Gewinne:
- Erklären Sie, wie das große Sprachmodell funktioniert, indem es das nächste Wort vorhersagt, und was dies für das schnelle Schreiben bedeutet
- Warum Prompt die Ausgabequalität so sehr bestimmt, kann er anhand eines Beispiels aus seiner eigenen Arbeit zeigen.
- Durch die Unterscheidung der Stärken und Schwächen des Modells kann man entscheiden, für welche Aufgaben es sicher eingesetzt werden soll.
Einführung in Künstliche Intelligenz und Prompt: Wie das Modell „denkt“
Der beste Weg, wirklich zu lernen, wie man Eingabeaufforderungen schreibt, besteht darin, zunächst zu verstehen, wie das Tool funktioniert. In dieser Einheit werden wir die grundlegende Logik des großen Sprachmodells (kurz LLM; das heißt das System der künstlichen Intelligenz, das Text produziert) sehen, warum es in Ihrer täglichen Arbeit so nützlich ist und wo es seine Grenzen hat. Aufforderungen, die ohne diese Grundlage geschrieben werden, führen oft zu der Frage: „Warum führen sie manchmal zu großartigen und manchmal zu schrecklichen Ergebnissen?“ lässt einen mit der Frage allein. Diese Unsicherheit wird mit der Fertigstellung dieser Einheit weitgehend verschwinden.
Was macht ein großes Sprachmodell eigentlich?
In seiner einfachsten Definition ist das große Sprachmodell ein System, das das Wort vorhersagt, das am wahrscheinlichsten auf den von Ihnen eingegebenen Text folgt. Durch die Untersuchung von Milliarden Sätzen hat das Modell das Muster „Welches Wort kommt nach welchem Wort“ gelernt. Wenn Sie einen Satz beginnen, schaut sich das Modell an, was bisher geschrieben wurde, generiert die wahrscheinlichste Fortsetzung, fügt dann das generierte Wort zur Eingabe hinzu und sagt das nächste voraus. Dieser Zyklus wird fortgesetzt, bis die Antwort vollständig ist.
Lassen Sie uns den hier verwendeten Begriff Token klären: Token ist die kleinste Einheit, in die das Modell den Text zerlegt; Es hat ungefähr die Größe eines Wortes oder eines Wortteils. Das Modell schreitet nicht Wort für Wort voran, sondern Token für Token. Die praktische Konsequenz für Sie besteht darin, dass das Modell kein Mensch ist, der Ihre Absicht „versteht“, sondern eine sehr leistungsfähige Vorhersagemaschine, die statistisch die am besten geeignete Fortsetzung für den Text auswählt, den Sie ihr geben.
Die wichtigste Implikation dieser Definition ist, dass der Text, den Sie als Eingabe geben, der stärkste Determinant für die Richtung der Ausgabe ist. Also deine Aufforderung. Das Modell bezieht keine vorgefertigte Antwort aus einer Datenbank, führt keine Live-Suche im Internet durch und kopiert keine Seiten (sofern nicht ausdrücklich anders angegeben). Es wird nur Text erstellt, der am besten zu dem Kontext passt, den Sie ihm geben. Ein guter Input ist die entscheidende Voraussetzung für einen guten Output.
Warum „Gleiches Modell, anderes Ergebnis“?
Das Modell verwendet außerdem jeweils einen kleinen Zufallsspielraum bei der Auswahl des wahrscheinlichsten Wortes. Wenn Sie also zweimal dieselbe Aufforderung stellen, erhalten Sie möglicherweise nicht die exakt gleichen Sätze. Dies ist kein Fehler, sondern Teil des Designs. Ihre Aufgabe ist es, einen Rahmen zu schaffen, der klar genug ist, um das Ergebnis nicht dem Zufall zu überlassen. Je klarer der Rahmen, desto näher und nützlicher werden die Ergebnisse zweier verschiedener Experimente sein.
Schritt für Schritt: Wie verläuft eine Anfrage durch das Modell?
- Liest die Eingabe. Jedes Wort, das Sie schreiben, ist ein Hinweis, der die Vorhersage leitet. Wenn Sie „wie ein leitender Anwalt“ sagen, erhöht das Modell die Wahrscheinlichkeit, dass Texte eher diesem Ton entsprechen.
- Gewichtet den Kontext. Der Hintergrund, die Einschränkungen und die Beispiele, die Sie angeben, grenzen die Schätzung ein. Wenn der Kontext leer ist, füllt das Modell die Lücken mit seinen eigenen Annahmen.
- Es produziert Wort für Wort. Jeder von ihm erzeugte Token wird zur Eingabe für den nächsten; Die Anweisung, die Sie zu Beginn geben, wird also auf die gesamte Antwort übertragen.
- Er bleibt stehen. Die Produktion wird unterbrochen, wenn die Aufgabe abgeschlossen ist oder die von Ihnen angegebene Länge erreicht.
