Kas ir mākslīgā intelekta uzvedne?

Ja kādreiz esat ierakstījis jautājumu tērzēšanas robotā un nodomājis , ka tas nav gluži tas, ko es vēlējos , tad esat uzdūries mākslīgā intelekta uzvedņu mākslai. Lielisku rezultātu sasniegšana ir mazāk atkarīga no maģijas un vairāk no tā, kā jūs jautājat. Ar dažiem vienkāršiem modeļiem varat vadīt modeļus rakstīt, spriest, apkopot, plānot vai pat kritizēt savu darbu. Un jā, nelielas formulējuma izmaiņas var mainīt visu. 😄

Raksti, kurus jūs varētu vēlēties izlasīt pēc šī raksta:

🔗 Kas ir AI datu marķēšana
Paskaidro, kā marķētās datu kopas apmāca precīzus mašīnmācīšanās modeļus.

🔗 Kas ir mākslīgā intelekta ētika?
Aptver principus, kas vada atbildīgu un taisnīgu mākslīgā intelekta izmantošanu.

🔗 Kas ir MCP mākslīgajā intelektā?
Iepazīstina ar modeļa konteksta protokolu un tā lomu mākslīgā intelekta komunikācijā.

🔗 Kas ir perifērijas mākslīgais intelekts
Apraksta mākslīgā intelekta aprēķinu veikšanu tieši lokālajās perifērijas ierīcēs.

Kas ir mākslīgā intelekta uzvedne? 🤖

Mākslīgā intelekta uzvednes ir tādu ievades datu izstrādes prakse, kas vada ģeneratīvu modeli, lai radītu tieši to rezultātu, ko jūs vēlaties. Tas var nozīmēt skaidrus norādījumus, piemērus, ierobežojumus, lomas vai pat mērķa formātu. Citiem vārdiem sakot, jūs veidojat sarunu tā, lai modelim būtu visas izredzes sniegt tieši to, kas jums nepieciešams. Autoritatīvi ceļveži uzvedņu inženieriju apraksta kā uzvedņu izstrādi un pilnveidošanu, lai vadītu lielus valodas modeļus, uzsverot skaidrību, struktūru un iteratīvu pilnveidošanu. [1]

Būsim godīgi — mēs bieži izturamies pret mākslīgo intelektu kā pret meklēšanas lodziņu. Taču šie modeļi darbojas vislabāk, ja tiem norādāt uzdevumu, auditoriju, stilu un pieņemšanas kritērijus. Tā īsumā ir mākslīgā intelekta uzvedne.

Kas veido labu mākslīgā intelekta uzvedni ✅

• Skaidrība ir svarīgāka par gudrību — vienkāršas, precīzas instrukcijas samazina neskaidrības. [2]

• Konteksts ir galvenais — sniedziet pamatinformāciju, mērķus, auditoriju, ierobežojumus un pat rakstīšanas paraugu.

• Parādi, ne tikai stāsti — pāris piemēru var nostiprināt stilu un formātu. [3]

• Struktūra palīdz — virsraksti, aizzīmju punkti, numurēti soļi un izvades shēmas vada modeli.

• Ātri atkārtojiet — uzlabojiet uzdevumu, pamatojoties uz iegūtajiem rezultātiem, un pēc tam pārbaudiet vēlreiz. [2]

• Atsevišķas bažas — vispirms pieprasiet analīzi un pēc tam galīgo atbildi.

• Ļaujiet būt godīgam — aiciniet modeli pateikt, ka viņš nezina , vai palūdziet trūkstošo informāciju, kad tas nepieciešams. [4]

Nekas no tā nav raķešu zinātne, bet saliktais efekts ir reāls.

Mākslīgā intelekta iedrošināšanas galvenie pamatelementi 🧩

1. Norādījums
   Skaidri un kodolīgi formulējiet uzdevumu: uzrakstiet preses relīzi, analizējiet līgumu, kritizējiet kodeksu.

2. Konteksts
   Iekļaujiet auditoriju, toni, jomu, mērķus, ierobežojumus un jebkādus sensitīvus aizsargbarjeras kritērijus.

