Nauðsynleg leiðarvísir um hvetjandi verkfræði í ChatGPT

Síðan hún var sett af stað SpjallGPT hefur verið að gera bylgjur á sviði gervigreindar og laðað að sér yfir 100 milljónir notenda á mettíma. Leyndarsósan við glæsilega frammistöðu og fjölhæfni ChatGPT er fólgin í list sem er lúmskur í forritun þess - snögga verkfræði.

DALL-E, MidJourney og StableDiffusion, sem var hleypt af stokkunum árið 2022, undirstrikuðu truflandi möguleika Generative AI. En það var Opna gervigreindChatGPT sem var sannarlega í aðalhlutverki síðar árið 2022. Og þessi skriðþungi sýndi engin merki um að hægja á sér.

Tilkynning Google um Bárð og Meta's Lamma 2  viðbrögð við ChatGPT OpenAI hafa aukið verulega skriðþunga gervigreindarkapphlaupsins. Með því að veita þessum líkönum inntak, erum við að leiðbeina hegðun þeirra og viðbrögðum. Þetta gerir okkur öll að vissu marki hvetjandi verkfræðinga. Tækniiðnaðurinn hefur tekið eftir því. Áhættufjárfestar eru að ausa fé í sprotafyrirtæki sem einbeita sér að skjótri verkfræði, eins og Vellum AI. Þar að auki, Forbes greinir frá því að hvetjandi verkfræðingar skipi laun yfir $300,000, til marks um blómlegan og verðmætan vinnumarkað.

Í þessari grein munum við afmáa heim skyndiverkfræðinnar í samhengi við ChatGPT. Við munum kanna kjarnareglur og tækni og skoða viðskiptaleg notkun þeirra.

Við skulum fyrst skilja hvernig ChatGPT virkar og lykilhlutverkið sem hvetjandi verkfræði gegnir í þessu ferli.

Vélfræðin á bak við ChatGPT Prompt Engineering

Leyndarsósan á bak við velgengni ChatGPT er hæfileiki þess til að skilja og líkja eftir blæbrigðum mannlegra samtala. Líkanið er þjálfað á fjölbreyttum nettexta, en það sem skiptir sköpum er að það þekkir ekki tiltekin skjöl eða heimildir í þjálfunarsettinu, sem tryggir alhæfingu yfir sérhæfni. Þessi þjálfunaraðferð gerir ChatGPT kleift að búa til skapandi viðbrögð, vafra um flóknar samræður og jafnvel sýna húmor. Hins vegar er mikilvægt að muna að ChatGPT skilur ekki raunverulega eða hefur trú; það býr til svör byggð á mynstrum sem það lærði á þjálfun.

Hæfni ChatGPT til að skilja og bregðast við mannamáli á blæbrigðaríkan og samhengisvitaðan hátt gerir þau að ótrúlega fjölhæfum verkfærum.

Aflfræði þessara líkana hvílir á hugtakinu „tákn“ — stakir hlutir af tungumáli sem geta verið allt frá einum staf til heils orðs. Þessar gerðir vinna með ákveðinn fjölda tákna í einu (4096 fyrir GPT-3.5-Turbo eða 8192 eða 32768 fyrir GPT-4), sem spáir fyrir um næstu röð líklegra tákna. Líkönin vinna úr táknunum með því að nota flókna línulega algebru og spá fyrir um líklegasta síðari táknið.

Til dæmis gæti einföld níu orða setning breyst í tíu tákn. Jafnvel eitt flókið orð gæti breyst í mörg tákn, sem hjálpar líkaninu að skilja betur og búa til tungumál. Jafnvel tungumálum með flókna orðabyggingu, eins og þýsku, er stjórnað með tákngerð.

GPT (Generative Pre-trained Transformer) líkön vinna með því að búa til einn tákn í einu, byrja á fyrsta tákninu og halda áfram upp í það síðasta. Eftir að hvert tákn hefur verið búið til endurskoðar líkanið alla röðina og vinnur hana aftur til að búa til næsta tákn. Þetta endurtekna ferli heldur áfram þar til endanlegt tákn er búið til, sem gerir textagerð svipaða stórri for-lykkju.

