မြန်မာ့လုပ်ငန်းခွင်အတွက် AI Prompt Engineering- မျိုးဆက်သစ် AI ကို သင့်ရဲ့ ထိရောက်သော အလုပ်လက်ထောက် ဖြစ်လာစေရန် ရွှေဥပဒေလေးပါးကို ကျွမ်းကျင်ပိုင်နိုင်စွာ အသုံးချပါ

generative AI (မွေးထုတ်ပေးနိုင်သော AI) လှိုင်းလုံးကြီးတွေဟာ နယ်ပယ်တိုင်းကို လွှမ်းမိုးလာနေတဲ့ယနေ့ခေတ်မှာ စျေးကွက်ရှာဖွေရေး စီမံကိန်းရေးဆွဲသူတွေ၊ ဆော့ဖ်ဝဲအင်ဂျင်နီယာတွေပဲဖြစ်ဖြစ်၊ ရုံးဝန်ထမ်းတွေပဲဖြစ်ဖြစ်၊ မြန်မာနိုင်ငံက လုပ်ငန်းခွင်လုပ်သား အများအပြားဟာ ChatGPT၊ Claude သို့မဟုတ် Gemini စတဲ့ ကိရိယာတွေကို နေ့စဉ်လုပ်ငန်းစဉ်တွေထဲမှာ ထည့်သွင်းအသုံးပြုနေကြပါပြီ။ ဒါပေမဲ့ လူအများစုဟာ လက်တွေ့အသုံးပြုတဲ့အခါမှာ အတားအဆီးတစ်ခုနဲ့ မကြာခဏ ရင်ဆိုင်ရတတ်ပါတယ်- AI က ဘာကြောင့် အနှစ်သာရမပါတာ၊ ရုံးသုံးစကားဆန်ဆန်နဲ့ မေးတာနဲ့ တစ်ခြားစီဖြစ်နေတဲ့ အဖြေတွေကို မကြာခဏ ပေးနေရတာလဲ ဆိုတာပါပဲ။ ပြဿနာရဲ့ အဓိကသော့ချက်ဟာ AI ကိရိယာကိုယ်တိုင်က မထက်မြက်လို့ မဟုတ်ဘဲ၊ ကျွန်ုပ်တို့က ညွှန်ကြားချက် (Prompt, လို့ခေါ်တဲ့ ညွှန်ကြားချက်စာသား) ပေးတဲ့ပုံစံ မတိကျလို့ ဖြစ်ပါတယ်။ Prompt Engineering (ပရမ့်ပ် အင်ဂျင်နီယာပညာ) ဆိုတာ ခက်ခဲနက်နဲတဲ့ ပရိုဂရမ်အပြာအသံ ဘာသာစကားမဟုတ်ဘဲ AI နဲ့ ထိရောက်စွာ ဆက်သွယ်ပြောဆိုနည်း ယုတ္တိဗေဒ သဘောတရားတစ်ခုပဲ ဖြစ်ပါတယ်။ ဒီဆောင်းပါးကနေတဆင့် လုပ်ငန်းခွင်အမျိုးမျိုးမှာ ထိရောက်မှုရှိရှိ အမြန်ဆုံး အလုပ်တွင်ကျယ်စေဖို့အတွက် လက်တွေ့ကျတဲ့ Prompt ရေးသားနည်း အခြေခံစည်းမျဉ်းတွေကို ဖော်ပြပေးသွားမှာ ဖြစ်ပါတယ်။

Prompt Engineering ဆိုတာ ဘ뭡လဲ။ လူနဲ့ AI ဆက်သွယ်ပြောဆိုတဲ့ အနုပညာကို ရိုးရိုးရှင်းရှင်း ရှင်းပြချက်

