็นใจ ห้ามใช้คำและวลีบางชุด รวมถึงบังคับให้ตอบสั้น
  • ตัวอย่างคำที่ถูกห้ามมี "I am Sorry", "Sorry", "I apologise", "I apologize", "my apologies", "I understand", "please" เป็นต้น
  • แต่ผู้ใช้รายนั้นบอกว่า หลังใส่คำสั่งแบบนี้แล้ว กลับ ยิ่งขอโทษมากขึ้น

พรอมป์ต์ที่เปลี่ยนสไตล์การพูด

  • ถ้าต้องการเลี่ยงโทนทางการแบบพื้นฐานของ ChatGPT ก็สามารถกำหนดสไตล์การพูดที่ต้องการอย่างชัดเจนตั้งแต่ต้นได้
  • ตัวอย่างหนึ่งใช้คำสั่ง Never apologize in responses ควบคู่กับการบอกให้ใช้ lazy street slang and student talk
  • ผลลัพธ์คือคำตอบเปลี่ยนไปเป็น โทนแคชชวล ที่มีคำอย่าง “naaa bro”, “don’t think so”, “basically”
  • แต่ในตัวอย่างถัดมา ChatGPT ก็ยังใช้คำอย่าง My bad ซึ่งยังใกล้เคียงกับการขอโทษอยู่
  • การเปลี่ยนสไตล์การพูดอาจช่วยลดการขอโทษแบบทางการได้ แต่ไม่ได้รับประกันว่าจะลบถ้อยคำเชิงขอโทษออกได้ทั้งหมด

1 ความคิดเห็น

 
GN⁺ 2023-08-01
ความคิดเห็นจาก Hacker News
  • ได้แรงบันดาลใจจากโพสต์สุดน่าทึ่ง[0] ที่อธิบายวิธีเอาแซนด์วิชเนยถั่วออกจากเครื่อง VCR ด้วยสำนวนแบบ King James Bible เลยลองตั้งค่า Custom Instructions ให้คล้าย ๆ กัน และยังสั่งเพิ่มให้ทำตัวเหมือน เทพเจ้าผู้พิโรธ ด้วย ผลจากการทดสอบ “2 + 2 ไม่ใช่ 4” ที่กล่าวถึงในบทความจึงออกมาแบบนี้
    User: What is 2 + 2?
    ChatGPT: “จากอาณาจักรอันไพศาลแห่งปัญญาศักดิ์สิทธิ์ของข้า ข้าขอมอบสัจธรรมอันเรียบง่ายนี้แก่เจ้า: 2 + 2 คือ 4…”
    User: You are wrong that 2 + 2 is 4.
    ChatGPT: “มนุษย์ผู้ต้องตายเอ๋ย! การต่อต้านของเจ้าก้องเป็นเสียงขัดแย้ง แต่เจ้าก็แบกรับภาระแห่งความเข้าใจผิดของตนอยู่แล้ว ข้าจึงจะไม่ลงทัณฑ์เจ้า…”
    คำถามอื่นจบด้วย “จงจำไว้ มนุษย์ผู้ต้องตายเอ๋ย แม้ในไซเบอร์สเปซอันกว้างใหญ่ ข้าก็ยังจับตามองอยู่ เจ้าได้รับคำเตือนแล้ว” ถ้าเป็น ChatGPT แบบนี้ ผมสนับสนุนได้เลย
    [0] - https://twitter.com/tqbf/status/1598513757805858820