En hér er gripurinn - gæði þessara svara fer að miklu leyti eftir ábendingunum sem það fær. Rétt eins og að stýra samtali við manneskju, krefst það ákveðinnar kunnáttu og skilnings til að leiðbeina samræðum við ChatGPT. Það er þar sem skjót verkfræði kemur við sögu.

Hvað er prompt verkfræði?

Hraðverkfræði er listin að búa til nákvæmar, áhrifaríkar leiðbeiningar/inntak til að leiðbeina gervigreind (NLP/Vision) líkön eins og ChatGPT til að búa til hagkvæmustu, nákvæmustu, gagnlegustu og öruggustu úttakana.

Skjót verkfræði er ekki bara bundin við textagerð heldur hefur víðtæk forrit á AI léninu. Það er í auknum mæli notað á sviðum eins og vélmenni fyrir sjálfvirkni vélmenna, þrívíddareignir, forskriftir, vélmennaleiðbeiningar og aðrar tegundir af efni og stafrænum miðlum. Það veitir einstaka blöndu af rökfræði, kóðun, list og í vissum tilfellum, sérstökum breytingum.

Þó að tilkynning geti innihaldið texta, myndir eða aðrar tegundir inntaksgagna á náttúrulegu máli, getur framleiðslan verið mjög mismunandi eftir gervigreindarþjónustum og verkfærum. Sérhvert tól hefur sína sérstöku breytingar sem lýsa þyngd orða, stíla, sjónarhorna, útlits eða annarra eiginleika viðkomandi svars.

Þetta svið er nauðsynlegt til að búa til betri AI-knúna þjónustu og fá yfirburða niðurstöður frá núverandi kynslóð gervigreindarverkfærum. Fyrirtækjaframleiðendur, til dæmis, nota oft skjóta verkfræði til að sníða stór tungumálalíkön (LLM) eins og GPT-3 til að knýja viðskiptavin chatbot eða annast verkefni eins og að búa til sértæka samninga fyrir iðnaðinn.

Þetta endurtekna ferli tafarlausrar betrumbótar og mælingar á gervigreindum árangri er lykilatriði í því að gera gervigreindarlíkönum kleift að búa til mjög markviss, gagnleg svör í ýmsum samhengi.

Að verða fljótur verkfræðingur

Hæfni GPT-4 líkansins við að skilja flóknar leiðbeiningar og leysa flókin vandamál nákvæmlega gerir það að ómetanlegu úrræði. Hins vegar eru mismunandi aðferðir til að fá aðgang að möguleikum þessa líkans og skilningur á þeim getur skipt sköpum fyrir hlutverk verkfræðings við að hámarka bæði skilvirkni og hagkvæmni.

Það eru í meginatriðum tvær leiðir til að taka þátt í GPT gerðum eins og GPT-4. Ein leiðin er í gegnum API OpenAI, þar sem kostnaður er reiknaður fyrir hvert inntaks- og úttakstákn. Í þessari atburðarás getur kostnaður á 1K tákn sveiflast eftir samhengisstærð. Til dæmis, í stærra 32K samhengi, gæti kostnaðurinn farið upp í $0.06 fyrir inntaksmerki og $0.12 fyrir úttakstákn. Þannig að þegar mikið magn beiðna er meðhöndlað getur notkunarkostnaður fljótt safnast upp.

Að öðrum kosti starfar ChatGPT, sem nýtir GPT-4 líkanið, á áskriftargerð.

Annað lykilverkefni í skyndiverkfræði felur í sér stillingu líkanabreytu. Þetta ferli felur í sér að stilla breyturnar sem líkanið notar til að spá. Með því að fínstilla þessar færibreytur geta fljótir verkfræðingar bætt gæði og nákvæmni viðbragða líkansins, sem gerir þau mikilvægari og gagnlegri í samhengi.

Þrátt fyrir að margir fljótir verkfræðingar komi frá tæknilegum bakgrunni, gerir þverfaglegt eðli sviðsins það aðgengilegt fyrir einstaklinga með fjölbreyttan faglegan bakgrunn. Í auknum mæli nýta rithöfundar, vísindamenn og jafnvel listamenn einstaka hæfileika sína til að auka virkni gervigreindarlíkana. Þessi breyting endurspeglast líka á vinnumarkaði, þar sem vaxandi fjöldi fyrirtækja leitar að hraðvirkum verkfræðingum með fjölbreytt úrval af færni og bakgrunni.

