چگونه از ChatGPT درست استفاده کنیم
چگونه از ChatGPT درست استفاده کنیم
بسیاری از کاربران ChatGPT از آن اشتباه استفاده می کنند! در اینجا نحوه پیشی گرفتن از 99٪ از کاربران ChatGPT را میخوانید:
بسیاری از ما از ChatGPT اشتباه استفاده می کنیم. در این مقاله یاد خواهیم گرفت که چگونه از ChatGPT درست استفاده کنیم .
به عنوان مثال، ما در دستورات خود، از نمونه استفاده نمی کنیم و این که می توانیم رفتار ChatGPT را با نقش ها و مثال ها کنترل کنیم را نادیده می گیریم. به این ترتیب ما به ChatGPT اجازه می دهیم به جای ارائه برخی اطلاعات، مطالب را حدس بزند.
این موضوع به این دلیل اتفاق میافتد که ما بیشتر از دستورات استاندارد استفاده میکنیم که ممکن است به ما کمک کند کار را یک بار انجام دهیم، اما همیشه این اتفاق نمی افتد.
ما باید یاد بگیریم که چگونه پیام های با کیفیت بالا ایجاد کنیم تا نتایج بهتری بگیریم. ما باید مهندسی سریع را یاد بگیریم! در این راهنما، 4 تکنیک مورد استفاده در مهندسی سریع را یاد خواهیم گرفت.
دستورات استاندارد چند شات (Few-shot standard prompts):
ما می توانیم با ارائه چند مثال، دستورات جدیدی را به سیستم ارائه کنیم.
چرا مثال؟ خوب، اگر می خواهید شانس خود را برای به دست آوردن نتیجه دلخواه افزایش دهید، باید نمونه هایی از کار را اضافه کنید که اعلان سعی در حل آن دارد.
دستورات استاندارد چند شات، شامل شرح وظایف، مثالها و اعلان است. در این مورد، دستور شامل یک مثال جدید است که مدل باید با پر کردن جای خالی، آن را تکمیل کند.
در اینجا اجزای دستورات استاندارد چند شات وجود دارد:
حالا بیایید یک اعلان دیگر ایجاد کنیم. بگویید ما می خواهیم کدهای فرودگاه را از متن "من می خواهم از اورلاندو به بوستون پرواز کنم" استخراج کنیم.
در اینجا اعلان استانداردی است که بیشتر از آن استفاده می کنند.
Extract the airport codes from this text: “I want to fly from Orlando to Boston”
این ممکن است کار را انجام دهد، اما گاهی اوقات ممکن است کافی نباشد. در چنین مواردی، باید از دستورات استاندارد چند شات استفاده کنید.
Extract the airport codes from this text:
Text: “I want to fly from Los Angeles to Miami.”
Airport codes: LAX, MIAText: “I want to fly from Nashville to Kansas City.”
Airport codes: BNA, MCIText: “I want to fly from Orlando to Boston”
Airport codes:
اگر دستور قبلی را در ChatGPT امتحان کنیم، کد فرودگاه را با فرمتی که در مثال مشخص کردهایم (MCO، BOS) دریافت میکنیم.
به خاطر داشته باشید که تحقیقات قبلی نشان میدهد که پاسخهای واقعی در مثالها مهم نیستند، اما فضای ایجاد شده برای پاسخ مهم است. این فضا جایی برای تمام پاسخ های ممکن برای یک کار مشخص است. حتی با ارائه پاسخ های تصادفی در فضای ایجاد شده برای پاسخ، میتوانید نتایج درخواستهای خود را بهبود بخشید.
بیایید این را با تایپ کدهای تصادفی و اشتباه فرودگاه در مثال خود آزمایش کنیم.
Extract the airport codes from this text:
Text: “I want to fly from Los Angeles to Miami.”
Airport codes: DEN, OAKText: “I want to fly from Nashville to Kansas City.”
Airport codes: DAL, IDAText: “I want to fly from Orlando to Boston”
Airport codes:
اگر دستور قبلی را در ChatGPT امتحان کنید، همچنان کدهای MCO و BOS مناسب فرودگاه را دریافت خواهید کرد.
چه مثالهای شما درست باشد یا نه، پاسخ های تصادفی را در فضای مورد نظر اضافه کنید. این به شما کمک می کند تا نتایج را بهبود ببخشید و به مدل آموزش دهید که چگونه پاسخ به درخواست را قالب بندی کند.
ترغیب نقش در chatGPT
گاهی اوقات رفتار پیش فرض ChatGPT برای رسیدن به آنچه می خواهید کافی نیست. این زمانی است که باید یک نقش برای ChatGPT تنظیم کنید.
فرض کنید می خواهید برای یک مصاحبه شغلی تمرین کنید. با گفتن ChatGPT به «عملکرد مدیر استخدام» و افزودن جزئیات بیشتر به درخواست، میتوانید مصاحبه شغلی را برای هر موقعیتی شبیهسازی کنید.
همانطور که می بینید، ChatGPT طوری رفتار می کند که انگار برای یک موقعیت شغلی با من مصاحبه می کند.
