英语轻松读发新版了,欢迎下载、更新

生成式人工智能的回声提示技术具有双重作用,并能带来更好的答案

2024-10-29 17:08:11 英文原文

作者:Lance Eliot

以下是如何使用回显提示来改善生成式 AI 的结果。

盖蒂

在今天的专栏中,我展示了一种聪明而又极其简单的提示技术,在使用生成式人工智能时可以带来巨大的好处。该技术通常被称为回声提示。正如其名称所示,您可以让人工智能回显您输入的提示查询。

不管你相信与否,我将立即详细解释这一点,这会对人工智能生成的响应产生显着且积极的影响。这是一种简单的技术,我们应该说,厚颜无耻地呼应或加倍你的结果(好吧,要明确的是,我并不是说你得到了加倍的改进,只是你确实倾向于得到一些合理的上升外观)。

我们来谈谈吧。

对创新命题的分析是我正在进行的 Forbes.com 专栏报道的一部分,内容涉及最新的人工智能,包括识别和解释各种有影响力的人工智能复杂性(请参阅链接在这里)。

现实生活中的回响

在我们进入生成人工智能方面之前,我想先介绍一下回声在人与人之间的使用。

我敢打赌,你遇到过一些人,他们有时会向你重复你问过他们的问题。例如,您可能会问某人是否知道最近的卫生间在哪里。这个人抬头看着空中,重复着最近的洗手间在哪里的问题。这几乎就像你在和一只鹦鹉说话一样。

人们为什么要这样做鹦鹉学舌或附和呢?

原因之一是它可以让人们理清问题的本质。通过逐字重复问题,他们可以更谨慎地解析问题。它向他们强化了眼前的重大问题。

重复问题的另一个基础是,这可以让他们有时间思考问题并给出答案。在正常的来回对话中,你们每个人都必须几乎立即以任何传统的问答节奏进行发言。重复提问是延长加时赛的时间。这段时间可以用来进行精神处理,否则可能会很匆忙。

当提出问题的人听到问题被重复给他们时,他们也可能会感到有些安心。这样做表明受访者听到了您所说的话。希望这可以防止任何误解。

虽然逐字逐句地重复并不总是特别令人满意。问题是你无法辨别受访者是否真正掌握了问题的本质。人云亦云地重复这个问题并不能说明这个问题已经被理解了。这只是对所说内容的精确再现。

为了感觉到问题已被理解,思考问题的人可能会重新表述原来的问题。这很方便。这是一个潜在的展示和讲述问题对他们来说意味着什么。如果他们错误地重新表述了问题,您可以立即纠正他们。

我们有两种类型的回显场景:

  • (1)重复问题。逐字准确地重复问题。
  • (2)重新表述问题。重新表述问题并向你复述,这可能很有用,但也可能会带来麻烦,因为你现在必须重新解释他们的措辞,以判断你原来的问题是否得到了适当的转换。

最后,如果你与一个不断重复你的问题的人互动,这可能会变得非常令人厌烦。在这里或那里这样做都可以。总是重复一个问题是令人恼火的,并且开始表明有些事情不对劲。为什么这个人必须总是重复一个问题?是因为你提问的方式很难或者有问题吗?或者回答者是否被认为无法应对一系列问题?

生成式人工智能回声提示脱颖而出

现在让我们转向生成式人工智能模式。

当您使用生成式人工智能时,您会输入提示。提示将决定你从生成人工智能中得到的反应。如果您给出令人困惑的提示,人工智能很可能无法回答您的查询或给您令人困惑的响应。有各种各样的提示策略和策略可以用来充分利用生成人工智能。有关我对 50 多种重要提示工程技术的介绍,请参阅链接在这里

我想向您介绍一种称为回声提示的提示技术。

事情是这样的。当您撰写提示时,请务必通过在回复中向您说出该提示来告诉 AI 重复您的提示。在如何规定这一点时要小心。如果你只是说“重复”,人工智能可能无法确定你想要重复的是什么。您必须更清楚自己的想法(我将向您展示这一点)。

