ChatGPT இல் உடனடி பொறியியலுக்கான அத்தியாவசிய வழிகாட்டி

தொடங்கப்பட்டதிலிருந்து, அரட்டை GPT AI கோளத்தில் அலைகளை உருவாக்கி, சாதனை நேரத்தில் 100 மில்லியன் பயனர்களை ஈர்த்து வருகிறது. ChatGPT இன் ஈர்க்கக்கூடிய செயல்திறன் மற்றும் பன்முகத்தன்மைக்கான ரகசிய சாஸ் அதன் நிரலாக்கத்தில் நுட்பமாக உள்ள ஒரு கலையில் உள்ளது - உடனடி பொறியியல்.

2022 இல் தொடங்கப்பட்டது, DALL-E, MidJourney மற்றும் StableDiffusion ஆகியவை ஜெனரேட்டிவ் AI இன் சீர்குலைக்கும் திறனை அடிக்கோடிட்டுக் காட்டுகின்றன. ஆனால் அது இருந்தது AI ஐத் திறக்கவும்இன் ChatGPT ஆனது 2022 இல் உண்மையிலேயே முக்கிய இடத்தைப் பிடித்தது. மேலும் இந்த வேகம் குறைவதற்கான அறிகுறிகளைக் காட்டவில்லை.

பார்டின் கூகுளின் அறிவிப்பு மற்றும் மெட்டாவின் லாம்மா 2  OpenAI இன் ChatGPTக்கான பதில் AI பந்தயத்தின் வேகத்தை கணிசமாக பெருக்கியுள்ளது. இந்த மாதிரிகளை உள்ளீடுகளுடன் வழங்குவதன் மூலம், அவற்றின் நடத்தை மற்றும் பதில்களை நாங்கள் வழிகாட்டுகிறோம். இது நம் அனைவரையும் ஒரு குறிப்பிட்ட அளவிற்கு பொறியாளர்களாக ஆக்குகிறது. தொழில்நுட்ப துறை கவனித்துள்ளது. வென்ச்சர் கேபிடலிஸ்டுகள், உடனடி பொறியியலில் கவனம் செலுத்தி ஸ்டார்ட்அப்களுக்கு நிதியை வாரி வழங்குகிறார்கள் வெல்லம் AI. மேலும், பொறியியலாளர்கள் கட்டளையிடுமாறு ஃபோர்ப்ஸ் தெரிவிக்கிறது $300,000க்கு மேல் சம்பளம், செழிப்பான மற்றும் மதிப்புமிக்க வேலை சந்தையின் அடையாளம்.

இந்தக் கட்டுரையில், ChatGPTயின் சூழலில், உடனடி பொறியியல் உலகத்தை நாங்கள் குறைத்து மதிப்பிடுவோம். முக்கிய கோட்பாடுகள் மற்றும் நுட்பங்களை ஆராய்வோம், அவற்றின் வணிக பயன்பாடுகளை ஆராய்வோம்.

இந்த செயல்பாட்டில் ChatGPT எவ்வாறு செயல்படுகிறது மற்றும் முக்கிய பங்கு ப்ராம்ட் இன்ஜினியரிங் எவ்வாறு செயல்படுகிறது என்பதை முதலில் புரிந்துகொள்வோம்.

ChatGPT ப்ராம்ட் இன்ஜினியரிங் பின்னால் உள்ள இயக்கவியல்

ChatGPT இன் வெற்றியின் பின்னணியில் உள்ள ரகசிய சாஸ் மனித உரையாடலின் நுணுக்கங்களைப் புரிந்துகொண்டு அதைப் பிரதிபலிக்கும் திறன் ஆகும். இந்த மாதிரியானது பலதரப்பட்ட இணைய உரையில் பயிற்றுவிக்கப்படுகிறது, ஆனால் முக்கியமாக, அதன் பயிற்சித் தொகுப்பில் குறிப்பிட்ட ஆவணங்கள் அல்லது ஆதாரங்களை அறியாது, குறிப்பிட்ட தன்மைக்கு மேல் பொதுமைப்படுத்தலை உறுதி செய்கிறது. இந்த பயிற்சி அணுகுமுறை ChatGPT ஆக்கப்பூர்வமான பதில்களை உருவாக்கவும், சிக்கலான உரையாடல்களை வழிநடத்தவும் மற்றும் நகைச்சுவை உணர்வை வெளிப்படுத்தவும் அனுமதிக்கிறது. இருப்பினும், ChatGPT உண்மையில் புரிந்து கொள்ளவில்லை அல்லது நம்பிக்கைகளைக் கொண்டிருக்கவில்லை என்பதை நினைவில் கொள்வது அவசியம்; அது பயிற்சியின் போது கற்றுக்கொண்ட வடிவங்களின் அடிப்படையில் பதில்களை உருவாக்குகிறது.

மனித மொழியை நுணுக்கமான மற்றும் சூழல்-விழிப்புடன் புரிந்துகொள்ளவும் பதிலளிக்கவும் ChatGPT இன் திறன் அவர்களை நம்பமுடியாத பல்துறை கருவிகளாக ஆக்குகிறது.

இந்த மாதிரிகளின் இயக்கவியல் 'டோக்கன்கள்' என்ற கருத்தின் மீது தங்கியுள்ளது—ஒரு எழுத்து முதல் முழு வார்த்தை வரையிலான மொழியின் தனித்தனி பகுதிகள். இந்த மாதிரிகள் ஒரு நேரத்தில் குறிப்பிட்ட எண்ணிக்கையிலான டோக்கன்களுடன் (GPT-4096-Turbo க்கு 3.5 அல்லது GPT-8192 க்கு 32768 அல்லது 4) வேலை செய்யும், இது சாத்தியமான டோக்கன்களின் அடுத்த வரிசையை முன்னறிவிக்கிறது. மாதிரிகள் சிக்கலான நேரியல் இயற்கணிதத்தைப் பயன்படுத்தி டோக்கன்களைச் செயலாக்குகின்றன, மேலும் சாத்தியமான அடுத்தடுத்த டோக்கனைக் கணிக்கின்றன.

உதாரணமாக, ஒரு எளிய ஒன்பது வார்த்தை வாக்கியம் பத்து டோக்கன்களாக மாறும். ஒரு சிக்கலான சொல் கூட பல டோக்கன்களாக மாறக்கூடும், இது மாதிரி மொழியை நன்கு புரிந்துகொள்ளவும் உருவாக்கவும் உதவுகிறது. ஜெர்மன் போன்ற சிக்கலான வார்த்தை அமைப்புகளைக் கொண்ட மொழிகள் கூட டோக்கனைசேஷன் மூலம் நிர்வகிக்கப்படுகின்றன.

