A generatív AI akkor igazán hatékony eszköz, ha elsajátítjuk a nyelvét
2023-ban végérvényesen berobbant a mindennapjainkba a mesterséges intelligencia, és ma már szinte mindenki azt találgatja, vajon elveheti-e a munkáját az AI.

 

A vállalatok egyelőre inkább tapogatóznak, hogy pontosan milyen feladatokat bízhatnak az MI-asszisztensekre, ráadásul a kapcsolódó információbiztonsági kockázatok is riasztóan hathatnak a cégekre. A legfrissebb kutatások ugyanakkor már azt mutatják, hogy a tudásalapú tevékenységek hatékonyságát 40 százalékkal is növelheti az MI – persze ha megfelelően tudjuk utasítani, vagyis „promptolni". Ez a készség hamarosan nélkülözhetetlen lesz a munkaerőpiacon, a legfontosabb trükköket pedig a Protechtor vezetői képzésén ismerhették meg a technológiai szakemberek – nézzük a promptolás legfontosabb lépéseit!

A mesterséges intelligencia globális piaca becslések szerint 1.600 milliárd dollárosra bővül 2030-ra, az ingyenes MI-verzióról elhíresült OpenAI csillagászati fizetéseket kínál, a GPT-4 pedig már több milliárd szót írt le a felhasználói interakciók során. Nem csoda, hogy mindenki MI-lázban ég, de a próbálkozás legtöbbször megáll egy ponton, amikor a szórakoztató beszélgetéseket felváltják a feladatok és utasítások, mi pedig azzal szembesülünk, hogy a nagy nyelvi modell nem igazán „érti", pontosan mit is várunk tőle. Sőt, sokszor kapunk hibás információkat vagy rossz következtetéseket, pusztán azért, mert valójában mégsem egy nyelvet beszélünk.

 

Fontos látni, hogy bár a jelenlegi fejlesztések emberi nyelven kommunikálnak velünk és rengeteg információval rendelkeznek, valójában számos korlátjuk van. A generatív AI-ra úgy kell tekintenünk, mint aki egész életét egy szobában töltve olvasott, így sokrétű a lexikális tudása, de a kontextust nem ismeri. Ezért valójában egy fontos trükkje van a mesterséges intelligenciával való interakcióknak: minél konkrétabb, részletesebb és közvetlenebb parancsokat adunk, annál használhatóbb eredményt kapunk. Erről szól valójában a prompt, vagyis a nyelvi modellekre vonatkozó utasítások és irányelvek összessége – mondja Szabó-Stubán Dávid, a Protechtor eseményén közreműködő Promptmaster alapító-ügyvezetője. A cég törekvése, hogy minél több embert ismertessen meg ezzel a kulcskészséggel, sőt, több hazai egyetemen már a tananyag részévé vált tudásuk.

 

Hat lépés a tökéletes prompthoz

Miért is olyan fontos, hogy hatékonyan tudjunk kommunikálni a mesterséges intelligenciával? Röviden összefoglalva, drasztikusan növeli az emberi teljesítményt bizonyos feladatok megoldása során, számokban kifejezve pedig egy generatív AI-modellel és prompt engineering tudással felvértezve 30%-kal gyorsabban és közel 43%-kal jobb minőségben tudunk dolgozni. „Ha ezt megértjük, az is világos lesz, hogy nem egy helyettesről van szó, akinek átadhatjuk a stafétát, hanem egy olyan eszközről, mely biztos alapot ad a munkánkhoz, erre pedig tovább építkezhetünk, hozzáadva saját gondolatainkat és ötleteinket" – teszi hozzá Szabó-Stubán Dávid. Mit is jelent mindez a gyakorlatban? Nézzük a jó prompt 6 legfontosabb összetevőjét!

1. Kontextus: sokan már az első lépésnél elbuknak, pedig a fentiekből világosan következik, hogy az MI-re üres vászonként kell tekinteni, vagyis mindig azzal kezdjük az utasítást, hogy megadjuk, milyen szituációba, kinek a helyébe „képzelje" magát. Mondhatjuk például, hogy alakítson egy reklámszövegírót, aki egy vicces és figyelemfelkeltő hirdetést szeretne készíteni, hogy minél több autót eladjon. Ebből már ki tud indulni az algoritmus, de minél részletesebbek vagyunk, annál jobb.

2. A feladat meghatározása: ez szintén nélkülözhetetlen eleme a jó promptnak, kérhetjük, hogy foglaljon össze egy hosszabb szöveget egy lényegretörő bekezdésbe, esetleg fordítson le valamit vagy magyarázza el különböző paraméterek alapján egy fogalom jelentését egy bizonyos célcsoportnak. Ha megkaptuk az első választ, tovább finomíthatjuk az eredményt újabb instrukciókkal.

