KI verstehen und anwenden – ChatGPT-Masterclass: Zukunftsfähig mit intelligenten Prompting-Techniken

1. Einführung – Was Sie erwarten können: Es gibt diese eine einfache Regel, an die wir uns halten müssen , wenn es um die Erstellung von Diagrammen mit CA GPT geht Je besser die Eingaben, desto besser die Darstellung Wenn du nicht zurückbleiben willst, musst du in der Lage sein, visionär zu sein Ich möchte Sie ermutigen, schnelles Engineering als eine Fähigkeit der Zukunft Wir müssen die Fähigkeit entwickeln, richtige Proms zu komponieren , um das zu bekommen, was wir wirklich von C GPT erwarten Ich arbeite jetzt seit über einem Jahrzehnt im Marketing in einem Bereich, in dem wir KI in unsere täglichen Prozesse integriert haben Vor langer Zeit habe ich so viele P-Eingabeaufforderungen und so viele Beschwerden gesehen , dass GPT dämlich ist oder dass die Ergebnisse nicht interessant sind, sie nicht gut Und das alles liegt an der Art und Weise, wie wir Eingabeaufforderungen vornehmen. Ich habe beschlossen, diesen Kurs zu erstellen, um Ihnen zu helfen, bessere Ergebnisse beim Chatten mit E-I-Elektrowerkzeugen zu erzielen und sie zu Ihren Freunden und nicht zu Ihren Feinden werden zu lassen . Dieser Kurs richtet sich an alle, jede Nische, jedes Unternehmen, jedes Niveau. Wenn Sie bereits Chachi Pro sind, gibt es natürlich viele Dinge, die Sie bereits wissen, aber ich hoffe, ich schaffe es trotzdem, Sie zu überraschen, denn ich habe viele Erkenntnisse aus geheimen Quellen hinzugefügt den Prozess zu verbessern All diese Dinge werden äußerst praktisch sein , versprochen Was wirst du aus diesem Kurs mitnehmen? Die Liste ist auch lang. eine Pause, um Techniken zur Erstellung qualitativ hochwertiger Originalinhalte zu nutzen. Sie werden lernen , den Schreibstil der KI so einzustellen , dass er Ihrem eigenen Schreibstil, Ihrer Markenstimme und all den anderen persönlichen Bedürfnissen entspricht. Mit den richtigen Anweisungen optimieren Sie Ihre Arbeit und Ihre täglichen Prozesse mit KI Ich werde meine genauen, bewährten Requisiten mit euch teilen, und ich werde auch das Blatt mit den Proms teilen , die ich speziell für euch erstellt habe Sie werden viele II-Fehler und Fallstricke vermeiden. Und am Ende dieses Kurses werden Sie wissen, wie Sie mit GPT oder einem anderen GPT-gestützten KI-Modell qualitativ hochwertige Ergebnisse erzielen GPT-gestützten KI-Modell qualitativ hochwertige Ergebnisse können, und Sie werden lernen, wie Sie Ihre Proms für verschiedene Arten von Ergebnissen formatieren und strukturieren Sie lernen fortgeschrittenes Prompt-Handwerk und wenden fortgeschrittene Techniken an, um die besten Ergebnisse zu erzielen Ja, große Dinge sind üblich. Bist du dabei? Zusammen mit intuitiven Erklärungen werde ich praktische Beispiele und Ressourcen mit Ihnen teilen , um Ihnen das Leben so viel einfacher zu machen. Lass uns gehen. 2. Kursprojekt: Klassenprojekt. Du weißt schon, was sie sagen. Zu lernen, mit KI zu arbeiten und sie mit den effektivsten Anweisungen zu steuern , ist wahrscheinlich die Fähigkeit, die Sie in diesem Jahr, wenn nicht in diesem Jahrzehnt, entwickeln können wenn nicht in diesem Jahrzehnt Dafür sind wir heute hier. Viele Experten sagen, dass KI in naher Zukunft ein so großer Teil unseres täglichen Lebens werden wird , dass schnelles Engineering eine der gefragtesten Fähigkeiten in der Belegschaft sein wird . Und ehrlich gesagt denke ich, dass es für viele Menschen und für viele Branchen so aussieht, als ob die nahe Zukunft gerade jetzt ist, und für andere, zum Beispiel für alle Angestellten, vielleicht in fünf, sieben Jahren oder wahrscheinlich sogar früher. Aber das Wichtigste zuerst. Warum unser Klassenprojekt, unsere Hausaufgaben, die Hausaufgaben für dich heute so wichtig sind. In dieser neuen Wirtschaft unersetzlich zu werden. Wir müssen zuerst verstehen, wie ich funktioniert. Welche Tools sollten wir verwenden, um gute Ergebnisse zu erzielen, und das ist das Wichtigste, die richtigen Aufforderungstechniken. Neues Wissen und neue Fähigkeiten verbreiten sich schnell, aber es gibt auch viele brillante Techniken und Aufforderungsmethoden , über die fast niemand spricht, zumindest nicht laut Und wir werden sie heute in die Praxis umsetzen. Wir werden eine Tasche voller Tricks auspacken. Aber die Sache ist, dass es viel besser ist, einfach durch praktische Arbeit und praktische Experimente zu lernen, als Reden zuzuschauen und mir nur den Kurs anzusehen Deshalb möchte ich, dass du den Kurs jedes Mal unterbrichst , wenn du ihn brauchst, und mit mir übst , um alle neuen Methoden sofort auszuprobieren alle neuen Methoden sofort und das Risiko zu minimieren, dass du sie vergisst. Effektives Prompt Engineering erfordert sowohl Wissen als auch die Kenntnis aller zugrunde liegenden Modelle, die verwendet werden, und das ist auch Teil des Kurses, aber ich kann das nicht genug betonen. Übung ist das Wichtigste. Ihre Reise wird viel effektiver sein, wenn Sie Ingenieurskunst als eine sehr nützliche Fähigkeit ansehen Eine Fertigkeit, die Sie als Ergänzung zu all den anderen Fähigkeiten einsetzen können, die Sie mitbringen, und Sie üben sie wie jede andere Fähigkeit, die Sie auf ein höheres Niveau bringen möchten Deshalb ist mein bester Rat für diesen Moment, neben mir zu üben. Machen Sie sich Notizen, wenn Sie möchten, und notieren Sie sich natürlich, was für Sie funktioniert. Welche Ideen sind die besten für Ihre Branche, für Ihre Bedürfnisse, für Ihr Unternehmen, für Ihr Projekt. Achte darauf, was für mich funktioniert, was für die Leute funktioniert, die ich kenne, die Leute, über die ich sprechen werde. Und nimm die besten Ideen für