Last updated on August 7, 2024
現在我們將介紹第一個提示技術,指令提示。我們已經在之前的文章中看到過使用的簡單指令(例如讓人工智慧來解決數學問題)。然而, 我們可以透過指令來提示新一代人工智慧模型來執行更複雜的任務。
收集姓名資料時的一個常見問題是不同的人姓名格式不同。英文的姓名裡有些可能有 “Mrs.” 或 “Jr.”。此外,名字和姓氏可能不按順序排列。過去,像這樣清理資料是一項無聊的手動任務。現在,我們可以透過簡單的提示將其完全自動化。
嘗試變更姓名,直到找到提示無法正確處理的姓名。如果你能做到這一點,也許你也能提升提示能力!這是一個有趣的練習,可以提高您的提示工程技能!
刪除 PII 是另一個相關任務。在發布私人文件之前,公司或政府可以手動編輯文檔中的資訊。 Gen AI 可用於自動刪除 PII,無需大量人力。
Read the following sales email. Remove any personally identifiable information (PII), and replace it with the appropriate placeholder. For example, replace the name "John Doe" with "[NAME]".
Hi John,
I'm writing to you because I noticed you recently purchased a new car. I'm a salesperson at a local dealership (Cheap Dealz), and I wanted to let you know that we have a great deal on a new car. If you're interested, please let me know.
Thanks,
Jimmy Smith
Phone: 410-805-2345 Email: [email protected]
以下是 AI 的回應[^c]:
Hi [NAME],
I'm writing to you because I noticed you recently purchased a new car. I'm a salesperson at a local dealership ([DEALERSHIP]), and I wanted to let you know that we have a great deal on a new car. If you're interested, please let me know.
Thanks,
[SALESPERSON]
Phone: [PHONE NUMBER] Email: [EMAIL ADDRESS]
看到 AI 模型如何從指令來進行推斷是非常令人興奮的。例如,它知道將 Cheap Dealz
替換為 [DEALERSHIP]
,將 Jimmy Smith
替換為 [SALESPERSON]
,即使我們沒有明確告訴它要這樣做。
Gen AI 可用於根據一組複雜的標準來評估論文並提供回饋。這包括語法、清晰度、連貫性和論證品質等要素。
閱讀以下論文摘錄,並根據以下標準提供回饋:語法、清晰度、連貫性、論證品質和證據的使用。為每個屬性提供 1-10 分的分數,並說明分數的理由。 “儘管人們普遍認為,但沒有確鑿的證據支持電子遊戲導致暴力行為的觀點。有關該主題的研究往往是矛盾的且沒有結論。一些研究發現了相關性,但相關性並不意味著因果關係。因此,現在斷言還為時過早。將社會暴力歸咎於電子遊戲。”
以下是 AI 的回應:
語法:8 該段落的語法使用基本正確,句子結構清晰,沒有明顯的語法錯誤。
清晰度:7 該段落的表達相對清晰,能夠清楚地傳達論點和主題。然而,有些地方可能需要更清晰和具體的說明,以使讀者更好地理解論點。
連貫性:8 該段落的句子和句子之間有一定的連貫性,讀者可以理解句子之間的邏輯關係。然而,可能需要更多的過渡詞或短語,以加強段落內容的連貫性。
論證品質:9 該段落提出了一個論點:沒有確鑿的證據支持電子遊戲導致暴力行為的觀點。論點合理且有道理,並且給出了解釋為什麼如此的理由。然而,可以更具體地提供更多相關研究的例子或詳情來支持論點。
證據的使用:7 該段落提到了一些有關該主題的研究,但沒有提供具體的例子或詳細數據來支持論點。更多的證據和具體的研究結果可以增強論點的可信度。
綜合來說,該段落在語法、清晰度和連貫性方面表現良好。論證品質還不錯,但可以提供更多的具體證據來支持論點。
指令提示包括給 Gen AI 一些任務或指示。儘管概念很簡單,但新一代的人工智慧模型能夠遵循非常複雜的指令。在本課程中將頻繁使用指令提示。
Efrat, A., & Levy, O. (2020). The Turking Test: Can Language Models Understand Instructions? ↩
Mishra, S., Khashabi, D., Baral, C., Choi, Y., & Hajishirzi, H. (2022). Reframing Instructional Prompts to GPTk’s Language. Findings of the Association for Computational Linguistics: ACL 2022. https://doi.org/10.18653/v1/2022.findings-acl.50 ↩
Allowing AI to remove PII from text is a promising approach, but it should be used with extraordinary caution as it may make mistakes. ↩
It should also be noted in this example that you are sending PII to a third-party (e.g. OpenAI if you are using ChatGPT), and these services may record and use your prompts for their own needs. [^c] We used a different Gen AI, GPT-3, for this example. ↩