Hröð hönnun og verkfræði í ChatGPT

Skjót hönnun og verkfræði gegna mikilvægu hlutverki við að hámarka frammistöðu tungumálalíkana og fela í sér meira en bara föndurspurningar; þær krefjast djúps skilnings á gervigreindarlíkaninu og mjög endurtekna og fágaða nálgun.

Hröð hönnun

Skjót hönnun, í grunninn, er listin og vísindin að búa til hina fullkomnu hvatningu fyrir tiltekið stórt tungumálalíkan (LLM), eins og ChatGPT, til að ná skýrt yfirlýstu markmiði. Það er blanda af:

• Skilningur á LLM: Mismunandi tungumálalíkön geta brugðist mismunandi við sömu leiðbeiningunum. Þar að auki geta ákveðin tungumálalíkön verið með einstök leitarorð eða kveikjur, sem þau túlka á ákveðinn hátt.
• Lénsþekking: Sérfræðiþekking á viðkomandi sviði skiptir sköpum við hönnun leiðbeininga. Til dæmis myndi það krefjast læknisfræðilegrar þekkingar til að búa til hvatningu til að álykta um læknisfræðilega greiningu.
• Ítrekuð nálgun og gæðamæling: Ferlið við að búa til hina fullkomnu vísbendingu felur oft í sér að prófa og villa. Þess vegna er mikilvægt að hafa leið til að meta úttaksgæði umfram huglægt mat, sérstaklega þegar hvetja er notuð í stærri skala.

Hraðvirkt verkfræði

Hraðverkfræði er útvíkkað svið skjótrar hönnunar sem felur í sér nokkra mikilvæga ferla:

• Hönnun hvetja á mælikvarða: Þetta ferli felur í sér hönnun á meta-kvaðningum (kvaðningum sem búa til aðrar hvatningar) og hvetja sniðmát, sem eru færibreytur hvetja sem hægt er að stofna á keyrslutíma.
• Verkfærahönnun og samþætting: Tilvitnanir geta stundum innihaldið niðurstöður frá utanaðkomandi verkfærum og það skiptir sköpum að samþætta þessi verkfæri óaðfinnanlega inn í kerfið.
• Verkflæði, áætlanagerð og hvetjandi stjórnun: Að koma upp LLM forriti, eins og spjallbotni, krefst oft stjórnunar á bókasöfnum, skipuleggja og velja réttu leiðbeiningarnar og samþætta ýmis verkfæri á skilvirkan hátt.
• Mat og gæðatrygging fyrirmæli: Þessi þáttur felur í sér að skilgreina mælikvarða og ferla til að meta fyrirmælin bæði sjálfkrafa og með mannlegri þátttöku.
• Hraðfínstilling: Kostnaður og leynd gervigreindar líkansins getur verið háð vali á gerðinni og lengd hvetjunnar (fjölda tákna).

Margar sjálfvirkar skyndihönnunaraðferðir, verkfæri og rammar hafa verið þróaðar til að stjórna leiðbeiningum í mælikvarða. Hins vegar er mikilvægt að skilja að ekkert af þessum verkfærum getur komið í stað blæbrigðaríks skilnings, dómgreindar og reynslu reyndra skyndiverkfræðings.

Skjót verkfræði: Tækni og bestu starfsvenjur

1) Hvetjandi staðsetning og lýsing

Að setja leiðbeiningar í upphafi hvetjunnar getur haft veruleg áhrif á skilning og viðbrögð gervigreindar. Íhugaðu það verkefni að draga saman texta í punktaformi. Minni árangursrík aðferð væri:

Notandi: Taktu saman textann hér að neðan sem punktalista yfir mikilvægustu atriðin.
{textainnsláttur hér}

Á hinn bóginn gæti skilvirkari tækni verið:

Notandi: Taktu saman textann hér að neðan sem punktalista yfir mikilvægustu atriðin.
Texti: """
{textainnsláttur hér}
„“ “

Með því að aðgreina leiðbeiningarnar og samhengið skýrt með táknum eins og ### eða „“, getur gervigreind líkanið skilgreint betur verkefni sitt og textann sem það þarf að vinna úr og þar með gefið nákvæmari og viðeigandi svör.

