Kaip sumažinti AI haliucinacijas naudojant šiuos 6 raginimo būdus

Key Takeaways

• Aiškūs ir konkretūs nurodymai yra labai svarbūs siekiant sumažinti AI haliucinacijas. Venkite neaiškių nurodymų ir pateikite aiškią informaciją, kad išvengtumėte nenuspėjamų rezultatų.
• Norėdami priskirti išvestį konkrečiam šaltiniui ar perspektyvai, naudokite įžeminimą arba „pagal...“ metodą. Tai padeda išvengti faktinių klaidų ir paklaidų dirbtinio intelekto sukurtame turinyje.
• Naudokite apribojimus ir taisykles, kad sukurtumėte AI išvestį pagal norimus rezultatus. Aiškiai nurodykite apribojimus arba numanykite juos per kontekstą ar užduotį, kad išvengtumėte netinkamų ar nelogiškų rezultatų.

Negaunate norimo atsako iš generatyvaus AI modelio? Galbūt susiduriate su AI haliucinacijomis – problema, kylančia, kai modelis pateikia netikslius ar nereikšmingus rezultatus.

Tai lemia įvairūs veiksniai, pavyzdžiui, modeliui parengti naudojamų duomenų kokybė, konteksto trūkumas arba raginimo dviprasmiškumas. Laimei, yra būdų, kuriuos galite naudoti norėdami gauti patikimesnę AI modelio išvestį.

1. Pateikite aiškius ir konkrečius raginimus

Pirmas žingsnis sumažinti AI haliucinacijas yra sukurti aiškius ir labai konkrečius raginimus. Neaiškūs ar dviprasmiški raginimai gali lemti nenuspėjamus rezultatus, nes AI modeliai gali bandyti interpretuoti raginimo tikslą. Verčiau būkite aiškūs savo instrukcijose.

Užuot klausę: „Papasakok man apie šunis“, galite paraginti: „Pateikite man išsamų fizinės būklės aprašymą. auksaspalvių retriverių charakteristikos ir temperamentas. haliucinacijos.

2. Naudokite įžeminimą arba „Pagal...“ techniką

Vienas iš AI sistemų naudojimo iššūkių yra tas, kad jos gali generuoti išvesties, kurios iš tikrųjų yra neteisingos, šališkos arba neatitinka jūsų pažiūrų ar vertybių. Taip gali nutikti, nes AI sistemos yra apmokytos naudojant didelius ir įvairius duomenų rinkinius, kuriuose gali būti klaidų, nuomonių ar prieštaravimų.

Norėdami to išvengti, galite naudoti įžeminimą arba „pagal...“ techniką, kuri apima išvesties priskyrimą konkrečiam šaltiniui arba perspektyvai. Pavyzdžiui, galite paprašyti AI sistemos parašyti faktą apie temą pagal Wikipedia, Google Scholar arba konkretų viešai prieinamą šaltinį.

3. Naudokite apribojimus ir taisykles

Apribojimai ir taisyklės gali padėti neleisti AI sistemai generuoti netinkamų, nenuoseklių, prieštaringų ar nelogiškų rezultatų. Jie taip pat gali padėti formuoti ir patobulinti produkciją pagal norimą rezultatą ir tikslą. Apribojimai ir taisyklės gali būti aiškiai nurodyti raginime arba netiesiogiai numanomi kontekste ar užduotyje.

Tarkime, kad norite naudoti AI įrankį eilėraščiui apie meilę parašyti. Užuot suteikę jai bendrą raginimą, pvz., „parašyk eilėraštį apie meilę“, galite duoti labiau suvaržytą ir taisyklėmis pagrįstą raginimą, pavyzdžiui, „parašyk sonetą apie meilę su 14 eilučių ir 10 skiemenų eilutėje“.

4. Naudokite daugiapakopį raginimą

Kartais sudėtingi klausimai gali sukelti AI haliucinacijas, nes modelis bando į juos atsakyti vienu žingsniu. Norėdami tai išspręsti, suskirstykite užklausas į kelis veiksmus.

Pavyzdžiui, užuot klausęs: „Koks yra veiksmingiausias diabeto gydymas? galite paklausti: „Kokie yra įprasti gydymo būdai diabetui?" Tada galite sužinoti: „Kuris iš šių gydymo būdų laikomas veiksmingiausiu pagal medicinos studijas?"

Kelių žingsnių raginimas verčia dirbtinio intelekto modelį pateikti tarpinę informaciją prieš gaunant galutinį atsakymą, o tai gali lemti tikslesnius ir geriau informuotus atsakymus.

5. Priskirkite vaidmenį AI

Kai savo raginimu priskiriate konkretų vaidmenį AI modeliui, paaiškinate jo paskirtį ir sumažinate haliucinacijų tikimybę. Pavyzdžiui, užuot sakę: „Papasakok man apie kvantinės mechanikos istoriją“, galite paraginti dirbtinį intelektą naudodami: „Prisiimkite kruopštaus tyrinėtojo vaidmenį ir pateikite svarbiausių kvantų istorijos etapų santrauką. mechanika“.

Šis įrėminimas skatina dirbtinį intelektą veikti kaip kruopštus tyrinėtojas, o ne spekuliatyvus pasakotojas.

6. Pridėti kontekstinę informaciją

Jei reikia, nepateikti kontekstinės informacijos a greita klaida, kurios reikia vengti naudojant „ChatGPT“. ar kitus AI modelius. Kontekstinė informacija padeda modeliui suprasti užduoties pagrindą, sritį arba tikslą ir generuoti tinkamesnius bei nuoseklesnius rezultatus. Kontekstinė informacija apima raktinius žodžius, žymas, kategorijas, pavyzdžius, nuorodas ir šaltinius.

Pavyzdžiui, jei norite sugeneruoti produkto apžvalgą apie porą ausinių, galite pateikti kontekstinę informaciją, pvz., produkto pavadinimą, prekės ženklą, savybes, kainą, įvertinimą arba klientų atsiliepimus. Geras raginimas atlikti šią užduotį gali atrodyti maždaug taip:

Kaip gauti geresnius AI atsakymus

Gali būti apmaudu, kai negaunate atsiliepimų, kurių tikitės iš AI modelio. Tačiau naudodami šiuos AI raginimo būdus galite sumažinti AI haliucinacijų tikimybę ir gauti geresnių bei patikimesnių AI sistemų atsakymų.

Atminkite, kad šie metodai nėra patikimi ir gali netikti kiekvienai užduočiai ar temai. Visada turėtumėte patikrinti ir patikrinti AI išvestis prieš naudodami jas bet kokiam rimtam tikslui.