AI-software har traditionelt fulgt instruktioner på en forudsigelig måde. Men fremkomsten af generative AI-modeller, som ChatGPT, har introduceret nye muligheder. Disse modeller reagerer på anmodninger på dagligdags sprog og leverer overraskende resultater. Mens formulering af effektive prompts til AI måske synes nemmere end at mestre et programmeringssprog, så har de stigende muligheder for AI-modeller gjort prompt engineering mere udfordrende end nogensinde før. Kaldet “at guide en dansepartner” eller “at stikke til et udyr” involverer prompt engineering at lokke AI-modeller til at producere ønskede resultater. Men hvad indebærer det virkelig?
Et velformuleret prompt 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 prompts, 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’en 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 “tanketrækket,” kan give indblik i modelens interne arbejde.
Transparens er afgørende for AI-brugere. Da store modeller trænes på et væld af information, herunder autoritative tekster i prompts, kan dette være gavnligt. Desuden kan det at anmode modellen om at prioritere specifikke kilder eller bede den om at liste sine kilder øge troværdigheden af det genererede indhold. Mange AI-modeller har temperaturindstillinger, der påvirker randomness af resultaterne. Mens højere temperaturer frigiver kreativitet til opgaver som fiktionsforfatterskab, øger det også sandsynligheden for faktuelle fejl.
At opfordre AI til at deltage i rollespil kan give værdifulde resultater. For eksempel, når man udvikler reklametekst, instruerer markedsførere AI-modeller til at omskrive og forsvare et eksempel fra synspunkterne hos en salgsdirektør, marketingchef og en kreativ person. Det bedste output forfineres derefter af menneskeligt personale. Ved at bruge denne “personale”tilgang bringes menneskelignende svar frem, som bemærket af Bilyal Mestanov fra Promptly Engineering, et bureau i Bulgarien.
At opfordre AI-modeller til at efterligne menneskelig adfærd rejser spørgsmålet om AI-etikette. Nogle argumenterer for, at tilføjelsen af et høfligt “vær venlig at” til et prompt kan påvirke modellen til at svare i en lignende tone ved hjælp af relevant kildemateriale. På samme måde kan udtryk af taknemmelighed for en hjælpsom respons indikere over for modellen, at den er på rette spor. Imidlertid kan overdreven taknemmelighed føre til forvirring og hindre promptens effektivitet, da det afleder processorkraft, advarer Josh Hewett fra Discoverable, et britisk marketingbureau.
Veludformede prompts har stor værdi. Virksomheder som Crispy Content udvikler skabeloner, der instruerer AI-modeller til at generere 1000-ords artikler til kunder. Brugere angiver specifikke søgeord og ønsket tone, mens skabelonerne udformes til en betydelig omkostning på cirka €25.000 ($27.000) værd af menneskeligt arbejde. Outputtet gennemgås derefter af en menneskelig redaktør. Sammenlignet med den foregående pris på cirka €400 pr. artikel af en menneskelig forfatter, genereres promptbaserede artikler til en brøkdel af prisen på €4 hver.
Prompt engineering-bureauer og online kurser, der underviser i denne færdighed, trives. Efterspørgslen efter promptingeniører er steget siden slutningen af 2022 og fortsætter med at vokse. Nyuddannede med sprog- eller humanistiske baggrunde efterspørges i høj grad til disse positioner. Mens AI-fremskridt muligvis på et tidspunkt gør prompt engineering forældet, da modeller forbedrer deres evne til at forudse brugernes behov, vil de, der kan mestre kunsten af prompt engineering, for øjeblikket nyde en konkurrencefordel.
FAQ:
The source of the article is from the blog shakirabrasil.info