Vidiniai veiksniai: Kaip veikia ChatGPT (Be žargono, tik faktai)

Jei naudojote AI rašyti el. laišką, išversti žinutę ar sutrumpinti ataskaitą, jūs susipažinote su ChatGPT. Šis vadovas aiškina, kaip jis veikia paprasta anglų kalba. Jokių stebuklų. Be jokio ažiotažo. Tik mechanika: kaip modelis yra mokomas, kaip jis paverčia jūsų žodžius atsakymu, kodėl kartais daro klaidas ir kaip pasiekti geresnių rezultatų. Visame straipsnyje pateikiame praktinius pavyzdžius, kuriuos galite išbandyti šiandien, ir paprastas taisykles, kurios padės išvengti problemų. Kai naudojame žodį ChatGPT, turime omenyje šiuolaikinių, transformatoriais paremtų kalbos modelių šeimą, kurią naudojate programėlėje arba per API.

Kas paskatina ChatGPT veikti

Galvokite apie sistemą kaip apie milžinišką šablonų atpažinimo įrankį. Jis skaito jūsų užklausą, suskaido ją į mažus gabalus, vadinamus tokenais, ir numato, kas turėtų būti toliau. Tai kartojama vėl ir vėl, po vieną žingsnį vienu metu, kol suformuojamas pilnas atsakas. Užkulisiuose gilusis neuroninis tinklas su milijardais parametrų vertina visas galimybes ir pasirenka tikėtiną seką. Visa „intelekto“ prasmė čia: itin greitas šablonų numatymas, išmoktas mokymo metu. Kai žmonės sako, kad ChatGPT „supranta“ jus, jie turi omenyje, kad jo išmokti modeliai atitinka jūsų žodžius pakankamai gerai, kad sukurtų naudingą tekstą. Kadangi tas pats mechanizmas veikia su kodu, lentelėmis ir markdown formatu, galite paprašyti ChatGPT parašyti SQL, išvalyti CSV failus ar susketchinti JSON schemą taip pat lengvai, kaip jis rašo eilėraštį ar planą.

Aiškus Anglų Kalbos Apibendrinimas

Prieš pasinerdami į detales, čia yra trumpas variantas. Šiuolaikiniai AI modeliai yra mokomi dideliais tekstų ir kitų duomenų kiekiais. Per pirmąją mokymosi fazę modelis išmoksta numatyti kitą tokeną sekos metu. Antroje fazėje jis yra šiek tiek prikišamas, kad būtų naudingesnis, sąžiningesnis ir saugesnis. Vykdymo metu jūsų užklausa peržengia tokenerį, pereina per transformatorių tinklą ir virsta tokenais, kurie atgal perrašomi į žodžius. Visa kita - įrankiai, atvaizdai, balsas ir naršymas - yra sluoksniuotas ant šio bazinio ciklo. Jei prisiminsite tik vieną dalyką, prisiminkite šį: visa struktūra yra greitas ciklas - numatyti vieną tokeną, tada numatyti kitą.

Mokymosi pagrindai: Duomenys, Tokenai ir Šablonai

Duomenų šaltiniai. Modelis mokosi iš licencijuotų duomenų, žmonių trenerių sukurtų duomenų ir viešai prieinamo turinio mišinio. Tikslas nėra įsiminti puslapius; tikslas yra išmokti statistinius šablonus daugelyje stilių ir sričių.

Tokenai. Kompiuteriai „nemato“ žodžių kaip mes. Jie naudoja tokenus - trumpas simbolių eilutes. „Apple“, „apples“ ir „applet“ susiejami su dalinai suderinančiais tokenų šablonais. Modelis numato tokenus, o ne raides ar pilnus žodžius. Todėl jis kartais sukuria keistai skambančius posakius: matematika veikia su tokenais.

Mastelis. Mokymui naudojamos milžiniškos partijų kiekiai specializuotoje aparatinėje įrangoje. Daugiau duomenų ir skaičiavimo leidžia modeliui užfiksuoti platesnius šablonus (gramatinių, faktų, rašymo stilių, kodų struktūrų). Bet vien mastelis nesuteikia kokybės; tai, kaip duomenys yra rinkti ir kaip mokymas yra formuojamas, yra tiek pat svarbu, kaip ir žaliavų dydis.

Generalizacija. Pagrindinis rezultatas yra generalizacija. Modelis mokosi iš milijonų pavyzdžių, tada taiko šiuos šablonus visiškai naujoms užklausoms. Tai negali „ieškoti“ privačios duomenų bazės, nebent prijungsite vieną, ir neturi asmeninių vartotojų prisiminimų, nebent jie pateikiami dabartinėje sesijoje arba per integruotus įrankius.

Saugumas. Aplink modelį yra sukurti turinio filtrai ir saugumo politikos, kad kenksmingos užklausos būtų atmestos ir saugiai aptariamos jautrios temos.

