ChatGPT는 인공 지능(AI) 분야에서 정말 획기적인 창의적 혁명을 촉발시켰습니다. 불과 XNUMX년 만에 이 언어 모델은 쓰기 능력, 복잡한 작업의 능숙한 처리, 놀랍도록 사용자 친화적인 인터페이스로 전문가들에게 깊은 인상을 남겼습니다. 그러나 표면 아래에는 더 많은 것이 있습니다. ChatGPT는 창의성의 급증을 촉발하여 개인이 한때 상상할 수 없었던 콘텐츠를 생산할 수 있게 했습니다.

ChatGPT 및 유사 언어 모델(LM)의 가능성은 사실상 무한합니다. 핵심은 한 가지 중요한 요소에 있습니다. 바로 광범위한 작업에서 진정한 잠재력을 발휘하는 프롬프트라고 하는 완벽한 입력 지침 세트를 만드는 것입니다. AI의 내면의 광채를 활용하여 말로 기적을 행하도록 안내하는 비밀 언어라고 생각하세요. 최적의 결과를 얻기 위해 프롬프트를 작성한다는 아이디어는 프롬프트 엔지니어링이라는 새로운 분야로 이어졌습니다.

프롬프트엔지니어링이란?

프롬프트 엔지니어링은 최적의 출력을 생성하기 위해 GPT-3, GPT-4 및 이와 유사한 대규모 언어 모델과 같은 생성 AI 언어 모델에 대한 입력(프롬프트라고도 함)을 능숙하게 설계하거나 제작하는 관행입니다.

AI에게 성공을 위한 완벽한 비법을 제공한다고 생각할 수 있습니다. 재료를 제공하면(프롬프트) AI가 요리를 수행합니다(출력 생성). 목표는 이러한 정교한 언어 모델에서 최상의 결과를 얻을 수 있도록 프롬프트를 신중하게 형성하는 것입니다.

연습을 통해 개선하는 방법과 마찬가지로 프롬프트 엔지니어링은 프롬프트의 문구, 구조 및 형식을 실험하는 것입니다. 이러한 조정은 모델의 동작에 영향을 미치고 구체적이고 상황에 맞는 응답을 생성하는 데 도움이 됩니다.

인공 지능은 1950년대 후반과 1960년대 초반부터 존재해 왔지만 프롬프트 엔지니어링은 비교적 최근에 발전하고 있는 분야입니다. 대규모 언어 모델(LLM)의 장점과 한계를 파악하려면 프롬프트 엔지니어링 기술을 습득하는 것이 필수적입니다.

신속한 엔지니어링은 모델 동작의 미세 조정이나 사용자 정의가 필요한 응용 프로그램에서 특히 유용하다는 것이 입증되었습니다. 사용자는 원하는 결과를 얻기 위해 모델의 응답을 기반으로 프롬프트를 실험하고 개선할 수 있습니다. 프롬프트의 효과는 사용 중인 특정 모델에 따라 다릅니다. 연구자와 실무자는 다양한 작업이나 응용 프로그램에 대한 최적의 프롬프트를 식별하기 위해 종종 시행착오와 실험에 참여합니다.

프롬프트 엔지니어링 이해:

ChatGPT를 연료의 올바른 조합과 최고 효율로 작동하는 방향을 기다리는 강력한 엔진으로 상상해 보세요. 이 비유에서 프롬프트는 연료와 나침반 역할을 하며 ChatGPT가 작업을 실행하는 데 필요한 지침을 제공합니다. 간단한 질문이든, 창의적으로 구성된 프롬프트 또는 다면적인 지침 세트이든 프롬프트는 AI 성능의 무대를 설정합니다.

예를 들어, 연구원들은 프롬프트 엔지니어링을 사용하여 질문 답변 및 산술 추론과 같은 다양하고 일반적이고 복잡한 작업 전반에 걸쳐 LLM의 기능을 향상시킵니다. 개발자는 신속한 엔지니어링을 사용하여 LLM 및 기타 도구와 상호 작용하기 위한 강력하고 효과적인 기술을 만듭니다.

그러나 프롬프트 엔지니어링은 단순히 프롬프트를 생성하는 것 이상입니다. 이는 LLM과 상호 작용하고 개발하는 데 유용한 다양한 기술과 기법을 포함합니다. 이는 LLM의 기능을 인터페이스하고, 구축하고, 이해하는 데 중요한 기술입니다. 신속한 엔지니어링은 LLM의 안전성을 향상하고 도메인 지식 및 외부 도구를 통해 LLM을 강화하는 등 새로운 기능을 도입하는 데 기여할 수 있습니다.

