Fitimet:
- Shpjegoni se si funksionon modeli i gjuhës së madhe duke parashikuar fjalën tjetër dhe çfarë do të thotë kjo për shkrimin e shpejtë
- Ai mund të tregojë pse Prompt e përcakton kaq shumë cilësinë e prodhimit me një shembull nga puna e tij.
- Duke dalluar pikat e forta dhe të dobëta të modelit, mund të vendoset se cilat detyra do të përdoret në mënyrë të sigurt.
Hyrje në Inteligjencën Artificiale dhe Prompt: Si "Mendon" Modeli
Mënyra më e mirë për të mësuar me të vërtetë se si të shkruani kërkesa është që së pari të kuptoni se si funksionon mjeti. Në këtë njësi do të shohim logjikën bazë të modelit të gjuhës së madhe (shkurtimisht LLM; pra, sistemi i inteligjencës artificiale që prodhon tekst), pse është kaq i dobishëm në punën tuaj të përditshme dhe ku i ka kufijtë e tij. Kërkesat e shkruara pa këtë bazë të vendosur shpesh çojnë në pyetjen "pse ato ndonjëherë prodhojnë rezultate të shkëlqyera dhe ndonjëherë rezultate të tmerrshme?" ju lë vetëm me pyetjen. Kjo pasiguri do të zhduket kryesisht kur kjo njësi të përfundojë.
Çfarë bën në të vërtetë një model i madh gjuhësor?
Në përkufizimin e tij më të thjeshtë, modeli i gjuhës së madhe është një sistem që parashikon fjalën më të mundshme që do të ndjekë tekstin që jepni. Duke ekzaminuar miliarda fjali, modelja ka mësuar modelin "cila fjalë vjen pas cilës fjalë". Kur filloni një fjali, modeli shikon atë që është shkruar deri më tani dhe gjeneron vazhdimin më të mundshëm, më pas shton fjalën e gjeneruar në hyrje dhe parashikon një tjetër. Ky cikël vazhdon derisa përgjigja të përfundojë.
Le të sqarojmë termin token që përdoret këtu: token është njësia më e vogël në të cilën modeli zbërthen tekstin; Është afërsisht madhësia e një fjale ose e një pjese të një fjale. Modeli përparon jo fjalë për fjalë, por shenjë për shenjë. Pasoja praktike për ju është se modeli nuk është një qenie njerëzore që "kupton" qëllimin tuaj, por një makinë shumë e fuqishme parashikuese që zgjedh statistikisht vazhdimin më të përshtatshëm për tekstin që i jepni.
Implikimi më i rëndësishëm i këtij përkufizimi është se përcaktuesi më i fuqishëm i drejtimit të daljes është teksti që jepni si hyrje. Pra, kërkesa juaj. Modeli nuk nxjerr një përgjigje të gatshme nga një bazë të dhënash, nuk kryen një kërkim të drejtpërdrejtë në internet dhe nuk kopjon faqe (përveç nëse specifikohet ndryshe). Ai prodhon vetëm tekst që i përshtatet më mirë kontekstit që ju i jepni. Një input i mirë është kushti më vendimtar për një prodhim të mirë.
Pse “I njëjti model, rezultat i ndryshëm”?
Modeli përdor gjithashtu një diferencë të vogël rastësie në zgjedhjen e fjalës më të mundshme çdo herë; Prandaj, kur kërkoni dy herë të njëjtën kërkesë, mund të mos merrni të njëjtat fjali. Ky nuk është një gabim, është pjesë e dizajnit. Detyra juaj është të vizatoni një kornizë mjaftueshëm të qartë për të mos lënë në dorë rezultatin. Sa më i qartë të jetë korniza, aq më të afërta dhe më të dobishme do të jenë rezultatet e dy eksperimenteve të ndryshme.
Hap pas hapi: si përparon një kërkesë përmes modelit?
- Lexon hyrjen. Çdo fjalë që shkruani është një e dhënë që drejton parashikimin. Kur thoni "si një avokat i vjetër", modeli i bën tekstet më të afërta me atë ton më të mundshëm.
- Peshon kontekstin. Sfondi, kufizimet dhe shembujt që jepni e kufizojnë vlerësimin. Nëse konteksti është bosh, modeli i plotëson vendet bosh me supozimet e veta.
- Ajo prodhon fjalë për fjalë. Çdo shenjë që prodhon bëhet hyrje për tjetrën; kështu që drejtimi që jepni në fillim mbart në të gjithë përgjigjen.
