ChatGPT میں فوری انجینئرنگ کے لیے ضروری گائیڈ

اس کے آغاز کے بعد سے ، چیٹ جی پی ٹی ریکارڈ وقت میں 100 ملین سے زیادہ صارفین کو اپنی طرف متوجہ کرتے ہوئے AI دائرے میں لہریں پیدا کر رہا ہے۔ چیٹ جی پی ٹی کی متاثر کن کارکردگی اور استعداد کی خفیہ چٹنی اس کے پروگرامنگ - پرامپٹ انجینئرنگ کے اندر موجود فن میں مضمر ہے۔

2022 میں لانچ کیا گیا، DALL-E، MidJourney، اور StableDiffusion نے جنریٹو AI کی خلل انگیز صلاحیت کو اجاگر کیا۔ لیکن یوں تھا AI کھولیں۔کی ChatGPT جس نے 2022 کے آخر میں صحیح معنوں میں مرکز کا مرحلہ اختیار کیا۔ اور اس رفتار میں کمی کے کوئی آثار نظر نہیں آئے۔

گوگل کا بارڈ کا اعلان اور میٹا کا لما 2  OpenAI کے ChatGPT کے جواب نے AI ریس کی رفتار کو نمایاں طور پر بڑھا دیا ہے۔ ان ماڈلز کو ان پٹ فراہم کر کے، ہم ان کے رویے اور ردعمل کی رہنمائی کر رہے ہیں۔ یہ ہم سب انجینئرز کو ایک خاص حد تک فوری طور پر بناتا ہے۔ ٹیک انڈسٹری نے نوٹس لیا ہے۔ وینچر کیپیٹلسٹ فوری انجینئرنگ پر توجہ مرکوز کرتے ہوئے اسٹارٹ اپس میں فنڈز ڈال رہے ہیں، جیسے ویلم اے آئی. مزید برآں، فوربس کی رپورٹ ہے کہ انجینئرز کو حکم دیا جاتا ہے۔ تنخواہیں $300,000 سے زیادہ ہیں۔ایک فروغ پزیر اور قیمتی جاب مارکیٹ کا اشارہ۔

اس مضمون میں، ہم ChatGPT کے تناظر میں فوری انجینئرنگ کی دنیا کو بے نقاب کریں گے۔ ہم بنیادی اصولوں اور تکنیکوں کو دریافت کریں گے، اور ان کے تجارتی استعمال کا جائزہ لیں گے۔

آئیے پہلے یہ سمجھیں کہ ChatGPT کیسے کام کرتا ہے اور اس عمل میں اہم کردار فوری انجینئرنگ ادا کرتا ہے۔

چیٹ جی پی ٹی پرامپٹ انجینئرنگ کے پیچھے میکینکس

ChatGPT کی کامیابی کے پیچھے خفیہ چٹنی انسانی گفتگو کی باریکیوں کو سمجھنے اور ان کی نقل کرنے کی صلاحیت ہے۔ ماڈل کو انٹرنیٹ ٹیکسٹ کی ایک متنوع رینج پر تربیت دی جاتی ہے، لیکن اہم بات یہ ہے کہ یہ اپنے تربیتی سیٹ میں مخصوص دستاویزات یا ذرائع کو نہیں جانتا ہے، جس سے مخصوصیت پر عمومیت کو یقینی بنایا جاتا ہے۔ یہ تربیتی نقطہ نظر ChatGPT کو تخلیقی ردعمل پیدا کرنے، پیچیدہ مکالموں کو نیویگیٹ کرنے، اور یہاں تک کہ مزاح کا مظاہرہ کرنے کی اجازت دیتا ہے۔ تاہم، یہ یاد رکھنا ضروری ہے کہ ChatGPT صحیح معنوں میں نہیں سمجھتا اور نہ ہی اس کے عقائد ہیں۔ یہ تربیت کے دوران سیکھے گئے نمونوں کی بنیاد پر ردعمل پیدا کرتا ہے۔

ChatGPT کی انسانی زبان کو ایک باریک اور سیاق و سباق سے آگاہ انداز میں سمجھنے اور اس کا جواب دینے کی صلاحیت انہیں ناقابل یقین حد تک ورسٹائل ٹولز بناتی ہے۔

ان ماڈلز کی میکانکس 'ٹوکنز' کے تصور پر منحصر ہے - زبان کے مجرد ٹکڑے جو ایک حرف سے لے کر پورے لفظ تک ہوسکتے ہیں۔ یہ ماڈلز ایک وقت میں ٹوکن کی مخصوص تعداد کے ساتھ کام کرتے ہیں (4096 GPT-3.5-Turbo کے لیے یا 8192 یا 32768 GPT-4 کے لیے)، ممکنہ ٹوکنز کی اگلی ترتیب کی پیش گوئی کرتے ہیں۔ ماڈل پیچیدہ لکیری الجبرا کا استعمال کرتے ہوئے ٹوکنز پر کارروائی کرتے ہیں، جو بعد میں آنے والے سب سے زیادہ ممکنہ ٹوکن کی پیش گوئی کرتے ہیں۔

مثال کے طور پر، نو الفاظ کا ایک سادہ جملہ دس ٹوکن میں بدل سکتا ہے۔ یہاں تک کہ ایک پیچیدہ لفظ بھی متعدد ٹوکن میں بدل سکتا ہے، جو ماڈل کو زبان کو بہتر طور پر سمجھنے اور تخلیق کرنے میں مدد کرتا ہے۔ یہاں تک کہ پیچیدہ الفاظ کے ڈھانچے والی زبانیں، جیسے جرمن، ٹوکنائزیشن کے ذریعے منظم کی جاتی ہیں۔