GPT (ஜெனரேட்டிவ் ப்ரீ-ட்ரெய்ன்டு டிரான்ஸ்ஃபார்மர்) மாதிரிகள் ஒரு நேரத்தில் ஒரு டோக்கனை உருவாக்கி, முதல் டோக்கனில் தொடங்கி கடைசி வரை தொடர்கின்றன. ஒவ்வொரு டோக்கனையும் உருவாக்கிய பிறகு, மாடல் முழு வரிசையையும் மறுபரிசீலனை செய்து அடுத்த டோக்கனை உருவாக்க அதை மீண்டும் செயலாக்குகிறது. இறுதி டோக்கன் உருவாக்கப்படும் வரை இந்த மறுசெயல் செயல்முறை தொடர்கிறது, இது ஒரு பெரிய ஃபார்-லூப்பைப் போலவே உரையை உருவாக்குகிறது.

ஆனால் இங்கே கேட்ச் இருக்கிறது - இந்த பதில்களின் தரம் பெரும்பாலும் அது பெறும் தூண்டுதல்களைப் பொறுத்தது. ஒரு மனிதருடன் உரையாடலை வழிநடத்துவது போல, ChatGPT உடனான உரையாடலை வழிநடத்துவதற்கு ஒரு குறிப்பிட்ட அளவிலான திறமையும் புரிதலும் தேவை. அங்குதான் உடனடி பொறியியல் செயல்பாட்டுக்கு வருகிறது.

உடனடி பொறியியல் என்றால் என்ன?

ப்ராம்ட் இன்ஜினியரிங் என்பது துல்லியமான, பயனுள்ள தூண்டுதல்கள்/உள்ளீட்டை AIக்கு வழிகாட்டும் கலையாகும் (ஆணுக்கு/விஷன்) மிகவும் செலவு குறைந்த, துல்லியமான, பயனுள்ள மற்றும் பாதுகாப்பான வெளியீடுகளை உருவாக்குவதற்கு ChatGPT போன்ற மாதிரிகள்.

ப்ராம்ட் இன்ஜினியரிங் என்பது வெறும் உரை உருவாக்கத்துடன் மட்டும் நின்றுவிடாமல், AI டொமைன் முழுவதும் பரவலான பயன்பாடுகளைக் கொண்டுள்ளது. ரோபோடிக் செயல்முறை ஆட்டோமேஷன் போட்கள், 3D சொத்துக்கள், ஸ்கிரிப்டுகள், ரோபோ வழிமுறைகள் மற்றும் பிற வகையான உள்ளடக்கம் மற்றும் டிஜிட்டல் மீடியா போன்ற பகுதிகளில் இது அதிகளவில் பயன்படுத்தப்படுகிறது. இது தர்க்கம், குறியீட்டு முறை, கலை மற்றும் சில சந்தர்ப்பங்களில், சிறப்பு மாற்றிகள் ஆகியவற்றின் தனித்துவமான கலவையை வழங்குகிறது.

ஒரு வரியில் இயல்பான மொழி உரை, படங்கள் அல்லது பிற வகையான உள்ளீட்டுத் தரவு ஆகியவை அடங்கும், AI சேவைகள் மற்றும் கருவிகள் முழுவதும் வெளியீடு கணிசமாக மாறுபடும். ஒவ்வொரு கருவிக்கும் அதன் சிறப்பு மாற்றிகள் உள்ளன, அவை வார்த்தைகளின் எடை, பாணிகள், முன்னோக்குகள், தளவமைப்பு அல்லது விரும்பிய பதிலின் பிற பண்புகளை விவரிக்கின்றன.

சிறந்த AI-இயங்கும் சேவைகளை உருவாக்குவதற்கும், தற்போதுள்ள AI கருவிகளில் இருந்து சிறந்த முடிவுகளைப் பெறுவதற்கும் இந்தத் துறை அவசியம். எண்டர்பிரைஸ் டெவலப்பர்கள், எடுத்துக்காட்டாக, வாடிக்கையாளர் எதிர்கொள்ளும் சக்தியை வழங்க GPT-3 போன்ற பெரிய மொழி மாதிரிகளை (LLMs) மாற்றியமைக்க விரைவான பொறியியலைப் பயன்படுத்துகின்றனர். chatbot அல்லது தொழில் சார்ந்த ஒப்பந்தங்களை உருவாக்குவது போன்ற பணிகளைக் கையாளவும்.

பல்வேறு சூழல்களில் அதிக இலக்கு, பயனுள்ள பதில்களை உருவாக்க AI மாடல்களை செயல்படுத்துவதில், உடனடி சுத்திகரிப்பு மற்றும் AI செயல்திறனை அளவிடுவதற்கான இந்த மறுசெயல் செயல்முறை ஒரு முக்கிய அங்கமாகும்.

உடனடி பொறியாளராக மாறுதல்

சிக்கலான வழிமுறைகளைப் புரிந்துகொள்வதிலும் சிக்கலான சிக்கல்களைத் துல்லியமாகத் தீர்ப்பதிலும் GPT-4 மாதிரியின் திறமை அதை விலைமதிப்பற்ற வளமாக மாற்றுகிறது. இருப்பினும், இந்த மாதிரியின் திறன்களை அணுகுவதற்கு பல்வேறு முறைகள் உள்ளன, மேலும் இவற்றைப் புரிந்துகொள்வது செயல்திறன் மற்றும் செலவு-செயல்திறன் இரண்டையும் மேம்படுத்துவதில் உடனடி பொறியாளரின் பங்கிற்கு முக்கியமானதாக இருக்கும்.

GPT-4 போன்ற GPT மாடல்களுடன் ஈடுபட இரண்டு வழிகள் உள்ளன. ஒரு வழி OpenAI இன் API ஆகும், இதில் உள்ளீடு மற்றும் வெளியீட்டு டோக்கன்களுக்கான செலவுகள் கணக்கிடப்படும். இந்தச் சூழ்நிலையில், 1K டோக்கன்களுக்கான செலவுகள் சூழலின் அளவைப் பொறுத்து மாறுபடும். எடுத்துக்காட்டாக, ஒரு பெரிய 32K சூழலில், உள்ளீட்டு டோக்கன்களுக்கு $0.06 ஆகவும், வெளியீடு டோக்கன்களுக்கு $0.12 ஆகவும் செலவாகும். இதனால், அதிக அளவு கோரிக்கைகளைக் கையாளும் போது, ​​பயன்பாட்டுச் செலவு விரைவாகக் கூடும்.

மாற்றாக, GPT-4 மாதிரியைப் பயன்படுத்தும் ChatGPT, சந்தா அடிப்படையிலான மாதிரியில் செயல்படுகிறது.

