Transcription
Искусственный интеллект можно превратить в очень надёжного союзника, но только если знать, как правильно с ним разговаривать. Именно формулировка определяет, получим мы хороший результат или бессмысленный набор слов, который, ну, ни к чему вас не приведёт и задачу не решит, ещё и запутает.
Сегодня я поделюсь с вами практическими находками из самых актуальных и свежих исследований на тему промт-инжиниринга, которыми с удовольствием делятся и Anthropic, и Open AI, и другие компании, которые являются передовыми на стыке технологии искусственного интеллекта. Поэтому самые свежие техники и принципы работы с нейросетями сегодня я расскажу в этом ролике. Меня зовут Тарас. На этом канале мы рассказываем как раз об этом. Так что погнали.
На самом деле, большинство людей используют достаточно старые подходы к промт-инжинирингу. Конечно же, несмотря на то, что вроде каждая новая моделька должна хорошо справляться с промтами, которые загружались в старые модели, тем не менее, современные модели требуют немножко другого подхода, и такое будет происходить и в дальнейшем. Несмотря на то, что все пытаются сохранить и старые методы промтинга и общения с нейросетями, добавляются какие-то новые уникальные особенности каждой модели. И, например, одно из последних исследований Open AI показало, что хорошая, правильная структуризация промпта может улучшить качество результатов более чем на 50%.
Понятно, что модели стали думающими. Понятно, что модели, в принципе, те, которые думающие, могут сами себе переструктурировать в процессе размышления промт, декомпозировать его и так далее. Но это не отменяет того, что первичная всё-таки коммуникация, она остаётся на человеке. Поэтому только вам решать, как правильно, с вашей точки зрения, ставятся задачи и какой результат вы ожидаете.
Начнём с очень простого. В последних исследованиях самого Open AI, они рекомендуют, в принципе, достаточно жёстко создавать структуру промта, которая будет соответствовать следующим пунктам. То есть если раньше всегда выделяли в основном только роль и говорили: "Ну вот важно просто роль задать и всё будет хорошо, там ты врач, посоветуй мне то-то". То сейчас, в принципе, рекомендуют сильно более подробно давать разных структурных условий. Например, да, плохой промт: "Будь экспертом по маркетингу и помоги с рекламой". Ну, понятно, что можно добавить какого-то контекста, но всё равно будет не очень.
И вот пример правильного промта: это дать роль, да, какой конкретно ты специалист, в какой зоне ответственности, то есть не просто по маркетингу, по какому конкретному виду маркетинга. Отдельно и в уже официальные рекомендации попадает добавлять информацию о опыте работы. То есть, в принципе, это какой-то старый такой лайфхак, которым много кто пользовался, но он до сих пор, видите, актуален и даже плавно перетекает в официальные рекомендации. Вот. Потом непосредственно задать задачу, например, да, то, что здесь в секции Task: "Проанализировать конверсию лендинга по конкретным метрикам". Да, в идеале метрики надо перечислить. Дальше дать контекст. Контекст - это всегда важная штука, то есть никогда не давайте абстрактный контекст. На нём она организует абстрактный результат. Вот. Дальше обязательно пишите формат того, чего вы ожидаете. И также укажите ограничения, собственно, во времени, в количестве символов, в стилистике, в чём угодно. Этого, в принципе, достаточно, потому что такой правильный промт, он уже сильно усилит разницу. Именно структура будет очень сильно влиять на результат.
Конечно, вы можете не так размещать, как здесь в примере. То есть здесь разметка просто условно абстрактная. Вы можете разметить по-другому, просто написать: "Твоя роль такая-то, твоя задача такая-то". Этого тоже будет достаточно. Нейросеть замечательно это всё понимает.
Пункт номер два. Плавно мы переходим от ээ цепочки рассуждения, которая, собственно, есть встроенная в модельки, к новой, так сказать, технике, которая, наверное, скоро тоже будет встроена в модели, которая называется древо размышлений. Tree of Thoughts. Это в целом такой следующий как бы логический шаг развития. Если раньше по цепочке, да, решалась первая задача, разбивалась, думалась и по очереди одно за другим, то в данном случае мы пытаемся вместо того, чтобы задачу шаг за шагом решать, разветвить её на подзадачи и решать их, ну, условно, параллельно. В таком как бы диффузном подходе мы получаем несколько результатов, которые можно потом как-то сравнить и выбрать, например, наилучший. Понятно, что сравнивать можете вы. Нейросеть - это уже как бы up to you.
