ChatGPT tworzy fale w ciągu ostatnich kilku miesięcy. Był używany w różnych zastosowaniach, takich jak bycie twoim przewodnikiem, rozwiązywanie zadań domowych, debugowanie i dostarczanie fragmentów kodu, a nawet pisanie tekstów piosenek dla ciebie! Niebo jest granicą naszej kreatywności. Po prostu trochę spóźniłem się na imprezę i trochę czasu zajęło mi zrozumienie tego modelu językowego. Chociaż niesamowite było obserwowanie, w jaki sposób model odpowiadał na pytania, które zamieściłem, czułem, że były przypadki, w których istniała luka między naszą komunikacją (ja i ​​ChatGPT). Chciałem poznać tego przyczynę i po dalszych badaniach zrozumiałem, że koncepcja szybkiej inżynierii odgrywa tutaj ważną rolę.

Szybka inżynieria

Po pierwsze, co to jest zachęta?

Monity to zestaw instrukcji (w zasadzie tekstowych) dostarczanych do modelu, który z kolei daje dane wyjściowe. Dane wyjściowe mogą być istotne lub nieistotne. Trafność tego wyniku zależy od tego, w jaki sposób zaprojektujemy naszą zachętę, w prostych słowach, od sposobu, w jaki układamy nasze zdania.

Prostym przykładem, aby to wyjaśnić, załóżmy, że nowicjusz w uczeniu maszynowym pyta ChatGPT „Czym jest uczenie maszynowe?” a udzielona przez nie odpowiedź jest pokazana na ryc.1. Widzimy, że to trzy ogromne fragmenty akapitów i oczywiste jest, że nasz nowicjusz nie byłby w stanie tego zrozumieć.

A co, jeśli zdanie zostanie przeformułowane i dostrojone w taki sposób, aby nowicjusz mógł je zrozumieć. Model otrzymuje nowy monit „Czym jest uczenie maszynowe?, mam 5 lat”, a udzieloną przez niego odpowiedź pokazano na rys.2. Widzimy, że jest to tylko jeden akapit wyjaśniony w bardzo prosty sposób.

Oczywiste jest, że ChatGPT wykroczył poza to, a to tylko mały przykład pokazujący znaczenie szybkiej inżynierii z helikoptera.

Prompt Engineering to proces projektowania zestawu instrukcji w celu dokładnego i niezawodnego wykonywania zadań generowania języka. Głównym celem podpowiedzi jest pokazanie ścieżki, po której model językowy zapewni logiczne, odpowiednie i spójne wyniki. Dobrze zaprojektowany monit może zapewnić użytkownikowi pożądaną odpowiedź, w tym samym czasie źle zaprojektowany monit może zapewnić odpowiedź nieważną. Jest to koncepcja szeroko stosowana w przetwarzaniu języka naturalnego (NLP). Posiadanie tego zestawu umiejętności jest bardzo ważne, aby uzyskać maksymalną wydajność tych modeli językowych, a umiejętności te dały początek ważnej możliwości pracy o nazwie Prompt Engineer. Ta oferta pracy opiera się na procesie tworzenia lub projektowania zachęt do efektywnego wykorzystania modeli sztucznej inteligencji (AI).

Celem inżyniera podpowiedzi jest najpierw zrozumienie od wewnątrz używanego modelu językowego. Po drugie, zadanie i oczekiwany wynik powinny być również jasne. Następnym krokiem jest stworzenie wyraźnych i zwięzłych monitów, które zapewnią niezbędne wyniki. Tutaj są tylko dwa rodzaje rezultatów, wyniki odpowiednie i nieodpowiednie.

Jedno z najlepszych zasobów, z jakimi się zetknąłem, aby nauczyć się szybkiej inżynierii, można znaleźć tutaj .

Praktyczny

To, co mnie ostatnio zaintrygowało, to obraz wygenerowany przez sztuczną inteligencję, na który natknąłem się podczas czytania artykułu. Doskonale znałem DALL·E 2, który tworzy obrazki z tekstu podanego przez użytkownika. To fantastyczne narzędzie, możesz je obejrzeć tutaj .

Pomyślałem o połączeniu możliwości DALL·E 2 i ChatGPT, aby stworzyć piękny obraz. Ta sama praca została również wypróbowana przez Bildeę Ana , możesz sprawdzić jej niesamowitą pracę tutaj.

Wyobraziłem sobie ciepłą scenerię na plaży i chciałem odtworzyć podobny obraz z tym samym klimatem, używając DALL·E 2

Początkowe podpowiedzi, których użyłem, to:

Letni dzień, plaża, ciepło, pięknie, nierealnie, 8K

Obraz wytwarzany przez model pokazano na rys. 3. Przypomina obraz plaży, którą chcę, ale nie byłem w stanie dokładnie jej odczuć. Nie byłem w stanie przypomnieć sobie przymiotników opisujących wizję, którą miałem w głowie.

Poprosiłem więc ChatGPT o listę przymiotników w letni dzień i otrzymałem listę 18 przymiotników pokazanych na ryc. 4.

Wybrałem kilka z tych przymiotników, które pasowały do ​​mojej wizji i użyłem ich jako podpowiedzi.

Zmodyfikowany zestaw monitów, których użyłem, to:

Letni dzień, plaża, słoneczna, relaksująca, radosna, pogodna, figlarna, sceniczna, ciepła, piękna, nierealna, 8K

W końcu otrzymałem piękny obraz, który prawie przypominał obraz, który miałem w głowie, pokazany na ryc. 5. To po prostu niesamowite uczucie widzieć, że model stworzył obraz, który prawie pasuje do tego, który masz w głowie, a tutaj znowu podpowiedzi pomagają mi to osiągnąć.

Wniosek

Prompt Engineering to zdecydowanie nowa szansa na przyszłość. Osobiście uważam, że w tej dziedzinie jest duże pole do popisu, zwłaszcza wraz z rozwojem ChatGPT. Cóż, po prostu pomyślałem o podzieleniu się moimi poglądami i naukami, które zdobyłem czytając artykuły, artykuły itp. To jest mój pierwszy post na blogu, nie krępuj się podzielić się swoją opinią i komentarzami, abym mógł się poprawić. Mam nadzieję, że czytanie tego sprawiło ci tyle radości, co mi pisanie tego.

Bibliografia

[1] Generator grafiki
[2] Open AI
[3] DALL·E 2
[4] ChatGPT
[5] Zasoby