Transformatoriai paprastai paaiškinti

Transformatorius yra pagrindinė architektūra. Ankstesni tinklai skaitydavo tekstą iš kairės į dešinę. Transformatoriai skaito viską lygiagrečiai ir naudoja savęs atkreipimą dėmesio kad vertintų, kaip tokenai susiję tarpusavyje. Jei žodis sakinio pabaigoje priklauso nuo žodžio pradžioje, atkreipimas dėmesio padeda modeliui sekti šį ilgo atstumo ryšį. Suklotos atkreipimų dėmesio ir pateikiamųjų blokų sluoksniai sukuria turtingesnes reprezentacijas, kurios leidžia modeliui valdyti ilgus prašymus, kodą ir mišrius stilius su nuostabiu sklandumu. Kadangi modelis vienu metu žiūri į visą seką, jis gali susieti užuominas iš toli esančių jūsų užklausos dalių, todėl ilgesni konteksto langai yra tokie naudingi. Gale modelis pateikia kiekvieno galimo kito tokeno įvertinimą. „Softmax“ funkcija paverčia šiuos įvertinimus į tikimybes. Dekoderis tada pasirenka vieną tokeną, naudodamas jūsų nustatymus.

Nuo pirminio mokymo iki tikslinio mokymo

Pirminis mokymas. Bazinis modelis išmoksta vieno įgūdžio: numatyti kitą tokeną. Štai kur „Paryžius yra sostinė“ geriausias kitas tokenas paprastai yra „Prancūzija“. Tai nereiškia, kad modelis „žino“ geografiją kaip žmogus; jis išmoko stiprų statistinį šabloną, kuris sutampa su tikrove.

Prižiūrimas tikslinis mokymas. Treneriai pateikia modeliui pavyzdžių užklausas su aukštos kokybės atsakymais. Tai moko tono, formatavimo ir užduočių vykdymo (rašyti laišką, suplanuoti planą, transformuoti kodą).

Sustiprintas mokymasis iš žmogaus grįžtamojo ryšio (RLHF). Žmonės palygina kelis modelio atsakymus į tą pačią užklausą. Apdovanojimų modelis mokosi, kuris atsakymas yra geresnis. Tada bazinis modelis optimizuojamas gaminti atsakymus, kuriuos žmonės labiau mėgsta - mandagius, su tema ir mažiau rizikingus. Saugumo taisyklės taip pat pridedamos siekiant sumažinti kenksmingus rezultatus.

Įrankių naudojimas. Ant kalbos pagrindo kai kurios versijos gali kviesti įrankius: interneto paiešką, kodo interpretatorius, vaizdų analizuotojus ar specializuotus API. Modelis pats nusprendžia (remiantis jūsų užklausa ir sistemos nustatymais), kada kviesti įrankį, skaito rezultatą ir tęsia atsakymą. Galvokite apie įrankius kaip apie papildomas jusles ir rankas, ne kaip apie paties smegenis.

Mąstymas ir kelias metaprodukcijos etapas

Dideli modeliai yra geri prie paviršutiniškų atsakymų. Sunkios problemos reikalauja sąmoningų žingsnių. Su atidžiais užklausimais, modelis gali planuoti: apibūdinti užduotį, spręsti dalis tvarka ir patikrinti rezultatus. Tai vadinama struktūrizuotu mąstymu. Tai keičia greitį į patikimumą, todėl sudėtingos užduotys gali vykti lėčiau arba reikalauti daugiau skaičiavimo. Geriausi užklausimai daro žingsnius aiškius: „Surašykite prielaidas, apskaičiuokite skaičius, tada paaiškinkite pasirinkimą“. Kita kryptis yra pateikti pavyzdžius („nedaugų kadrų užklausimas“), kurie rodo modeliui, kaip atrodo geras sprendimas, prieš paprašydami jūsų. Su tinkamais apribojimais, modelis gali versti reikalavimus į kontrolinius lapus, keisti dviprasmiškas užduotis į testuojamus žingsnius ir paaiškinti pasirinkimus paprasta kalba.

Daugiatypis įvestis

Daugelis šiuolaikinių sistemų gali tvarkyti vaizdus, audio ir kartais vaizdus. Pagrindinė idėja yra ta pati: viskas yra paverčiama į tokenus (arba įterpinius), paleidžiama per transformatorių ir paverčiama atgal į žodžius, etiketes ar skaičius. Tai kaip modelis gali aprašyti vaizdą, skaityti diagramą ar projektuoti alt tekstą. Balso režimai įveda kalbą į tekstą ir paverčia tekstą į kalbą į išorę. Netgi kai jis tvarko nuotraukas ar garsą, galutinis rezultatas vis tiek sukurtas kalbos modelio, numatančiu kitą tokeną. Kadangi sąsają yra nuosekli, galite paprašyti ChatGPT papasakoti diagramą, apibūdinti skaidrių turinį ir tada rašyti kalbėtojui pastabas, be įrankių keitimo.

Ribos ir klaidos režimai

Haliucinacijos. Modelis kartais teigia dalykus, kurie atrodo teisingi, bet nėra. Jis nemeluoja; jis numato tikėtiną tekstą. Sumažinkite riziką, prašydami cituoti šaltinius, patikrinti su skaičiuotuvu ar pakviesti įrankį.

Senėjimas. Modelis turi žinių ribą. Jis gali naršyti ar naudoti prijungtą duomenį, jei ta galimybė yra įjungta; priešingu atveju jis nežinos praėjusios savaitės naujienų.

Dviprasmiškumas. Jei jūsų užklausa yra neaiški, gausite neaiškų atsakymą. Pateikite kontekstą, apribojimus ir pavyzdžius. Nurodykite tikslą, auditoriją, formatą ir ribas.

