Вовед во вештачка интелигенција и барање: како моделот „размислува“

Добивки:

Објаснете како функционира големиот јазичен модел со предвидување на следниот збор и што значи тоа за брзо пишување
Тој може да покаже зошто Промпт толку многу го одредува квалитетот на излезот со пример од неговата сопствена работа.
Со разликување на силните и слабите страни на моделот, може да се одлучи кои задачи безбедно да се користат.

Најдобар начин вистински да научите како да пишувате потсетници е прво да разберете како работи алатката. Во оваа единица, ќе ја видиме основната логика на големиот јазичен модел (накратко LLM; тоа е системот за вештачка интелигенција што произведува текст), зошто е толку корисен во вашата секојдневна работа и каде има свои граници. Потсетите напишани без оваа основа често доведуваат до прашањето „зошто понекогаш даваат одлични резултати, а понекогаш ужасни резултати? ве остава на мира со прашањето. Оваа несигурност во голема мера ќе исчезне кога оваа единица ќе биде завршена.

Што всушност прави големиот јазичен модел?

Во својата наједноставна дефиниција, големиот јазичен модел е систем кој го предвидува најверојатниот збор што ќе го следи текстот што го давате. Со испитување на милијарди реченици, моделот го научил моделот „кој збор доаѓа после кој збор“. Кога започнувате реченица, моделот го гледа она што е напишано досега и го генерира најверојатното продолжение, потоа го додава генерираниот збор на влезот и го предвидува следниот. Овој циклус продолжува додека не заврши одговорот.

Да го разјасниме терминот токен што се користи овде: токен е најмалата единица во која моделот го разложува текстот; Тоа е приближно со големина на збор или дел од збор. Моделот напредува не збор по збор, туку знак по знак. Практичната последица за вас е дека моделот не е човечко суштество кое ја „разбира“ вашата намера, туку многу моќна машина за предвидување која статистички го избира најсоодветното продолжение за текстот што ќе му го дадете.

Најважната импликација на оваа дефиниција е дека најмоќната детерминанта на насоката на излезот е текстот што го давате како влез. Значи, ваше барање. Моделот не извлекува готов одговор од базата на податоци, не врши пребарување во живо на интернет и не копира страници (освен ако не е поинаку наведено). Продуцира само текст кој најдобро одговара на контекстот што му го давате. Добриот влез е најодлучниот услов за добар излез.

Зошто „Ист модел, различен резултат“?

Моделот користи и мала маргина на случајност при изборот на најверојатниот збор секој пат; Затоа, кога двапати го прашувате истото барање, можеби нема да ги добиете истите реченици. Ова не е грешка, тоа е дел од дизајнот. Ваша задача е да нацртате рамка доволно јасна за да не го оставите исходот на случајноста. Колку е појасна рамката, толку поблиски и покорисни ќе бидат резултатите од два различни експерименти.

Чекор по чекор: како напредува барањето низ моделот?

Го чита влезот. Секој збор што го пишувате е поим што го води предвидувањето. Кога велите „како висок адвокат“, моделот ги прави текстовите поблиски до тој тон поверојатни.
Го мери контекстот. Заднината, ограничувањата и примерите што ги давате ја намалуваат проценката. Ако контекстот е празен, моделот ги пополнува празнините со свои претпоставки.
Продуцира збор по збор. Секој токен што го произведува станува влез за следниот; така што насоката што ја давате на почетокот се пренесува на целиот одговор.
Тој застанува. Го прекинува производството кога задачата е завршена или ќе ја достигне должината што сте ја навеле.

Три мини случаи: Промптна разлика во броевите

Случај 1 — Професионален маркетинг, тема на е-пошта. Кога еден експерт за маркетинг рече „предложи тема за кампањата“, тој доби 5 општи наслови и не му се допадна ниту еден од нив; Потроши 20 минути за да ја исправи рачно. Следниот ден, кога рече: „Целната публика се сопственици на мали и средни претпријатија на возраст од 30-45 години, производот е софтвер за сметководство во облак, 6 единици, секоја со максимум 45 знаци, интригантна, но потценета“, тој директно искористи 4 од 6-те наслови. Времетраењето се намали од 20 минути на 4 минути.

Случај 2 — Човечки ресурси, рекламен текст. Специјалист за човечки ресурси добил текст со натпис „напиши работа за развивач на софтвер“. Кога го додадовме вистинскиот јазик на компанијата (опис на културата со 3 реченици), 4 задолжителни квалификации и ограничувањето на „јасно напишете го опсегот на платата“, стапката на неквалификувани апликанти на огласот значително се намали во следниот оглас бидејќи текстот јасно ги утврди очекувањата.

Случај 3 - Сметководство, резиме на извештај. Кога директорот на сметководството рече дека „сумирал“ извештај за трошоци од 12 страници, моделот испуштил важни ставки. Кога рече: „Од овој извештај табеларни се 5-те највисоки расходни ставки со процентуалната промена во однос на минатиот месец“, ја доби токму структурата што ќе ја однесе на состанокот на менаџментот. Содржината беше иста, инструкциите беа различни.

