આર્ટિફિશિયલ ઇન્ટેલિજન્સ અને પ્રોમ્પ્ટનો પરિચય: કેવી રીતે મોડેલ 'વિચારે છે'

નફો:

• આગળના શબ્દની આગાહી કરીને વિશાળ ભાષા મોડેલ કેવી રીતે કાર્ય કરે છે અને પ્રોમ્પ્ટ લખવા માટે તેનો અર્થ શું છે તે સમજાવો
• તે બતાવી શકે છે કે શા માટે પ્રોમ્પ્ટ આઉટપુટ ગુણવત્તા નક્કી કરે છે તેના પોતાના કાર્યના ઉદાહરણ સાથે.
• મોડેલની શક્તિઓ અને નબળાઈઓને અલગ કરીને, વ્યક્તિ નક્કી કરી શકે છે કે કયા કાર્યોનો સુરક્ષિત રીતે ઉપયોગ કરવો.

આર્ટિફિશિયલ ઇન્ટેલિજન્સ અને પ્રોમ્પ્ટનો પરિચય: કેવી રીતે મોડેલ "વિચારે છે"

પ્રોમ્પ્ટ કેવી રીતે લખવું તે ખરેખર શીખવાની શ્રેષ્ઠ રીત એ છે કે પ્રથમ સાધન કેવી રીતે કાર્ય કરે છે તે સમજવું. આ એકમમાં, આપણે મોટા ભાષાના મોડલ (ટૂંકમાં LLM; એટલે કે આર્ટિફિશિયલ ઇન્ટેલિજન્સ સિસ્ટમ કે જે ટેક્સ્ટનું ઉત્પાદન કરે છે) નું મૂળ તર્ક જોઈશું, તે તમારા રોજિંદા કામમાં કેમ આટલું ઉપયોગી છે અને તેની મર્યાદા ક્યાં છે. આ ફાઉન્ડેશન વગર લખેલા પ્રોમ્પ્ટ વારંવાર પ્રશ્ન તરફ દોરી જાય છે "શા માટે તેઓ ક્યારેક મહાન પરિણામો અને ક્યારેક ભયંકર પરિણામો લાવે છે?" પ્રશ્ન સાથે તમને એકલા છોડી દે છે. જ્યારે આ એકમ પૂર્ણ થશે ત્યારે આ અનિશ્ચિતતા મોટાભાગે અદૃશ્ય થઈ જશે.

મોટી ભાષાનું મોડેલ ખરેખર શું કરે છે?

તેની સૌથી સરળ વ્યાખ્યામાં, મોટા ભાષાનું મોડેલ એ એવી સિસ્ટમ છે જે સંભવિત શબ્દની આગાહી કરે છે જે તમે જે ટેક્સ્ટ આપો છો તેને અનુસરશે. અબજો વાક્યોની તપાસ કરીને, મોડેલે "કયો શબ્દ કયા શબ્દ પછી આવે છે" પેટર્ન શીખી છે. જ્યારે તમે વાક્ય શરૂ કરો છો, ત્યારે મોડેલ અત્યાર સુધી શું લખવામાં આવ્યું છે તે જુએ છે અને સૌથી વધુ સંભવિત ચાલુ જનરેટ કરે છે, પછી જનરેટ કરેલા શબ્દને ઇનપુટમાં ઉમેરે છે અને આગળની આગાહી કરે છે. પ્રતિભાવ પૂર્ણ ન થાય ત્યાં સુધી આ ચક્ર ચાલુ રહે છે.

ચાલો અહીં વપરાયેલ ટોકન શબ્દને સ્પષ્ટ કરીએ: ટોકન એ સૌથી નાનું એકમ છે જેમાં મોડેલ ટેક્સ્ટને તોડે છે; તે લગભગ એક શબ્દ અથવા શબ્દના ભાગનું કદ છે. મોડેલ શબ્દ દ્વારા નહીં, પરંતુ ટોકન દ્વારા આગળ વધે છે. તમારા માટે વ્યવહારુ પરિણામ એ છે કે મોડેલ એ કોઈ માનવી નથી જે તમારા ઈરાદાને "સમજે" છે, પરંતુ એક ખૂબ જ શક્તિશાળી આગાહી મશીન છે જે આંકડાકીય રીતે તમે જે ટેક્સ્ટ આપો છો તેના માટે સૌથી યોગ્ય ચાલુ રાખવાની પસંદગી કરે છે.

