Jak stworzyć idealny monit AI? Zalecenie Ex-Designer firmy Apple wirus
W zeszły weekend zoptymalizowana struktura szybkiej inteligencji krążyła wśród wielkich nazwisk w branży, zwracając uwagę na ekspertów i entuzjastów. Podejście, przypisane byłym projektantowi Apple, Benowi Hylakowi, zyskało jeszcze większe znaczenie po tym, jak Greg Brockman, prezes Openai. Framework proponuje ustrukturyzowaną metodę interakcji z modelami AI, takimi jak CHATGPT, zapewniając dokładniejsze i odpowiednie odpowiedzi.
Główna idea struktury jest prosta: zamiast po prostu żądać informacji w ogólny sposób, użytkownik musi podzielić monit na cztery podstawowe filary. Zatem AI otrzymuje wysoki poziom kontekstu, optymalizując odpowiedzi i zmniejszając częstość występowania niejasnych lub niedokładnych odpowiedzi.
Cztery filary idealnego podpowiedzi
1. Ustaw jasne cele
Pierwszym krokiem jest dokładnie wyjaśnienie, czego chcesz od sztucznej inteligencji. Hylak jest przykładem tego podejścia, szukając różnych szlaków do zwiedzania ze swoją dziewczyną w całym San Francisco. Zwłaszcza opisuje swój cel:
„Chcę listę najlepszych spacerów średniej/na duże odległości w dwu -godzinnym promieniu San Francisco. Każdy spacer powinien zapewnić wyjątkową i inną przygodę i jest mało znany. ”
Zaleceniem jest wyraźne sformułowanie celów, jakby pisać tweeta do 280 znaków. Zapobiega to utratę skupienia lub dostarczenie niepotrzebnych informacji.
2. Jak chcesz odpowiedzieć?
Drugim krokiem jest dokładnie zdefiniowanie formatu pożądanej odpowiedzi. Model AI domyślnie nie wie, w jaki sposób użytkownik woli odbierać informacje, chyba że jest to określone. W przykładzie Hyaka szczegółowo opisuje:
Kontynuuje się po reklamie
„Dla każdego spaceru podaj: nazwa ścieżki (jak się pojawia w AllTrails), adres punktu wyjścia i przybycia, całkowita odległość w kilometrach, czas samochodu z São Francisco, długość spaceru i jego różnica. Następnie daj mi trzy najlepsze wyniki.
Zaleceniem jest powtórzenie kluczowych terminów, aby upewnić się, że poprawnie zrozumie zapotrzebowanie. Specyficzność jest niezbędna do maksymalizacji wydajności czatu.
3. Zdefiniuj powiadomienia i ograniczenia
Modele AI mogą czasami generować złe informacje, zwane „halucynacjami”. Aby to zminimalizować, ważne jest ustalenie powiadomień i kryteriów weryfikacji. W cytowanym przykładzie użytkownik wzmacnia:
Kontynuuje się po reklamie
„Upewnij się, że nazwa toru jest poprawna, że szlak faktycznie istnieje i że jego czas trwania i odległość są dokładnie informowane”.
Ustalając jasne ograniczenia, użytkownik zmniejsza szansę otrzymania nieprawidłowych danych i poprawy niezawodności odpowiedzi.
4. Zaproponuj szczegółowy kontekst
Ostatnim krokiem jest dostarczenie maksymalnych istotnych informacji w celu lepszego zrozumienia żądania. Hylak jest przykładem:
Kontynuuje się po reklamie
„Moja dziewczyna i ja robimy dużo szlaków! Podróżowaliśmy już praktycznie w San Francisco i chcemy opuścić miasto. Niedawno zrobiliśmy szlak Mount Tam i było to bardzo długie, więc szukaliśmy czegoś innego. Pod koniec spaceru lubimy widoki na morze i dobre opcje gastronomiczne. ”
Kontekstualizując żądanie, użytkownik pozwala AI dokładniej dostosowywać swoje sugestie, dzięki czemu doświadczenie użytkowania znacznie wydajniej.
Dlaczego ta struktura ma znaczenie?
Wiele osób wchodzi w interakcje z AI, co skutkuje ogólnymi i unikalnymi odpowiedziami. Wspólna propozycja Brockmana pokazuje, że przy prawidłowym podejściu modele językowe mogą oferować głębsze i bardziej spersonalizowane spostrzeżenia.
Kontynuuje się po reklamie
Ponadto struktura Hyaka jest wysoce dostosowawalna do różnych kontekstów, od badań akademickich po podejmowanie decyzji dotyczących biznesu i finansów.
