facebook LinkedIN LinkedIN - follow
IT SYSTEMS 12/2023 , AI a Business Intelligence

Prompt engineering

Viktor Janouch


AIV éře digitalizace a rychlého technologického pokroku se s příchodem velkých jazykových modelů (LLM), jako jsou GPT-3 a další, stává prompt engineering nezbytnou součástí práce s umělou inteligencí (AI).


Prompt je zadání, návrh, požadavek, podnět. Umělá inteligence může pomocí kvalitních promptů reagovat s velkou přesností a vytvářet požadované výstupy. Umět vytvářet efektivní prompty, které generují požadované výstupy, je proto klíčové pro výrazné zvýšení produktivity v jakékoli oblasti.

Základy kvalitního prompt engineeringu

Úspěch v oblasti prompt engineeringu vyžaduje hluboké pochopení toho, jak AI modely zpracovávají jazyk. Klíčová stránka procesu je jasnost, přesnost a relevance. AI může totiž interpretovat dotaz nejrůznějšími způsoby, a proto například změna slovosledu nebo výběr synonym může dramaticky změnit výstup. Je tedy potřeba, aby lidé zabývající se touto činností měli velmi dobrou znalost jazyka, uměli předvídat reakci, a dokázali tak komunikovat s AI z jejího pohledu. Umělá inteligence sice není člověk, ale pokud s ní budeme mluvit jako s člověkem, který má obrovské znalosti o problému, jenž chceme řešit, pak dosáhneme optimálních výsledků.

Generativní umělá inteligence nepracuje systémem předvídání konkrétní datové sady. Zjednodušeně nejde o to, jaké další slovo bude následovat po daném slovu (nebo více slovech). Tento model stro­jo­vé­ho učení navrhl již před více než 100 lety Markov. Generativní umělá inteligence je sice také model stro­jo­vé­ho učení, ale je trénována tak, aby vytvářela nová data.

Dialog člověk–stroj

Prompt engineering je v podstatě komunikace s AI postavená na vyšší úroveň. Cílem je formulovat dotazy a pokyny tak, aby byly pro stroj co nejsrozumitelnější a přinášely užitečné a relevantní informace nebo výstupy. Existuje několik strategií a taktik, které se mohou vzájemně kombinovat. Klíčové aspekty pro dosažení nejlepších výsledků jsou:

  1. Jasná a konzistentní formulace je nutná k tomu, aby stroj dobře rozuměl tomu, co se od něj očekává. Nepřesná, matoucí nebo dvojsmyslná zadání mohou vést k nesprávným odpovědím nebo zmatku a uvést tak uživatele v omyl.
  2. Systém také umí lépe komunikovat s uživateli, pokud vložíme persony. Ovlivníme tak typ a hloubku odpovědi. Jako velmi efektivní se jeví říct systému, kdo je a jak má odpovídat. Zjevně bude rozdíl, pokud řekneme umělé inteligenci, že je profesionál v určitém oboru a chceme, aby na dotazy odpovídal s vysokou erudicí i za použití odborných termínů, anebo chceme, aby vše vysvětloval jednoduše, jako kdyby mluvil s naprostým laikem. K tomu můžeme uvést řadu příkladů a podrobností, a tím ještě více upřesnit, co od systému očekáváme. Nezadání persony může vést k nedostatečně konkrétním odpovědím.
  3. Prompty mohou být navrženy tak, aby umožnily uživatelům provádět různé úkoly nebo pokládat různé otázky a naopak. Systém lze naučit také to, aby kladl doplňující otázky. Oboje může zvýšit flexibilitu systému a zlepšit uživatelskou zkuše­nost. U těchto dialogových interakcí s umělou inteligencí je vhodné se občas odkázat na předchozí dialog nebo provést shrnutí dosavadní konverzace. Příliš striktní otázky a přísná omezení mohou ale vést k opačnému efektu, tj. snížit kvalitu výstupů.
  4. Důležitou součástí prompt engineeringu je ověřování a testo­vá­ní promptů s reálnými uživateli. Zjistíme tak, zda prompty fungují podle našich představ a generují požadované odpovědi. Uživatelé mají za úkol hodnotit, jak systém reaguje na jejich ad-hoc navržené dotazy, a nikoliv postupovat podle předem zadaných otázek, na které hledají odpověď. Nejde tedy o ladění již vytvořeného systému (k tomu je určen fine-tuning).
  5. Stejně jako člověk potřebuje čas, aby si promyslet složité věci, tak také stroj se při řešení mnohovrstevných problémů nemůže rozhodnout hned. Dejte umělé inteligenci čas, aby zpracovala požadavek co nejlépe, a ujistěte ji, že s odpovědí nemusí spěchat. V řadě případů je také vhodné se zeptat, zda stroj něco nevynechal nebo nepřehlédl. Příliš rychlé odpovědi mohou vést z neefektivnímu využití umělé inteligence.
  6. Při tvorbě promptů je třeba dbát na zabezpečení a etiku. Prompty by neměly vést k šíření dezinformací, diskriminaci nebo posilovat předsudky a měly by být navrženy s ohledem na ochranu osobních údajů uživatelů. Naprostou samozřejmostí je zdržet se shromažďování zákaznických dat bez poskytnutí souhlasu, a také zajistit, aby AI nepreferovala ve svých odpovědích zákazníky na základě pohlaví, věku, rasy nebo jiných demografických faktorů. Přestože tvůrci systémů generativní umělé inteligence mají nastaveny určité vnitřní mantinely, které znemožňují komunikaci nad celou řadou velmi nebezpečných a problémových témat, může umělá inteligence reagovat nežádoucím způsobem a generovat smyšlené výstupy poškozující uživatele.
  7. Systémy generativní umělé inteligence již využívají nejrůznější doplňky, aby poskytly ještě lepší výstupy. Pro některé účely může být například výhodné zapojit do komunikace externí vyhledávač. ChatGPT-4 má již standardně k dispozici vyhledávač Microsoft Bing (a naopak Bing Chat využívá OpenAI technologii), ale existují také externí pluginy. Podobně je možné využívat třeba rozšíření Advanced Data Analysis k hlubším a více technicky orientovaným analýzám. Příkladem jsou pokročilé statistické techniky a modely, složité prediktivní analýzy, zpracování velkých objemů dat (Big Data), vizualizace dat, programování a mnoho dalšího.

