Typy výzev (Types of Prompts)

# Výzvy k hledání informací
(Information-seeking prompts)

Tyto výzvy jsou navrženy tak, aby shromažďovaly informace pomocí různorodých otázek – „Kdo“, „Co“, „Kde“, „Kdy“, „Proč“ a „Jak“. Tyto otázky jsou klíčové pro extrahování konkrétních detailů, hlubšího porozumění situacím a faktům z modelu AI.

Příklady:

  • Kdo je současný premiér Velké Británie?
  • Co je hlavní funkce mitochondrií v buňce?
  • Kde se nachází nejhlubší bod světového oceánu?
  • Kdy byla založena Organizace spojených národů?
  • Proč mají ptáci peří?
  • Jak mohu recyklovat staré elektronické zařízení?

# Výzvy založené na rolích
(Role-based prompts)

Tyto výzvy proměňují model AI v určité postavy nebo role, což umožňuje uživatelům interagovat s AI, jako by mluvili s konkrétní osobou nebo expertem. Jsou užitečné pro simulaci konverzací s odborníky nebo pro procvičování sociálních dovedností.

Příklady:

  • Odpověz jako historik: Jaký význam měla bitva u Waterloo pro evropskou historii?
  • Chovej se jako HR specialista, jaké jsou klíčové aspekty efektivního náboru zaměstnanců?

# Výzvy založené na pokynech
(Instruction-based prompts)

Výzvy založené na pokynech nasměrují model AI k provedení konkrétního úkolu. Tyto výzvy se podobají tomu, jak komunikujeme s hlasovými asistenty, jako jsou Siri, Alexa nebo Google Assistant. 

Příklady:

  • Vytvořte seznam nápadů na rodinné večeře pro tento týden, které by byly rychlé a snadné na přípravu.
  • Napište návod, jak se připravit na pohovor o práci, včetně tipů na otázky, které bych mohl očekávat a jak na ně odpovědět.
  • Sestavte seznam nejlepších míst pro rodinný výlet v okolí mého města, která jsou vhodná pro děti.
  • Popište postup, jak efektivně organizovat domácí kancelář pro práci z domova.
  • Vytvořte plán cvičení pro začátečníky, který zahrnuje aktivity na posílení celého těla, které lze dělat doma bez speciálního vybavení.

# Kontextové výzvy
(Context-providing prompts)

Tyto výzvy zahrnují poskytování detailního kontextu nebo pozadí situace, na kterou AI odpovídá. Jsou ideální pro získání specifických a relevantních odpovědí, které zohledňují dané okolnosti.

Příklady:

  • Vzhledem k ekonomickým turbulencím v posledním roce, jaké investiční strategie byste doporučili?
  • Při aktuálním nárůstu cestování, jaké bezpečnostní opatření by měla letiště zavést?

# Srovnávací výzvy
(Comparative prompts)

Srovnávací výzvy se používají k vyhodnocení nebo porovnání různých možností a pomáhají uživatelům přijímat informovaná rozhodnutí. Jsou zvláště užitečné při zvažování výhod a nevýhod různých alternativ. 

Příklady:

  • Jaké jsou výhody a nevýhody pronájmu oproti koupi domu?
  • Porovnejte výkon elektromobilů a tradičních benzinových vozů.

# Výzvy k vyjádření názoru
(Opinion-seeking prompts)

Tyto výzvy vyvolávají názor nebo pohled AI na dané téma. Mohou pomoci vytvářet kreativní nápady nebo se zapojit do diskusí, které nutí k zamyšlení. 

Příklady:

  • Jaký by mohl být potenciální dopad umělé inteligence na trh práce?
  • Jak by se mohl změnit svět, kdyby se teleportace stala realitou?

# Reflexní výzvy
(Reflective prompts)

Reflexní výzvy vedou k introspektivním odpovědím, které pomáhají uživatelům lépe porozumět svým myšlenkám, cítěním nebo chování. Jsou skvělé pro osobní rozvoj nebo pro hlubší porozumění emocionálním reakcím.

Příklady:

  • Jak si mohu vybudovat sebevědomí a překonat pochybnosti o sobě?
  • Jaké strategie mohu zavést pro udržení zdravé rovnováhy mezi pracovním a soukromým životem?

Prompt Injection

Technika „prompt injection“ je způsob, jakým uživatelé manipulují s chováním jazykových modelů (jako je tento) tím, že do vstupního dotazu zahrnou specifické instrukce, které mohou změnit očekávaný výstup. Cílem je obvykle přimět model, aby reagoval způsobem, který se liší od jeho standardního programování nebo zamýšleného použití. To může zahrnovat pokusy o obejití bezpečnostních nebo etických omezení modelu, čímž se vytváří nevhodné nebo škodlivé odpovědi.

(více…)

Persona Pattern (Vzor Persony)

Persona Pattern je strategie, kdy nastavíme umělou inteligenci (AI), aby se chovala a odpovídala z pohledu určité role nebo postavy. Tímto způsobem může AI poskytovat specifické rady a informace, které jsou relevantní pro danou roli. Například AI může vystupovat jako expert na kybernetickou bezpečnost při kontrole kódu, i když skutečný uživatel není odborník v této oblasti.