신속한 엔지니어링을 촉진하는 방법:

1. 특성: 프롬프트의 정확성은 AI 응답의 특이성과 직접적인 상관관계가 있습니다. 표현을 조정하고, 맥락을 통합하고, 예제를 제공하는 것은 탐색 도구 역할을 하여 ChatGPT를 보다 집중적이고 맞춤화된 결과로 유도합니다.
2. 제어: 프롬프트를 작성하면 AI 생성 콘텐츠의 스타일, 톤, 형식에 영향을 줄 수 있습니다. 시적인 내용을 원하시든, 사실에 근거한 요약을 원하시든, 메시지는 여러분의 선호도에 따라 결과를 결정하는 지침 역할을 합니다.
3. 창의력 : 신속한 엔지니어링을 통해 ChatGPT는 시, 코드, 대본, 음악 작곡, 이메일 및 편지를 포괄하는 다양한 창의적인 형식을 생성할 수 있습니다. 프롬프트가 더 미묘하고 상세할수록 AI의 출력은 더 창의적이고 다양해집니다.
4. 효율성 : 프롬프트를 개선하는 데 시간을 투자하면 다양한 접근 방식을 반복적으로 실험하는 것에 비해 상당한 노력과 시간을 절약할 수 있습니다. 잘 만들어진 프롬프트는 AI의 이해를 간소화하여 보다 효율적이고 정확한 응답을 제공합니다.

예시:

• 단순 프롬프트: “인간과 사랑에 빠진 로봇에 대한 시를 써 보세요.”
• 특정 프롬프트: "미래적인 사이버펑크 환경에서 외로움과 고립이라는 주제를 탐구하면서 약강 오보격으로 소네트를 작곡하세요."
• 교육 프롬프트: "기업 전문 용어의 부조리에 초점을 맞춰 두 회사원 사이의 짧은 코미디 촌극의 대본을 생성합니다."

프롬프트 엔지니어링의 이점:

• 잠재력을 최대한 발휘하세요: 해석에 의존하기보다는 직접 ChatGPT를 사용하여 특정 목표를 달성하세요.
• 생산성 향상: 처음부터 잘 정의된 프롬프트를 작성하여 시간과 노력을 절약하세요.
• 창의력 향상 : 신속한 엔지니어링을 통해 다양한 형식에 걸쳐 독창적이고 고유한 콘텐츠를 쉽게 생성할 수 있습니다.
• 의사소통 개선: ChatGPT와 더욱 효과적으로 상호작용하여 원하는 결과를 얻으세요.

프롬프트 엔지니어링 시작하기:

• 예제 및 튜토리얼 살펴보기: 온라인에서 성공적인 프롬프트 전략을 숙지하세요.
• 실험 : 다양한 프롬프트를 테스트하여 무엇이 최상의 결과를 낳는지 알아보세요.
• 창의성 수용: 프롬프트에 창의력을 불어넣는 것을 주저하지 마세요.

본질적으로 프롬프트 엔지니어링 기술을 익히면 사용자가 ChatGPT의 잠재력을 최대한 발휘하여 창의적 글쓰기 및 정보 수집부터 AI와의 매력적인 상호 작용을 즐기는 것까지 다양한 작업을 위한 귀중한 도구로 변환할 수 있습니다.

신속한 엔지니어링의 세계로 뛰어들기 위해 OpenAI는 GPT-4와 같은 대규모 언어 모델의 성능을 향상시키기 위한 전략과 전술을 제공하는 일련의 가이드를 출시했습니다. OpenAI Prompt Engineering Guide는 훨씬 더 영향력 있는 결과를 위해 때때로 결합할 수 있는 방법을 제시하며, OpenAI는 사용자가 자신에게 가장 적합한 접근 방식을 실험하고 발견하도록 권장합니다.

OpenAI Prompt Engineering Guide의 일부 예시는 현재 가장 진보된 모델인 GPT-4에서만 작동한다는 점은 주목할 가치가 있습니다. 일반적으로 모델이 작업에 부족한 상황이 발생하면 OpenAI는 더 고급 모델을 사용해 볼 것을 권장합니다.

신속한 엔지니어링 전략 및 전술

다음은 프롬프트로 더 나은 결과를 얻기 위해 OpenAI가 권장하는 XNUMX가지 전략입니다.

더 나은 결과를 얻기 위한 XNUMX가지 전략

명확한 지침을 작성하세요

이 모델은 당신의 마음을 읽을 수 없습니다. 출력 내용이 너무 길면 간단한 답변을 요청하세요. 출력이 너무 단순하다면 전문가 수준의 글쓰기를 요청하세요. 형식이 마음에 들지 않으면 보고 싶은 형식을 보여주세요. 모델이 원하는 것을 추측하는 횟수가 적을수록 원하는 것을 얻을 가능성이 높아집니다.

전술:

참조 텍스트 제공

언어 모델은 특히 난해한 주제나 인용 및 URL에 대한 질문을 받을 때 자신 있게 가짜 답변을 만들어낼 수 있습니다. 노트가 학생의 시험 성적을 높이는 데 도움이 되는 것과 마찬가지로, 이러한 모델에 참조 텍스트를 제공하면 더 적은 수의 조작으로 답변하는 데 도움이 될 수 있습니다.