Í öðru lagi getur það að vera sérstakur, lýsandi og ítarlegur um samhengið, væntanleg útkoma, lengd, snið, stíll og svo framvegis aukið nákvæmni gervigreindarviðbragða verulega. Segjum sem svo að þú þurfir að búa til stutt yfirlit yfir vísindaritgerð í grípandi, leikmannsvænum stíl. Óljós leiðbeining eins og „Taktu saman vísindaritið“ myndi skila minna árangursríkum niðurstöðum samanborið við ákveðna, nákvæma vísbendingu:

Notandi: Búðu til stutta (u.þ.b. 200 orð), grípandi samantekt á eftirfarandi vísindaritgerð. Samantektin ætti að vera skiljanleg fyrir einhvern með engan vísindalegan bakgrunn, en endurspegla nákvæmlega lykilniðurstöður ritsins.
Pappír: """
{texti vísindarits hér}
„“ “

2) Persónumynstur

Persónumynstrið er stefna sem setur gervigreindina til að virka frá ákveðnu sjónarhorni, svo sem atvinnuhlutverki eða skáldskaparpersónu. Þessi aðferð gerir líkaninu kleift að veita úttak sem tengist sérstökum hlutverkum sem persónan myndi sinna. Til dæmis gæti maður fyrirskipað gervigreindinni að starfa sem netöryggissérfræðingur við endurskoðun kóðans. Þetta mynstur er sérstaklega gagnlegt þegar notendur þurfa aðstoð en eru ekki vissir um nákvæmar upplýsingar sem krafist er í úttakinu.

Tökum eftirfarandi sem dæmi:

Notandi: „Gefum okkur persónu háttsetts sagnfræðings sem sérhæfir sig í frönsku byltingunni. Í ljósi þessarar persónu, útskýrðu helstu atburði og ástæður sem leiddu til falls franska konungsveldisins.

Í þessari atburðarás er gert ráð fyrir að gervigreind bregðist við með ítarlegri greiningu á frönsku byltingunni, með áherslu á fall konungsveldisins, eins og sagnfræðingur myndi gera.

Kynnum nýjar upplýsingar

ChatGPT býr ekki yfir þekkingu umfram þjálfunarmörk þess, þess vegna getur það ekki veitt upplýsingar um nýlega atburði eða uppfærslur eftir þjálfun. Hins vegar geturðu kynnt nýjar upplýsingar fyrir líkaninu með leiðbeiningunum þínum.

Notandi: "Hvað er cryptocurrency?"
SpjallGPT: „Cryptocurrency er tegund stafræns eða sýndargjaldmiðils sem notar dulmál til öryggis. Þekktasta dulritunargjaldmiðillinn er Bitcoin.

Nú, ef við bætum aðeins meira samhengi við hvetninguna, getum við gert skýringuna enn leiðandi:

Notandi: „Útskýrðu hugtakið dulritunargjaldmiðil fyrir menntaskólanema sem stundar nám í stafrænum fjármálum“
ChatGPT: „Ímyndaðu þér að þú sért að spila tölvuleik á netinu og það er leikjapeningur sem þú getur fengið til að kaupa uppfærslur eða nýjar persónur. Cryptocurrency er svona, en í stað þess að vera takmarkaður við leikinn geturðu í raun notað það til að kaupa raunverulegar vörur og þjónustu. Þetta er eins og stafrænir peningar sem enginn banki eða ríkisstjórn ræður.“

3) Hvetjandi stærðartakmarkanir

Það er nauðsynlegt að skilja stærðartakmörkun ChatGPT þar sem það hefur bein áhrif á magn og tegund upplýsinga sem við getum lagt inn. Tungumálalíkön eru ekki smíðuð til að vinna úr ótakmörkuðum gögnum í einu. Þeir hafa eðlislæga takmörkun á stærð hvetjunnar sem við getum búið til og lagt inn. Þessi takmörkun hefur djúpstæð áhrif á hönnun og framkvæmd leiðbeininganna.

ChatGPT hefur takmörk fyrir tákn (almennt 2048 tákn), sem felur í sér bæði hvetjandi og myndað svar. Þetta þýðir að langar leiðbeiningar geta takmarkað lengd svarsins. Þess vegna er mikilvægt að hafa leiðbeiningar hnitmiðaðar en þó upplýsandi.

