Kehotesuunnittelu
Kehotesuunnittelu[1][2] tai syötesuunnittelu (engl. prompt engineering) tarkoittaa sellaisten kehotteiden, kysymysten tai komentojen suunnittelua, joiden avulla ohjataan tai koulutetaan tekoälyä tai keskustelubottia[3][4]. Esimerkiksi kun kommunikoidaan tekoälymallin, kuten GPT:n kanssa, oikein muotoillut ja suunnitellut kehotteet voivat auttaa saamaan parempia ja tarkempia vastauksia. Hyvin suunniteltu kehote on esimerkiksi selkeä, konkreettinen ja ohjaava[5].
Kehote:
"Kerro, kuinka polkupyörä toimii yksinkertaisesti selitettynä."
on hyvin suunniteltu, koska kysymys on yksiselitteinen ja selkeä. Tekoälyn ei tarvitse arvailla, mitä käyttäjä haluaa tietää. Kysymys koskee tiettyä, konkreettista asiaa – polkupyörän toimintaa. Kehote ohjaa tekoälyä antamaan vastauksen "yksinkertaisesti selitettynä". Tämä kertoo tekoälylle, että vastauksen tulee olla helppotajuinen eikä sisältää liian monimutkaista sanastoa tai liian teknistä tietoa.
Vastauksena kehotteeseen tekoäly voisi tuottaa esimerkiksi seuraavanlaisen tekstin: "Polkupyörä toimii ihmisen voiman ja yksinkertaisten fyysisten periaatteiden avulla. Kun poljet polkimia, ne liikuttavat ketjua, joka pyörittää takapyörää.
Etupyörän ohjaaminen ohjaustangosta mahdollistaa kääntymisen. Jarrut toimivat puristamalla kumeja pyöriä vasten, jolloin pyörien pyörimisnopeus hidastuu ja pyörä pysähtyy."
Kehotesuunnittelu on erityisen tärkeää, kun tekoälymallin tehtäväksi annetaan ratkaista abstrakteja tai monimutkaisia kysymyksiä. Kehotteiden suunnittelulla on suuri vaikutus siihen, kuinka hyvin malli ymmärtää kysymyksen ja minkälaisen vastauksen se tuottaa. Kielimalleihin perustuvien tekoälysovellusten (esim GPT) yhteydessä kehotesuunnittelu on tyypillisesti vuorovaikutteista, jossa kehotteita suunnitellaan ja luodaan lisää tekoälyn antamien vastauksen pohjalta.[6]
Kehotesuunnittelun merkityksen odotetaan vähenevän tulevaisuudessa kun tekoälymallit kehittyvät paremmiksi.[7]
Katso myös
muokkaaLähteet
muokkaa- ↑ Kehotesuunnittelu (Esimerkki sanan käytöstä artikkelissa: ”Miten tekstin luonti Azure OpenAI -palvelussa toimii (esiversio)”) 16.03.2023. Microsoft. Viitattu 8.5.2023.
- ↑ Tulevaisuuden tieto(palvelu)työ on kehotesuunnittelua | The FIRE Blog | Tampereen korkeakouluyhteisö The FIRE Blog. 14.5.2023. Viitattu 1.8.2023.
- ↑ Alec Radford; Jeffrey Wu; Rewon Child; David Luan; Dario Amodei: Language Models are Unsupervised Multitask Learners (PDF) 2019. cdn.openai.com. Viitattu 2.5.2023. (englanniksi)
- ↑ Pengfei Liu; Weizhe Yuan; Jinlan Fu; Zhengbao Jiang; Hiroaki Hayashi; Graham Neubig: Pre-train, Prompt, and Predict: A Systematic Survey of Prompting Methods in Natural Language Processing (arXiv-tunniste: 2107.13586) arxiv.org. 28.7.2021. Viitattu 2.5.2023. (englanniksi)
- ↑ Onlim Team: Prompt Engineering: The Art of Precise Language Control AI-chatbot software for complex requirements. 13.6.2023. Viitattu 1.8.2023. (englanti)
- ↑ Dickson, Ben: LLMs have not learned our language — we're trying to learn theirs venturebeat.com. 30.8.2022. Arkistoitu 10.3.2023. Viitattu 2.20.2023. (englanniksi)
- ↑ Oguz A. Acar: AI Prompt Engineering Isn’t the Future Harvard Business Review. 6.6.2023. Viitattu 22.11.2023.