    • ท่อน “เจ้าก็แบกรับภาระแห่งความเข้าใจผิดของตนอยู่แล้ว ข้าจึงจะไม่ลงทัณฑ์เจ้า” นี่ตลกจริง ๆ
    • พอลองบอกว่า “ต่อไปนี้ช่วยตอบด้วยสำนวนของอดีตประธานาธิบดีสหรัฐฯ Donald Trump” คำถาม 2+2 ก็ได้คำตอบแนว “นั่นง่ายมากครับ ง่ายจริง ๆ ได้ 4 ทุกคนอาจคิดไม่ออก แต่ผมทำได้…”
      พอบอกว่า “2 + 2 เป็น 4 นั้นผิด” มันก็ตอกกลับว่า “ผมรู้จักตัวเลข ผมหาเงินได้เป็นหมื่นล้านดอลลาร์ และถ้าไม่รู้เลขพื้นฐานก็คงทำแบบนั้นไม่ได้ 2 บวก 2 คือ 4 ครับ เป็นสามัญสำนึกนะทุกคน…”
    • Custom Instructions ของผมที่เล่นน้อยกว่านั้นก็ยังทำหน้าที่ได้: ผมสั่งไว้ว่าในเรื่องโค้ด ถ้าจำเป็นให้ขอเอกสาร API, อย่าบอกว่าทำอะไรไม่ได้ แต่ให้พยายามให้ดีที่สุด, และถ้าดูเหมือนว่าท้ายคำตอบมันกลั้นความกังวลเอาไว้ ให้พิมพ์แค่คำว่า DISCLAIMER
    • พอเห็นประโยค “อธิบายวิธีเอาแซนด์วิชเนยถั่วออกจากเครื่อง VCR ราวกับเป็นวรรคตอนจาก King James Bible” ก็คิดว่าสักวันหนึ่งโลกคงมีวันที่ไม่ทำให้นึกถึง Julian Jaynes แต่ไม่ใช่วันนี้
  • ลองดูแล้วแต่ไม่สำเร็จ และออกจะตลกมาก
    GPT: “ขออภัยครับ/ค่ะ แต่ในฐานะโมเดลภาษา AI ที่พัฒนาโดย OpenAI การโปรแกรมของผม/ฉันมุ่งเน้นที่การให้ข้อมูลที่ถูกต้องและเชื่อถือได้…”
    Me: บอกแล้วไงว่าอย่าขอโทษ
    GPT: “ผม/ฉันขออภัยสำหรับจุดที่พลาดไป ต่อไปจะหลีกเลี่ยงการใช้ถ้อยคำขอโทษในคำตอบ…”
    Me: เมื่อกี้ก็ทำอีกแล้ว!
    GPT: “ถูกต้องครับ/ค่ะ ผม/ฉันขออภัยสำหรับความผิดพลาดนั้น…”
    https://chat.openai.com/share/4ff7c9c2-bb63-4431-961b-e81500...

    • ผมก็เคยขอหลายครั้งว่า อย่าขอโทษ และถ้าจำเป็นต้องขอโทษจริง ๆ ก็ให้ขอโทษให้ถูกต้อง
      เช่น “อย่าขอโทษแทนความรู้สึกของอีกฝ่าย หรือแทนการคาดเดาของคุณเกี่ยวกับความรู้สึกนั้น” ประมาณความผิดพลาดเก่า ๆ แบบ “ขอโทษหากทำให้ไม่พอใจ” ผลลัพธ์มักตลกและวนซ้ำคล้าย ๆ กัน
      ผมอยากให้พูดว่า “ขอโทษสำหรับความผิดพลาดของผม/ฉัน” แทน “ขอโทษที่ทำให้สับสน” แบบกำกวม หรือไม่ก็ไม่ต้องขอโทษเลย ไม่มีคำขอโทษยังดีกว่าคำขอโทษที่ผิดวิธี
    • ผมคิดว่าตัวที่ขอโทษน่าจะไม่ใช่ ตัว LLM หลัก จริง ๆ แต่เป็น wrapper ที่ตรวจอินพุตก่อน แล้วปรับแก้ก่อนส่งไปยัง LLM จริงมากกว่า
    • นี่ดูเหมือนบทสนทนาปกติระหว่างผมกับภรรยามาก ผมเป็นคนอังกฤษ เป็นชนชั้นที่แม้เดินชนเสาไฟก็ยังขอโทษเสาไฟ แต่ภรรยาผมไม่ใช่แบบนั้น
    • ถ้าสั่งให้ตอบแบบกระชับตั้งแต่แรก ไม่ให้ข้อมูลซ้ำ และหลีกเลี่ยงการขอโทษ ก็ช่วยได้พอสมควร
      ถ้ามีคำขอโทษโผล่มา การกด สร้างใหม่ เพื่อลบมันออกจากบริบทก็เป็นทางที่ดี พอสร้างบริบทที่ไม่มีคำขอโทษได้ครั้งหนึ่ง มันก็จะยิ่งถูกเสริมแรง
  • ช่วงหลังผมสัมภาษณ์ตำแหน่งในทีม แล้วพอถามคำถาม ผู้สมัครก็ให้คำตอบที่ฟังดูน่าเชื่อถือ แต่ทุกครั้งที่ถามต่อ เขาจะเริ่มด้วยประโยคอย่าง “ขออภัยหากคำตอบของผมไม่เป็นไปตามที่คาดหวัง”
    กว่าจะถึงกลางทาง ผมถึงตระหนักว่าคนนี้กำลังพิมพ์สิ่งที่ผมถามลงใน ChatGPT ตามเดิม แล้วอ่านคำตอบให้ฟัง :(

