Prompt engineering – inaczej inżynieria promptu to proces iteracji promptu generatywnej sztucznej inteligencji w celu poprawy jego dokładności i skuteczności.
Wyobraź sobie: Pieczesz tort czekoladowy na urodziny swojego przyjaciela. Możesz użyć gotowej mieszanki do ciasta i po prostu dodać olej, jajka i mleko. Ciasto będzie poprawne, ale na pewno nie zachwycające. Możesz też zrobić ciasto od podstaw, dobrać indywidualne składniki i stworzyć spersonalizowany tort, który odzwierciedla preferencje Twojego przyjaciela.
A co gdybyś dodał proszek espresso albo sól morską? Zastąpił mleko krowie mlekiem kokosowym i posypał go świeżymi malinami?
Tak właśnie działa prompt engineering (inżynieria promptu) – dostosowujesz proste polecenie do generatora sztucznej inteligencji i otrzymujesz wyniki najlepiej odpowiadające Twoim potrzebom. Projektujesz swoje żądanie tak, aby uzyskać precyzyjny, określony wynik.
Niezależnie czy wprowadzamy polecenia do ChatGPT, aby napisać lub udoskonalić swoje CV, czy też używamy DALL-E, aby wygenerować zdjęcie do prezentacji, każdy może być inżynierem promptu. Zachęcamy do lektury poniższego artykułu, w którym piszemy o prompt engineering oraz o tym, jak możesz poprawić swoje prompty, aby zoptymalizować ich dokładność i skuteczność.
Czym jest prompt engineering?
Prompt engineering, czyli inżynieria promptu to proces udoskonalania poleceń, które osoba może wprowadzić do usługi generatywnej sztucznej inteligencji (AI) w celu generowania tekstu lub obrazów. Każdy może to zrobić, używając języka naturalnego w generatorach takich jak ChatGPT i DALL-E. Jest to także technika, którą inżynierowie AI stosują podczas udoskonalania dużych modeli językowych (LLM) za pomocą określonych lub rekomendowanych poleceń.
Na przykład, jeśli korzystasz z ChatGPT, aby wygenerować profesjonalne podsumowanie podczas udoskonalania swojego CV, możesz napisać prompt typu: „Napisz przykładowe profesjonalne podsumowanie dla analityka marketingu.” Na odpowiedź ChatGPT możesz podać informację zwrotną, taką jak „zbyt formalne” lub „skróć do mniej niż 100 słów”. Możesz zrobić to samo dla modeli typu tekst do obrazu, takich jak DALL-E.
Prompt engineering (inżynieria promptu) jest kluczowa dla inżynierów AI, aby tworzyć lepsze usługi, takie jak przykładowo chatboty obsługujące zadania obsługi klienta lub generujące umowy prawne. Zapewnienie, że usługi generatywnej sztucznej inteligencji, takie jak ChatGPT, są w stanie dostarczyć pożądane wyniki, wymaga od inżynierów budowania kodu i szkolenia AI na obszernych i dokładnych danych.
Osiągnęliśmy obecnie jako ludzkość taki punkt w naszym rozwoju technologicznym i cywilizacyjnym, w którym kluczową rolę pełnią duże zbiory danych (big data). W tych realiach szkolenie modeli AI może pomóc dostarczać rozwiązania znacznie bardziej efektywnie, bez ręcznego sortowania dużych ilości danych.
Prawidłowo zrealizowana inżynieria promptu może również identyfikować i łagodzić ataki typu prompt injection (próby hakowania logiki stojącej za ChatGPT lub chatbotami), aby zapewnić firmom dostarczanie bezpiecznych, spójnych i dokładnych usług.
Prompt engineering - przykłady
Oto kilka przykładów inżynierii promptu, które zobrazują, czym jest prompt engineering i jak możesz stworzyć dpowiednie polecenie przy użyciu modelu tekstowego i obrazowego.
Dla modeli tekstowych, takich jak ChatGPT:
- Jaka jest różnica między podsumowaniem zawodowym, a podsumowaniem wykonawczym?
- Napisz podsumowanie zawodowe dla analityka marketingu, który szuka pracy menedżera marketingu.
- Teraz skróć je do mniej niż 60 słów.
- Przepisz to, używając mniej formalnego tonu.
Dla modeli obrazowych, takich jak DALL-E:
- Obraz kota.
- Obraz kota goniącego mysz w stylu impresjonistycznym.
- Teraz użyj tylko ciepłych tonów w obrazie.
Jak inżynierować swoje prompty dla AI?
Oto szybki przewodnik krok po kroku wprowadzający do praktycznej inżynierii promptowania.
1. Stwórz swoje zapytanie w jak najbardziej klarowny sposób.
Ponieważ generatywna sztuczna inteligencja jest robotem szkolonym na danych wyprodukowanych przez ludzi i maszyny, nie ma zdolności do przesiewania tego, co komunikujesz. W skrócie – musi zrozumieć, co naprawdę mówisz.
To, co mówisz, to to, co dostajesz.
Podczas wprowadzania zapytania do generatora AI najlepiej jest zapytać w sposób konkretny, prosty i bez zbędnych wypełniaczy. Na przykład zamiast „Napisz szkic, który zawiera tytuł i następne kroki”, możesz zapytać: „Napisz szkic dla propozycji badawczej akademickiej, który zawiera sekcje na tytuł, streszczenie i następne kroki”.