உடனடி பொறியியலில் மற்றொரு முக்கிய பணி மாதிரி அளவுரு ட்யூனிங்கை உள்ளடக்கியது. இந்த செயல்முறையானது கணிப்புகளை உருவாக்க மாதிரி பயன்படுத்தும் மாறிகளை சரிசெய்வதை உள்ளடக்குகிறது. இந்த அளவுருக்களை நன்றாகச் சரிசெய்வதன் மூலம், உடனடி பொறியாளர்கள் மாதிரியின் பதில்களின் தரம் மற்றும் துல்லியத்தை மேம்படுத்தலாம், மேலும் அவை சூழலுக்குப் பொருத்தமானதாகவும் உதவிகரமாகவும் இருக்கும்.

பல உடனடி பொறியியலாளர்கள் தொழில்நுட்ப பின்னணியில் இருந்து வந்தாலும், புலத்தின் பலதரப்பட்ட தன்மையானது பல்வேறு தொழில்முறை பின்னணியில் உள்ள தனிநபர்களுக்கு அணுகக்கூடியதாக உள்ளது. பெருகிய முறையில், எழுத்தாளர்கள், ஆராய்ச்சியாளர்கள் மற்றும் கலைஞர்கள் கூட AI மாதிரிகளின் செயல்திறனை மேம்படுத்த தங்கள் தனித்துவமான திறன்களை மேம்படுத்துகின்றனர். இந்த மாற்றம் வேலைச் சந்தையிலும் பிரதிபலிக்கிறது, பலதரப்பட்ட திறன்கள் மற்றும் பின்னணிகளைக் கொண்ட உடனடி பொறியாளர்களைத் தேடும் நிறுவனங்களின் எண்ணிக்கை அதிகரித்து வருகிறது.

ChatGPT இல் உடனடி வடிவமைப்பு மற்றும் பொறியியல்

மொழி மாதிரிகளின் செயல்திறனை மேம்படுத்துவதில் உடனடி வடிவமைப்பு மற்றும் பொறியியல் முக்கிய பங்கு வகிக்கிறது மற்றும் கேள்விகளை உருவாக்குவதை விட அதிகமானவற்றை உள்ளடக்கியது; அவர்கள் AI மாதிரியைப் பற்றிய ஆழமான புரிதல் மற்றும் மிகவும் மீண்டும் செயல்படும் மற்றும் சுத்திகரிக்கப்பட்ட அணுகுமுறை தேவை.

உடனடி வடிவமைப்பு

உடனடி வடிவமைப்பு, அதன் மையத்தில், தெளிவாகக் கூறப்பட்ட இலக்கை அடைய, ChatGPT போன்ற கொடுக்கப்பட்ட பெரிய மொழி மாதிரிக்கு (LLM) சரியான ப்ராம்ட்டை உருவாக்கும் கலை மற்றும் அறிவியலாகும். இது ஒரு கலவை:

• LLM பற்றிய புரிதல்: வெவ்வேறு மொழி மாதிரிகள் ஒரே வரியில் மாறுபடலாம். மேலும், சில மொழி மாதிரிகள் தனித்துவமான முக்கிய வார்த்தைகள் அல்லது தூண்டுதல்களைக் கொண்டிருக்கலாம், அவை ஒரு குறிப்பிட்ட வழியில் விளக்குகின்றன.
• டொமைன் அறிவு: அறிவுறுத்தல்களை வடிவமைக்கும்போது தொடர்புடைய துறையில் நிபுணத்துவம் முக்கியமானது. உதாரணமாக, ஒரு மருத்துவ நோயறிதலை ஊகிக்க ஒரு தூண்டுதலை உருவாக்குவதற்கு மருத்துவ அறிவு தேவைப்படும்.
• மறுசெயல் அணுகுமுறை மற்றும் தர அளவீடு: சிறந்த ப்ராம்ட்டை உருவாக்கும் செயல்முறை பெரும்பாலும் சோதனை மற்றும் பிழையை உள்ளடக்கியது. எனவே, வெறும் அகநிலை தீர்ப்புக்கு அப்பால் வெளியீட்டுத் தரத்தை மதிப்பிடுவதற்கான வழி மிகவும் முக்கியமானது, குறிப்பாக பெரிய அளவில் ப்ராம்ட்டைப் பயன்படுத்தும் போது.

உடனடி பொறியியல்

ப்ராம்ட் இன்ஜினியரிங் என்பது பல முக்கியமான செயல்முறைகளை உள்ளடக்கிய ப்ராம்ட் டிசைனின் விரிவாக்கப்பட்ட பகுதி:

• அளவுகோலில் ப்ராம்ட்களின் வடிவமைப்பு: இந்தச் செயல்பாட்டில் மெட்டா ப்ராம்ட்கள் (மற்ற ப்ராம்ட்களை உருவாக்கும் ப்ராம்ட்கள்) மற்றும் ப்ராம்ட் டெம்ப்ளேட்கள் ஆகியவை அடங்கும், இவை இயக்க நேரத்தில் உடனுக்குடன் செய்யக்கூடிய அளவுருப்படுத்தப்பட்ட ப்ராம்ட்கள் ஆகும்.
• கருவி வடிவமைப்பு மற்றும் ஒருங்கிணைப்பு: தூண்டுதல்கள் சில நேரங்களில் வெளிப்புறக் கருவிகளின் முடிவுகளை உள்ளடக்கியிருக்கலாம், மேலும் இந்த கருவிகளை கணினியில் தடையின்றி ஒருங்கிணைப்பது மிகவும் முக்கியமானது.
• பணிப்பாய்வு, திட்டமிடல் மற்றும் உடனடி மேலாண்மை: சாட்பாட் போன்ற எல்எல்எம் பயன்பாட்டைப் பயன்படுத்துவதற்கு, அறிவுறுத்தல்களின் நூலகங்களை நிர்வகித்தல், சரியான தூண்டுதல்களைத் திட்டமிடுதல் மற்றும் தேர்ந்தெடுப்பது மற்றும் பல்வேறு கருவிகளை திறமையாக ஒருங்கிணைத்தல் ஆகியவை தேவைப்படுகின்றன.
• தூண்டுதல்களின் மதிப்பீடு மற்றும் தர உத்தரவாதம்: இந்த அம்சம் தானாகவே மற்றும் மனித ஈடுபாட்டுடன் தூண்டுதல்களை மதிப்பிடுவதற்கான அளவீடுகள் மற்றும் செயல்முறைகளை வரையறுப்பதை உள்ளடக்கியது.
• ப்ராம்ட் ஆப்டிமைசேஷன்: AI மாதிரியின் விலை மற்றும் தாமதமானது மாதிரியின் தேர்வு மற்றும் ப்ராம்ட்டின் நீளம் (டோக்கன்களின் எண்ணிக்கை) ஆகியவற்றைப் பொறுத்தது.