Příklady použití:

  1. SEO Konzultant: Pokud potřebujete optimalizovat svůj web pro vyhledávače, můžete požádat AI, aby vystupovala jako SEO konzultant. AI vám pak poskytne rady a strategie zaměřené na zlepšení viditelnosti vašeho webu ve vyhledávačích, doporučí klíčová slova a poradí s technickými aspekty SEO.

  2. Sommelier: Při výběru vína k určitému jídlu můžete požádat AI, aby se chovala jako sommelier. AI vám doporučí vhodná vína, vysvětlí, jak se jednotlivé druhy vín liší, a poradí, jaké víno se nejlépe hodí k vašemu menu.

Tyto příklady ukazují, jak může Persona Pattern pomoci získat odborné rady v různých oblastech, i když nemáte odborné znalosti.

Omezení v Promptu

Zde je několik dalších příkladů různých typů omezení, která lze použít při tvorbě promptů v Chat GPT:

#1. Omezení délky odpovědi

Příklad: „Poskytněte stručný přehled hlavních výhod a nevýhod obnovitelných zdrojů energie ve dvou odstavcích.“

V tomto případě je třeba, aby model odpověděl stručně a efektivně, přičemž musí omezit svou odpověď na pouhé dva odstavce.

#2. Omezení formátu odpovědi

Příklad: „Napište shrnutí knihy ‚1984‘ od George Orwella ve formě bullet pointů.“

Toto omezení požaduje, aby byla odpověď organizována ve formě seznamu, což může pomoci při prezentaci informací v přehledné a snadno čitelné formě.

#3. Omezení stylu odpovědi

Příklad: „Vysvětlete koncept kvantové mechaniky tak, aby tomu rozumělo desetileté dítě.“

Tento příklad vyžaduje, aby model přizpůsobil svou odpověď jazykově a obsahově tak, aby byla srozumitelná pro mladší publikum.

#4. Omezení zahrnutých informací

Příklad: „Představte nejnovější trendy v oblasti umělé inteligence, ale nezmiňujte žádné technické detaily.“

Toto omezení žádá, aby model poskytl přehled trendů v AI bez hlubokých technických podrobností, což může být užitečné pro čtenáře, kteří nemají odborné znalosti v dané oblasti.

#5. Omezení na určitý časový rámec

Příklad: „Popište hlavní technologické inovace z období let 2000 až 2010.“

Tento příklad omezuje odpověď na inovace, které se udály v konkrétním desetiletí, což může být užitečné pro historické nebo analytické studie.

#6. Omezení na konkrétní geografickou oblast

Příklad: „Diskutujte o ekonomických dopadech brexitu na země Evropské unie.“

Tento prompt vyžaduje, aby model zaměřil svou odpověď na specifickou geografickou oblast, čímž se zúží rozsah odpovědi a poskytne relevantní informace.

#7. Omezení jazyka nebo terminologie

Příklad: „Vysvětlete princip fungování solárních panelů bez použití odborných termínů.“

Zde je model omezen na použití jednoduchého jazyka, což může být užitečné pro vysvětlení složitých konceptů laikům.

#8. Omezení perspektivy nebo úhlu pohledu

Příklad: „Popište výhody práce z domova z pohledu zaměstnance.“

Toto omezení žádá model, aby se soustředil na specifický úhel pohledu, což může být užitečné pro různé typy analýz a diskusí.

#9. Omezení na specifické médium nebo formát

Příklad: „Připravte skript pro tříminutové video o historii internetu.“

Tento prompt vyžaduje, aby byla odpověď připravena ve formátu, který je vhodný pro scénář videa, což zahrnuje stručnost a jasnost.

#10. Omezení na zdroje nebo referenční materiály

Příklad: „Napište esej o vlivu umělé inteligence na pracovní trh, citujte přitom alespoň tři vědecké studie z posledních pěti let.“

Tento prompt omezuje odpověď na informace z konkrétních zdrojů, což zajišťuje aktuálnost a relevanci použitých dat.

Question Refinement Pattern (Upřesňování otázek)

ChatGPT vám také pomůže upřesnit vaše otázky. Pokud například položíte otázku, může vám navrhnout lépe formulovanou otázku pro přesnější výsledky.

Vzor zpřesňování otázek zahrnuje zpřesňování otázek položených uživatelem ze strany LLM. Je užitečný zejména v případech, kdy uživatelé nejsou odborníky v dané oblasti nebo si nejsou jisti, jak formulovat svou otázku.

Příklad dotazu může vypadat takto:

Uživatel: „Kdykoli položím otázku týkající se datové vědy, navrhněte upřesňující otázku s ohledem na specifika statistické analýzy a zeptejte se, zda chci pokračovat v upřesněné otázce.“

Zde se od umělé inteligence očekává, že upřesní obecné otázky uživatele týkající se datové vědy na podrobnější otázky zohledňující aspekty statistické analýzy.

The Cognitive Verifier Pattern (Vzor kognitivního ověřovatele)

Kognitivní ověřovací vzor rozkládá složité otázky na menší, zvládnutelné podotázky. Odpovědi na tyto podotázky se pak spojí do komplexní odpovědi na hlavní otázku. Tento přístup je užitečný v případech, kdy jsou počáteční otázky příliš vysoké úrovně nebo kdy je k poskytnutí úplné odpovědi zapotřebí dodatečné objasnění.

(více…)