전술:

복잡한 작업을 더 간단한 하위 작업으로 분할

복잡한 시스템을 일련의 모듈식 구성 요소로 분해하는 것이 소프트웨어 엔지니어링에서 좋은 관행인 것처럼 언어 모델에 제출된 작업에도 마찬가지입니다. 복잡한 작업은 단순한 작업보다 오류율이 더 높은 경향이 있습니다. 더욱이, 복잡한 작업은 종종 이전 작업의 출력을 사용하여 이후 작업에 대한 입력을 구성하는 간단한 작업의 워크플로로 재정의될 수 있습니다.

전술:

모델에게 '생각'할 시간을 주세요.

17에 28을 곱하라고 하면 즉시 알지 못할 수도 있지만 시간이 지나면 해결할 수 있습니다. 마찬가지로, 모델은 답변을 찾는 데 시간을 들이기보다는 즉시 답변하려고 할 때 더 많은 추론 오류를 범합니다. 대답하기 전에 "생각의 사슬"을 요청하면 모델이 정답을 향해 더 안정적으로 추론하는 데 도움이 될 수 있습니다.

전술:

외부 도구 사용

다른 도구의 출력을 모델에 공급하여 모델의 약점을 보완합니다. 예를 들어, 텍스트 검색 시스템(RAG 또는 검색 증강 생성이라고도 함)은 모델에 관련 문서에 대해 알려줄 수 있습니다. OpenAI의 Code Interpreter와 같은 코드 실행 엔진은 모델이 수학을 수행하고 코드를 실행하는 데 도움을 줄 수 있습니다. 언어 모델이 아닌 도구를 사용하여 작업을 더 안정적이고 효율적으로 수행할 수 있는 경우 해당 작업을 오프로드하여 두 가지 모두를 최대한 활용하세요.

전술:

변경 사항을 체계적으로 테스트

측정할 수 있으면 성능을 개선하는 것이 더 쉽습니다. 경우에 따라 프롬프트를 수정하면 몇 가지 격리된 예에서는 더 나은 성능을 얻을 수 있지만 보다 대표적인 예 집합에서는 전반적인 성능이 저하될 수 있습니다. 따라서 변경 사항이 성능에 긍정적인지 확인하려면 포괄적인 테스트 모음("평가"라고도 함)을 정의해야 할 수 있습니다.

술책:

전술

위에 나열된 각 전략은 특정 전술로 예시될 수 있습니다. 이러한 전술은 시도해 볼 만한 아이디어를 제공하기 위한 것입니다. 이는 완전히 포괄적인 것은 아니며 여기에 제시되지 않은 창의적인 아이디어를 자유롭게 시도해 볼 수 있습니다.

전략: 명확한 지침 작성 

전술: 더 관련성이 높은 답변을 얻으려면 쿼리에 세부정보를 포함하세요.

관련성이 높은 응답을 얻으려면 요청이 중요한 세부 정보나 컨텍스트를 제공하는지 확인하세요. 그렇지 않으면 의미하는 바를 추측하기 위해 모델에 맡기게 됩니다.

프롬프트 엔지니어링 예시:

전술: 모델에게 페르소나를 채택하도록 요청

T시스템 메시지는 응답에서 모델이 사용하는 페르소나를 지정하는 데 사용될 수 있습니다.

전술: 구분 기호를 사용하여 입력의 개별 부분을 명확하게 나타냅니다.

삼중 따옴표, XML 태그, 섹션 제목 등과 같은 구분 기호는 다르게 처리될 텍스트 섹션을 구분하는 데 도움이 될 수 있습니다.

프롬프트 엔지니어링 예제의 나머지 부분은 다음에서 읽을 수 있습니다. OpenAI.com

다음은 완벽한 응답을 제공하기 위해 ChatGPT 및 LLM(대형 언어 모델)을 얻는 방법에 대한 Anu Kubo의 신속한 엔지니어링 튜토리얼입니다.

[포함 된 콘텐츠]

• SEO 기반 콘텐츠 및 PR 배포. 오늘 증폭하십시오.
• PlatoData.Network 수직 생성 Ai. 자신에게 권한을 부여하십시오. 여기에서 액세스하십시오.
• PlatoAiStream. 웹3 인텔리전스. 지식 증폭. 여기에서 액세스하십시오.
• 플라톤ESG. 탄소, 클린테크, 에너지, 환경, 태양광, 폐기물 관리. 여기에서 액세스하십시오.
• PlatoHealth. 생명 공학 및 임상 시험 인텔리전스. 여기에서 액세스하십시오.
• 출처: https://techstartups.com/2023/12/15/prompt-engineering-the-definitive-guide-to-unleashing-the-power-of-chatgpt-and-other-language-models/