चैटजीपीटी ने कृत्रिम बुद्धिमत्ता (एआई) में एक रचनात्मक क्रांति ला दी है जो वास्तव में अभूतपूर्व है। केवल एक वर्ष में, इस भाषा मॉडल ने अपनी लेखन क्षमताओं, जटिल कार्यों को कुशलता से संभालने और आश्चर्यजनक रूप से उपयोगकर्ता के अनुकूल इंटरफेस से विशेषज्ञों को प्रभावित किया है। फिर भी, सतह के नीचे और भी बहुत कुछ है। चैटजीपीटी ने रचनात्मकता में वृद्धि ला दी है, जिससे व्यक्तियों को ऐसी सामग्री तैयार करने में मदद मिली है जो कभी अकल्पनीय समझी जाती थी।

चैटजीपीटी और समान भाषा मॉडल (एलएम) के साथ संभावनाएं व्यावहारिक रूप से असीमित हैं। कुंजी एक महत्वपूर्ण कारक में निहित है: इनपुट निर्देशों का सही सेट तैयार करना, जिसे संकेत कहा जाता है, जो कार्यों के विशाल स्पेक्ट्रम में उनकी वास्तविक क्षमता को अनलॉक करता है। इसे उस गुप्त भाषा के रूप में सोचें जो एआई की आंतरिक प्रतिभा को पकड़ती है, उसे शब्दों के साथ चमत्कार करने के लिए मार्गदर्शन करती है। क्राफ्टिंग का यह विचार सर्वोत्तम परिणाम प्राप्त करने के लिए प्रेरित करता है जिससे प्रॉम्प्ट इंजीनियरिंग नामक एक नए क्षेत्र का उदय हुआ।

प्रॉम्प्ट इंजीनियरिंग क्या है?

प्रॉम्प्ट इंजीनियरिंग इष्टतम आउटपुट उत्पन्न करने के लिए जीपीटी-3, जीपीटी-4 और इसी तरह के बड़े भाषा मॉडल जैसे जेनेरिक एआई भाषा मॉडल के लिए इनपुट (प्रॉम्प्ट के रूप में जाना जाता है) को कुशलतापूर्वक डिजाइन करने या क्राफ्ट करने का अभ्यास है।

आप इसे एआई को सफलता का सही नुस्खा देने के रूप में सोच सकते हैं। आप सामग्री (संकेत) प्रदान करते हैं, और एआई खाना बनाता है (आउटपुट उत्पन्न करता है)। इसका उद्देश्य इन परिष्कृत भाषा मॉडलों से सर्वोत्तम संभव परिणाम प्राप्त करने के लिए संकेतों को सावधानीपूर्वक आकार देना है।

जिस तरह हम अभ्यास के साथ सुधार करते हैं, उसी तरह प्रॉम्प्ट इंजीनियरिंग संकेतों के शब्दों, संरचना और प्रारूप के साथ प्रयोग करने के बारे में है। यह बदलाव मॉडल के व्यवहार को प्रभावित करता है और ऐसी प्रतिक्रियाएँ उत्पन्न करने में मदद करता है जो विशिष्ट और प्रासंगिक रूप से प्रासंगिक होती हैं।

जबकि कृत्रिम बुद्धिमत्ता 1950 के दशक के अंत और 1960 के दशक की शुरुआत से अस्तित्व में है, प्रॉम्प्ट इंजीनियरिंग अपेक्षाकृत नया और विकसित हो रहा क्षेत्र है। बड़े भाषा मॉडल (एलएलएम) की ताकत और सीमाओं को समझने के लिए त्वरित इंजीनियरिंग में कौशल हासिल करना आवश्यक है।

मॉडल के व्यवहार की फाइन-ट्यूनिंग या अनुकूलन की आवश्यकता वाले अनुप्रयोगों में प्रॉम्प्ट इंजीनियरिंग विशेष रूप से मूल्यवान साबित होती है। उपयोगकर्ता अपने वांछित परिणाम प्राप्त करने के लिए मॉडल की प्रतिक्रियाओं के आधार पर संकेतों का प्रयोग और उन्हें परिष्कृत कर सकते हैं। संकेतों की प्रभावशीलता उपयोग में आने वाले विशिष्ट मॉडल के आधार पर भिन्न होती है। शोधकर्ता और चिकित्सक अक्सर विभिन्न कार्यों या अनुप्रयोगों के लिए इष्टतम संकेतों की पहचान करने के लिए परीक्षण-और-त्रुटि और प्रयोग में संलग्न होते हैं।

