Μοντέλα και πλατφόρμες AI

Από το Prompt Engineering στο Intent Engineering: Η Εξέλιξη της Επικοινωνίας Ανθρώπου-Υπολογιστή

mm
Προσθέστε το Unite.AI στις προτιμώμενες πηγές σας στο Google

Για τα τελευταία χρόνια, το prompt engineering έχει γίνει μια από τις πιο σημαντικές δεξιότητες στην εποχή του AI. Δημιουργήθηκαν μαθήματα γύρω από αυτό. Δημιουργήθηκαν τίτλοι εργασίας για αυτό. Ολόκληρες κοινότητες σχηματίστηκαν για να μοιράζονται συμβουλές σχετικά με τον τρόπο δημιουργίας της τέλειας πρότασης που θα έκανε ένα μοντέλο γλώσσας να κάνει ακριβώς αυτό που θέλατε. Ένας βασικός λόγος πίσω από τη δημοτικότητα του prompt engineering είναι ότι: το AI είναι ισχυρό, αλλά επίσης κυριολεκτικό. Έπρεπε να μάθετε τη γλώσσα του πριν να μπορεί να σας βοηθήσει. Αυτή η λογική είχε νόημα εκείνη την εποχή. Αλλά αρχίζει να καταρρέει.

Όταν τα μοντέλα AI γίνονται πιο ικανά, το βάρος της επικοινωνίας μεταφέρεται. Το ερώτημα δεν είναι πλέον μόνο “πώς να εκφράσω αυτό σωστά;” Γίνεται “πώς να βεβαιωθώ ότι το AI πραγματικά καταλαβαίνει τι προσπαθώ να επιτύχω;” Αυτό είναι ένα βαθύτερο ερώτημα. Και σημείο προς την εμφάνιση ενός νέου πεδίου που ονομάζεται intent engineering.

Τι Ήταν το Prompt Engineering Στην Πραγματικότητα

Για να κατανοήσουμε πού πηγαίνουμε, βοηθά να κατανοήσουμε τι ήταν το prompt engineering στην πραγματικότητα. Στο κέντρο του, ήταν ένα γύρο. Τα πρώτα μοντέλα γλώσσας ήταν ισχυρά αλλά εύθραυστα. Απαντούσαν καλά σε συγκεκριμένα μοτίβα και κακώς σε αμφίβολες περιπτώσεις. Έτσι, οι χρήστες έμαθαν αυτά τα μοτίβα. Ανακάλυψαν ότι ζητώντας από ένα μοντέλο να “σκέφτεται βήμα προς βήμα” βελτίωνε την εύνοια. Έμαθαν ότι η παροχή παραδειγμάτων έκανε τις εξόδους πιο συνεπείς. Καταλάβανε ότι η ανάθεση ενός ρόλου στο μοντέλο, όπως “να ενεργεί ως εμπειρός μηχανικός λογισμικού”, άλλαζε τον τόνο και την ποιότητα των απαντήσεών του. Ενώ αυτές οι εντυπώσεις βελτίωσαν πραγματικά τα αποτελέσματα, απαιτούσαν από τους ανθρώπους να προσαρμοστούν στην μηχανή. Οι άνθρωποι έμαθαν να μιλάνε με έναν τρόπο που ταιριάζει στην αρχιτεκτονική του μοντέλου αντί για τον φυσικό τρόπο σκέψης τους.

Αυτό δεν είναι πώς λειτουργεί μια καλή επικοινωνία μεταξύ έξυπνων πραγμάτων. Όταν εξηγείτε ένα πρόβλημα σε ένα εξειδικευμένο συνεργάτη, δεν σκέφτεστε πρώτα τη στρατηγική εκφράσεως που θα ενεργοποιήσει περισσότερο τους νευρώνες του. Εξηγείτε την κατάσταση. Καταλαβαίνει το контέκστ. Ρωτάει διευκρινιστικές ερωτήσεις αν χρειάζεται. Και εργάζεται για αυτό που πραγματικά θέλετε. Η τέχνη του prompt engineering, για όλη της την αξία, ήταν πάντα μια ανταπόκριση σε ένα κενό που καλύπτει το καλύτερο AI.