આ વ્યાખ્યાનો સૌથી મહત્વનો અર્થ એ છે કે આઉટપુટની દિશાનો સૌથી શક્તિશાળી નિર્ણાયક એ ટેક્સ્ટ છે જે તમે ઇનપુટ તરીકે આપો છો. તેથી તમારા પ્રોમ્પ્ટ. મોડેલ ડેટાબેઝમાંથી તૈયાર જવાબ દોરતું નથી, ઇન્ટરનેટ પર લાઇવ શોધ કરતું નથી અને પૃષ્ઠોની નકલ કરતું નથી (સિવાય કે વિશેષ રીતે અન્યથા જણાવ્યું ન હોય). તે ફક્ત તે જ ટેક્સ્ટ ઉત્પન્ન કરે છે જે તમે જે સંદર્ભ આપો છો તે શ્રેષ્ઠ રીતે બંધબેસે છે. સારા આઉટપુટ માટે સારું ઇનપુટ એ સૌથી નિર્ણાયક સ્થિતિ છે.

શા માટે "સમાન મોડલ, અલગ પરિણામ"?

મોડેલ દરેક વખતે સૌથી વધુ સંભવિત શબ્દ પસંદ કરવા માટે રેન્ડમનેસના નાના માર્જિનનો પણ ઉપયોગ કરે છે; તેથી, જ્યારે તમે એક જ પ્રોમ્પ્ટને બે વાર પૂછો છો, ત્યારે તમે ચોક્કસ સમાન વાક્યો પ્રાપ્ત કરી શકતા નથી. આ કોઈ બગ નથી, તે ડિઝાઇનનો એક ભાગ છે. તમારું કાર્ય પરિણામને તક પર ન છોડવા માટે પૂરતું સ્પષ્ટ માળખું દોરવાનું છે. ફ્રેમવર્ક જેટલું સ્પષ્ટ હશે, બે જુદા જુદા પ્રયોગોના પરિણામો નજીકના અને વધુ ઉપયોગી થશે.

પગલું દ્વારા પગલું: મોડેલ દ્વારા વિનંતી કેવી રીતે આગળ વધે છે?

1. ઇનપુટ વાંચે છે. તમે લખો છો તે દરેક શબ્દ એક ચાવી છે જે આગાહીને માર્ગદર્શન આપે છે. જ્યારે તમે "વરિષ્ઠ વકીલની જેમ" કહો છો, ત્યારે મોડેલ ટેક્સ્ટને તે સ્વરની નજીક બનાવે છે.
2. સંદર્ભનું વજન કરે છે. તમે જે પૃષ્ઠભૂમિ, અવરોધો અને ઉદાહરણો આપો છો તે અંદાજને સંકુચિત કરે છે. જો સંદર્ભ ખાલી હોય, તો મોડેલ તેની પોતાની ધારણાઓ સાથે ખાલી જગ્યાઓ ભરે છે.
3. તે શબ્દ દ્વારા શબ્દ ઉત્પન્ન કરે છે. તે બનાવેલ દરેક ટોકન આગામી એક માટે ઇનપુટ બની જાય છે; તેથી તમે શરૂઆતમાં જે દિશા આપો છો તે સમગ્ર જવાબને વહન કરે છે.
4. તે અટકે છે. જ્યારે કાર્ય પૂર્ણ થાય અથવા તમે ઉલ્લેખિત કરેલ લંબાઈ સુધી પહોંચે ત્યારે તે ઉત્પાદનમાં વિક્ષેપ પાડે છે.

ત્રણ નાના કેસો: સંખ્યાઓમાં ત્વરિત તફાવત

કેસ 1 — માર્કેટિંગ વ્યાવસાયિક, ઇમેઇલ વિષય. જ્યારે માર્કેટિંગ નિષ્ણાતે કહ્યું કે "ઝુંબેશ માટે કોઈ વિષય સૂચવો", ત્યારે તેને 5 સામાન્ય શીર્ષકો મળ્યા અને તેમાંથી કોઈ ગમ્યું નહીં; તેણે હાથ વડે તેને સુધારવામાં 20 મિનિટ ગાળી. બીજા દિવસે, જ્યારે તેણે કહ્યું, "લક્ષ્ય પ્રેક્ષકો 30-45 વર્ષની વયના SME માલિકો છે, ઉત્પાદન ક્લાઉડ એકાઉન્ટિંગ સોફ્ટવેર છે, 6 એકમો, દરેકમાં મહત્તમ 45 અક્ષરો છે, રસપ્રદ પરંતુ અલ્પોક્તિપૂર્ણ," તેમણે 6 હેડલાઇન્સમાંથી 4 સીધો ઉપયોગ કર્યો. સમયગાળો 20 મિનિટથી ઘટીને 4 મિનિટ થયો.