جی پی ٹی (جنریٹو پری ٹرینڈ ٹرانسفارمر) ماڈل ایک وقت میں ایک ٹوکن بنا کر کام کرتے ہیں، پہلے ٹوکن سے شروع ہو کر آخری تک جاری رہتے ہیں۔ ہر ٹوکن تیار کرنے کے بعد، ماڈل پوری ترتیب پر نظرثانی کرتا ہے اور اگلا ٹوکن بنانے کے لیے اس پر دوبارہ کارروائی کرتا ہے۔ یہ تکراری عمل اس وقت تک جاری رہتا ہے جب تک کہ حتمی ٹوکن تیار نہ ہو جائے، جس سے متن کی نسل ایک بڑے فار لوپ کی طرح بن جاتی ہے۔

لیکن یہاں کیچ ہے - ان جوابات کا معیار بڑی حد تک اس کے موصول ہونے والے اشارے پر منحصر ہے۔ بالکل اسی طرح جیسے کسی انسان کے ساتھ بات چیت کو آگے بڑھانا، ChatGPT کے ساتھ مکالمے کی رہنمائی کے لیے مہارت اور سمجھ کی ایک خاص سطح کی ضرورت ہوتی ہے۔ اسی جگہ پر فوری انجینئرنگ کھیل میں آتی ہے۔

پرامپٹ انجینئرنگ کیا ہے؟

پرامپٹ انجینئرنگ AI کی رہنمائی کے لیے عین مطابق، موثر اشارے/ان پٹ تیار کرنے کا فن ہے (ینیلپی/Vision) ماڈلز جیسے ChatGPT سب سے زیادہ لاگت سے موثر، درست، مفید، اور محفوظ نتائج پیدا کرنے کی طرف۔

پرامپٹ انجینئرنگ صرف ٹیکسٹ جنریشن تک محدود نہیں ہے بلکہ AI ڈومین میں وسیع پیمانے پر ایپلی کیشنز رکھتی ہے۔ یہ روبوٹک پروسیس آٹومیشن بوٹس، 3D اثاثوں، اسکرپٹس، روبوٹ ہدایات، اور دیگر قسم کے مواد اور ڈیجیٹل میڈیا جیسے شعبوں میں تیزی سے کام کر رہا ہے۔ یہ منطق، کوڈنگ، آرٹ، اور بعض صورتوں میں، خصوصی ترمیم کاروں کا ایک انوکھا امتزاج فراہم کرتا ہے۔

اگرچہ ایک پرامپٹ میں قدرتی زبان کا متن، تصاویر، یا ان پٹ ڈیٹا کی دیگر اقسام شامل ہو سکتی ہیں، لیکن آؤٹ پٹ AI سروسز اور ٹولز میں نمایاں طور پر مختلف ہو سکتا ہے۔ ہر ٹول میں اس کے خاص موڈیفائر ہوتے ہیں جو الفاظ، انداز، تناظر، ترتیب، یا مطلوبہ ردعمل کی دیگر خصوصیات کے وزن کو بیان کرتے ہیں۔

یہ فیلڈ AI سے چلنے والی بہتر خدمات بنانے اور موجودہ جنریٹیو AI ٹولز سے اعلیٰ نتائج حاصل کرنے کے لیے ضروری ہے۔ انٹرپرائز ڈویلپرز، مثال کے طور پر، اکثر جی پی ٹی-3 جیسے بڑے لینگویج ماڈلز (LLMs) کو تیار کرنے کے لیے فوری انجینئرنگ کا استعمال کرتے ہیں چیٹ بٹ یا صنعت کے لیے مخصوص معاہدے بنانے جیسے کاموں کو ہینڈل کریں۔

فوری تطہیر اور AI کارکردگی کی پیمائش کا یہ تکراری عمل AI ماڈلز کو مختلف سیاق و سباق میں انتہائی ٹارگٹڈ، مفید ردعمل پیدا کرنے کے قابل بنانے میں کلیدی عنصر ہے۔

فوری انجینئر بننا

پیچیدہ ہدایات کو سمجھنے اور پیچیدہ مسائل کو درست طریقے سے حل کرنے میں GPT-4 ماڈل کی صلاحیت اسے ایک انمول وسیلہ بناتی ہے۔ تاہم، اس ماڈل کی صلاحیتوں تک رسائی کے مختلف طریقے ہیں، اور ان کو سمجھنا کارکردگی اور لاگت کی تاثیر دونوں کو بہتر بنانے میں فوری انجینئر کے کردار کے لیے اہم ہو سکتا ہے۔

GPT ماڈلز جیسے GPT-4 کے ساتھ مشغول ہونے کے بنیادی طور پر دو طریقے ہیں۔ ایک طریقہ OpenAI کے API کے ذریعے ہے، جہاں لاگت کا حساب فی ان پٹ اور آؤٹ پٹ ٹوکن کے حساب سے کیا جاتا ہے۔ اس منظر نامے میں، سیاق و سباق کے سائز کی بنیاد پر فی 1K ٹوکن کے اخراجات میں اتار چڑھاؤ آ سکتا ہے۔ مثال کے طور پر، ایک بڑے 32K سیاق و سباق میں، لاگت ان پٹ ٹوکنز کے لیے $0.06 اور آؤٹ پٹ ٹوکنز کے لیے $0.12 تک جا سکتی ہے۔ اس طرح، درخواستوں کی ایک بڑی مقدار کو سنبھالتے وقت، استعمال کی لاگت تیزی سے جمع ہو سکتی ہے۔

