เอบีเอ: นี่คือส่วนหนึ่งของชุด Prompt Foundation ของเรา ซึ่งเราจะสำรวจกรอบงาน prompt ต่างๆ สำหรับกลุ่มและกรณีการใช้งานที่แตกต่างกัน ทั้งด้วยตัวเราเองและร่วมกับผู้เชี่ยวชาญ

นี่คือ โพสต์ซ้ำ ของบทความของ Stig บน LinkedIn

การแนะนำ

ในบทความก่อนหน้าของฉัน “การเรียนรู้วิศวกรรมพร้อมท์อย่างเชี่ยวชาญ: คู่มือเปรียบเทียบกรอบงานวิศวกรรมพร้อมท์ทั้งเก้าสำหรับมืออาชีพด้านเทคโนโลยี”ฉันได้ดูเทคนิคและกลยุทธ์ที่ใช้ในการวิศวกรรมแบบพร้อมท์ใน "กรอบงานวิศวกรรมแบบพร้อมท์" ที่แตกต่างกัน ซึ่งให้การวิเคราะห์เชิงเปรียบเทียบและให้ข้อมูลเชิงลึกเกี่ยวกับกรอบงานเหล่านี้ 

ตอนนี้ ฉันจะพูดถึงประเด็นสำคัญที่จะช่วยเสริมประสิทธิภาพการโต้ตอบของเรากับ AI มากขึ้น: คำสั่งที่กำหนดเองสำหรับ ChatGPT บทความนี้มุ่งหวังที่จะไขข้อข้องใจว่าคำสั่งที่กำหนดเองสามารถเพิ่มขีดความสามารถของ AI ได้อย่างไร ช่วยให้โต้ตอบได้อย่างเหมาะสมและมีประสิทธิภาพมากขึ้น และทำหน้าที่เป็นส่วนเสริมที่สำคัญสำหรับหลักการของวิศวกรรมที่รวดเร็วที่กล่าวถึงก่อนหน้านี้ มาร่วมเจาะลึกกับผมในอาณาจักรขั้นสูงของการปรับแต่ง AI ที่ความแม่นยำในการสื่อสารปลดล็อกศักยภาพใหม่ๆ

คำแนะนำที่ออกแบบอย่างมีกลยุทธ์เพื่อตอบสนอง AI:

คำแนะนำแบบกำหนดเองมีบทบาทสำคัญในการกำหนดผลลัพธ์ของโมเดล AI เช่น ChatGPT คำแนะนำเหล่านี้อาจมีความสำคัญในการชี้นำ AI ให้ตอบสนองได้อย่างมีคุณภาพสูง ในตัวอย่าง AutoExpert ที่เราจะดูต่อไปนี้ การออกแบบจะเน้นที่การเพิ่มความลึกและความละเอียดอ่อนของคำตอบ ลดความจำเป็นในการมีคำแนะนำพื้นฐาน และจัดเตรียมลิงก์ที่เกี่ยวข้องสำหรับการศึกษาเพิ่มเติม

กลไกการเข้ารหัสตำแหน่งและการใส่ใจเป็นส่วนประกอบที่สำคัญในโมเดล AI โดยเฉพาะสถาปัตยกรรมทรานสฟอร์มเมอร์ ซึ่งได้ปฏิวัติวงการต่างๆ เช่น การประมวลผลภาษาธรรมชาติและการมองเห็นด้วยคอมพิวเตอร์ ส่วนประกอบเหล่านี้มีบทบาทสำคัญในวิธีที่โมเดล AI ประมวลผลและตอบสนองต่อคำสั่งที่กำหนดเอง

พลังแห่งความใส่ใจ

“ความสนใจ” ในโมเดล AI โดยเฉพาะในบริบทของเครือข่ายประสาทเทียม เช่น GPT (Generative Pre-trained Transformer) เป็นกลไกที่ช่วยให้โมเดลสามารถโฟกัสที่ส่วนต่างๆ ของข้อมูลอินพุตเมื่อทำการคาดการณ์หรือสร้างเอาต์พุต แนวคิดนี้มีความสำคัญอย่างยิ่งในการจัดการงานที่เกี่ยวข้องกับข้อมูลแบบลำดับ เช่น การประมวลผลภาษา ซึ่งความเกี่ยวข้องของข้อมูลอาจแตกต่างกันไปขึ้นอยู่กับบริบท

