Từ Prompt Engineering đến Intent Engineering: Sự tiến hóa của giao tiếp giữa con người và AI

Trong những năm gần đây, kỹ thuật prompt engineering đã trở thành một trong những kỹ năng quan trọng nhất trong thời đại AI. Các khóa học được xây dựng xung quanh nó. Các chức danh công việc được tạo ra cho nó. Các cộng đồng toàn diện đã hình thành để chia sẻ mẹo về cách tạo ra câu lệnh hoàn hảo để một mô hình ngôn ngữ thực hiện chính xác những gì bạn muốn. Một lý do quan trọng đằng sau sự phổ biến của kỹ thuật prompt engineering là: AI mạnh mẽ, nhưng cũng rất字面. Bạn phải học ngôn ngữ của nó trước khi nó có thể giúp bạn. Logic đó có ý nghĩa tại thời điểm đó. Nhưng nó đang bắt đầu bị phá vỡ.

Khi các mô hình AI trở nên mạnh mẽ hơn, gánh nặng giao tiếp đang thay đổi. Câu hỏi không còn chỉ là “làm thế nào để tôi diễn đạt yêu cầu này một cách chính xác?” Mà đang trở thành “làm thế nào để tôi đảm bảo rằng AI thực sự hiểu những gì tôi đang cố gắng đạt được?” Đó là một câu hỏi sâu sắc hơn. Và nó chỉ đến sự xuất hiện của một lĩnh vực mới gọi là kỹ thuật intent engineering.

What Prompt Engineering Actually Was

Để hiểu nơi chúng ta đang đi, nó giúp hiểu những gì kỹ thuật prompt engineering thực sự là. Tại cốt lõi, nó là một giải pháp thay thế. Các mô hình ngôn ngữ sớm là mạnh mẽ nhưng giòn. Chúng phản ứng tốt với các mẫu cụ thể và kém với các mẫu mơ hồ. Vì vậy, người dùng đã học những mẫu đó. Họ phát hiện ra rằng yêu cầu một mô hình “tư duy từng bước” cải thiện lý luận. Họ học rằng việc đưa ra ví dụ làm cho đầu ra trở nên nhất quán hơn. Họ tìm ra rằng việc gán vai trò cho mô hình, như “hành động như một kỹ sư phần mềm chuyên nghiệp”, thay đổi giọng điệu và chất lượng của phản hồi của nó. Mặc dù những hiểu biết này thực sự cải thiện kết quả, nhưng chúng yêu cầu con người phải thích nghi với máy móc. Người ta đang học cách nói theo cách phù hợp với kiến trúc của mô hình chứ không phải cách suy nghĩ tự nhiên của họ.

Điều này không phải là cách giao tiếp tốt giữa các tác nhân thông minh hoạt động. Khi bạn giải thích một vấn đề cho một đồng nghiệp có kỹ năng, bạn không nghĩ về chiến lược diễn đạt sẽ kích hoạt các đường dẫn thần kinh của họ. Bạn giải thích tình huống. Họ hiểu ngữ cảnh. Họ đặt câu hỏi làm rõ nếu cần. Và họ làm việc để đạt được những gì bạn thực sự muốn. Nghệ thuật của kỹ thuật prompt engineering, với tất cả giá trị của nó, luôn bù đắp cho khoảng trống mà AI tốt hơn cuối cùng sẽ đóng lại.

The Limits That Made Prompt Engineering Necessary

Lý do kỹ thuật prompt engineering trở nên quan trọng không chỉ là vì các mô hình không hoàn hảo. Đó là vì các mô hình không có mô hình người dùng thực sự. Chúng xử lý văn bản và trả về văn bản. Chúng không có sự hiểu biết bền vững về ai bạn là, bạn đang cố gắng xây dựng gì, hoặc “tốt” trông như thế nào trong ngữ cảnh cụ thể của bạn.

Điều này tạo ra một tình huống kỳ lạ. Bạn có thể hỏi cùng một câu hỏi và nhận được kết quả khác nhau tùy thuộc vào cách bạn diễn đạt nó. Bạn có thể dành 20 phút điều chỉnh một yêu cầu và đột nhiên mở khóa một phản hồi hữu ích hơn bất cứ điều gì bạn đã nhận được trước đó. Yêu cầu không chỉ là đầu vào. Đó là một khóa, và tìm kiếm khóa đúng đòi hỏi kỹ năng, kiên nhẫn và đôi khi may mắn.

