Ymmärtääksemme, mitä on prompt engineering ja miksi tarvitsemme sitä, tarkastelemme ensin joitakin tärkeitä aiheita edellisestä osasta:

1. Prompt tai kysely on syöteteksti, joka annetaan mallille keskustelun aloittamiseksi tai vastauksen pyytämiseksi. Se toimii käyttäjän viestinä tai kysymyksenä, joka kehottaa mallia tuottamaan tekstipohjaisen vastauksen;

2. Tapa, jolla ChatGPT vastaa, voi vaikuttaa siihen, kuinka pyyntö on muotoiltu; jos muotoilet saman kysymyksen eri sanoin, malli voi tuottaa vaihtelevia vastauksia.

Näiden kahden aiheen perusteella voimme ymmärtää, mitä prompt engineering on: se on prosessi, jossa syötteitä tai kyselyitä muotoillaan ja rakennetaan huolellisesti, jotta mallilta saadaan halutut vastaukset.

Katsotaanpa esimerkkejä:

Huono prompt

Tätä pidetään "huonona" muutamasta syystä:

1. Erityisyyden puute: Kehote on hyvin laaja eikä määrittele, mistä tiedemiehistä tai tieteenaloista käyttäjä on kiinnostunut. Se ei anna mallille selkeää ohjeistusta vastauksen laajuudesta;

2. Epämääräiset odotukset: Se ei kerro, millaista tietoa käyttäjä etsii tiedemiehistä. Ovatko he kiinnostuneita elämäkerroista, tieteellisistä saavutuksista, historiallisesta kontekstista vai jostain muusta? Ilman tätä selkeyttä vastaus ei välttämättä vastaa käyttäjän odotuksia;

3. Avoin: Kehote on avoin, mikä voi johtaa yleiseen tai yleisluontoiseen vastaukseen, joka ei välttämättä ole erityisen informatiivinen tai mukaansatempaava.

Muokataan tätä kehotetta saadaksemme tarkemman tuloksen.

Hyvä kehote

"Hyvä" kehote on tehokas, koska se tarjoaa erityisyyttä, kontekstia ja selkeää ohjeistusta. Se määrittelee aiheen (vaikuttavat tiedemiehet fysiikan alalla) ja halutun tiedon tyypin (keskeiset löydöt), mikä helpottaa ChatGPT:tä tuottamaan asiaankuuluvan ja informatiivisen vastauksen, joka vastaa käyttäjän odotuksia.