प्रॉम्प्ट इंजीनियरिंग को समझना:

चैटजीपीटी को एक शक्तिशाली इंजन के रूप में देखें जो अपनी चरम दक्षता पर संचालन के लिए ईंधन और दिशा के सही संयोजन की प्रतीक्षा कर रहा है। इस सादृश्य में, प्रॉम्प्ट ईंधन और कम्पास दोनों के रूप में कार्य करता है, जो किसी कार्य को निष्पादित करने के लिए चैटजीपीटी को आवश्यक निर्देश प्रदान करता है। चाहे वह सीधा-साधा प्रश्न हो, रचनात्मक रूप से तैयार किया गया संकेत हो, या दिशानिर्देशों का बहुआयामी सेट हो, संकेत एआई के प्रदर्शन के लिए मंच तैयार करता है।

उदाहरण के लिए, शोधकर्ता प्रश्न-उत्तर और अंकगणितीय तर्क जैसे विभिन्न सामान्य और जटिल कार्यों में एलएलएम की क्षमताओं को बढ़ाने के लिए त्वरित इंजीनियरिंग का उपयोग करते हैं। डेवलपर्स एलएलएम और अन्य उपकरणों के साथ बातचीत के लिए मजबूत और प्रभावी तकनीक बनाने के लिए त्वरित इंजीनियरिंग का उपयोग करते हैं।

हालाँकि, प्रॉम्प्ट इंजीनियरिंग केवल प्रॉम्प्ट बनाने से भी आगे जाती है। इसमें एलएलएम के साथ बातचीत करने और विकसित करने के लिए उपयोगी कौशल और तकनीकों का एक विविध सेट शामिल है। यह एलएलएम की क्षमताओं से जुड़ने, निर्माण करने और समझने के लिए एक महत्वपूर्ण कौशल है। त्वरित इंजीनियरिंग एलएलएम की सुरक्षा में सुधार करने और नई क्षमताओं को पेश करने में योगदान दे सकती है, जैसे डोमेन ज्ञान और बाहरी उपकरणों के साथ एलएलएम को बढ़ाना।

शीघ्र इंजीनियरिंग की सुविधा कैसे प्रदान करें:

1. विशिष्टता: आपके संकेत की सटीकता सीधे एआई की प्रतिक्रिया की विशिष्टता से संबंधित है। वाक्यांशों को समायोजित करना, संदर्भ को शामिल करना और उदाहरण पेश करना नेविगेशनल टूल के रूप में काम करता है, जो चैटजीपीटी को अधिक केंद्रित और अनुकूलित आउटपुट की ओर ले जाता है।
2. नियंत्रण: प्रॉम्प्ट तैयार करने से आप एआई-जनरेटेड सामग्री की शैली, टोन और प्रारूप को प्रभावित कर सकते हैं। चाहे आप एक काव्यात्मक अंश या तथ्यात्मक सारांश चाहते हों, संकेत एक निर्देश के रूप में कार्य करता है, जो आपकी प्राथमिकताओं के अनुसार परिणाम को आकार देता है।
3. रचनात्मकता: प्रॉम्प्ट इंजीनियरिंग कविताओं, कोड, स्क्रिप्ट, संगीत रचनाओं, ईमेल और पत्रों को फैलाते हुए विविध रचनात्मक प्रारूप उत्पन्न करने के लिए चैटजीपीटी की क्षमता को अनलॉक करती है। संकेत जितना अधिक सूक्ष्म और विस्तृत होगा, एआई का आउटपुट उतना ही अधिक रचनात्मक और विविध होगा।
4. क्षमता: अपने प्रॉम्प्ट को परिष्कृत करने में समय निवेश करके, आप विभिन्न दृष्टिकोणों के साथ पुनरावृत्तीय रूप से प्रयोग करने की तुलना में पर्याप्त प्रयास और समय बचा सकते हैं। एक अच्छी तरह से तैयार किया गया प्रॉम्प्ट एआई की समझ को सुव्यवस्थित करता है, जिसके परिणामस्वरूप अधिक कुशल और सटीक प्रतिक्रियाएँ मिलती हैं।

