AI Prompt Engineering

Prompt engineering, også kaldet in-context learning, er kunsten og videnskaben med at indlejre instruktioner beregnet til store AI-modeller i beskeder, der sendes til dem.

Du kan bruge AI-prompting til enten at få gode resultater fra modellen eller til at træne dens funktionalitet yderligere. Færdighedssættet kombinerer en god forståelse af computing, kommunikation, datavidenskab og maskinlæring.

Dette blogindlæg ser på de forskellige funktioner og fordele ved AI prompt engineering. Derudover indeholder den nyttige eksempler og ressourcer til at hjælpe dig med at få en bedre forståelse af emnet.

Behovet for god kunstig intelligens

AI-systemer som store sprogmodeller gør ord til tokens for at hjælpe dem med at behandle og generere sprog. Processen kaldes tokenisering og involverer at nedbryde større bidder af tekst i mindre enheder, såsom tegn, ord og underord. Disse tokens tildeles derefter numeriske værdier og føres ind i det neurale netværk for at producere output.

Resultatet her er, at en ændring i inputordene eller deres rækkefølge ligeledes vil forårsage en ændring i det neurale netværks output. Ord repræsenterer mening i AI-verdenen, så hver enkelt tæller, hvis du vil have det bedste ud af systemet. Her er nogle af de mange fordele ved at skrive gode AI-prompter.

• Bedre output: Transformermodeller kan generere meget imponerende svar på grund af deres opmærksomhed mekanisme, som lader dem bevare konteksten i enhver operation. Brugeren eller promptingeniøren guider på den anden side modellen til bedre output ved at indtaste de bedste ord for at fokusere AI-modellens opmærksomhed og derved producere det mest relevante og engagerende indhold.
• Højere effektivitet: Givet de rigtige prompter, vil en AI-model ikke kun levere det bedste indhold, men vil gøre det hurtigt og effektivt. Dette sparer brugeren tid, og det resulterende output vil ofte kræve mindre redigering eller bearbejdning. AI-modellen kan også overgå promptskribentens forventninger fra tid til anden.
• Bedre nøjagtighed: For beregningsrelaterede operationer giver en god prompt også mere nøjagtige resultater. I andre situationer reducerer det muligheden for hallucinationer - hvilket er, når en AI forsøger at finde på detaljer på egen hånd og tilbyde det som et faktum.

Anvendelser til prompt engineering

Prompt engineering giver en bruger mulighed for at styre en smart maskine ved hjælp af dagligdags sprog. Dette gør det til en meget alsidig færdighed, der vil fortsætte med at finde flere anvendelser. Følgende er nogle af de vigtigste anvendelser, som prompt engineering i øjeblikket bliver brugt til.

1. Problemløsning: Mange store sproglige AI-modeller kan bruges til at tackle store og komplekse problemer ved blot at angive problemet i enkel form for dem og derefter kræve en løsning. ChatGPT for eksempel er fantastisk til dette. Fra oprettelse af tidsplaner til besvarelse af svære spørgsmål, juridiske spørgsmål og endda medicinsk diagnose.
2. Oprettelse af indhold: Store sprogmodeller er meget gode til at generere al slags indhold med den rigtige prompt. Du kan nemt guide en model til at generere blogindlæg, digte, historier, computerkode, madopskrifter, musik, billeder, videoer og e-mail-breve ved at bruge de rigtige prompter.
3. Forskning og informationssøgning: De fleste AI-modeller er trænet på vanvittige mængder data, og det gør det nemt at stille spørgsmålstegn ved dem for specifik information. Udsendelse af relevante prompter kan hjælpe enhver bruger med at hente enhver information med lethed. Med veltrænede modeller er denne proces blevet bedre end standardsøgemaskiner, hvilket fører til en ny generation af AI-drevne søgeapplikationer som f.eks. Dig. com og Forvirring.ai.
4. Skrivehjælp: Med de rigtige prompter er generativ AI den mest kreative teknologi, som mennesket i øjeblikket kender. Fra kreative ideer til at skrive alle typer stykker til grammatikkorrektion og artikelresuméer, kan evnen til at udsende de rigtige prompter gøre en verden til forskel i forfatteres og kontoransattes liv.
5. Programmeringshjælp: Selvom der er meget tilpassede AI-programmeringsassistenter som GitHub Copilot og Amazon Code Whisperer, at være i stand til at udstede de rigtige prompter til generelle AI-modeller kan lige så højne en koders produktivitet og spare kostbar udviklingstid.
6. Oversættelse: Store sprogmodeller er mestre i sprogoversættelse, og du kan bruge dette til din fordel med rettighedsprompts. I modsætning til blot at oversætte tekst fra det ene sprog til det andet, kan du frit ændre outputtet i overensstemmelse med dine bedeevner.
7. Chatbot og personlig assistance: I starten var der automatiseringsværktøjer som Zapier og IFTTT som hjalp brugerne med at automatisere opgaver ved hjælp af visuelle grænseflader. ChatGPT-plugins og lignende tilbud ændrer dog industrien ved at lade brugerne automatisere ting på internettet ved hjælp af prompter.
8. Finjustering og tilpasning: Efter at en AI-model er fortrænet med masser af tekst-, billed-, lyd- eller videodata, er det næste trin normalt finjusteringsfasen. Her er den generelle model tilpasset til at fokusere på mere specifikke opgaver, såsom indholdsgenerering eller en chatbot ved hjælp af prompt engineering.

