Câștiguri:
- Explicați cum funcționează modelul de limbaj mare prin prezicerea cuvântului următor și ce înseamnă acesta pentru scrierea promptă
- El poate arăta de ce Prompt determină atât de mult calitatea ieșirii cu un exemplu din propria sa lucrare.
- Distingând punctele forte și punctele slabe ale modelului, se poate decide ce sarcini să-l folosească în siguranță.
Introducere în inteligența artificială și prompt: cum „gândește” modelul
Cel mai bun mod de a învăța cu adevărat cum să scrieți solicitări este să înțelegeți mai întâi cum funcționează instrumentul. În această unitate, vom vedea logica de bază a modelului de limbaj mare (LLM pe scurt; adică sistemul de inteligență artificială care produce text), de ce este atât de util în munca ta de zi cu zi și unde își are limitele. Solicitările scrise fără ca această bază să fie pusă la loc duc adesea la întrebarea „de ce produc uneori rezultate grozave și uneori rezultate groaznice?” te lasa singur cu intrebarea. Această incertitudine va dispărea în mare măsură când această unitate va fi finalizată.
Ce face de fapt un model de limbă mare?
În cea mai simplă definiție, modelul de limbaj mare este un sistem care prezice cuvântul cel mai probabil care va urma textul pe care îl dați. Examinând miliarde de propoziții, modelul a învățat modelul „care cuvânt vine după ce cuvânt”. Când începeți o propoziție, modelul se uită la ceea ce a fost scris până acum și generează continuarea cea mai probabilă, apoi adaugă cuvântul generat la intrare și prezice următorul. Acest ciclu continuă până când răspunsul este complet.
Să clarificăm termenul token folosit aici: token este cea mai mică unitate în care modelul descompune textul; Este aproximativ de dimensiunea unui cuvânt sau a unei părți a unui cuvânt. Modelul progresează nu cuvânt cu cuvânt, ci simbol cu simbol. Consecința practică pentru tine este că modelul nu este o ființă umană care „înțelege” intenția ta, ci o mașină de predicție foarte puternică care selectează statistic cea mai potrivită continuare pentru textul pe care i-o dai.
Cea mai importantă implicație a acestei definiții este că cel mai puternic determinant al direcției de ieșire este textul pe care îl dați ca intrare. Deci promptul dvs. Modelul nu extrage un răspuns gata făcut dintr-o bază de date, nu efectuează o căutare live pe internet și nu copiază pagini (dacă nu se specifică altfel). Produce doar textul care se potrivește cel mai bine contextului pe care îl oferiți. O intrare bună este condiția cea mai decisivă pentru o ieșire bună.
De ce „Același model, rezultat diferit”?
De asemenea, modelul folosește o mică marjă de aleatorie în alegerea cuvântului cel mai probabil de fiecare dată; Prin urmare, atunci când cereți același prompt de două ori, este posibil să nu primiți exact aceleași propoziții. Acesta nu este un bug, face parte din design. Treaba ta este să desenezi un cadru suficient de clar pentru a nu lăsa rezultatul la voia întâmplării. Cu cât cadrul este mai clar, cu atât rezultatele a două experimente diferite vor fi mai apropiate și mai utile.
Pas cu pas: cum progresează o cerere prin model?
- Citește intrarea. Fiecare cuvânt pe care îl scrii este un indiciu care ghidează predicția. Când spui „ca un avocat senior”, modelul face textele mai apropiate de acel ton mai probabil.
- Cântărește contextul. Contextul, constrângerile și exemplele pe care le oferiți restrâng estimarea. Dacă contextul este gol, modelul completează spațiile libere cu propriile sale presupuneri.
- Produce cuvânt cu cuvânt. Fiecare jeton pe care îl produce devine intrarea pentru următorul; deci direcția pe care o dați la început se transferă la întregul răspuns.
- El se oprește. Întrerupe producția atunci când sarcina este finalizată sau atinge lungimea specificată de dvs.
Trei mini-cazuri: diferență rapidă în numere
Cazul 1 — Profesionist în marketing, subiectul e-mailului. Când un expert în marketing a spus „sugerează un subiect pentru campanie”, a primit 5 titluri generale și nu i-a plăcut niciunul; A petrecut 20 de minute corectând-o manual. A doua zi, când a spus: „Publicul țintă sunt proprietarii de IMM-uri cu vârsta cuprinsă între 30-45 de ani, produsul este un software de contabilitate în cloud, 6 unități, fiecare cu maximum 45 de caractere, intrigant, dar subestimat”, a folosit direct 4 din cele 6 titluri. Durata a scăzut de la 20 de minute la 4 minute.
Cazul 2 — Resurse umane, text publicitar. Un specialist în resurse umane a primit un text standard cu promptul „scrie un job de dezvoltator de software”. Când am adăugat limbajul propriu-zis al companiei (descrierea culturii în 3 propoziții), 4 calificări obligatorii și restricția „scrieți clar intervalul de salarii” la prompt, rata solicitanților necalificați la anunț a scăzut considerabil în următorul anunț, deoarece textul a stabilit clar așteptările.
Cazul 3 — Contabilitate, rezumat raport. Când un director contabil a spus că a „rezumat” un raport de cheltuieli de 12 pagini, modelul a omis elemente importante. Când a spus: „Din acest raport sunt întabulate cele mai mari 5 articole de cheltuieli cu variația procentuală față de luna trecută”, a obținut exact structura pe care ar urma să o ducă la ședința de conducere. Conținutul era același, instrucțiunile erau diferite.