उदाहरणात्मक उदाहरण:

• सरल संकेत: "एक रोबोट के इंसान से प्यार करने के बारे में एक कविता लिखें।"
• विशिष्ट संकेत: "भविष्य की साइबरपंक सेटिंग में अकेलेपन और अलगाव के विषयों की खोज करते हुए, आयंबिक पेंटामीटर में एक सॉनेट लिखें।"
• निर्देशात्मक संकेत: "कॉर्पोरेट शब्दजाल की बेतुकीता पर ध्यान केंद्रित करते हुए, दो कार्यालय कर्मचारियों के बीच एक लघु कॉमेडी स्किट के लिए एक स्क्रिप्ट तैयार करें।"

प्रॉम्प्ट इंजीनियरिंग के लाभ:

• पूर्ण क्षमता अनलॉक करें: इसकी व्याख्या पर भरोसा करने के बजाय, अपने विशिष्ट उद्देश्यों को पूरा करने के लिए चैटजीपीटी को निर्देशित करें।
• उत्पादकता बढ़ाएँ: शुरू से ही एक अच्छी तरह से परिभाषित संकेत तैयार करके समय और प्रयास बचाएं।
• रचनात्मकता बढ़ाएँ: प्रॉम्प्ट इंजीनियरिंग विभिन्न प्रारूपों में मूल और अद्वितीय सामग्री के निर्माण की सुविधा प्रदान करती है।
• संचार में सुधार: वांछित परिणाम प्राप्त करने के लिए चैटजीपीटी के साथ अधिक प्रभावी ढंग से बातचीत करें।

प्रॉम्प्ट इंजीनियरिंग के साथ शुरुआत करना:

• उदाहरण और ट्यूटोरियल देखें: ऑनलाइन सफल त्वरित रणनीतियों से स्वयं को परिचित करें।
• प्रयोग: सबसे अच्छा परिणाम क्या देता है यह जानने के लिए विभिन्न संकेतों का परीक्षण करें।
• रचनात्मकता को अपनाएं: अपने संकेतों में रचनात्मकता डालने से न कतराएँ।

संक्षेप में, शीघ्र इंजीनियरिंग की कला में महारत हासिल करना उपयोगकर्ताओं को चैटजीपीटी की क्षमता को उजागर करने के लिए सशक्त बनाता है, इसे कार्यों की एक श्रृंखला के लिए एक मूल्यवान उपकरण में बदल देता है - रचनात्मक लेखन और सूचना एकत्र करने से लेकर एआई के साथ आकर्षक बातचीत का आनंद लेने तक।

त्वरित इंजीनियरिंग की दुनिया में प्रवेश करने के लिए, OpenAI ने GPT-4 जैसे बड़े भाषा मॉडलों के प्रदर्शन को बढ़ाने के लिए रणनीतियों और युक्तियों की पेशकश करने वाले गाइडों का एक सेट तैयार किया है। ओपनएआई प्रॉम्प्ट इंजीनियरिंग गाइड उन तरीकों को बताता है जिन्हें कभी-कभी और भी अधिक प्रभावशाली परिणाम के लिए जोड़ा जा सकता है, और ओपनएआई उपयोगकर्ताओं को उन तरीकों का प्रयोग करने और खोजने के लिए प्रोत्साहित करता है जो उनके लिए सबसे उपयुक्त हैं।

यह ध्यान देने योग्य है कि OpenAI प्रॉम्प्ट इंजीनियरिंग गाइड के कुछ उदाहरण वर्तमान में इसके सबसे उन्नत मॉडल, GPT-4 के साथ विशेष रूप से कार्य करते हैं। सामान्य तौर पर, यदि आप ऐसी स्थिति का सामना करते हैं जहां कोई मॉडल किसी कार्य में विफल रहता है, तो OpenAI आपको अधिक उन्नत मॉडल आज़माने की सलाह देता है।