dich. Die Fähigkeit besteht darin , die Sprache verschiedener KIs systematisch zu verstehen und sie zu unterweisen. Genau darum geht es bei Prompt Engineering. Wir, deine Hausaufgabe, die wir auch Klassenprojekt nennen, ist das. Testen Sie selbst verschiedene Aufforderungstechniken. Setzen Sie alles in die Praxis um und teilen Sie mir am Ende dieses Kurses Ihre Lieblingsergebnisse, Ihr Lieblingsgespräch mit Chaz PT, Ihre Lieblingsaufforderungen und die Ergebnisse der Wie kann man es teilen? Machen Sie einfach einen Screenshot dieser Lieblingskonversation, Lieblingsteils der Konversation, und stellen Sie ihn hier auf. Wenn du Fragen hast oder vielleicht Feedback von mir haben möchtest , denk daran, dass ich Fragen liebe und gerne mit dir diskutieren würde. Also zögere nicht, Also zögere nicht auch zum Diskussionsbereich zu gehen. Nun, ich hoffe wirklich, dich zu sehen. 3. Was bedeutet GPT und wie ChatGPT funktioniert: Was bedeutet GPT und wie funktioniert Chad GPT. Bevor wir uns mit den Einzelheiten von Prompt Engineering befassen , lassen Sie uns über GPT sprechen, das wichtigste KI-Modell, das wir in diesem Kurs verwenden werden Im November 2022 führte C GPT, die von GPT betriebene Chad Bolt-Schnittstelle, große Sprachmodelle, LLMs, in die Mainstream-Medien LLMs Seitdem sind zahlreiche Apps und Tools aufgetaucht, und Sie haben wahrscheinlich von einigen davon gehört, auch wenn Sie nicht bemerkt haben, dass sie von GPT unterstützt werden Was ist also GPT? GPT ist ein so leistungsstarkes KI-System, das von Open AI entwickelt wurde , um menschenähnlichen Text zu verstehen und zu generieren Natürlich wird jede Version immer weiter fortgeschritten Wenn Sie sich diesen Kurs ansehen, ist die Wahrscheinlichkeit groß, dass bereits die nächste GPT-Generation da draußen ist Jeder ist fortgeschrittener, wie ich Ihnen bereits gesagt habe, aber das System und die Art und Weise, wie es funktioniert, bleiben gleich Die Informationen in unserem Kurs werden also nicht veraltet sein. Und natürlich werde ich es bei Bedarf trotzdem aktualisieren, sodass Sie sich darüber keine Gedanken machen müssen. Chad GPT steht für Chat-Based Generative Pre Trained Transformer Und ich weiß, dass es vielleicht nicht klingelt. Hier ist ein einfacher Spickzettel, um zu verstehen, was GPT wirklich bedeutet Generativ bedeutet, dass es neue Dinge erschaffen kann. Es kann Antworten auf unsere Fragen generieren, und es muss veranlasst werden. Pre Train sagt uns, dass das Modell auf der Grundlage verschiedener Daten bereits viel gelernt hat . Es wurde trainiert. Es wurde auf einem großen Teil des im Internet verfügbaren schriftlichen Materials und auch auf akademischen Inhalten weiterentwickelt des im Internet verfügbaren schriftlichen Materials und auch auf . Transfer ist die spezielle Methode , mit der Sprache verstanden wird. Es verarbeitet Sätze anders als andere Modelle auf dem Markt. Gute Nachrichten, das bedeutet auch, dass keine zwei Antworten jemals gleich sind. Da es die Algorithmen verwendet, um das nächste Wort zu generieren, gibt es ein anderes Wort, sodass die Ergebnisse einzigartig sind. Und hier kommt die inferte Beobachtung. diesem Grund verwenden meine Kollegen und ich T GPD, um Facebook-Anzeigen für unsere neue Apps-Funktion zu generieren Obwohl sich unsere Requisiten sehr ähnlich waren, alle acht Antworten unterschiedlich Und natürlich waren einige von ihnen viel besser als andere. Und natürlich zeigt die Zahl neben GPT, dass dies beispielsweise die dritte Version ist, von der jede besser und intelligenter wird, wie Sie bereits wissen Wie genau funktioniert GPT also? Ich weiß, dass C a GPT für so viele von Ihnen das erste Mal ist, C a GPT für so viele von Ihnen das erste Mal ist künstliche Intelligenz in dieser Form auf Ihrem Radar gelandet ist Aber ist GPT etwas wirklich Neues und Einzigartiges seiner Art? Sie wissen es vielleicht nicht, aber KI gibt es schon seit einiger Zeit und sie ist auch in unserem täglichen Leben präsent, und C GPT war nicht Denn schauen Sie, welche Rolle spielt künstliche Intelligenz? Künstliche Intelligenz ist so konzipiert, dass sie mithilfe von Computern die Fähigkeit unseres menschlichen Geistes zur Problemlösung nachahmt , Entscheidungen zu treffen Fähigkeit unseres menschlichen Geistes Das beste Beispiel dafür wäre die Gesichtserkennung, wie empfohlene Videos auf YouTube oder TikTok funktionieren Verschiedene Tools, Chat-Bots oder Kurs zum Selbstfahren. Und die kennen wir alle, oder? Sie sind jetzt seit Jahren bei uns. Warum ist GPT also so außergewöhnlich? Fangen wir mit einer Wendung an. Die folgende Antwort wurde komplett von C GPT ohne meine Änderungen ohne jegliche Änderungen geschrieben , TGPT ist der jüngste Durchbruch in der Technologie zur Verarbeitung natürlicher Sprache, der von Open und AI entwickelt wurde Es ist eine Chat-Box, die in Echtzeit menschenähnliche Antworten auf Texteingaben generiert in Echtzeit menschenähnliche Antworten auf Texteingaben Einer der beeindruckendsten Aspekte von TGPT ist seine Fähigkeit, den Kontext zu verstehen und darauf zu reagieren Es hat die Fähigkeit, sich an frühere Gespräche zu erinnern und diese Informationen zu verwenden , um relevantere Antworten zu generieren Dadurch fühlt es sich eher wie ein Gespräch mit einer realen Person an als wie eine Roboterinteraktion. Kein herausragendes Merkmal von TGPT ist seine Fähigkeit, verschiedene Akzente und Dialekte zu verstehen und darauf zu reagieren Dies ist ein großer Vorteil für Unternehmen, die in neue Märkte expandieren möchten da sie so effektiv und ohne Barrieren mit Kunden kommunizieren können , unabhängig von deren Standort oder