متبادل طور پر، ChatGPT، جو GPT-4 ماڈل کا فائدہ اٹھاتا ہے، سبسکرپشن پر مبنی ماڈل پر کام کرتا ہے۔

پرامپٹ انجینئرنگ میں ایک اور اہم کام میں ماڈل پیرامیٹر ٹیوننگ شامل ہے۔ اس عمل میں ان متغیرات کو ایڈجسٹ کرنا شامل ہے جو ماڈل پیشین گوئی کرنے کے لیے استعمال کرتا ہے۔ ان پیرامیٹرز کو ٹھیک کرنے سے، فوری انجینئرز ماڈل کے جوابات کے معیار اور درستگی کو بہتر بنا سکتے ہیں، اور انہیں سیاق و سباق سے زیادہ متعلقہ اور مددگار بنا سکتے ہیں۔

اگرچہ بہت سے پرامپٹ انجینئرز تکنیکی پس منظر سے آتے ہیں، لیکن فیلڈ کی کثیر الشعبہ نوعیت اسے متنوع پیشہ ورانہ پس منظر والے افراد کے لیے قابل رسائی بناتی ہے۔ تیزی سے، مصنفین، محققین، اور یہاں تک کہ فنکار بھی AI ماڈلز کی افادیت کو بڑھانے کے لیے اپنی منفرد صلاحیتوں سے فائدہ اٹھا رہے ہیں۔ یہ تبدیلی ملازمت کے بازار میں بھی جھلکتی ہے، مختلف قسم کی مہارتوں اور پس منظر کے ساتھ فوری انجینئرز کی تلاش میں کمپنیوں کی بڑھتی ہوئی تعداد کے ساتھ۔

ChatGPT میں فوری ڈیزائن اور انجینئرنگ

فوری ڈیزائن اور انجینئرنگ زبان کے ماڈلز کی کارکردگی کو بہتر بنانے میں ایک اہم کردار ادا کرتے ہیں اور اس میں صرف سوالات تیار کرنے سے زیادہ شامل ہیں۔ انہیں AI ماڈل کی گہری تفہیم اور ایک انتہائی تکراری اور بہتر نقطہ نظر کی ضرورت ہے۔

فوری ڈیزائن

فوری ڈیزائن، اس کی اصل میں، واضح طور پر بیان کردہ ہدف کو حاصل کرنے کے لیے، ChatGPT کی طرح دیے گئے بڑے لینگویج ماڈل (LLM) کے لیے بہترین پرامپٹ بنانے کا فن اور سائنس ہے۔ یہ اس کا مرکب ہے:

• ایل ایل ایم کی تفہیم: مختلف زبان کے ماڈل ایک ہی اشارے پر متغیر طور پر جواب دے سکتے ہیں۔ مزید برآں، بعض زبانوں کے ماڈلز میں منفرد کلیدی الفاظ یا محرکات ہوسکتے ہیں، جن کی وہ ایک مخصوص انداز میں تشریح کرتے ہیں۔
• ڈومین کا علم: پرامپٹ ڈیزائن کرتے وقت متعلقہ فیلڈ میں مہارت بہت ضروری ہے۔ مثال کے طور پر، طبی تشخیص کا اندازہ لگانے کے لیے فوری طور پر طبی علم کی ضرورت ہوگی۔
• تکراری نقطہ نظر اور معیار کی پیمائش: مثالی پرامپٹ بنانے کے عمل میں اکثر آزمائش اور غلطی شامل ہوتی ہے۔ لہذا، صرف موضوعی فیصلے سے آگے آؤٹ پٹ کوالٹی کا جائزہ لینے کا طریقہ بہت ضروری ہے، خاص طور پر جب پرامپٹ کو بڑے پیمانے پر استعمال کریں۔

فوری انجینئرنگ

پرامپٹ انجینئرنگ پرامپٹ ڈیزائن کا ایک توسیعی دائرہ ہے جس میں کئی اہم عمل شامل ہیں:

• اسکیل پر پرامپٹس کا ڈیزائن: اس عمل میں میٹا پرامپٹس (پرامپٹ جو دوسرے پرامپٹس تیار کرتے ہیں) اور پرامپٹ ٹیمپلیٹس کا ڈیزائن شامل ہے، جو پیرامیٹرائزڈ پرامپٹس ہیں جنہیں رن ٹائم پر فوری بنایا جا سکتا ہے۔
• ٹول ڈیزائن اور انٹیگریشن: پرامپٹس میں بعض اوقات بیرونی ٹولز کے نتائج شامل ہو سکتے ہیں، اور ان ٹولز کو بغیر کسی رکاوٹ کے سسٹم میں ضم کرنا بہت ضروری ہے۔
• ورک فلو، پلاننگ، اور پرامپٹ مینجمنٹ: چیٹ بوٹ کی طرح ایل ایل ایم ایپلیکیشن کی تعیناتی کے لیے اکثر پرامپٹس کی لائبریریوں کا انتظام، منصوبہ بندی اور صحیح اشارے کا انتخاب، اور مختلف ٹولز کو مؤثر طریقے سے مربوط کرنے کی ضرورت ہوتی ہے۔
• اشارے کی تشخیص اور معیار کی یقین دہانی: اس پہلو میں خود بخود اور انسانی شمولیت کے ساتھ اشارے کی جانچ کرنے کے لیے میٹرکس اور عمل کی وضاحت شامل ہے۔
• فوری اصلاح: AI ماڈل کی لاگت اور تاخیر کا انحصار ماڈل کے انتخاب اور پرامپٹ کی لمبائی (ٹوکنز کی تعداد) پر ہو سکتا ہے۔

