Guadagni:
- Spiegare come funziona il modello linguistico ampio prevedendo la parola successiva e cosa ciò significa per la scrittura rapida
- Può mostrare perché Prompt determina così tanto la qualità dell'output con un esempio tratto dal suo lavoro.
- Distinguendo i punti di forza e di debolezza del modello, si può decidere per quali compiti utilizzarlo in sicurezza.
Introduzione all'Intelligenza Artificiale e Prompt: come "pensa" il modello
Il modo migliore per imparare veramente a scrivere i prompt è capire innanzitutto come funziona lo strumento. In questa unità vedremo la logica di base del grande modello linguistico (in breve LLM; ovvero il sistema di intelligenza artificiale che produce testo), perché è così utile nel lavoro quotidiano e dove ha i suoi limiti. I suggerimenti scritti senza queste basi spesso portano alla domanda "perché a volte producono grandi risultati e talvolta risultati terribili?" ti lascia solo con la domanda. Questa incertezza scomparirà in gran parte quando questa unità sarà completata.
Cosa fa effettivamente un modello linguistico di grandi dimensioni?
Nella sua definizione più semplice, il grande modello linguistico è un sistema che prevede la parola più probabile che seguirà il testo fornito. Esaminando miliardi di frasi, il modello ha imparato il modello "quale parola viene dopo quale parola". Quando si inizia una frase, il modello guarda ciò che è stato scritto fino a quel momento e genera la continuazione più probabile, poi aggiunge la parola generata all'input e predice quella successiva. Questo ciclo continua fino al completamento della risposta.
Chiariamo il termine token qui utilizzato: token è l'unità più piccola in cui il modello scompone il testo; Ha all'incirca la dimensione di una parola o parte di una parola. Il modello procede non parola per parola, ma gettone dopo gettone. La conseguenza pratica per te è che il modello non è un essere umano che “capisce” la tua intenzione, ma una potentissima macchina predittiva che seleziona statisticamente la continuazione più adatta al testo che gli dai.
L'implicazione più importante di questa definizione è che il determinante più potente della direzione dell'output è il testo fornito come input. Quindi il tuo suggerimento. Il modello non ricava una risposta già pronta da un database, non effettua una ricerca in tempo reale su Internet e non copia le pagine (se non diversamente specificato). Produce solo il testo che meglio si adatta al contesto che gli dai. Un buon input è la condizione più decisiva per un buon output.
Perché "stesso modello, risultato diverso"?
Il modello utilizza inoltre un piccolo margine di casualità nella scelta ogni volta della parola più probabile; Pertanto, quando chiedi due volte la stessa richiesta, potresti non ricevere esattamente le stesse frasi. Questo non è un bug, fa parte del design. Il tuo compito è tracciare un quadro sufficientemente chiaro da non lasciare il risultato al caso. Quanto più chiaro sarà il quadro, tanto più vicini e utili saranno i risultati di due diversi esperimenti.
Passo dopo passo: come avanza una richiesta attraverso il modello?
- Legge l'input. Ogni parola che scrivi è un indizio che guida la previsione. Quando dici “come un avvocato senior”, il modello rende più probabili i testi più vicini a quel tono.
- Pesa il contesto. Il background, i vincoli e gli esempi forniti restringono la stima. Se il contesto è vuoto, il modello riempie gli spazi vuoti con le proprie ipotesi.
- Produce parola per parola. Ogni token che produce diventa l'input per quello successivo; quindi la direzione che dai all'inizio si applica all'intera risposta.
- Si ferma. Interrompe la produzione quando l'attività viene completata o raggiunge la durata specificata.
Tre mini casi: immediata differenza nei numeri
Caso 1: professionista del marketing, oggetto dell'e-mail. Quando un esperto di marketing ha detto "suggerisci un argomento per la campagna", ha ricevuto 5 titoli generali e non ne ha apprezzato nessuno; Ha impiegato 20 minuti per correggerlo a mano. Il giorno successivo, quando ha detto: "Il pubblico target sono i proprietari di PMI di età compresa tra 30 e 45 anni, il prodotto è un software di contabilità cloud, 6 unità, ciascuna con un massimo di 45 caratteri, intrigante ma discreto", ha utilizzato direttamente 4 dei 6 titoli. La durata è diminuita da 20 minuti a 4 minuti.
Caso 2 — Risorse umane, testo pubblicitario. Uno specialista delle risorse umane ha ricevuto un testo standard con la richiesta "scrivi un lavoro da sviluppatore di software". Quando abbiamo aggiunto al prompt la lingua effettiva dell'azienda (descrizione della cultura in 3 frasi), 4 qualifiche obbligatorie e la restrizione di "scrivere chiaramente la fascia salariale", il tasso di candidati non qualificati all'annuncio è diminuito notevolmente nell'annuncio successivo perché il testo stabiliva chiaramente le aspettative.
Caso 3 — Contabilità, sintesi del rapporto. Quando un dirigente contabile affermava di aver "riassunto" una nota spese di 12 pagine, il modello ometteva elementi importanti. Quando ha detto: "Da questo rapporto vengono tabulate le 5 voci di spesa più elevate con la variazione percentuale rispetto al mese scorso", ha ottenuto esattamente la struttura che avrebbe portato alla riunione della direzione. Il contenuto era lo stesso, le istruzioni erano diverse.