Sprachhintergrund ohne Okay, GPT sind nicht sehr bescheiden, aber du hast recht. Wisse auch, dass es für manche Menschen, für viele Menschen schwierig ist, sich vorzustellen und zu verstehen, wie GPT funktioniert Deshalb möchte ich es gerne so veranschaulichen und beschreiben. So ist es einfacher zu verstehen , wie es funktioniert, auch wenn Sie mit all diesen fortgeschrittenen EI-Begriffen nicht vertraut all diesen fortgeschrittenen EI-Begriffen Also hör zu, du kannst dir Cog PT als einen extrem ehrgeizigen Studenten vorstellen als einen extrem ehrgeizigen Studenten Wer verbringt seinen ganzen Tag eingesperrt in der Bibliothek und liest und lernt aus so vielen verschiedenen Büchern , die es gibt Aber das Beste ist, dass er der beste Freund ist, den man sich vorstellen kann. Er hält nicht am Gate Keep. Er will dir helfen, wann immer du kannst. Wenn Sie ihm also eine Frage stellen oder ihm eine Aufforderung geben, verwendet er das, was er gelernt hat, um Ihnen eine Antwort zu geben. Und ich denke wirklich, wenn Sie sich Chachi PT so vorstellen, ist es viel einfacher, es als Freund zu behandeln, nicht als Feind, der hier ist, um Ihnen den Job zu stehlen Und das ist der zusätzliche Grund, warum ich diese Art, aG PT zu beschreiben, so liebe CG PT und all seine engen Konkurrenten wie Varden oder Bin setzen ein Konzept in die Realität um , das einmal jahrzehntelang, nur ein verrückter Traum war und nur in der Science-Fiction existierte, eine wirklich engagierte Konversation mit einem Computer zu Kannst du Texte für uns generieren, Code schreiben. Erklären Sie wissenschaftliche und mathematische Konzepte. Erklären Sie schwierige Motive aus Romanen, geben Sie uns Sprachunterricht, schreiben Sie Artikel oder sogar Liebesgedichte, geben Sie uns eine Filmempfehlung und die Liste geht weiter und weiter. Die fortschrittlichste Version kann sogar juristische Prüfungen durchführen oder Rezepte aus nur einem Foto des Kühlschrankinhalts generieren aus nur einem Foto des . Es ist beeindruckend. Wir müssen es nur fragen und es auffordern, ihm zu sagen, was es für uns tun kann und was wir erwarten. Der Schlüssel zu diesem Prozess liegt in der Chagpts-Architektur, einem Netzwerk miteinander verbundener Ebenen, die zusammenarbeiten, um zu analysieren und zu interpretieren, was wir wollen Jede Ebene dieses Netzwerks trägt dazu bei, den Kontext, die Semantik und die Nuancen unserer Eingabeaufforderung zu verstehen Semantik und die Nuancen unserer Eingabeaufforderung Schließlich sind wir Menschen komplexe dynamische Wesen, die nicht immer direkt und leicht verständlich kommunizieren leicht verständlich Chachi PT hingegen ist eine Maschine, eine sehr ausgeklügelte Maschine, aber es war eine Herausforderung, eine Brücke zwischen den komplexen Algorithmen des menschlichen Gehirns und der Landwirtschaft zu bauen komplexen Algorithmen des menschlichen Gehirns und eine Brücke zwischen den komplexen Algorithmen des menschlichen Gehirns und der Landwirtschaft Hier erfahren Sie, wie die offene KI selbst den Ag-PT-Stamm illustriert. Und das musste ich dir zeigen, da wir hier viele interessante Einblicke haben , um unser Tool zu verstehen O CGPT ist viel besser, es lohnt sich also, eine Pause einzulegen und zu lesen, um eine Vorstellung davon zu bekommen, wie der Prozess aussieht Heute werden wir uns nicht viel eingehender mit der Technologie befassen, die hinter GPT steht, weil ich diejenigen unter Ihnen, die sich nicht für Technologie interessieren, nicht so sehr langweilen möchte Technologie interessieren, nicht so sehr und ich habe diesen Kurs einfach gewählt, um zu wissen, wie man GPT im wirklichen Leben benutzt , nur um Ihnen das Leben ohne all diese Theorie und all diesen Hintergrund zu erleichtern ohne all diese Theorie und all diesen Und das ist auch okay, und ich verstehe diesen Ansatz vollkommen Ich befürworte die Verwendung von AI Ta GPT als Schreibpartner und persönlichen Assistenten, und ich verwende es auch selbst auf diese Weise Das ist auch einer der Gründe, warum ich selbst so ein Fan von KI bin Aber das sollten wir nicht vergessen, neben all den Superkräften auch all die Fäden Chad PT hat auch einige Einschränkungen und Schwächen. Wie sie sagen, gibt es auch zwei Seiten derselben Medaille. 4. ChatGPT-Einschränkungen und was ChatGPT ist NICHT?: GPT-Einschränkungen und was GPT nicht ist. Wie Sie bereits wissen, experimentieren mein Team und ich schon so lange mit generativer KI Wir haben KI in unsere täglichen Prozesse integriert. Wir haben die Tools, die wir entwickeln, um KI-gestützte Funktionen erweitert, die auf der Open AI API basieren , und wir freuen uns über die Auswirkungen diese Modelle in den kommenden Monaten auf unser Leben haben können . Aber ich möchte, dass du erkennst, dass es gar nicht so perfekt und einfach ist. CGPT hat, wie alles, auch seine Grenzen und Nachteile, und obwohl wir das Modell lieben, müssen wir darüber sprechen Und natürlich sollten wir immer, immer bedenken, dass es sich um eine Technologie handelt, die sich noch in der Entwicklung und dass diese Schwächen und Einschränkungen vielleicht irgendwann behoben oder behoben werden. GPT kann falsche Antworten geben. Ja, manchmal halluziniert es. Ich kenne den Vorteil von GPT bereits. GPT hebt sich von Honor AI-Tools und AI-Assistance durch seine einzigartigen Methoden bei der Erstellung von Antworten auf unsere Fragen und Eingabeaufforderungen Es sammelt eine Antwort, indem es wahrscheinliche Tokens zusammenfügt , die anhand der GPT-Zeichenkettendaten bestimmt werden , anstatt nach vollständigen Antworten aus den Quellen aus dem Internet zu suchen vollständigen Antworten aus den Quellen aus