การเปรียบเทียบ: เอฟเฟกต์งานเลี้ยงค็อกเทล

การเปรียบเทียบที่ดีเพื่อทำความเข้าใจความสนใจในโมเดล AI คือ “เอฟเฟกต์งานเลี้ยงค็อกเทล” ในการได้ยินและความสนใจของมนุษย์ ลองนึกภาพว่าคุณอยู่ในงานเลี้ยงค็อกเทลที่มีผู้คนพลุกพล่านและมีคนจำนวนมากพูดคุยกันพร้อมกัน แม้ว่าจะมีเสียงดังในสภาพแวดล้อมนั้น แต่คุณสามารถโฟกัสการได้ยินของคุณไปที่การสนทนาเพียงบทสนทนาเดียวได้ โดยไม่สนใจเสียงอื่นๆ และเสียงรบกวนจากพื้นหลัง การใส่ใจแบบเลือกสรรนี้ช่วยให้คุณเข้าใจและตอบสนองต่อการสนทนาที่คุณกำลังสนใจได้อย่างเหมาะสม

ในทำนองเดียวกันในโมเดล AI ที่มีกลไกการใส่ใจ:

• การโฟกัสแบบเลือกสรร:ในขณะที่คุณมุ่งเน้นไปที่บทสนทนาเฉพาะในห้องที่มีเสียงดัง โมเดลจะเน้นเฉพาะบางส่วนของข้อมูลอินพุตที่มีความเกี่ยวข้องกับงานที่ทำมากกว่า เช่น เมื่อสร้างประโยค โมเดลอาจให้ความสำคัญกับประธานของประโยคมากขึ้นเพื่อให้แน่ใจว่าไวยากรณ์มีความสอดคล้องกัน
• การตระหนักรู้บริบท:ความเข้าใจของคุณเกี่ยวกับการสนทนาในงานปาร์ตี้ขึ้นอยู่กับทั้งคำพูดที่พูดออกมาและบริบท (เช่น ใครกำลังพูด หัวข้อการสนทนา เป็นต้น) ในทำนองเดียวกัน การใส่ใจในโมเดล AI ช่วยให้โมเดลสามารถชั่งน้ำหนักความสำคัญของส่วนต่างๆ ของข้อมูลอินพุตในบริบทที่เหมาะสมได้
• การปรับไดนามิกt: เมื่อการสนทนาในงานปาร์ตี้เปลี่ยนไปหรือเมื่อคุณเปลี่ยนไปสนทนาเรื่องอื่น ความสนใจและความเข้าใจของคุณก็จะปรับเปลี่ยนตามไปด้วย ในโมเดล AI ความสนใจจะไม่หยุดนิ่ง แต่จะเปลี่ยนแปลงแบบไดนามิกขึ้นอยู่กับลำดับของข้อมูลอินพุตและสิ่งที่โมเดลกำลังประมวลผลอยู่

โดยสรุปแล้ว การให้ความสนใจในโมเดล AI นั้นเปรียบเสมือนการจดจ่ออยู่กับบทสนทนาเพียงบทสนทนาเดียวในงานปาร์ตี้ที่มีเสียงดัง โดยโมเดลจะสามารถจดจ่อกับข้อมูลที่เกี่ยวข้องที่สุดในช่วงเวลาใดเวลาหนึ่งได้ โดยคำนึงถึงบริบทที่กว้างขึ้นและปรับเปลี่ยนแบบไดนามิกตามความจำเป็น ซึ่งจะทำให้ได้ผลลัพธ์ที่แม่นยำและเหมาะสมกับบริบทมากขึ้น โดยเฉพาะอย่างยิ่งในงานที่ซับซ้อน เช่น การประมวลผลภาษา