- Ai ndalon. Ndërpret prodhimin kur detyra përfundon ose arrin gjatësinë që keni specifikuar.
Tre mini raste: Diferenca e menjëhershme në numra
Rasti 1 - Profesionist marketingu, subjekti i emailit. Kur një ekspert marketingu tha "sugjeroni një temë për fushatën", ai mori 5 tituj të përgjithshëm dhe nuk i pëlqeu asnjëri prej tyre; Ai kaloi 20 minuta duke e korrigjuar me dorë. Të nesërmen, kur tha: "Audienca e synuar janë pronarët e SME-ve të moshës 30-45 vjeç, produkti është softuer i kontabilitetit cloud, 6 njësi, secila me maksimum 45 karaktere, intriguese, por e nënvlerësuar", ai përdori drejtpërdrejt 4 nga 6 titujt. Kohëzgjatja u ul nga 20 minuta në 4 minuta.
Rasti 2 — Burimet njerëzore, teksti i reklamës. Një specialist i burimeve njerëzore mori një tekst boilerplate me kërkesën "shkruaj një punë zhvilluesi të softuerit". Kur shtuam gjuhën aktuale të kompanisë (përshkrimi i kulturës me 3 fjali), 4 kualifikime të detyrueshme dhe kufizimi i "shkruani qartë diapazonin e pagave", shkalla e aplikantëve të pakualifikuar në reklamë u ul ndjeshëm në reklamën tjetër, sepse teksti përcaktonte qartë pritshmërinë.
Rasti 3 — Kontabiliteti, përmbledhja e raportit. Kur një ekzekutiv i kontabilitetit tha se ai "përmblodhi" një raport shpenzimesh prej 12 faqesh, modeli hoqi pika të rëndësishme. Kur tha se “Nga ky raport janë tabeluar 5 zërat e shpenzimeve më të larta me ndryshimin në përqindje krahasuar me muajin e kaluar”, ka marrë pikërisht strukturën që do të merrte në mbledhjen e drejtuesve. Përmbajtja ishte e njëjtë, udhëzimet ishin të ndryshme.
Prompt i dobët / Prompt i fortë
E njëjta punë, me dy udhëzime të ndryshme:
Njoftim i dobët:
Përmblidheni këtë tekst.[tekst]
Njoftim i fuqishëm:
Përmblidheni shënimin e mbledhjes më poshtë për t'i paraqitur bordit të drejtorëve. - Maksimumi 5 artikuj. - Çdo artikull duhet të përmbajë një vendim ose veprim; Kapërceni detajet e bisedës. - Shkruani emrin në kllapa për veprimet për të cilat njihet personi përgjegjës. - Përdorni gjuhë të thjeshtë dhe zyrtare. Teksti: [tekst]
Prompti i dytë i tregon modelit se çfarë të prodhojë, për kë, në çfarë formati dhe çfarë të anashkalojë. Modeli nuk bën "të menduarit", por më tepër prodhon vazhdimësinë e duhur; Ju vizatoni kornizën e asaj vazhdimësie.
Katër modele të kopjueshme
Katër shabllone të thjeshta fillestare për të vënë shpejt në praktikë logjikën në këtë njësi. Plotësoni kllapat me informacionin tuaj.
1) Kuadri për forcimin e një kërkese:
Unë dua që ju të bëni këtë detyrë: [detyrë]Për kë: [blerës/audiencë]Në çfarë formati: [gjatësia, struktura]Çfarë të anashkaloni: [çfarë nuk dëshironi]
2) Kontrollimi i kufijve të modelit (refleksi i verifikimit):
Nëse ka pretendime faktike (numri, data, emri, burimi) në përgjigjen tuaj më poshtë, nxirreni secilin si një listë të veçantë dhe shënojeni si "duhet të verifikohet". Përgjigje: [dalja e modelit]
3) Provoni të njëjtën detyrë në dy nivele:
Shpjegoni dy herë temën e mëposhtme: A) Për një të panjohur, në gjuhën e përditshme. B) Për një ekspert të fushës, në terma teknikë. Tema:
4) Bërja e modelit të kuptojë pasigurinë:
Përpara se të bëni kërkesën që ju jap, më bëni 3 pyetje në lidhje me pikat që i gjeni të munguara ose të paqarta; pastaj prodhoni sipas përgjigjeve të mia.Kërkesë: [kërkesë]
Pikat e forta dhe të dobëta të modelit
Subjekti
Modeli është i fortë
Modeli është i dobët / kujdes
çështjet e gjuhës
Shkrimi, përmbledhja, përkthimi, ndryshimi i tonit
Gabime shumë teknike/kamerare të zhargonit
strukturën
Konvertoni tekstin në tabelë, listë, skicë
Ruajtja e konsistencës në tekstin e gjatë
ideja
Brainstorming, duke gjeneruar alternativa
Garantimi i asaj që është "e drejtë"
rasti
Informacion i përgjithshëm, përkufizim, shpjegim
Të dhënat aktuale/të sakta, numri, data, burimi
arsyetimi
Mirë nëse udhëhiqet hap pas hapi
Mos i bëni llogaritjet komplekse të gabuara në heshtje
Këshillë: Shikojeni modelen jo si një “ekspert që i di të gjitha”, por si një “asistent që shkruan shumë shpejt, lexon shumë, por gjithçka që thotë duhet verifikuar”. Kjo pamje rregullon saktë si pritjet, ashtu edhe zakonin tuaj të kontrollit.
