:::takeaways 本文要點
:::
有時候生成式 AI 會輸出錯誤的結果。例如,它們不是很擅長乘法運算,經常會自信地給出錯誤的答案。嘗試向 ChatGPT 提供以下提示:
ChatGPT 提供了一個錯誤答案(正確答案是 91,377)。我們可以修改提示,並告訴 ChatGPT 仔細思考每個步驟:
計算 923 乘以 99,我們可以分解為較小的步驟:
步驟 1:為每個項寫出完整的 0 個數: 923 * 99 = 923 * 990
步驟 2: 將第一個項乘以 9: 923 * 9 = 8307
步驟 3: 將第一個項乘以 90(新增一個 0): 923 * 90 = 83070
步驟 4: 將步驟 2 和步驟 3 的結果相加。: 8307 + 83070 = 91377
因此,923 乘以 99 等於 91,377。
令人驚訝的是,透過這些額外的說明,ChatGPT 能夠解決這個問題。這次成功是因為 ChatGPT 將計算過程都寫出來了,從而避免了錯誤。透過提示工程,生成式 AI 的數學能力可以得到提升。現在,讓我們嘗試一個不同的例子。
:::caution 注意
由於 ChatGPT 是
非確定性
的,即使使用這個提示,有時也可能無法正常工作。你可能會看到類似於 91,177 或 91,077 的答案。
:::
這一次,我們將請 ChatGPT 為我們正在考慮建立的新型虛構 AI 產品 “考古學家 AI” 撰寫一條營銷推文。考古學家 AI 講述著關於著名考古學家的故事。
這條推文不準確,因為 “考古學家 AI” 只是講述故事,而不是發現新事物。然而,這並不是 ChatGPT 的錯!它對 “考古學家 AI” 一無所知,讓我們在提示中包含相關資訊。
這次好多了!現在讓我們嘗試讓 ChatGPT 以印第安納·瓊斯的風格寫下推文。
好的,這可能是我們需要向考古學愛好者傳達的資訊!透過測試多個提示,我們可以看到哪個提示能產生最好的輸出結果。
隨著時間的推移,不斷完善提示的過程被稱為提示工程。你不可能在第一次嘗試時就寫出完美的提示,因此重要的是善於完善你的提示。做好提示工程主要來自大量的實踐(嘗試和錯誤)。其餘文章將向你介紹可以在提示工程過程中使用的不同提示策略。