Prompt debole / Prompt forte
Stesso lavoro, con due istruzioni diverse:
Suggerimento debole:
Riassumi questo testo.[testo]
Suggerimento potente:
Si riepiloga di seguito la nota della riunione da presentare al consiglio di amministrazione. - Massimo 5 articoli. - Ogni elemento dovrebbe contenere una decisione o un'azione; Salta i dettagli della chat. - Scrivere il nome tra parentesi per le azioni per le quali è nota la persona responsabile. - Utilizzare un linguaggio semplice e formale. Testo: [testo]
Il secondo prompt dice al modello cosa produrre, per chi, in quale formato e cosa saltare. Il modello non si occupa del “pensare” ma piuttosto della produzione della corretta continuazione; Disegna tu la struttura di quella continuazione.
Quattro modelli copiabili
Quattro semplici modelli iniziali per mettere rapidamente in pratica la logica di questa unità. Compila le parentesi con le tue informazioni.
1) Quadro per rafforzare una richiesta:
Voglio che tu svolga questa attività: [attività]Per chi: [acquirente/pubblico]In quale formato: [lunghezza, struttura]Cosa saltare: [cosa non vuoi]
2) Controllo dei confini del modello (riflesso di verifica):
Se nella tua risposta di seguito sono presenti affermazioni fattuali (numero, data, nome, fonte), estraili ciascuna come un elenco separato e contrassegnala come "deve essere verificata". Risposta: [output del modello]
3) Prova la stessa attività a due livelli:
Spiega il seguente argomento due volte:A) A un perfetto sconosciuto, nel linguaggio di tutti i giorni.B) A un esperto del settore, in termini tecnici.Argomento: [argomento]
4) Far sì che il modello realizzi l'incertezza:
Prima di fare la richiesta che ti faccio, fammi 3 domande sui punti che ritieni mancanti o poco chiari; quindi produci secondo le mie risposte.Richiesta: [richiesta]
Punti di forza e di debolezza del modello
Oggetto
Il modello è forte
Il modello è debole/attenzione
affari linguistici
Scrivere, riassumere, tradurre, cambiare tono
Errori di gergo molto tecnico/di nicchia
struttura
Converti testo in tabella, elenco, schizzo
Mantenere la coerenza nel testo lungo
idea
Brainstorming, generazione di alternative
Garantire ciò che è "giusto"
caso
Generalità, definizione, spiegazione
Dati attuali/esatti, numero, data, fonte
ragionamento
Buono se guidato passo dopo passo
Non sbagliare calcoli complessi in silenzio
Suggerimento: considera il modello non come un "esperto tutto sommato" ma come un "assistente che scrive molto velocemente, legge molto, ma tutto ciò che dice deve essere verificato". Questa visione regola correttamente sia le tue aspettative che la tua abitudine al controllo.
Attenzione: la modella potrebbe scrivere le informazioni in un linguaggio molto sicuro, ma ciò non significa che le informazioni siano corrette. Verificare sempre in modo indipendente i dettagli fattuali, in particolare numero, nome, data, statuto e fonte. Torneremo su questo argomento in dettaglio nell’Unità 11.
Errori comuni
- Confondere il modello con un essere umano. Dare istruzioni incomplete dicendo "Capiranno comunque". Il modello non legge le tue intenzioni; Elabora solo ciò che scrivi.
- Arrendersi in un colpo solo. Se l'output iniziale è scadente, incolpa lo strumento. Tuttavia, nella maggior parte dei casi il problema risiede nelle istruzioni e una piccola correzione può modificare il risultato.
- Usare i fatti senza verificarli. Accettare senza fare domande una statistica o una fonte prodotta dal modello è l’abitudine più rischiosa.
- Inserimento di dati riservati senza pensare. Incollare informazioni sensibili senza sapere come funziona lo strumento. Ci sono delle regole a riguardo, come vedremo nell'unità sulla privacy.
- Confondere la casualità con un errore. Interpretare due risultati diversi come "il veicolo è rotto"; Tuttavia, quando si aumenta la chiarezza, i risultati convergono.
In sintesi
- Il grande modello linguistico funziona prevedendo la parola (token) che con maggiore probabilità apparirà successivamente nel testo fornito; Non sceglie risposte già pronte.
- Il fattore più potente che determina la direzione dell'output è il prompt fornito come input.
- Forte nel linguaggio, nella struttura e nell'ideazione del modello; è attento ai fatti precisi, ai dati attuali e ai calcoli complessi.
- A causa della piccola casualità, lo stesso prompt potrebbe dare risultati diversi; Man mano che la chiarezza aumenta, i risultati diventano più coerenti.
- Il modello non è "un esperto fedele a tutto quello che dice", ma "un assistente veloce ma da verificare".
Compito dell'applicazione
Scegli un'attività di scrittura dal tuo lavoro quotidiano che svolgi regolarmente (un'e-mail, un riepilogo o un elenco, ad esempio). Per prima cosa, scrivi la versione più semplice di una frase, assegnala a uno strumento di intelligenza artificiale e salva l'output. Quindi allo stesso compito; Aggiungi le risposte alle domande "per chi, in quale formato, in che lunghezza e cosa saltare" e chiedile di nuovo. Posiziona i due risultati uno accanto all'altro e nota in una frase quale aggiunta migliora maggiormente il risultato.
lista di controllo
- [ ] Mi sono reso conto che il modello stava "predicendo la parola successiva" e non leggendo le mie intenzioni.
- [ ] Mi sono reso conto che la qualità dell'output dipende in gran parte dalla qualità del prompt.
- [] Posso distinguere tra tipi di attività in cui il modello è forte e debole.
- [ ] Capisco che devo verificare i dettagli fattuali (numero, data, nome, fonte).
- [ ] Posso spiegare perché lo stesso prompt può dare risultati diversi.