Drei Mini-Fälle: Schneller Zahlenunterschied
Fall 1 – Marketingprofi, E-Mail-Betreff. Als ein Marketingexperte sagte: „Schlagen Sie ein Thema für die Kampagne vor“, bekam er fünf allgemeine Titel und gefiel keinem davon; Er verbrachte 20 Minuten damit, es von Hand zu korrigieren. Als er am nächsten Tag sagte: „Die Zielgruppe sind KMU-Inhaber im Alter von 30 bis 45 Jahren, das Produkt ist eine Cloud-Buchhaltungssoftware, 6 Einheiten mit jeweils maximal 45 Zeichen, faszinierend, aber zurückhaltend“, verwendete er direkt vier der sechs Schlagzeilen. Die Dauer verringerte sich von 20 Minuten auf 4 Minuten.
Fall 2 – Personalwesen, Anzeigentext. Ein HR-Spezialist erhielt einen Standardtext mit der Aufforderung „Schreiben Sie einen Job als Softwareentwickler“. Als wir der Eingabeaufforderung die tatsächliche Sprache des Unternehmens (3-Sätze-Kulturbeschreibung), 4 obligatorische Qualifikationen und die Einschränkung „Gehaltsspanne klar formulieren“ hinzufügten, verringerte sich der Anteil unqualifizierter Bewerber für die Anzeige in der nächsten Anzeige merklich, da der Text die Erwartungen klar darlegte.
Fall 3 – Buchhaltung, Berichtszusammenfassung. Als ein Buchhalter sagte, er habe eine 12-seitige Spesenabrechnung „zusammengefasst“, wurden im Modell wichtige Punkte weggelassen. Als er sagte: „In diesem Bericht sind die fünf höchsten Ausgabenposten mit der prozentualen Veränderung im Vergleich zum letzten Monat tabellarisch aufgeführt“, bekam er genau die Struktur, die er der Managementbesprechung vorgeben würde. Der Inhalt war derselbe, die Anleitungen unterschiedlich.
Schwache Eingabeaufforderung / Starke Eingabeaufforderung
Gleicher Job, mit zwei unterschiedlichen Anweisungen:
Schwache Eingabeaufforderung:
Fassen Sie diesen Text zusammen.[Text]
Kraftvolle Aufforderung:
Fassen Sie die nachstehende Besprechungsnotiz zusammen, um sie dem Vorstand vorzulegen. - Maximal 5 Artikel. - Jeder Punkt sollte eine Entscheidung oder Aktion enthalten; Überspringen Sie die Chatdetails. - Geben Sie in Klammern den Namen für Aktionen an, für die die verantwortliche Person bekannt ist. - Verwenden Sie eine klare, formelle Sprache. Text: [Text]
Die zweite Eingabeaufforderung teilt dem Modell mit, was für wen in welchem Format produziert und was übersprungen werden soll. Das Modell übernimmt nicht das „Denken“, sondern die Produktion der richtigen Fortsetzung; Sie zeichnen den Rahmen dieser Fortsetzung.
Vier kopierbare Vorlagen
Vier einfache Einstiegsvorlagen, um die Logik dieser Einheit schnell in die Praxis umzusetzen. Füllen Sie die Klammern mit Ihren eigenen Informationen aus.
1) Rahmen zur Stärkung einer Anfrage:
Ich möchte, dass Sie diese Aufgabe erledigen: [Aufgabe]Für wen: [Käufer/Zielgruppe]In welchem Format: [Länge, Struktur]Was Sie überspringen sollten: [Was Sie nicht wollen]
2) Überprüfung der Grenzen des Modells (Verifikationsreflex):
Wenn Ihre Antwort unten sachliche Behauptungen (Anzahl, Datum, Name, Quelle) enthält, extrahieren Sie jede als separate Liste und markieren Sie sie als „muss überprüft werden“. Antwort: [Ausgabe des Modells]
3) Versuchen Sie dieselbe Aufgabe auf zwei Ebenen:
Erklären Sie das folgende Thema zweimal: A) An einen völlig Fremden, in Alltagssprache. B) An einen Experten auf diesem Gebiet, in technischer Hinsicht. Thema: [Thema]
4) Dem Modell die Unsicherheit bewusst machen:
Bevor ich die Anfrage stelle, die ich Ihnen gebe, stellen Sie mir drei Fragen zu den Punkten, die Ihrer Meinung nach fehlen oder unklar sind. Dann produzieren Sie gemäß meinen Antworten.Anfrage: [Anfrage]
Stärken und Schwächen des Modells
Betreff
Das Modell ist stark
Das Modell ist schwach / Vorsicht
Sprachangelegenheiten
Schreiben, zusammenfassen, übersetzen, Ton ändern
Sehr technische/Nischenjargonfehler
Struktur
Konvertieren Sie Text in eine Tabelle, Liste oder Skizze
Konsistenz im Langtext wahren
Idee
Brainstorming, Alternativen generieren
Garantieren, was „richtig“ ist
Fall
Allgemeine Informationen, Definition, Erklärung
Aktuelle/genaue Daten, Anzahl, Datum, Quelle
Argumentation
Gut, wenn man Schritt für Schritt angeleitet wird
Machen Sie komplexe Berechnungen nicht stillschweigend falsch
Tipp: Sehen Sie das Model nicht als „Besserwisser“, sondern als „Assistent, der sehr schnell schreibt, viel liest, aber alles, was er sagt, überprüft werden muss.“ Diese Ansicht passt sowohl Ihre Erwartungen als auch Ihre Kontrollgewohnheiten korrekt an.