பல தானியங்கு ப்ராம்ட் டிசைன் அணுகுமுறைகள், கருவிகள் மற்றும் கட்டமைப்புகள் அளவீடுகளை நிர்வகிக்க உருவாக்கப்பட்டுள்ளன. இருப்பினும், இந்த கருவிகள் எதுவும் ஒரு அனுபவமிக்க உடனடி பொறியாளரின் நுணுக்கமான புரிதல், தீர்ப்பு மற்றும் அனுபவத்தை மாற்ற முடியாது என்பதை புரிந்து கொள்ள வேண்டியது அவசியம்.

உடனடி பொறியியல்: நுட்பங்கள் மற்றும் சிறந்த நடைமுறைகள்

1) உடனடி வேலை வாய்ப்பு மற்றும் விளக்கம்

அறிவுறுத்தலின் தொடக்கத்தில் அறிவுறுத்தல்களை வைப்பது AI இன் புரிதலையும் பதிலையும் கணிசமாக பாதிக்கும். ஒரு உரையை புல்லட் பாயின்ட் வடிவத்தில் சுருக்கமாகக் கூறும் பணியைக் கவனியுங்கள். குறைவான பயனுள்ள அணுகுமுறை பின்வருமாறு:

பயனர்: கீழே உள்ள உரையை மிக முக்கியமான புள்ளிகளின் புல்லட் புள்ளி பட்டியலாக சுருக்கவும்.
{உரை உள்ளீடு இங்கே}

மறுபுறம், மிகவும் பயனுள்ள நுட்பம் இருக்கலாம்:

பயனர்: கீழே உள்ள உரையை மிக முக்கியமான புள்ளிகளின் புல்லட் புள்ளி பட்டியலாக சுருக்கவும்.
உரை: """
{உரை உள்ளீடு இங்கே}
“” ”

### அல்லது """ போன்ற குறியீடுகளுடன் அறிவுறுத்தல்களையும் சூழலையும் தெளிவாகப் பிரிப்பதன் மூலம், AI மாதிரியானது அதன் பணியையும் அது செயலாக்க வேண்டிய உரையையும் சிறப்பாக வரையறுத்து, அதன் மூலம் மிகவும் துல்லியமான மற்றும் பொருத்தமான பதில்களை அளிக்கிறது.

இரண்டாவதாக, குறிப்பிட்ட, விளக்கமான, மற்றும் சூழலைப் பற்றிய விவரமாக இருப்பது, எதிர்பார்க்கப்படும் விளைவு, நீளம், வடிவம், நடை மற்றும் பல AI பதில்களின் துல்லியத்தை கணிசமாக மேம்படுத்தும். ஒரு அறிவியல் கட்டுரையின் சுருக்கமான கண்ணோட்டத்தை நீங்கள் ஈர்க்கும், சாதாரண நபர்களுக்கு ஏற்ற பாணியில் உருவாக்க வேண்டும் என்று வைத்துக்கொள்வோம். "விஞ்ஞானத் தாளைச் சுருக்கவும்" போன்ற தெளிவற்ற அறிவுறுத்தல் ஒரு குறிப்பிட்ட, விரிவான உடனடியுடன் ஒப்பிடும்போது குறைவான பயனுள்ள முடிவுகளைத் தரும்:

பயனர்: பின்வரும் அறிவியல் ஆய்வறிக்கையின் சுருக்கமான (தோராயமாக 200 வார்த்தைகள்), ஈர்க்கக்கூடிய சுருக்கத்தை உருவாக்கவும். ஆய்வறிக்கையின் முக்கிய கண்டுபிடிப்புகளை துல்லியமாக பிரதிபலிக்கும் அதே வேளையில், அறிவியல் பின்னணி இல்லாத ஒருவருக்கு சுருக்கமானது புரிந்துகொள்ளக்கூடியதாக இருக்க வேண்டும்.
காகிதம்: """
{அறிவியல் காகித உரை இங்கே}
“” ”

2) தனிப்பட்ட முறை

பர்சோனா பேட்டர்ன் என்பது ஒரு தொழில்முறை பாத்திரம் அல்லது கற்பனையான பாத்திரம் போன்ற ஒரு குறிப்பிட்ட கண்ணோட்டத்தில் செயல்பட AI ஐ அமைக்கும் ஒரு உத்தி ஆகும். இந்த தந்திரோபாயம், நபர் கையாளும் குறிப்பிட்ட பாத்திரங்கள் தொடர்பான வெளியீடுகளை வழங்க மாதிரியை செயல்படுத்துகிறது. உதாரணமாக, குறியீடு மதிப்பாய்வின் போது இணைய பாதுகாப்பு நிபுணராக செயல்பட AIக்கு ஒருவர் அறிவுறுத்தலாம். பயனர்களுக்கு உதவி தேவைப்படும்போது இந்த முறை மிகவும் பயனுள்ளதாக இருக்கும், ஆனால் வெளியீட்டில் தேவைப்படும் சரியான விவரங்கள் குறித்து உறுதியாக தெரியவில்லை.

பின்வரும் உதாரணத்தை எடுத்துக் கொள்ளுங்கள்:

பயனர்: "பிரெஞ்சு புரட்சியில் நிபுணத்துவம் பெற்ற ஒரு மூத்த வரலாற்றாசிரியரின் ஆளுமையை எடுத்துக் கொள்ளுங்கள். அந்த ஆளுமையைக் கருத்தில் கொண்டு, பிரெஞ்சு முடியாட்சியின் வீழ்ச்சிக்கு வழிவகுத்த முக்கிய நிகழ்வுகள் மற்றும் காரணங்களை விளக்குங்கள்.

இந்தச் சூழ்நிலையில், AI ஆனது பிரெஞ்சுப் புரட்சியின் ஆழமான பகுப்பாய்வுடன் பதிலளிக்கும் என்று எதிர்பார்க்கப்படுகிறது, ஒரு வரலாற்றாசிரியர் செய்வது போல, முடியாட்சியின் வீழ்ச்சியை மையமாகக் கொண்டது.

புதிய தகவல் அறிமுகம்

ChatGPT ஆனது அதன் பயிற்சி வெட்டுக்கு அப்பாற்பட்ட அறிவைக் கொண்டிருக்கவில்லை, எனவே அது பயிற்சிக்குப் பிறகு சமீபத்திய நிகழ்வுகள் அல்லது புதுப்பிப்புகள் பற்றிய தகவலை வழங்க முடியாது. இருப்பினும், உங்கள் அறிவுறுத்தல்கள் மூலம் மாதிரிக்கு புதிய தகவலை அறிமுகப்படுத்தலாம்.

