Prompt engineering: Slik «snakker» du best med generativ KI

Skal du få mest ut av ChatGPT og andre typer for generativ kunstig intelligens, gjelder det å stille de rette spørsmålene. Her er tipsene for å forstå prompt engineering – eller effektiv instruksjonsutforming på norsk.

Hva er verdens mest brukte programmeringsspråk i 2023? Python, JavaScript og C++ er alle fortsatt svært utbredt … men ifølge Andrej Karpathy i OpenAI er det «heteste nye programmeringsspråket» rett og slett engelsk

Selv om det ble sagt med glimt i øyet, er han inne på noe: Tiden da du måtte forstå komplisert kode for å få en datamaskin til å lystre dine kommandoer er nemlig i ferd med å gå over.

I dag kan du løse svært mange digitale problemer ved å skrive, i klartekst, til språkmodeller som ChatGPT, samt bildeverktøy, forskjellige lavkodeverktøy og såkalte kunstig intelligente «kopiloter». 

Kunsten å mestre slike verktøy har gitt navn til en ny type ferdighet: «Prompt engineering». Eller «effektiv instruksjonsutforming» som det kan oversettes til. 

Det handler rett og slett om å utforme forespørsler og instruksjoner til modellen på en slik måte at du får en ønsket respons – enten du vil få best mulig svar fra ChatGPT, eller generere et troverdig og ønsket bilde via Dall-E.

Presise instruksjoner er viktig for å hjelpe modellen med å forstå intensjonen bak spørsmålet og produsere relevante ut-data. Med andre ord: Kvaliteten på det du putter inn blir kvaliteten på det du får tilbake. 

Derfor er i mange tilfeller denne prosessen litt som når du snakker med et menneske. Hvordan du sier noe, kan ha vel så mye å si som hva du sier. 

Her er syv tips du kan bruke for å skrive bedre prompts – eller instruksjoner. 

1. Vær konkret og spesifikk

Ønsker du å hente ut ideer fra en språkmodell for hvordan din virksomhet skal bli mer lønnsom, kan det hende du får noe matnyttig fra å stille spørsmålet: «Hvordan kan vår bedrift tjene mer penger». 

Men sannsynligvis vil ideene du får tilbake være generelle og ganske unyttige. 

Det første du må gjøre er derfor å identifisere formålet og helt spesifikt hva du er ute etter å få til. Hva skal du finne ut av? Hva ønsker du at utdataen skal være?

Jo mer spesifikt svaret ditt på dette er, dess bedre vil resultatet bli. 

I stedet for å spørre overordnet hvordan virksomheten kan tjene penger, bruk heller ChatGPT og lignende verktøy til å finne ut hvordan dere kan hente ut og tolke bestemte data fra regnskapssystemet deres, til å få mer ut av konkrete funksjoner i prosjektverktøyet dere bruker, eller lignende. 

Ofte vil resultatet bli bedre dersom du gir mer kontekst, som eksempler på hvordan dere gjør det i dag og hva det er dere ikke får til optimalt, samt kanskje litt detaljer som bransjen dere er i og hva som er målet med å forbedre akkurat denne tingen.

2. Husk på språket

Hva er din beste venn når du kommuniserer med en språkmodell? Jo nettopp – språk! Med velformulerte prompts kan du hjelpe modellen med å forstå intensjonen bak spørsmålet og produsere relevante og informative svar. 

Her er en enkel språk-sjekkliste du bør huske på før du begynner å skrive inn prompts:

  • Klargjørende instruksjoner: Å inkludere spesifikke detaljer og klargjørende kontekst i prompten minimerer risikoen for misforståelser. Aldri ta for gitt at en modell vet hva du snakker om. 
  • Ledende spørsmål: Inkluder spørsmål som veileder modellen til å generere ønskede svar eller følge en bestemt tankegang.
  • Tenk på setningsstrukturen: Kan spørsmålet ditt misforstås? Vær så konkret og tydelig som overhodet mulig. 
  • Unngå «negasjon»: Språkmodeller responderer ikke alltid like godt på instrukser som involverer «ikke» eller «unngå». Prøv heller å forklare hva den skal gjøre i stedet for hva den ikke skal gjøre. Når det er sagt: Noen ganger er det også nyttig å tydeliggjøre hva som vil være et uønsket resultat. 
  • Engelsk fungerer ofte best: Ofte kan et godt tips være å skrive prompts på engelsk, og eventuelt heller be modellen om å oversette utdataen tilbake til norsk. Det er fordi de fleste språkmodeller er basert på engelske treningsdata og derfor er bedre egnet til å forstå nyansene i det engelske språket. 

3. Prøv, feil – og prøv igjen! 

I arbeidslivet er det sjeldent alt sitter på første forsøk. Ofte kommer man frem til et best mulig resultat når man tester, eksperimenterer og justerer underveis. Slik er det også med prompt engineering. 

Vurder kvaliteten, relevansen og nøyaktigheten i responsen, og identifiser hva som fungerer bra og hva som kan forbedres. Er svaret unøyaktig? Ønsker du et annet format? 

Basert på analysen kan du justere og tilpasse prompten med nye instruksjoner. Dette kan inkludere spesifikke begrensninger og nye teknikker. Her kommer gjerne god tålmodighet godt med.

Hos tjenester som ChatGPT vil du også kunne henvise til tidligere svar i en samtaletråd. Slik kan du enkelt også be om å få noe utdypet, eksemplifisert eller omformulert, uten å måtte «starte på nytt» hver gang. 