Matematika ir vienetai. Paprasti modeliai gali suklysti aritmetikoje ar vienetų konversijose. Prašykite nuoseklių skaičiavimų arba įgalinkite skaičiuoklio įrankį.

Šališkumas. Mokymo duomenys atspindi pasaulį ir jo šališkumus. Saugos sistemos siekia sumažinti kenksmingumą, bet jos nėra tobulos. Aukštos rizikos srityse (medicinos, teisės, finansų) traktuokite rezultatus kaip projektus, kuriuos patikrins kvalifikuoti žmonės.

Kur ChatGPT klysta

Čia yra greita kontrolinė saugesnių rezultatų sąrašas:

• Klauskite šaltinių, kai faktai yra svarbūs.

• Dėl skaičiavimų klauskite žingsnių ir galutinių skaičių.

• Politikos ar įstatymams klauskite tikslaus annuliuko ir įsipareigokite jį patikrinti.

• Dėl kodavimo, paleiskite vienetinius testus ir galimybių patikras.

• Kūrybiniam darbui pateikite stiliaus gaires ir pavyzdžius.

• Naudodami prijungtus įrankius, patvirtinkite, ką įrankis grąžino, prieš imdamiesi veiksmų.

• Laikykite užklausas trumpas, specifiškas ir testuotinas.

Užklause pavyzdys (paaugliams draugiška versija)

1. Nustatykite vaidmenį ir tikslą. „Jūs esate personalo koordinatorius. Paruoškite pamainos keitimo politiką 200 žodžių.“

2. Pateikite kontekstą. „Mūsų komandos dirba visą parą. Viršvalandžiai turi būti iš anksto patvirtinti. Naudokite punktyrus.“

3. Išvardykite apribojimus. „Venkite teisinių patarimų. Naudokite neutralų toną. Įtraukite trumpą atsakomybės atsisakymą.“

4. Prašykite struktūros. „Pateikite H2 antraštę, punktus ir baigiamąjį patarimą.“

5. Klauskite patikrinimų. „Išvardykite praleistą informaciją ir rizikingas prielaidas pabaigoje.“

6. Kartokite. Įdėkite atsiliepimus ir prašykite peržiūros, o ne pradėkite iš naujo.

7. Naudokite pavyzdžius. Parodykite vieną gerą atsakymą ir vieną blogą atsakymą, kad modelis suprastų jūsų skonį.

8. Sustabdykite apimties augimą. Jei atsakymas eina ne į temą, atsakykite „Sukoncentruokite tik į X“, ir jis persiorientuos.

9. Klauskite alternatyvų. Dviejų ar trijų versijų pateikimas padeda pasirinkti geriausią eilutę ar išdėstymą.

10. Laikykite biblioteką. Išsaugokite savo geriausias užklausas ir naudokite jas kaip šablonus.

Nustatymai, kurie keičia išvestį

Temperatūra. Aukštesnės reikšmės prideda įvairovės; žemesnės reikšmės išlaiko saugesnį, labiau nuspėjamą žodyną. Daugumai verslo tekstų laikykite žemiau arba vidutinio.
Top-p (branduolio mėginių ėmimas). Riboja pasirinkimus iki tikėtiniausių tokenų, kol jų bendra tikimybė pasiekia slenkstį.
Maksimalūs tokenai. Nustato atsakymo ilgumo ribą. Jei išvestys sustoja sakinio viduryje, padidinkite šią ribą.
Sistemos užklausos. Trumpa, paslėpta instrukcija, nurodanti asistento vaidmenį. Geros sistemos užklausos nustato ribas ir stilių, kol vartotojas dar nieko neįvedė.
Stabdyti sekas. Simbolių eilutės, pasakančios modeliui, kada sustoti generavime - naudinga, kai norite tik dalies prieš žymeklį.
Sėkla. Kai pasiekiama, nustatytas sėklos numeris daro rezultatus labiau pasikartojančius bandymui.

Pavyzdys: nuo užklausos iki atsakymo

1. Jūs įvedate užklausą. Pavyzdys: „Parašykite tris punktus, kurie paaiškina, ką daro laikrodžio kortelė.“

2. Tekstas paverčiamas į tokenus.

3. Transformatorius skaito visus tokenus, naudoja atkreipimą dėmesio, kad įvertintų santykius ir numato kitą tokeną.

4. Dekoderis pasirenka tokeną pagal jūsų nustatymus.

5. 3-4 žingsniai kartojami, kol pasiekiamas stabdžio simbolis arba ilgio limitas.

6. Tokenai paverčiami atgal į tekstą. Jūs matote atsakymą.

Jei leidžiama naudotis įrankiais, modelis gali įterpti įrankio kvietimą viduryje (pvz., skaičiuotuvo). Įrankis grąžina rezultatą, kurį modelis perskaito kaip daugiau tokenų, tada tęsia atsakymą. Jei leidžiamas paieškos aktyvinimas, sistema gali pataisyti fragmentus iš jūsų dokumentų, pateikti juos modeliui kaip papildomą kontekstą ir paprašyti atsakymo naudojant tą kontekstą. Šis metodas dažnai vadinamas paieškos aktyvuotu generavimu (PAG).