Τα Όρια Που Έκαναν το Prompt Engineering Αναγκαίο

Ο λόγος για τον οποίο το prompt engineering έγινε τόσο σημαντικό δεν ήταν μόνο ότι τα μοντέλα ήταν ατελή. Ήταν ότι τα μοντέλα δεν είχαν κανένα πραγματικό μοντέλο του χρήστη. Επεξεργάζονταν κείμενο και επέστρεφαν κείμενο. Δεν είχαν καμία μόνιμη κατανόηση του ποιος είσαι, τι προσπαθείς να κτίσεις, ή τι σημαίνει “καλό” στην συγκεκριμένη σου περίπτωση.

Αυτό δημιούργησε μια περίεργη κατάσταση. Μπορούσες να ζητήσεις την ίδια ερώτηση και να λάβεις πολύ διαφορετικά αποτελέσματα ανάλογα με τον τρόπο που την εκφράζεις. Μπορούσες να ξοδέψεις είκοσι λεπτά για να τροποποιήσεις μια πρόταση και ξαφνικά να απελευθερώσεις μια απάντηση που ήταν πιο χρήσιμη από οτιδήποτε είχες λάβει πριν. Η πρόταση δεν ήταν μόνο μια είσοδος. Ήταν ένα κλειδί, και η εύρεση του σωστού κλειδιού απαιτούσε δεξιότητα, υπομονή και đôiες φορές τύχη.

Αυτό επίσης σήμαινε ότι η ποιότητα της εξόδου σου ήταν συχνά πιο εξαρτημένη από τη δεξιότητά σου στο prompt engineering παρά από την πραγματική σου γνώση του domaine. Ένας γιατρός που ήταν επίσης ένας εξειδικευμένος μηχανικός prompt θα μπορούσε να εξάγει καλύτερη ιατρική εύνοια από ένα μοντέλο παρά ένας πιο γνώστης γιατρός που δεν γνώριζε τα μοτίβα. Αυτό είναι μια περίεργη αναστροφή της αξίας. Υποδηλώνει ότι το σύστημα ήταν βελτιστοποιημένο για το λάθος πράγμα.

Τι Αλλάζει το Intent Engineering

Το intent engineering σχεδιάζεται για να αντιμετωπίσει ένα διαφορετικό σύνολο υποκειμένων. Αντί να ζητάς πώς να εκφράσεις μια αίτηση ώστε ένα μοντέλο να απαντήσει καλά, ζητάς πώς να επικοινωνήσεις αυτό που πραγματικά θέλεις, σε κάθε επίπεδο, ώστε το μοντέλο να μπορεί να συλλογιστεί προς το σωστό αποτέλεσμα με δική του πρωτοβουλία.

Αυτό περιλαμβάνει πολλά πράγματα που το prompt engineering δεν είναι εξοπλισμένο να αντιμετωπίσει. Περιλαμβάνει να δώσεις στα συστήματα AI αρκετό контέκστ για τους στόχους σου, τους περιορισμούς σου και τα πρότυπά σου, ώστε να possono να λάβουν καλές αποφάσεις χωρίς να σου ζητήσουν κάθε βήμα. Περιλαμβάνει τη δημιουργία μιας κοινής κατανόησης αντί να δίνεις ακριβείς οδηγίες. Και περιλαμβάνει την κατασκευή συστημάτων όπου το AI μπορεί να ζητήσει τις σωστές ερωτήσεις αντί να περιμένει να του πεις τις σωστές απαντήσεις.

Ηδη βλέπουμε αυτό στην πράξη. Τα σύγχρονα συστήματα AI υποστηρίζουν ολοένα και περισσότερο τη μόνιμη μνήμη, τα προφίλ χρηστών και το συνεχές контέκστ. Όταν ένα μοντέλο γνωρίζει ότι είσαι ένας διαχειριστής προϊόντων που εργάζεται σε μια εφαρμογή υγείας με συγκεκριμένους περιορισμούς, οι αιτήσεις σου φέρουν αυτόματα ένα πλουσιότερο νόημα. Δεν χρειάζεται να ξαναχτίσεις το контέκστ από την αρχή κάθε φορά. Το μοντέλο ήδη καταλαβαίνει το контέκστ που εργάζεσαι.