Điều này cũng có nghĩa là chất lượng đầu ra của bạn thường phụ thuộc nhiều vào kỹ năng yêu cầu của bạn hơn là kiến thức lĩnh vực thực sự của bạn. Một bác sĩ cũng là một kỹ sư yêu cầu có kỹ năng có thể trích xuất lý luận y học tốt hơn từ một mô hình hơn một bác sĩ có kiến thức hơn nhưng không biết các mẫu. Đó là một sự đảo ngược kỳ lạ của giá trị. Nó gợi ý rằng hệ thống đang tối ưu hóa cho điều sai.

What Intent Engineering Changes

Kỹ thuật intent engineering được thiết kế để giải quyết một tập hợp các giả định cơ bản khác. Thay vì hỏi làm thế nào để diễn đạt một yêu cầu để một mô hình phản hồi tốt, nó hỏi làm thế nào để giao tiếp những gì bạn thực sự muốn, ở mọi cấp độ, để mô hình có thể lý luận về kết quả đúng trên riêng của nó.

Điều này liên quan đến một số điều mà kỹ thuật prompt engineering không được trang bị để đối phó. Nó liên quan đến việc cung cấp cho các hệ thống AI đủ ngữ cảnh về mục tiêu, ràng buộc và tiêu chuẩn của bạn để chúng có thể đưa ra quyết định tốt mà không cần bạn chỉ định mọi bước. Nó liên quan đến việc tạo ra sự hiểu biết chung chứ không phải chỉ đưa ra hướng dẫn chính xác. Và nó liên quan đến việc xây dựng các hệ thống mà AI có thể hỏi câu hỏi đúng thay vì chờ đợi được thông báo câu trả lời đúng.

Chúng ta đã thấy điều này trong thực tế. Các hệ thống AI hiện đại ngày càng hỗ trợ bộ nhớ bền, hồ sơ người dùng và ngữ cảnh liên tục. Khi một mô hình biết rằng bạn là một người quản lý sản phẩm đang làm việc trên một ứng dụng chăm sóc sức khỏe với các ràng buộc quy định cụ thể, yêu cầu của bạn tự động mang một ý nghĩa phong phú hơn. Bạn không cần phải xây dựng lại ngữ cảnh từ đầu mỗi lần. Mô hình đã hiểu ngữ cảnh bạn đang làm việc.

Điều này là một sự thay đổi cơ bản. Kỹ thuật prompt engineering đối xử với mỗi tương tác như một sự kiện riêng biệt. Kỹ thuật intent engineering đối xử với giao tiếp như một sự tích lũy. Mô hình không chỉ xử lý một đầu vào đơn lẻ. Nó theo dõi một cuộc trò chuyện liên tục về những gì bạn đang cố gắng đạt được và tại sao.

The Role of Richer Context and Reasoning

Một chiều khác của kỹ thuật intent engineering liên quan đến cách các mô hình hiện đại xử lý sự mơ hồ. Một mô hình được đào tạo tốt ngày nay không chỉ tìm kiếm mẫu để hoàn thành câu của bạn. Nó lý luận về những gì bạn có thể muốn, đánh dấu các giả định nó đang thực hiện và trong nhiều trường hợp yêu cầu làm rõ trước khi tiếp tục.

Điều này quan trọng vì giao tiếp của con người vốn mơ hồ. Khi ai đó hỏi “có thể giúp tôi viết một cái gì đó cho sếp của tôi”, họ có thể muốn một đánh giá hiệu suất, một email xin lỗi, một đề xuất dự án hoặc một lá thư nghỉ việc. Một hệ thống được tối ưu hóa cho kỹ thuật prompt engineering sẽ cố gắng suy luận từ chính xác những từ ngữ. Một hệ thống được tối ưu hóa cho kỹ thuật intent engineering sẽ nhận ra sự mơ hồ và xử lý nó một cách thông minh, hoặc bằng cách hỏi hoặc bằng cách tạo ra một cái gì đó thừa nhận nhiều cách giải thích có thể.

