Afbeelding gemaakt door auteur met DALL•E 3
 

Snelle engineering heeft, net als taalmodellen zelf, de afgelopen twaalf maanden een lange weg afgelegd. Het is nog maar iets meer dan een jaar geleden dat ChatGPT op het toneel verscheen en ieders angsten en hoop op AI in een supersnelle snelkookpan gooide, waardoor zowel de AI-doomsday als de redderverhalen bijna van de ene op de andere dag werden versneld. Zeker, prompt engineering bestond al lang vóór ChatGPT, maar de reeks steeds veranderende technieken die we gebruiken om gewenste reacties te ontlokken uit de overvloed aan taalmodellen die nu ons leven binnendringen, is dankzij de opkomst van ChatGPT echt tot zijn recht gekomen. Vijf jaar geleden, bij de onthulling van de originele GPT, maakten we grapjes over hoe ‘prompt engineer’ ooit een functietitel zou kunnen worden; Tegenwoordig zijn snelle ingenieurs een van de populairste tech- (of tech-aangrenzende) carrières die er zijn.

Prompt engineering is het proces van het structureren van tekst die kan worden geïnterpreteerd en begrepen door een generatief AI-model. Een prompt is tekst in natuurlijke taal die de taak beschrijft die een AI zou moeten uitvoeren.

Van de “Prompt-engineering” Wikipedia-invoer

Afgezien van de hype is snelle engineering nu een integraal onderdeel van het leven van degenen die regelmatig met LLM's omgaan. Als je dit leest, is de kans groot dat dit wordt beschreven u, of beschrijft de richting die uw carrière mogelijk inslaat. Voor degenen die een idee willen krijgen van wat prompt engineering is, en – cruciaal – hoe het huidige landschap van promptstrategieën eruit ziet, is dit artikel iets voor jou.

Laten we beginnen met de basis. Dit artikel, Snelle engineering voor effectieve interactie met ChatGPT, over Machine Learning Mastery behandelt de snelle technische basisconcepten. Specifiek geïntroduceerde onderwerpen zijn onder meer:

• Principes van prompting, waarin verschillende fundamentele technieken worden beschreven die u moet onthouden tijdens het proces van snelle optimalisatie
• Basis snelle techniek, zoals snelle bewoordingen, beknoptheid en positieve en negatieve aanwijzingen
• Geavanceerde snelle engineeringstrategieën, inclusief one-shot en multi-shot prompts, Chain-of-Thought-prompts, zelfkritiek en iteratieve prompts
• Tips voor samenwerkende kracht voor het herkennen en bevorderen van een samenwerkingssfeer met ChatGPT om tot verder succes te leiden

Snelle engineering is het meest cruciale aspect van het effectief gebruik van LLM's en is een krachtig hulpmiddel voor het aanpassen van de interacties met ChatGPT. Het gaat om het opstellen van duidelijke en specifieke instructies of vragen om de gewenste antwoorden uit het taalmodel te halen. Door zorgvuldig aanwijzingen te construeren, kunnen gebruikers de output van ChatGPT naar de beoogde doelen leiden en zorgen voor nauwkeurigere en bruikbare antwoorden.

Uit het Machine Learning Mastery-artikel “Snelle engineering voor effectieve interactie met ChatGPT"

Als je eenmaal de basisbeginselen hebt behandeld en een voorproefje hebt gekregen van wat snelle engineering is en van enkele van de nuttigste huidige technieken, kun je doorgaan met het beheersen van enkele van die technieken.

De volgende KDnuggets-artikelen zijn elk een overzicht van een enkele alledaagse prompt-engineeringtechniek. Er is een logische progressie in de complexiteit van deze technieken, dus van bovenaf beginnen en naar beneden werken zou de beste aanpak zijn.

Elk artikel bevat een overzicht van het academische artikel waarin de techniek voor het eerst werd voorgesteld. Je kunt de uitleg van de techniek lezen, zien hoe deze zich verhoudt tot anderen, en voorbeelden van de implementatie ervan vinden in het artikel, en als je dan geïnteresseerd bent om het artikel te lezen of door te bladeren, is het ook van binnenuit gelinkt.