Αυτό είναι μια θεμελιώδης αλλαγή. Το prompt engineering αντιμετώπιζε κάθε αλληλεπίδραση ως απομονωμένη. Το intent engineering αντιμετωπίζει την επικοινωνία ως συσσωρευτική. Το μοντέλο δεν επεξεργάζεται πλέον μόνο μια seule είσοδο. Ακολουθεί μια συνεχής συζήτηση σχετικά με αυτό που προσπαθείς να επιτύχεις και γιατί.

Ο Ρόλος του Πλουσιότερου Κοντέκστ και του Συλλογισμού

Μια άλλη διάσταση του intent engineering περιλαμβάνει τον τρόπο με τον οποίο τα σύγχρονα μοντέλα αντιμετωπίζουν την αμφιгуότητα. Ένα καλά εκπαιδευμένο μοντέλο σήμερα δεν απαντά μόνο με το πιο πιθανό συμπλήρωμα της πρότασής σου. Συλλογίζεται σχετικά με αυτό που πιθανότατα εννοείς, σημαδεύει τις υποθέσεις που κάνει και σε πολλές περιπτώσεις ζητά διευκρινίσεις πριν προχωρήσει.

Αυτό έχει σημασία γιατί η ανθρώπινη επικοινωνία είναι εγγενώς αμφίβολη. Όταν κάποιος ζητά “μπορείς να με βοηθήσεις να γράψω κάτι για τον αφεντικό μου”, μπορεί να σημαίνει μια αξιολόγηση απόδοσης, ένα email απολογίας, μια πρόταση έργου, ή μια επιστολή παραίτησης. Ένα σύστημα που είναι βελτιστοποιημένο για το prompt engineering θα προσπαθήσει να συναγάγει από τις ακριβείς λέξεις. Ένα σύστημα που είναι βελτιστοποιημένο για το intent engineering θα αναγνωρίσει την αμφιγουότητα και θα την αντιμετωπίσει με ευφυία, είτε ζητώντας είτε παράγοντας κάτι που αναγνωρίζει πολλές πιθανές ερμηνείες.

Η ικανότητα συλλογισμού κατά την εκτέλεση, η οποία είναι η ικανότητα ενός μοντέλου να σκέφτεται ένα πρόβλημα πριν απαντήσει, παίζει επίσης ρόλο εδώ. Τα μοντέλα που συλλογίζονται πριν απαντήσουν είναι καλύτερα στο να πιάνουν τις περιπτώσεις όπου η κυριολεκτική αίτηση συγκρούεται με την υποκείμενη πρόθεση. Μπορούν να παρατηρήσουν όταν ζήτησες το X αλλά αυτό που πιθανότατα χρειάζεσαι είναι το Y, και μπορούν να επιφέρουν αυτή την παρατήρηση αντί να εκπληρώνουν σιωπηλά μια αίτηση που δεν θα σου εξυπηρετήσει πραγματικά.

Μια Νέα Είδος Δεξιότητας

Αυτή η εξέλιξη δεν καθιστά τις ανθρώπινες δεξιότητες επικοινωνίας άσχετες. Αλλάζει τι αυτές οι δεξιότητες μοιάζουν. Ο άνθρωπος που ευδοκιμεί σε ένα κόσμο του intent engineering δεν είναι εκείνος που έχει απομνημονεύσει τα καλύτερα πρότυπα prompt. Είναι ο άνθρωπος που μπορεί να εκφράσει σαφώς τι προσπαθεί να επιτύχει, να επικοινωνήσει τους περιορισμούς και το контέκστ που έχουν σημασία, και να αναγνωρίσει όταν η έξοδος του AI εξυπηρετεί τον πραγματικό στόχο αντί για την εκφρασμένη.

Σε πολλές περιπτώσεις, αυτές είναι παλαιότερες δεξιότητες. Είναι οι δεξιότητες ενός καλού διευθυντή, ενός καλού δασκάλου, ή ενός καλού συνεργάτη. Η ικανότητα να μεταφέρετε την πρόθεση σαφώς, να εξηγήσετε όχι μόνο τι θέλετε αλλά και γιατί το θέλετε, έχει πάντα ήταν ένα σημάδι αποτελεσματικής επικοινωνίας. Τι είναι καινούριο είναι ότι τα συστήματα AI είναι τώρα αρκετά εξελιγμένα για να ανταποκριθούν σε αυτό είδος επικοινωνίας.