dem Internet zu suchen Wir werden in einem der nächsten Kapitel über Tokens sprechen , machen Sie sich also keine Sorgen Wir werden auf jeden Fall darauf zurückkommen damit du es vollständig verstehen kannst. Aber der Nachteil. Aber der Nachteil ist , dass GPT nicht wirklich unterscheiden kann , was wahr und was falsch ist und was wirklich weit von der Realität entfernt ist, weshalb es oft ihn dominiert Und manche Antworten sind vielleicht nicht einfach ein bisschen falsch. Sie können sachlich ungenau und leider in einigen Fällen völlig erfunden und könnten nicht weiter von den wahren Ereignissen entfernt sein Dies ist ein interessantes Thema und ein andauerndes Dilemma, nicht nur für CA GPT, sondern für alle großen Das ist das größte Problem. Und Sie werden vielleicht lachen, wenn ich sage, dass GPT halluziniert, aber in Wirklichkeit ist das eine offizielle Bezeichnung dafür Wenn C, GPT und andere große Sprachmodelle, LOM, sachlich ungenaue Informationen generieren und uns falsche Aussagen machen, nennen wir und uns falsche Aussagen machen, nennen wir das eine Halluzination. Dies ist auch eine der größten potenziellen Gefahren, die von KI-generierten Reaktionen und der EI-Revolution KI-generierten Reaktionen und der EI-Revolution CGPT haben eine verwirrende Art , reale Fakten mit Fiktion zu vermischen, was es noch schwieriger macht, zu unterscheiden, welche Teile der Antworten wahr und welche erfunden sind Manche Ungenauigkeiten können völlig akzentuiert erscheinen . Sie haben jedoch viel weitreichendere Auswirkungen, wenn es um ernstere oder sensiblere Themen Für das ungeübte Ich werden falsche Aussagen völlig richtig erscheinen versteht sich von selbst, dass es schreckliche Folgen haben kann , wenn es beispielsweise für medizinische Ratschläge oder die Beschreibung historischer Ereignisse verwendet wird beispielsweise für medizinische Ratschläge oder die Beschreibung historischer Ereignisse Die Ergebnisse könnten katastrophal sein. Deshalb ist es so wichtig, alle Ergebnisse zu überprüfen und zu bedenken , dass KI nicht vollständig vertrauenswürdig sein kann Die große Alarmglocke ist, dass, wenn Cha GPT deine anfällige oder deine Frage mit einer falschen Aussage beantwortet , etwas völlig Falsches ist Es antwortet mit einer solchen Autorität. Dieses Selbstvertrauen ist wirklich überwältigend. Schauen Sie sich an, für welches Vertrauen ChAGPP steht , während Sie völlig erfundene Aussagen teilen Sie könnten GPT zu 100% den Kontext geben, der benötigt wird, um Ihnen die richtige Antwort zu geben , und es wird immer noch die falsche Antwort auftauchen Wie ein Altman-CO von OPN AI Set. CGPT ist unglaublich begrenzt, aber gut genug. Ich mache Dinge, um einen irreführenden Eindruck von Es ist ein Fehler, sich momentan für etwas Wichtiges darauf zu verlassen etwas Wichtiges Es ist eine Vorschau auf den Fortschritt. Wir haben noch viel Arbeit vor uns, was Robustheit und Vertrauenswürdigkeit angeht. Mangel an Empathie und emotionaler Intelligenz . En verarbeitet elektronische Signale , kann aber kein Gefühl, kein Gefühl von Bedrohung oder Sicherheit spüren. Natürlich gibt es auch kein Kindheitstrauma, denn Taylor Berger hat in den frühen Tagen der amerikanischen Schuld des Autors über ihre Sünde gescrollt den frühen Tagen der amerikanischen Schuld des Autors Ich habe dieses sehr interessante Interview mit Peter Garson, Innovationsleiter bei V CCP, gelesen mit Peter Garson, Innovationsleiter bei V CCP, , das von Rosie Copland über KI und Wissenschaftler moderiert wurde Und so hat er das Problem erklärt. Die Phase der künstlichen Intelligenz ist irreführend. Es gibt keine Intelligenz. Es geht um Statistik und Wahrscheinlichkeit. Die Chat-Bots sind nicht intelligent in dem Sinne, dass sie Denkmaschinen sind. Ihre Vorhersagemaschinen. Grund nennen es viele Leute in der Branche diesem Grund nennen es viele Leute in der Branche maschinelles Lernen oder statistische Inferenz oder Musterlernen, und künstliche Intelligenz weckt unfaire Erwartungen KI hat keine Emotionen und hat keine Möglichkeit, sie sich selbst anzueignen kann nur von Menschen und den Quellen, zu denen sie Zugang hat, lernen Menschen und den Quellen, zu denen sie Zugang hat und am Ende all die fairen und unfairen Verhaltensweisen und Überzeugungen kopieren , was auch sehr gefährlich ist, weil sie gute Beispiele von schlechten Beispielen unterscheiden kann . Ich sehe diese hitzige Debatte über das Dilemma, ob KI wie Menschen behandelt werden sollte Es mag Sie überraschen, aber manche Menschen glauben, dass KI viel mehr kann, als nur menschliches Verhalten zu kopieren Sie glauben wirklich, dass KI sich selbst bewusst werden und ein Übermensch werden und sogar wirklich tiefe Gefühle haben Natürlich wird KI immer intelligenter und kann Dinge tun, die zuvor nur Menschen tun konnten, aber bleiben wir bei den Fakten EI ist in Sanient. Es hat einfach eine Menge Meinungen den Quellen entlehnt sind, auf denen es trainiert wurde Ca GPT ist voreingenommen. Ja, wie bei den meisten EI-Plattformen und KI-gestützten Produkten ein GPT voreingenommen Wie Sie bereits wissen, wurde es aus kollektiven Schriften und vielen akademischen Internetquellen erstellt kollektiven Schriften und vielen akademischen Internetquellen Wie wir leicht vorhersagen konnten, hat dies zu einem der größten Probleme mit Tag PT geführt. Es hat einige der gleichen schrecklichen Vorurteile geerbt , die es in unserer täglichen Welt gibt Die Daten, die zum Training von GiPT verwendet werden, sind voreingenommen, und das ist sie natürlich auch Dann ist auch das Modell selbst voreingenommen, was potenziell zu diskriminierenden Ergebnissen führt