 
Het ontrafelen van de kracht van gedachteketenprompts in grote taalmodellen

Dit artikel gaat dieper in op het concept van Chain-of-Thought (CoT)-prompts, een techniek die de redeneermogelijkheden van grote taalmodellen (LLM's) verbetert. Het bespreekt de principes achter CoT-prompts, de toepassing ervan en de impact ervan op de prestaties van LLM's.

 
Onderzoek naar de gedachteboom: hoe AI kan leren redeneren via zoeken

De nieuwe aanpak vertegenwoordigt het oplossen van problemen als het zoeken naar redeneerstappen voor grote taalmodellen, waardoor strategische verkenning en planning mogelijk wordt die verder gaat dan alleen decodering van links naar rechts. Dit verbetert de prestaties bij uitdagingen zoals wiskundepuzzels en creatief schrijven, en verbetert de interpreteerbaarheid en toepasbaarheid van LLM's.

 
Automatisering van de gedachteketen: hoe AI zichzelf tot redeneren kan aanzetten

Met de Auto-CoT-promptmethode kunnen LLM's automatisch hun eigen demonstraties genereren om complexe redeneringen te stimuleren, met behulp van op diversiteit gebaseerde steekproeven en zero-shot-generatie, waardoor de menselijke inspanning bij het maken van prompts wordt verminderd. Uit experimenten blijkt dat de prestaties van handmatige prompts overeenkomen met alle redeneertaken.

 
Parallelle verwerking bij snelle engineering: de techniek van het skelet van het denken

Ontdek hoe de Skeleton-of-Thought-prompttechniek de generatieve AI verbetert door de latentie te verminderen, gestructureerde uitvoer aan te bieden en projecten te optimaliseren.

 
GPT-4-samenvatting ontgrendelen met Chain of Density Prompting

Ontgrendel de kracht van GPT-4-samenvatting met Chain of Density (CoD), een techniek die probeert de informatiedichtheid in evenwicht te brengen voor samenvattingen van hoge kwaliteit.

 
Betrouwbare generaties ontsluiten door middel van verificatieketen: een sprong in snelle engineering

Ontdek de Chain-of-Verification prompt engineering-methode, een belangrijke stap in de richting van het verminderen van hallucinaties in grote taalmodellen, waardoor betrouwbare en feitelijke AI-reacties worden gegarandeerd.

 
Grafiek van gedachten: een nieuw paradigma voor uitgebreide probleemoplossing in grote taalmodellen

Ontdek hoe Graph of Thoughts een revolutie teweeg wil brengen in snelle engineering en LLM's in bredere zin, waardoor flexibelere en mensachtigere probleemoplossing mogelijk wordt.

 
Gedachtevoortplanting: een analoge benadering van complex redeneren met grote taalmodellen

Thought Propagation is een snelle technische techniek die LLM's instrueert een reeks problemen te identificeren en aan te pakken die vergelijkbaar zijn met de oorspronkelijke vraag, en vervolgens de oplossingen voor deze vergelijkbare problemen te gebruiken om direct een nieuw antwoord te genereren of een gedetailleerd actieplan te formuleren dat verfijnt de oorspronkelijke oplossing.

Hoewel het bovenstaande u op een punt zou moeten brengen waar u kunt beginnen met het ontwikkelen van effectieve aanwijzingen, kunnen de volgende bronnen wat extra diepgang en/of alternatieve inzichten bieden die u wellicht nuttig vindt.

 
Generatieve AI en Prompt Engineering beheersen: een praktische gids voor datawetenschappers [eBook] oppompen van Datawetenschapshorizonten

Het e-boek biedt een diepgaand inzicht in generatieve AI en snelle engineering, en behandelt belangrijke concepten, best practices en toepassingen in de echte wereld. Je krijgt inzicht in populaire AI-modellen, leert het proces van het ontwerpen van effectieve aanwijzingen en onderzoekt de ethische overwegingen rond deze technologieën. Bovendien bevat het boek casestudies die praktische toepassingen in verschillende sectoren demonstreren.