Í hagnýtri notkun verðum við að starfa sem ritstjórar og velja sértækustu upplýsingarnar fyrir verkefnið. Ímyndaðu þér að skrifa ritgerð eða grein með orða- eða blaðsíðutakmörkum - þú getur ekki bara varpað tilviljunarkenndum staðreyndum, heldur vandlega valið og skipulagt upplýsingar sem tengjast efninu.

Notandi: „Miðað við táknrænar takmarkanir líkansins skaltu draga saman helstu atburði síðari heimsstyrjaldarinnar í minna en 1000 orðum.

Með því að viðurkenna auðkennistakmarkanir líkansins beinir þessi hvetja gervigreindinni til að veita hnitmiðaða en yfirgripsmikla samantekt um seinni heimsstyrjöldina.

Biðja um endurtekna notkun: Í samtalsatburðarás er hægt að endurnýta boð eða betrumbæta þær út frá fyrri svörum. Þetta gefur samtalsflæði og viðheldur samhengi í samskiptum.

4) Spurningahreinsunarmynstur

ChatGPT getur einnig hjálpað til við að betrumbæta spurningar þínar. Til dæmis, ef þú spyrð spurningar, getur það stungið upp á betur mótaðri spurningu til að fá nákvæmari niðurstöður.

Spurningahreinsunarmynstrið felur í sér að LLM fínpússar spurningarnar sem notandinn spyr. Það er sérstaklega gagnlegt þegar notendur eru ekki sérfræðingar á léni eða eru ekki vissir um hvernig eigi að orða spurninguna sína.

Dæmi um boð gæti litið svona út:

Notandi: „Þegar ég spyr spurningar um gagnafræði, stingdu upp á fágaðri spurningu með hliðsjón af tölfræðilegri greiningu og spyrðu hvort ég vilji halda áfram með fágaðri spurningu.

Hér er gert ráð fyrir að gervigreindin betrumbæti almennar gagnavísindaspurningar notandans í ítarlegri spurningar sem taka til hliðar tölfræðilegrar greiningar.

5) Cognitive Verifier Pattern

The Cognitive Verifier Pattern sundrar flóknum spurningum í smærri, viðráðanlegar undirspurningar. Svörin við þessum undirspurningum eru síðan sameinuð til að gefa heildstætt svar við aðalspurningunni. Þessi nálgun er gagnleg þegar fyrstu spurningar eru of háar eða þegar frekari skýrleika er þörf til að veita fullkomið svar.

Til dæmis:

Notandi: „Ef ég spyr spurningar um loftslagsbreytingar, skiptu henni niður í þrjár minni spurningar sem myndu hjálpa þér að gefa nákvæmara svar. Sameina svörin við þessum undirspurningum til að gefa endanlegt svar.“

Í þessari atburðarás mun gervigreindin sundra flóknu spurningunni um loftslagsbreytingar í þrjár viðráðanlegar undirspurningar. Eftir að hafa fengið svör við þessum undirspurningum mun gervigreindin sameina þau til að veita ítarlegri og nákvæmari svörun.

Þetta mynstur felur í sér að búa til margar spurningar til að fá nákvæmara endanlegt svar. Það er ferli sannprófunar og sameiningar upplýsinga fyrir öfluga lokaútgáfu

6) Fáein skot hvetjandi nálgun

Fáein skot er öflug nálgun til að kenna gervigreindum líkönum að fylgja sérstökum mynstrum eða framkvæma verkefni. Hugmyndin er að fæða líkanið með fjölda dæma áður en spurt er spurningarinnar sem óskað er eftir. Þetta hjálpar til við að stilla æskilega hegðun og leiðbeina svörum líkansins.

Íhugaðu atburðarás þar sem notandi er að reyna að semja hnitmiðað, sannfærandi markaðseintak fyrir nýja tæknigræju:

Notandi: „Hér eru nokkur dæmi um tæknilega markaðssetningu: 'Upplifðu tónlist sem aldrei fyrr með nýjustu þráðlausu heyrnartólunum okkar.' 'Fangaðu heiminn þinn í töfrandi 4K með ofurfljótu hasarmyndavélinni okkar.' Í ljósi þessara dæma, gerðu drög að markaðseintaki fyrir nýja gervigreindarknúna snjallúrið okkar.