Kujdes: Modeli mund të shkruajë informacion në një gjuhë shumë të sigurt, por kjo nuk do të thotë se informacioni është i saktë. Gjithmonë verifikoni në mënyrë të pavarur detajet faktike, veçanërisht numrin, emrin, datën, statutin dhe burimin. Ne do t'i kthehemi kësaj teme në detaje në kapitullin 11.
Gabimet e zakonshme
- Gabimi i modelit për një njeri. Dhënia e udhëzimeve jo të plota duke thënë "Ata do ta kuptojnë gjithsesi". Modelja nuk e lexon qëllimin tuaj; Ai përpunon vetëm atë që shkruani.
- Heqja dorë me një përpjekje. Nëse prodhimi fillestar është i dobët, fajësoni mjetin. Megjithatë, në shumicën e rasteve problemi është në udhëzime dhe një korrigjim i vogël mund të ndryshojë rezultatin.
- Përdorimi i fakteve pa i verifikuar ato. Pranimi i një statistike ose burimi të prodhuar nga modeli pa diskutim është zakoni më i rrezikshëm.
- Futja e të dhënave konfidenciale pa u menduar. Ngjitja e informacionit të ndjeshëm pa e ditur se si funksionon mjeti. Ka rregulla për këtë, siç do ta shohim në njësinë e privatësisë.
- Gabimi i rastësisë me një gabim. Interpretimi i dy rezultateve të ndryshme si "makina është e prishur"; Megjithatë, kur rrit qartësinë, rezultatet konvergojnë.
Në përmbledhje
- Modeli i gjuhës së madhe funksionon duke parashikuar fjalën (token) që ka më shumë gjasa të shfaqet më pas në tekstin që jepni; Ai nuk zgjedh përgjigje të gatshme.
- Faktori më i fuqishëm që përcakton drejtimin e daljes është kërkesa që jepni si hyrje.
- I fortë në gjuhën model, strukturën dhe ideimin; është i kujdesshëm me faktet e sakta, të dhënat aktuale dhe llogaritjet komplekse.
- Për shkak të rastësisë së vogël, e njëjta kërkesë mund të japë rezultate të ndryshme; Me rritjen e qartësisë, rezultatet bëhen më të qëndrueshme.
- Modelja nuk është “një ekspert që i qëndron besnik gjithçkaje që thotë”, por “një asistent i shpejtë, por që duhet verifikuar”.
Detyra e aplikimit
Zgjidhni një detyrë me shkrim nga puna juaj e përditshme që bëni rregullisht (për shembull, një email, një përmbledhje ose një listë). Së pari, shkruani versionin më të thjeshtë me një fjali, jepjani një mjeti të AI dhe ruani rezultatin. Pastaj në të njëjtën detyrë; Shtoni përgjigjet në pyetjet "për kë, në çfarë formati, në çfarë gjatësie dhe çfarë të anashkaloni" dhe pyesni përsëri. Vendosni dy daljet krah për krah dhe vini re në një fjali se cila shtesë e përmirëson më shumë rezultatin.
listë kontrolli
- [ ] Kuptova se modelja po "parashikonte fjalën tjetër" dhe nuk po lexonte qëllimin tim.
- [ ] Kuptova se cilësia e prodhimit varet kryesisht nga cilësia e kërkesës.
- [ ] Mund të dalloj midis llojeve të detyrave ku modeli është i fortë dhe i dobët.
- [ ] E kuptoj që më duhet të verifikoj detajet faktike (numrin, datën, emrin, burimin).
- [ ] Mund të shpjegoj pse e njëjta kërkesë mund të japë rezultate të ndryshme.