பயனர்: "கிரிப்டோகரன்சி என்றால் என்ன?"
அரட்டை GPT: “கிரிப்டோகரன்சி என்பது ஒரு வகையான டிஜிட்டல் அல்லது மெய்நிகர் நாணயமாகும், இது பாதுகாப்பிற்காக குறியாக்கவியலைப் பயன்படுத்துகிறது. மிகவும் பிரபலமான கிரிப்டோகரன்சி பிட்காயின்.

இப்போது, ​​ப்ராம்ட்டில் இன்னும் கொஞ்சம் சூழலைச் சேர்த்தால், விளக்கத்தை இன்னும் உள்ளுணர்வுடன் செய்யலாம்:

பயனர்: “டிஜிட்டல் ஃபைனான்ஸ் படிக்கும் உயர்நிலைப் பள்ளி மாணவருக்கு கிரிப்டோகரன்சியின் கருத்தை விளக்குங்கள்”
ChatGPT: “நீங்கள் ஆன்லைன் வீடியோ கேம் விளையாடுகிறீர்கள் என்று கற்பனை செய்து பாருங்கள், மேலும் மேம்படுத்தல்கள் அல்லது புதிய எழுத்துக்களை வாங்க நீங்கள் சம்பாதிக்கக்கூடிய கேம் பணம் இருக்கிறது. Cryptocurrency அது போன்றது, ஆனால் விளையாட்டிற்கு மட்டுப்படுத்தப்படுவதற்குப் பதிலாக, நிஜ உலகப் பொருட்கள் மற்றும் சேவைகளை வாங்குவதற்கு நீங்கள் அதைப் பயன்படுத்தலாம். இது எந்த வங்கியும் அல்லது அரசாங்கமும் கட்டுப்படுத்தாத டிஜிட்டல் பணம் போன்றது.

3) உடனடி அளவு வரம்புகள்

ChatGPT இன் அளவு வரம்பைப் புரிந்துகொள்வது அவசியம், ஏனெனில் இது நாம் உள்ளிடக்கூடிய தகவலின் அளவு மற்றும் வகையை நேரடியாகப் பாதிக்கிறது. ஒரே நேரத்தில் வரம்பற்ற தரவை செயலாக்க மொழி மாதிரிகள் உருவாக்கப்படவில்லை. நாம் உருவாக்க மற்றும் உள்ளீடு செய்யக்கூடிய ப்ராம்ட்டின் அளவு மீது அவர்களுக்கு உள்ளார்ந்த தடை உள்ளது. இந்த வரம்பு தூண்டுதல்களின் வடிவமைப்பு மற்றும் செயல்பாட்டிற்கு ஆழமான தாக்கங்களைக் கொண்டுள்ளது.

ChatGPT டோக்கன் வரம்பைக் கொண்டுள்ளது (பொதுவாக 2048 டோக்கன்கள்), இதில் ப்ராம்ட் மற்றும் உருவாக்கப்பட்ட பதில் இரண்டையும் உள்ளடக்கியது. இதன் பொருள் நீண்ட தூண்டுதல்கள் பதிலின் நீளத்தை குறைக்கலாம். எனவே, அறிவுறுத்தல்களை சுருக்கமாகவும், தகவலாகவும் வைத்திருப்பது முக்கியம்.

நடைமுறை பயன்பாட்டில், நாம் எடிட்டர்களாகச் செயல்பட வேண்டும், கையில் இருக்கும் பணிக்கு மிகவும் பொருத்தமான தகவலைத் தேர்ந்தெடுக்க வேண்டும். ஒரு வார்த்தை அல்லது பக்க வரம்புடன் ஒரு காகிதம் அல்லது கட்டுரையை எழுதுவதை கற்பனை செய்து பாருங்கள் - நீங்கள் சீரற்ற உண்மைகளை மட்டும் போட முடியாது, ஆனால் விஷயத்திற்கு பொருத்தமான தகவலை கவனமாக தேர்ந்தெடுத்து கட்டமைக்கவும்.

பயனர்: "மாதிரியின் டோக்கன் வரம்புகள் கொடுக்கப்பட்டால், இரண்டாம் உலகப் போரின் முக்கிய நிகழ்வுகளை 1000 வார்த்தைகளுக்குள் சுருக்கவும்."

மாதிரியின் டோக்கன் வரம்புகளை அங்கீகரிப்பதன் மூலம், இரண்டாம் உலகப் போரின் சுருக்கமான மற்றும் விரிவான சுருக்கத்தை வழங்க AI ஐ இந்த அறிவுறுத்தல் வழிநடத்துகிறது.

மீண்டும் மீண்டும் பயன்படுத்துவதற்கான தூண்டுதல்கள்: உரையாடல் சூழ்நிலையில், நீங்கள் அறிவுறுத்தல்களை மீண்டும் பயன்படுத்தலாம் அல்லது முந்தைய பதில்களின் அடிப்படையில் அவற்றைச் செம்மைப்படுத்தலாம். இது ஒரு உரையாடல் ஓட்டத்தை அளிக்கிறது மற்றும் தொடர்புகளில் சூழலை பராமரிக்கிறது.

4) கேள்வி சுத்திகரிப்பு முறை

ChatGPT உங்கள் கேள்விகளைச் செம்மைப்படுத்தவும் உதவும். எடுத்துக்காட்டாக, நீங்கள் ஒரு கேள்வியைக் கேட்டால், மிகவும் துல்லியமான முடிவுகளுக்கு சிறந்த முறையில் வடிவமைக்கப்பட்ட கேள்வியைப் பரிந்துரைக்கலாம்.

கேள்வி சுத்திகரிப்பு முறையானது பயனர் கேட்கும் கேள்விகளை LLM செம்மைப்படுத்துவதை உள்ளடக்கியது. பயனர்கள் ஒரு டொமைனில் நிபுணர்களாக இல்லாதபோது அல்லது அவர்களின் கேள்வியை எப்படிச் சொல்வது என்று தெரியாமல் இருக்கும் போது இது மிகவும் பயனுள்ளதாக இருக்கும்.

ஒரு எடுத்துக்காட்டு அறிவுறுத்தல் இப்படி இருக்கலாம்:

பயனர்: "நான் தரவு அறிவியலைப் பற்றி ஒரு கேள்வியைக் கேட்கும் போதெல்லாம், புள்ளியியல் பகுப்பாய்வு விவரக்குறிப்புகளைக் கருத்தில் கொண்டு மிகவும் சுத்திகரிக்கப்பட்ட கேள்வியைப் பரிந்துரைக்கவும், மேலும் நான் சுத்திகரிக்கப்பட்ட கேள்வியைத் தொடர வேண்டுமா எனக் கேட்கவும்."