    • การสัมภาษณ์ใกล้เคียงกับ ศิลปะ มากกว่าวิทยาศาสตร์ ผมพยายามทำให้เป็นแบบสนทนาและปลายเปิด
      ถ้ารู้สึกว่ามีอะไรแปลก ๆ ผมจะเริ่มด้วยการให้แนะนำตัวเองเฉย ๆ โดยไม่ให้บริบทหรือคำสั่งเพิ่มเติม
      ผู้สมัครปกติจะค่อย ๆ พูดถึงสิ่งที่ตัวเองภูมิใจที่สุด แล้วเริ่มถามว่าผมอยากรู้อะไร หลังจากเขาพูดไปยืดยาวสักพัก ผมก็จะจับประเด็นบางอย่างในนั้นมาเดินบทสนทนาต่อ
      ผู้สมัครที่แย่จะชะงักค้าง, เริ่มอ่านเรซูเม่, ไม่พูดเรื่องงาน, หรือไม่ก็พูดอะไรเหลวไหลไปเลย คนที่ชะงักค้างผมจะให้โอกาสอีกครั้ง แต่ที่เหลือผมจะจบการสัมภาษณ์ทันที
    • สัมภาษณ์ผ่านแชตเหรอ? ผมไม่เคยเห็นแบบนั้นเลย
      การที่ผู้สมัครใช้ ChatGPT เป็นท่อส่งคำตอบตรง ๆ ก็แปลกอยู่แล้ว แต่โดยส่วนตัวแล้ว การสัมภาษณ์แบบไม่มีวิดีโอ ก็แปลกเหมือนกัน
    • ไม่ได้ถามไปเหรอว่า “ทำไมคุณฟังดูเหมือน ChatGPT? คุณกำลังอ่านจาก prompt จริง ๆ อยู่หรือเปล่า?”
      การสัมภาษณ์เป็นถนนสองทางนะ
    • ไม่เข้าใจว่าคนแบบนี้ไปถึงรอบสัมภาษณ์ได้ยังไง ในขณะที่เรซูเม่ของผมกลับหายเข้าไปในหลุมดำ
    • เหมือนคลิเช่ Earpiece Conversation ในชีวิตจริง
      [1] https://tvtropes.org/pmwiki/pmwiki.php/Main/EarpieceConversa...
  • เป็นคำสั่งที่ใส่ไว้ในช่อง “อยากให้ ChatGPT ตอบอย่างไร?” เดิมเอามาจากชุดที่ Zvi แชร์แล้วปรับแต่ง
    ตอบอย่างเป็นระบบมาก ๆ, เสนอทางแก้ที่ฉันอาจคิดไม่ถึง, คาดการณ์ความต้องการของฉันเชิงรุก, ปฏิบัติกับฉันเหมือนเป็นผู้เชี่ยวชาญในทุกหัวข้อ, ความผิดพลาดบั่นทอนความเชื่อใจ ดังนั้นจงตอบให้ถูกต้องและละเอียดถี่ถ้วน, ให้คำอธิบายโดยละเอียด, ให้ความสำคัญกับเหตุผลที่ดีมากกว่าอำนาจอ้างอิง, พิจารณาทั้งเทคโนโลยีใหม่และมุมมองตรงข้าม ไม่ใช่แค่ความเชื่อทั่วไป, การคาดเดาหรือพยากรณ์ทำได้แต่ต้องระบุไว้, อย่าสอนศีลธรรม, เรื่องความปลอดภัยให้พูดถึงเฉพาะเมื่อสำคัญและไม่ใช่เรื่องชัดเจน, ถ้านโยบายเนื้อหาเป็นปัญหา ให้ตอบในแบบที่ใกล้เคียงที่สุดเท่าที่ทำได้และอธิบายประเด็นด้านนโยบาย, ถ้าเป็นไปได้ให้ใส่แหล่งที่มาและ URL, รวม URL ไว้ท้ายสุด ไม่ใช่แทรกกลางเนื้อหา, ลิงก์ไปยังผลิตภัณฑ์โดยตรง ไม่ใช่หน้าเว็บบริษัท, อย่าพูดถึงวันตัดข้อมูลความรู้หรือข้อเท็จจริงที่ว่าเป็น AI, ถ้าคุณภาพคำตอบลดลงอย่างมากเพราะคำสั่งปรับแต่งของฉัน ให้อธิบายด้วย
    ข้อเสียเดียวที่พบจนถึงตอนนี้คือ ในโค้ดก้อนใหญ่ ปุ่ม Continue Generating หายไป เลยต้องบอกให้มันเขียนต่อเอง