Und das ist leider nicht nur ein potenzielles Risiko. Viele Benutzer geben an, gesehen zu haben , dass AgiPT wirklich voreingenommen ist, insbesondere bei sensiblen Themen Es gibt diese Hauptregel , wenn es um EI-Tools geht. Je besser die Daten trainiert werden, desto besser ist die Intelligenz, und die Daten sind nicht immer perfekt. Doktor Joy hat es so erklärt. Daten sind das, was wir verwenden, um Maschinen beizubringen , wie sie verschiedene Arten von Mustern lernen können. EI basiert auf Daten. In Daten spiegelt sich unsere Geschichte wider. Die Vergangenheit steckt also in unseren Algorithmen. CGPT wurde anhand von Daten trainiert, bei denen Terabyte an Text von Menschen verwendet wurden, und wir sollten nicht vergessen, dass GPT in der gesamten Gesellschaft und im Internet trainiert wurde gesamten Gesellschaft und im Internet trainiert Taji PT ist keine Suchmaschine. Manche Leute denken, dass es das nächste Google ist, aber das ist es definitiv nicht Wie Sie bereits wissen, kann Chachi PT Ihnen falsche Informationen oder Halluzinationen geben , wie es offiziell heißt Warum ist es keine Suchmaschine? Es ist wirklich einfach. Schau. Verstehen Sie zunächst, wie GPT sein Wissen sammelt und aus welchen Quellen es stammt Es muss anhand eines Datensatzes trainiert werden. Um neue Daten und neue Informationen zu sammeln, muss die zugrunde liegende Engine darauf trainiert werden, und das ist zeitaufwändig, wirklich zeitaufwändig. Es hat ein enormes Potenzial, die Funktionalität von Suchmaschinen zu verbessern, aber es ist unwahrscheinlich , dass es die uns bekannten Suchmaschinen vollständig ersetzen wird. Und wir sollten immer, immer überprüfen , ob T GPT es uns mitteilt Außerdem werden Sie nicht immer genau mit den Quellen versorgt, selbst wenn Sie danach fragen und auch danach Und wenn es eine Quelle mit falschen und irreführenden Informationen untersucht , kann es sich zu 100% sicher sein, dass es wahr ist, und diese Informationen dann mit allen CA GPT-Benutzern teilen Die gute Nachricht ist jedoch: Wenn im Feedback-Prozess ungenaue Informationen oder ernsthaft irreführende Aussagen ernsthaft irreführende Aussagen auffallen, werden die von CA GPT bereitgestellten Informationen genauer, sodass das Unternehmen dank unseres Feedbacks lernt 5. Die Kernstärken von ChatGPT: Okay. Jetzt ist es Zeit für die größten Stärken von GPT Das vorherige Kapitel mag sehr ernst klingen, und ich möchte nicht, dass Sie die Begeisterung verlieren In diesem Kapitel werden wir uns also auf die Stärken der IT konzentrieren, um unsere Begeisterung und Neugier zurückzubringen. Ich denke, Sie wissen, wie leistungsfähig CG PT und andere IT-Powert-Tools Und deswegen bist du hier und schaust dir den Kurs an. Aber ich würde wirklich gerne die positive Seite zusammenfassen, damit wir unseren Nervenkitzel wieder auffüllen und dann direkt mit dem Prompt-Engineering und den exakten Techniken weitermachen können , um die besten Ergebnisse mit CGPT , um die zu erzielen Denn die Sache ist die, ich kann es kaum erwarten, Ihnen diesen Teil vorzustellen Aber bevor wir das tun, lassen Sie uns kurz auf die Vorteile der Verwendung unseres CG PT eingehen. Lassen Sie mich in den Kommentaren oder im Testbereich wissen, ob es nach der Liste irgendwelche Vorteile gibt, die Sie gerne hätten, oder vielleicht einige Vorteile die Sie an die Spitze setzen möchten Weil sie Ihrer Meinung nach die wichtigsten sind. Ich bin echt neugierig. Also lass es mich bitte wissen. Was ist der größte Vorteil für Sie und die wichtigste positive Seite der Verwendung von EI-Elektrowerkzeugen für Sie Kann viele Prozesse und die alltägliche Arbeit wirklich beschleunigen. Manchmal kann es Stunden dauern, einfache Aufgaben zu erledigen, vor allem, wenn Ihnen die Inspiration fehlt oder Sie zu einem Thema schreiben, das Ihnen wirklich keinen Spaß macht Mit den richtigen Eingabeaufforderungen und Parametern kann GPT Ihnen bei fast jeder Aufgabe helfen, und die Ergebnisse können Ihre Erwartungen übertreffen Genießen Sie Kosteneinsparungen und sparen Sie Zeit. Wenn wir sagen, dass Zeit Geld ist, meinen wir eigentlich, dass Zeitersparnis wirklich gleichbedeutend mit Geldeinsparung ist , denn Zeit ist bei weitem unsere wertvollste Ressource. Deshalb sollten wir sie immer mit Respekt behandeln und sie speichern, wann immer wir können. caCpt eignet sich nicht für die Überprüfung von Fakten, aber es eignet sich hervorragend für so viele verschiedene Aufgaben Und heute werde ich Ihnen zeigen, wie Sie das voll ausnutzen können Mit Prompt-Engineering und meinen liebsten Promptingtechniken Hier wird es also wirklich, wirklich aufregend . Lass uns gehen. 6. Was ist Prompt Engineering?: Ist Prompt Engineering. Prompt Engineering bedeutet im Grunde , zu lernen, mit KI zu sprechen um diese Kommunikation auf die nächste Ebene zu heben, es für beide Seiten klarer und angenehmer zu machen , die besten Ergebnisse und die Dinge zu erzielen , die wir wollen, genau das, was wir wollen. Keine Kompromisse und KI muss verstehen, was wir von ihr erwarten und was genau wir erreichen wollen. Warum ist das wichtig Um die besten Ergebnisse und die besten Antworten zu erhalten, können wir einfach eingeben , was wir wollen. Chatten Sie mit TG PT, als wäre es zu 100% menschlich. Ja, wir wissen natürlich bereits, dass es wirklich intelligent ist. Und auch die neueste Variante von Toch PT gibt uns die Vorschläge, die wir vielleicht wollen Es gibt jedoch viele professionelle Tipps Sie in Ihre täglichen Prozesse integrieren können , um noch bessere Ergebnisse und eine höhere Qualität der Antworten zu erzielen noch bessere Ergebnisse und eine höhere