একটা গল্প দিয়ে শুরু করি।
ধরো তুমি নতুন একটা চাকরিতে ঢুকেছ। প্রথম দিন বস এসে বলল, “এই রিপোর্টটা লেখো।” কোনো উদাহরণ নেই, কোনো নমুনা নেই। শুধু বলল আর চলে গেল।
তুমি কী করবে? একটু ঘাবড়ে যাবে। হয়তো ঠিকঠাক লিখবে, হয়তো ভুলও হবে।
এখন ভাবো, সেই বস যদি তোমাকে বলত — “দেখো, গত মাসে এইভাবে লেখা হয়েছিল। এই ফরম্যাট ফলো করো।” তাহলে? তোমার কাজ অনেক সহজ হয়ে যেত।
AI-এর ক্ষেত্রেও ঠিক এটাই হয়।
এই দুটো পরিস্থিতির নামই হলো Zero-shot prompting আর Few-shot prompting। এই পোস্টে আমরা এই দুটো জিনিস এত সহজভাবে বুঝব যে, পড়া শেষে তুমি বলবে — “আরে, এটা তো অনেক আগেই জানা উচিত ছিল।”
Zero-shot Prompting মানে কী?
“Zero-shot” মানে হলো শূন্য উদাহরণ।
তুমি AI-কে কোনো নমুনা না দিয়ে সরাসরি কাজ করতে বলছ। AI তার নিজের ট্রেনিং থেকে বুঝে নেয় তুমি কী চাইছ।
উদাহরণ দিই।
প্রম্পট: “এই বাক্যটা ইংরেজিতে অনুবাদ করো: আমি বাংলাদেশে থাকি।”
ব্যস। কোনো আগের উদাহরণ নেই। AI সরাসরি কাজ করে দিল।
এটাই Zero-shot prompting।
সহজ কাজে এটা দারুণ কাজ করে। অনুবাদ, সারসংক্ষেপ, সাধারণ প্রশ্নের উত্তর — এসব ক্ষেত্রে Zero-shot একদম ঠিকঠাক।
কিন্তু কাজটা যদি জটিল হয়? যদি তুমি চাও AI একটা নির্দিষ্ট ফরম্যাটে লিখুক, যেটা একটু অন্যরকম? তখন Zero-shot হোঁচট খায়।
Few-shot Prompting মানে কী?
“Few-shot” মানে হলো কয়েকটা উদাহরণ।
তুমি AI-কে আগে দুই-তিনটা উদাহরণ দেখাও। তারপর বলো — এখন এটা করো। AI তখন প্যাটার্ন ধরে ফেলে। আর কাজটা অনেক নিখুঁত হয়।
একটু দেখো:
প্রম্পট:
ইনপুট: “আমি খুশি” → আউটপুট: “Positive”
ইনপুট: “আমি রাগান্বিত” → আউটপুট: “Negative”
ইনপুট: “আমি ক্লান্ত” → আউটপুট: ?
AI এখন বুঝে গেছে খেলাটা কী। সে বলবে: “Negative”।
এটাই Few-shot prompting।
তুমি AI-কে শেখাচ্ছ না। তুমি শুধু দেখাচ্ছ। আর AI সেই দেখা থেকে বুঝে নিচ্ছে।
দুটোর মধ্যে আসল পার্থক্য কোথায়?
চলো একটা ছোট্ট তুলনা করি।
| বিষয় | Zero-shot | Few-shot |
|---|---|---|
| উদাহরণ দরকার? | না | হ্যাঁ, ২-৫টা |
| প্রম্পট কতটা ছোট? | অনেক ছোট | একটু বড় |
| জটিল কাজে কেমন? | মাঝে মাঝে ভুল করে | বেশি নির্ভুল |
| কখন ব্যবহার করবে? | সহজ, সাধারণ কাজে | নির্দিষ্ট ফরম্যাট বা জটিল কাজে |
| টোকেন খরচ | কম | বেশি |
সহজ করে বললে: Zero-shot হলো তুমি একা একা কাজ ধরো। Few-shot হলো কেউ একটু হাত ধরে দেখিয়ে দিলে।
Chain-of-Thought: মাঝখানে একটু ভাববার সুযোগ
এবার একটু গভীরে যাই।
Few-shot prompting-এর একটা বিশেষ ভার্সন আছে। নাম হলো Chain-of-Thought (CoT) prompting।
এখানে তুমি AI-কে শুধু উত্তর দিতে বলো না। তুমি বলো — “ভাবতে ভাবতে এগোও।” মানে ধাপে ধাপে চিন্তা দেখাও।
ধরো একটা গণিতের সমস্যা:
সাধারণ প্রম্পট: “রাহেলার কাছে ১০টা আপেল আছে। সে ৩টা দিয়ে দিল। কতটা বাকি?”