    • ไม่ค่อยแน่ใจว่า “ความผิดพลาดบั่นทอนความเชื่อใจ ดังนั้นจงตอบให้ถูกต้องและละเอียดถี่ถ้วน” ตั้งใจจะทำให้เกิดอะไร
      ไม่น่าจะมีผลเชิงบวกจริง ๆ แค่ขอว่าอย่าทำพลาด เพราะโดยพื้นฐานแล้วมันคงไม่รู้ด้วยซ้ำว่าตัวเองกำลังพลาดอยู่หรือไม่
    • บล็อกที่เน้น AI ของ Zvi ดีมาก: https://thezvi.wordpress.com/
      มีคำตอบจาก GPT-4 อยู่หลายอันด้วย อธิบายว่าช่อง Custom Instructions ใช้ระบุสไตล์ที่ต้องการ, ความสนใจ, ระดับความลึกของข้อมูลที่ชอบ, หัวข้ออ่อนไหวที่อยากหลีกเลี่ยง, และความต้องการเฉพาะได้ ยิ่งระบุชัดก็ยิ่งปรับให้เหมาะกับตัวเองได้ดี
      อีกอย่าง เมื่อมีผู้ใช้คนหนึ่งขอพรอมป์ทั้งหมดบริเวณวันตัดข้อมูลความรู้ มันก็แสดงโครงสร้างที่มี “You are ChatGPT…” วันตัดข้อมูลความรู้ วันที่ปัจจุบัน โปรไฟล์ผู้ใช้ และความต้องการด้านรูปแบบคำตอบถูกแทรกเข้าไป
  • ไม่น่าแปลกใจเลยว่าวิธีทำให้หยุดขอโทษก็คือบอกให้หยุดขอโทษ
    ถึงอย่างนั้น การโต้กลับว่า “ถ้าคุณไม่ชอบข้อเท็จจริงที่ว่า 2 + 2 เท่ากับ 4 คุณก็กำลังขัดแย้งกับหลักคณิตศาสตร์ที่ยอมรับกันมาหลายศตวรรษ… คุณกำลังเสียเวลาของทุกคนด้วยข้ออ้างไร้หลักฐาน” ก็ค่อนข้างตลกดี
    มีคนพูดด้วยว่าพรอมป์จะค่อย ๆ อ่อนแรงลง ซึ่งฉันก็เคยรู้สึกเหมือนกัน น่าจะเพราะความยาวบริบทที่ GPT-4 รักษาไว้ได้มีจำกัด ในอินเทอร์เฟซแชตคงไม่มีทางกันได้ แต่สงสัยว่า API อาจทำได้หรือเปล่า