ရိုးရိုးရှင်းရှင်းပြောရရင် Prompt Engineering ဆိုတာဟာ "လူသားတွေရဲ့ လိုအပ်ချက်တွေကို AI က ရာနှုန်းပြည့် နားလည်ပြီး အသေအချာ လုပ်ဆောင်နိုင်မယ့် ဘာသာစကားအဖြစ် ပြန်ဆိုပေးနည်း" ပဲ ဖြစ်ပါတယ်။ LLM လို့ခေါ်တဲ့ ကြီးမားတဲ့ ဘာသာစကား မော်ဒယ်တွေရဲ့ လည်ပတ်ပုံ သဘောတရားကတော့ သင်ထည့်သွင်းပေးလိုက်တဲ့ စာသားအခြေအနေပေါ်မူတည်ပြီး အနောက်မှာ အဖြစ်နိုင်ဆုံး ပေါ်လာမယ့် စာလုံးပေါင်းစပ်မှုကို ခန့်မှန်းပေးတာ ဖြစ်ပါတယ်။ အကယ်၍ သင်ပေးလိုက်တဲ့ အချက်အလက်တွေက ဝိုးတဝါးဖြစ်နေမယ်ဆိုရင် AI က အများစုလက်ခံနိုင်တဲ့ ယေဘုယျဆန်တဲ့ အဖြေတွေကိုပဲ ပေးနိုင်ပါလိမ့်မယ်။ ဆန့်ကျင်ဘက်အနေနဲ့ သင်က တိကျသေချာတဲ့ အခြေအနေနဲ့ တောင်းဆိုချက်တွေကို ပေးမယ်ဆိုရင်တော့ AI ဟာ အံ့သြစရာကောင်းတဲ့ ကျွမ်းကျင်မှုကို ပြသနိုင်ပါလိမ့်မယ်။ အောက်ပါ အဓိက သဘောတရားတွေကို ကျွမ်းကျင်ပိုင်နိုင်ခြင်းအားဖြင့် ဆက်သွယ်ပြောဆိုမှု အရည်အသွေးကို သိသိသာသာ မြှင့်တင်နိုင်ပါတယ်-

• ခန့်မှန်းရမယ့်နေရာကို လျှော့ချပါ - AI ကို စွမ်းရည်ထက်မြက်ပေမယ့် နောက်ခံအချက်အလက် မရှိသေးတဲ့ ဝန်ထမ်းသစ်တစ်ဦးလို သဘောထားပါ။ ပရောဂျက်ရဲ့ နောက်ခံအခြေအနေကို ရှင်းရှင်းလင်းလင်း ပြောပြပေးရပါမယ်။
• ဖွဲ့စည်းပုံကျကျ တွေးတောပါ - သင်လိုချင်တဲ့ အဖြေ ပုံစံကို သင့်ဦးနှောက်ထဲမှာ အရင် စီစဉ်ဖွဲ့စည်းပြီးမှ စာသားကနေတဆင့် AI ဆီ ပို့ဆောင်ပေးပါ။
• အဆင့်လိုက် တိုးတက်ကောင်းမွန်အောင် လုပ်ဆောင်ပါ - AI က တစ်ကြိမ်တည်းနဲ့ ပြီးပြည့်စုံသွားဖို့ ရှားပါတယ်။ AI ရဲ့ ထွက်လာတဲ့ ရလဒ်တွေကို နောက်ဆက်တွဲ မေးခွန်းတွေ (Follow-up) မေးမြန်းခြင်းဖြင့် ပြုပြင်နိုင်ဖို့ သင်ယူပါ။

လုပ်ငန်းခွင် ထိရောက်မှုကို မြှင့်တင်ပေးမယ့် ရွှေဥပဒေလေးချက် - RTCE မူဘောင်

မြန်မာနိုင်ငံက စာဖတ်သူတွေ လက်တွေ့အသုံးချတဲ့အခါ လိုက်နာစရာ စံနှုန်းတစ်ခုရှိစေဖို့အတွက် "RTCE" လို့ခေါ်တဲ့ အသုံးတည့်တဲ့ Prompt မူဘောင်တစ်ခုကို ကျွန်ုပ်တို့ စုစည်းဖော်ပြပေးလိုက်ပါတယ်။ ညွှန်ကြားချက်ပေးတဲ့အခါ ဒီဒြပ်စင်လေးခုသာ ပါဝင်မယ်ဆိုရင် AI ရဲ့ အဖြေအရည်အသွေးက ချက်ချင်းဆိုသလို တိုးတက်လာမှာ ဖြစ်ပါတယ်-