Příklady promptů: persony

Nejprve si ukážeme, jak použít persony pro oblast marketingu a logistiky. Použití persony znamená definování charakteru, role nebo perspektivy, z níž umělá inteligence odpovídá. V marketingu je to zvlášť užitečné pro cílení na konkrétní publikum nebo pro získání odborných rad. V logistice může mít persona různé role v logistickém řetězci, od odborníků na dodavatelský řetězec po logistické analytiky.

Správné dotazy

  1. Expert na digitální marketing: „Jaké jsou vaše doporučení pro optimalizaci pro vyhledávače (SEO) malých podniků?“
  2. Zákazník cílové skupiny (např. středně velká firma vyrábějící nábytek): „Jaké typy sociálních médií a sdíleného obsahu jsou pro nás nejzajímavější?“
  3. Logistický manažer: „Jaké strategie byste doporučil pro zlepšení efektivity distribuce v mezinárodním měřítku?“
  4. Expert na dodavatelský řetězec: „Jaké jsou nejúčinnější metody pro snížení nákladů a zvýšení rychlosti komunikace mezi jednotlivými články řetězce?“

Uvedené příklady jsou poměrně jednoduché. Definice persony by měla být podrobná, aby umělá inteligence pochopila, kdo je a co se po ní bude žádat v odpovědích.

Chybné dotazy

Obvykle nastávají největší chyby, pokud se definovaná persona ptá na věci, které s její činností nesouvisí nebo je nedostatečně a nejednoznačně popsaná.

  1. Konstruktér: „Jaké jsou nejnovější trendy v online marketingu?“
  2. Laik v marketingu: „Jaké jsou pokročilé techniky v oblasti tvorby webových stránek?“
  3. Programátor C++: „Jaké jsou pokročilé strategie v mezinárodní přepravě?“

Příklady promptů: flexibilita

Správné dotazy

  1. Specifický dotaz, avšak s možností širší odpovědi: „Jaké jsou nejnovější trendy v digitálním marketingu pro malé podniky v roce 2023?“
  2. Dotaz s možností pro návrhy: „Mohl byste navrhnout kreativní marketingovou kampaň pro nový elektromobil s vysokým dojezdem?“

Chybné dotazy

  1. Příliš obecný a nejasný dotaz: „Mohl byste mě něco říct o logistice?“
  2. Dotaz, který neposkytuje AI dostatek informací pro kvalitní odpověď: „Jak zvýšit prodej?“
  3. Dotaz, který nezohledňuje specifičnost produktu nebo cílové skupiny: „Jaký je nejlepší kanál pro marketingovou komunikaci?“

Závěr

Prompt engineering je stále důležitější dovedností v oblasti umělé inteligence a odhad budoucího vývoje naznačuje, že tato disciplína se stane ještě významnější. Prompt engineering nezahrnuje jen technickou zručnost, ale také hlubší porozumění vzájemné interakci mezi člověkem a strojem. S narůstající sofistikovaností AI systémů se stává klíčovou schopností efektivně komunikovat s těmito systé­my v mnoha různých odvětvích. Pracovníci se musí naučit ovládat jazyk promptů pro efektivní práci s AI, i když můžeme očekávat, že tyto systémy budou lépe rozumět nejasným a složitým dotazům, čímž se sníží náročnost a požadavky na dovednosti uživatele.

Vzdělávání v oblasti prompt engineeringu bude pravděpodobně zahrnováno do širšího spektra studijních programů a profesního vzdělávání. Zároveň můžeme očekávat inovace v oblasti uživatelských rozhraní AI, které budou ještě více intuitivní a přizpůsobená individuálním potřebám uživatelů.

Možná však půjde vývoj směrem, který nejen neočekáváme, ale ani neumíme odhadnout. Může se objevit zcela nová generace AI, která bude schopna samoobslužného učení a adaptace, což výrazně změní dynamiku prompt engineeringu. Největší obavy také vzbuzují otázky na etiku, transparentnost a bezpečnost těchto systémů.

Viktor Janouch Viktor Janouch
Autor je konzultantem a lektorem v oblasti online marketingu a podnikání obecně. Je autorem několika bestsellerů o internetovém marketingu. V současné době pomáhá firmám s aplikací umělé inteligence do podnikové praxe.
Chcete získat časopis IT Systems s tímto a mnoha dalšími články z oblasti informačních systémů a řízení podnikové informatiky? Objednejte si předplatné nebo konkrétní vydání časopisu IT Systems z našeho archivu.

Inzerce

Mějte reálná očekávání a nepřeceňujte síly!

IT Systems 1-2/2024V prvním letošním vydání IT Systems narazíte hned několikrát na téma umělé inteligence. Nezajímá nás ovšem, jak hezké obrázky už dokáže AI vygenerovat. Zabýváme se raději uplatněním AI v oblasti e-commerce a logistiky. Podíváme se také, jak AI mění zákaznické linky a jak dokáže zvýšit produktivitu zaměstnanců a zrychlit interní procesy.