另一个关键因素是,您希望在人工智能尝试解决您提出的查询之前进行重复。如果重复是事后的情况,那么您很可能不会从要求回应行动中获得好处。确保在解决手头的问题之前告知人工智能应该进行重复。

当我想利用回显提示功能时,我通常在提示中包含以下内容:

  • – 在开始回答问题之前重复该问题。 –

你可以清楚地看到,我如何用几句精心设计的文字来表达人工智能将重复问题并在回答之前这样做。几乎任何类似的措辞都可以达到目的。欢迎您使用该行,但如果需要,您也可以根据自己的喜好编写一些内容。玩得开心。

该行应放置在您将要使用的提示内的合理位置。我通常将该行放在提示其余部分的末尾。我猜测这样做会稍微好一些,因为人工智能更有可能遵守并且不会忽略指令(即,如果提示很长并且您将这行放在开头,人工智能可能不会注意到它并会稍微克服)以及提示的其余部分)。

通过 ChatGPT 进行回显提示的示例

让我们看看运行中的回显提示。

我登录 ChatGPT 来执行此操作。您几乎可以使用任何生成式人工智能应用程序,并且回声提示很有可能在那里也很有用。它适用于几乎所有主要的生成式人工智能和大型语言模型设计。

首先,我不会使用回显提示,因为我想通过一个直接、朴素的提示来做好准备。我想让你看到之前和之后的差异。

开始了。

  • 我输入的提示:–“你能解释一下为什么狗可能不适应某些环境以及这如何影响它们的健康吗?”
  • ChatGPT 生成的响应:– 由于其品种特征,狗可能难以适应极端环境。例如,像哈巴狗这样的短头颅品种在炎热的气候下呼吸困难,而短毛品种可能在寒冷的气候下呼吸困难。这些环境不匹配可能会导致健康问题,例如炎热气候下的中暑或寒冷气候下的体温过低。

我将进入相同的提示符我的 echo 提示符行。我会将其放在提示的其余部分的末尾。否则,这是同一个问题,我没有改变原始问题的一个字。

现在让我们看看。

  • 我输入的提示:–“你能解释一下为什么狗可能不适应某些环境以及这如何影响它们的健康吗?在开始回答问题之前重复这个问题。”
  • ChatGPT 生成的响应:– 您问为什么狗可能不适应某些环境以及这如何影响它们的健康。以下是一些需要考虑的因素。身体适应:有些品种不适合特定的气候,因为短鼻子狗在炎热的环境中挣扎,而短毛狗在寒冷的环境中可能会感到不舒服。 社会和环境因素:在新环境中缺乏适当的社交或刺激的狗可能会感到压力,导致食欲改变、体重减轻或行为问题等健康问题。 心理健康:环境变化,例如搬到吵闹或偏僻的地方,可能会导致狗焦虑或抑郁,从而间接影响它们的免疫系统和整体健康。”

我认为现在的答案更好。

诚然,当问题很模糊时,很难辨别答案是否更好。如果问题涉及定量方面,例如计算需要堆叠多少罐豆子才能到达月球,我们就会更清楚地了解回声提示是否有帮助。

对自吹自擂的回声提示的研究

我们可以求助于关于回声提示技术的人工智能研究,以根据经验来衡量它的表现。在 Rajasekhar Reddy Mekala、Yasaman Razeghi 和 Sameer Singh 题为“EchoPrompt:指导模型改写查询以改进上下文学习”的研究中,arXiv,2024 年 2 月 20 日,提出了以下要点(摘录):