2. Prompt engineering to ciągłe próby - eksperymentuj, aby opracować najlepsze praktyki.
Dla każdego rodzaju wyniku, takiego jak krótki szkic, propozycja badawcza lub punkty w życiorysie, zaleca się eksperymentowanie z narzędziami, używając różnych wariantów tego samego zapytania. W ten sposób dowiesz się, czy powinieneś zawrzeć wskazówki takie jak „w oficjalnym tonie głosu”. Jeśli potrzebujesz uwzględnić „ton” w swoim poleceniu, czy powinieneś napisać „w profesjonalnym tonie” czy „w oficjalnym tonie”?
Baw się. Rozważ wprowadzenie próbnych szkiców w poleceniu lub podanie przykładów, którymi chciałbyś, aby generator się kierował.
3. Kontynuuj rozwijanie promptów instrukcjami lub pytaniami.
Kiedy już dostosujesz wynik do właściwego formatu i tonu, możesz chcieć ograniczyć liczbę słów lub znaków. Albo możesz chcieć stworzyć dwie oddzielne wersje szkicu, jedną do celów wewnętrznych.
Generator może to zrobić na podstawie wcześniej udostępnionego wyniku. Iteracja jest twoim przyjacielem. Kontynuuj prompt engineering, aż osiągniesz pożądane rezultaty.
4. Baw się różnymi technikami prompt engineering
Generatywna sztuczna inteligencja (GenAI) to wciąż nowa (i rozwijająca się) technologia. Nie znaczy to jednak, że badacze nie opracowali już niektórych strategii projektowania skutecznych promptów. Baw się generatywną sztuczną inteligencją. Wykorzystaj niektóre z tych technik promptowania, aby osiągnąć oczekiwane rezultaty. Oto kilka przykładowych propozycji:
Zero-shot prompting. To najbardziej bezpośrednia i najprostsza metoda prompt engineering, w której generatywna sztuczna inteligencja otrzymuje bezpośrednie instrukcje lub pada pytanie bez dodatkowych informacji. Technikę tę najlepiej stosować to do względnie prostych zadań, a nie do złożonych.
Few-shot prompting. Ta metoda polega na dostarczeniu Gen AI kilku przykładów, które pomogą jej wytłumaczyć wyniki. Ta metoda jest bardziej odpowiednia dla złożonych zadań niż podpowiadanie zero-shot.
Chain-of-thought (CoT) prompting (promptowanie łańcuchowe). Ten sposób pomaga poprawić wyniki modelu LLM, rozkładając złożone myślenie na pośrednie kroki, co może pomóc modelowi w generowaniu bardziej dokładnych wyników.
Prompt chaining (łańcuchowanie promptów). Prompter dzieli złożone zadanie na mniejsze (i łatwiejsze) „podzadania”, a następnie wykorzystuje wyniki generatywnego AI do wykonania głównego zadania. Ta metoda może poprawić niezawodność i spójność w przypadku najbardziej skomplikowanych zadań.
To tylko kilka popularnych technik promptowania, z którymi warto eksperymentować. Często najskuteczniejszą strategią jest połączenie kilku różnych technik, aby osiągnąć pożądany wynik.
Prompt engineering – przyszłość
W erze dynamicznego rozwoju sztucznej inteligencji i uczenia maszynowego prompt engineering będzie nadal ewoluować. Wkrótce pojawią się prompty, które pozwolą nam łączyć tekst, kod i obrazy w jednym. Inżynierowie i badacze tworzą już również adaptacyjne polecenia, które dostosowują się do kontekstu. Oczywiście, w miarę rozwoju etyki sztucznej inteligencji, pojawią się prawdopodobnie polecenia, które zapewnią także transparentność, uczciwość i przejrzystość.
Ścieżka kariery prompt inżyniera i perspektywy zawodowe
Jeśli chodzi o karierę w obszarze prompt engineering, to przyszłość jawi się niezwykle obiecująco. Obecnie na portalu Indeed znajduje się ponad 3 750 otwartych ofert pracy dla inżynierów promptów, a według informacji z TIME [1, 2], zarobki w tej dziedzinie mogą sięgać nawet do 335 tysięcy dolarów rocznie.
Prompt inżynierowie muszą posiadać umiejętności w zakresie podstaw przetwarzania języka naturalnego, w tym bibliotek i frameworków, znajomości języka programowania Python i modeli generatywnej sztucznej inteligencji.
Kandydaci posiadają najczęściej dyplom lub doświadczenie w dziedzinie informatyki lub w pokrewnym obszarze. Jednak istnieją także inżynierowie promptów, którzy mają mniej techniczne wykształcenie, na przykład w obszarze copywritingu i zdobyli doświadczenie poprzez naukę oraz eksperymentowanie z technologiami sztucznej inteligencji.
Źródła:
1.Indeed. “Prompt engineer, https://www.indeed.com/q-prompt-engineer-jobs.html?vjk=97f8ac1d0bbcb5df.” Accessed October 2, 2023.
2.Time. “The AI Job That Pays Up to $335K – and You Don’t Need a Computer Engineering Background, https://time.com/6272103/ai-prompt-engineer-job/.” Accessed October 11, 2023.
Prompt engineering na Uczelni Łazarskiego
Weź udział w Kursach na Uczelni Łazarskiego.
Oprócz rozbudowanego modułu dotyczącego prompt engineering, szkolenia zakładają również naukę kompleksowego wykorzystania narzędzi opartych na Gen AI w codziennej pracy, jak również w życiu prywatnym. Skontaktuj się z nami po więcej szczegółów.