 
Generatieve AI-tekstprompts beheersen [eBook] oppompen van Datawetenschapshorizonten

Of u nu een schrijver bent die op zoek is naar inspiratie, een maker van inhoud die streeft naar efficiëntie, een docent die gepassioneerd is door het delen van kennis, of een professional die gespecialiseerde toepassingen nodig heeft, het beheersen van generatieve AI-tekstprompts is uw favoriete hulpmiddel. Aan het einde van deze handleiding bent u in staat om de kracht van generatieve AI te benutten, uw creativiteit te vergroten, uw workflow te optimaliseren en een breed scala aan problemen op te lossen.

 
De psychologie van snelle engineering [eBook] oppompen van Datawetenschapshorizonten

Ons e-boek staat boordevol boeiende inzichten en praktische strategieën, die een breed scala aan onderwerpen behandelen, zoals het begrijpen van menselijke cognitie en AI-modellen, psychologische principes van effectieve prompts, het ontwerpen van prompts met cognitieve principes in gedachten, het evalueren en optimaliseren van prompts, en het integreren van psychologische principes in uw werkstroom. We hebben ook casestudies uit de praktijk opgenomen van succesvolle voorbeelden van snelle engineering, evenals een verkenning van de toekomst van snelle engineering, psychologie en de waarde van interdisciplinaire samenwerking.

 
Snelle technische gids oppompen van DAIR.AI

Prompt engineering is een relatief nieuwe discipline voor het ontwikkelen en optimaliseren van prompts om taalmodellen (LM's) efficiënt te gebruiken voor een breed scala aan toepassingen en onderzoeksonderwerpen. Snelle technische vaardigheden helpen om de mogelijkheden en beperkingen van grote taalmodellen (LLM's) beter te begrijpen.

 
Snelle technische gids oppompen van Leer prompten

Generatieve AI is het populairste modewoord ter wereld en we hebben de meest uitgebreide (en gratis) handleiding gemaakt over hoe u deze kunt gebruiken. Deze cursus is afgestemd op niet-technische lezers, die misschien nog nooit van AI hebben gehoord, waardoor het het perfecte startpunt is als je nieuw bent bij Generatieve AI en Prompt Engineering. Technische lezers zullen waardevolle inzichten vinden in onze latere modules.

Snelle engineering is een onmisbare vaardigheid voor zowel AI-ingenieurs als LLM-hoofdgebruikers. Daarnaast is snelle engineering uitgegroeid tot een op zichzelf staande AI-nichecarrière. Het is niet te zeggen wat de exacte rol is van prompt engineering – of dat speciale prompt engineer-rollen gewild zullen blijven bij AI-professionals – maar één ding is duidelijk: kennis van prompt engineering zal je nooit worden kwalijk genomen. Door de stappen in dit artikel te volgen, zou u nu een goede basis moeten hebben voor het ontwerpen van uw eigen krachtige prompts.

Wie weet? Misschien ben jij de volgende AI-fluisteraar.
 
 

Matthijs Mayo (@mattmayo13) heeft een masterdiploma in computerwetenschappen en een universitair diploma in datamining. Als hoofdredacteur van KDnuggets wil Matthew complexe datawetenschapsconcepten toegankelijk maken. Zijn professionele interesses omvatten de verwerking van natuurlijke taal, machine learning-algoritmen en het verkennen van opkomende AI. Hij wordt gedreven door een missie om kennis in de data science-gemeenschap te democratiseren. Matthew codeert al sinds hij zes jaar oud was.

• Door SEO aangedreven content en PR-distributie. Word vandaag nog versterkt.
• PlatoData.Network Verticale generatieve AI. Versterk jezelf. Toegang hier.
• PlatoAiStream. Web3-intelligentie. Kennis versterkt. Toegang hier.
• PlatoESG. carbon, CleanTech, Energie, Milieu, Zonne, Afvalbeheer. Toegang hier.
• Plato Gezondheid. Intelligentie op het gebied van biotech en klinische proeven. Toegang hier.
• Bron: https://www.kdnuggets.com/prompt-engineering-101-mastering-effective-llm-communication?utm_source=rss&utm_medium=rss&utm_campaign=prompt-engineering-101-mastering-effective-llm-communication