پرامپٹس کو بڑے پیمانے پر منظم کرنے کے لیے بہت سے خودکار پرامپٹ ڈیزائن اپروچز، ٹولز اور فریم ورک تیار کیے گئے ہیں۔ تاہم، یہ سمجھنا ضروری ہے کہ ان میں سے کوئی بھی ٹول ایک تجربہ کار فوری انجینئر کی اہم سمجھ، فیصلے اور تجربے کی جگہ نہیں لے سکتا۔

فوری انجینئرنگ: تکنیک اور بہترین طرز عمل

1) فوری جگہ کا تعین اور تفصیل

پرامپٹ کے شروع میں ہدایات دینا AI کی سمجھ اور ردعمل کو نمایاں طور پر متاثر کر سکتا ہے۔ بلٹ پوائنٹ فارمیٹ میں متن کا خلاصہ کرنے کے کام پر غور کریں۔ ایک کم موثر طریقہ یہ ہوگا:

رکن کا: سب سے اہم نکات کی بلٹ پوائنٹ لسٹ کے طور پر نیچے دیے گئے متن کا خلاصہ کریں۔
{ٹیکسٹ ان پٹ یہاں}

دوسری طرف، ایک زیادہ مؤثر تکنیک ہو سکتی ہے:

رکن کا: سب سے اہم نکات کی بلٹ پوائنٹ لسٹ کے طور پر نیچے دیے گئے متن کا خلاصہ کریں۔
متن: """
{ٹیکسٹ ان پٹ یہاں}
"" "

ہدایات اور سیاق و سباق کو ### یا """ جیسی علامتوں کے ساتھ واضح طور پر الگ کرکے، AI ماڈل اپنے کام اور متن کو بہتر انداز میں بیان کر سکتا ہے جس پر اسے کارروائی کرنے کی ضرورت ہے، اس طرح زیادہ درست اور متعلقہ جوابات مل سکتے ہیں۔

دوم، مخصوص، وضاحتی، اور سیاق و سباق کے بارے میں تفصیلی ہونا، متوقع نتیجہ، لمبائی، شکل، انداز اور اسی طرح AI ردعمل کی درستگی کو نمایاں طور پر بڑھا سکتا ہے۔ فرض کریں کہ آپ کو ایک سائنسی مقالے کا ایک پرکشش، عام آدمی کے دوستانہ انداز میں ایک مختصر جائزہ تیار کرنے کی ضرورت ہے۔ ایک مبہم ہدایات جیسے "سائنسی پیپر کا خلاصہ کریں" کسی مخصوص، تفصیلی پرامپٹ کے مقابلے میں کم موثر نتائج برآمد کرے گا:

رکن کا: درج ذیل سائنسی مقالے کا ایک مختصر (تقریباً 200 الفاظ) تخلیق کریں۔ خلاصہ کسی ایسے شخص کے لیے قابل فہم ہونا چاہیے جس کا کوئی سائنسی پس منظر نہ ہو، جبکہ کاغذ کے کلیدی نتائج کو درست طریقے سے ظاہر کرتا ہو۔
کاغذ: """
{سائنسی کاغذی متن یہاں}
"" "

2) شخصیت کا نمونہ

Persona پیٹرن ایک حکمت عملی ہے جو AI کو ایک خاص نقطہ نظر سے کام کرنے کے لیے سیٹ کرتی ہے، جیسے کہ پیشہ ورانہ کردار یا خیالی کردار۔ یہ حربہ ماڈل کو اس قابل بناتا ہے کہ وہ مخصوص کرداروں سے متعلق آؤٹ پٹ فراہم کرے جو شخصیت کو سنبھالے گی۔ مثال کے طور پر، کوڈ کے جائزے کے دوران کوئی AI کو سائبر سیکیورٹی ماہر کے طور پر کام کرنے کی ہدایت کر سکتا ہے۔ یہ پیٹرن خاص طور پر مفید ہے جب صارفین کو مدد کی ضرورت ہو لیکن آؤٹ پٹ میں درکار درست تفصیلات کے بارے میں یقین نہیں ہے۔

ایک مثال کے طور پر درج ذیل کو لیں:

رکن کا: "فرانسیسی انقلاب میں مہارت رکھنے والے ایک سینئر مورخ کی شخصیت کو فرض کریں۔ اس شخصیت کو دیکھتے ہوئے، فرانسیسی بادشاہت کے زوال کا باعث بننے والے اہم واقعات اور وجوہات کی وضاحت کریں۔

اس منظر نامے میں، AI سے توقع کی جاتی ہے کہ وہ فرانسیسی انقلاب کے گہرائی سے تجزیہ کے ساتھ جواب دے گا، جیسا کہ ایک مورخ کرے گا، بادشاہت کے زوال پر توجہ مرکوز کرے گا۔

نئی معلومات کا تعارف

چیٹ جی پی ٹی کے پاس اس کے تربیتی کٹ آف سے زیادہ علم نہیں ہے، اس لیے یہ حالیہ واقعات یا تربیت کے بعد اپ ڈیٹس کے بارے میں معلومات فراہم نہیں کر سکتا۔ تاہم، آپ اپنے اشارے کے ذریعے ماڈل میں نئی ​​معلومات متعارف کروا سکتے ہیں۔