Achtung: Das Modell schreibt Informationen möglicherweise in einer sehr sicheren Sprache, dies bedeutet jedoch nicht, dass die Informationen korrekt sind. Überprüfen Sie stets unabhängig die tatsächlichen Angaben, insbesondere Nummer, Name, Datum, Satzung und Quelle. Wir werden in Einheit 11 ausführlich auf dieses Thema zurückkommen.
Häufige Fehler
- Das Modell mit einem Menschen verwechseln. Geben Sie unvollständige Anweisungen, indem Sie sagen: „Sie werden es sowieso verstehen.“ Das Modell liest Ihre Absicht nicht. Es verarbeitet nur das, was Sie eingeben.
- In einem Versuch aufgeben. Wenn die anfängliche Ausgabe schlecht ist, liegt die Schuld beim Tool. Meistens liegt das Problem jedoch in der Anleitung und eine kleine Korrektur kann das Ergebnis verändern.
- Fakten verwenden, ohne sie zu überprüfen. Eine vom Modell erstellte Statistik oder Quelle ohne Frage zu akzeptieren, ist die riskanteste Angewohnheit.
- Vertrauliche Daten eingeben, ohne nachzudenken. Einfügen vertraulicher Informationen, ohne zu wissen, wie das Tool funktioniert. Hierzu gibt es Regeln, wie wir im Abschnitt zum Datenschutz sehen werden.
- Zufälligkeit mit Fehler verwechseln. Interpretation zweier unterschiedlicher Ergebnisse als „Das Fahrzeug ist kaputt“; Wenn man jedoch die Klarheit erhöht, gleichen sich die Ergebnisse an.
Zusammenfassend
- Das große Sprachmodell funktioniert, indem es das Wort (Token) vorhersagt, das am wahrscheinlichsten als nächstes in dem von Ihnen eingegebenen Text vorkommt; Er wählt keine vorgefertigten Antworten.
- Der aussagekräftigste Faktor, der die Richtung der Ausgabe bestimmt, ist die Eingabeaufforderung, die Sie als Eingabe geben.
- Stark in Modellsprache, Struktur und Ideenfindung; geht sorgfältig mit präzisen Fakten, aktuellen Daten und komplexen Berechnungen um.
- Aufgrund geringer Zufälligkeit kann dieselbe Eingabeaufforderung zu unterschiedlichen Ergebnissen führen. Mit zunehmender Klarheit werden die Ergebnisse konsistenter.
- Das Modell sei kein „Experte, der zu allem steht, was er sagt“, sondern „ein Assistent, der schnell ist, aber überprüft werden muss“.
Anwendungsaufgabe
Wählen Sie eine Schreibaufgabe aus Ihrem Tagesjob, die Sie regelmäßig erledigen (z. B. eine E-Mail, eine Zusammenfassung oder eine Liste). Schreiben Sie zunächst die einfachste Ein-Satz-Version, geben Sie sie an ein KI-Tool weiter und speichern Sie die Ausgabe. Dann zur gleichen Aufgabe; Fügen Sie die Antworten zu den Fragen „Für wen, in welchem Format, in welcher Länge und was übersprungen werden soll“ hinzu und stellen Sie sie erneut. Platzieren Sie die beiden Ausgaben nebeneinander und notieren Sie in einem Satz, welche Addition das Ergebnis am meisten verbessert.
Checkliste
- [ ] Mir wurde klar, dass das Modell „das nächste Wort vorhersagte“ und meine Absicht nicht las.
- [ ] Mir wurde klar, dass die Qualität der Ausgabe weitgehend von der Qualität der Eingabeaufforderung abhängt.
- [ ] Ich kann zwischen Aufgabentypen unterscheiden, bei denen das Modell stark und schwach ist.
- [ ] Ich verstehe, dass ich sachliche Angaben (Nummer, Datum, Name, Quelle) überprüfen muss.
- [ ] Ich kann erklären, warum dieselbe Eingabeaufforderung zu unterschiedlichen Ergebnissen führen kann.