PAG: atsineškite savo žinias

PAG jungia jūsų turinį su modeliu be papildomo mokymo. Veiksmai yra paprasti:

1. Suskirstykite savo dokumentus į mažus fragmentus.

2. Sukurkite įterpinius (vektorius) kiekvienam fragmentui ir saugokite juos duomenų bazėje.

3. Kai vartotojas užduoda klausimą, įterpkite klausimą ir suraskite panašiausius fragmentus.

4. Pateikite tuos fragmentus modeliui kaip papildomą kontekstą su klausimu.

5. Klauskite atsakymo, kuris cituoja fragmentus.

Tai išlaiko atsakymus jūsų duomenyse. Jei naudojate PAG darbe, pridėkite kokybės patikrinimus: filtruokite pagal neseniai datuotus duomenis, pašalinkite beveik identiškus fragmentus ir parodykite šaltinius, kad recenzentai galėtų patikrinti. Tai taip pat sumažina šansą, kad ChatGPT išgalvos detales, nes jam įsakoma laikytis nurodyto konteksto.

Tikslinis mokymas: mokant stilių

Tikslinis mokymas daro bazinį modelį, kuris mieliau renkasi jūsų toną ir formatus. Jūs surinkate užklausų ir norimų išvestų porų poras. Laikykite duomenų rinkinius mažais, švariais ir nuosekliais. Dešimt puikių pavyzdžių pranoksta tūkstantį netvarkingų. Naudokite tai, kai jums reikia tokios pačios struktūros kiekvieną kartą (pvz., atitikties laiškams ar formų pildymui). Tikslinis mokymas savaime nesuteikia modeliui privačių žinių; jį poruokite su PAG arba API, kai faktai turi būti tikslūs. Vertinant tikslinį modelį, palyginkite jį su stipriu tik su užklausomis besiremiančiu pagrindu, kad įsitikintumėte, jog papildomos išlaidos vertos.

Mitai ir faktai

Mitas: Modelis nuskaito žiniatinklį kaskart. Faktas: Jis to nedaro, nebent įjungtas ir pakviestasis naršymo įrankis.
Mitas: Jis saugo viską, ką rašote, amžinai. Faktas: Išlaikymas priklauso nuo produkto nustatymų ir politikos; daugelis verslo planų skiria mokymą nuo naudojimo.
Mitas: Daugiau parametrų visada reiškia išmanesnį elgesį. Faktas: Duomenų kokybė, mokymo metodas ir suderinimo dažnai yra svarbesni.
Mitas: Gali pakeisti ekspertus. Faktas: Jis pagreitina projektavimą ir patikrą, bet ekspertų peržiūra vis dar reikalinga sprendimams.
Mitas: Pokalbio išvestys yra atsitiktinės. Faktas: Jos yra tikimybinės su valdikliais (temperatūra, top-p, sėkla), kuriuos galite reguliuoti.

Įmonių kontrolinis sąrašas

• Apibrėžkite patvirtintas naudojimo atvejus ir rizikos lygius.

• Nustatykite raudonas linijas (jokių medicininių patarimų, jokių teisinių sprendimų, jokių PII užklausose).

• Pateikite standartines užklausas ir stiliaus gaires.

• Nukreipkite aukštos rizikos užduotis per įrankius, kurie patikrina faktus arba skaičiavimus.

• Stebėkite rezultatus ir rinkite atsiliepimus.

• Mokykite komandas apie privatumo, šališkumo ir citavimo taisykles.

• Laikykite žmones atsakingais už galutinius sprendimus.

Kainos ir našumo pagrindai

Kalbos modeliai kainuoja pagal tokenus, o ne žodžius. Įprastas anglų kalbos žodis yra apie ~1,3 tokeno. Ilgos užklausos ir ilgi atsakymai kainuoja daugiau. Srautiniu būdu teikiami atsakymai pasirodo greičiau, nes tokenai rodomi realiu laiku. Kaupiamas saugojimas gali sumažinti išlaidas, kai pakartotinai naudojate panašias užklausas. Grupuoti ir struktūruoti užklausimai sumažina atkartojimus. Plačiam naudojimui, kartografuokite kiekvieną darbo eigą: tikėtinas ilgis, reikalingi įrankiai ir priimtinas latentinis laikas. Jei pasitikite ChatGPT dėl klientų turinio, kurkite alternatyvas, kad jūsų sistema nuosaikiai degraduotų, jei pasieksite greičio apribojimus.

Vertės matavimas

Nesivaikykite demonstracijų. Sekite rezultatus. Geros pradžios metrikos:

• Sutaupytos minutės už užduotį (rašymas, santrauka, formatavimas).

• Klaidos rodiklis prieš ir po (praleisti žingsniai, neteisingi skaičiai, sulaužytos nuorodos).

• Pralaidumas (tvarkytos užklausos, sukurti projektai, sukurtos užduotys).

• Naudotojų ir recenzentų pasitenkinimo įvertinimai.

• Po peržiūros pataisytų darbų procentas.

Vykdykite A/B testus su ir be AI pagalbos. Laikykite versijas, užklausas ir nustatymus pastovus, kol matuojate. Jei ChatGPT naudojamas pirmojo projekto projektavimui, matuokite, kiek laiko užtrunka peržiūra ir kiek pakeitimų reikia, kad pasiektumėte publikuotiną kokybę.