رکن کا: "کریپٹو کرنسی کیا ہے؟"
چیٹ جی پی ٹی: "Cryptocurrency ڈیجیٹل یا ورچوئل کرنسی کی ایک قسم ہے جو سیکورٹی کے لیے خفیہ نگاری کا استعمال کرتی ہے۔ سب سے مشہور کریپٹو کرنسی بٹ کوائن ہے۔

اب، اگر ہم پرامپٹ میں تھوڑا سا مزید سیاق و سباق شامل کریں، تو ہم وضاحت کو اور زیادہ بدیہی بنا سکتے ہیں:

رکن کا: "ڈیجیٹل فنانس کی تعلیم حاصل کرنے والے ہائی اسکول کے طالب علم کو کریپٹو کرنسی کے تصور کی وضاحت کریں"
ChatGPT: "تصور کریں کہ آپ ایک آن لائن ویڈیو گیم کھیل رہے ہیں اور آپ کو اپ گریڈ یا نئے کردار خریدنے کے لیے گیم کی رقم کمائی جا سکتی ہے۔ کریپٹو کرنسی اس طرح کی ہے، لیکن کھیل تک محدود رہنے کے بجائے، آپ اسے حقیقی دنیا کی اشیاء اور خدمات خریدنے کے لیے استعمال کر سکتے ہیں۔ یہ ڈیجیٹل منی کی طرح ہے جس پر کوئی بینک یا حکومت کنٹرول نہیں کرتی۔

3) فوری سائز کی حدود

ChatGPT کی سائز کی حد کو سمجھنا ضروری ہے کیونکہ یہ براہ راست اس حجم اور معلومات کی قسم کو متاثر کرتا ہے جو ہم داخل کر سکتے ہیں۔ زبان کے ماڈلز ایک ساتھ لامحدود ڈیٹا پر کارروائی کرنے کے لیے نہیں بنائے گئے ہیں۔ ان کے پاس پرامپٹ کے سائز پر ایک موروثی رکاوٹ ہے جسے ہم بنا سکتے ہیں اور ان پٹ کر سکتے ہیں۔ اس حد کے اشارے کے ڈیزائن اور اس پر عمل درآمد کے لیے گہرے مضمرات ہیں۔

ChatGPT کے پاس ٹوکن کی حد ہے (عام طور پر 2048 ٹوکن)، جس میں پرامپٹ اور تیار کردہ جواب دونوں شامل ہیں۔ اس کا مطلب ہے کہ طویل اشارے جواب کی لمبائی کو محدود کر سکتے ہیں۔ لہذا، یہ ضروری ہے کہ اشارے کو مختصر اور معلوماتی رکھیں۔

عملی استعمال میں، ہمیں ایڈیٹر کے طور پر کام کرنا چاہیے، منتخب طور پر ہاتھ میں کام کے لیے سب سے زیادہ متعلقہ معلومات کا انتخاب کرنا چاہیے۔ ایک لفظ یا صفحہ کی حد کے ساتھ ایک کاغذ یا مضمون لکھنے کا تصور کریں - آپ صرف بے ترتیب حقائق کو نہیں پھینک سکتے ہیں، بلکہ موضوع سے متعلقہ معلومات کو احتیاط سے منتخب اور تشکیل دے سکتے ہیں۔

رکن کا: "ماڈل کی علامتی حدود کو دیکھتے ہوئے، 1000 سے کم الفاظ میں دوسری جنگ عظیم کے اہم واقعات کا خلاصہ کریں۔"

ماڈل کی ٹوکن حدود کو تسلیم کرتے ہوئے، یہ پرامپٹ AI کو دوسری جنگ عظیم کا ایک مختصر لیکن جامع خلاصہ فراہم کرنے کی ہدایت کرتا ہے۔

بار بار استعمال کے لیے اشارے: بات چیت کے منظر نامے میں، آپ پرامپٹس کو دوبارہ استعمال کر سکتے ہیں یا پچھلے جوابات کی بنیاد پر ان کو بہتر کر سکتے ہیں۔ یہ بات چیت کا بہاؤ دیتا ہے اور بات چیت میں سیاق و سباق کو برقرار رکھتا ہے۔

4) سوال کی تطہیر کا نمونہ

ChatGPT آپ کے سوالات کو بہتر بنانے میں بھی مدد کر سکتا ہے۔ مثال کے طور پر، اگر آپ کوئی سوال پوچھتے ہیں، تو یہ زیادہ درست نتائج کے لیے ایک بہتر وضع کردہ سوال تجویز کر سکتا ہے۔

سوال کی تطہیر کے پیٹرن میں ایل ایل ایم صارف کے پوچھے گئے سوالات کو بہتر کرنا شامل ہے۔ یہ خاص طور پر مفید ہے جب صارفین کسی ڈومین کے ماہر نہیں ہیں یا اپنے سوال کو کس طرح بیان کرنے کے بارے میں یقین نہیں رکھتے ہیں۔

ایک مثال کا اشارہ اس طرح نظر آسکتا ہے:

رکن کا: "جب بھی میں ڈیٹا سائنس کے بارے میں کوئی سوال پوچھتا ہوں، شماریاتی تجزیہ کی تفصیلات پر غور کرتے ہوئے مزید بہتر سوال تجویز کریں اور پوچھیں کہ کیا میں بہتر سوال کے ساتھ آگے بڑھنا چاہتا ہوں۔"

یہاں، AI سے توقع کی جاتی ہے کہ وہ اعداد و شمار کے تجزیہ کے پہلوؤں پر غور کرتے ہوئے صارف کے عمومی ڈیٹا سائنس کے سوالات کو مزید تفصیلی سوالات میں بہتر کرے گا۔