4. Gi et lite hint

Det at du faktisk fører en samtale, der tidligere spørsmål og svar tas hensyn til, gjør at det iblant kan være effektivt å gi modellen et hint om hva den skal svare på og hvordan den skal svare.

Dette kalles for «priming», og kan oversettes til å forberede eller varme opp modellen. 

  • En prompt uten priming: «Forklar meg hva kunstig intelligens er». 
  • En prompt med priming: «Forklar meg hva kunstig intelligens er. Tenk på datamaskiner som kan lære og ta beslutninger litt som mennesker». 

Om du er bevisst på «samtalens gang», og kanskje også åpner opp for oppfølgningsspørsmål, vil dette bidra til å gi språkmodellen en god kontekst for å svare bedre på de kommende og ofte mer presiserende spørsmålene. 

Du vil oppleve at modellen noen ganger følger opp samtalen automatisk, mens du andre ganger må «prime» den til å huske på konteksten og tidligere svar.

5. Steg for steg

Språkmodeller gir deg bedre forklaringer om de får muligheten til å svare trinnvis. Ved å legge til instruksen «la oss tenke steg for steg» i en prompt, kan modellen selv legge til kontekst og forklare hvordan den kom frem til svaret. 

Modellen må da bryte opp oppgaven i mindre deler og presentere tankene i en sammenhengende rekkefølge og struktur. 

La oss si at vi ønsker en struktur for hva vi bør ha med i en presentasjon av et produkt til et kundemøte. Her har vi bedt ChatGPT om å svare steg for steg: 

  1. Identifiser hovedpunktene du ønsker å dekke i presentasjonen om produkt X.
  2. Utform en introduksjon som gir en kort oversikt over produktet og dets fordeler.
  3. Beskriv nøkkelegenskapene og funksjonene til produktet i detalj.
  4. Inkluder relevante eksempler eller case-studier som viser produktets suksess.
  5. Oppsummer hovedpoengene og avslutt presentasjonen med en handlingsoppfordring eller spørsmål til publikum.

Denne presentasjonen er kanskje ikke perfekt, men gir deg et bedre utgangspunkt enn om du skulle stilt et generelt spørsmål. 

6. Gi eksempler 

En annen mye brukt strategi innen prompt engineering er noe som på engelsk kalles few shot prompting. Enkelt forklart handler det om å gi modellen et par eksempler på hva du ønsker at den skal oppnå. 

La oss si at du ønsker å generere ideer for bedre medarbeiderengasjement på arbeidsplassen. I stedet for å gi en generell prompt som «gi meg tips for å forbedre medarbeiderengasjement» kan du sette opp instruksene på denne måten: 

  • «Gi meg tips for å fremme medarbeiderengasjementet gjennom fleksible arbeidstidsordninger. (Eksempel: fleksibel arbeidstid, fjernarbeid)»
  • «Gi meg tips for å styrke medarbeiderengasjementet gjennom anerkjennelse og belønninger. (Eksempel: offentlig anerkjennelse, bonusprogram)»
  • «Gi meg tips for å øke medarbeiderengasjementet gjennom profesjonell utvikling og opplæring. (Eksempel: mentorprogram, opplæringsmuligheter)»

Modellen kan lære av eksemplene og bruke denne kunnskapen til å generere tilpassede råd og tiltak basert på lignende eksempler eller situasjoner. 

7. Minst til mest-prompting

Minst-til-mest-prompting er en strategi der man gradvis gir mer spesifikke instrukser for å hjelpe modellen med å forstå og generere bedre svar. I stedet for å gi all informasjon på en gang, starter du med en generell instruksjon og legger til mer detaljer etter hvert. 

Her er et eksempel med tre prompts, rangert fra minst detaljert til mest detaljert. 

  1. Gi meg noen tips til å bli mer produktiv på jobb. 
  2. Gi meg noen tips til å forbedre tidsstyring og oppgaveprioritering på jobb. 
  3. Gi meg noen tips for å forbedre produktiviteten på jobb når det gjelder tidsstyring, oppgaveprioritering og eliminering av distraksjoner i arbeidsmiljøet. 

Den første instruksen vil sannsynligvis gi deg et generelt svar. Det siste vil gi deg et mer presist svar basert på ditt behov. 

En fordel med minst-til-mest-prompting er at du legger til rette for at modellen selv genererer relevante data basert på de spesifikke områdene du ønsker fokus på. 

Små justeringer har mye å si

Det er likevel ikke slik at det finnes spesifikke teknikker som fungerer bedre enn alle andre.

Språkmodeller og lignende teknologier utvikler seg kontinuerlig og for å henge med i svingene gjelder det å holde seg oppdatert. 

Husk også at alle disse teknikkene fint kan kombineres på ulike måter for å få et ønsket resultat. Små justeringer i en prompt kan også ha mye å si for utdataen. 

Samtidig er det viktig å erkjenne at språkmodeller ikke er immune mot feil eller unøyaktigheter, og det er derfor viktig å være kritisk til genererte svar. 

Lær mer om prompt engineering!

Introkurs

Hvordan bruke generativ kunstig intelligens?

I dette kurset får du noen tips til ulike typer KI- verktøy for hjelp til tekst, bilder, lyd og video og hvordan bruke slike verktøy på en smart og trygg måte.

158 Moduler0% Fullført

Introkurs

Hva er og hvordan bruke ChatGPT?

Lær det viktigste om ChatGPT – hva er det, hvordan fungerer det og hvilke konsekvenser kan chatboten få.

20 6 Moduler0% Fullført