शीघ्र इंजीनियरिंग रणनीतियाँ और रणनीतियाँ

आपके संकेतों से बेहतर परिणाम प्राप्त करने के लिए OpenAI द्वारा अनुशंसित छह रणनीतियाँ नीचे दी गई हैं।

बेहतर परिणाम पाने के लिए छह रणनीतियाँ

स्पष्ट निर्देश लिखें

ये मॉडल आपके दिमाग को नहीं पढ़ सकते. यदि आउटपुट बहुत लंबे हैं, तो संक्षिप्त उत्तर मांगें। यदि आउटपुट बहुत सरल हैं, तो विशेषज्ञ-स्तरीय लेखन के लिए पूछें। यदि आपको प्रारूप नापसंद है, तो वह प्रारूप प्रदर्शित करें जिसे आप देखना चाहते हैं। मॉडल को जितना कम अनुमान लगाना होगा कि आप क्या चाहते हैं, उतनी अधिक संभावना है कि आपको वह मिल जाएगा।

रणनीति:

संदर्भ पाठ प्रदान करें

भाषा मॉडल आत्मविश्वास से नकली उत्तरों का आविष्कार कर सकते हैं, खासकर जब गूढ़ विषयों या उद्धरणों और यूआरएल के बारे में पूछा जाता है। जिस तरह से नोट्स की एक शीट एक छात्र को परीक्षा में बेहतर प्रदर्शन करने में मदद कर सकती है, उसी तरह इन मॉडलों के लिए संदर्भ पाठ प्रदान करने से कम बनावट के साथ उत्तर देने में मदद मिल सकती है।

रणनीति:

जटिल कार्यों को सरल उपकार्यों में विभाजित करें

जिस तरह सॉफ्टवेयर इंजीनियरिंग में एक जटिल प्रणाली को मॉड्यूलर घटकों के एक सेट में विघटित करना अच्छा अभ्यास है, वही भाषा मॉडल में प्रस्तुत कार्यों के लिए भी सच है। जटिल कार्यों में सरल कार्यों की तुलना में त्रुटि दर अधिक होती है। इसके अलावा, जटिल कार्यों को अक्सर सरल कार्यों के वर्कफ़्लो के रूप में फिर से परिभाषित किया जा सकता है जिसमें पहले के कार्यों के आउटपुट का उपयोग बाद के कार्यों के लिए इनपुट बनाने के लिए किया जाता है।

रणनीति:

मॉडल को "सोचने" के लिए समय दें

यदि 17 को 28 से गुणा करने के लिए कहा जाए, तो हो सकता है कि आपको यह तुरंत पता न चले, लेकिन फिर भी समय के साथ आप इसे हल कर सकते हैं। इसी तरह, किसी उत्तर पर काम करने में समय लगाने के बजाय, तुरंत उत्तर देने का प्रयास करते समय मॉडल अधिक तार्किक त्रुटियां करते हैं। किसी उत्तर से पहले "विचार श्रृंखला" के बारे में पूछने से मॉडल को अधिक विश्वसनीय तरीके से सही उत्तर प्राप्त करने में मदद मिल सकती है।

रणनीति:

बाहरी उपकरणों का प्रयोग करें

मॉडल की कमज़ोरियों की भरपाई उसे अन्य उपकरणों के आउटपुट देकर करें। उदाहरण के लिए, एक पाठ पुनर्प्राप्ति प्रणाली (जिसे कभी-कभी आरएजी या पुनर्प्राप्ति संवर्धित पीढ़ी कहा जाता है) मॉडल को प्रासंगिक दस्तावेजों के बारे में बता सकती है। OpenAI के कोड इंटरप्रेटर जैसा कोड निष्पादन इंजन मॉडल को गणित करने और कोड चलाने में मदद कर सकता है। यदि किसी कार्य को भाषा मॉडल के बजाय किसी उपकरण द्वारा अधिक विश्वसनीय या कुशलतापूर्वक किया जा सकता है, तो दोनों का सर्वोत्तम लाभ प्राप्त करने के लिए इसे ऑफ़लोड करें।