Η ενδιαφέρουσα επέκταση είναι ότι καθώς το AI βελτιώνεται, η διεπαφή μεταξύ ανθρώπων και μηχανών θα αρχίσει να μοιάζει λιγότερο με προγραμματισμό και περισσότερο με συνεργασία. Δεν θα χρειάζεται να μηχανεύεσαι την τέλεια είσοδο. Θα πρέπει να είσαι ένας σαφής και στόχος επικοινωνιολόγος.

Τι Αυτό Σημαίνει για τον Τρόπο με τον Οποίο Κτίζουμε τα Συστήματα AI

Αυτή η αλλαγή έχει επίσης συνέπειες για τον τρόπο με τον οποίο τα συστήματα AI πρέπει να σχεδιαστούν. Ένα παράδειγμα του prompt engineering ενθαρρύνει να κτίσεις συστήματα που είναι πολύ ανταποκρτικά σε ακριβείς εισόδους. Ένα παράδειγμα του intent engineering ενθαρρύνει να κτίσεις συστήματα που είναι καλά στο να συναγούν, να ζητούν, να προσαρμόζονται και να διαρκούν.

Αυτό σημαίνει επένδυση σε αρχιτεκτονικές μνήμης που επιτρέπουν στα μοντέλα να μεταφέρουν σημαντικό контέκστ σε διάφορες συνεδρίες. Σημαίνει να κτίζεις μοντέλα που γνωρίζουν πότε δεν έχουν αρκετές πληροφορίες για να ενεργήσουν καλά και μπορούν να το πουν. Σημαίνει να δημιουργείς διεπαφές όπου οι χρήστες επικοινωνούν στόχους αντί για εντολές, και όπου το AI συμπεριφέρεται σαν συνεργάτης στο να βρει τον τρόπο να φτάσει σε αυτούς τους στόχους.

Αυτό επίσης σημαίνει να ξανασκέφτεσαι την αξιολόγηση. Τώρα, συχνά μετράμε πόσο καλά ένα μοντέλο εκτελεί συγκεκριμένες οδηγίες. Σε ένα κόσμο του intent engineering, το καλύτερο μέτρο είναι πόσο καλά ένα μοντέλο εξυπηρετεί την υποκείμενη πρόθεση πίσω από αυτές τις οδηγίες, ακόμη και όταν οι οδηγίες ήταν ακατάλληλες.

Η Κύρια Ιδέα

Το prompt engineering αντιμετώπισε το AI ως ένα ισχυρό αλλά βλάκα εργαλείο που χρειαζόταν προσεκτική διαχείριση. Το intent engineering αντιμετωπίζει το AI ως κάτι που μοιάζει με ένα έξυπνο συνεργάτη που μπορεί να καταλάβει το контέκστ, να συλλογιστεί τους στόχους και να αντιμετωπίσει την αμφιγουότητα. Αυτή η αλλαγή αντανακλά μια αλλαγή σε αυτό που νοίζουμε ότι είναι το AI. Όχι μια μηχανή που εκτελεί τις ακριβείς λέξεις σου. Αλλά ένα σύστημα που σας βοηθά να επιτύχετε αυτό που πραγματικά σας ενδιαφέρει. Η αλλαγή σηματοδοτεί ότι το μέλλον της αλληλεπίδρασης ανθρώπου-ΑI δεν θα είναι για το να μαθαίνεις έξυπνες φράσεις. Θα είναι για να εκφράζεις σαφώς τους στόχους, τους περιορισμούς και την πρόθεση σου αρκετά καλά για το AI να συνεργαστεί αντί να συμμορφώνεται μόνο.

Ο Δρ Tehseen Zia είναι Καθηγητής στο COMSATS University Islamabad, κατέχοντας διδακτορικό τίτλο στη τεχνητή νοημοσύνη από το Τεχνικό Πανεπιστήμιο της Βιέννης, Αυστρία. Ειδικεύεται στην Τεχνητή Νοημοσύνη, τον Αυτόματο Μάθηση, την Επιστήμη Δεδομένων και την Υπολογιστική Όραση, έχει κάνει σημαντικές συνεισφορές με δημοσιεύσεις σε αξιόπιστες επιστημονικές περιοδικά. Ο Δρ Tehseen έχει επίσης ηγηθεί διαφόρων βιομηχανικών έργων ως ο Principal Investigator και έχει υπηρετήσει ως Σύμβουλος Τεχνητής Νοημοσύνης.