Kur tai padeda operacijose

Parama. Tvarkykite laiškus, rašykite atsakymus ir siūlykite žinių bazės nuorodas. Užtikrinkite, kad žmogus dalyvautų dėl tono ir ribinių atvejų.
HR. Paverskite politiką kontroliniais sąrašais, konvertuokite taisykles į įvedimo žingsnius ir paruoškite pranešimus.
Tvarkaraščių sudarymas. Generuokite šablonus, paaiškinkite padengimo taisykles ir tvarkykite pamainų prašymus aiškiai.
Finansai. Paverskite pirkimo pastabas į kategorijų įrašus; ruošti variacijų suvestines su aiškiais pagrindais ir kitais veiksmais.
Inžinerija. Rašykite testus, aprašykite API ir peržiūrėkite žurnalus pagal šablonus. Visuose šiuose darbuose ChatGPT veikia kaip greitas pagalbininkas, paverčiantis netvarkingą įvestį į švaresnę išvestį, kurią galite peržiūrėti.

Shifton Pavyzdinės Eigos

• Paverskite netvarkingą pamainos užklausų giją į struktūrinę lentelę su vardais, datomis ir priežastimis.

• Paverskite neapdorotą laiko laikrodžio eksportą į suvestinę su viršvalandžių žymekliais ir patvirtinimo pastabomis.

• Ruoškite pranešimą komandai apie tvarkaraščio pokyčius, tada išverskite jį regioninėms komandoms.

• Paprašykite kontrolinio sąrašo, kurį vadovas galėtų naudoti norėdamas peržiūrėti lankomumo anomalijas.

• Generuokite testavimo atvejus naujų tvarkaraščio taisyklėms—savaitgalio riba, viršvalandžių trigeriai ir perdavimo laikas.

Šios eigos veikia, nes modelis gerai reformatauja, susumuoja ir laikosi paprastų taisyklių. Kai prašote ChatGPT pagalbos čia, būkite aiškūs dėl tikslinės formos, auditorijos ir ribų.

Trikčių Šalinimo Vadovas

Per daug bendrinis? Pridėkite pavyzdžių ir drauskite reklaminės kalbos. Prašykite skaičių, veiksmų žingsnių arba kodo.
Per ilgas? Nustatykite griežtą limitą, tada paprašykite išplėsto varianto, jei reikia.
Nepataikė esmės? Pervardykite užduotį vienu sakiniu ir nustatykite, kas atrodo kaip sėkmė.
Neteisingi faktai? Prašykite citatų arba pateikite teisingus duomenis užklausoje.
Jautri tema? Prašykite neutralaus suvestinės ir pridėkite savo vertinimą.
Įstrigote? Prašykite modelį parašyti pirmą pastraipą ir punktuotą planą, o tada tęskite savarankiškai.
Reglamentuojamas turinys? Laikykite žmogaus peržiūrėtoją šiame procese ir registruokite galutinius sprendimus.

Valdymas Paprastais Terminais

Parašykite vieno puslapio politiką. Apimkite: leistinus naudojimo atvejus, draudžiamas temas, duomenų tvarkymą, žmogaus peržiūrą ir kontaktinius taškus klausimams. Pridėkite lengvą patvirtinimo formą naujiems naudojimo atvejams. Laikykite žurnalus. Peržiūrėkite politiką kiekvieną ketvirtį. Paaiškinkite taisykles visai įmonei, kad niekas jų nesuprastų sunkiuoju būdu. Padarykite aišku, kas priklauso „Shifton“ atsakomybei ir rezultatai jūsų organizacijoje.

Kūrėjo Pastabos (Saugios Nedevams)

API pateikia tas pačias branduolinio modelio funkcijas, su kuriomis bendraujate. Jūs siunčiate pranešimų ir nustatymų sąrašą; jūs gaunate žetonus atgal. Saugos priemonės nėra jūsų kode pagal nutylėjimą—pridėkite validatorių, tikrintojų ir vienetinių testų aplink API iškvietimą. Naudokite mažus, aiškius užuominas, saugomas versijų kontrolėje. Stebėkite produkcijos latenciją ir žetonų kiekį. Jei jūsų produktas priklauso nuo API, sekite API versijų pokyčius, kad jūsų užuominos nesugriūtų tyliai.

Esmė

Šios sistemos yra greiti modelių varikliai. Pateikite aiškias įvestis, prašykite patikrinamų išėjimų ir laikykite žmones atsakingus už sprendimus. Naudojant gerai, jie pašalina biurokratiją ir atskleidžia galimybes, kurias galbūt praleidote. Naudojant neatsargiai, jie sukuria patikimą triukšmą. Skirtumas yra procesas, ne magija. „ChatGPT“ laikykite kvalifikuotu asistentu: puikiai pritaikytas projektams, konversijoms ir paaiškinimams; nepakaitalas sprendimų priėmimui ar atsakomybei.

