إلغاء قفل الذكاء الاصطناعي الفعال: 5 نصائح خبراء لصياغة مطالبات الذكاء الاصطناعى المثالي
في الآونة الأخيرة ، نشر مهندس Google Lee Boonstra ورقة بيضاء من 68 صفحة مع العديد من النصائح والاستراتيجيات لصياغة المطالبات المثالية لـ LLMs. بينما تم تنسيق الورقة للمهندسين المستقبليين ، وجدنا مجموعة من النصائح التي يمكن للمستخدمين العاديين الاستفادة منها في استخدامهم اليومي من الذكاء الاصطناعي. يسرد هذا المنشور 5 نماذج من الذكاء الاصطناعي التي ستساعدك على الحصول على ردود أفضل من AI chatbots.
1. اجعل الأمر بسيطًا وإلى هذه النقطة
على الرغم من أنه يتم الإعلان غالبًا أنه يمكنك التحدث إلى LLMs بلغة طبيعية أو غير رسمية ، إلا أنه في الغالب جعل المنتج جذابًا للأشخاص العاديين. للحصول على نتائج أفضل ، يجب أن تبقي المطالبات موجزة وسهلة الفهم ، مع التركيز على أفعال العمل. يمكن أن تؤدي كل كلمة إضافية أو عبارة معقدة تضيفها إلى تفسير سوء التفسير.
بدلاً من إخبار الذكاء الاصطناعي بمشكلتك كقصة ، احتفظ بالمطالبة التي تركز مباشرة على الإجابة التي تحتاجها. فيما يلي أمثلة لفهم أفضل:
موجه سيء: سأسافر إلى طوكيو الشهر المقبل لمدة خمسة أيام ، وأنا مهتم حقًا بمشاهدة المعابد التاريخية ، لكني أيضًا أحب المعارض الفنية الحديثة. سأبقى بالقرب من محطة Shinjuku وأفضل الأماكن غير المزدحمة جدًا لأنني أشعر بالإرهاق بسهولة.
موجه جيد: بمثابة دليل السفر في طوكيو. يوصي 5 معابد تاريخية و 3 معارض فنية حديثة بالقرب من شينجوكو التي تتجنب الحشود الكبيرة.
2. امنح الذكاء الاصطناعى دورًا أولاً
لمطالبات متخصصة ، من الأفضل أولاً أن تخبر الذكاء الاصطناعى أن يتصرف كأخصائي في المجال المحدد ، مثل “بمثابة دليل السفر” أو “أنت معلم روضة الأطفال“نظرًا لأن LLMS تتعلم من شركة النص الضخم ، فإن هذا سيجبرهم على الترسيخ لمهنة أو شخصية معينة. سيستخدم النموذج لهجة خاصة بالدور ، والمفردات ، ويقيد نفسه على نطاق الدور الذي سيمنعها من الخروج من الموضوع.
فيما يلي أمثلة على المطالبات:
موجه سيء: إنشاء خطة درس حول التمثيل الضوئي.
موجه جيد: أنت مدرس روضة الأطفال. صمم خطة درس مدتها 30 دقيقة على التمثيل الضوئي مع قصة جذابة ، واليدين “على النشاط ، وثلاثة أسئلة مراجعة بسيطة.
3. تقديم أمثلة
كلما كان ذلك ممكنًا ، حاول إعطاء أمثلة متعددة لكيفية أن تكون الإخراج. سيضمن هذا أن النموذج يوفر بالضبط ما تريده دون الانحراف عن الأهداف. تُعرف هذه المفاهيم بمثابة موجه واحد (مثال واحد) ومطالبة قليلة (أمثلة متعددة). يوصى بتوفير ثلاثة إلى خمسة أمثلة على الأقل إن أمكن.
بالطبع ، ليست هناك حاجة إلى أمثلة لمعظم المطالبات ، ولكن كلما احتجت إلى اتباع بنية معينة ، فإنها تعزز النتائج بشكل كبير. على سبيل المثال ، إذا كنت تقوم بتغذية المراجعات لفهم المشاعر ، فيمكنك توفير كيفية يحتاجها إلى فصل المراجعات بالضبط ، مثل السلبية أو المحايدة أو الإيجابية.
4. جرب حدوث خطوة
يعني المطالبة بالتخلي عن تقسيم مطالبة إلى خطوتين من خلال طرح سؤال على المستوى الرئيسي أولاً ثم إطعام الإجابة عليه للحصول على إجابة مفصلة. في الأساس ، يقوم السؤال الأول بتنشيط المعرفة الخلفية للنموذج حول الموضوع ، لذا فإنه يوفر إجابة أفضل عند طرح السؤال الحقيقي باستخدام التفاصيل من المطالبة الأولى.
هذا النهج أفضل من طلب الإجابة مباشرة ، كما هو “يشجع LLMs على التفكير بشكل نقدي وتطبيق معرفتهم بطرق جديدة وخلاقة “.
لمساعدتك على الفهم بشكل صحيح ، قمنا أدناه برعاية مثال يوضح هذا النهج في العمل:
موجه الأول: ما هي المبادئ الأساسية لوصف المنتج الفعال؟
بمجرد الحصول على الإجابة ، استخدم الموجه الثاني (الجزء الخلفي).
موجه الثاني: باستخدام هذه المبادئ ، اكتب وصف منتج لساعة ذكية جديدة مع المواصفات التالية (توفير المواصفات).
5. التركيز على التعليمات بدلاً من القيود
تعمل LLMS بشكل أفضل عندما تقوم بتوجيههم إلى “فعل شيء ما” بدلاً من إخبارهم بـ “لا تفعل شيئًا”. بدلاً من إخبار النموذج ما هي الأشياء التي يجب تجنبها ، من الأفضل أن تخبره بالضبط بما يجب تضمينه. إذا أضفت قيودًا في مطالبك ، فقد يبدأ النموذج في تخمين ما هو مسموح به وربما يقيد نفسه أكثر من اللازم. يؤدي استخدام التعليمات المباشرة إلى المزيد من الإجابات الإبداعية.
على الرغم من أن الورقة تقول أنه من المقبول استخدام القيود عند الضرورة ، فمن الأفضل استخدام التعليمات الإيجابية بدلاً من ذلك. فيما يلي مثال على المفهوم:
موجه سيء: صف زجاجة Ecoâ الجديدة. لا تستخدم المتفوقين ولا تتحدث عن سعرها.
موجه جيد: صاغ وصف منتج الجملة 2 ‘لزجاجة Ecoâ €’ التي تبرز عزلها لمدة 48 ساعة وبناء الصلب المعاد تدويره بنسبة 100 ٪. استخدم لغة واضحة ، فائدة مدفوعة دون ذكر السعر.
كانت هذه بعض النصائح التي وجدناها مفيدة للاستخدام اليومي. ومع ذلك ، هناك العديد من الطرق الأخرى لإنتاج استجابات أفضل من الذكاء الاصطناعي من مجرد صياغة مطالبات أفضل ، مثل تخصيص الذكاء الاصطناعي.