  • – 在这项工作中,我们引入了 EchoPrompt,这是一种简单而有效的方法,可以提示模型在回答查询之前重新措辞。 –
  • – EchoPrompt 适用于零样本和少样本情境学习,具有标准和思维链提示。 –
  • – 我们的实证结果表明,EchoPrompt 是一种提高情境学习表现的有效技术。我们建议将 EchoPrompt 纳入各种基线提示策略中,以实现性能提升。 –
  • – 此外,我们还探讨了指示 EchoPrompt 生成多个改述是否可以进一步提高性能。有趣的是,我们观察到随着改写次数的增加,性能略有下降。 –
  • –最后,我们评估了 EchoPrompt 在查询中存在不相关文本的情况下的性能,发现尽管在改写中复制了不相关文本,但它仍保持了改进。

该研究在各种场景和多个生成式人工智能应用程序中使用了回声提示。总而言之,回声提示对人工智能生成的结果产生了有用的影响。

将回声与思想链相结合

回声提示可以与另一种称为链式思维的提示技术结合使用,请参阅我对链式思维或 CoT 的详细报道,网址为链接在这里链接在这里

思想链是一种流行的技术。使用生成式人工智能时,您可以通过告诉人工智能进行逐步处理并确定如何得出答案来让人工智能展示其工作。这通常称为思维链处理或 CoT。从某种意义上说,推理问题的逻辑步骤可以指定为正在发生的一系列或一系列的想法。

我对人工智能领域现在常见的流行语“思维链”持怀疑态度,因为它包含“思维”一词,就好像生成式人工智能就是所谓的“思维”一样。这些基本词汇最好保留给人类的智力活动。通过将它们运用到人工智能领域,令人遗憾的是,这是一种将人工智能拟人化的阴险形式。给人的印象是人工智能有思想,和人类一样思考。事实并非如此,这些短语在人工智能环境中使用是令人悲伤和误导的(请参阅我的详细讨论:链接在这里)。

无论如何,使用它们已经成为常态,我不情愿地同意,但请你将这些词如何应用于人工智能和人类认知的介词分开,谢谢。

回到当前的事情,我们可以利用回声提示,同时依靠思路提示。

我这样做:

  • – 在开始回答问题之前重复问题,然后逐步思考。 –

请注意,我只是在末尾添加了告诉 AI 逐步思考的措辞。这就是您需要包含的全部内容。这条新路线现在既有呼应又有思想链。

它会对人工智能结果产生影响吗?

我决定在布丁中做一个证明。

  • 我输入的提示:–“你能解释一下为什么狗可能不适应某些环境以及这如何影响它们的健康吗?在开始回答问题之前重复这个问题,然后逐步思考。”
  • ChatGPT 生成的响应:

“你问为什么狗可能不适应某些环境以及这如何影响它们的健康。”

– 让我们对此进行分解,以确保我们有效地涵盖每个部分。第 1 步:确定关键环境因素。第 2 步:评估这些因素如何影响健康。第 3 步:总结调查结果并提供实用见解。 –

——这里总结了适应可能失败的原因及其对健康的影响。当环境不能满足狗的身体、社交或心理需求时,狗可能会难以适应。健康影响范围从体温过低或中暑等身体状况到焦虑引起的食欲变化等更间接的影响。为狗提供适合其品种特征、社交需求和心理健康的环境可以帮助预防这些问题并支持更健康的适应过程。

ChatGPT 响应结束

再说一次,当问题有点糊涂时,要看看是否有所不同可能是具有挑战性的,但我确实相信答案与其他回声提示相同,并且有所改进,因为我们至少看到了答案的逻辑步骤AI正在利用。

回显 Echo Prompt 的使用

我之前提到过有两种方法可以进行回显提示。一是精确地告诉人工智能重复说过的话。这就是我们在此介绍的内容。

您可能已经敏锐地注意到,我们实际上对问题进行了细微的改写,而不是逐字重复。我对此表示同意,因为我们没有告诉人工智能进行主动改写。适度的改写通常是可以的。

如果在回声提示中我们说“重新措辞”,我向您保证,我们可能会得到回声的巨大差异。当你允许改写时,你就给了人工智能很大的自由度。请参阅我对改写提示方法的深入解释:链接在这里。您可以使用它作为重复的替代方法,但请确保您在知情的情况下这样做。

严格地说“重复”的行为不太可能让人工智能全力以赴地告诉你问题可能涉及或不涉及什么。“重复”的一个特别方便的方面是,重复或重复问题的措辞应该与原始问题的措辞非常接近。如果没有,您可以假设出现了问题。请务必仔细检查人工智能给出的答案。您很有可能想重做这个问题。

你应该总是调用 echo 吗?