Chain-of-Thought প্রম্পট: “রাহেলার কাছে ১০টা আপেল আছে। সে ৩টা দিয়ে দিল। ধাপে ধাপে চিন্তা করে বলো কতটা বাকি।”
দ্বিতীয় প্রম্পটে AI বলবে: “১০টা ছিল। ৩টা গেল। তাহলে ১০ – ৩ = ৭টা বাকি।”
সহজ উদাহরণে পার্থক্য বোঝা যায় না। কিন্তু জটিল যুক্তি বা গণনায় CoT অনেক বেশি নির্ভুল।
রবীন্দ্রনাথ বলেছিলেন — “আলো বলে অন্ধকার, তুই বড় কালো। অন্ধকার বলে, ভাই, তাই তো তুমি আলো।”
Zero-shot আর Few-shot-এর সম্পর্কটাও অনেকটা এমন। একটা ছাড়া আরেকটার মূল্য বোঝা যায় না।
আপনার জন্য… Effective Prompt Writing Guide: Role, Context, Task ও Output Format বিশ্লেষণ
কখন Zero-shot ব্যবহার করবে?
যখন কাজটা সহজ। যখন তুমি দ্রুত একটা উত্তর চাও।
যেমন:
একটা শব্দের মানে জানতে চাইছ। একটা ইমেইলের সারসংক্ষেপ চাইছ। কোনো তথ্য যাচাই করতে চাইছ।
এসব ক্ষেত্রে Zero-shot দারুণ। দ্রুত, সহজ, কার্যকর।
কিন্তু যদি তুমি চাও AI তোমার নির্দিষ্ট লেখার ধরনে লিখুক? অথবা তোমার কোম্পানির টোনে একটা মার্কেটিং কপি বানাক? তখন Zero-shot হয়তো একটু এদিক-ওদিক হয়ে যাবে।
কখন Few-shot ব্যবহার করবে?
যখন তোমার একটা নির্দিষ্ট ফলাফল চাই।
যেমন:
তুমি একটা নির্দিষ্ট ফরম্যাটে প্রোডাক্ট ডেসক্রিপশন লিখতে চাও। তুমি চাও AI তোমার ব্র্যান্ডের ভয়েসে কথা বলুক। তুমি সেন্টিমেন্ট অ্যানালাইসিস বা টেক্সট ক্লাসিফিকেশন করতে চাও।
এসব ক্ষেত্রে দুই-তিনটা উদাহরণ দাও। দেখবে কাজটা কত সুন্দর হয়।
IBM-এর Zero-shot prompting ব্যাখ্যা দেখুন
বিভিন্ন মডেলে কীভাবে পরীক্ষা করবে?
GPT-4, Claude, Gemini — এরা সবাই কিন্তু একটু আলাদা।
একটা প্রম্পট একটা মডেলে ভালো কাজ করে, অন্যটায় হয়তো কম। তাই A/B পরীক্ষা করা দরকার।
কীভাবে করবে? সহজ পদ্ধতি আছে।
প্রথমে Zero-shot প্রম্পট নাও। তিনটা মডেলে পাঠাও। আউটপুট দেখো। তারপর একই কাজ Few-shot-এ করো। তুলনা করো।
কোনটা বেশি নির্ভুল? কোনটা বেশি স্বাভাবিক শোনাচ্ছে? কোনটা তোমার কাজের জন্য বেশি উপযুক্ত?
এভাবে পরীক্ষা করলে তুমি নিজেই বুঝে যাবে কোন মডেলে কোন কৌশল বেশি কাজ করে।
আপনার জন্য… লার্জ ল্যাঙ্গুয়েজ মডেল (LLM) কীভাবে কাজ করে? সম্পূর্ণ বাংলা গাইড
প্রম্পট সিকিউরিটি: একটু সাবধানে থাকো
Few-shot prompting-এ একটা ঝুঁকি আছে।
যদি তোমার উদাহরণগুলো ভুল হয়, AI সেই ভুলটাই শিখে নেবে। এটাকে বলে Prompt Injection বা ভুল উদাহরণের প্রভাব।
তাই কয়েকটা জিনিস মাথায় রাখো।
উদাহরণগুলো যেন সঠিক হয়। পক্ষপাতদুষ্ট (biased) উদাহরণ দিও না। আর যদি কোনো সেনসিটিভ বিষয়ে কাজ করো, উদাহরণ দেওয়ার আগে ভালো করে ভাবো।
AI অনেক চালাক, কিন্তু সে তোমার উদাহরণকে বিশ্বাস করে। ভুল উদাহরণ দিলে ভুল ফলাফল পাবে।
Token Optimization: কম শব্দে বেশি কাজ
AI কথা বোঝে টোকেনের মাধ্যমে। টোকেন মানে শব্দের ছোট ছোট টুকরো।
Few-shot prompting-এ তুমি বেশি উদাহরণ দিলে বেশি টোকেন খরচ হয়। এটা মানে বেশি সময় আর বেশি খরচ।
তাই চেষ্টা করো সবচেয়ে কম কিন্তু সবচেয়ে কার্যকর উদাহরণ দিতে। সাধারণত ২-৩টা উদাহরণ যথেষ্ট।
বেশি উদাহরণ সবসময় ভালো না। AI বরং বিভ্রান্ত হয়ে যেতে পারে।
Multimodal Prompting: শুধু লেখা নয়
আজকের AI শুধু লেখা বোঝে না। ছবি, অডিও, ডেটা — সবই বোঝে।
Few-shot prompting এখন শুধু টেক্সট উদাহরণে সীমাবদ্ধ নয়। তুমি ছবির উদাহরণও দিতে পারো। “এই ছবিটার মতো ক্যাপশন লেখো” — এটাও একটা Few-shot পদ্ধতি।
এটাকে বলে Multimodal Few-shot prompting। ভবিষ্যত এই দিকেই যাচ্ছে।
বাস্তব জীবনে কীভাবে ব্যবহার করবে?