કેસ 2 - માનવ સંસાધનો, જાહેરાત ટેક્સ્ટ. એક એચઆર નિષ્ણાતને "સોફ્ટવેર ડેવલપર જોબ લખો" પ્રોમ્પ્ટ સાથે બોઈલરપ્લેટ ટેક્સ્ટ પ્રાપ્ત થયો. જ્યારે અમે કંપનીની વાસ્તવિક ભાષા (3-વાક્ય સંસ્કૃતિ વર્ણન), 4 ફરજિયાત લાયકાતો અને પ્રોમ્પ્ટમાં "પગાર શ્રેણી સ્પષ્ટ રીતે લખો" ના પ્રતિબંધને ઉમેર્યા, ત્યારે આગલી જાહેરાતમાં જાહેરાત માટે અયોગ્ય અરજદારોનો દર નોંધપાત્ર રીતે ઘટ્યો કારણ કે ટેક્સ્ટ સ્પષ્ટપણે અપેક્ષા સ્થાપિત કરે છે.

કેસ 3 — એકાઉન્ટિંગ, રિપોર્ટ સારાંશ. જ્યારે એકાઉન્ટિંગ એક્ઝિક્યુટિવે કહ્યું કે તેણે 12-પાનાના ખર્ચ અહેવાલનો "સારાંશ" આપ્યો છે, ત્યારે મોડેલે મહત્વપૂર્ણ વસ્તુઓને છોડી દીધી છે. જ્યારે તેણે કહ્યું, "આ અહેવાલમાંથી, 5 સૌથી વધુ ખર્ચની વસ્તુઓ ગયા મહિનાની સરખામણીમાં ટકાવારીના ફેરફાર સાથે ટેબ્યુલેટ કરવામાં આવી છે," ત્યારે તેને બરાબર તે જ માળખું મળ્યું જે તે મેનેજમેન્ટ મીટિંગમાં લેશે. સામગ્રી સમાન હતી, સૂચનાઓ અલગ હતી.

નબળા પ્રોમ્પ્ટ / મજબૂત પ્રોમ્પ્ટ

સમાન કામ, બે અલગ-અલગ સૂચનાઓ સાથે:

નબળા પ્રોમ્પ્ટ:

આ લખાણનો સારાંશ આપો.[ટેક્સ્ટ]

શક્તિશાળી પ્રોમ્પ્ટ:

બોર્ડ ઓફ ડિરેક્ટર્સને રજૂ કરવા માટે નીચેની મીટિંગ નોંધનો સારાંશ આપો. - મહત્તમ 5 વસ્તુઓ. - દરેક વસ્તુમાં નિર્ણય અથવા ક્રિયા હોવી જોઈએ; ચેટ વિગતો છોડો. - જે ક્રિયાઓ માટે જવાબદાર વ્યક્તિ ઓળખાય છે તેના માટે કૌંસમાં નામ લખો. - સાદી, ઔપચારિક ભાષાનો ઉપયોગ કરો. ટેક્સ્ટ: [ટેક્સ્ટ]

બીજો પ્રોમ્પ્ટ મોડેલને કહે છે કે શું ઉત્પાદન કરવું, કોના માટે, કયા ફોર્મેટમાં અને શું છોડવું. મોડેલ "વિચાર" કરતું નથી, પરંતુ યોગ્ય ચાલુ રાખવાનું ઉત્પાદન કરે છે; તમે તે ચાલુ રાખવાનું માળખું દોરો.

ચાર નકલ કરી શકાય તેવા નમૂનાઓ

આ એકમમાં તર્કને ઝડપથી વ્યવહારમાં મૂકવા માટે ચાર સરળ સ્ટાર્ટર નમૂનાઓ. તમારી પોતાની માહિતી સાથે કૌંસ ભરો.