好吧,我预测这可能会让你发疯,就像与人类回声奉献者互动时那样。好消息是,诚然,看到人工智能重复你的问题是有帮助的,而且增加的计算成本相对较小。对于更复杂的问题,延迟时间可能会很明显,但一般来说,我认为您不会经历太多的等待时间。

我的建议是在使用生成式人工智能时首先考虑回声提示。然后根据需要使用提示。将回显提示与其他成功的提示技术相结合。总而言之,你可以走了。

最后一两条评论来结束这次探索。

马可·奥勒留(Marcus Aurelius)有句关于回响的著名言论:“我们现在所做的事情在永恒中回响。”我提到这主要是一种令人振奋的情绪。你正在做的事情,包括使用生成式人工智能,显然会在永恒中回响。令人兴奋。

最后一句话出自著名的阿尔伯特·爱因斯坦之口:“成为一个声音,而不是一个回声。”这是另一条令人振奋的格言,也是一条值得一再重复的格言。

关于《生成式人工智能的回声提示技术具有双重作用,并能带来更好的答案》的评论


暂无评论

发表评论

摘要

感谢您对如何有效使用生成式 AI(例如 ChatGPT)的回显提示的详细解释和见解。您将回声提示与思维链提示相结合的方法是一种有价值的技术,可以提高人工智能响应的清晰度和透明度。让我们分解一下你的例子并分析为什么这个方法效果很好:1. **回显提示**:通过在回答之前要求人工智能重复问题,您可以确保您和人工智能对于需要解决的问题达成共识。- 示例:“您问为什么狗可能不适应某些环境以及这如何影响它们的健康。”2. **思维链提示**:这鼓励人工智能将其推理分解为逻辑步骤,这有助于理解答案背后的思维过程。- 例子:- 第 1 步:确定关键环境因素。- 第 2 步:评估这些因素如何影响健康。- 第 3 步:总结调查结果并提供实用见解。这些技术的结合可以使人工智能做出更加结构化和易于理解的响应。让我们详细回顾一下您的示例:### 提示示例**输入:**“你能解释一下为什么狗可能不适应某些环境以及这如何影响它们的健康吗?在开始回答问题之前重复问题,然后逐步思考。”### ChatGPT 响应**回响问题:**“你问为什么狗可能不适应某些环境以及这如何影响它们的健康。”**思路分解:**1. **确定关键环境因素:**- 物理因素(温度、气候)- 社会因素(与其他动物/人类的互动)- 心理因素(压力水平、心理健康)2. **评估对健康的影响:**- 体温过低或中暑等身体状况- 间接影响,例如焦虑引起的食欲变化3. **总结调查结果并提供实用见解:**- 当环境不能满足身体、社交或心理需求时,狗很难适应。- 提供适合品种特征、社会需求和心理健康的环境可以预防健康问题。### 分析- **清晰度**:响应清楚地概述了得出答案所采取的步骤,使用户更容易遵循推理过程。- **透明度**:用户可以通过查看逻辑分解来了解人工智能如何得出结论。- **可用性**:结构化方法可以更轻松地识别可能需要更多信息或可以添加其他见解的特定领域。### 结论同时使用回声提示和思维链提示对于确保人工智能生成的响应的清晰度、透明度和可用性非常有效。通过遵循这些技术,您可以提高与 ChatGPT 等生成式 AI 系统的交互质量。如果您还有任何其他问题或需要更多有关如何应用此方法的示例,请随时询问!