Glaustesnis Žetonų ir Tikimybių Pažvelgimas

Čia pateikiamas mažas, supaprastintas pavyzdys. Sakykite, jūsų užklausa yra „Dangus yra“. Modelis žvelgia į savo mokymo šablonus ir priskiria tikimybę daugeliui galimų kitų žetonų. Jis gali suteikti 0.60 „mėlynai“, 0.08 „aiškiai“, 0.05 „šviesiai“ ir mažas vertes dar keliasdešimčiai. Dekoderis tada pasirenka vieną žetoną pagal jūsų nustatymus. Jei temperatūra žema, jis beveik visada pasirenka „mėlyną“. Jei ji aukštesnė, galite matyti „aiškią“ arba „šviesią“. Po pasirinkimo, frazė tampa „Dangus yra mėlynas“, o procesas kartojasi kitam žetonui. Todėl du kartojimai gali suteikti skirtingus, galiojančius sakinius. ChatGPT sampluoja iš paskirstymo, o ne pakartoja vieną įsimintą sakinį.

Žetonizavimas taip pat paaiškina, kodėl ilgi vardai kartais keistai sulūžta. Sistema dirba su simbolių gabalais, o ne visais žodžiais. Kai kopijuojate ilgus sąrašus ar kodus, ChatGPT rūpinasi jais gerai, nes kablelių, skliaustų ir naujos eilutės žetonų šablonai yra labai dažni mokymo duomenyse.

Konteksto Langai ir Atmintis

Modelis gali žiūrėti tik į tam tikrą žetonų skaičių vienu metu, vadinamą konteksto langu. Jūsų užklausa, vidiniai samprotavimo žingsniai, įrankių skambučiai ir atsakymas dalijasi šią langą. Jei pokalbis trunka ilgai, ankstesnės dalys gali nukristi iš veiklos lauko. Kad to išvengtumėte, apibendrinkite arba perrašykite pagrindines mintis. Dokumentams skaidykite į dalis ir pateikite tik atitinkamus skyrius. Kai kurie įrankiai prideda išgavimą, kad svarbūs ištraukos galėtų būti grąžinti, kai reikia. Jei paprašote ChatGPT prisiminti pasirinkimus įvairiose sesijose, tam reikalinga speciali funkcija; pagal numatytuosius nustatymus jis neprisimena už dabartinės pokalbio ribų, nebent jūsų planas tai leidžia.

Užklausos Šablonai, Kuriuos Galite Naudoti

Žemiau pateikiamos trumpos, pakartojamos variacijos. Įklijuokite, tada pritaikykite laikytuvus.

Analitikas: „Jūs esate aiškus, atsargus analitikas. Naudodamiesi žemiau esančia lentele, apskaičiuokite [KPI]. Pateikite formulę ir skaičius. Pateikite bet kokius trūkstamus įvestis. Laikykite tai iki 150 žodžių.“ Paleiskite ją su mažais CSV ištraukomis ir ChatGPT pavers jas tvarkingomis suvestinėmis.

Įdarbintojas: „Parašykite 120 žodžių kandidato atnaujinimą vadovaujančiam vadybininkui. Pareigos: [pavadinimas]. Etapas: [etapas]. Stiprybės: [sąrašas]. Rizikos: [sąrašas]. Kiti veiksmai: [sąrašas]. Išlaikykite neutralią toną.“ Tai sutelkia ChatGPT į struktūrą ir išlaiko tono profesionalumą.

Inžinieriui: „Atsižvelgiant į klaidų žurnalą, pasiūlykite tris pagrindinių priežasčių hipotezes. Tada pasiūlykite vieną testą kiekvienai hipotezei. Išveskite lentelę su stulpeliais: hipotezė, testas, signalas, rizika.“ Kadangi formatas yra aiškus, ChatGPT pateikia ką nors, ką galite panaudoti.

Vadybininkui: „Parenkite vieno puslapio įgyvendinimo planą [politikai]. Įtraukite tikslą, apimtį, veiksmus, savininkus, datas, riziką ir pranešimą darbuotojams.“ Pridėkite savo apribojimus, ir ChatGPT pateiks planą, kurį galite sutrumpinti ir užbaigti.

Rinkodaros specialistui: „Paverskite šiuos punktus į 90 sekundžių produkto demonstracijos scenarijų. Dvi scenos. Aiški nauda. Be reklaminės kalbos. Užbaikite konkrečiu CTA.“ Saugos priemonės padeda ChatGPT praleisti niekus ir pasiekti tikslinį vykdymo laiką.

Studentui: „Paaiškinkite [temą] devintokui. Naudokite paprastą pavyzdį ir 4 žingsnių procesą, kurį jie gali sekti.“ Su tiesiogine auditorija ir žingsniais, ChatGPT sukuria trumpus, naudingus vadovus.

Saugos Priemonės, Kurios Veikia Praktiškai

• Prašykite nurodytų veiksmų ir priėmimo kriterijų. ChatGPT labai gerai susitvarko su sąrašais.

• Dėl faktų, reikalaukite citatų ir tikrinkite jas. Kai šaltiniai tinkami, paprašykite pasakyti taip pat.

• Dėl skaičiuoklių pateikite mažus pavyzdžius ir prašykite formulių. Tada kopijuokite formules į savo lapą.

• Dėl kodu naudokite testus ir klaidų pranešimus. ChatGPT gali parašyti abu.

• Dėl jautrių temų nustatykite neutralų toną ir turėkite peržiūrėtoją, kuris patvirtintų.

• Dėl našumo apribokite ilgį ir paprašykite trumpo TL; DR pirmiausia, kad galėtumėte ankstyvame etape sustoti, jei jis neveikia.

