「プロンプトエンジニアリング入門ガイド」

Introduction to Prompt Engineering Guide

ChatGPTやGoogleのBardなどのAIのユーザー数の爆発的な増加により、プロンプトエンジニアリングはその価値がより理解されるようになってきています。もし用語に馴染みがない場合、プロンプトエンジニアリングはChatGPTやBardのようなテキストベースの大規模言語モデル（LLM）を効果的に活用するための重要な技術です。

このプロセスは、モデルから望ましい応答を引き出すために、適切に設計された指示やクエリ（プロンプト）を作成することを含みます。明確で具体的なプロンプトを提供することで、LLMの出力を誘導し、生成されたテキストの品質と関連性を向上させることができます。単純に言えば、行動可能な情報と退屈で興味を引かない情報の違いになるかもしれません。

では、プロンプトエンジニアリングのスキルを構築するためのいくつかの方法を見てみましょう。

• 「現代の自然言語処理：詳細な概要パート3：BERT」
• 「GPT4の32Kを忘れてください：LongNetは10億トークンのコンテキストを持っています」
• コーディウムのVarun MohanとJeff Wangによるソフトウェア開発におけるAIの力の解放について

LLMの振る舞いの理解

プロンプトエンジニアリングに取り組む前に、作業しているAIの振る舞いを理解することが重要です。BingのAI、ChatGPT、Bardは似ていますが、同じではありません。他のLLMに対しても同様です。それに伴い、各モデルにはそれぞれの強み、弱点、制約があることを覚えておくことが重要です。

したがって、プロンプトを作成する際に、LLMの典型的な応答、傾向、および潜在的なバイアスについて理解するための時間を確保して、より良い判断を下すようにしてください。

明確な目標の定義

現在のAIモデルに関しては、明確であることが重要です。彼らはしばしば文脈的な反射を欠いていることを覚えておいてください。そのため、プロンプトを開始する際には、目標と望ましい結果を定義することが重要です。創造的な執筆、質問への回答、コード生成など、明確な目標を持つことは、プロンプトの設計をガイドし、LLMが関連性のある応答を生成することを保証します。明確でない場合、役に立たない生成テキストが得られる可能性があります。

具体的な指示の使用

これは重要なポイントです。LLMとの作業では、曖昧なプロンプトを避けたいと思うでしょう。効果的になるためには、LLMの応答を誘導するために具体的な指示を提供する必要があります。フォーマット、文脈、または所望の情報を明示的に指定することで、正確で関連性のある結果を得ることができます。

文脈の提供

前述のように、LLMには現時点では文脈的な反射が欠けています。したがって、モデルにより文脈に敏感な応答を提供するためには、関連する情報でLLMをプライムする必要があります。これには、導入テキストの追加や生成されたテキストの文脈を設定するための開始文の提供などが含まれます。ただし、提供する文脈が余計な情報ではないことを確認することが重要です。

長さの制御

時には、AIと作業する際に多くの情報が得られることがあり、圧倒されることがあります。この場合、長さの制御技術を使用することができます。具体的な長さの応答が必要な場合や、求めている情報を要約するのに適している場合に最適です。また、LLMへのAPI接続を使用している場合は、トークンの使用を制限するための長さの制御が可能です。これを行うには、最大トークン制限を設定するか、プロンプトメッセージでAIに生成テキストの停止時期を示すことができます。

温度とサンプリング

テキストベースのLLMは、応答を生成するためにサンプリングを使用します。”温度”パラメータを調整することで、出力のランダム性を制御することができます。値を高くすると、テキストはより多様になりますが、一貫性が低くなる可能性があります。一方、値を低くすると、テキストはより焦点を絞ったものになりますが、繰り返しになる可能性があります。使用目的に適した適切なバランスを見つけるために、温度を調整してみてください。

反復的な改善

LLMの応答に基づいてプロンプトを反復的に改善することができます。モデルの振る舞いを観察し、より正確で望ましい出力を得るためにプロンプトを修正することができます。たとえば、ChatGPTでは、プロンプトの一部が求めている情報を提供していないことがわかるかもしれません。新しいチャットを開き、プロンプトを少し修正し、うまく機能していない情報を取り除いて再試行することができます。これにより、将来のプロンプトの手がかりや方向性を得ることができます。

実験して学ぶ

他の新しいスキルと同様に、プロンプトを作成するために試みたり挑戦したりする回数が多ければ多いほど、上達します。そのため、効果的なプロンプトエンジニアリングには、LLMの振る舞いから学びながら実験をすることがよくあります。これは、さまざまなモデルにわたって適用されます。ChatGPTにプロンプトを入力すると、Bardに入力した場合とは異なる結果を生成することが多いですし、その逆もまた同様です。ですので、プロンプトを繰り返し試して、異なる指示が出力にどのような影響を与えるかを観察することに恐れを抱かないでください。望ましい結果を達成するために、プロンプトの反復を行ってください。

プロンプトが一定の期間うまく機能するかもしれませんが、モデルがさらに発展するにつれて、生成されるテキストの品質が変わることがあります。良くなることも悪くなることもありますので、実験に対してオープンになってください。

結論

テキストベースのLLMとのやり取りにプロンプトエンジニアリングを取り入れることで、効果的に彼らの応答を形成する強力な手段を開放します。ですので、このガイドで概説された原則に従い、学習者の旅を続ける意欲を持ち続けてください。なぜなら、それを行うことで、生成されたテキストの品質と関連性が向上し、目標をより効率的に達成することができるからです。

他のスキルと同様に、この成長分野の専門家から学ぶことが重要です。ODSC Westでは、プロンプトエンジニアリングの能力向上だけでなく、この分野での進展をサポートする素晴らしい機会、ワークショップ、講演、イベントが用意されています。

ですので、今日パスを手に入れて、プロンプトの潜在能力を開放する準備をしてください。

We will continue to update VoAGI; if you have any questions or suggestions, please contact us!