Khả năng lý luận tại thời điểm kiểm tra, tức là khả năng của mô hình để suy nghĩ thông qua một vấn đề trước khi trả lời, cũng đóng một vai trò ở đây. Các mô hình lý luận trước khi trả lời tốt hơn trong việc bắt các trường hợp mà yêu cầu cụ thể mâu thuẫn với ý định cơ bản. Chúng có thể nhận thấy khi bạn yêu cầu X nhưng những gì bạn thực sự cần là Y và chúng có thể đưa ra quan sát đó thay vì thực hiện một yêu cầu sẽ không phục vụ mục tiêu của bạn.

A New Kind of Skill

Sự tiến hóa này không làm cho các kỹ năng giao tiếp của con người trở nên vô关. Nó thay đổi những gì những kỹ năng đó trông như thế nào. Người nào thịnh hành trong một thế giới kỹ thuật intent engineering không phải là người đã ghi nhớ các mẫu yêu cầu tốt nhất. Đó là người có thể diễn đạt rõ ràng những gì họ đang cố gắng đạt được, giao tiếp các ràng buộc và ngữ cảnh quan trọng, và nhận ra khi đầu ra của AI phục vụ mục tiêu thực sự so với chỉ yêu cầu đã nêu.

Ở nhiều cách, những kỹ năng này là những kỹ năng cũ. Đó là kỹ năng của một người quản lý tốt, một giáo viên tốt hoặc một người cộng tác tốt. Khả năng truyền đạt ý định rõ ràng, để giải thích không chỉ những gì bạn muốn mà còn tại sao bạn muốn nó, đã luôn là một dấu hiệu của giao tiếp hiệu quả. Điều mới là các hệ thống AI hiện đã đủ tinh vi để thực sự phản hồi lại loại giao tiếp đó.

Hậu quả thú vị là khi AI cải thiện, giao diện giữa con người và máy móc sẽ bắt đầu trông ít giống như lập trình và nhiều hơn như sự cộng tác. Bạn sẽ không cần phải thiết kế đầu vào hoàn hảo. Bạn sẽ cần phải là một người giao tiếp rõ ràng và có mục đích.

What This Means for How We Build AI Systems

Sự thay đổi này cũng có hậu quả cho cách chúng ta thiết kế các hệ thống AI. Một mô hình kỹ thuật prompt engineering khuyến khích bạn xây dựng các hệ thống phản ứng tốt với đầu vào chính xác. Một mô hình kỹ thuật intent engineering khuyến khích bạn xây dựng các hệ thống tốt trong việc suy luận, hỏi, thích nghi và bền vững.

Điều này có nghĩa là đầu tư vào các kiến trúc bộ nhớ cho phép mô hình mang ngữ cảnh có ý nghĩa qua các phiên. Điều này có nghĩa là xây dựng các mô hình biết khi nào chúng không có đủ thông tin để hành động tốt và có thể nói như vậy. Điều này có nghĩa là tạo ra các giao diện nơi người dùng giao tiếp mục tiêu chứ không phải lệnh, và nơi AI hành động như một đối tác trong việc tìm ra cách đạt được mục tiêu đó.

Điều này cũng có nghĩa là phải suy nghĩ lại về việc đánh giá. Hiện tại, chúng ta thường đo lường xem mô hình thực hiện các hướng dẫn cụ thể như thế nào. Trong một thế giới kỹ thuật intent engineering, thước đo tốt hơn là xem mô hình phục vụ mục đích cơ bản đằng sau các hướng dẫn đó, ngay cả khi các hướng dẫn đó không chính xác.

The Bottom Line

Kỹ thuật prompt engineering đối xử với AI như một công cụ mạnh mẽ nhưng ngu ngốc cần xử lý cẩn thận. Kỹ thuật intent engineering đối xử với AI như một thứ gần giống như một cộng tác viên thông minh có thể hiểu ngữ cảnh, lý luận về mục tiêu và xử lý sự mơ hồ. Sự thay đổi đó phản ánh sự thay đổi trong những gì chúng ta nghĩ AI là để làm. Không phải là một máy thực hiện chính xác những từ ngữ của bạn. Mà là một hệ thống giúp bạn đạt được những gì bạn thực sự quan tâm. Sự thay đổi đó báo hiệu rằng tương lai của giao tiếp giữa con người và AI sẽ không phải là về việc掌握 diễn đạt thông minh. Nó sẽ là về việc diễn đạt mục tiêu, ràng buộc và mục đích một cách rõ ràng đủ để AI cộng tác chứ không chỉ tuân thủ.