Færdigheder Nødvendigt

Hurtig ingeniørarbejde er en kunst og en videnskab, der kræver en blanding af både tekniske og ikke-tekniske færdigheder for at være yderst effektiv. Mens visse projekter eller hurtige ingeniørstillinger kan kræve specifikke ekspertfærdigheder, er de mere generelle færdigheder nedenfor:

• Problemanalyse og løsningsevner: Evnen til at identificere, analysere og afgrænse problemer kreativt vil sandsynligvis blive den mest givende menneskelige færdighed i en fremtid domineret af kunstig intelligens. For at udnytte en AI-model bedst muligt, har du brug for evnen til hurtigt at identificere problemerne i enhver situation, analysere situationen for potentielle løsninger og præcist skitsere en kreativ køreplan eller proces til at løse problemet.
• Mundtlige og skriftlige kommunikationsevner: Du har også brug for gode kommunikationsevner for at hjælpe dig med at få det bedste ud af dine interaktioner med AI-modellen. De fleste modeller derude arbejder i øjeblikket med skriftlig kommunikation, men grænsefladerne skulle efterhånden udvides til at omfatte verbale og andre færdigheder. Men en god forståelse af kommunikation er alt, hvad der er nødvendigt.
• Kendskab til AI, ML og NLP: Det hjælper også at forstå, hvordan kunstig intelligens (AI)-modeller fungerer, hvordan maskinlæring (ML) fungerer, og området for naturlig sprogbehandling (NLP).
• Kendskab til computerprogrammering: Selvom det ikke er et krav for AI-prompting, kan en solid forståelse af programmeringssprog og hvordan man får ideer videre til maskiner og løse problemer med disse ideer være uvurderlig i hurtig konstruktion.
• Dataanalyse: Dataanalyse og AI-prompting har meget til fælles. Dataanalysefærdigheder gør dig i stand til at identificere og udtrække værdifuld indsigt og mønstre fra prompt-respons data. Det hjælper også at vide, hvordan du visualiserer og præsenterer dine data for et publikum, team eller kunder.

Sådan skriver du effektive prompter

At skrive effektive anvisninger til AI-modeller kræver, at du kun har nogle få tips i tankerne, og de er som følger.

1. Identificer formålet: Du skal først afklare, hvad du er ved at skabe, og hvorfor du gør dette. Spørg dig selv målet med operationen og vær klar over det forventede output.
2. Giv klare og specifikke instruktioner: Prøv at gøre dine meddelelser enkle og nemme at forstå. Den skal indeholde specifikke oplysninger og klare instruktioner om, hvad du har brug for.
3. Inkluder åbne spørgsmål: Generative AI-modeller klarer sig godt med åbne spørgsmål, som ikke kræver et ja eller nej direkte svar, men snarere tilskynder til fri tænkning, kreativ frihed og evnen til at svare i mange former.
4. Inkluder kontekstuelle oplysninger: Du kan yderligere forbedre dine tilskyndelsesresultater ved at inkludere baggrundsoplysninger om problemet, forklare din målgruppe, nævne tid eller sted, specificere specifikke formater, give eksempler, afklare eventuelle tvetydige termer og henvise til tidligere udsagn.
5. Gentag: De fleste LLM'er har en opmærksomhedsfunktion, der gør dem kontekstbevidste. Du kan bruge denne funktion ved at henvise til tidligere udsagn fra modellen, ved at ændre muligheder, modellen præsenterede som svar, og ved at bede den om at gentage et tidligere job med forskellige muligheder. Iteration kan give stærke resultater, da det hjælper dig med at ændre og forbedre et indledende output.

Nogle eksempler på prompter

Du kan lave lige så mange prompter, som der er stjerner på himlen. Den følgende liste giver kun eksempler, der hjælper med at vejlede din kreativitet.