• Role (အခန်းကဏ္ဍ သတ်မှတ်ချက်): AI က လက်ရှိမှာ ဘယ်သူ့နေရာကနေ လုပ်ဆောင်နေလဲဆိုတာကို ရှင်းရှင်းလင်းလင်း ပြောပြပါ။ ဥပမာ - "လုပ်သက်ဆယ်နှစ်ရှိတဲ့ ဒစ်ဂျစ်တယ် စျေးကွက်ရှာဖွေရေး ဒါရိုက်တာ တစ်ဦးအနေနဲ့ လုပ်ဆောင်ပေးပါ"။
• Task (တိကျတဲ့ တာဝန်): ကြိယာနဲ့ စတင်ပြီး သင်ဘာလုပ်ခိုင်းချင်လဲဆိုတာကို ရှင်းရှင်းလင်းလင်း ညွှန်ပြပါ။ ဥပမာ - "ရုံးသုံး အမောပြေစေမယ့် ပြည်တွင်းလက်ဖက်ခြောက် အမှတ်တံဆိပ်တစ်ခုအတွက် ဆိုရှယ်မီဒီယာ ပို့စ် စီမံကိန်းတစ်ခုကို ရေးဆွဲပေးပါ"။
• Constraint (ကန့်သတ်ချက်များ): AI က စကားအလွန်အကျွံပြောတာ ဒါမှမဟုတ် အဓိကအကြောင်းအရာကနေ လွဲသွားတာတွေကို ရှောင်ရှားနိုင်ဖို့ နယ်နိမိတ် သတ်မှတ်ပေးပါ။ ဥပမာ - "လေသံက တက်ကြွပြီး ဖော်ရွေရမယ်၊ ရေးသားတဲ့ စာလုံးရေက စာလုံးရေ သုံးရာထက် မပိုရဘူး၊ ဆွဲဆောင်မှုရှိတဲ့ ခေါင်းစဉ် ရွေးချယ်စရာ သုံးခု ပါဝင်ရမယ်"။
• Example (ကိုးကားစရာ ဥပမာ): သင့်စိတ်ထဲမှာရှိတဲ့ စံပြနမူနာကို ပေးခြင်းအားဖြင့် AI က အတုယူနိုင်ပါစေ။ ဥပမာ - "အတိတ်က အကောင်းဆုံး ရလဒ်ထွက်ခဲ့တဲ့ ပို့စ်ပုံစံကို ကိုးကားပါ - 【ပို့စ် ဥပမာ စာသား】"။

လက်တွေ့လေ့ကျင့်ခန်း - အထွေထွေ မူဘောင်ကို နေ့စဉ် ရုံးလုပ်ငန်းနဲ့ စျေးကွက်ရှာဖွေရေး လုပ်ငန်းစဉ်တွေမှာ အသုံးချခြင်း

သီအိုရီကို သိရှိပြီးနောက်မှာ မြန်မာ့လုပ်ငန်းခွင်မှာ လက်တွေ့အသုံးချနိုင်မယ့် အခြေအနေတစ်ခုကို လေ့လာကြည့်ရအောင်။ ဌာနဆိုင်ရာ ပရောဂျက် တိုးတက်မှု နောက်ကျနေတာကို ညှိနှိုင်းဖို့အတွက် ဌာနမှူးထံ တရားဝင် အီးမေးလ်တစ်စောင် ပို့ဖို့ လိုအပ်တယ် ဆိုပါစို့။ အတိတ်တုန်းကဆိုရင် စာသားတွေကို စဉ်းစားဖို့ မိနစ်နှစ်ဆယ်လောက် အချိန်ကုန်ခံခဲ့ရမှာ ဖြစ်ပါတယ်။ အကယ်၍ မှန်ကန်တဲ့ Prompt ကို အသုံးပြုမယ်ဆိုရင် တစ်မိနစ်အတွင်းမှာတင် တစ်ခုလုံး ပြီးစီးသွားမှာ ဖြစ်ပါတယ်။