তুমি যদি ব্লগার হও — Zero-shot দিয়ে আইডিয়া নাও। Few-shot দিয়ে তোমার ধরনে লেখা তৈরি করো।
তুমি যদি ব্যবসায়ী হও — Zero-shot দিয়ে দ্রুত তথ্য নাও। Few-shot দিয়ে তোমার ব্র্যান্ড ভয়েসে কন্টেন্ট বানাও।
তুমি যদি ডেভেলপার হও — Zero-shot দিয়ে কোড স্নিপেট চাও। Few-shot দিয়ে নির্দিষ্ট কোড স্টাইল অনুসরণ করাও।
যে পেশাই হোক না কেন, এই দুটো কৌশল জানা থাকলে AI তোমার হাতের মুঠোয় থাকবে।
একটা ছোট্ট কবিতা দিয়ে শেষ করি
কাজী নজরুল ইসলামের ভাষায় বলতে গেলে — “চল্ চল্ চল্, ঊর্ধ্ব গগনে বাজে মাদল।”
AI-এর দুনিয়াতেও ঠিক তাই। শুধু একটা প্রম্পট জানলেই হয় না। একটু একটু করে এগিয়ে যাও। Zero-shot থেকে শুরু করো। প্রয়োজন হলে Few-shot নাও।
আর Chain-of-Thought মনে রাখো — ভাবতে ভাবতে এগোও। AI-ও এগিয়ে যাবে তোমার সাথে।
সংক্ষেপে মনে রাখো
Zero-shot = কোনো উদাহরণ নেই। সরাসরি কাজ বলো। সহজ কাজে দারুণ।
Few-shot = কয়েকটা উদাহরণ দাও। তারপর কাজ বলো। জটিল বা নির্দিষ্ট কাজে কার্যকর।
Chain-of-Thought = ধাপে ধাপে ভাবতে বলো। যুক্তির কাজে অপ্রতিদ্বন্দ্বী।
তিনটাই জানো। পরিস্থিতি বুঝে ব্যবহার করো। তাহলেই তুমি AI prompting-এ এগিয়ে থাকবে।
প্রায়শই জিজ্ঞাসিত প্রশ্ন (FAQ)
Zero-shot prompting হলো এমন একটি পদ্ধতি যেখানে তুমি AI-কে কোনো আগের উদাহরণ না দিয়ে সরাসরি কাজ করতে বলো। AI তার নিজের ট্রেনিং ডেটা ব্যবহার করে উত্তর দেয়। সহজ এবং সাধারণ কাজের জন্য এটি সবচেয়ে ভালো পদ্ধতি।
Few-shot prompting হলো এমন একটি পদ্ধতি যেখানে তুমি AI-কে ২ থেকে ৫টি উদাহরণ দেখাও এবং তারপর কাজ করতে বলো। AI সেই উদাহরণ থেকে প্যাটার্ন বুঝে নির্দিষ্ট ফরম্যাটে উত্তর দেয়। জটিল কাজে এটি বেশি কার্যকর।
কোনটি ভালো তা নির্ভর করে কাজের উপর। সহজ ও দ্রুত কাজে Zero-shot ভালো। কিন্তু নির্দিষ্ট ফরম্যাট বা জটিল ক্লাসিফিকেশনের জন্য Few-shot বেশি নির্ভুল ফলাফল দেয়।
Chain-of-Thought prompting-এ AI-কে ধাপে ধাপে চিন্তা করে উত্তর দিতে বলা হয়। এটি জটিল গণিত, যুক্তিতর্ক এবং বিশ্লেষণমূলক কাজে অনেক বেশি নির্ভুল ফলাফল দেয়।
সাধারণত ২ থেকে ৫টি উদাহরণ যথেষ্ট। বেশি উদাহরণ দিলে AI বিভ্রান্ত হতে পারে এবং বেশি টোকেন খরচ হয়। কম কিন্তু মানসম্পন্ন উদাহরণই সবচেয়ে ভালো।