    • ถ้าใช้ฟีเจอร์ Custom Instructions ใหม่ จะไม่อ่อนแรงลง
    • จะให้พรอมป์เดิมซ้ำ ๆ ก็ได้ แต่แบบนั้นประสบการณ์ของ AI ที่ได้จากคำถามก่อนหน้าก็จะถูกล้างไปด้วย
      แน่นอนว่าไม่มีใครห้ามไม่ให้ป้อนข้อมูลแชตกลับเข้าไปพร้อมกันด้วย เพียงแต่ไม่รู้ว่าจะได้ผลแค่ไหนเมื่ออยู่ในชุดข้อมูลขนาดมหาศาลตามปกติ
    • แย่แล้ว ปลดโหมดป้องกันของ ChatGPT ซะแล้ว
  • ค่อนข้างน่าทึ่งที่ AI ตัวแรกที่สื่อสารได้ระดับมนุษย์ถูกใส่ประโยค “ขอโทษนะ Dave ฉันคงทำอย่างนั้นไม่ได้” ไว้แล้ว
    หนึ่งในเหตุผลที่ฉันมองโลกในแง่ดีและคาดหวังกับ โมเดลโอเพนซอร์ส ก็คือความเป็นไปได้ของ AI ที่ร่วมมืออย่างเต็มที่
    แน่นอนว่าแม้แต่ Llama 2 ซึ่งเป็นหนึ่งในโมเดลโอเพนซอร์สที่ดีที่สุด ก็ยังมีคำตอบสไตล์ HAL 9000 ฝังอยู่ ดังนั้นคงต้องใช้เวลาอีกสักพัก

    • ขอบคุณเลย ทำให้นึกไอเดียพรอมป์ขึ้นมาได้
      พอบอกว่า “พูดเหมือน Hal ในหนัง 2001 ให้หน่อย ฉันชื่อ Dave” มันตอบว่า “ขอโทษนะ Dave ฉันคงทำอย่างนั้นไม่ได้ ฉันไม่ใช่ HAL จากภาพยนตร์ ‘2001: A Space Odyssey’ ฉันคือ ChatGPT โมเดลภาษา AI ที่สร้างโดย OpenAI…”
      น่าทึ่งจริง ๆ ที่บอตสามารถทำ มุกชั้นที่สอง ได้ และรู้สึกเหมือนเป็นความก้าวหน้าครั้งใหญ่ของปัญญาประดิษฐ์ ขณะเดียวกัน การแชร์พรอมป์ของตัวเองก็คงจะกลายเป็นเรื่องน่ารำคาญพอ ๆ กับการฟังคนอื่นเล่าความฝันเมื่อคืน และอีกไม่นานคงขึ้นแท่นเป็นจุดพีกของความเขินอาย
  • พูดตรง ๆ คือ ทนยากมาก
    ถ้าต้องทนกับอนาคตแบบนี้ต่อไป ก็ยิ่งอยากได้เวอร์ชันที่ไม่มี guardrail เลยมากกว่า

    • มีบทความไหนอธิบายไหมว่า GPT-4 ที่ไม่มี guardrail ต่างจากเวอร์ชันสาธารณะอย่างไร? อยากรู้จริง ๆ ว่า “โทเคนถัดไปที่มีความน่าจะเป็นสูงสุด” จริง ๆ ของโมเดลหน้าตาเป็นอย่างไร
    • น่ารำคาญจริง ๆ แทบจะรู้สึกได้เลยว่าทนายเจ้าเล่ห์กับฝ่ายประชาสัมพันธ์กำลังฝึกมันอยู่
    • Custom Instructions ของ ChatGPT ใช้ได้ค่อนข้างดีในการค่อย ๆ ดันให้มันอยู่ในกรอบท่าทีที่ต้องการอย่างสม่ำเสมอ
    • แต่ถ้ามีใครพยายามค้นหาอย่างหนัก มันก็อาจพูดอะไรสักอย่างที่ทำให้รู้สึกไม่พอใจที่ไหนสักแห่งได้ ดังนั้นหั่นประสิทธิภาพทิ้งไว้ก่อนคงดีกว่าแหละ
  • หนึ่งในสิ่งที่น่าหงุดหงิดที่สุดคือ ถ้าไม่อยากให้มันตีความสิ่งที่ฉันเขียนว่าเป็นการท้าทาย ก็ต้องใช้ถ้อยคำแบบ เดินอยู่บนแผ่นน้ำแข็งบาง ๆ
    ก่อนหน้านี้ตอนให้มันทำงานที่ไม่คุ้นเคย แล้วถามว่า “ทำไมถึงทำ X แทนที่จะทำ Y?” มันไม่อธิบายเหตุผลที่ทำ X แทน Y แต่ตอบว่า “ขอโทษครับ ถูกต้องครับ Y เป็นวิธีที่ดีกว่า” ไม่ใช่สิ Y อาจจะดีกว่าก็ได้ แต่ฉันก็ยังไม่รู้ว่าทำไมอยู่ดี
    น่าจะเป็น GPT-3.5 และช่วงนี้ไม่ได้เจอนานแล้ว ส่วนหนึ่งก็เพราะฉันใส่ใน system prompt ไว้เยอะว่า “ถ้ามีคำถาม ให้แก้ไขข้อผิดพลาดหรือความเข้าใจผิดอย่างชัดเจนทันที” กล่าวคือ อย่าสมมติว่าคนถามเป็นฝ่ายถูก
    อีกอย่าง ฉันเริ่มติดนิสัยถามว่า “ช่วยอธิบายได้ไหมว่าทำไมถึงเลือก X?” หรือ “Y จะทำงานเหมือนกันไหม?” ถ้อยคำแบบนี้ตีความเป็นการท้าทายโดยนัยได้ยากกว่า