• Dėl vertimų pridėkite žodynus ir stiliaus pastabas. ChatGPT juos tiksliai stebi.

Atvejo Studija: Nuo Netvarkingo El. Laiško iki Veiksmų Plano

Įsivaizduokite, kad vadybininkas persiunčia painiają el. laiškų gijų apie savaitgalio aprėptį. Laikai yra nenuoseklūs, užduotys neaiškios, o du žmonės naudoja skirtingas laiko zonas. Štai paprastas būdas tai išspręsti:

1. Įklijuokite giją ir sakykite: „Išrinkite vardus, pamainas ir vietas. Normaliuokite laikus į [zoną]. Rodykite lentelę.“

2. Klauskite: „Išvardykite trūkstamas detales ir rizikingas prielaidas.”

3. Klauskite: „Parašykite trumpą, neutralų pranešimą, kuris pasiūlytų tvarkaraštį ir užduotų tris aiškinamąsias klausimus.”

Per tris apsukas modelis paverčia triukšmą lentele, kontroliniu sąrašu ir juodraščiu, kurį galite išsiųsti. Kadangi struktūra yra aiški, jūs galite greitai ją patikrinti. Jei detalės yra neteisingos, pakoreguokite užklausą arba įklijuokite taisytus duomenis ir paprašykite peržiūros.

Etika Be Sankryžių

Būkite tiesus su žmonėmis. Jei AI padeda parašyti žinutę, kuri daro įtaką darbams, pasakykite tai. Nepateikite privačių duomenų įrankiams, kurių nepatikrinote. Naudokite versijų kontrolę užuominoms, kad žinotumėte, kas ką keitė. Kai pasikliaujate ChatGPT klientui skirtam turiniui, pridėkite žmogaus peržiūrą ir laikykite patvirtinimų žurnalą. Tai yra tie patys taisyklių, kurias geros komandos naudoja bet kokiam galingam įrankiui.

Ateities Kryptys (Tikėtinos ir Naudingos)

Tikėkitės ilgesnių konteksto langų, kurie leidžia modeliui vienu metu perskaityti visus projektus; geresnio įrankių naudojimo, kad jis pats galėtų surinkti duomenis ir patikrinti; ir pigesnių žetonų, dėl kurių įprastas naudojimas tampa ekonomiškas. Mažos vietinės modeliai spręs greitus, privačius užduotis, o didesnės debesies modeliai imsis sudėtingų darbų. Nesitikėkite magiškos bendrosios intelekcijos atvykimo per naktį. Tikėkitės nuolatinio tobulėjimo, kuris padarys ChatGPT greitesnį, saugesnį ir praktiškesnį kasdienėms užduotims.

Greita Nuoroda: Darykite ir Nedarykite

Do

• Nurodykite vaidmenį, tikslą ir auditoriją.

• Pateikite pavyzdžius ir apribojimus.

• Prašykite struktūros ir priėmimo kriterijų.

• Laikykite sėkmingų užduočių užrašą.

• Pradėkite nuo mažo, matuokite ir plėskite.

Nedarykite

• Nekopijuokite paslapčių ar reglamentuojamų duomenų be patvirtinimų.

• Nėra garantijos, kad išeiga yra teisinga. Patikrinkite.

• Neleiskite užduotims platėjant. Išlaikykite jas glaustas.

• Nekliaukite tik vienu käpsėjimu. Atlikite keletą pakartojimų.

• Nenaudokite ChatGPT kaip sprendimų priėmėjo. Tai yra asistentas.

Kaip Tai Skiriasi Nuo Paieškos

Internetinė paieškos sistema randa puslapius. Kalbos modelis rašo tekstą. Kai kreipiatės į paieškos sistemą, ji pateikia nuorodas, įvertintas pagal signalus, kaip populiarumas ir naujumas. Kai kreipiatės į modelį, ji tiesiogiai pateikia sakinį. Abi yra naudingos; jos atsako tik į skirtingus klausimus.

Naudokite paieškos sistemą, kai jums reikia pirminių šaltinių, naujausių naujienų ar oficialios dokumentacijos. Naudokite modelį, kai jums reikia juodraščio, pataisymęs gabalo ar greito paaiškinimo, pagrįsto sužinotais šablonais. Praktiškai geriausias darbo srautas yra mišinys: paprašykite ChatGPT plano ar santraukos, tada spustelėkite per šaltinius, kad patvirtintumėte detales. Jei yra naršymo įrankiai, galite paprašyti ChatGPT paieškoti ir nurodyti, kai rašo, bet vis tiek skaitykite nuorodas patys prieš veikdami.

Kitas skirtumas yra tonas. Paieškos sistemos nesirūpina jūsų stiliaus vadovėliu. ChatGPT gali imituoti toną, jei rodote pavyzdžius. Duokite jai trumpą balso taisyklę—„paprasta, tiesioginė, be rinkodaros frazių“—ir ji išlaikys tą stilių visose jūsų juodraščiuose. Tai daro ChatGPT stipriu kompanionu vidiniam darbui, kur greitis ir aiškumas yra svarbesni nei tobulas proza. Viešam darbui, derinkite ChatGPT su žmogaus apžvalga, kad išlaikytumėte prekės ženklo kokybę.

