Освойте ChatGPT, изучив быстрое проектирование.
Большинство из нас неправильно используют ChatGPT.
Мы не включаем примеры в наши подсказки. Мы игнорируем тот факт, что мы можем контролировать поведение ChatGPT с помощью ролей. Мы позволяем ChatGPT гадать, а не предоставлять ему некоторую информацию.
Это происходит потому, что мы в основном используем стандартные подсказки, которые могут помочь нам выполнить работу один раз, а не постоянно.
Нам нужно научиться создавать качественные подсказки, чтобы получать лучшие результаты. Нам нужно учиться оперативной инженерии! В этом руководстве мы изучим 4 метода, используемые в оперативном проектировании.
Несколько стандартных подсказок
Стандартные подсказки с несколькими кадрами — это стандартные подсказки, которые мы видели раньше, но с примерами задач.
Зачем примеры? Что ж, если вы хотите увеличить свои шансы на получение желаемого результата, вам придется добавить примеры задачи, которую пытается решить подсказка.
Стандартные подсказки, состоящие из нескольких фрагментов, состоят из описания задачи, примеров и подсказки. В этом случае подсказка — это начало нового примера, который модель должна завершить, сгенерировав недостающий текст.
Вот компоненты нескольких стандартных подсказок.
Теперь давайте создадим еще одну подсказку. Допустим, мы хотим извлечь коды аэропортов из текста «Я хочу полететь из Орландо в Бостон».
Вот стандартная подсказка, которую использует большинство.
Извлеките коды аэропортов из этого текста: «Я хочу полететь из Орландо в Бостон»
Это может помочь выполнить работу, но иногда этого может быть недостаточно. В таких случаях вам придется использовать несколько стандартных подсказок.
Извлеките коды аэропортов из этого текста:
Текст: «Я хочу полететь из Лос-Анджелеса в Майами». Коды аэропортов: LAX, MIA
Текст: «Я хочу полететь из Нэшвилла в Канзас-Сити». Коды аэропортов: BNA, MCI.
Текст: «Я хочу полететь из Орландо в Бостон» Коды аэропортов:
Если мы попробуем использовать предыдущее приглашение в ChatGPT, мы получим код аэропорта в формате, указанном в примере (MCO, BOS).
Имейте в виду, что предыдущие исследования показали, что фактические ответы в примерах не важны, а пространство меток. Пространство меток — это все возможные метки для данной задачи. Вы можете улучшить результаты своих запросов, даже предоставляя случайные метки из пространства меток.
Давайте проверим это, введя случайные коды аэропортов в нашем примере.
Извлеките коды аэропортов из этого текста:
Текст: «Я хочу полететь из Лос-Анджелеса в Майами». Коды аэропортов: DEN, OAK
Текст: «Я хочу полететь из Нэшвилла в Канзас-Сити». Коды аэропортов: DAL, IDA.
Текст: «Я хочу полететь из Орландо в Бостон» Коды аэропортов:
Если вы попробовали предыдущую подсказку в ChatGPT, вы все равно получите правильные коды аэропортов MCO и BOS.
Независимо от того, верны ваши примеры или нет, включайте случайные метки из пространства меток. Это поможет вам улучшить результаты и проинструктирует модель о том, как форматировать ответ на запрос.
Ролевые подсказки
Иногда поведения ChatGPT по умолчанию недостаточно, чтобы получить то, что вы хотите. В этот момент вам нужно установить роль для ChatGPT.
Допустим, вы хотите попрактиковаться перед собеседованием. Указав ChatGPT «действовать в качестве менеджера по найму» и добавив более подробную информацию в приглашение, вы сможете имитировать собеседование на любую должность.
Как видите, ChatGPT ведет себя так, будто проводит собеседование со мной на должность.
Таким же образом вы можете превратить ChatGPT в языкового репетитора, который будет практиковать иностранный язык, например испанский, или кинокритика, который будет анализировать любой фильм, который вы захотите.
Добавьте индивидуальности своим подсказкам и генерируйте знания
Эти два подхода к подсказкам хороши, когда речь идет о создании текста для электронных писем, блогов, историй, статей и т. д.
Во-первых, под «добавлением индивидуальности нашим подсказкам» я имею в виду добавление стиля и дескрипторов. Добавление стиля может помочь нашему тексту придать определенный тон, формальность, сферу деятельности автора и многое другое.
Напишите [тему] в стиле эксперта в [области] с опытом работы более 10 лет.
Чтобы еще больше настроить вывод, мы можем добавить дескрипторы. Дескриптор — это просто прилагательное, которое вы можете добавить, чтобы настроить подсказку.
Предположим, вы хотите написать в блоге 500 постов о том, как ИИ заменит людей. Если вы создадите стандартное приглашение со словами «напишите в блоге публикацию из 500 постов о том, как ИИ заменит людей», вы, вероятно, получите очень общий пост.
Однако если вы добавите такие прилагательные, как вдохновляющий, саркастический, интригующий и развлекательный, результат существенно изменится.
Давайте добавим дескрипторы к нашему предыдущему приглашению.
Напишите остроумную публикацию в блоге на 500 человек о том, почему ИИ не заменит людей. Пишите в стиле эксперта в области искусственного интеллекта с опытом более 10 лет. Объясните, используя забавные примеры.
В нашем примере стиль эксперта в области искусственного интеллекта и такие прилагательные, как остроумный и забавный, придают особый оттенок тексту, генерируемому ChatGPT. Побочным эффектом этого является то, что наш текст будет трудно обнаружить детекторам ИИ (в этой статье я показываю другие способы обмануть детекторы ИИ).
Наконец, мы можем использовать подход сгенерированных знаний для улучшения сообщения в блоге. Это заключается в создании потенциально полезной информации по теме перед созданием окончательного ответа.
Например, перед созданием поста с предыдущей подсказкой мы могли сначала сгенерировать знания и только потом писать пост.
Придумайте 5 фактов о том, что «ИИ не заменит людей»
Как только мы получим 5 фактов, мы сможем передать эту информацию другому пользователю, чтобы написать лучший пост.
# Факт 1 # Факт 2 # Факт 3 # Факт 4 # Факт 5
Используйте приведенные выше факты, чтобы написать остроумную публикацию в блоге для 500 человек о том, почему ИИ не заменит людей. Пишите в стиле эксперта в области искусственного интеллекта с опытом более 10 лет. Объясните на забавных примерах.
Если вам интересно узнать о других способах улучшения ваших публикаций с помощью ChatGPT, ознакомьтесь с этим руководством.
Цепочка мыслей
В отличие от стандартных подсказок, при подсказке в виде цепочки мыслей модель вынуждена выполнять промежуточные этапы рассуждения перед тем, как дать окончательный ответ на проблему. Другими словами, модель будет объяснять свои рассуждения вместо того, чтобы напрямую давать ответ на проблему.
Почему важно рассуждать? Объяснение рассуждений часто приводит к более точным результатам.
Чтобы использовать подсказку по цепочке мыслей, мы должны предоставить несколько примеров, в которых рассуждения объясняются в одном и том же примере. Таким образом, процесс рассуждения также будет отображаться при ответе на подсказку.
Вот сравнение между стандартными подсказками и цепочкой мыслей.
Как мы видим, тот факт, что модель была вынуждена объяснить свои рассуждения для решения этой математической задачи, привел к более точным результатам в подсказке цепочки мыслей.
Обратите внимание, что подсказки по цепочке мыслей эффективны в улучшении результатов при решении задач по арифметике, здравому смыслу и символическому рассуждению.
