ศาสตราจารย์แอนดรูว์ เอ็นจี เป็นหนึ่งในผู้ก่อตั้ง Google Brain ภาพ: Coursera |
ในโพสต์บน X Ng เรียกสิ่งนี้ว่า " การแจ้งข้อมูลแบบขี้เกียจ " คือการป้อนข้อมูลเข้าไปใน AI โดยแทบไม่มีบริบทเลย "เราควรเพิ่มรายละเอียดลงในคำแจ้งข้อมูลเฉพาะเมื่อจำเป็นจริงๆ เท่านั้น" ผู้ร่วมก่อตั้ง Coursera และ DeepLearning กล่าว
ตัวอย่างทั่วไปที่ Ng ให้คือโปรแกรมเมอร์ที่เมื่อทำการดีบัก มักจะคัดลอกและวางข้อความแสดงข้อผิดพลาดทั้งหมด — บางครั้งยาวถึงหลายหน้า — ลงในโมเดล AI โดยไม่ได้ระบุอย่างชัดเจนว่าต้องการอะไร
“โมเดลภาษาขนาดใหญ่ส่วนใหญ่ (LLM) มีความฉลาดเพียงพอที่จะเข้าใจว่าคุณต้องการให้พวกมันวิเคราะห์อะไรและเสนอแนะวิธีแก้ไข แม้ว่าคุณจะไม่ได้ระบุอย่างชัดเจนก็ตาม” เขียนไว้
ตามที่ Ng กล่าว นี่เป็นก้าวไปข้างหน้าที่แสดงให้เห็นว่า LLM กำลังค่อยๆ พัฒนาไปไกลเกินกว่าความสามารถในการตอบสนองต่อคำสั่งง่ายๆ โดยเริ่มที่จะเข้าใจเจตนาและเหตุผลของผู้ใช้เพื่อมอบโซลูชันที่เหมาะสม ซึ่งเป็นแนวโน้มที่บริษัทต่างๆ ที่พัฒนาโมเดล AI กำลังแสวงหาอยู่
อย่างไรก็ตาม "การแจ้งแบบขี้เกียจ" ไม่ได้ผลเสมอไป Ng ตั้งข้อสังเกตว่าควรใช้เทคนิคนี้เฉพาะเมื่อผู้ใช้สามารถทดสอบได้อย่างรวดเร็ว เช่น ผ่านอินเทอร์เฟซเว็บหรือแอป AI และโมเดลสามารถอนุมานเจตนาจากข้อมูลเพียงเล็กน้อยได้
Ng เน้นย้ำว่า "หาก AI จำเป็นต้องมีบริบทจำนวนมากเพื่อตอบสนองในรายละเอียด หรือไม่สามารถจดจำข้อผิดพลาดที่อาจเกิดขึ้นได้ การแจ้งเตือนง่ายๆ จะไม่สามารถช่วยได้"
ในทางทฤษฎี การเขียนคำสั่งแบบ Lazy Prompt จะช่วยประหยัดเวลาและความพยายาม โดยเฉพาะสำหรับผู้ที่ไม่คุ้นเคยกับการเขียนคำสั่งโดยละเอียด อย่างไรก็ตาม การเขียนคำสั่งแบบ Lazy Prompt ไม่ใช่ "ทางลัด" สำหรับทุกคน
ผู้ใช้ทั่วไปที่ไม่คุ้นเคยกับการคิดแบบ "โดยนัย" ของเครื่องจักร อาจประสบปัญหาในการรับคำสั่งที่คลุมเครือ ซึ่งนำไปสู่ผลลัพธ์ที่ไม่คาดคิด เว้นแต่ว่า AI จะคุ้นเคยกับบริบทเฉพาะ (เช่น การแชทครั้งก่อน) หรือผู้ใช้มีประสบการณ์ในการทำซ้ำและปรับคำขออย่างรวดเร็ว วิธีนี้จะมีประสิทธิผล
ในขณะเดียวกัน สำหรับโปรแกรมเมอร์หรือผู้ที่ทำงานกับ AI บ่อยๆ การย่อข้อความแจ้งเตือนบางครั้งอาจช่วยให้โมเดลไม่ "มีเสียงดัง" เนื่องจากมีคำสั่งซ้ำซ้อนมากเกินไป ดังนั้น Ng จึงเน้นย้ำว่านี่เป็นเทคนิคขั้นสูง เหมาะสำหรับผู้ที่เข้าใจความสามารถในการตอบสนองของโมเดลอยู่แล้ว
ที่มา: https://znews.vn/chuyen-gia-ai-prompt-mu-khong-sai-post1543586.html
การแสดงความคิดเห็น (0)