3. Piemēri
   Pievienojiet 1–3 augstas kvalitātes paraugus formas stilam un struktūrai.

4. Izvades formāts
   Pieprasiet JSON, tabulu vai numurētu plānu. Esiet konkrēts attiecībā uz laukiem.

5. Kvalitātes latiņa
   Definējiet “pabeigts”: precizitātes kritēriji, citāti, garums, stils, kļūmes, no kurām jāizvairās.

6. Darbplūsmas padomi
   Iesakiet pakāpenisku pamatojumu vai melnraksta un pēc tam rediģēšanas ciklu.

7. Droša
   atļauja vispirms pateikt, ka nezinu , vai uzdot precizējošus jautājumus. [4]

Mini pirms/pēc
Pirms: “Uzrakstiet mārketinga tekstu mūsu jaunajai lietotnei.”
Pēc: “Jūs esat pieredzējis zīmola tekstu autors. Uzrakstiet 3 galveno lapu virsrakstus aizņemtiem ārštata darbiniekiem, kuri novērtē laika ietaupījumu. Tonis: kodolīgs, ticams, bez liekas ažiotāžas. 5–7 vārdi. Izveidojiet tabulu ar virsrakstu un iemeslu, kāpēc tas darbojas . Iekļaujiet vienu pretēju variantu.”

Galvenie mākslīgā intelekta uzvedņu veidi, ko jūs faktiski izmantosiet 🧪

• Tieša pamudināšana.
  Viena instrukcija ar minimālu kontekstu. Ātra, dažreiz nedroša.

• Dažu kadru pamudinājums.
  Sniedziet pāris piemērus, lai mācītu modeli. Lieliski piemērots formātiem un tonim. [3]

• Lomas pamudināšana
  Piešķiriet personai, piemēram, vecākajam redaktoram, matemātikas pasniedzējam vai drošības pārskatītājam, lai veidotu uzvedību.

• Ķēdes pamudinājums
  Palūdziet modelim domāt pa posmiem: plānošana, melnraksta izstrāde, kritika, pārskatīšana.

• Paškritikas rosināšana.
  Lieciet modelim novērtēt savu rezultātu atbilstoši kritērijiem un novērst problēmas.

• Rīku apzinoša uzvedne.
  Kad modelis var pārlūkot vai palaist kodu, pastāstiet tam, kad un kā lietot šos rīkus. [1]

• Norobežota uzvedināšana
  Iestrādājiet drošības ierobežojumus un izpaušanas noteikumus, lai samazinātu riskantus rezultātus, piemēram, bufera joslas boulinga zālē: nedaudz apgrūtinoši, bet noderīgi. [5]

Praktiski uzdevumu paraugi, kas darbojas 🧯

• Uzdevumu sendvičs
  Sāciet ar uzdevumu, pa vidu pievienojiet kontekstu un piemērus, beidziet, atkārtojot izvades formātu un kvalitātes kritērijus.

• Kritiķis, pēc tam veidotājs
  Vispirms pieprasiet analīzi vai kritiku, pēc tam pieprasiet gala rezultātu, kurā iekļauta šī kritika.

• Kontrolsaraksta vadīts.
  Sniedziet kontrolsarakstu un pieprasiet modelim apstiprināt katru lodziņu pirms pabeigšanas.

• Shēma vispirms.
  Dodiet JSON shēmu, palūdziet modelim to aizpildīt. Lieliski piemērots strukturētiem datiem.

• Sarunas cilpa.
  Palūdziet modelim uzdot 3 precizējošus jautājumus un pēc tam turpiniet. Daži pārdevēji nepārprotami iesaka šāda veida strukturētu skaidrību un specifiku. [2]

Maza knibināšana, liela šūpošanās. Redzēsi.