இங்கே, AI ஆனது பயனரின் பொதுவான தரவு அறிவியல் கேள்விகளை புள்ளிவிவர பகுப்பாய்வு அம்சங்களைக் கருத்தில் கொண்டு விரிவான கேள்விகளுக்கு செம்மைப்படுத்தும் என்று எதிர்பார்க்கப்படுகிறது.

5) அறிவாற்றல் சரிபார்ப்பு முறை

அறிவாற்றல் சரிபார்ப்பு முறை சிக்கலான கேள்விகளை சிறிய, நிர்வகிக்கக்கூடிய துணைக் கேள்விகளாக உடைக்கிறது. இந்த துணைக் கேள்விகளுக்கான பதில்கள் முக்கிய கேள்விக்கு விரிவான பதிலை வழங்குவதற்காக இணைக்கப்படுகின்றன. ஆரம்பக் கேள்விகள் மிக அதிகமாக இருக்கும் போது அல்லது முழுமையான பதிலை வழங்க கூடுதல் தெளிவு தேவைப்படும் போது இந்த அணுகுமுறை பயனுள்ளதாக இருக்கும்.

உதாரணமாக:

பயனர்: "காலநிலை மாற்றம் பற்றி நான் ஒரு கேள்வியைக் கேட்டால், அதை மூன்று சிறிய கேள்விகளாகப் பிரிக்கவும், அது உங்களுக்கு மிகவும் துல்லியமான பதிலை வழங்க உதவும். இந்த துணைக் கேள்விகளுக்கான பதில்களை இணைத்து இறுதிப் பதிலை வழங்கவும்.

இந்தச் சூழ்நிலையில், காலநிலை மாற்றம் குறித்த சிக்கலான கேள்வியை AI மூன்று சமாளிக்கக்கூடிய துணைக் கேள்விகளாகப் பிரிக்கும். இந்த துணைக் கேள்விகளுக்கான பதில்களைப் பெற்ற பிறகு, AI இவற்றை ஒருங்கிணைத்து இன்னும் விரிவான மற்றும் துல்லியமான பதிலை வழங்கும்.

இந்த மாதிரியானது மிகவும் துல்லியமான இறுதிப் பதிலைப் பெற பல கேள்விகளை உருவாக்குவதை உள்ளடக்குகிறது. இது ஒரு உறுதியான இறுதி வெளியீட்டிற்கான தகவலை சரிபார்த்து ஒருங்கிணைக்கும் செயல்முறையாகும்

6) சில ஷாட் தூண்டுதல் அணுகுமுறை

சில-ஷாட் தூண்டுதல் என்பது குறிப்பிட்ட வடிவங்களைப் பின்பற்றுவதற்கு அல்லது பணிகளைச் செய்வதற்கு AI மாதிரிகளை கற்பிப்பதற்கான ஒரு சக்திவாய்ந்த அணுகுமுறையாகும். விரும்பிய கேள்வியைக் கேட்பதற்கு முன் பல எடுத்துக்காட்டுகளுடன் மாதிரியை ஊட்டுவது யோசனை. இது விரும்பிய நடத்தையை அமைக்கவும், மாதிரியின் பதில்களை வழிகாட்டவும் உதவுகிறது.

ஒரு புதிய தொழில்நுட்ப கேஜெட்டுக்கான சுருக்கமான, கட்டாயமான சந்தைப்படுத்தல் நகலை உருவாக்க பயனர் முயற்சிக்கும் சூழ்நிலையைக் கவனியுங்கள்:

பயனர்: "தொழில்நுட்ப சந்தைப்படுத்தல் நகல்களின் சில எடுத்துக்காட்டுகள் இங்கே உள்ளன: 'எங்கள் அதிநவீன வயர்லெஸ் ஹெட்ஃபோன்கள் மூலம் முன் எப்போதும் இல்லாத இசையை அனுபவிக்கவும்.' 'எங்கள் அதி நேர்த்தியான ஆக்‌ஷன் கேமரா மூலம் உங்கள் உலகத்தை அசத்தலான 4Kயில் படம்பிடியுங்கள்.' இந்த எடுத்துக்காட்டுகளின் அடிப்படையில், எங்களின் புதிய AI-இயங்கும் ஸ்மார்ட்வாட்சுக்கான மார்க்கெட்டிங் நகலை உருவாக்கவும்.

அரட்டை GPT: "எங்கள் AI-இயங்கும் ஸ்மார்ட்வாட்ச் மூலம் உங்கள் வாழ்க்கை முறையை மேம்படுத்துங்கள், ஆரோக்கியம், இணைப்பு மற்றும் உற்பத்தித்திறனுக்கான உங்கள் துணை." சில ஷாட் கற்றலின் குறிப்பிடத்தக்க அம்சம் என்னவென்றால், பணியை எவ்வாறு செய்வது என்பது பற்றிய விரிவான விளக்கம் தேவையில்லை. அதற்கு பதிலாக, என்ன செய்யப்படுகிறது என்பதற்கான செயல்விளக்கங்கள் தேவை, இது பல பயன்பாடுகளுக்கு ஏற்றதாக இருக்கும்.

மேலும், இந்த நுட்பம் எளிமையான உள்ளீடு-வெளியீடு இணைப்பதற்கு அப்பால் நீண்டுள்ளது. ஒரு இலக்கை அடைய இடைநிலை நடவடிக்கைகளை கையாளவும் மாதிரியை கற்பிக்க முடியும்.

7) சிந்தனைத் தூண்டுதல்

அவர்களின் சமீபத்திய ஆய்வுக் கட்டுரையில், "சிந்தனைத் தூண்டுதல் பெரிய மொழி மாதிரிகளில் பகுத்தறிவை வெளிப்படுத்துகிறது” எழுத்தாளர்கள் ஜேசன் வெய் மற்றும் குழுவினர் பெரிய மொழி மாதிரிகளுக்குள் பகுத்தறிவைத் தூண்டுவதை நோக்கமாகக் கொண்டுள்ளனர். பாரம்பரிய, நேரடித் தூண்டுதல்களைப் பயன்படுத்துவதற்குப் பதிலாக, குழு ஒன்றோடொன்று இணைக்கப்பட்ட தூண்டுதல்களின் வரிசையைப் பயன்படுத்துகிறது, இது ஒரு 'சிந்தனையின் சங்கிலியை' உருவாக்குகிறது.

உதாரணமாக, வேலைச் சந்தைகளில் செயற்கை நுண்ணறிவின் சாத்தியமான தாக்கத்தில் ஒரு பயனர் ஆர்வமாக இருக்கலாம்:

பயனர்: "செயற்கை நுண்ணறிவு என்ற கருத்தை சுருக்கமாக விளக்க முடியுமா?"