रणनीति:

परीक्षण व्यवस्थित रूप से बदलता है

यदि आप इसे माप सकते हैं तो प्रदर्शन में सुधार करना आसान है। कुछ मामलों में प्रॉम्प्ट में संशोधन से कुछ पृथक उदाहरणों पर बेहतर प्रदर्शन प्राप्त होगा, लेकिन उदाहरणों के अधिक प्रतिनिधि सेट पर समग्र प्रदर्शन खराब हो जाएगा। इसलिए यह सुनिश्चित करने के लिए कि कोई परिवर्तन प्रदर्शन के लिए सकारात्मक है, एक व्यापक परीक्षण सूट (जिसे "eval" के रूप में भी जाना जाता है) को परिभाषित करना आवश्यक हो सकता है।

युक्ति:

युक्ति

ऊपर सूचीबद्ध प्रत्येक रणनीति को विशिष्ट रणनीति के साथ त्वरित किया जा सकता है। ये युक्तियाँ आज़माने योग्य चीज़ों के लिए विचार प्रदान करने के लिए हैं। वे किसी भी तरह से पूरी तरह से व्यापक नहीं हैं, और आपको उन रचनात्मक विचारों को आज़माने के लिए स्वतंत्र महसूस करना चाहिए जो यहां प्रस्तुत नहीं किए गए हैं।

रणनीति: स्पष्ट निर्देश लिखें 

युक्ति: अधिक प्रासंगिक उत्तर पाने के लिए अपनी क्वेरी में विवरण शामिल करें

अत्यधिक प्रासंगिक प्रतिक्रिया प्राप्त करने के लिए, सुनिश्चित करें कि अनुरोध कोई महत्वपूर्ण विवरण या संदर्भ प्रदान करते हैं। अन्यथा आप यह अनुमान लगाने के लिए मॉडल पर छोड़ रहे हैं कि आपका क्या मतलब है।

शीघ्र इंजीनियरिंग उदाहरण:

युक्ति: मॉडल को एक व्यक्तित्व अपनाने के लिए कहें

Tसिस्टम संदेश का उपयोग मॉडल द्वारा अपने उत्तरों में उपयोग किए गए व्यक्तित्व को निर्दिष्ट करने के लिए किया जा सकता है।

युक्ति: इनपुट के अलग-अलग हिस्सों को स्पष्ट रूप से इंगित करने के लिए सीमांकक का उपयोग करें

ट्रिपल उद्धरण चिह्न, एक्सएमएल टैग, अनुभाग शीर्षक इत्यादि जैसे सीमांकक पाठ के अनुभागों को अलग ढंग से व्यवहार करने में मदद कर सकते हैं।

आप शेष त्वरित इंजीनियरिंग उदाहरण यहां पढ़ सकते हैं OpenAI.com

आपको सही प्रतिक्रिया देने के लिए चैटजीपीटी और बड़े भाषा मॉडल (एलएलएम) कैसे प्राप्त करें, इसके बारे में नीचे अनु कुबो का एक त्वरित इंजीनियरिंग ट्यूटोरियल है।

[एम्बेडेड सामग्री]

• एसईओ संचालित सामग्री और पीआर वितरण। आज ही प्रवर्धित हो जाओ।
• प्लेटोडेटा.नेटवर्क वर्टिकल जेनरेटिव एआई। स्वयं को शक्तिवान बनाएं। यहां पहुंचें।
• प्लेटोआईस्ट्रीम। Web3 इंटेलिजेंस। ज्ञान प्रवर्धित। यहां पहुंचें।
• प्लेटोईएसजी. कार्बन, क्लीनटेक, ऊर्जा, पर्यावरण, सौर, कचरा प्रबंधन। यहां पहुंचें।
• प्लेटोहेल्थ। बायोटेक और क्लिनिकल परीक्षण इंटेलिजेंस। यहां पहुंचें।
• स्रोत: https://techstartups.com/2023/12/15/prompt-engineering-the-definitive-guide-to-unleashing-the-power-of-chatgpt-and-other-language-models/