Kuasai ChatGPT dengan mempelajari teknik cepat.
Kebanyakan dari kita salah menggunakan ChatGPT.
Kami tidak menyertakan contoh dalam petunjuk kami. Kami mengabaikan bahwa kami dapat mengontrol perilaku ChatGPT dengan peran. Kami membiarkan ChatGPT menebak berbagai hal alih-alih memberikan beberapa informasi.
Hal ini terjadi karena kami kebanyakan menggunakan petunjuk standar yang mungkin membantu kami menyelesaikan pekerjaan satu kali, namun tidak setiap saat.
Kita perlu belajar cara membuat perintah berkualitas tinggi untuk mendapatkan hasil yang lebih baik. Kita perlu mempelajari teknik cepat! Dan, dalam panduan ini, kita akan mempelajari 4 teknik yang digunakan dalam rekayasa cepat.
Beberapa Perintah Standar Pemotretan
Beberapa perintah standar merupakan perintah standar yang pernah kita lihat sebelumnya, tetapi dengan contoh tugas di dalamnya.
Mengapa contoh? Nah, Jika Anda ingin meningkatkan peluang Anda untuk mendapatkan hasil yang diinginkan, Anda harus menambahkan contoh tugas yang coba diselesaikan oleh prompt.
Perintah standar beberapa kali terdiri dari deskripsi tugas, contoh, dan perintah. Dalam hal ini, prompt adalah awal dari contoh baru yang harus diselesaikan model dengan menghasilkan teks yang hilang.
Berikut adalah komponen dari beberapa petunjuk standar.
Sekarang mari buat prompt lainnya. Katakanlah kita ingin mengambil kode bandara dari teks “Saya ingin terbang dari Orlando ke Boston”
Inilah prompt standar yang paling sering digunakan.
Ekstrak kode bandara dari teks ini: “Saya ingin terbang dari Orlando ke Boston”
Ini mungkin menyelesaikan pekerjaan, tapi terkadang itu mungkin tidak cukup. Dalam kasus seperti itu, Anda harus menggunakan beberapa petunjuk standar.
Ekstrak kode bandara dari teks ini:
Teks: “Saya ingin terbang dari Los Angeles ke Miami.” Kode bandara: LAX, MIA
Teks: “Saya ingin terbang dari Nashville ke Kansas City.” Kode bandara: BNA, MCI
Teks: “Saya ingin terbang dari Orlando ke Boston” Kode bandara:
Jika kita mencoba perintah sebelumnya di ChatGPT, kita akan mendapatkan kode bandara dalam format yang kita tentukan di contoh (MCO, BOS)
Perlu diingat bahwa penelitian sebelumnya menemukan bahwa jawaban aktual dalam contoh tidaklah penting, namun ruang labellah yang penting. Labelspace adalah semua kemungkinan label untuk tugas tertentu. Anda dapat meningkatkan hasil permintaan Anda bahkan dengan memberikan label acak dari ruang label.
Mari kita uji dengan mengetikkan kode bandara acak dalam contoh kita.
Ekstrak kode bandara dari teks ini:
Teks: “Saya ingin terbang dari Los Angeles ke Miami.” Kode bandara: DEN, OAK
Teks: “Saya ingin terbang dari Nashville ke Kansas City.” Kode bandara: DAL, IDA
Teks: “Saya ingin terbang dari Orlando ke Boston” Kode bandara:
Jika Anda mencoba perintah sebelumnya di ChatGPT, Anda masih mendapatkan kode bandara MCO dan BOS yang benar.
Apakah contoh Anda benar atau tidak, sertakan label acak dari ruang label. Ini akan membantu Anda meningkatkan hasil dan memberikan instruksi kepada model tentang cara memformat jawaban atas perintah tersebut.
Dorongan Peran
Terkadang perilaku default ChatGPT tidak cukup untuk mendapatkan apa yang Anda inginkan. Inilah saatnya Anda perlu menetapkan peran untuk ChatGPT.
Katakanlah Anda ingin berlatih untuk wawancara kerja. Dengan memberi tahu ChatGPT untuk “bertindak sebagai manajer perekrutan” dan menambahkan lebih banyak detail ke perintah, Anda akan dapat melakukan simulasi wawancara kerja untuk posisi apa pun.
Seperti yang Anda lihat, ChatGPT berperilaku seperti dia sedang mewawancarai saya untuk suatu posisi pekerjaan.
Begitu saja, Anda dapat mengubah ChatGPT menjadi tutor bahasa untuk berlatih bahasa asing seperti Spanyol atau kritikus film untuk menganalisis film apa pun yang Anda inginkan.