1) વિનંતીને મજબૂત કરવા માટેનું માળખું:

હું ઈચ્છું છું કે તમે આ કાર્ય કરો: [કાર્ય]કોના માટે: [ખરીદનાર/પ્રેક્ષક]કયા ફોર્મેટમાં: [લંબાઈ, માળખું]શું છોડવું: [તમે શું નથી જોઈતા]

2) મોડેલની સીમાઓ તપાસવી (ચકાસણી રીફ્લેક્સ):

જો નીચે આપેલા તમારા જવાબમાં તથ્યપૂર્ણ દાવાઓ (નંબર, તારીખ, નામ, સ્ત્રોત) હોય, તો દરેકને એક અલગ સૂચિ તરીકે બહાર કાઢો અને તેને "ચકાસાયેલ હોવું આવશ્યક છે" તરીકે ચિહ્નિત કરો. જવાબ: [મોડલનું આઉટપુટ]

3) સમાન કાર્યને બે સ્તરે અજમાવો:

નીચેના વિષયને બે વાર સમજાવો: A) સંપૂર્ણ અજાણી વ્યક્તિને, રોજિંદા ભાષામાં. B) ક્ષેત્રના નિષ્ણાતને, તકનીકી દ્રષ્ટિએ. વિષય: [વિષય]

4) મોડેલને અનિશ્ચિતતાનો અહેસાસ કરાવવો:

હું તમને જે વિનંતિ આપું છું તે કરતાં પહેલાં, તમને ગુમ થયેલ અથવા અસ્પષ્ટ લાગે તેવા મુદ્દાઓ વિશે મને 3 પ્રશ્નો પૂછો; પછી મારા જવાબો અનુસાર ઉત્પાદન કરો. વિનંતી: [વિનંતી]

મોડેલની શક્તિ અને નબળાઈઓ

વિષય

મોડેલ મજબૂત છે

મોડલ નબળું/સાવધાની છે

ભાષા બાબતો

લેખન, સારાંશ, અનુવાદ, સ્વર બદલવો

ખૂબ જ તકનીકી/વિશિષ્ટ કલકલ ભૂલો

માળખું

ટેક્સ્ટને ટેબલ, સૂચિ, સ્કેચમાં કન્વર્ટ કરો

લાંબા લખાણમાં સુસંગતતા જાળવવી

વિચાર

વિચારમંથન, વિકલ્પો પેદા કરવા

"સાચું" શું છે તેની ખાતરી આપવી

કેસ

સામાન્ય માહિતી, વ્યાખ્યા, સમજૂતી

વર્તમાન/ચોક્કસ ડેટા, નંબર, તારીખ, સ્ત્રોત

તર્ક

પગલું દ્વારા માર્ગદર્શન આપવામાં આવે તો સારું

જટિલ ગણતરીઓ ચૂપચાપ ખોટી ન કરો

ટીપ: મોડેલને "બધા જાણતા નિષ્ણાત" તરીકે નહીં પરંતુ "સહાયક કે જે ખૂબ જ ઝડપથી લખે છે, ઘણું વાંચે છે, પરંતુ તે કહે છે તે બધું ચકાસવું જરૂરી છે" તરીકે જુઓ. આ દૃશ્ય તમારી અપેક્ષાઓ અને તમારી નિયંત્રણની આદત બંનેને યોગ્ય રીતે સમાયોજિત કરે છે.

ધ્યાન આપો: મોડેલ ખૂબ જ આત્મવિશ્વાસપૂર્ણ ભાષામાં માહિતી લખી શકે છે, પરંતુ તેનો અર્થ એ નથી કે માહિતી સાચી છે. હંમેશા સ્વતંત્ર રીતે વાસ્તવિક વિગતોની ચકાસણી કરો, ખાસ કરીને નંબર, નામ, તારીખ, કાનૂન અને સ્ત્રોત. અમે એકમ 11 માં વિગતવાર આ વિષય પર પાછા આવીશું.