3. Példák: fontos támpontot adhatunk mesterséges asszisztensünknek, ha konkrét mintákat adunk neki útmutatásul. Segíthetünk neki azzal, ha a fenti példával élve bemásoljuk cégünk korábbi reklámszövegeit, így könnyebben felveszi az elvárt stílust, szóhasználatot és valószínűleg jobban használható eredményt kapunk majd.

4. Korlátok: tovább pontosíthatjuk a promptot, ha formai és tartalmi szempontból is határokat szabunk a nyelvi modell „gondolkodásának". Megmondhatjuk neki, hogy egy konkrét közösségi platformra készül a szöveg, ezért csak bizonyos számú karaktert használhat, de utasíthatjuk, hogy mennyire kidolgozott és részletes választ adjon, sőt, azt is megszabhatjuk, milyen erőforrásokkal gazdálkodhat, így biztosan megvalósítható ötletekkel szolgál.

5. Jó válasz: igazán személyre, cégre és feladatra szabott tartalmakat kaphatunk akkor, ha részletesen megadjuk, milyen eredményt várunk el: például egy jó reklámplakát figyelemfelkeltő vizuális elemekkel, rövid és jól megjegyezhető szöveggel készül. Tulajdonképpen ezt már tekinthetjük valódi együttműködésnek ember és gép között, hiszen mindketten megosztjuk saját tudásunkat a lehető legjobb teljesítmény érdekében.

6. Lépések a cél felé: sok esetben nem csak a végcél számít, hanem az oda vezető egyes lépések is. Ha többszöri próbálkozás után is úgy tűnik, hogy a mesterséges intelligencia nem érti pontosan a feladatot – különösen komplexebb esetekben, például egy értékesítési stratégia vagy üzleti terv összeállításakor –, végigvezethetjük őt a folyamaton azzal, hogy pontosan megmondjuk neki, milyen mérföldköveken keresztül juthat el a megoldáshoz.

„A Protechtor közösségében azt tapasztajuk, hogy teljes nyitottsággal fordul a hazai techszakma a generatív AI megoldások használata felé, azonban a folyamat még gyerekcipőben jár. Miközben a munkavállalók többsége nem látja át, hogyan tudná hatékonyan használni ezeket az eszközöket a mindennapi munkában, a vállalati IT szakemberek azt nem tudják pontosan, mennyi adminisztratív jellegű folyamat és feladat váltható ki ezzel, így gyakorlati lépéseket sem tesznek. Egyelőre a nagy nyelvi modelleket elsősorban a szöveggenerálás terén a legérdemesebb bevetni az idő- és költséghatékonyság érdekében, és ez még a technológiai területre is igaz: ha valaki megírja helyettünk az emailek, memók és jelentések első verzióját, mi koncentrálhatunk a szakmai feladatainkra. Ehhez viszont átfogó szemléletváltás szükséges, és meg kell tanulnunk az MI „fejével" gondolkodni, nem csak ennek a fordítottját várni tőle" – mondja Laczkó Gábor, a Protechtor eseményeket szervező Stylers információtechnológiai cégcsoport egyik alapító tulajdonosa.

 

| Forrás: Stylers Group | Nyitókép: Adobe Stock

 

 

Mesterséges neurális hálózatokkal lehetővé tett gépi tanulásért ítélték oda a 2024-es fizikai Nobel-díjat
Az amerikai John J. Hopfieldnek és a kanadai Geoffrey E. Hintonnak ítélték oda 2024-ben a fizikai Nobel-díjat – jelentették be kedden Stockholmban a Svéd Királyi Akadémián. A két kutató a gépi tanulás mesterséges neurális hálózatokkal való lehetővé tételéhez járult hozzá úttörő jelentőségű eredményeivel.
Konferencia az okosvárosokról és a technológiai sokszínűségről
Összefogtak a jövőért az ipar, a tudomány és a művészetek képviselői a Kognitív Mobilitás 2024 konferencián Budapesten.
Teljes kultúraváltás – a Miller Industries beszámolója arról miként segítette a Birst megoldás üzlete átalakítását
Az Infor első blogsorozata az Infor Customer Excellence Awards nyerteseit állítja reflektorfénybe és osztja meg a sikertörténeteiket.
Új képzési program indul az adatközponti és kritikus infrastruktúra területén működőknek
Új képzésekkel egészítette ki EcoXpert Partner Program kezdeményezését a Schneider Electric. Az újonnan megszerezhető tudás hatékonyan támogatja a vállalat adatközponti és kritikus infrastruktúra területeken tevékenykedő értékesítési partnereit ügyfeleik még jobb kiszolgálásában.
Zsákutcába kerülhet az AI egy kutatás szerint
A nagy nyelvi modellek, mint például a ChatGPT elterjedése valójában egyre csökkenti a nyilvános tudásmegosztást az online kérdezz-felelek platformokon, s ezzel megnehezítheti a jövőbeli modellek képzését – erre jutott a Budapesti Corvinus Egyetem frissen publikált tanulmánya.