	Hurtig	Bemærkninger
1.	Hej, jeg rejser til London, har du nogle anbefalinger til ting at gøre?	Hjælp med at planlægge en rejse
2.	Jeg skriver en film om en superhelt, og jeg vil have dig til at skabe historien og bygge 5 karakterer til mig.	Kreativ hjælp
3.	Jeg vil have dig til at fungere som dataforsker og skrive kode til mig. Jeg har et datasæt om (*beskriv*). Kan du bygge en maskinlæringsmodel til at forudsige (*målvariabel*)?	ChatGPT som datavidenskabsassistent
4.	Jeg vil have dig til at fungere som dataforsker og skrive kode til mig. Jeg har dette datasæt om (*beskriv*). Kan du skrive Python-kode for at visualisere dataene?	ChatGPT som datavidenskabsassistent
5.	Skriv en liste med 15 kampagneideer til (*dit produkt*). Målgruppen er (*mål*), og produktet er bemærkelsesværdigt for (*funktioner*).
6.	Tilbyd en detaljeret anmeldelse af (*indtast produkt eller service*)
7.	Kan du skrive en JavaScript-kode, så jeg kan generere tilfældige tal med 15 kolonner og 100 rækker?	ChatGPT som kodningsassistent
8.	En realistisk gul sportsvogn med kromhjul i en travl gadebaggrund.	Dall-E billede
9.	Et ældre ægtepar sidder på en bænk i en park på en solskinsdag.	Dall-E billede
10.	En betagende udsigt over en tropisk strand med træer og krystalklart vand.	Dall-E billede
11.	Jeg vil have dig til at fungere som softwareudvikler. Angiv dokumentation for funktionen nedenfor (*Enter funktion*)	ChatGPT som kodningsassistent
12.	Tegn almindelige glidende gennemsnit	ChatGPT-kodetolk
13.	Opret et varmekort ved hjælp af disse data	ChatGPT-kodetolk
14.	Brug kolonne 1 og 2 fra disse data til at beregne (*Indtast ønsket værdi*)	ChatGPT-kodetolk
15.	Skriv en e-mail til præsidenten og undskyld over for ham, at jeg ikke kan komme til mødet. Fortæl ham 5 løgne, hvorfor jeg ikke kan klare det.
16.	Skriv en blog på 700 ord om vertikalt landbrug i drivhuse. Inkluder fordele og ulemper ved vertikalt landbrug, anslåede omkostninger ved at etablere et pilotprojekt og ofte stillede spørgsmål.	Virker på de fleste chatbots
17.	Jeg vil have dig til at fungere som interviewer. Jeg vil være kandidaten, og du vil stille mig interviewspørgsmål for at øve mig til stillingen som (*stilling*) i en virksomhed. Stil ikke alle spørgsmålene på én gang. Bare stil mig et spørgsmål, og vent så på mine svar. Forklar ikke noget. Stil mig spørgsmålene et efter et, ligesom en interviewer gør, og vent på mine svar. Min første sætning er "Hej"	ChatGPT er god til dette
18.	Jeg vil have dig til at fungere som min virtuelle læge. Jeg vil beskrive mine fysiologiske symptomer, og du vil stille en diagnose og behandlingsplan for symptomerne. Svar venligst kun med din diagnose og behandlingsplan, og giv kun forklaringer, hvor det er nødvendigt. Min første anmodning er "Jeg har oplevet en snurren i benene de sidste par dage."
19.	Jeg vil have dig til at fungere som en Linux-terminal, jeg vil skrive kommandoer, og du vil svare med det nøjagtige output, som en Linux-terminal vil producere. Forklar ikke noget og svar kun, når jeg skriver til dig. Forstået?
20.	Et maleri af en sød hund iført et jakkesæt, naturligt lys, med lyse farver	Billedgeneratorer som Stable Diffusion & Dalle-E
21.	Sød plastikand, der spiller guitar, stående karakter, 3D-blendergengivelse, lyse farver
22.	3D fluffy løve, nærbillede sød og yndig, søde store cirkulære reflekterende øjne, lang fuzzy pels, Pixar-gengivelse, uvirkelig motorfilm, glat, indviklede detaljer, filmisk	3D billedillustration på stabil diffusion
23.	Gelatinøs kat jagter en kæmpe sommerfugl i en magisk skov. –v5	Midjourney v5 billede
24.	Sød karakter med mekaniske dele af stål og gummi med hyperrealistiske detaljer i klare farver	Midjourney v4 billede

Ofte stillede spørgsmål

AI-promptskrivningsressourcer

1. https://openart.ai/promptbook
2. https://towardsdatascience.com/
3. https://docs.openai.com/
4. https://www.coursera.org/
5. https://www.udemy.com/
6. https://www.chatgpttrainings.com/book
7. https://github.com/dair-ai/Prompt-Engineering-Guide
8. https://www.promptengineering.org/master-prompt-engineering-ai-prompt/

Konklusion

Vi er nået til slutningen af ​​dette indlæg om AI prompt engineering, og du har set de forskellige muligheder, der giver gaver til både begyndere og erfarne professionelle.

Hurtig ingeniørarbejde er broen mellem mennesker og kunstig intelligens. Så din evne til at producere værdifulde resultater af høj kvalitet fra AI-systemer afhænger af dine prompte-færdigheder.