સામાન્ય ભૂલો

• માનવ માટે મોડેલને ભૂલવું. "તેઓ કોઈપણ રીતે સમજી જશે" એમ કહીને અધૂરી સૂચનાઓ આપવી. મોડેલ તમારા ઉદ્દેશ્યને વાંચતું નથી; તે ફક્ત તમે જે લખો છો તેની પ્રક્રિયા કરે છે.
• એક જ પ્રયાસમાં છોડી દેવું. જો પ્રારંભિક આઉટપુટ નબળું છે, તો સાધનને દોષ આપો. જો કે, મોટાભાગે સમસ્યા સૂચનોમાં હોય છે અને એક નાનો કરેક્શન પરિણામ બદલી શકે છે.
• તથ્યોની ચકાસણી કર્યા વિના તેનો ઉપયોગ કરવો. મોડેલ દ્વારા ઉત્પાદિત આંકડા અથવા સ્ત્રોતને પ્રશ્ન વિના સ્વીકારવું એ સૌથી જોખમી ટેવ છે.
• વિચાર્યા વિના ગોપનીય ડેટા દાખલ કરવો. સાધન કેવી રીતે કાર્ય કરે છે તે જાણ્યા વિના સંવેદનશીલ માહિતી પેસ્ટ કરવી. આના માટે નિયમો છે, જેમ કે આપણે ગોપનીયતા એકમમાં જોઈશું.
• ભૂલ માટે અવ્યવસ્થિતતા ભૂલવી. "વાહન તૂટી ગયું છે" તરીકે બે જુદા જુદા પરિણામોનું અર્થઘટન કરવું; જો કે, જ્યારે તમે સ્પષ્ટતામાં વધારો કરો છો, ત્યારે પરિણામો એકરૂપ થાય છે.

સારાંશમાં

• મોટા ભાષાનું મોડેલ તે શબ્દ (ટોકન) ની આગાહી કરીને કાર્ય કરે છે જે તમે જે લખાણ આપો છો તેમાં આગળ દેખાવાની સંભાવના છે; તે તૈયાર જવાબો પસંદ કરતો નથી.
• સૌથી શક્તિશાળી પરિબળ જે આઉટપુટની દિશા નક્કી કરે છે તે તમે ઇનપુટ તરીકે આપો છો તે પ્રોમ્પ્ટ છે.
• મોડેલ ભાષા, બંધારણ અને વિચારધારામાં મજબૂત; ચોક્કસ હકીકતો, વર્તમાન ડેટા અને જટિલ ગણતરીઓ સાથે સાવચેત છે.
• નાની અવ્યવસ્થિતતાને લીધે સમાન પ્રોમ્પ્ટ વિવિધ પરિણામો આપી શકે છે; જેમ જેમ સ્પષ્ટતા વધે છે, પરિણામો વધુ સુસંગત બને છે.
• મૉડલ "એક નિષ્ણાત નથી જે તે કહે છે તે બધું જ સાચું છે", પરંતુ "એક સહાયક જે ઝડપી છે પરંતુ તેની ચકાસણી કરવાની જરૂર છે".

એપ્લિકેશન કાર્ય

તમારી રોજની નોકરીમાંથી એક લેખન કાર્ય પસંદ કરો જે તમે નિયમિતપણે કરો છો (ઉદાહરણ તરીકે, ઇમેઇલ, સારાંશ અથવા સૂચિ). પ્રથમ, સૌથી સરળ એક-વાક્ય સંસ્કરણ લખો, તેને AI ટૂલને આપો અને આઉટપુટ સાચવો. પછી એ જ કાર્ય માટે; "કોના માટે, કયા ફોર્મેટમાં, કયા લંબાઈમાં અને શું છોડવું" પ્રશ્નોના જવાબો ઉમેરો અને તેમને ફરીથી પૂછો. બે આઉટપુટને એકસાથે મૂકો અને એક વાક્યમાં નોંધ કરો કે જે ઉમેરા પરિણામને સૌથી વધુ સુધારે છે.

ચેકલિસ્ટ

• [ ] મને સમજાયું કે મોડેલ "આગામી શબ્દની આગાહી કરી રહ્યું છે" અને મારો ઉદ્દેશ વાંચતો નથી.
• [ ] મને સમજાયું કે આઉટપુટની ગુણવત્તા મોટે ભાગે પ્રોમ્પ્ટની ગુણવત્તા પર આધાર રાખે છે.
• [ ] હું કાર્ય પ્રકારો વચ્ચે તફાવત કરી શકું છું જ્યાં મોડેલ મજબૂત અને નબળું છે.
• [ ] હું સમજું છું કે મારે વાસ્તવિક વિગતો (નંબર, તારીખ, નામ, સ્ત્રોત) ચકાસવાની જરૂર છે.
• [ ] હું સમજાવી શકું છું કે શા માટે સમાન પ્રોમ્પ્ટ વિવિધ પરિણામો આપી શકે છે.