Imagina que estás decorando una habitación. Puede elegir un juego de muebles estándar, lo cual es rápido y conveniente, pero es posible que no se ajuste exactamente a su estilo o necesidades personales. Por otro lado, también puedes optar por personalizar tus muebles, eligiendo colores, materiales y diseños específicos para que cada pieza se ajuste a tus preferencias y necesidades de espacio.
Por ejemplo, a la hora de elegir un sofá a medida, puedes decidir su tamaño, el tipo de tela e incluso el estilo de los reposabrazos. También puedes elegir colores que combinen con el tema de la habitación e incluso agregar algunos toques únicos como bordados o costuras especiales.
Este es el concepto de proyecto Prompt. Al igual que personalizas muebles seleccionando diferentes elementos de diseño, la ingeniería rápida implica ajustar las entradas de la IA para obtener resultados más personalizados. Al cambiar, agregar o refinar las señales de entrada, puede guiar a la IA para producir resultados que se adapten mejor a una solicitud o estilo específico, como elegir y personalizar los muebles adecuados para una habitación.
El conocimiento y la comprensión de muchas personas sobre el modelo de lenguaje grande se limitan al nivel de respuesta inteligente, posicionándolo como un robot de respuesta inteligente que reemplaza a la plataforma de búsqueda. Sin embargo, a medida que se aplican gradualmente modelos más grandes en varios campos y se exploran constantemente más escenarios de implementación empresarial, las personas se darán cuenta gradualmente de que las capacidades de los modelos grandes van mucho más allá de las funciones de preguntas y respuestas. Si queremos comenzar un estudio formal y en profundidad de la aplicación de modelos grandes, el primer paso será conocer el proyecto Prompt. Esta serie de artículos explicará de manera integral el proyecto Prompt, desde simple hasta en profundidad y su implementación real, el empoderamiento no se limita a medios directos, aplicación en operaciones, generación de copywriting AIGC y síntesis de voz y video.
1. ¿Qué es el proyecto Prompt?
En el contexto de la IA, "Pregunta" generalmente se refiere a una solicitud o pregunta formulada al modelo. La forma y el contenido de esta solicitud o pregunta afectarán el resultado del modelo. Por ejemplo: en un modelo de generación de texto, el mensaje puede ser una pregunta, un tema o una descripción, y el modelo genera el texto correspondiente en función de este mensaje. La ingeniería de indicaciones es el proceso mediante el cual las personas refinan las indicaciones que ingresan en un servicio de inteligencia artificial (IA) generativa para generar texto o imágenes. Cualquiera puede utilizar generadores como Wenyan Yixin y DALL-E para operar mediante lenguaje natural. Esta también es una técnica utilizada por los ingenieros de inteligencia artificial al refinar modelos de lenguaje grandes (LLM) con sugerencias específicas o recomendadas.
Por ejemplo, si estuviera utilizando a Wenyan Yixin para generar una lluvia de ideas sobre una descripción general profesional para su currículum, podría escribir este comando: "Escriba una descripción general profesional de muestra para un analista de mercado". Para la respuesta de Wenyan Yixin, podría darle comentarios como "demasiado formal". ” o “acortado a no más de 100 palabras”. El proyecto Prompt consiste en organizar y optimizar continuamente cada palabra clave, para que LLM pueda dar la respuesta más eficaz que satisfaga nuestras necesidades. En algunos casos, las sugerencias de ajuste pueden ser la única forma de mejorar la calidad de la salida del modelo, especialmente cuando se utilizan modelos previamente entrenados que no permiten la modificación directa de los mecanismos internos.
Echemos un vistazo al ejemplo dado por el ingeniero de mensajes de ChatGPT:
-
Para modelos de texto como ChatGPT:
- ¿Cuál es la diferencia entre un resumen profesional y un resumen ejecutivo?
- Escriba un resumen profesional para un analista de marketing que busque un puesto de director de marketing.
- Ahora recórtelo a menos de 60 palabras.
- Reescríbelo con un tono menos formal.