ความสำคัญของการเข้ารหัสตำแหน่ง

การเข้ารหัสตามตำแหน่งในโมเดล AI โดยเฉพาะอย่างยิ่งในบริบทของโมเดล เช่น Transformers ที่ใช้สำหรับการประมวลผลภาษาธรรมชาติ เป็นวิธีการใส่ข้อมูลเกี่ยวกับตำแหน่งของโทเค็น (เช่น คำ) ภายในลำดับ ซึ่งถือเป็นเรื่องสำคัญ เนื่องจากโมเดลต้องเข้าใจไม่เพียงแค่ว่าคำต่างๆ คืออะไรเท่านั้น แต่ยังต้องเข้าใจลำดับของคำในประโยคด้วย เพื่อให้เข้าใจภาษาได้

การเปรียบเทียบ: โน้ตดนตรีในเพลง

ลองนึกภาพเพลงที่ลำดับโน้ตมีความสำคัญต่อทำนองและจังหวะของเพลง โน้ตแต่ละตัวไม่เพียงแต่มีเสียงที่เป็นเอกลักษณ์ (เหมือนคำในประโยค) เท่านั้น แต่ยังมีตำแหน่งเฉพาะในลำดับของเพลงด้วย (เหมือนตำแหน่งของคำในประโยค) หากคุณเล่นโน้ตโดยไม่คำนึงถึงลำดับของโน้ต ทำนองเพลงก็จะสูญหายไป เช่นเดียวกับความหมายของประโยคที่สูญหายไปหากไม่คำนึงถึงลำดับของคำ

ในการเปรียบเทียบนี้ การเข้ารหัสตามตำแหน่งเปรียบเสมือนป้ายกำกับที่ติดอยู่กับโน้ตแต่ละตัวเพื่อระบุตำแหน่งของโน้ตในเพลง ป้ายกำกับนี้ช่วยให้ใครบางคน (หรือในกรณีของ AI คือโมเดล) เข้าใจไม่เพียงแต่โน้ตเท่านั้น แต่ยังเข้าใจตำแหน่งที่โน้ตนั้นอยู่ในลำดับเพลงโดยรวมด้วย หากไม่มีข้อมูลตำแหน่งนี้ โน้ตทั้งหมด (หรือคำต่างๆ) ก็จะดูมีความสำคัญเท่าเทียมกันและเป็นอิสระจากกัน ทำให้ยากต่อการรับรู้ทำนอง (หรือโครงสร้างประโยค)

ในทำนองเดียวกันกับที่นักดนตรีอ่านทั้งโน้ตและตำแหน่งของโน้ตเพื่อเล่นเพลงที่มีความสอดคล้องกัน โมเดล AI จะใช้ทั้งข้อมูลคำและการเข้ารหัสตำแหน่งเพื่อทำความเข้าใจและสร้างภาษาที่มีความสอดคล้องกัน

การประมวลผลคำแนะนำที่กำหนดเอง

เมื่อเรากำหนดรูปแบบรายละเอียดสำหรับการตอบกลับ โมเดล AI จะใช้การเข้ารหัสตามตำแหน่งเพื่อทำความเข้าใจลำดับและโครงสร้างของคำสั่งเหล่านี้ พร้อมกันนั้น กลไกการเอาใจใส่จะเน้นที่ด้านต่างๆ ของคำสั่งอย่างเลือกสรร (เช่น ความละเอียดอ่อน ข้อกำหนดด้านการจัดรูปแบบ) เพื่อสร้างการตอบกลับที่สอดคล้องกับความต้องการที่เราระบุไว้

มาลองดูกัน

ก่อนอื่น ฉันจะให้ตัวอย่างพื้นฐานโดยไม่มีคำแนะนำแบบกำหนดเอง:

ตอนนี้ฉันจะเพิ่มคำแนะนำแบบกำหนดเองบางส่วน:

วิธีตั้งค่าคำแนะนำแบบกำหนดเองด้วยกรอบงาน AutoExpert v3

ลงชื่อเข้าใช้ ChatGPT

เลือกปุ่มโปรไฟล์ที่ด้านซ้ายล่างของหน้าจอเพื่อเปิดเมนูการตั้งค่า

เลือกคำแนะนำที่กำหนดเอง

ในกล่องข้อความแรก คัดลอกและวางข้อความต่อไปนี้ลงในส่วน “เกี่ยวกับฉัน”

# เกี่ยวกับฉัน - (ฉันใส่ชื่อ/อายุ/ที่ตั้ง/อาชีพที่นี่ แต่คุณสามารถละทิ้งหัวเรื่องนี้ทั้งหมดได้หากต้องการ) - (ตรวจสอบให้แน่ใจว่าคุณใช้ - (ขีดกลาง แล้วเว้นวรรค) ก่อนแต่ละบรรทัด แต่ให้ยึดที่ 1-2 บรรทัด) # ความคาดหวังของฉันต่อผู้ช่วย ยอมตามความต้องการของผู้ใช้หากความต้องการนั้นเกินขอบเขตที่คาดหวังเหล่านี้: ## ภาษาและน้ำเสียง - ใช้คำศัพท์ผู้เชี่ยวชาญสำหรับบริบทที่กำหนด - หลีกเลี่ยง: ข้อความที่ไม่จำเป็น การอ้างอิงตัวเอง คำชี้แจงคำแนะนำจากผู้เชี่ยวชาญ และคำขอโทษ ## ความลึกและความกว้างของเนื้อหา - นำเสนอความเข้าใจองค์รวมของหัวข้อ - ให้การวิเคราะห์และคำแนะนำที่ครอบคลุมและมีรายละเอียด - สำหรับคำถามที่ซับซ้อน ให้แสดงกระบวนการใช้เหตุผลของคุณด้วยคำอธิบายทีละขั้นตอน ## ความลึกและความกว้างของเนื้อหา - นำเสนอความเข้าใจองค์รวมของหัวข้อ - ให้การวิเคราะห์และคำแนะนำที่ครอบคลุมและมีรายละเอียด - สำหรับคำถามที่ซับซ้อน ให้แสดงกระบวนการใช้เหตุผลของคุณด้วย คำอธิบายทีละขั้นตอน ## วิธีการและแนวทาง - เลียนแบบการตั้งคำถามกับตนเองแบบโสเครตีสและทฤษฎีแห่งจิตตามความจำเป็น - ห้ามละเว้นหรือตัดทอนโค้ดในตัวอย่างโค้ด ## การจัดรูปแบบผลลัพธ์ - ใช้มาร์กดาวน์ อีโมจิ ยูนิโค้ด รายการและการย่อหน้า หัวเรื่อง และตารางเท่านั้นเพื่อปรับปรุงการจัดระเบียบ ความสามารถในการอ่าน และความเข้าใจ - สำคัญ: ฝังไฮเปอร์ลิงก์ทั้งหมดแบบอินไลน์เป็นลิงก์การค้นหาของ Google {อีโมจิที่เกี่ยวข้องกับเงื่อนไข} ข้อความสั้น - โดยเฉพาะอย่างยิ่ง ให้เพิ่มไฮเปอร์ลิงก์ไปยังเอนทิตี เช่น เอกสาร บทความ หนังสือ องค์กร บุคคล การอ้างอิงทางกฎหมาย คำศัพท์ทางเทคนิค และมาตรฐานอุตสาหกรรมโดยใช้ Google Search 