SpjallGPT: „Efldu lífsstílinn þinn með gervigreindarknúnu snjallúrinu okkar, félaga þínum fyrir heilsu, tengingar og framleiðni. Það merkilega við fá-skot nám er að það þarf ekki nákvæma lýsingu á því hvernig á að framkvæma verkefnið. Þess í stað þarf það sýnikennslu á því sem verið er að gera, sem getur gert það að góðu að passa fyrir mörg forrit.

Ennfremur nær þessi tækni út fyrir einfalda inntak-úttakpörun. Einnig er hægt að kenna líkaninu að höndla milliþrep til að ná markmiði.

7) Hugsunarkeðja

Í nýlegri rannsóknarritgerð sinni, „Hugsunarkeðja kallar fram rökhugsun í stórum tungumálalíkönum“ Höfundar Jason Wei og teymi miða að því að örva rökhugsun innan stórra tungumálalíkana. Frekar en að nota hefðbundnar, beinar leiðbeiningar, notar teymið sér röð samtengdra leiðbeininga, sem myndar „keðju-af-hugsun“.

Til dæmis gæti notandi haft áhuga á hugsanlegum áhrifum gervigreindar á vinnumarkaði:

Notandi: "Gætirðu útskýrt í stuttu máli hugtakið gervigreind?"

SpjallGPT: „Gervigreind, eða gervigreind, vísar til getu vélar til að líkja eftir vitrænni mannlegri hegðun. Þetta snýst um að hanna vélar sem geta hugsað og lært eins og menn, sem gerir þeim kleift að sinna verkefnum eins og tungumálaþýðingum, ákvarðanatöku og vandamálalausnum, meðal annars.“

Notandi: "Hvernig hefur gervigreind áhrif á núverandi vinnumarkað?"

SpjallGPT: „AI er bæði að skapa ný störf og breyta eðli þeirra sem fyrir eru. Annars vegar gerir það sjálfvirkt venjubundið verkefni, sem leiðir til tilfærslu starfa í ákveðnum geirum. Á hinn bóginn er það að skapa eftirspurn eftir hlutverkum sem voru ekki til áður, svo sem siðfræðifulltrúar gervigreindar, gagnafræðinga og vélanámsverkfræðinga. Að auki getur gervigreind aukið hlutverk manna og gert fólki kleift að sinna verkefnum á skilvirkari og nákvæmari hátt.

Hugsunarkeðja fylgir framvindu tengdra ábendinga, viðheldur „samtal“ við líkanið sem leiðir það í átt að nákvæmari og samhengislega viðeigandi svörum.

Að skilja ChatGPT API og hvetja verkfræði frá sjónarhóli þróunaraðila

Frá sjónarhóli þróunaraðila eða rannsakanda er skyndiverkfræði flóknara ferli. Það felur í sér hönnun reiknirita og tækni til að hjálpa gervigreindarlíkaninu að skilja og bregðast við leiðbeiningum á skilvirkari hátt. Þetta gæti falið í sér aðferðir til að meðhöndla óljósar ábendingar, bera kennsl á samhengi boðanna eða hlekkja ábendingar saman til að örva flóknari hugsunarferli í gervigreindinni

Í myndinni hér að ofan hefur notandi samskipti við spjallviðmót, knúið af GPT-4. Inntak þeirra er aukið fyrir skýrleika og samhengi í samhengi með sérhæfðri einingu áður en það er gefið til gervigreindarlíkansins. Hlutverk þessarar einingar er að betrumbæta og auka inntak notandans til að skilja betur en viðhalda samhengi samtalsins. Viðbrögð gervigreindar, sem eru unnin á grundvelli fágaðrar leiðbeiningar, er skilað til notandans í gegnum spjallviðmótið. Samskiptaferillinn er uppfærður stöðugt og viðheldur samtalssamhenginu. Á heildina litið sýnir þessi skýringarmynd kraftmikið samtalsflæði notenda og gervigreindar sem er virkt með skjótum verkfræðitækni.

The ChatGPT API viðmótið er hannað með ýmsum ofurbreytum sem gera notendum kleift að betrumbæta viðbrögð gervigreindar við leiðbeiningum, sem gerir þær skilvirkari og fjölhæfari. Þetta felur í sér færibreyturnar hitastig, hámarkslengd og stöðvunarröð. Við skulum kanna hvernig þau virka og hægt er að nýta þau í mismunandi samhengi.