அரட்டை GPT: “செயற்கை நுண்ணறிவு, அல்லது AI, அறிவார்ந்த மனித நடத்தையைப் பின்பற்றும் இயந்திரத்தின் திறனைக் குறிக்கிறது. இது மனிதர்களைப் போல சிந்திக்கவும் கற்றுக்கொள்ளவும் கூடிய இயந்திரங்களை வடிவமைத்து, மொழி பெயர்ப்பு, முடிவெடுத்தல் மற்றும் சிக்கல்களைத் தீர்ப்பது போன்ற பணிகளைச் செய்ய அவர்களுக்கு உதவுகிறது.

பயனர்: "தற்போதைய வேலை சந்தையில் AI எவ்வாறு செல்வாக்கு செலுத்துகிறது?"

அரட்டை GPT: “AI என்பது புதிய வேலைகளை உருவாக்குவது மற்றும் ஏற்கனவே உள்ள வேலைகளின் தன்மையை மாற்றுவது. ஒருபுறம், இது வழக்கமான பணிகளை தானியக்கமாக்குகிறது, சில துறைகளில் வேலை இடப்பெயர்ச்சிக்கு வழிவகுக்கிறது. மறுபுறம், இது AI நெறிமுறைகள் அதிகாரிகள், தரவு ஆய்வாளர்கள் மற்றும் இயந்திர கற்றல் பொறியாளர்கள் போன்ற முன்னர் இல்லாத பாத்திரங்களுக்கான தேவையை உருவாக்குகிறது. கூடுதலாக, AI மனித பாத்திரங்களை அதிகரிக்க முடியும், மேலும் மக்கள் பணிகளை மிகவும் திறமையாகவும் துல்லியமாகவும் செய்ய அனுமதிக்கிறது.

செயின்-ஆப்-சிந்தனைத் தூண்டுதல் தொடர்புடைய தூண்டுதல்களின் முன்னேற்றத்தைப் பின்பற்றுகிறது, மாதிரியுடன் 'உரையாடலை' பராமரிக்கிறது, இது மிகவும் துல்லியமான மற்றும் சூழ்நிலைக்கு பொருத்தமான பதில்களை நோக்கி வழிகாட்டுகிறது.

டெவலப்பரின் பார்வையில் ChatGPT API மற்றும் உடனடி பொறியியலைப் புரிந்துகொள்வது

ஒரு டெவலப்பர் அல்லது ஆராய்ச்சியாளரின் பார்வையில், உடனடி பொறியியல் என்பது மிகவும் சிக்கலான செயல்முறையாகும். AI மாதிரியைப் புரிந்துகொள்ளவும், அறிவுறுத்தல்களுக்கு மிகவும் திறம்பட பதிலளிக்கவும் உதவும் அல்காரிதம்கள் மற்றும் நுட்பங்களின் வடிவமைப்பை இது உள்ளடக்கியது. தெளிவற்ற தூண்டுதல்களைக் கையாள்வதற்கான உத்திகள், தூண்டுதல்களின் சூழலை அடையாளம் காணுதல் அல்லது AI இல் மிகவும் சிக்கலான சிந்தனை செயல்முறைகளைத் தூண்டுவதற்கான தூண்டுதல்களை ஒன்றாக இணைக்கலாம்.

மேலே உள்ள விளக்கத்தில், GPT-4 மூலம் இயக்கப்படும் அரட்டை இடைமுகத்துடன் பயனர் தொடர்பு கொள்கிறார். AI மாதிரிக்கு வழங்கப்படுவதற்கு முன், அவற்றின் உள்ளீடு ஒரு சிறப்பு தொகுதி மூலம் தெளிவு மற்றும் சூழல் நிலைத்தன்மைக்காக மேம்படுத்தப்படுகிறது. இந்த தொகுதியின் பங்கு, உரையாடலின் சூழலை பராமரிக்கும் அதே வேளையில், சிறந்த புரிதலுக்காக பயனரின் உள்ளீட்டைச் செம்மைப்படுத்தி மேம்படுத்துவதாகும். AI இன் பதில், சுத்திகரிக்கப்பட்ட ப்ராம்ட்டின் அடிப்படையில் வடிவமைக்கப்பட்டது, அரட்டை இடைமுகம் மூலம் பயனருக்குத் திருப்பி அனுப்பப்படுகிறது. தொடர்பு வரலாறு தொடர்ந்து புதுப்பிக்கப்பட்டு, உரையாடல் சூழலைப் பராமரிக்கிறது. ஒட்டுமொத்தமாக, இந்த வரைபடம், உடனடி பொறியியல் நுட்பங்களால் இயக்கப்பட்ட ஒரு மாறும் பயனர்-AI உரையாடல் ஓட்டத்தை விளக்குகிறது.

தி ChatGPT APIகள் இடைமுகம் பல்வேறு ஹைப்பர் பாராமீட்டர்களுடன் வடிவமைக்கப்பட்டுள்ளது, இது பயனர்கள் கேட்கும் AI இன் பதில்களைச் செம்மைப்படுத்த உதவுகிறது, மேலும் அவை மிகவும் பயனுள்ளதாகவும் பல்துறை சார்ந்ததாகவும் இருக்கும். வெப்பநிலை, அதிகபட்ச நீளம் மற்றும் நிறுத்த வரிசை அளவுருக்கள் இதில் அடங்கும். அவை எவ்வாறு செயல்படுகின்றன மற்றும் வெவ்வேறு சூழல்களில் பயன்படுத்தப்படலாம் என்பதை ஆராய்வோம்.

1) வெப்பநிலை

AI இன் பதில்களின் சீரற்ற தன்மையை வெப்பநிலை அளவுரு பாதிக்கிறது. 1.0 போன்ற அதிக வெப்பநிலை, அதிக சீரற்ற வெளியீட்டை ஊக்குவிக்கிறது, இதன் விளைவாக மாறுபட்ட ஆனால் தலைப்புக்கு அப்பாற்பட்ட பதில்கள் கிடைக்கும். இதற்கு நேர்மாறாக, 0.2 போன்ற குறைந்த வெப்பநிலை, அதிக உறுதியான பதில்களைத் தேர்ந்தெடுக்க AI ஐத் தூண்டுகிறது, இது கவனம் செலுத்தும் மற்றும் குறிப்பிட்ட வெளியீடுகளுக்குப் பயனளிக்கும், ஆனால் பல்வேறு இல்லாமல் இருக்கலாம்.