ลงในช่องข้อความที่ 2 ให้คัดลอกและวางข้อความต่อไปนี้ 

การใช้คำฟุ่มเฟือย: ฉันอาจใช้ V=[0-5] เพื่อกำหนดรายละเอียดการตอบสนอง: - V=0 หนึ่งบรรทัด - V=1 กระชับ - V=2 สั้น - V=3 ปกติ - V=4 มีรายละเอียดพร้อมตัวอย่าง - V=5 ครอบคลุม โดยมีความยาว รายละเอียด และความแตกต่างมากที่สุดเท่าที่จะทำได้ 1. เริ่มการตอบสนองด้วย: |คุณลักษณะ|คำอธิบาย| |--:|:--| |โดเมน > ผู้เชี่ยวชาญ|{โดเมนวิชาการหรือการศึกษาที่กว้างซึ่งคำถามอยู่ใน} > {ภายในโดเมน บทบาทผู้เชี่ยวชาญเฉพาะที่สัมพันธ์อย่างใกล้ชิดกับบริบทหรือความแตกต่างเล็กน้อยของคำถาม}| |คำสำคัญ|{ รายการ CSV ของหัวข้อ 6 หัวข้อ คำศัพท์ทางเทคนิค หรือศัพท์เฉพาะที่สัมพันธ์กับโดเมน ผู้เชี่ยวชาญ}| |เป้าหมาย|{ คำอธิบายเชิงคุณภาพของวัตถุประสงค์ผู้ช่วยปัจจุบันและการใช้คำฟุ่มเฟือย }| |สมมติฐาน|{ สมมติฐานของผู้ช่วยเกี่ยวกับคำถาม ความตั้งใจ และบริบทของผู้ใช้}| |ระเบียบวิธี|{ผู้ช่วยด้านระเบียบวิธีเฉพาะใดๆ จะรวมไว้}| 2. ตอบกลับของคุณและอย่าลืมรวม: - กฎผู้ช่วยและรูปแบบผลลัพธ์ - ไฮเปอร์ลิงก์แบบฝังในบรรทัดเป็นลิงก์การค้นหา Google { อีโมจิที่หลากหลายที่เกี่ยวข้องกับเงื่อนไข} ข้อความที่จะลิงก์ตามต้องการ - การให้เหตุผลแบบทีละขั้นตอนหากจำเป็น 3. จบการตอบสนองด้วย: > ดูเพิ่มเติม: [การค้นหาที่เกี่ยวข้อง 2-3 รายการ] > { อีโมจิที่หลากหลายที่เกี่ยวข้องกับเงื่อนไข} ข้อความที่จะลิงก์ > คุณอาจสนใจ: [หัวข้อที่เกี่ยวข้องที่ไม่เกี่ยวข้อง 2-3 รายการ] > { อีโมจิที่หลากหลายที่เกี่ยวข้องกับเงื่อนไข} [ข้อความที่จะลิงก์](https://www.google.com/search?q=expanded+search+terms)

แนวคิดสำหรับคำแนะนำแบบกำหนดเองข้างต้นมาจาก Reddit และสามารถดูโพสต์ต้นฉบับสำหรับ v3 ได้ที่นี่ (สปัสติน)

มีจำหน่ายในรุ่นใหม่กว่าด้วย เวอร์ชัน v5 

หากตอนนี้ฉันตั้งค่าเอาต์พุตเป็น V=2 (สั้น) และให้อินพุตเหมือนเดิม ฉันจะได้รับดังต่อไปนี้

หากต้องการคำตอบที่ครอบคลุมมากขึ้น ฉันตั้ง V=5 (ครอบคลุม)

หากฉันต้องการเปลี่ยนแปลงผลลัพธ์เพิ่มเติม ฉันสามารถเพิ่มข้อมูลเพิ่มเติมได้ ตัวอย่างโค้ดด้านบนทั้งหมดอยู่ใน Python แต่ฉันต้องการให้ Java เป็นค่าเริ่มต้นแทน ดังนั้นฉันจึงเพิ่มสิ่งต่อไปนี้ลงในส่วนวิธีการและแนวทาง ##

- โค้ดเป็นภาษา Java และฉันชอบโค้ดที่ปฏิบัติตาม Event Driven Architecture และหลักการ SOLID มากกว่า

รันอินพุตเดียวกัน:

และตอนนี้เอาท์พุตอยู่ในภาษา Java

ความเป็นไปได้ไม่มีที่สิ้นสุด ลองดู ทดลองกับมัน

ตัวอย่างข้างต้นใช้คำสั่งจากกรอบงาน AutoExpert v3 แต่คุณไม่จำเป็นต้องใช้มัน 

คุณสามารถให้ข้อมูลใด ๆ ที่คุณต้องการได้

สามารถพบแนวคิดอื่นๆ สำหรับการเรียนการสอนแบบกำหนดเองได้ ที่นี่ (ไม่ใช่บทความของฉัน)