-
Para modelos de imagen como DALL-E:
- Una pintura de un gato.
- Una pintura de un gato persiguiendo a un ratón en estilo impresionista.
- Ahora usa solo tonos cálidos en la pintura.
Los ejemplos del modelo de texto ChatGPT y DALL-E son similares. Tomando el modelo de texto ChatGPT como ejemplo, se proponen cuatro palabras clave:
La primera frase plantea una pregunta, un resumen profesional y ejecutivo, y conduce a dos objetivos específicos;
La segunda oración especifica el escenario y los objetos de servicio específicos.
La tercera frase establece requisitos para el contenido generado.
La cuarta oración agrega contenido emocional al texto generado.
Lo que necesitamos saber aquí es que debido a que la IA generativa es un robot entrenado con datos generados por humanos y máquinas, no tiene la capacidad de examinar lo que estás comunicando para entender lo que realmente estás diciendo. Lo que significa que obtienes lo que dices que obtienes. Al ingresar consultas en un generador de IA, es mejor utilizar un lenguaje simple y específico para la consulta y sin rellenos innecesarios. Por ejemplo, puede consultar "Escribir un esquema para una propuesta de investigación académica, que incluya un título, un resumen y los próximos pasos", en lugar de "Escribir un esquema que incluya un título, un resumen y los próximos pasos". Por lo tanto, también existen algunas técnicas y principios para construir proyectos Prompt, que se pueden resumir simplemente de la siguiente manera:
Pregunta
Las indicaciones basadas en preguntas formulan preguntas para guiar al modelo a generar respuestas. Este tipo de mensaje es el más directo y simple y es adecuado para escenarios donde se necesita obtener información específica. Como el primer ejemplo dado ¿Cuál es la diferencia entre un resumen profesional y un resumen ejecutivo?
Aviso declarativo
Las indicaciones declarativas guían al modelo para generar contenido relevante al describir un escenario o estado. Este tipo de mensaje presta más atención a la creatividad y expresividad del modelo y es adecuado para escenarios que requieren que el modelo genere descripciones, historias u opiniones. Por ejemplo, escriba un resumen profesional para un analista de marketing que busque un puesto de director de marketing.
Aviso imperativo
Las indicaciones imperativas guían al modelo para completar tareas específicas dándole instrucciones claras. Este tipo de aviso requiere que el modelo tenga sólidas capacidades de ejecución y es adecuado para escenarios que requieren que el modelo realice tareas como traducción, corrección de errores y programación. Por ejemplo, ahora recórtelo a menos de 60 palabras.
Mensaje entrante de emoción
Bajo ciertas condiciones, es posible que necesitemos generar algún contenido de texto con emociones fuertes y pensamientos subjetivos para criticar o criticar. Si queremos generar algún contenido de este tipo, debemos informarle al modelo de lenguaje dónde estamos, el entorno y el color emocional subjetivo. No se proporcionan palabras emocionales inmediatas y las respuestas de la IA siempre serán la generación de contenido con emociones neutrales.