5) علمی تصدیق کنندہ پیٹرن

علمی تصدیق کنندہ پیٹرن پیچیدہ سوالات کو چھوٹے، قابل انتظام ذیلی سوالات میں تقسیم کرتا ہے۔ پھر ان ذیلی سوالات کے جوابات کو یکجا کر کے مرکزی سوال کا جامع جواب فراہم کیا جاتا ہے۔ یہ نقطہ نظر اس وقت مفید ہوتا ہے جب ابتدائی سوالات بہت اعلیٰ درجے کے ہوں یا جب مکمل جواب فراہم کرنے کے لیے اضافی وضاحت کی ضرورت ہو۔

مثال کے طور پر:

رکن کا: "اگر میں موسمیاتی تبدیلی کے بارے میں کوئی سوال پوچھتا ہوں، تو اسے تین چھوٹے سوالات میں تقسیم کر دیں جو آپ کو زیادہ درست جواب فراہم کرنے میں مدد کریں گے۔ حتمی جواب دینے کے لیے ان ذیلی سوالات کے جوابات کو یکجا کریں۔"

اس منظر نامے میں، AI آب و ہوا کی تبدیلی سے متعلق پیچیدہ سوال کو تین قابل انتظام ذیلی سوالات میں توڑ دے گا۔ ان ذیلی سوالات کے جوابات حاصل کرنے کے بعد، AI پھر ایک زیادہ جامع اور درست جواب فراہم کرنے کے لیے ان کو یکجا کرے گا۔

اس پیٹرن میں زیادہ درست حتمی جواب حاصل کرنے کے لیے متعدد سوالات پیدا کرنا شامل ہے۔ یہ ایک مضبوط حتمی پیداوار کے لیے معلومات کی تصدیق اور استحکام کا عمل ہے۔

6) چند شاٹ پرامپٹنگ اپروچ

AI ماڈلز کو مخصوص نمونوں کی پیروی کرنے یا کاموں کو انجام دینے کے لیے چند شاٹ پرامپٹنگ ایک طاقتور طریقہ ہے۔ خیال یہ ہے کہ مطلوبہ سوال پوچھنے سے پہلے ماڈل کو متعدد مثالوں کے ساتھ کھلایا جائے۔ یہ مطلوبہ رویے کو ترتیب دینے اور ماڈل کے جوابات کی رہنمائی کرنے میں مدد کرتا ہے۔

ایک ایسے منظر نامے پر غور کریں جہاں صارف ایک نئے ٹیک گیجٹ کے لیے ایک جامع، زبردست مارکیٹنگ کاپی تیار کرنے کی کوشش کر رہا ہے:

رکن کا: "یہاں تکنیکی مارکیٹنگ کی کاپیوں کی کچھ مثالیں ہیں: 'ہمارے جدید وائرلیس ہیڈ فون کے ساتھ موسیقی کا تجربہ کریں جیسا کہ پہلے کبھی نہیں ہوا۔' 'ہمارے انتہائی چیکنا ایکشن کیمرے کے ساتھ شاندار 4K میں اپنی دنیا کو کیپچر کریں۔' ان مثالوں کو دیکھتے ہوئے، ہماری نئی AI سے چلنے والی سمارٹ واچ کے لیے ایک مارکیٹنگ کاپی تیار کریں۔

چیٹ جی پی ٹی: "ہماری AI سے چلنے والی سمارٹ واچ کے ساتھ اپنے طرز زندگی کو تقویت دیں، جو آپ کی صحت، کنیکٹیویٹی، اور پیداواری ساتھی ہے۔" چند شاٹ لرننگ کی نمایاں خصوصیت یہ ہے کہ اس میں کام کو انجام دینے کے بارے میں تفصیلی وضاحت کی ضرورت نہیں ہے۔ اس کے بجائے، اس کے لیے مظاہروں کی ضرورت ہوتی ہے کہ کیا کیا جا رہا ہے، جو اسے بہت سی ایپلیکیشنز کے لیے موزوں بنا سکتا ہے۔

مزید برآں، یہ تکنیک سادہ ان پٹ آؤٹ پٹ جوڑی سے آگے بڑھتی ہے۔ ماڈل کو ایک مقصد حاصل کرنے کے لیے درمیانی مراحل کو سنبھالنا بھی سکھایا جا سکتا ہے۔

7) چین آف تھاٹ پرمپٹنگ

اپنے حالیہ تحقیقی مقالے میں، "سوچ کا سلسلہ بڑی زبان کے ماڈلز میں استدلال کو ظاہر کرتا ہےمصنفین جیسن وی اور ٹیم کا مقصد بڑی زبان کے ماڈلز میں استدلال کو فروغ دینا ہے۔ روایتی، براہ راست اشارے استعمال کرنے کے بجائے، ٹیم ایک دوسرے سے جڑے ہوئے اشاروں کی ایک سیریز کا استعمال کرتی ہے، جس سے 'سوچوں کا سلسلہ' بنتا ہے۔

مثال کے طور پر، ایک صارف کو نوکری کی منڈیوں پر مصنوعی ذہانت کے ممکنہ اثرات میں دلچسپی ہو سکتی ہے:

رکن کا: "کیا آپ مصنوعی ذہانت کے تصور کی مختصر وضاحت کر سکتے ہیں؟"

