Několikanásobné výzvy jsou rozšířením jednorázových výzev, kdy je modelu umělé inteligence poskytnuto více příkladů, na jejichž základě se řídí. Koncept je podobný, ale zahrnutí několika příkladů nabízí modelu více kontextových podnětů. To umožňuje modelu lépe porozumět požadavkům uživatele a generovat výstup, který se přesně drží zadaných příkladů.
Přístup založený na několika výstřelech
Několikanásobné výzvy jsou účinným přístupem k učení modelů umělé inteligence, aby sledovaly konkrétní vzory nebo prováděly úkoly. Jde o to, že před položením požadované otázky je model zásoben řadou příkladů. To pomáhá nastavit požadované chování a řídit odpovědi modelu.
Vezměme si scénář, kdy se uživatel snaží navrhnout stručný a přesvědčivý marketingový text pro nový technologický gadget:
Uživatel: „Zde je několik příkladů technologických marketingových kopií: „Zažijte hudbu jako nikdy předtím s našimi špičkovými bezdrátovými sluchátky.“. „Zachyťte svůj svět v ohromujícím rozlišení 4K s naší mimořádně elegantní akční kamerou. S ohledem na tyto příklady navrhněte marketingovou kopii pro naše nové chytré hodinky s umělou inteligencí.“
ChatGPT: „Posilte svůj životní styl s našimi chytrými hodinkami poháněnými umělou inteligencí, které jsou vaším společníkem pro zdraví, konektivitu a produktivitu.“ Pozoruhodnou vlastností učení několika záběrů je, že nevyžaduje podrobný popis toho, jak úkol provést. Místo toho vyžaduje ukázky toho, co se dělá, díky čemuž se může hodit pro mnoho aplikací.
Tato technika navíc přesahuje rámec jednoduchého párování vstupů a výstupů. Model lze naučit zvládat i mezikroky k dosažení cíle.
