人工智能觉醒序章：Prompt工程

最新推荐文章于 2024-05-20 10:54:51 发布

noOnlyCode

最新推荐文章于 2024-05-20 10:54:51 发布

阅读量1.3k

点赞数

分类专栏： AI 文章标签：人工智能机器学习大数据

本文链接：https://blog.csdn.net/noOnlyCode/article/details/129385859

版权

AI 专栏收录该内容

2 篇文章 0 订阅

订阅专栏

大模型引领下的飞跃式发展

AI技术的飞速发展，尤其是自然语言处理领域的突破，已经带来了许多惊人的进展。在过去几年中，人工智能技术已经实现了从单纯的问答机器人到更加具有智能和灵活性的自然语言处理模型。而ChatGPT是其中最具代表性的模型之一。
作为一种基于自回归预训练的语言模型，ChatGPT已经在自然语言生成领域取得了显著的成功。它使用深度学习技术从海量的语料库中自动学习，并在生成自然语言文本方面展现出强大的能力。这一模型的出现引领了人工智能领域的飞跃式发展。
这种模型在训练过程中会自动地学习语言规则和上下文信息，并将这些信息存储在权重矩阵中。当该模型使用这些权重进行自然语言生成时，它可以根据输入的信息和上下文信息生成更加自然和流畅的文本。

Prompting技术

Prompting技术(下文简称为Prompt)是ChatGPT的重要组成部分。Prompt是一种输入方式，它将人工智能模型的输入限制在一个特定的范围内，从而更好地控制模型的输出。在ChatGPT模型中，Prompting技术可用于对模型进行微调和优化，从而使其更适合某些特定的任务。
例如，在生成一篇介绍人工智能的文章时，我们可以使用以下Prompt：
:::warning
请根据以下内容介绍人工智能：人工智能是一种模拟人类智能的技术，它包括机器学习、自然语言处理、计算机视觉等领域。请在文章中简要介绍人工智能的定义、历史、应用场景和未来发展方向。
:::
这个Prompt可以指导模型生成一篇简要介绍人工智能的文章，其中包括人工智能的定义、历史、应用场景和未来发展方向。

相比之下，Fine-tune是一种更加传统的训练方式，我们需要使用大量的数据来训练模型，从而让它学会完成特定的任务。这种方式通常需要耗费大量的时间和计算资源，并且需要更多的人工参与。
虽然Fine-tune需要更多的时间和计算资源，但是它可以让模型更好地适应特定的任务，从而生成更加准确和具体的文本。而Prompt则更加灵活和易于控制，适合于需要快速生成文本的场景。

不可思议，Prompt成功了

💡 Tips：Prompt 是一个短语或一句话，可以启动模型并产生与 Prompt 相关的输出。它可以控制模型的行为，使其产生特定的结果。

ChatGPT是Zero shot promot模式，目前一般称之为instruct了。这种模式下用户直接用人类的语言下达命令，例如“给我写首诗”，“给我做个请教条”，但是你可以在命令的过程中用一些人类语言增强AI的效果，例如“在输出答案之前，你先每一步都想一想”。就只是增加这样一句话，AI的答案效果就会明显提升。

通过海量的知识成长起来，然后经过稍微引导（Prompt），他就能具备不同领域的强大能力。
Promot模式不需要太多的数据量，不需要对模型参数进行改动（也就意味着可以不部署模型，而是接入公开的大语言模型服务）。那么他的调试就会呈现百花齐放的姿态，玩家越多，创造力涌现就越猛烈。
目前ChatGPT采用的是模型侧的Few shot prompt，即给一点示例提示，让AI提升表现，虽然暂时未知为什么不更新模型仅仅只是给AI看一眼就能带来巨幅提升，但这种交互模式无疑是更友好的。
而更具颠覆性的是输入端的Zero shot prompt，即我们用人类的语言逐步引导AI思考——比如我们可以说，你仔细想好步骤，再给出答案。就仅仅是多加一句“你仔细想好步骤”，AI的答案靠谱率就会明显提升。

如何创建一个Prompt工程

💡 Tips：ChatGPT 效果好不好完全取决于你的 Prompt，看来 Propmt 也成一个技术活儿了。

Prompt技术在ChatGPT模型中的重要性不言而喻。由于模型的效果很大程度上取决于Prompt的质量和设计，因此，Prompt已经成为一个技术活儿。Prompt不仅可以影响模型的输出质量，还可以提高模型的效率和可扩展性。
它可以为模型提供更加准确和具体的指令，从而更好地满足用户的需求。而且Prompt技术可以帮助模型学习新的任务和领域，从而扩展模型的适用范围。

Prompt原则

创建一个Prompt工程需要遵循一些基本的原则。首先，Prompt应该与任务相关联，并且应该尽可能地具体和准确。其次，Prompt应该适应不同的场景和用户，例如不同的语言、文化和背景。最后，Prompt应该经过优化和微调，以确保它可以为模型提供最佳的指导和提示。
为了创建一个工作良好的Prompt工程，需要执行以下步骤：

定义任务和目标：确定需要解决的自然语言处理任务，并为此定义明确的目标和标准。
收集数据：从不同的数据源收集数据，包括文本语料库、人类对话和模型生成文本。
选择模型：选择一个适合任务的自然语言处理模型，并在其基础上进行微调和优化。
设计Prompt：根据任务和模型的特点设计一个适当的Prompt，并使用收集的数据进行优化和微调。
测试和优化：测试Prompt的效果，并根据反馈进行调整和优化。

总之，Prompt技术是人工智能领域的一项重要技术，它可以为模型提供更加准确和具体的指令，从而提高模型的效果和表现。对于那些希望更深入了解和使用人工智能技术的人来说，学习和使用Prompt技术是至关重要的。

有效 Prompt:::warning
你能总结一下《锻炼的好处》一文的要点吗？ # 聚焦、相关
巴黎最好的素食餐厅有哪些？ # 具体、相关
:::
无效 Prompt:::warning
你能告诉我关于这个世界的什么？ # 宽泛、开放
你能帮我做作业吗？ # 开放
你好 # 无目的、不聚焦
:::

Prompt示例工程

下面是一个简单的Prompt示例工程，以生成一篇介绍人工智能的文章为例。

定义任务和目标

我们的任务是生成一篇介绍人工智能的文章，目标是让文章尽可能地简单易懂，同时涵盖人工智能的基本概念和发展历程。
我们可以以 STAR （Situation（情景）Task（任务）、Action（行动）和 Result（结果））可以作为与ChatGPT 会话的基础：

描述一个情境或背景，使读者对问题有更好的了解。
说明任务或目标，告诉读者需要完成什么。
描述你所采取的行动，例如使用什么方法、工具、策略等等。
解释结果，包括遇到的挑战和取得的成果。
收集数据

我们可以从不同的数据源收集数据，包括人工智能的历史、定义、应用场景等相关内容。我们还可以收集一些范文和样例文章，以便为Prompt的设计提供参考。

选择模型

我们选择使用ChatGPT模型来自动生成文章，因为它是一个高度自适应的自然语言处理模型，可以根据Prompt来生成不同风格和内容的文章。

设计Prompt

Prompt应该尽可能地具体和准确，以便模型可以更好地理解我们的意图和目标。下面是一个简单的Prompt示例：
:::warning
请根据以下内容介绍人工智能：人工智能是一种模拟人类智能的技术，它包括机器学习、自然语言处理、计算机视觉等领域。请在文章中简要介绍人工智能的定义、历史、应用场景和未来发展方向。
:::