Покажу на примере, чтобы было понятно, да? То есть, например, обычный подход: "Напиши стратегию для запуска нашего приложения". Ну, понятно, что этот промт вот прямо самый банальный, базовый. Можно вот вернуться к прошлому, добавить роль, ещё что-то, да? Можно добавить контекст. По тому самому Tree of Thoughts, то есть по древу размышлений. Например: "Проанализировать три альтернативных пути запуска, да, агрессивный, консервативный и партнёрский. Также указать контекст и условия, какие соответствуют, собственно, этим самым альтернативным путям. То есть высокий бюджет в агрессивном, там консервативные тестирования итерации, партнёрский там совместный рост, ограниченный бюджет можно добавить". И для каждого пути попросить детализацию, да: "Детализировать первые шаги, оценить риски, вероятность успеха, выложить план Б, если тот провалится". Выбрать оптимальный путь с обоснованием. В принципе, можно после этого нейросети попросить сравнить по разным параметрам и на основе этого объяснить, почему там тот или иной путь в приоритете по текущим условиям. То есть можно, например, текущие условия реальные вгрузить и посмотреть, что будет.
Следующий совет, ээ, даже не совет, а как бы рекомендация на основе тех самых научных исследований, это подход, который называется Self-consistency. Подход хорош, когда вам нужна точность. Собственно, Google Research показывает, что Self-consistency даёт прирост в решении, как правило, математических или каких-то сложных задач, требующих, ну, высокой той самой высокой точности. Прирост по исследованиям где-то 17,9%. Ну, есть и другая версия тоже исследования, которая экономит там уже 40% вычислительных затрат при той же точности, которая была и до этого.
Итак, что же нужно, собственно, сделать? Вместо одного запроса делаем несколько запросов, но просим модель решить задачу по-разному. "Решить задачу пошагово через уравнение, решить задачу через визуализацию схемы, решить задачу методом от противного. Потом сравнить все три решения, найти расхождение и дать ответ". По сути, это чем-то похоже и на прошлую историю с Tree of Thoughts, где тоже задача решалась, так сказать, разными путями, да, но там, ээ, скорее менялись вот вводные условия. Здесь меняется именно принцип решения. То есть смотрите, на каких задачах такое подходит. Чаще всего это задачи, где есть, да, разные способы решения, но большинство задач, которые так или иначе связаны с, ну, условным применением научного метода, да, какого-то или там логики, в принципе, могут быть решены по-разному, да, то есть прямыми доказательствами, обратными и так далее.
Следующий большой момент. Ээ, нейросеть изначально, когда ещё, да, вот там только Open AI появилась и другие компании включились в гонку, так сказать, вооружений в виде нейросетей, всегда задумывались про безопасность. Безопасность. Она до сих пор является одной из там ключевых тем дискуссии и этической и прямой, да, на тему того, чего мы, собственно, ждём от нейросетей. Уничтожат они человечество, не уничтожат, короче, вот это вот всё. Ну и, соответственно, нейросети, естественно, надо ограничивать. Ограничение нейросетей на уровне промтами, промтов системных в этих нейросетях уже сейчас заметно. С каждым новым апдейтом ChatGPT становится всё более скромным и скромным. Это видно тоже и в других наших видео. Обязательно смотрите их.
Но, ээ, помимо этого важно то, что в тот момент, когда добавляется вот этот самый ограничитель в виде контр-интеллектуального AI, то есть ограничение, появляется момент не только с безопасностью связанный, но и с такой самокритикой, самоограничениями. И эти ограничения в целом, они тоже классно помогают. То есть в контексте ограничений можно перейти к самопроверке. Соответственно, например, когда вы промтите, ну, понятно, что вы можете жёстко поставить именно ограничение, там "не больше 1.000 символов", но вы можете и для самопроверки в эти же ограничения загонять следующее. Например, да, там: "После решения задачи перечисли три потенциальные ошибки в своём рассуждении, проверь фактическую точность каждого утверждения, оцени, не упустил ли важные аспекты, дай улучшенную версию ответа, укажи уровень уверенности там от одного до десяти" и подобное. То есть такого рода самопроверки в принципе могут улучшить результат.