Por supuesto, lo anterior es solo una clasificación superficial del proyecto Prompt. Para clasificar verdaderamente escenarios específicos, los ingenieros de Prompt deben prescribir el medicamento adecuado. Consulte el ejemplo de Microsoft de complejidad de solicitud vertical para ayudarnos a comprender mejor el proyecto de solicitud:
Tipo de instrucción Inmediato Terminación Instrucciones simples Escribe una introducción para un boletín semanal. Bienvenido a nuestro boletín semanal. Esta semana nos centramos especialmente en la productividad. Compartiremos consejos y trucos sobre cómo ser productivo en todas las áreas de tu vida. ¡Esperamos que lo disfrutes y lo compartas con tus amigos! Instrucciones complejas Escribir una introducción para un boletín semanal de mi empresa llamada Contoso. Debería mencionar la gran reunión de todos que tuvimos la semana pasada y agradecer al equipo por todo su arduo trabajo durante los difíciles últimos meses. ¡Bienvenido al boletín semanal de Contoso! Tuvimos una gran reunión de todos la semana pasada y quiero agradecer al equipo por todo su arduo trabajo durante los difíciles últimos meses. Esperamos un futuro brillante y estoy seguro de que con la dedicación y el compromiso de nuestro equipo lograremos grandes cosas. Gracias por ser parte de nuestro equipo y espero trabajar con todos ustedes en las próximas semanas y meses. Atentamente, [Su nombre]. Instrucciones complejas Escriba una introducción para un boletín semanal, que incluya lo siguiente:
- Mi empresa se llama contoso
- Un saludo exuberante
- Agradecimiento al equipo por su arduo trabajo durante un par de meses difíciles
- Perspectivas positivas para el próximo trimestre
- Firmado por el SLT¡Hola equipo de Contoso! Quería tomarme un momento para agradecerles por todo su arduo trabajo durante los últimos meses. Han sido un par de meses difíciles, pero todos ustedes se han unido y han hecho un trabajo increíble. Estoy muy orgulloso de todos ustedes. De cara al próximo trimestre, me siento muy positivo. Creo que vamos a lograr grandes cosas. Gracias de nuevo, el equipo de liderazgo senior.
2.¿Qué hace principalmente un ingeniero de Prompt?
El trabajo principal de los ingenieros de Prompt es diseñar, optimizar y perfeccionar los avisos (indicaciones) para sistemas de inteligencia artificial generativa. Estas indicaciones son entradas textuales, como texto, imágenes o código, que guían al sistema de inteligencia artificial para generar resultados específicos. El papel de los ingenieros de avisos puede ser diferente en diferentes campos de aplicaciones de IA, principalmente creando palabras de aviso de características de acuerdo con el escenario empresarial. Los ingenieros rápidos son importantes para que los ingenieros de IA creen mejores servicios, como chatbots que manejan tareas de servicio al cliente o generan contratos legales. Garantizar que un servicio de IA generativa como Wenyan Yixin proporcione resultados requiere que los ingenieros creen el código y entrenen la IA con una amplia gama de datos precisos.
En el mundo impulsado por los big data, hemos llegado a un punto en el que entrenar modelos de IA puede ayudar a ofrecer soluciones de manera más eficiente sin tener que clasificar manualmente grandes cantidades de datos. Los ingenieros de Prompt adecuados también pueden identificar y mitigar los ataques de inyección (intrusiones maliciosas en la lógica detrás de ChatGPT o chatbots) para garantizar que las empresas brinden un servicio consistente y preciso. Los requisitos de Coursera para ingenieros rápidos son:
Los ingenieros rápidos deben estar capacitados en los fundamentos del procesamiento del lenguaje natural (PNL), incluidas bibliotecas y marcos, el lenguaje de programación Python, modelos de inteligencia artificial generativa, y contribuir a proyectos de código abierto.
Los ingenieros rápidos deben dominar los conceptos básicos del procesamiento del lenguaje natural (PLN), incluidas bibliotecas y marcos, el lenguaje de programación Python, la generación de modelos de inteligencia artificial y la contribución a proyectos de código abierto. Los consejos exitosos a menudo dependen de la práctica del aprendizaje "único" o "pequeño". Esto se refiere a uno o más ejemplos del comportamiento deseado del modelo, generalmente incluyendo pares de entrada y salida. Esto no es aprendizaje en el sentido de que el modelo cambie permanentemente, sino más bien en el sentido de que el ejemplo ajusta mejor el modelo para que responda sólo al razonamiento actual requerido. El uso de sugerencias sin ejemplos a veces se denomina aprendizaje de "tiro cero". Al utilizar la API de finalización de chat, normalmente se agrega una pequeña cantidad de ejemplos de aprendizaje en caliente a la matriz de mensajes en forma de interacciones de muestra entre usuario y asistente después del mensaje inicial del sistema:
| Tipo de aprendizaje | Inmediato | Terminación |
|---|---|---|
| Tiro cero | Titular: Entrenador confía en que una lesión no descarrilará a los Warriors Tema: | El técnico confía en que la lesión no descarrile la temporada de los Warriors. El equipo sigue centrado en sus objetivos y seguirá trabajando duro para conseguirlos. |
| pocos tiros | Titular: Correa de los Mellizos recurrirá a la exclusión voluntaria y probará la agencia libre Tema: Béisbol Titular: La Copa Mundial de Qatar tendrá zonas para recuperar la sobriedad Tema: Fútbol Titular: Yates: Información sobre fútbol de fantasía para la Semana 6 Tema: Fútbol Titular: El entrenador confía en que ganó la lesión No descarriles a los guerreros Tema: | Baloncesto |
Los ingenieros de avisos generalmente dividen los avisos en varias categorías principales según su propósito y cómo están diseñados:
Indicación de disparo cero :
- En este caso, el mensaje está diseñado para hacerle una pregunta o solicitud directamente al modelo sin proporcionar ningún ejemplo de capacitación específico.