دقیقاً به همین ترتیب، می توانید ChatGPT را به یک معلم زبان برای تمرین یک زبان خارجی مانند اسپانیایی یا یک منتقد فیلم برای تجزیه و تحلیل هر فیلمی که می خواهید تبدیل کنید. در این مقاله، من بیشتر به چگونگی تبدیل ChatGPT به معلم زبان یا دوست زبان خود می پردازم.
شما فقط باید درخواست خود را با کلمات "عمل به عنوان یک ..." شروع کنید و سپس تا حد امکان جزئیات بیشتری را اضافه کنید. اگر به مقداری الهام نیاز دارید، این مخزن را بررسی کنید، جایی که میتوانید به ChatGPT مانند یک کمدین، پزشک و غیره رفتار کند.
به دستورات خود شخصیت اضافه کنید و دانش تولید کنید
وقتی صحبت از تولید متن برای ایمیلها، وبلاگها، داستانها، مقالات و غیره میشود، این دو رویکرد تحریککننده خوب هستند.
اول، منظور من از «افزودن شخصیت به درخواستهایمان»، افزودن یک سبک و توصیفکننده است. افزودن یک سبک می تواند به متن ما کمک کند تا لحن خاص، رسمیت، حوزه نویسنده و موارد دیگر را دریافت کند.
Write [topic] in the style of an expert in [field] with 10+ years of experience.
برای سفارشی کردن خروجی حتی بیشتر می توانیم توصیفگرها را اضافه کنیم. توصیفگر به سادگی یک صفت است که میتوانید آن را برای تغییر دادن دستور خود اضافه کنید.
فرض کنید می خواهید یک پست 500 کلمه ای وبلاگی بنویسید که چگونه هوش مصنوعی جایگزین انسان می شود. اگر یک اعلان استاندارد با عبارت «نوشتن یک پست 500 کلمه ای وبلاگی در مورد اینکه چگونه هوش مصنوعی جایگزین انسان خواهد شد» ایجاد کنید، احتمالاً یک پست بسیار عمومی دریافت خواهید کرد.
با این حال، اگر صفت هایی مانند الهام بخش، طعنه آمیز، جذاب و سرگرم کننده را اضافه کنید، خروجی به طور قابل توجهی تغییر می کند.
بیایید توصیفگرها را به دستور قبلی خود اضافه کنیم.
Write a witty 500-blog post on why AI will not replace humans. Write in the style of an expert in artificial intelligence with 10+ years of experience. Explain using funny examples
در مثال ما، سبک یک متخصص در هوش مصنوعی و صفت هایی مانند شوخ و خنده دار، رنگ متفاوتی به متن تولید شده توسط ChatGPT اضافه می کند. یک عارضه جانبی این است که تشخیص متن ما توسط آشکارسازهای هوش مصنوعی دشوار خواهد بود (در این مقاله راههای دیگری برای فریب دادن آشکارسازهای هوش مصنوعی نشان میدهم).
در نهایت، می توانیم از رویکرد دانش تولید شده برای بهبود پست وبلاگ استفاده کنیم. این شامل تولید اطلاعات بالقوه مفید در مورد یک موضوع قبل از ایجاد پاسخ نهایی است.
به عنوان مثال، قبل از ایجاد پست با اعلان قبلی، ابتدا میتوانیم دانش تولید کنیم و پس از آن پست را بنویسیم.
Generate 5 facts about “AI will not replace humans”
هنگامی که 5 واقعیت را داشتیم، میتوانیم این اطلاعات را به اعلان دیگر ارسال کنیم تا پست بهتری بنویسد.
# Fact 1
# Fact 2
# Fact 3
# Fact 4
# Fact 5Use the above facts to write a witty 500-blog post on why AI will not replace humans. Write in the style of an expert in artificial intelligence with 10+ years of experience. Explain using funny examples
تحریک زنجیره ای از فکر
بر خلاف دستور استاندارد، در زنجیره تحریک فکری، مدل القا می شود تا قبل از دادن پاسخ نهایی به یک مسئله، مراحل استدلالی میانی تولید کند. به عبارت دیگر، مدل به جای پاسخ مستقیم به یک مسئله، استدلال خود را توضیح خواهد داد.
چرا استدلال مهم است؟ توضیح استدلال اغلب به نتایج دقیق تری منجر می شود.
برای استفاده از برانگیختن زنجیرهای فکر، باید مثالهای چندگانهای ارائه کنیم که در آن استدلال در همان مثال توضیح داده شده است. به این ترتیب، هنگام پاسخ دادن به درخواست، فرآیند استدلال نیز نشان داده خواهد شد.
در اینجا مقایسه ای بین استاندارد و زنجیره ای از انگیزه های فکری وجود دارد.:
همانطور که می بینیم، این واقعیت که مدل برای توضیح استدلال خود برای حل این مسئله ریاضی القا شده بود، منجر به نتایج دقیق تری در زنجیره تحریک فکری شد.
توجه داشته باشید که انگیزه های زنجیره ای فکر در بهبود نتایج مربوط به وظایف محاسباتی، عقلی و استدلالی مؤثر است.
به روز رسانی: GPT-4 پس از انتشار این مقاله منتشر شد. GPT-4 در قابلیتهای استدلال پیشرفته از ChatGPT قدیمی بهتر عمل میکند، بنابراین ممکن است به Chain of Thought Prompting در GPT-4 نیاز نداشته باشید. من شما را تشویق می کنم که خودتان آن را آزمایش کنید.