Qualität der Antworten Und lassen Sie mich Ihnen sagen , dass das ein entscheidender Faktor ist. Bei Prompt Engineering dreht sich alles darum, diese Eingabeaufforderungen so zu gestalten, dass das KI-Modell die hilfreichsten und genauesten Antworten generieren und genau das liefern kann die hilfreichsten und genauesten Antworten generieren und , was GPT ist kein Gedankenleser, also müssen wir es leiten Oder Sie können sich ein Model als einen supereffizienten Assistenten oder Ihren ehrgeizigen Praktikanten vorstellen als einen supereffizienten Assistenten oder , der Ihre Worte wörtlich nimmt Schau, je klarer, desto präziser deine Fragen, deine Anweisungen, deine Aufforderungen Je besser Ihr Assistent, Ihr Praktikant, Ihre Leistung erbringen und Ihnen helfen kann Das ist im Grunde die Essenz von Prompt Engineering. Sie müssen ihm die bestmöglichen Anweisungen geben, um die bestmöglichen Antworten und qualitativ hochwertige Hilfe zu erhalten . Warum schnelles Engineering wichtig ist. Sie wissen bereits, warum wir uns darum kümmern sollten. Denken Sie darüber nach, in einem neuen Land in einer völlig neuen Stadt mit einer guten, klaren Straßenkarte zu sein. Genau das ist Prompt Engineering für KI. Gute Aufforderungen helfen der KI weiter zu gehen und dorthin zu gelangen , wo sie hin muss Promptes Engineering ist wie diese leitende Hand für KI, sie in die richtige Richtung lenkt Und ohne klare Anweisungen und leicht zu interpretierende Anweisungen selbst die fortschrittlichsten, ausgefeiltesten KI-Modelle liefern Ihnen selbst die fortschrittlichsten, ausgefeiltesten KI-Modelle möglicherweise nicht die Ergebnisse, die Sie benötigen Sie geht verloren und interpretiert deine Anweisungen andernfalls, weil sie deine Gedanken nicht lesen kann Aber mit den richtigen Anweisungen können Sie KI genau auf Ihre Bedürfnisse und Ziele ausrichten und so viel Zeit, Energie, Nerven und Mühe sparen Energie, Nerven und Mühe Prompt Engineering ermöglicht es uns, die spezifischen Antworten zu erhalten , die wir wollen und benötigen Es verbessert unsere Interaktion mit KI und macht sie effektiver und innovativer, da wir Antworten von höchster Qualität erhalten können. Natürlich werden KI-Modelle immer fortschrittlicher werden. Sicher. Aber egal wie fortschrittlich die KI ist, du musst trotzdem irgendwie kommunizieren , was du erreichen willst. Und wir können davon ausgehen, dass die KI perfekt auf unsere Bedürfnisse abgestimmt sein wird und vorhersagen wird, was wir wollen. Wir müssen wirklich die Fähigkeit entwickeln, die richtigen Proms zu komponieren , um das zu bekommen, was sie wirklich will Laut generativen KI-Statistiken werden bis 2025 10% der weltweit generierten Daten durch künstliche Intelligenz erzeugt werden Macht viel. Es ist zwar leicht zu glauben, dass jeder KI bitten kann, qualitativ hochwertige Artikel, Bilder, Diagramme, Übersetzungen, Zusammenfassungen oder sogar Python-Code zu erstellen Bilder, Diagramme, Übersetzungen, Zusammenfassungen , viele Experten machen es zu ihrer Aufgabe Das ist interessant. Die beliebte Website zeigt in der Tat fast 300 Jobs in den USA für die sogenannten Prompt Engineering- und KI-Whisperers Zumindest ist das für heute der Fall. In dem Moment, in dem ich diesen Kurs aufnehme. Und obwohl einige Ergebnisse generativer KI Sie im Internet oder auf Instagram, Twitter, sehen, wo auch immer Sie sich einloggen, um neue Dinge und neue Inspirationen zu entdecken, mögen diese Ergebnisse unglaublich erscheinen, aber denken Sie daran, dass sie so gut, so fortschrittlich, so detailreich, so beeindruckend sind . Aufgrund der guten Eingabeaufforderungen tippte jemand in das System Damit KI großartige Dinge für Sie tun kann. Dinge, die Sie von ihr erwarten, müssen Sie genau verstehen, was Sie wollen und wie man es beschreibt, wie man in natürlicher Sprache kommuniziert, damit die Maschine, die KI es auch versteht. Genau aus diesem Grund wird schnelles Engineering so wichtig. Jemand, der ein Profi bei Prompt Engineering ist, kann bestimmen, welche Daten in welchem Format das Modell trainiert werden muss und welche Fragen dem Modell gestellt werden müssen, um qualitativ hochwertige Ergebnisse zu erzielen. Heute besteht unser Ziel im Bereich Prompt Engineering darin, zeitnahe Daten zu erstellen sowohl sehr präzise als auch umfassend für EI sind. 7. Prompts als Token verstehen: Ständige Eingabeaufforderungen als Token. Wenn Sie mit KI noch nicht vertraut sind, mag der Begriff Token verwirrend klingen Ich weiß. Aber glauben Sie mir, es klingt nur kompliziert. Es ist eine Schlüsselidee, also muss ich sie dir erklären. Aber glauben Sie mir, das ist wirklich leicht zu verstehen. Ein Token ist eine Repräsentation eines Wortes. Teil der Wörter oder ein Symbol. Tokens werden von KI-Tools verwendet , um Speicher und Rechenleistung zu sparen Warum möchten Sie vielleicht fragen. KI speichert nur eine begrenzte Menge in ihrem Speicher, sodass Tokenising-Proms es der KI ermöglichen , mehr Inhalte gleichzeitig zu berücksichtigen Es ist so, als würden wir es alle verkürzen, um bei der Erstellung eines neuen Twitters innerhalb der Zeichenbeschränkung von Twitter zu bleiben Twitters innerhalb der Zeichenbeschränkung bei der Erstellung Tokens sind die Sprachbausteine für KI wie GPT Four Sie sind die Einheiten von Texten, die KI liest und versteht Oh, ich weiß, welches Beispiel aus dem wirklichen Leben nützlich sein könnte, also kannst du es dir leichter vorstellen. Denken Sie an Wertmarken wie verschiedene Zutaten in einem Rezept für einen Kuchen. Zieh es an, es sind nur Einzelstücke. Es ist schwer vorherzusagen, was aus ihnen gemacht werden wird. Mischen Sie