Слаба навестување / Силен навестување

Истата работа, со две различни упатства:

Слаба навестување:

Сумирајте го овој текст.[текст]

Моќен потсетник:

Сумирајте ја белешката од состанокот подолу за да биде претставена на одборот на директори. - Максимум 5 ставки. - Секоја ставка треба да содржи одлука или дејство; Прескокнете ги деталите за разговорот. - Напиши го името во заграда за дејствија за кои е познато одговорното лице. - Користете обичен, формален јазик. Текст: [текст]

Вториот повик му кажува на моделот што да произведе, за кого, во кој формат и што да прескокне. Моделот не го прави „размислувањето“, туку произведува правилното продолжение; Ја црташ рамката на тоа продолжение.

Четири шаблони за копирање

Четири едноставни шаблони за стартер за брзо спроведување на логиката во оваа единица во пракса. Пополнете ги заградите со вашите сопствени податоци.

1) Рамка за зајакнување на барање:

Сакам да ја направите оваа задача: [задача] За кого: [купувач/публика]Во каков формат: [должина, структура]Што да прескокнете: [што не сакате]

2) Проверка на границите на моделот (рефлекс за верификација):

Ако има фактички тврдења (број, датум, име, извор) во вашиот одговор подолу, извадете го секое како посебна листа и означете го како „мора да се потврди“. Одговор: [излез од моделот]

3) Обидете се со истата задача на две нивоа:

Објаснете ја следнава тема двапати: А) На сосема непознат, на секојдневен јазик. Б) На експерт од областа, во техничка смисла. Тема: [тема]

4) Да се направи моделот да ја сфати неизвесноста:

Пред да го поднесете барањето што ви го давам, поставете ми 3 прашања за точките што ги сметате за исчезнати или нејасни; потоа продуцирај според моите одговори.Барање: [барање]

Јаки и слаби страни на моделот

Предмет

Моделот е силен

Моделот е слаб/внимателен

јазични работи

Пишување, сумирање, преведување, менување тон

Многу технички/ниши жаргонски грешки

структура

Претворете го текстот во табела, листа, скица

Одржување на конзистентност во долг текст

идеја

Бура на идеи, генерирање алтернативи

Гаранција што е „правилно“

случај

Општи информации, дефиниција, објаснување

Тековни/точни податоци, број, датум, извор

расудување

Добро ако се води чекор по чекор

Не правете сложени пресметки тивко погрешно

Совет: Гледајте го моделот не како „експерт кој знае сè“, туку како „асистент кој пишува многу брзо, многу чита, но сè што ќе каже треба да се провери“. Овој поглед правилно ги прилагодува и вашите очекувања и вашата контролна навика.

Внимание: Моделот може да пишува информации на многу сигурен јазик, но тоа не значи дека информацијата е точна. Секогаш независно проверувајте ги фактичките детали, особено бројот, името, датумот, статутот и изворот. Детално на оваа тема ќе се вратиме во единица 11.

Вообичаени грешки

Грешка на моделот за човек. Давање нецелосни инструкции со велејќи „Сепак ќе разберат“. Моделот не ја чита вашата намера; Го обработува само она што го пишувате.
Откажување во еден обид. Ако почетниот излез е слаб, обвинувајте ја алатката. Сепак, најчесто проблемот е во упатствата и мала корекција може да го промени резултатот.
Користење на факти без нивно потврдување. Прифаќањето на статистика или извор произведени од моделот без прашање е најризичната навика.
Внесување доверливи податоци без размислување. Залепете чувствителни информации без да знаете како работи алатката. Постојат правила за ова, како што ќе видиме во единицата за приватност.
Грешка на случајноста за грешка. Толкување на два различни резултати како „возилото е скршено“; Меѓутоа, кога ќе ја зголемите јасноста, резултатите се спојуваат.

Сумирано

Големиот јазичен модел функционира така што го предвидува зборот (токен) кој најверојатно ќе се појави следниот во текстот што го давате; Тој не избира готови одговори.
Најмоќниот фактор што ја одредува насоката на излезот е барањето што го давате како влез.
Силен во јазикот на моделот, структурата и идејата; е внимателен со прецизни факти, тековни податоци и сложени пресметки.
Поради мала случајност, истото барање може да даде различни резултати; Како што се зголемува јасноста, резултатите стануваат поконзистентни.
Моделот не е „експерт кој е верен на се што кажува“, туку „асистент кој е брз, но треба да се провери“.

Задача за апликација

Изберете задача за пишување од вашата дневна работа што ја работите редовно (на пример, е-пошта, резиме или список). Прво, напишете ја наједноставната верзија со една реченица, дајте ја на алатка за вештачка интелигенција и зачувајте го излезот. Потоа на истата задача; Додадете ги одговорите на прашањата „за кого, во кој формат, во која должина и што да прескокнете“ и прашајте ги повторно. Ставете ги двата излеза еден до друг и забележете во една реченица кое додавање најмногу го подобрува резултатот.

листа за проверка

[ ] Сфатив дека моделот „го предвидува следниот збор“ и не ја чита мојата намера.
[ ] Сфатив дека квалитетот на излезот во голема мера зависи од квалитетот на промптот.
[ ] Можам да разликувам типови задачи каде што моделот е силен и слаб.
[ ] Разбирам дека треба да проверам фактички детали (број, датум, име, извор).
[ ] Можам да објаснам зошто истото барање може да даде различни резултати.