Poznaj koncepcję inżynierii natychmiastowej AI. Musisz zrozumieć, jak zadawać odpowiednie pytania, aby osiągnąć pożądane wyniki z systemów sztucznej inteligencji przetwarzających tekst na tekst lub tekst na obraz, takich jak ChatGPT lub DALL-E 2. Potencjał tych instrumentów sugeruje, że ci, którzy zadają takie pytania zyskają na znaczeniu, gdy staną się standardową praktyką w sektorze komercyjnym.
Biorąc pod uwagę ten wgląd, możemy teraz być świadkami powstania najbardziej pożądanego zawodu przyszłości: szybkich inżynierów.
Czym jest inżynieria AI?
Inżynieria monitów AI odnosi się do praktyki korzystania z monitów w celu osiągnięcia pożądanego rezultatu za pomocą narzędzia AI. Monitem może być wszystko, od pojedynczego słowa po całą instrukcję lub blok kodu. Wykorzystanie pytań jako podpowiedzi jest ludzką innowacją. Używanie monitów do uczenia modelu AI w celu uzyskania wymaganych wyników przy wykonywaniu określonej pracy jest analogiczne do dawania osobie punktu wyjścia do napisania eseju. Podobnie jak pisarz-człowiek może rozpocząć esej, model sztucznej inteligencji może zadać pytanie i przekształcić je w gotowy artykuł.
Co to jest monit? Pamiętaj, że tekst jest kluczowym interfejsem dla większości generatywnych modeli AI do komunikacji z użytkownikami. Modelowi można powiedzieć, co ma robić, wprowadzając polecenia do interfejsu tekstowego. Podpowiedź modelu jest nadrzędnym kierunkiem, który mu nadajesz. DALLE-2 i Stable Diffusion, dwa modele sztucznej inteligencji wykorzystywane do generowania obrazów, w większości reagują na opisy pożądanego rezultatu. Zarówno GPT-3, jak i ChatGPT to przykłady LLM, w których zachętą może być wszystko, od podstawowego pytania (takiego jak „Kto jest prezydentem Turcji?”) do trudnego problemu obejmującego wiele faktów (pamiętaj, że możesz nawet wprowadzić plik CSV z surowymi danymi jako częścią danych wejściowych). Możesz również uznać „Opowiedz mi dowcip” za dość niejasną prośbę.
Sztuczna inteligencja polega na projektowaniu i generowaniu danych wejściowych dla modeli AI, aby nauczyć je, jak wykonać określoną czynność. Dane muszą być poprawnie wpisane i sformatowane, aby model mógł je odczytać i uczyć się na ich podstawie. Inżynieria AI ma na celu generowanie wysokiej jakości danych szkoleniowych, które pozwolą modelowi AI generować wiarygodne prognozy i osądy. To kluczowy etap we wdrażaniu technologii sztucznej inteligencji.
Modele językowe GPT-2 i GPT-3 to znaczące postępy w inżynierii AI. Wielozadaniowa szybka inżynieria, która wykorzystywała wiele zestawów danych do przetwarzania języka naturalnego, dobrze sprawdziła się w nowych zadaniach w 2021 r. Stwierdzono, że modele językowe są dokładniejsze w konfrontacji z przypadkami wymagającymi rozumowania. Sformułowanie zachęty (takie jak „Zastanówmy się krok po kroku”), które zachęca do logicznego postępu, może zwiększyć skuteczność modelu językowego w rozwiązywaniu problemów wymagających wielu kroków rozumowania poprzez uczenie się bez strzału. Wszechobecną dostępność tych zasobów można przypisać kilku notatnikom typu open source i prowadzonym przez społeczność działaniom polegającym na syntezie obrazów.
W 2022 roku publicznie udostępniono wiele modeli uczenia maszynowego, takich jak DALL-E, Stable Diffusion czy Midjourney. Zdolność tych modeli do przyjmowania monitów słownych jako odpowiednich obrazów wejściowych i wyjściowych stworzyła nowy sektor inżynierii monitów AI, zwany monitowaniem tekstu na obraz. Chociaż ta technologia jest szeroko stosowana, wielu użytkowników wciąż napotyka przeszkody na drodze do sukcesu; przedstawiamy kilka sugestii dla tych osób.
Szybki przewodnik inżynierski AI
Jeśli wiesz, jak stymulować te nowe, szerokie i wydajne modele generatywne, możesz zlecić im generowanie wszystkiego, od świetnych historii, przez zapierającą dech w piersiach grafikę, po unikalne funkcje, takie jak podsumowanie tekstu lub automatyczne narzędzie do edycji wideo.