- Este enfoque se basa en el conocimiento que el modelo ya ha adquirido mediante el entrenamiento previo.
Indicaciones de una sola vez o de pocas veces :
- Este enfoque incluye uno o varios ejemplos en la indicación para guiar al modelo sobre cómo responder.
- Estos ejemplos sirven como demostraciones de cómo los modelos deberían manejar situaciones similares.
Instigación de cadena de pensamiento :
- En este enfoque, las indicaciones están diseñadas para guiar al modelo a demostrar su proceso de pensamiento, especialmente al resolver problemas complejos.
- Esto ayuda a mejorar la transparencia y la interpretabilidad de los resultados del modelo.
Solicitud basada en plantillas :
- En este caso, las indicaciones se diseñan de acuerdo con plantillas o estructuras específicas que están diseñadas para estimular de manera efectiva la respuesta correcta del modelo.
- Este método se utiliza generalmente en escenarios de aplicación específicos, como clasificación de texto o reconocimiento de entidades.
Incitaciones conversacionales :
- Este mensaje está diseñado en forma de conversación, simulando escenarios de conversación en lenguaje natural para guiar al modelo a responder en el entorno de conversación.
- Este enfoque funciona bien para chatbots y aplicaciones interactivas.
Solicitud específica de tarea :
- Este tipo de mensaje está diseñado específicamente para tareas o escenarios de aplicación específicos, como traducción, resumen, respuesta a preguntas, etc.
- Este método enfatiza la optimización del diseño de indicaciones basadas en los requisitos de la tarea.
Aquí solo expandimos un mensaje específico para demostrarle, no expandimos todos los formularios. Los artículos posteriores lo explicarán en detalle, tomando el mensaje basado en plantillas como ejemplo:
Tarea : realizar un análisis de sentimiento en un pasaje de texto determinado para determinar si es positivo, negativo o neutral.
Solicitud de plantilla :
- "Texto: [Párrafo de texto a clasificar]
- Resultados del análisis de sentimiento: el sentimiento de este texto es [positivo/negativo/neutral]. "
En este ejemplo, la plantilla consta de dos partes:
- "Texto:" va seguido del párrafo de texto que se va a clasificar.
- "Resultado del análisis de opinión": guía al modelo para realizar una clasificación de opinión basada en el texto proporcionado.
Un ejemplo específico del uso de mensajes con plantilla podría ser:
- “Texto: Hoy tuve un gran día, el clima estuvo agradable y tuve un gran día con mis amigos.
- Resultados del análisis de sentimiento: el sentimiento de este texto es [positivo/negativo/neutral]. "
Este capítulo tiene suficiente contenido, el próximo artículo ampliará la construcción y el uso de Prompt en diferentes escenarios.
Si desea obtener más contenido, no dude en chatear en privado y seguirlo para evitar que se pierda. Si hay algún error, deje un mensaje para recibir asesoramiento. Muchas gracias.
Este capítulo tiene suficiente contenido, el próximo artículo ampliará la construcción y el uso de Prompt en diferentes escenarios.