3 βήματα για να εκμεταλλευτείτε στο έπακρο τα εργαλεία ΤΝ, σύμφωνα με ειδικούς

• Priming (Προετοιμασία): Μοιραστείτε με το μοντέλο πληροφορίες για το έργο σας πριν ζητήσετε αποτέλεσμα.
• Prompting (Δημιουργία αιτήματος): Δώστε σαφείς οδηγίες, με πλαίσιο, στυλ, κοινό και πολλαπλές επιλογές για καλύτερη απάντηση.
• Polishing (Βελτίωση): Ανατροφοδοτήστε το μοντέλο με συγκεκριμένες οδηγίες για να τελειοποιήσετε το τελικό αποτέλεσμα.

Απλές ερωτήσεις σε ένα εργαλείο τεχνητής νοημοσύνης συνήθως δεν αρκούν για να παράγουν τα επιθυμητά αποτελέσματα. Ο Jordan Wilson, ιδρυτής του podcast Everyday AI και καθηγητής ΤΝ στο DePaul University, προτείνει μια 3-βηματική τεχνική “Prime, Prompt, Polish” για τη βελτίωση των αποτελεσμάτων από μεγάλα γλωσσικά μοντέλα (LLMs).

Priming – Προετοιμασία του μοντέλου

Το πρώτο μήνυμα προς το AI δεν πρέπει να ζητά απευθείας αποτέλεσμα. Αντίθετα, μοιραστείτε το πλαίσιο και το στόχο σας, παρέχοντας πληροφορίες για το έργο σας και καθορίζοντας τον τρόπο παρουσίασης της απάντησης. Στο τέλος, ρωτήστε αν χρειάζονται περισσότερες λεπτομέρειες πριν ξεκινήσει η εργασία.

Prompting – Σύνταξη αιτήματος

Αφού προετοιμάσετε το μοντέλο, δώστε του ένα σαφές και αναλυτικό prompt. Σύμφωνα με τη Denise Turley, εκπαιδεύτρια στην ίδια πλατφόρμα, ένα καλό prompt περιλαμβάνει: πλαίσιο, στυλ, κοινό, πλατφόρμα και ζητούμενες επιλογές.

Παράδειγμα: “Δώσε πέντε εκδοχές slogan για καμπάνιες στα Twitter, Instagram και LinkedIn, σε μορφή bullets, με call to action που αναφέρει την ιστοσελίδα μου.”

Polishing – Βελτίωση του αποτελέσματος

Η τελική φάση απαιτεί ανατροφοδότηση στο μοντέλο με σαφείς οδηγίες βελτίωσης. Περιγράψτε τι σας άρεσε, τι όχι και τι πρέπει να αλλάξει. Όσο περισσότερα στοιχεία και context δώσετε, τόσο καλύτερα αποτελέσματα θα παράγει το AI.

ΔΙΑΒΑΣΤΕ ΠΕΡΙΣΣΟΤΕΡΕΣ ΕΙΔΗΣΕΙΣ:

• ΔΕΟΣ: Η νέα «αιχμή του δόρατος» κατά της φοροδιαφυγής και του λαθρεμπορίου
• Οι ταχύτερα αναπτυσσόμενες εταιρείες στην Ελλάδα – Όλη η λίστα
• Έρχονται έλεγχοι, διασταυρώσεις και βαριά πρόστιμα για τα εισοδήματα από Airbnb