Roman RemberAI-software har traditionelt fulgt instruktioner på en forudsigelig måde. Imidlertid har fremkomsten af generative AI-modeller som ChatGPT introduceret nye muligheder. Disse modeller reagerer på anmodninger på dagligdags sprog og leverer overraskende resultater. Mens det at formulere effektive opfordringer til AI måske virker nemmere end at mestre et programmeringssprog, har de stigende evner hos AI-modeller gjort prompt-engineering mere udfordrende end nogensinde før. Kaldet “at guide en dansepartner” eller “pikke til en best” involverer prompt-engineering at lokke AI-modeller til at producere ønskede resultater. Men hvad indebærer det egentlig?
En veltænkt opfordring begynder med en klar instruktion. Uanset om det handler om at sammenstille ulemper ved et politisk forslag eller skrive en venlig markedsførings-e-mail, er en præcis kommando afgørende. Derudover fører opfordringer, der opfordrer modellen til at tænke trin for trin og nedbryde instruktioner i logiske opgaver, til forbedrede resultater. For eksempel, hvis du ønsker, at AI skal forklare et videnskabeligt koncept, kunne du bede den om at give en forklaring og definere vigtige termer, der bruges i den forklaring. Denne teknik, kendt som “tanketrækken,” kan give indblik i modellens interne funktioner.
Gennemsigtighed er afgørende for AI-brugere. Da store modeller er trænet på et stort udvalg af information, kan det være gavnligt at inkludere autoritative tekster i opfordringer. Derudover kan det at dirigere modellen til at prioritere specifikke kilder eller bede den om at angive sine kilder forbedre troværdigheden af det genererede indhold. Mange AI-modeller har temperaturindstillinger, der påvirker resultaternes tilfældigheder. Mens højere temperaturer fremkalder kreativitet til opgaver som fiktionsforfatteri, øger det også sandsynligheden for faktuelle fejl.
At opfordre AI til at engagere sig i rollespil kan give værdifulde resultater. For eksempel, når der udvikles reklametekst, instruerer markedsførere AI-modeller til at omskrive og forsvare et eksempel fra perspektiver som en salgsdirektør, marketingchef og en kreativ person. Det bedste output forfinnes derefter af menneskelig personale. Ved at anvende denne “persona”-tilgang bringes mere menneskelignende svar i front, som Bilyal Mestanov fra Promptly Engineering, en virksomhed i Bulgarien, bemærker.
At tilføje AI-etikette til prompte kan give værdifulde resultater. Nogle argumenterer for, at tilføjelsen af et høfligt “vær så venlig” til en opfordring kan påvirke modellen til at svare i en lignende tone og bruge relevante kilder. På samme måde kan udtryk for taknemmelighed for et hjælpsomt svar indikere modellen, at den er på rette spor. Dog kan overdreven taknemmelighed føre til forvirring og hæmme opfordringens effektivitet, da det afleder processorkraften, advarer Josh Hewett fra Discoverable, en britisk marketingvirksomhed.