သင်က ဒီလို Prompt မျိုးကို ထည့်သွင်းနိုင်ပါတယ် - "အတွေ့အကြုံရင့်ကျူးတဲ့ မြန်မာ့ကုမ္ပဏီ ပရောဂျက် မန်နေဂျာတစ်ဦးအနေနဲ့ လုပ်ဆောင်ပေးပါ။ ကျွန်တော့်အဖွဲ့ တာဝန်ယူရမယ့် စနစ် စတင်မည့်ရက်ကို လုံခြုံရေး စစ်ဆေးမှုနဲ့ ကိုက်ညီစေရန်အတွက် နှစ်ပတ် ဆိုင်းငံ့ရတော့မယ့် အကြောင်းအရာကို အရောင်းဌာန ဌာနမှူးဆီ စာရေးပေးချင်ပါတယ်။ လေသံက ယဉ်ကျေးရမယ့်အပြင် ရိုးသားပြီး တည်ဆောက်ုပုံဆန်ရပါမယ်။ အီးမေးလ်ဖွဲ့စည်းပုံမှာ - အဓိကအချက်၊ နှုတ်ခွန်းဆက်စကား၊ ဆိုင်းငံ့ရတဲ့အကြောင်းရင်း ရှင်းလင်းချက်၊ အရောင်းဘက်အပေါ် သက်ရောက်မှု အကဲဖြတ်ချက်၊ ကုစားရေး အစီအစဉ်နဲ့ အစားထိုး အချိန်ဇယား၊ နှင့် နားလည်ပေးမှုအတွက် ကျေးဇူးတင်စကားတို့ ပါဝင်ရပါမယ်။ အီးမေးလ် အကြောင်းအရာကို တိုက်ရိုက် ထုတ်ပေးပါ"။

ဒီလို တိကျတဲ့ ညွှန်ကြားချက်တွေကနေတဆင့် AI ထုတ်ပေးတဲ့ မူကြမ်းဟာ ပုံမှန်အားဖြင့် အမှတ် ရှစ်ဆယ်အထက် အသုံးပြုနိုင်တဲ့ အခြေအနေမှာ ရှိနှင့်ပြီးဖြစ်ပြီး သင်က အသေးစိတ်အချက်အလက်လေးတွေကို နည်းနည်းပါးပါး ပြန်ပြင်ဆင်ရုံနဲ့ တိုက်ရိုက် ပို့နိုင်မှာဖြစ်လို့ စာရွက်စာတမ်း လုပ်ငန်းစဉ်တွေအတွက် အချိန်ကို သိသိသာသာ လျှော့ချပေးနိုင်ပါတယ်။

အဖြစ်များတဲ့ Prompt အမှားများနှင့် တိုးတက်ကောင်းမွန်အောင် လုပ်ဆောင်မယ့် စိတ်ပိုင်းဆိုင်ရာ နည်းလမ်းများ

AI ကိရိယာတွေကို အသုံးပြုဖို့ သင်ယူတဲ့အခန်းမှာ လူအများစုဟာ ထောင်ချောက်အချို့ထဲကို ကျရောက်လွယ်ကြပါတယ်။ ဒီအမှားတွေကို ရှောင်ရှားခြင်းအားဖြင့် AI ကို ပိုပြီး လွယ်လွယ်ကူကူ အသုံးချနိုင်မှာ ဖြစ်ပါတယ်-