چیٹ جی پی ٹی: "مصنوعی ذہانت، یا AI، ذہین انسانی رویے کی نقل کرنے کی مشین کی صلاحیت سے مراد ہے۔ یہ ایسی مشینوں کو ڈیزائن کرنے کے بارے میں ہے جو انسانوں کی طرح سوچ اور سیکھ سکتی ہیں، انہیں زبان کے ترجمہ، فیصلہ سازی، اور مسائل کو حل کرنے جیسے کاموں کو انجام دینے کے قابل بناتی ہیں۔

رکن کا: "موجودہ جاب مارکیٹ کو AI کس طرح متاثر کر رہا ہے؟"

چیٹ جی پی ٹی: "AI نئی ملازمتیں پیدا کر رہا ہے اور موجودہ ملازمتوں کی نوعیت کو تبدیل کر رہا ہے۔ ایک طرف، یہ معمول کے کاموں کو خودکار بناتا ہے، جس سے بعض شعبوں میں ملازمت کی نقل مکانی ہوتی ہے۔ دوسری طرف، یہ ایسے کرداروں کی مانگ پیدا کر رہا ہے جو پہلے موجود نہیں تھے، جیسے کہ AI اخلاقیات کے افسران، ڈیٹا تجزیہ کار، اور مشین لرننگ انجینئر۔ مزید برآں، AI انسانی کردار کو بڑھا سکتا ہے، لوگوں کو کاموں کو زیادہ موثر اور درست طریقے سے پورا کرنے کی اجازت دیتا ہے۔

چین آف تھیٹ پرمپٹنگ متعلقہ اشارے کی ترقی کی پیروی کرتی ہے، ماڈل کے ساتھ 'گفتگو' کو برقرار رکھتی ہے جو اسے زیادہ درست اور سیاق و سباق کے لحاظ سے مناسب جوابات کی طرف رہنمائی کرتی ہے۔

ڈیولپر کے نقطہ نظر سے ChatGPT API اور پرامپٹ انجینئرنگ کو سمجھنا

ایک ڈویلپر یا محقق کے نقطہ نظر سے، فوری انجینئرنگ ایک زیادہ پیچیدہ عمل ہے۔ اس میں الگورتھم اور تکنیک کا ڈیزائن شامل ہے تاکہ AI ماڈل کو زیادہ مؤثر طریقے سے اشارے کو سمجھنے اور ان کا جواب دینے میں مدد ملے۔ اس میں مبہم اشارے سے نمٹنے، اشارے کے سیاق و سباق کی نشاندہی کرنے، یا AI میں مزید پیچیدہ سوچ کے عمل کو متحرک کرنے کے لیے اشارے کو ایک ساتھ باندھنے کی حکمت عملی شامل ہو سکتی ہے۔

مندرجہ بالا مثال میں، صارف ایک چیٹ انٹرفیس کے ساتھ بات چیت کرتا ہے، جو GPT-4 کے ذریعے تقویت یافتہ ہے۔ AI ماڈل کو کھلائے جانے سے پہلے ان کے ان پٹ کو ایک خصوصی ماڈیول کے ذریعے واضح اور سیاق و سباق کی مستقل مزاجی کے لیے بڑھایا جاتا ہے۔ اس ماڈیول کا کردار بات چیت کے سیاق و سباق کو برقرار رکھتے ہوئے بہتر تفہیم کے لیے صارف کے ان پٹ کو بہتر اور بڑھانا ہے۔ AI کا جواب، جو بہتر پرامپٹ کی بنیاد پر تیار کیا گیا ہے، چیٹ انٹرفیس کے ذریعے صارف کو واپس کر دیا جاتا ہے۔ بات چیت کے سیاق و سباق کو برقرار رکھتے ہوئے، بات چیت کی تاریخ کو مسلسل اپ ڈیٹ کیا جاتا ہے۔ مجموعی طور پر، یہ خاکہ ایک متحرک صارف-AI گفتگو کے بہاؤ کو واضح کرتا ہے جسے فوری انجینئرنگ تکنیکوں کے ذریعے فعال کیا گیا ہے۔

۔ ChatGPT API's انٹرفیس کو مختلف ہائپرپیرامیٹرس کے ساتھ انجنیئر کیا گیا ہے جو صارفین کو پرامپٹس پر AI کے جوابات کو بہتر بنانے کے قابل بناتے ہیں، انہیں زیادہ موثر اور ورسٹائل بناتے ہیں۔ ان میں درجہ حرارت، زیادہ سے زیادہ لمبائی، اور اسٹاپ سیکوینس پیرامیٹرز شامل ہیں۔ آئیے دریافت کریں کہ وہ کیسے کام کرتے ہیں اور مختلف سیاق و سباق میں استعمال کیا جا سکتا ہے۔

1) درجہ حرارت۔

درجہ حرارت کا پیرامیٹر AI کے ردعمل کی بے ترتیب پن کو متاثر کرتا ہے۔ ایک اعلی درجہ حرارت، جیسا کہ 1.0، زیادہ بے ترتیب پیداوار کی حوصلہ افزائی کرتا ہے، جس کے نتیجے میں متنوع لیکن ممکنہ طور پر موضوع سے ہٹ کر جوابات ہوتے ہیں۔ اس کے برعکس، کم درجہ حرارت، جیسا کہ 0.2، AI کو مزید متعین ردعمل کا انتخاب کرنے پر اکساتا ہے، جو مرکوز اور مخصوص نتائج کے لیے فائدہ مند ہو سکتا ہے لیکن اس میں مختلف قسم کی کمی ہو سکتی ہے۔