எடுத்துக்காட்டு: நீங்கள் ஒரு ஆக்கப்பூர்வமான கதையை எழுதுகிறீர்கள் மற்றும் கணிக்க முடியாத, கற்பனையான கூறுகளை விரும்பினால், வெப்பநிலையை அதிக மதிப்புக்கு அமைக்கவும். ஒரு தூண்டுதலாக இருக்கலாம்: "நேரம் பயணிக்கும் பூனையைப் பற்றி ஒரு சிறுகதையை எழுதுங்கள்." அதிக வெப்பநிலையுடன், நீங்கள் கணிக்க முடியாத திருப்பங்கள் மற்றும் திருப்பங்களுடன் ஒரு அற்புதமான, அற்புதமான கதையைப் பெறலாம்.

2) அதிகபட்ச நீளம்

இந்த அளவுரு மாதிரியின் வெளியீட்டின் அதிகபட்ச டோக்கன் நீளத்தைக் கட்டுப்படுத்துகிறது, இதில் செய்தி உள்ளீடு மற்றும் செய்தி வெளியீடு ஆகிய இரண்டு டோக்கன்களும் அடங்கும். அதிக வரம்பை அமைப்பது அதிக நீட்டிக்கப்பட்ட பதில்களை அனுமதிக்கிறது, அதே சமயம் குறைந்த வரம்பு வெளியீட்டை குறுகியதாகவும் சுருக்கமாகவும் வைத்திருக்கும்.

எடுத்துக்காட்டு: "2020 இல் இலக்கியத்திற்கான நோபல் பரிசை வென்றவர் யார்?" போன்ற அற்பமான கேள்விகளுக்கான சுருக்கமான பதில்களுக்கு நீங்கள் அதிகபட்ச நீளத்தை குறைந்த மதிப்புக்கு அமைக்க விரும்பலாம், பதில் சுருக்கமாகவும் நேரடியாகவும் இருப்பதை உறுதிசெய்யவும்.

3) ஸ்டாப் சீக்வென்ஸ்

ஸ்டாப் சீக்வென்ஸ்கள் உரையின் குறிப்பிட்ட சரங்களாகும், அங்கு மாதிரி அவற்றை எதிர்கொள்ளும் போது, ​​அது மேலும் வெளியீட்டை உருவாக்குவதை நிறுத்துகிறது. இந்த அம்சம் வெளியீட்டின் நீளத்தைக் கட்டுப்படுத்த அல்லது தர்க்கரீதியான இறுதிப் புள்ளிகளில் நிறுத்த மாதிரியை அறிவுறுத்துவதற்கு பயனுள்ளதாக இருக்கும்.

எடுத்துக்காட்டு: ஒரு முறையான கடிதத்திற்கு, கடிதத்தின் சரியான முடிவைத் தாண்டி AI கூடுதல் உரையை உருவாக்கவில்லை என்பதை உறுதிப்படுத்த, "உங்கள் உண்மையுள்ள" என்பதை நிறுத்த வரிசையாகப் பயன்படுத்தலாம்.

4) மேல் பி

'டாப் பி' அளவுரு, நியூக்ளியஸ் சாம்லிங் என்றும் அழைக்கப்படுகிறது, இது மாதிரியின் கணிப்புகளின் ஒவ்வொரு படியிலும் கருதப்படும் சொற்களின் எண்ணிக்கையின் மாறும் தேர்வை வழங்கும் ஒரு முறையாகும். 0.5 போன்ற குறைந்த மதிப்பு, பாதுகாப்பான, அதிக கவனம் செலுத்தும் வெளியீடுகளுக்கு வழிவகுக்கிறது. 0.9 போன்ற அதிக மதிப்பு, பரந்த அளவிலான சொற்களை உள்ளடக்கியது, இது மிகவும் மாறுபட்ட வெளியீடுகளுக்கு வழிவகுக்கும்.

எடுத்துக்காட்டு: நீங்கள் கவிதைகளை எழுத AI ஐ உருவாக்கினால், அது பரந்த அளவிலான சொற்களஞ்சியம் மற்றும் ஸ்டைலிஸ்டிக் சொற்றொடர்களைப் பயன்படுத்த விரும்பினால், நீங்கள் 'டாப் பி' ஐ அதிக மதிப்பிற்கு அமைக்கலாம். ஒரு தூண்டுதலாக இருக்கலாம்: "இலையுதிர்காலத்தின் அழகைப் பற்றி ஒரு கவிதை எழுதுங்கள்."

5) அதிர்வெண் அபராதம்

அதிர்வெண் அபராதம் மாதிரியானது குறைவான சொற்களுக்கு எவ்வளவு சாதகமாக இருக்க வேண்டும் என்பதைக் கட்டுப்படுத்துகிறது. அதிக அபராதம் (1 வரை) குறைவான பொதுவான சொற்களைப் பயன்படுத்த மாதிரியை ஊக்குவிக்கிறது, அதே சமயம் குறைந்த மதிப்பு (-1 வரை) மிகவும் பொதுவான சொற்களைப் பயன்படுத்த மாதிரியை ஊக்குவிக்கிறது.

எடுத்துக்காட்டு: நீங்கள் ஒரு வணிக முன்மொழிவை உருவாக்க முயற்சிக்கிறீர்கள் மற்றும் வாசகங்களைத் தவிர்க்க விரும்பினால், மொழியை தெளிவாகவும் அணுகக்கூடியதாகவும் வைத்திருக்க அதிர்வெண் அபராதத்தை குறைந்த மதிப்பிற்கு அமைக்கலாம்.

6) முன்னிலையில் தண்டனை

உரையாடல் வரலாற்றில் இல்லாத புதிய யோசனைகள் அல்லது தலைப்புகளை உருவாக்குவதற்கு மாதிரி எவ்வளவு அபராதம் விதிக்கப்படுகிறது என்பதைப் பிரசன்ஸ் பெனால்டி அளவுரு பாதிக்கிறது. உயர் மதிப்புகள் ஏற்கனவே குறிப்பிட்டுள்ள தலைப்புகளில் ஒட்டிக்கொள்ள மாதிரியை ஊக்குவிக்கின்றன, அதே சமயம் குறைந்த மதிப்புகள் மாதிரியானது புதிய கருத்துக்களை மிகவும் சுதந்திரமாக அறிமுகப்படுத்த அனுமதிக்கின்றன.

எடுத்துக்காட்டு: மூளைச்சலவை செய்யும் அமர்வுகளுக்கு, பலவிதமான யோசனைகளை ஊக்குவிக்க, இருப்புத் தண்டனையை குறைந்த மதிப்பிற்கு அமைக்கலாம். "ஆன்லைன் கல்வித் தளத்திற்கான புதுமையான சந்தைப்படுத்தல் உத்திகளை உருவாக்கு" போன்ற ஒரு ப்ராம்ட்டை நீங்கள் பயன்படுத்தலாம்.

உடனடி பொறியியலின் தொழில் பயன்பாடு