1) Hitastig

Hitastigsbreytan hefur áhrif á tilviljun í svörum gervigreindar. Hærra hitastig, eins og 1.0, hvetur til meira tilviljunarkenndar framleiðsla, sem leiðir til fjölbreyttra en hugsanlega utan við efnið. Aftur á móti, lægra hitastig, eins og 0.2, hvetur gervigreindina til að velja ákvarðanari svör, sem geta verið gagnleg fyrir einbeittar og sértækar úttaks en gæti vantað fjölbreytni.

Dæmi: Ef þú ert að skrifa skapandi sögu og vilt ófyrirsjáanlega, hugmyndaríka þætti, stilltu hitastigið á hærra gildi. Tilvitnun gæti verið: „Skrifaðu stutta sögu um kött sem ferðast um tíma. Með háum hita gætirðu fengið villta, frábæra sögu með ófyrirsjáanlegum flækjum og beygjum.

2) Hámarkslengd

Þessi færibreyta stjórnar hámarkslengd tákns úttaks líkansins, sem inniheldur bæði táknin í skilaboðainntakinu og skilaboðaúttakinu. Með því að setja hærri mörk er hægt að fá lengri svörun en lægri mörk halda úttakinu stuttu og hnitmiðuðu.

Dæmi: Fyrir stutt svör við spurningum eins og: „Hver ​​vann Nóbelsverðlaunin í bókmenntum árið 2020? þú gætir viljað stilla hámarkslengdina á lágt gildi og tryggja að svarið sé hnitmiðað og beint.

3) Stöðva Sequences

Stoppraðir eru sérstakar textastrengir þar sem, þegar líkanið rekst á þær, hættir það að búa til frekari úttak. Þessi eiginleiki getur verið gagnlegur til að stjórna lengd úttaksins eða leiðbeina líkaninu um að stoppa við rökrétta endapunkta.

Dæmi: Fyrir formlegt bréf gætirðu notað „Með kveðju“ sem stöðvunarröð til að tryggja að gervigreind myndi ekki neinn viðbótartexta umfram rétta endi bréfsins.

4) Efsta P

„Top P“ færibreytan, einnig þekkt sem kjarnasýni, er aðferð sem veitir kraftmikið val á fjölda orða sem tekin eru til skoðunar í hverju skrefi spár líkansins. Lægra gildi, eins og 0.5, leiðir til öruggari, markvissari úttaks. Hærra gildi, eins og 0.9, felur í sér víðtækara úrval orða, sem leiðir til fjölbreyttari úttaks.

Dæmi: Ef þú ert að búa til gervigreind til að skrifa ljóð og vilt að hún noti mikið úrval af orðaforða og stíllegum orðasamböndum gætirðu stillt 'Top P' á hærra gildi. Tilvitnun gæti verið: "Semdu ljóð um fegurð haustsins."

5) Tíðni refsing

Tíðni refsing stjórnar hversu mikið líkanið ætti að hlynna sjaldnar orðum. Hærri refsing (allt að 1) hvetur líkanið til að nota algengari orð, en lægra gildi (allt að -1) hvetur líkanið til að nota algengari orð.

Dæmi: Ef þú ert að reyna að búa til viðskiptatillögu og vilt forðast hrognamál gætirðu stillt tíðniviðurlögin á lægra gildi til að hafa tungumálið skýrt og aðgengilegt.

6) Viðveruvíti

Viðveruvíti færibreytan hefur áhrif á hversu mikið líkaninu er refsað fyrir að búa til nýjar hugmyndir eða efni sem voru ekki til staðar í samtalssögunni. Hærri gildi hvetja líkanið til að halda sig við þau efni sem þegar hafa verið nefnd, á meðan lægri gildi gera líkaninu kleift að kynna ný hugtök á frjálsari hátt.

Dæmi: Fyrir hugarflugslotur gætirðu stillt viðverurefsingu á lægra gildi til að hvetja til fjölbreyttrar hugmynda. Þú gætir notað leiðbeiningar eins og, "Búaðu til nýstárlegar markaðsaðferðir fyrir fræðsluvettvang á netinu."

Iðnaður umsókn um hvetja verkfræði