Tambahkan kepribadian pada petunjuk Anda dan hasilkan pengetahuan
Kedua pendekatan dorongan ini bagus untuk menghasilkan teks untuk email, blog, cerita, artikel, dll.
Pertama, dengan “menambahkan kepribadian pada perintah kami” yang saya maksud adalah menambahkan gaya dan deskriptor. Menambahkan gaya dapat membantu teks kita mendapatkan nada tertentu, formalitas, domain penulis, dan banyak lagi.
Tulis [topik] dengan gaya seorang ahli di [bidang] dengan pengalaman lebih dari 10 tahun.
Untuk menyesuaikan keluaran lebih jauh, kita dapat menambahkan deskriptor. Deskriptor hanyalah sebuah kata sifat yang dapat Anda tambahkan untuk mengubah prompt Anda.
Katakanlah Anda ingin menulis 500 postingan blog tentang bagaimana AI akan menggantikan manusia. Jika Anda membuat prompt standar dengan kata-kata “tulis postingan 500 blog tentang bagaimana AI akan menggantikan manusia”, Anda mungkin akan mendapatkan postingan yang sangat umum.
Namun, jika Anda menambahkan kata sifat seperti menginspirasi, sarkastik, menarik, dan menghibur, hasilnya akan berubah secara signifikan.
Mari tambahkan deskriptor ke perintah kita sebelumnya.
Tulis 500 postingan blog yang cerdas tentang mengapa AI tidak akan menggantikan manusia. Tulislah dengan gaya seorang ahli kecerdasan buatan dengan pengalaman lebih dari 10 tahun. Jelaskan dengan menggunakan contoh-contoh yang lucu
Dalam contoh kita, gaya seorang ahli AI dan kata sifat seperti jenaka dan lucu menambahkan sentuhan berbeda pada teks yang dihasilkan oleh ChatGPT. Efek sampingnya adalah teks kita akan sulit dideteksi oleh detektor AI (dalam artikel ini, saya menunjukkan cara lain untuk mengelabui detektor AI).
Terakhir, kita dapat menggunakan pendekatan pengetahuan yang dihasilkan untuk meningkatkan postingan blog. Hal ini terdiri dari menghasilkan informasi yang berpotensi berguna tentang suatu topik sebelum menghasilkan tanggapan akhir.
Misalnya, sebelum membuat postingan dengan prompt sebelumnya, pertama-tama kita dapat menghasilkan pengetahuan dan baru kemudian menulis postingan tersebut.
Hasilkan 5 fakta tentang “AI tidak akan menggantikan manusia”
Setelah kami memiliki 5 fakta, kami dapat memberikan informasi ini ke prompt lain untuk menulis postingan yang lebih baik.
#Fakta 1#Fakta2#Fakta3#Fakta4#Fakta5
Gunakan fakta di atas untuk menulis 500 postingan blog cerdas tentang mengapa AI tidak akan menggantikan manusia. Tulislah dengan gaya seorang ahli kecerdasan buatan dengan pengalaman lebih dari 10 tahun. Jelaskan dengan menggunakan contoh-contoh lucu
Jika Anda tertarik mengetahui cara lain untuk meningkatkan postingan Anda menggunakan ChatGPT, lihat panduan ini.
Rantai Pemikiran Anjuran
Berbeda dengan dorongan standar, dalam dorongan rantai pemikiran, model diinduksi untuk menghasilkan langkah-langkah penalaran perantara sebelum memberikan jawaban akhir terhadap suatu masalah. Dengan kata lain, model akan menjelaskan alasannya daripada langsung memberikan jawaban terhadap suatu permasalahan.
Mengapa penalaran itu penting? Penjelasan penalaran sering kali memberikan hasil yang lebih akurat.
Untuk menggunakan rantai pemikiran, kita harus memberikan beberapa contoh di mana alasannya dijelaskan dalam contoh yang sama. Dengan cara ini, proses penalaran juga akan ditampilkan saat menjawab prompt.
Berikut perbandingan antara standar dan rantai pemikiran.
Seperti yang bisa kita lihat, fakta bahwa model tersebut dibujuk untuk menjelaskan alasannya untuk memecahkan masalah matematika ini memberikan hasil yang lebih akurat dalam rangkaian pemikiran yang mendorong.
Perhatikan bahwa dorongan rantai pemikiran efektif dalam meningkatkan hasil tugas aritmatika, akal sehat, dan penalaran simbolik.