Składniki zachęty:
- Instrukcje
- Pytanie
- Dane wejściowe
- Przykłady
Wszystkie te elementy muszą być odpowiednio wymieszane, aby inżynieria AI odniosła sukces.
Jak zatem napisać dobrą zachętę? Poniżej przedstawiono kilka sugestii dotyczących ulepszenia inżynierii monitów AI:
- Upewnij się, że znak # lub ” oddziela instrukcje od kontekstu w monicie.
Nie używaj go w ten sposób:
Przepisz poniższy tekst
{Wprowadzanie tekstu}
Lepiej wpisać zachętę w ten sposób:
Przepisz poniższy tekst
„”
{Wprowadzanie tekstu}
„”
- Dostarczenie jak największej ilości konkretnych, opisowych i dogłębnych informacji na dany temat jest kluczowe dla osiągnięcia pożądanego celu, długości, struktury, stylu itp.
Nie używaj go w ten sposób:
Napisz esej o AI
Lepiej wpisać zachętę w ten sposób:
Formalnie napisz esej na 500 słów o sztucznej inteligencji, koncentrując się na jej wpływie na biznes
- Użyj przykładu, aby wyjaśnić swoje cele.
Nie używaj go w ten sposób:
Daj mi pomysł na domenę
Lepiej wpisać zachętę w ten sposób:
Daj mi pomysł na domenę, taką jak techbriefly.com, ze słowami kluczowymi i wyjaśnieniem celu witryny
- Bądź bezpośredni i zwięzły w określaniu swoich potrzeb. Uprość swój język i wytnij puch.
Nie używaj go w ten sposób:
Krótko wyjaśnij mi historię AI i wspomnij wydarzenia historyczne w umysłach czytelnika.
Lepiej wpisać zachętę w ten sposób:
Wyjaśnij historię sztucznej inteligencji w krótki i chwytliwy sposób
- Szczególnie w przypadku korzystania z technik sztucznej inteligencji przetwarzania tekstu na obraz ważne jest, aby był jak najbardziej opisowy i wybrał odpowiedni motyw/format.
- Dodaj kilka przykładowych obrazów do programów AI przetwarzających tekst na obraz.
Chociaż modele AI są stale ulepszane, uzyskanie dokładnych wymaganych wyników może być nadal trudne. Chociaż to się poprawia, wymagana jest również szybka inżynieria AI, zanim te masywne modele będą mogły osiągnąć swój pełny potencjał. Przyjrzyjmy się zatem kilku przykładom z prawdziwego świata.
Szybkie przykłady inżynierskie
Oto kilka szybkich przykładów inżynieryjnych:
Jak widać na powyższym przykładzie, mamy esej, który próbuje wyjaśnić problem, dotykając różnych tematów z szybką zmianą.
Jak widać, mogliśmy uzyskać wynik w drugim przykładzie, pobierając próbkę po znaku zachęty; jednak w pierwszym przykładzie nie byliśmy w stanie nawet uzyskać nazwy domeny.
Monit brzmi „narysuj człowieka w biurze” w przykładzie po lewej stronie i „narysuj człowieka w biurze patrząc na komputer” w przykładzie po prawej stronie. Jak widać, chociaż przykład po lewej niewiele wskazuje na ustawienie biura, zdefiniowanie monitu pomogło nam osiągnąć lepsze wyniki.
Napisanie przyzwoitej podpowiedzi może być trudne, ponieważ wymaga jasnego i zwięzłego języka oraz zrozumienia celu podpowiedzi. Dobra zachęta powinna być jasna, otwarta i jednoznaczna; powinien zawierać wystarczającą ilość szczegółów odpowiedzi, aby zrozumieć, o co jest pytany i zamierzoną odpowiedź. Pozostawia również miejsce na interpretację i oryginalną myśl.
Dobra zachęta powinna być również intrygująca, trafna i atrakcyjna dla docelowych odbiorców. Należy również pamiętać o kontekście i celu zachęty.
Ogólnie rzecz biorąc, zależy to od trudności pracy lub wiadomości, którą próbujesz wyrazić, ale przy odrobinie doświadczenia i dbałości o szczegóły każdy może stworzyć mocną zachętę.
Podpowiedź powinna być zgodna z aktualną pracą, tematem lub celem nauki. Należy zaplanować, aby uzyskać dane wymagane do uzyskania zamierzonych wyników. Przemyślana zachęta może zapewnić, że zebrane informacje będą trafne i pomocne dla zamierzonego celu.
Source: Inżynieria podpowiedzi AI: główny przewodnik