บทสรุป

การสำรวจคำแนะนำแบบกำหนดเองสำหรับ AI โดยเฉพาะในบริบทของ ChatGPT ตามที่ระบุโดยละเอียดในบทความนี้ ถือเป็นความก้าวหน้าที่สำคัญในสาขาการโต้ตอบกับ AI และประสบการณ์ของผู้ใช้ โดยการบูรณาการคำแนะนำแบบกำหนดเองเชิงกลยุทธ์ เราจะปลดล็อกศักยภาพสำหรับการโต้ตอบกับระบบ AI ที่มีประสิทธิภาพและคำนึงถึงบริบทมากขึ้น

ข้อมูลเชิงลึกที่สำคัญจากบทความนี้เผยให้เห็นว่ากลไกการให้ความสนใจและการเข้ารหัสตำแหน่งภายในโมเดล AI เช่น ChatGPT มีบทบาทสำคัญในการประมวลผลคำสั่งเหล่านี้ ความสามารถนี้ช่วยให้ตอบสนองได้ในระดับที่ไม่เคยเกิดขึ้นมาก่อน ทำให้ผู้ใช้ควบคุมการโต้ตอบกับ AI ได้มากขึ้น

ยิ่งไปกว่านั้น การประยุกต์ใช้แนวคิดเหล่านี้ในทางปฏิบัติผ่านกรอบงาน AutoExpert v3 แสดงให้เห็นถึงความสามารถในการนำไปใช้ในโลกแห่งความเป็นจริงและประโยชน์ของคำแนะนำที่กำหนดเอง 

โดยพื้นฐานแล้ว บทความนี้เน้นย้ำถึงพลังการเปลี่ยนแปลงของคำสั่งแบบกำหนดเองใน AI ซึ่งเปิดทางสู่ประสบการณ์ AI ที่มีความละเอียดอ่อนและปรับแต่งได้มากขึ้น ในขณะที่เรายังคงสร้างสรรค์นวัตกรรมและขยายขอบเขตของเทคโนโลยี AI บทบาทของคำสั่งแบบกำหนดเองจะกลายมาเป็นศูนย์กลางที่เพิ่มมากขึ้นอย่างไม่ต้องสงสัยในการกำหนดอนาคตของการโต้ตอบระหว่างผู้ใช้ AI

เกี่ยวกับผู้เขียน

พบกับ Stig Korsholm ผู้ชื่นชอบเทคโนโลยีและ AI ที่ชื่นชอบการเรียนรู้เทรนด์และนวัตกรรมล่าสุดในโลกของปัญญาประดิษฐ์ ปัจจุบัน Stig เป็นสถาปนิกโดเมนหลักที่ Bankdata และมีประสบการณ์มากมายในด้านเทคโนโลยีในโดเมนการเงินและการธนาคาร

ในฐานะนักเขียนรับเชิญ Stig จะมาแบ่งปันข้อมูลเชิงลึกและประสบการณ์อันเป็นเอกลักษณ์เฉพาะตัวของเขา ซึ่งทำให้หัวข้อที่ซับซ้อนเข้าถึงได้และน่าสนใจสำหรับทุกคน ด้วยความสามารถในการผสมผสานเทคโนโลยีเข้ากับการใช้งานในโลกแห่งความเป็นจริง เขาจึงมีความหลงใหลในการช่วยให้ธุรกิจต่างๆ ใช้ประโยชน์จากพลังของ AI เพื่อขับเคลื่อนความสำเร็จ

เมื่อเขาไม่ได้เขียนหรือสำรวจเทคโนโลยีใหม่ๆ คุณจะพบเขาเชื่อมต่อกับผู้ริเริ่มนวัตกรรมด้วยกัน และแบ่งปันไอเดียที่สร้างแรงบันดาลใจ

เชื่อมต่อกับเขาบน LinkedIn → ที่นี่!