Pavyzdiniai Pokalbiai, Kurie Veikia

Paverskite neaiškią idėją į planą.
Užklausa: „Aš valdau nedidelę kavinę. Noriu įdiegti išankstinio apmokėjimo gėrimų korteles. Parenkite žingsnius, kad tai išbandytumėte vienam mėnesiui. Įtraukite rizikas ir paprastą Excel lentelės išdėstymą pardavimams sekti.“
Kodėl tai veikia: vaidmuo, tikslas ir apribojimai yra aiškūs. ChatGPT pateiks žingsnius, bandymo langą ir mažą lentelę, kurią galima kopijuoti.

Santrauka, neprarandant esmės.
Užklausa: „Santraukite trijų kliento el. laiškus į penkis punktus. Pažymėkite, kas skamba kaip klaida prieš pageidavimą.“
Kodėl tai veikia: tai apibrėžia išvestį ir žymes. ChatGPT sunkiasi labai gerai atskirti kategorijas, kai paprašoma aiškaus žymėjimo.

Paaiškinkite kodą paprasta anglų kalba.
Užklausa: „Paaiškinkite, ką daro ši funkcija vienu pastraipu, tada išvardykite dvi galimas nesėkmės atvejus.“
Kodėl tai veikia: tai priverčia trumpą paaiškinimą ir rizikos patikrą. ChatGPT gerai susitvarko su dauguma kasdienio kodo.

Parenkite jautrią žinutę.
Užklausa: „Parašykite neutralų, pagarbų atsakymą subrangovui, paaiškindami, kad jų naktinė pamaina baigiasi dėl biudžeto. Pasiūlikite dvi alternatyvias pamainas ir paklauskite prieinamumo.“
Kodėl tai veikia: aiškus tonas ir opcijos. ChatGPT pateiks ramų juodraštį, kurį galėsite redaguoti prieš siunčiant.

Išverskite su stiliaus vadovėliu.
Užklausa: „Išverskite šį pranešimą į ispanų kalbą sandėlio darbuotojams. Laikykite sakinius trumpus, venkite slengo ir išlaikykite skaitymo lygį ties 7 klase.“
Kodėl tai veikia: tonų taisyklės ir auditorija yra aiškios. ChatGPT tiksliai laikosi stiliaus apribojimų.

Šie šablonai yra pakartojami. Išsaugokite užduotis, kurios duoda jums gerus rezultatus, tada sukurkite mažą biblioteką. Kai jūsų komanda dalijasi šia biblioteka, visi turi naudos. Laikui bėgant, jūsų užklausos tampa tokios pat svarbios kaip jūsų šablonai. Jei pakeisite įrankį savo krepšelyje, užklausų biblioteka vis tiek veiks, nes ChatGPT supranta intenciją, o ne specifinį meniu kelią.

Rizikos ir Priemonės Reglamentuojame Darbe

Kai kurios komandos nerimauja, kad AI gali bergždižti duomenis arba sugeneruoti patarimus, kurie kertasi su teisinėmis normomis. Tai yra teisingos rizikos. Atsakas yra procesas, o ne bijojimas. Laikykite jautrius duomenis neįeinančius, nebent jūsų planas tai leidžia ir jūsų politika leidžia. Naudokite išgavimo, kuris nukreipia ChatGPT į patvirtinus dokumentus, o ne į atvirą žiniatinklį. Pridėkite modelio išvesties prijungimus: apribokite, kas gali publikuoti, reikalaukite antro peržiūrėtojo rizikingiems projektams ir laikykite žurnalus. Mokykite darbuotojus prašyti citatų, kai faktai svarbūs, ir patikrinti matematiką naudojant kalkuliatorių ar skaičiuoklę. Su šiomis pagrindinėmis savybėmis vietoje, ChatGPT tampa patikimu asistentu, kuris sumažina biurokratiją, nesukeldamas jums pavojaus.

Kodėl Tai Yra Svarbu Kasdieniam Darbui

Dauguma komandų skęsta mažose užduotyse: perrašykite šį pranešimą, formatuokite šią lentelę, parenkite pirmą politikos versiją, išverskite pranešimą partneriui ar ištraukite kontrolinį sąrašą iš ilgos PDF. Būtent čia ChatGPT imasi geriausiai. Ji gali paversti netvarkingą įvestį į švarą juodraštį vos per kelias sekundes, o jūs likite kontroliuojamas, nes ir toliau peržiūrėjate ir tvirtinate. Sudaužius tai per savaitę, laiko taupymas akivaizdus. Dar geriau, ChatGPT palengvina gerus įpročius: pradėsite prašyti aiškios struktūros, pridėsite priėmimo kriterijus ir paliksite audito taką, nes užklausos ir jų išvestys lengvai archyvuojamos. Atpildo paprastumas: aiškesni dokumentai, greitesnės perjungimai ir mažiau klaidų.

Visa tai nereikalauja naujų pavadinimų ar didelių biudžetų. Galite pradėti naudodamiesi turimais įrankiais. Pasirinkite vieną procesą, pridėkite ChatGPT prie trijų aiškų, išmatuokite sutaupytą laiką ir užrašykite, ką pakeitėte. Kartokite kitą savaitę. Komandos, kurios sudedins tuos nedidelius laimėjimus, tyliai aplenks tas, kurios laukia tobulo plano.