Понятно, что это может комбинироваться и с прошлым вариантом, где типа "реши, реши другими способами". Ну, можете просто предложить не решать другими способами, да, а в контексте ограничения сказать: "Укажи, имеются ли другие способы решения этой задачи или укажи, какими ещё способами ты бы решил эту задачу" и так далее. Это, в принципе, всё тоже относится к той самой самопроверке и, ну, такого, ну, это уже не ограничение, это именно вот контекст настройки промта для того, чтобы он мог сам к себе выставить те требования качеству ответа, да, которые вы от него ожидаете.
А для того, чтобы стать экспертом по работе с нейросетями и классно их интегрировать в свою личную профессиональную жизнь, обязательно приходи на наш мастер-класс. Вы научитесь эффективно создавать контент, планировать свои задачи с помощью нейросетей, управлять ээ другими продуктами с помощью нейросетей. Ну и, конечно же, поймёте, как сделать из ChatGPT других нейроинструментов ваших повседневных помощников. Ссылка на него в описании.
Ну и пятая рекомендация, ту, которую я нашёл в исследованиях, собственно, наверное, одна из тех, о которых уже не раз, ээ, я и Женя говорили на этом канале - это попросить ChatGPT или другую нейросеть написать промт. Называется это на профессиональном языке метапромтинг. Собственно, есть реальные исследования, где показывают, что промты, которые написаны через подход с метапромтингом, они показывают более хорошие результаты, потому что они сами по себе соответствуют, как правило, тем структурам, которые ожидает нейросеть. То есть, в принципе, нейросеть лучше всего знает, как с ней общаться. Поэтому метапромтинг - это такой достаточно уникальный способ сделать хороший промт, даже если вы, ну, вообще не можете делать хорошие промты.
Простой запрос, да, можно отправить, например: "Создай детальный промт для анализа конкурентов в нише, укажи нишу и также укажи, что в промте надо учесть. То есть, например, 15 плюс факторов анализа, структурировать выдачу по приоритетам, дать конкретные рекомендации по действиям". Понятно, что здесь вы можете указать как раз всё-чуть более абстрактное, то есть вам не надо говорить заранее, например, там перечислять все метрики, которые вы хотите указать прямо в промте и отправить. То есть вы можете попросить промт ээ составить таким образом, чтобы в нём было заранее указано те самые метрики, которые там промт-составитель в виде нейросети как эксперт в какой-то сфере, например, там lead product, да, может ээ знать. И в принципе сама нейросеть замечательно с этим справится. Вы можете уже посмотреть на результирующий промт, опять же, в несколько итераций его подкорректировать, то есть через тот же самый метапромтинг и получить в итоге на выходе очень хороший качественный промт.
И в нём большой плюс в том, что помимо того, что вы как бы просто для начала перекладываете вроде как ээ самую сложную часть работы по написанию этих самых умных, хороших промтов на нейросеть, вы ещё и постоянно получаете примеры в целом качественных промтов. Это значит, что вы рано или поздно, в принципе, научитесь тому, как создавать промты на основе того, что вы ээ всё это время генерировали вместе с нейросетью. Поэтому это, ну, безусловно, на мой взгляд, такая очень хорошая классная рекомендация, которая точно поможет сделать коммуникацию с нейросетью значительно более эффективной и результативной.
Какие подходы к промтингу дали у вас наилучший результат? Делитесь этим в комментариях. Ну и ставьте обязательно лайк. Особенно ставьте, если вы попробуете что-нибудь из сегодняшнего видео в ближайшее время, может быть, прямо в ближайший час или, может быть, прямо сейчас. Будет очень интересно и круто. Ну, вообще, промт-инжиниринг - это буквально новая грамотность. Поэтому уделяйте этому внимание. И в каком-то смысле то, как сейчас человек правильно может формулировать мысли, хорошо описывать задачу, декомпозировать её, становится с каждым днём всё более и более критичным, потому что от этого сильно зависит результат. А раньше, конечно же, это тоже было очень важно, но раньше мы коммуницировали там только с людьми, а теперь вот появился, так сказать, новый собеседник, очень мощный и крутой, который требует тоже определённого подхода для того, чтобы быть таким же полезным, как и люди, для всех.
Поэтому, если вы хотите оставаться, так сказать, на гребне волны, не теряться во всех этих новых технологиях, профессиях и фичах, инструментах, которые появляются благодаря вместе с нейросетями, обязательно подписывайтесь на канал. Здесь я рассказываю обо всём этом. Так что оставайтесь с нами. Всем пока. [музыка]