プロンプトエンジニアリングを学習して ChatGPT をマスターしましょう。
私たちのほとんどはChatGPTを間違って使用しています。
プロンプトに例を含めません。ロールを使用して ChatGPT の動作を制御できることを無視しています。ChatGPT に情報を提供する代わりに、推測させます。
これは、私たちが主に標準プロンプトを使用しているために発生します。このプロンプトは、作業を一度完了させるのに役立つかもしれませんが、常に役立つとは限りません。
より良い結果を得るには、高品質のプロンプトを作成する方法を学ぶ必要があります。プロンプト エンジニアリングを学ぶ必要があります。このガイドでは、プロンプト エンジニアリングで使用される 4 つのテクニックを学びます。
少数の標準プロンプト
いくつかのショットの標準プロンプトは、これまで見てきた標準プロンプトですが、その中にタスクの例が含まれています。
なぜ例が必要なのでしょうか? 望ましい結果を得る可能性を高めたい場合は、プロンプトが解決しようとしているタスクの例を追加する必要があります。
少数ショットの標準プロンプトは、タスクの説明、例、およびプロンプトで構成されます。この場合、プロンプトは、モデルが不足しているテキストを生成して完了する必要がある新しい例の始まりです。
以下は、いくつかのショットの標準プロンプトのコンポーネントです。
では、別のプロンプトを作成しましょう。「オーランドからボストンまで飛行機に乗りたい」というテキストから空港コードを抽出したいとします。
これは、ほとんどの人が使用する標準的なプロンプトです。
このテキストから空港コードを抽出します: 「オーランドからボストンまで飛行機で行きたい」
これで目的を達成できるかもしれませんが、十分ではない場合もあります。そのような場合は、いくつかの標準プロンプトを使用する必要があります。
このテキストから空港コードを抽出します。
テキスト: 「ロサンゼルスからマイアミまで飛びたい。」 空港コード: LAX、MIA
テキスト: 「ナッシュビルからカンザスシティまで飛びたい。」 空港コード: BNA、MCI
テキスト: 「オーランドからボストンまで飛びたい」 空港コード:
ChatGPTで前のプロンプトを試すと、例で指定した形式（MCO、BOS）で空港コードが取得されます。
以前の研究では、例の実際の回答は重要ではなく、ラベルスペースが重要であることがわかっていることに注意してください。ラベルスペースは、特定のタスクのすべての可能なラベルです。ラベルスペースからランダムなラベルを提供することで、プロンプトの結果を改善することもできます。
例にランダムな空港コードを入力してこれをテストしてみましょう。
このテキストから空港コードを抽出します。
テキスト: 「ロサンゼルスからマイアミまで飛びたい。」 空港コード: DEN、OAK
テキスト: 「ナッシュビルからカンザスシティまで飛行機で行きたいです。」 空港コード: DAL、IDA
テキスト: 「オーランドからボストンまで飛びたい」 空港コード:
ChatGPT で以前のプロンプトを試した場合でも、正しい空港コード MCO と BOS が表示されます。
例が正しいかどうかに関係なく、ラベルスペースからランダムなラベルを含めます。これにより、結果が改善され、プロンプトに対する回答のフォーマット方法をモデルに指示できるようになります。
役割プロンプト
ChatGPT のデフォルトの動作だけでは、目的を達成できない場合があります。その場合は、ChatGPT のロールを設定する必要があります。
たとえば、就職面接の練習をしたいとします。ChatGPT に「採用マネージャーとして行動する」ように指示し、プロンプトに詳細を追加することで、あらゆる職種の就職面接をシミュレートできます。
ご覧のとおり、ChatGPT はまるで私に就職面接をしているかのように振る舞います。
同じように、ChatGPT をスペイン語などの外国語を練習するための語学講師や、好きな映画を分析するための映画評論家に変えることができます。
プロンプトに個性を加え、知識を生み出す
これら 2 つのプロンプト アプローチは、電子メール、ブログ、ストーリー、記事などのテキストを生成する場合に適しています。
まず、「プロンプトに個性を加える」とは、スタイルと記述子を追加することを意味します。スタイルを追加すると、テキストに特定のトーン、形式、ライターの領域などを追加できます。
[トピック] を、[分野] で 10 年以上の経験を持つ専門家のスタイルで書きます。
出力をさらにカスタマイズするには、記述子を追加します。記述子は、プロンプトを微調整するために追加できる単なる形容詞です。
たとえば、AI が人間に取って代わる方法について 500 のブログ記事を書きたいとします。「AI が人間に取って代わる方法について 500 のブログ記事を書いてください」という標準的なプロンプトを作成すると、おそらく非常に一般的な記事が作成されます。
ただし、「感動的」、「皮肉」、「興味をそそる」、「面白い」などの形容詞を追加すると、出力は大きく変わります。
前のプロンプトに記述子を追加してみましょう。
AI が人間に取って代わらない理由について、500 文字のブログ記事を書いてください。10 年以上の経験を持つ人工知能の専門家のスタイルで書いてください。面白い例を使って説明してください。
この例では、AI の専門家のスタイルと、機知に富んだ、面白いなどの形容詞が、ChatGPT によって生成されたテキストに異なるタッチを加えています。この副作用として、テキストは AI 検出器によって検出されにくくなります (この記事では、AI 検出器を欺く他の方法を示します)。
最後に、生成された知識アプローチを使用してブログ投稿を改善できます。これは、最終的な応答を生成する前に、トピックに関する潜在的に有用な情報を生成することです。
たとえば、前のプロンプトを使用して投稿を生成する前に、まず知識を生成し、その後で投稿を書くことができます。
「AIは人間に取って代わることはない」という5つの事実を導き出す
5 つの事実がわかったら、この情報を他のプロンプトに入力して、より良い投稿を書くことができます。
# 事実 1 # 事実 2 # 事実 3 # 事実 4 # 事実 5
上記の事実を使って、AIが人間に取って代わらない理由について、500文字のブログ記事を書いてください。10年以上の経験を持つ人工知能の専門家のスタイルで書いてください。面白い例を使って説明してください。
ChatGPT を使用して投稿を改善する他の方法を知りたい場合は、このガイドを確認してください。
思考の連鎖を促す
標準的なプロンプトとは異なり、思考連鎖プロンプトでは、モデルは問題に対する最終的な答えを出す前に中間の推論ステップを生成するように誘導されます。言い換えれば、モデルは問題に対する答えを直接出すのではなく、推論を説明します。
なぜ推論が重要なのでしょうか? 推論の説明により、より正確な結果が得られることが多いのです。
思考の連鎖を促すには、同じ例で推論が説明されている少数の例を提供する必要があります。このようにして、プロンプトに回答するときに推論プロセスも示されます。
標準的な思考促進と連鎖思考促進の比較を以下に示します。
ご覧のとおり、モデルがこの数学の問題を解くための推論を説明するように誘導されたことで、思考の連鎖を促すことでより正確な結果が得られました。
思考の連鎖を促すことは、算数、常識、記号推論のタスクの結果を改善するのに効果的であることに注意してください。