Mākslīgā intelekta pamudināšana vs. precizēšana vs. vienkārši modeļu pārslēgšana 🔁

Dažreiz kvalitāti var uzlabot ar labāku uzvedni. Citreiz ātrākais ceļš ir izvēlēties citu modeli vai pievienot nelielu precizēšanu jūsu jomai. Labi pārdevēju ceļveži paskaidro, kad uzdot inženierim jautājumu un kad mainīt modeli vai pieeju. Īsumā: izmantojiet uzvednes uzdevumu formulēšanai un konsekvencei, un apsveriet precizēšanu jomas stilam vai stabiliem rezultātiem mērogā. [4]

Domēnu piemēru uzvednes 🎯

• Mārketings
  Jūs esat pieredzējis zīmola tekstu autors. Uzrakstiet 5 temata rindiņas e-pastam aizņemtiem ārštata darbiniekiem, kuri novērtē laika ietaupījumu. Tēmām jābūt kodolīgām, īsākām par 45 rakstzīmēm un jāizvairās no izsaukuma zīmēm. Izvadiet kā divu kolonnu tabulu: Tēma, Pamatojums. Iekļaujiet 1 pārsteidzošu iespēju, kas pārkāpj normu.

• Produkts
  Jūs esat produkta vadītājs. Pārveidojiet šīs neapstrādātās piezīmes skaidrā problēmas izklāstā, lietotāju stāstos Given-When-Then metodēs un 5 soļu ieviešanas plānā. Atzīmējiet neskaidrus pieņēmumus.

• Atbalsts
  Pārveidojiet šo neapmierinātā klienta ziņojumu nomierinošā atbildē, kas izskaidro risinājumu un nosaka cerības. Saglabājiet empātiju, izvairieties no vainošanas un iekļaujiet vienu noderīgu saiti.

• Dati
  Vispirms uzskaitiet analīzes statistiskos pieņēmumus. Pēc tam kritizējiet tos. Visbeidzot, piedāvājiet drošāku metodi ar numurētu plānu un īsu pseidokoda piemēru.

• Juridiskais
  kopsavilkums par šo līgumu personai, kas nav juriste. Tikai aizzīmes, nesniedz juridiskas konsultācijas. Visas atlīdzināšanas, līguma izbeigšanas vai intelektuālā īpašuma klauzulas izklāstiet vienkāršā angļu valodā.

Šīs ir veidnes, kuras var pielāgot, nevis stingri noteikumi. Pieņemu, ka tas ir acīmredzams, bet tomēr.

Salīdzināšanas tabula — mākslīgā intelekta uzvedņu iespējas un to priekšrocības 📊

Jā, galds ir nedaudz nevienmērīgs. Arī reālajā dzīvē.

Bieži pieļautas kļūdas mākslīgā intelekta uzvednēs un to labošana 🧹

1. Neskaidrs jautājums.
   Ja jūsu uzvedne izklausās pēc plecu paraustīšanas, arī rezultāts tāds būs. Pievienojiet auditoriju, mērķi, garumu un formātu.

2. Bez piemēriem
   Ja vēlaties ļoti specifisku stilu, sniedziet piemēru. Pat nelielu. [3]

3. Pārāk daudz uzdevumu.
   Gari uzdevumi bez struktūras mulsina modeļus. Izmantojiet sadaļas un aizzīmes.

4. Izvērtēšanas izlaišana
   Vienmēr pārbaudiet, vai nav faktuālu apgalvojumu, neobjektivitātes un izlaidumu. Aiciniet citēt, ja nepieciešams. [2]

5. Drošības ignorēšana
   Esiet uzmanīgi ar instrukcijām, kas varētu ielādēt neuzticamu saturu. Prompt injection un saistītie uzbrukumi rada reālus riskus, pārlūkojot vai ielādējot datus no ārējām lapām; izstrādājiet aizsardzības pasākumus un pārbaudiet tos. [5]

Ātras kvalitātes novērtēšana bez minējumiem 📏

• Jau iepriekš definējiet panākumus:
  precizitāti, pilnīgumu, toni, atbilstību formātam un laiku līdz izmantojamas rezultāta iegūšanai.

• Izmantojiet kontrolsarakstus vai rubrikas.
  Pirms gala darba iesniegšanas palūdziet modelim pašam novērtēt atbilstību kritērijiem.

• Ablēt un salīdzināt.
  Mainiet vienu uzvednes elementu vienlaikus un izmēriet atšķirību.