مثال: اگر آپ تخلیقی کہانی لکھ رہے ہیں اور غیر متوقع، تخیلاتی عناصر چاہتے ہیں، تو درجہ حرارت کو زیادہ قدر پر سیٹ کریں۔ ایک اشارہ یہ ہو سکتا ہے: "وقتی سفر کرنے والی بلی کے بارے میں ایک مختصر کہانی لکھیں۔" اعلی درجہ حرارت کے ساتھ، آپ کو غیر متوقع موڑ اور موڑ کے ساتھ ایک جنگلی، شاندار کہانی مل سکتی ہے۔

2) زیادہ سے زیادہ لمبائی

یہ پیرامیٹر ماڈل کے آؤٹ پٹ کی زیادہ سے زیادہ ٹوکن کی لمبائی کو کنٹرول کرتا ہے، جس میں میسج ان پٹ اور میسج آؤٹ پٹ دونوں ٹوکن شامل ہیں۔ ایک اعلی حد مقرر کرنے سے زیادہ توسیع شدہ ردعمل کی اجازت ملتی ہے، جبکہ کم حد آؤٹ پٹ کو مختصر اور جامع رکھتی ہے۔

مثال: معمولی سوالات کے مختصر جوابات کے لیے جیسے، "2020 میں ادب کا نوبل انعام کس نے جیتا؟" ہو سکتا ہے کہ آپ زیادہ سے زیادہ لمبائی کو کم قیمت پر سیٹ کرنا چاہیں، اس بات کو یقینی بناتے ہوئے کہ جواب مختصر اور سیدھا ہو۔

3) سلسلہ بند کرو

سٹاپ سیکوینس ٹیکسٹ کے مخصوص سٹرنگز ہیں جہاں، جب ماڈل ان کا سامنا کرتا ہے، تو یہ مزید آؤٹ پٹ پیدا کرنا بند کر دیتا ہے۔ یہ خصوصیت آؤٹ پٹ کی لمبائی کو کنٹرول کرنے یا ماڈل کو منطقی اختتامی نقطوں پر رکنے کی ہدایت کرنے کے لیے مفید ہو سکتی ہے۔

مثال: ایک رسمی خط کے لیے، آپ "آپ کا مخلص" استعمال کر سکتے ہیں اس بات کو یقینی بنانے کے لیے کہ AI خط کے مناسب اختتام سے آگے کوئی اضافی متن تخلیق نہیں کرتا ہے۔

4) ٹاپ پی

'ٹاپ پی' پیرامیٹر، جسے نیوکلئس سیمپلنگ کے نام سے بھی جانا جاتا ہے، ایک ایسا طریقہ ہے جو ماڈل کی پیشین گوئیوں کے ہر مرحلے پر غور کیے جانے والے الفاظ کی تعداد کا متحرک انتخاب فراہم کرتا ہے۔ کم قدر، جیسے 0.5، محفوظ، زیادہ فوکس آؤٹ پٹس کی طرف لے جاتی ہے۔ ایک اعلی قدر، جیسے 0.9، میں الفاظ کا وسیع انتخاب شامل ہوتا ہے، جس سے مزید متنوع نتائج برآمد ہوتے ہیں۔

مثال: اگر آپ نظمیں لکھنے کے لیے ایک AI بنا رہے ہیں اور چاہتے ہیں کہ یہ الفاظ اور اسلوباتی فقروں کی ایک وسیع صف استعمال کرے، تو آپ 'Top P' کو زیادہ قیمت پر سیٹ کر سکتے ہیں۔ ایک اشارہ ہوسکتا ہے: "خزاں کی خوبصورتی کے بارے میں ایک نظم لکھیں۔"

5) تعدد جرمانہ

تعدد جرمانہ کنٹرول کرتا ہے کہ ماڈل کو کم متواتر الفاظ کو کتنا پسند کرنا چاہئے۔ زیادہ جرمانہ (1 تک) ماڈل کو کم عام الفاظ استعمال کرنے کی ترغیب دیتا ہے، جب کہ کم قیمت (نیچے -1 تک) ماڈل کو زیادہ عام الفاظ استعمال کرنے کی ترغیب دیتی ہے۔

مثال: اگر آپ ایک کاروباری تجویز تیار کرنے کی کوشش کر رہے ہیں اور لفظوں سے بچنا چاہتے ہیں، تو آپ زبان کو واضح اور قابل رسائی رکھنے کے لیے تعدد جرمانہ کو کم قیمت پر سیٹ کر سکتے ہیں۔

6) موجودگی کی سزا

پریزنس پینلٹی پیرامیٹر اس بات پر اثر انداز ہوتا ہے کہ ماڈل کو نئے آئیڈیاز یا عنوانات پیدا کرنے پر کتنا جرمانہ کیا جاتا ہے جو گفتگو کی سرگزشت میں موجود نہیں تھے۔ اعلیٰ اقدار ماڈل کو پہلے سے بیان کردہ عنوانات پر قائم رہنے کی ترغیب دیتی ہیں، جبکہ کم اقدار ماڈل کو نئے تصورات کو زیادہ آزادانہ طور پر متعارف کرانے کی اجازت دیتی ہیں۔

مثال: ذہن سازی کے سیشنز کے لیے، آپ مختلف قسم کے خیالات کی حوصلہ افزائی کے لیے موجودگی کی سزا کو کم قیمت پر سیٹ کر سکتے ہیں۔ آپ ایک پرامپٹ استعمال کر سکتے ہیں جیسے، "ایک آن لائن تعلیمی پلیٹ فارم کے لیے جدید مارکیٹنگ کی حکمت عملی تیار کریں۔"

پرامپٹ انجینئرنگ کی صنعت کی درخواست