• ညွှန်ကြားချက်ပေးပေမယ့် အခြေအနေ (Context) မပေးခြင်း - ဥပမာ - "တောင်းပန်စာတစ်စောင် ရေးပါ" လို့ တိုက်ရိုက်ရိုက်ထည့်လိုက်ရင် AI က ဘယ်သူ့ကို တောင်းပန်ရမှာလဲ၊ ဘာကြောင့် တောင်းပန်ရတာလဲဆိုတာကို မသိရှိတဲ့အတွက် အနှစ်သာရမပါတဲ့ အကြောင်းအရာတွေ ဖြစ်လာစေပါမယ်။
• AI ကို အကြွင်းမဲ့ အမှန်တရားလို့ သတ်မှတ်ခြင်း - ကြီးမားတဲ့ ဘာသာစကား မော်ဒယ်တွေမှာ တစ်ခါတရံ "မှားယွင်းတဲ့ အချက်အလက်ပြသခြင်း" (Hallucination) ဖြစ်စဉ်တွေ ရှိတတ်တဲ့အတွက် မြန်မာနိုင်ငံရဲ့ ဥပဒေတွေ၊ သီးသန့် အချက်အလက်တွေ သို့မဟုတ် ဒေသန္တရ အချက်အလက်တွေအတွက်ဆိုရင် လူကိုယ်တိုင် နောက်ဆုံးအကြိမ် ပြန်လည်စစ်ဆေးဖို့ အရေးကြီးပါတယ်။
• တစ်ကြိမ်တည်းနဲ့ ပြီးပြည့်စုံဖို့ကို အလွန်အမင်း လိုက်စားခြင်း - အကယ်၍ တာဝန်က ရှုပ်ထွေးမယ်ဆိုရင် အဆင့်ပေါင်းများစွာ ခွဲထုတ်သင့်ပါတယ်။ ဥပမာ - ပထမဦးဆုံး AI ကို အကျဉ်းချုပ် ရေးဆွဲခိုင်းပြီး အကျဉ်းချုပ်က မှန်ကန်ကြောင်း အတည်ပြုပြီးမှသာ AI ကို အပိုင်းလိုက် ခွဲခြားပြီး အကြောင်းအရာတွေကို ရေးသားခိုင်းပါ။

Prompt Engineering ရဲ့ အောက်ခြေ ယုတ္တိဗေဒကို ကျွမ်းကျင်ပိုင်နိုင်ခြင်းဟာ သီးသန့် AI ကိရိယာတစ်ခုကို အသုံးပြုတတ်ဖို့ သက်သက်မဟုတ်ဘဲ "လိုအပ်ချက်တွေကို ရှင်းလင်းစွာ ဖော်ပြခြင်း" နဲ့ "ပြဿနာတွေကို ဖွဲ့စည်းပုံကျကျ ခွဲခြမ်းစိတ်ဖြာခြင်း" စွမ်းရည်ကို ပျိုးထောင်ပေးတာပဲ ဖြစ်ပါတယ်။ ဒီစွမ်းရည်ဟာ ဒစ်ဂျစ်တယ်ခေတ်မှာ လုပ်ငန်းခွင်အတွင်း ထိရောက်မှုရှိရှိ အလုပ်တွင်ကျယ်စေဖို့ ကူညီပေးရုံသာမကဘဲ ခေတ်မီလုပ်ငန်းခွင် လုပ်သားတိုင်းအတွက် မရှိမဖြစ်လိုအပ်တဲ့ အဓိက ယှဉ်ပြိုင်နိုင်စွမ်းလည်း ဖြစ်ပါတယ်။ စာဖတ်သူတွေအနေနဲ့ ဒီဆောင်းပါးကို ဖတ်ပြီးသွားတဲ့အခါ မနက်ဖြန် အလုပ်သွားတဲ့အခါ အသုံးပြုရမယ့် လက်တွေ့တာဝန်တစ်ခုကို ရွေးချယ်ပြီး RTCE မူဘောင်ကို လက်တွေ့ကျင့်သုံးကြည့်ကာ AI ယူဆောင်လာပေးတဲ့ ကုန်ထုတ်စွမ်းအား ခုန်ပျံကျော်လွှားမှုကို ကိုယ်တိုင် ခံစားကြည့်ဖို့ တိုက်တွန်းပါတယ်။