• Izmēģiniet citu modeli vai temperatūru.
  Dažreiz ātrākais ieguvums ir modeļu maiņa vai parametru pielāgošana. [4]

• Izsekojiet kļūdu modeļus,
  piemēram, halucinācijas, darbības jomas izmaiņas, nepareizu auditoriju. Izveidojiet atbildes uzvednes, kas tās skaidri bloķē.

Drošība, ētika un pārredzamība mākslīgā intelekta rosināšanā 🛡️

Laba pamudināšana ietver ierobežojumus, kas samazina risku. Jutīgu tēmu gadījumā pieprasiet atsauces uz autoritatīviem avotiem. Visam, kas skar politiku vai atbilstību, pieprasiet, lai modelis vai nu citētu, vai atliktu atsauci. Izveidotās vadlīnijas konsekventi veicina skaidrus, konkrētus norādījumus, strukturētus rezultātus un iteratīvu pilnveidošanu kā drošākus noklusējuma iestatījumus. [1]

Tāpat, integrējot pārlūkošanas vai ārēju saturu, pret nezināmām tīmekļa lapām jāizturas kā pret neuzticamām. Slēpts vai naidīgs saturs var pamudināt modeļus sniegt nepatiesus apgalvojumus. Izveidojiet uzdevumus un testus, kas pretojas šādiem trikiem, un regulāri informējiet cilvēku, lai saņemtu svarīgas atbildes. [5]

Ātrās sākšanas kontrolsaraksts spēcīgai mākslīgā intelekta pamudināšanai ✅🧠

• Noformulējiet uzdevumu vienā teikumā.

• Pievienojiet auditoriju, toni un ierobežojumus.

• Iekļaujiet 1–3 īsus piemērus.

• Norādiet izvades formātu vai shēmu.

• Vispirms jautājiet par soļiem, pēc tam galīgo atbildi.

• Nepieciešama īsa paškritika un labojumi.

• Ļaujiet tai uzdot precizējošus jautājumus, ja nepieciešams.

• Atkārtojiet, pamatojoties uz redzamajām nepilnībām… pēc tam saglabājiet uzvarošo uzdevumu.

Kur uzzināt vairāk, neiedziļinoties žargonā 🌊

Autoritatīvi pārdevēju resursi novērš uzmanību. OpenAI un Microsoft uztur praktiskas pamudinājumu rokasgrāmatas ar piemēriem un scenāriju padomiem. Anthropic skaidro, kad pamudinājums ir pareizā svira un kad izmēģināt kaut ko citu. Pārlasiet tos, ja vēlaties otru viedokli, kas nav tikai vibrācijas. [1][2][3][4]

Pārāk ilgi nelasīju un noslēguma domas 🧡

Ar mākslīgā intelekta palīdzību jūs pārvēršat gudru, bet burtiski saprotamu mašīnu par izpalīdzīgu līdzstrādnieku. Pastāstiet tai uzdevumu, parādiet modeli, fiksējiet formātu un uzstādiet kvalitātes latiņu. Nedaudz atkārtojiet. Tas arī viss. Pārējais ir prakse un gaume, ar nelielu spītības devu. Dažreiz jūs par daudz domāsiet, dažreiz par maz norādīsiet, un reizēm jūs izdomāsiet dīvainu metaforu par boulinga celiņiem, kas gandrīz darbojas. Turpiniet. Atšķirība starp vidējiem un izciliem rezultātiem parasti ir tikai viena labāka atbilde.

Atsauces

1. OpenAI — ātras inženierijas ceļvedis: lasīt vairāk

2. OpenAI palīdzības centrs — ChatGPT uzvedņu inženierijas labākā prakse: lasīt vairāk

3. Microsoft Learn — ātras inženiertehniskās metodes (Azure OpenAI): lasīt vairāk

4. Antropo dokumenti — ātrs inženierijas pārskats: lasīt vairāk

5. OWASP GenAI - LLM01: Ātra injekcija: lasīt vairāk

Atrodiet jaunāko mākslīgo intelektu oficiālajā mākslīgā intelekta palīgu veikalā

Par mums