Solicitare slabă / Solicitare puternică
Aceeași muncă, cu două instrucțiuni diferite:
Prompt slab:
Rezumați acest text.[text]
Solicitare puternică:
Rezumați nota ședinței de mai jos pentru a fi prezentată consiliului de administrație. - Maxim 5 articole. - Fiecare articol trebuie să conțină o decizie sau o acțiune; Omite detaliile de chat. - Scrieți numele între paranteze pentru acțiunile pentru care persoana responsabilă este cunoscută. - Folosiți un limbaj simplu, formal. Text: [text]
Al doilea prompt îi spune modelului ce să producă, pentru cine, în ce format și ce să omite. Modelul nu face „gândirea” ci mai degrabă producerea continuării corecte; Desenați cadrul acelei continuare.
Patru șabloane copiabile
Patru șabloane de pornire simple pentru a pune rapid în practică logica din această unitate. Completați parantezele cu propriile informații.
1) Cadrul pentru consolidarea unei cereri:
Vreau să faceți această sarcină: [sarcină]Pentru cine: [cumpărător/public]În ce format: [lungime, structură]Ce să omiteți: [ce nu doriți]
2) Verificarea limitelor modelului (reflex de verificare):
Dacă există afirmații faptice (număr, dată, nume, sursă) în răspunsul dvs. de mai jos, extrageți fiecare ca o listă separată și marcați-o ca „trebuie verificat”. Răspuns: [ieșirea modelului]
3) Încercați aceeași sarcină la două niveluri:
Explicați de două ori următorul subiect: A) unui complet străin, în limbajul de zi cu zi. B) unui expert în domeniu, în termeni tehnici. Subiect: [subiect]
4) A face modelul să realizeze incertitudinea:
Înainte de a face cererea pe care ți-o fac, pune-mi 3 întrebări despre punctele pe care le găsești lipsă sau neclare; apoi produc conform răspunsurilor mele.Solicitare: [cerere]
Punctele tari și punctele slabe ale modelului
Subiect
Modelul este puternic
Modelul este slab/atentie
afacerile lingvistice
Scrierea, rezumatul, traducerea, schimbarea tonului
Greșeli foarte tehnice/de jargon de nișă
structura
Convertiți textul în tabel, listă, schiță
Menținerea coerenței în textul lung
idee
Brainstorming, generarea de alternative
Garantarea a ceea ce este „drept”
caz
Informații generale, definiție, explicație
Date curente/exacte, număr, dată, sursă
raționamentul
Bine dacă este ghidat pas cu pas
Nu greșiți calcule complexe în tăcere
Sfat: Vedeți modelul nu ca un „expert care știe totul”, ci ca un „asistent care scrie foarte repede, citește mult, dar tot ce spune trebuie verificat”. Această vizualizare ajustează corect atât așteptările tale, cât și obiceiul tău de control.
Atenție: Modelul poate scrie informații într-un limbaj foarte sigur, dar asta nu înseamnă că informațiile sunt corecte. Verificați întotdeauna în mod independent detaliile faptice, în special numărul, numele, data, statutul și sursa. Vom reveni asupra acestui subiect în detaliu în unitatea 11.
Greșeli comune
- Confundând modelul cu un om. Dând instrucțiuni incomplete spunând „oricum vor înțelege”. Modelul nu vă citește intenția; Procesează doar ceea ce tastați.
- Renunțând dintr-o singură încercare. Dacă rezultatul inițial este slab, dați vina pe instrument. Cu toate acestea, de cele mai multe ori problema este în instrucțiuni și o mică corecție poate schimba rezultatul.
- Folosind fapte fără a le verifica. Acceptarea fără îndoială a unei statistici sau a unei surse produse de model este cel mai riscant obicei.
- Introducerea datelor confidențiale fără a sta pe gânduri. Lipirea informațiilor sensibile fără a ști cum funcționează instrumentul. Există reguli în acest sens, așa cum vom vedea în unitatea de confidențialitate.
- Confundarea aleatoriei cu o greșeală. Interpretarea a două rezultate diferite ca „vehiculul este spart”; Cu toate acestea, atunci când creșteți claritatea, rezultatele converg.
Pe scurt
- Modelul de limbaj mare funcționează prin prezicerea cuvântului (token) care este cel mai probabil să apară în textul pe care îl oferiți; El nu alege răspunsuri gata făcute.
- Cel mai puternic factor care determină direcția de ieșire este promptul pe care îl dați ca intrare.
- Puternic în limbajul model, structură și ideație; este atent cu faptele precise, datele curente și calculele complexe.
- Din cauza aleatoriei mici, același prompt poate da rezultate diferite; Pe măsură ce claritatea crește, rezultatele devin mai consistente.
- Modelul nu este „un expert care este fidel la tot ceea ce spune”, ci „un asistent care este rapid, dar care trebuie verificat”.
Sarcina de aplicare
Alegeți o sarcină de scriere din munca de zi pe care o faceți în mod regulat (un e-mail, un rezumat sau o listă, de exemplu). Mai întâi, scrieți cea mai simplă versiune cu o singură propoziție, acordați-o unui instrument AI și salvați rezultatul. Apoi la aceeași sarcină; Adăugați răspunsurile la întrebările „pentru cine, în ce format, în ce lungime și ce să săriți” și întrebați-le din nou. Așezați cele două ieșiri una lângă alta și notați într-o propoziție care adăugare îmbunătățește cel mai mult rezultatul.
lista de verificare
- [ ] Mi-am dat seama că modelul „a prezice următorul cuvânt” și nu mi-a citit intenția.
- [ ] Mi-am dat seama că calitatea rezultatului depinde în mare măsură de calitatea promptului.
- [ ] Pot distinge între tipurile de sarcini în care modelul este puternic și slab.
- [ ] Înțeleg că trebuie să verific detaliile faptice (număr, dată, nume, sursă).
- [ ] Pot să explic de ce același prompt poate da rezultate diferite.