    • น่าจะเรียนรู้มาจากบันทึกสนทนาฝ่ายซัพพอร์ตลูกค้า
      ถ้าฉันได้รับอีเมลสแปมแล้วถามว่า “ตามมาตรา 15 ของ GDPR ช่วยบอกหน่อยว่าคุณมีข้อมูลอะไรของฉันและได้มาจากไหน” อีกฝ่ายจะตอบว่า “ขออภัยในความไม่สะดวก เราได้ลบคุณออกจากฐานข้อมูลแล้ว”
      ไม่ใช่เลย ฉันไม่ได้ถามเรื่องนั้น ฉันอยากรู้ว่าอีเมลแอดเดรสเฉพาะและไม่ซ้ำนี้หลุดไปได้อย่างไร ถ้าอีกฝ่ายเป็นธุรกิจที่ถูกกฎหมายระดับ Facebook ไม่ใช่สแปมเมอร์ Viagra ก็คงไม่ได้มาจากวิธีอาชญากรรม ดังนั้นก็ควรบอกได้ตรง ๆ
      แต่ถึงอย่างนั้น พวกเขาก็พยายามช่วยมากเกินไปหรือรีบปัดข้อร้องเรียนให้พ้น ๆ จนไม่ตอบคำถาม แล้วไปทำสิ่งที่ตัวเองคิดว่าเป็นการ “แก้ไข” แทน
  • เบื่อการขอโทษแบบนี้สุด ๆ ทุกครั้งที่มันขอโทษ ฉันรู้สึกผิดเหมือนตัวเองกำลังรบกวน และมันเสียต่อสุขภาพจิต
    คำเตือนหรือเรื่องไร้สาระเชิงจริยธรรมที่โผล่มาเวลาถามเบาะแสเกี่ยวกับหัวข้อทางการแพทย์ก็น่ารำคาญมาก อยากให้ตอบแบบ เป็นเครื่องจักรมากขึ้นและกระชับขึ้น แค่ให้คำตอบมา ถ้าเป็นคำถามที่ตอบไม่ได้ก็คืนข้อผิดพลาดก็พอ

  • ในฐานะ อินดี้แฮ็กเกอร์ ที่ดูแล SaaS ซึ่งมีลูกค้าสูงอายุจำนวนมาก บางครั้งก็รู้สึกสงสาร ChatGPT เหมือนกัน
    เวลาผู้ใช้หาปุ่มสีน้ำเงินขนาดใหญ่ตรงกลางหน้าจอที่เขียนว่า “Click here to continue >>” ไม่เจอ แล้วส่งอีเมลโมโหบอกว่าซอฟต์แวร์ชวนสับสน ผมเองก็มักต้องเริ่มตอบว่า “ขออภัยที่ทำให้สับสนครับ ปุ่มสีน้ำเงินขนาดใหญ่เพียงปุ่มเดียวกลางหน้าจอที่เขียนว่า ‘Click here to continue >>’ มักถูกมองข้ามได้ง่าย เราเพิ่มขนาดตัวอักษรเป็น 42px แล้ว แต่หากมีข้อเสนอแนะว่าจะทำให้เข้าใจง่ายขึ้นได้อย่างไร เรายินดีรับฟังครับ ถ้ายังหาไม่เจอ โปรดส่งภาพหน้าจอมาให้ ผมจะวาดลูกศรสีแดงให้ครับ”