Blogi 28.11.2024

Promptaamisen hienovarainen taide

Data ja tekoäly

Osaaminen

Promptaaminen on taito, jota kaikki tarvitsevat. Prompti eli kehoite on syöte, jota käytetään ohjaamaan generatiivisen tekoälymallin tuotosta. Promptaaminen on promptin syöttämistä generatiiviselle tekoälylle, kuten esimerkiksi ChatGPT:lle tai Copilotille, joka generoi vastauksen promptiin.

(Schulhoff et al., 2024)

Promptaamisen kuuden kohdan ohje

(Losey, 2024 & Prompt Engineering, 2024)

  1. Selkeät ohjeet
  2. Aikaa ajatella
  3. Tehtävien pilkkominen
  4. Referenssiteksti
  5. Kokeile muutoksia
  6. Työkalut
Graafinen elementti, jossa lukee samat kuusi kohtaa kuin tekstissä.

1.    Selkeät ohjeet

Selkeät ohjeet tarkoittavat sitä, että tekoälylle kuvaillaan tarkasti mitä sen halutaan tuottavan. Jos halutaan lyhyt esitys, annetaan se ohjeeksi. Toisaalta ammattimaisen ja pitkän selostuksen pyytäminen tuottaa sellaisen. Kielimalli ei osaa arvata minkälaisen vastauksen haluat, jos sillä ei ole kontekstia.

2.    Aikaa ajatella

Tekoälyn tulisi pyytää ensin luomaan ajatusketju ja sitten muodostamaan johtopäätös. Älä kysy suoraan vastausta, vaan pyydä ensin päättelyketjua, joka johtaa vastaukseen ja sitten vasta vastausta. Tämä aiheuttaa sen, että mallin neuroverkko käydään useita kertoja läpi vastausta muodostaessa ja vastauksesta tulee usein parempi. Esimerkiksi, jos haluat mallin kertovan mikä on yhdeksäs desimaali piin likiarvossa. Pyydä mallia määrittelemään mikä on pii ja piin likiarvo ja mitä tarkoittaa desimaali ja sitten antamaan vastauksen mikä on piin likiarvon kymmenes desimaali.

3.    Tehtävien pilkkominen

Kuten ohjelmistokehittämisessä, myös promptatessa monimutkainen tehtävä kannattaa ensin pilkkoa osiin ja sitten muodostaa vastaus. Voit pyytää tekoälyä pilkkomaan tehtävän itse ensin pienempiin osiin ja sitten muodostamaan ratkaisun osista. Ohje toimii hyvin myös kysyttäessä jotain oikealta ihmiseltä.

4.    Referenssiteksti

Tekoälylle kannattaa antaa referenssiksi luotettavaa tietoa, jota se voi käyttää vastausten muodostamiseen. Tämä usein auttaa, koska mallilla on hyvin rajoitettu ikkuna kontekstiin ja annettu tieto auttaa löytämään asiaan liittyvää tietoa.

5.    Kokeile muutoksia

Arvioi muutoksia tekoälyn vastauksissa todellista tietoa vastaan järjestelmällisesti. Osa mallille annetuista ohjeista voi toimia jossain yksittäisessä yhteydessä, mutta ei välttämättä toimi yleisesti. Kannattaa kokeilla pieniä muutoksia ohjeissa ja generoida useita vastauksia ja pitää kirjaa niiden laadusta. Tämä pätee varsinkin jos ollaan ohjeistamassa mallia antamaan vastauksia automaattisesti ja mallille annettavaa ohjetta käytetään usean vastauksen generoinnissa.

6.    Työkalut

Generatiiviset tekoälymallit eivät ole aina parhaita työkaluja kaikkeen tiedonhankintaan. Jos tiedonhakuun voi käyttää toista työkalua luotettavammin, sitä kannattaa ilman muuta käyttää. Esimerkiksi generatiiviset kielimallit ovat huonoja laskemaan aritmeettisia laskutehtäviä. Tämän voi kuitenkin ulkoistaa helposti toiselle työkalulla, joka laskee vastauksen kielimallin muotoilemasta syötteestä ulkoiselle laskemisen suorittavalla työkalulla.

Viitteet

data ja tekoäly

Timo Pitkänen

Senior Software Developer

Timo on kokenut ohjelmistokehittäjä, jolla on monipuolista osaamista matkapuhelin-, työpöytä-, IoT-, pilvi- ja sulautetusta kehittämisestä. Hän on erityisen kiinnostunut koneoppimista ja tekoälyä hyödyntävistä projekteista, joita hän toteuttaa Python-, Kotlin- ja Rust-kielillä. Timo on valmistunut Jyväskylän yliopistosta tietotekniikan pääaineesta. Vapaa-ajallaan hän harrastaa lautapelejä, oluita, demosceneä ja ohjelmointia.

Takaisin ylös