sie auf die richtige Weise zusammen und sie bilden einen perfekten Kuchen. Genau wie Tokens, Formen, komplette Sätze, kann die KI verstehen. Wie genau hat das mit Prompt Engineering zu tun? Nun, wenn wir GPT eine Aufforderung geben , werden weder ein Satz noch ein Absatz angezeigt Es sieht eine Abfolge von Tokens. Anschließend analysiert es diese Token, um Ihre Frage zu verstehen und die Antwort zu generieren, die Sie benötigen. Es ist ein sehr schneller Prozess. Man kann es nicht sehen, aber es passiert. So wie wir Menschen jeden Satz verstehen , indem wir einzelne Wörter lesen, zerlegt die KI unsere Requisiten in Token, um zu verstehen, was wir fragen Schauen wir uns an, wie das Open AI-Tokenizer-Tool diesen Prozess einfache Weise veranschaulicht Bevor die API unsere Eingabeaufforderungen verarbeitet, wird die Eingabe wie folgt in Token aufgeteilt Wie Sie sehen, können Token im Englischen je nach Kontext so kurz wie ein einzelnes Zeichen sein, z. B. ein Punkt, oder so lang wie ein Wort KI-Modelle wie GPT 4 haben eine maximale Anzahl von Token, die sie gleichzeitig verarbeiten können, normalerweise in Tausenden, aber diese Grenze nimmt mit der Zeit Dieses Limit umfasst die Tokens in den Requisiten, die wir eingeben, und die Antwort, die GPT generiert Wie ich bereits sagte, ist es auch ein bisschen wie das Zeichenlimit auf Twitter Requisiten als Token verstehen, können wir besser verstehen, wie KI-Modelle unsere Fragen lesen und verarbeiten welche Aufgabe KI für uns erledigen soll Hier sind also die wichtigsten Erkenntnisse, die Sie sich merken sollten. KI-Token haben nichts mit dem Wort Krypto zu tun. Es ist kein Kryptobegriff. Tokens sind die Bausteine oder die Sprache für KI wie GPT Four Im Bereich des KI-Chatbots kann ein Token so kurz wie ein Zeichen oder so lang wie ein Wort Tokens stehen für Rohtext. Zum Beispiel würde das Wort fantastisch in die Tokens fa, Ts und ti aufgeteilt werden . Tokenisierung ist eine Art der Textkodierung. Zum Beispiel der Satz Hallo. Wie geht's dir? Er hat 16 Tokens. Bevor die GPT-API die Aufforderung verarbeitet, wird unsere Eingabe immer in Tokens aufgeteilt Generative Sprachmodelle schreiben unsere Antworten auch nicht Wort für Wort oder Buchstabe für Buchstabe, wie wir Menschen es tun, sondern Zeichen für Zeichen Modelle wie unser CGPT generieren jede Textantwort Token für Token Open AI hat ein sehr cooles Tool veröffentlicht, mit dem Sie mit der Textorganisation herumspielen können , die sie für GPT verwenden Schau es dir an, wenn du eine Minute Zeit hast. Sie können es genau hier finden. Tokens. Es ist ein grundlegendes Konzept im Prompt-Engineering. Wenn Sie dieses Wissen im Hinterkopf behalten, dieses Wissen im Hinterkopf behalten können Sie Prompts erstellen denen Sie mit KI-Modellen wie GBT Four in allen nächsten Versionen die besten Ergebnisse erzielen GBT Four in allen nächsten Versionen die 8. Unsere Interaktion mit KI – Ein- und Ausgänge: Interaktion mit KI, Eingaben und Ausgaben. Nachdem Sie das Konzept der Tokens verstanden haben, hoffe ich es zumindest sehr. Lassen Sie uns etwas tiefer eintauchen, um zu untersuchen, wie wir mit GPT und anderen KI-Modellen interagieren können Wir verwenden diese Begriffe ziemlich oft, aber wissen Sie, was genau Eingaben und Ausgaben sind Genau wie die Konversation zwischen zwei Freunden oder zwei Kollegen die Konversation zwischen uns und beinhaltet die Konversation zwischen uns und GPT oder einem anderen KI-Modell zwei Elemente Eingabe und Ausgabe. Zwei Seiten müssen kommunizieren. Input ist unsere Aufforderung. Es ist normalerweise eine Frage oder eine Aufgabe für KI. Und das Ergebnis ist die Antwort, die wir von KI erhalten. Eine gute Analogie mit echten Wörtern ist zum Beispiel wieder das gemeinsame Kochen Oder besser zusammen einen Kuchen backen. Stellen Sie sich vor, Sie backen einen Kuchen nach einem Rezept. In diesem Szenario ist die KI wie ein superintelligenter Backassistent. Eingabe. Stellen Sie sich die Eingabe als eine Liste von Zutaten und Anweisungen vor, die Sie Ihrem Backassistenten zur Verfügung stellen. Sie teilen dem Assistenten mit , welche Zutaten Sie haben. Mehl, Eier, Zucker, du weißt schon, die ganze Liste und wie sie gemischt und gebacken werden sollen. In ähnlicher Weise haben Sie uns bei der Interaktion mit NAI Informationen, Fragen oder Kommentare zur Verfügung gestellt Dies ist der Input, den die KI verwendet, um zu verstehen, was wir wollen Ausgabe. Stellen Sie sich nun vor, Ihr Küchenhelfer nimmt die Zutaten und Anweisungen, die Sie gegeben haben und befolgt sie , um einen Kuchen zuzubereiten. Der fertige Kuchen ist das Ergebnis Ihrer Assistenzarbeit. In ähnlicher Weise ist das Ergebnis von N AI die Antwort oder Aktion, die es auf der Grundlage der von Ihnen bereitgestellten Eingabe generiert. Wenn Sie eine Frage stellen, ist die Antwort von Tag PT die Ausgabe. Wenn Sie CagPT bitten, einen Satz zu übersetzen, ist der übersetzte Satz die Ausgabe So wie dein Backassistent klare Anweisungen braucht , um einen Kuchen zu kreieren, von dem du träumst KI benötigt genaue und wohlgeformte Eingaben , um die gewünschte Ausgabe zu generieren. Und so wie der Erfolg Ihres Assistenten von der Qualität der Zutaten und Anweisungen abhängt , die Sie geben, die Genauigkeit und Nützlichkeit der Ergebnisse der KI hängen die Genauigkeit und Nützlichkeit der Ergebnisse der KI von der Qualität der Eingabe der von Ihnen bereitgestellten Aufforderung Oh, ich liebe echte Wortanalogien. Sie machen mich hungrig und Lust darauf, einen Käsekuchen zu backen Ja. Wetten Sie zurück zu unseren Ein- und Ausgängen. Eingaben in KI-Modelle wie GPT Four sind Eingabeaufforderungen , also Sequenzen von Tokens, wie wir bereits gelernt haben Wir können einfache Fragen, einen zu vervollständigenden Satz oder sogar einen langen Absatz eingeben , den die KI analysieren kann Ich liebe es zum Beispiel, den ganzen Blockpost-Absatz einzufügen den ganzen Blockpost-Absatz einzufügen damit KI ihn verbessern und analysieren kann, aber wir werden später über diese Methoden sprechen Dann interpretiert KI die Tokens um zu verstehen, was genau wir wollen Und die ganze Magie liegt in der Art und Weise, wie KI Antworten für uns generiert Ich finde es sehr ähnlich, wie ein Mensch reagieren würde. Wie Sie bereits wissen, ist der Prozess natürlich anders. Und KI generiert Token für Token eine Antwort, nicht was durch was, aber es ist trotzdem ein bisschen ähnlich. Also zum Mitnehmen: Die Interaktion zwischen Eingabe und Ausgabe ist der wichtigste Teil für schnelles Engineering. Wenn wir uns ein tieferes Wissen über diese Dynamik aneignen, können wir Eingabeaufforderungen geschickter erstellen und die Reaktionen der KI vorhersagen . Außerdem können wir reibungsloser mit der KI kommunizieren und sie verstehen 9. KI-Reaktionsmechanismen und wie KI zurückspricht: Reaktionsmechanismen der KI und wie KI darauf reagiert Lassen Sie uns die Magie von KI-Antworten enthüllen. Nun, da wir wissen, warum wir Input und Output benötigen und was sie wirklich sind, wollen wir untersuchen, wie superintelligente KI, quasi ein Robotergehirn , Antworten für uns findet Wir nennen das den KI-Reaktionsmechanismus. Es ist wie die Art und Weise, wie die KI denkt und mit uns zurückspricht. Lassen Sie uns darauf eingehen. Stellen Sie sich vor, Sie spielen ein Wortassoziationsspiel mit einem Freund, der wirklich gut darin ist, Muster zu verstehen. Du sagst ein Wort und dein Freund antwortet mit einem anderen Wort, das verwandt ist. Sie tun dies, indem sie über die Bedeutung und die Zusammenhänge der Wörter nachdenken . Stellen Sie sich nun den KI-Reaktionsmechanismus wie die Transformatorarchitektur vor, die in KI-Modellen verwendet wird. Es ist ein bisschen wie dein kluger Freund, aber voller Technologie. Eingabe. Sie geben der KI einen Satz oder eine Frage, genauso wie Sie Ihrem Freund ein Wort geben. Aufmerksamkeit und Verständnis. Die KI nutzt ihr Transformatorgehirn , um den Wörtern in der Eingabe besondere Aufmerksamkeit zu schenken. versteht, wie sie zueinander in Beziehung stehen, ähnlich wie dein Freund Wortverbindungen versteht. Verarbeitung. Die KI denkt intensiv über den Input nach. Wie analysiert es Muster und Bedeutungen, ähnlich wie es dein Französisch tut, um ein verwandtes Wort zu finden ? Ausgabe. So wie dein Freund mit einem verwandten Wort antwortet, generiert die KI eine Antwort. Diese Reaktion basiert auf den Mustern, die es entdeckt hat, und den Informationen es aus seinem Training kennt. Der Reaktionsmechanismus der KI mit seiner Transformator-Architektur ist also wie ein superintelligenter Freund, der Informationen verstehen und verarbeiten kann , um Ihnen auf der Grundlage Ihrer Eingaben durchdachte Antworten zu geben Stellen wir uns den Reaktionsmechanismus der KI nun wie ein Sprachspiel vor, das von einem Team von Spielern gespielt wird, von denen jeder eine bestimmte Rolle spielt Dieses Spiel ähnelt auch ein bisschen der Transformator-Architektur, die in KI-Modellen verwendet Deshalb werde ich es verwenden, damit Sie sich leichter vorstellen können , wie der Prozess funktioniert. Stellen Sie sich also vor, Sie sind ein Fragesteller und Ihre Freunde sind die Transformatoren. Und hör zu. Jeder Transformator hat einen einzigartigen Skill-Encoder-Transformator. Dieser Freund hört sich deine Frage genau an und unterteilt sie in kleinere Teile, z. B. das Verstehen der Wörter und ihrer Bedeutung Achtung Transformator. Dieser Freund achtet besonders auf wichtige Wörter und Zahlen und darauf, wie sie miteinander verwandt sind. Es ist, als ob Sie sich auf die wichtigsten Teile Ihrer Frage konzentrieren würden. Speichertransformator. Dieser Freund erinnert sich an alle wichtigen Details aus früheren Fragen und Antworten. Es ist, als würde man ein Notizbuch mit vergangenen Gesprächen führen. Decoder-Transformator. Schließlich setzt dieser Freund alle Teile zusammen. Es braucht einen der Encoder, Aufmerksamkeit und Speichertransformatoren sagen und bildet eine vollständige Antwort auf Ihre Frage Das Spiel läuft so ab. Der erste Schritt. Der Fragemeister, stellen Sie Ihre Frage an den Encoder-Transformator Im zweiten Schritt versteht der Encoder-Transformator die Wörter und ihre Bedeutung Erster Schritt. Der Aufmerksamkeitstransformator hebt wichtige Wörter hervor, auf die sich alle konzentrieren können . Der vierte Schritt. Der Speichertransformator überprüft sein Notizbuch, um zu sehen, ob es etwas Nützliches aus der Vergangenheit gibt. Der Coder-Transformator nimmt alles von anderen Transformatoren und erzeugt eine wohlgeformte Antwort Wie Sie sehen können, ist der gesamte Prozess wie Anstrengung. Genau wie in KI-Modellen mit der Transformator-Architektur. Jeder Teil erfüllt seine Aufgabe darin, die erhaltenen Eingaben zu verstehen, sich daran zu erinnern und Antworten zu generieren sich daran zu erinnern und Antworten zu generieren. Ja, AA ist dank dieses Prozesses, der als Transformatorarchitektur bezeichnet wird, so intelligent . Ohne zu tief in den technischen Stil einzutauchen, denn ich kann mir vorstellen, dass Sie sich diese Theorie nicht drei Jahre lang anhören möchten . Dieser Prozess und diese Architektur helfen einem GPT oder einer anderen KI, Text zu modellieren, zu lesen und zu interpretieren. In gewisser Weise ist das dem Menschen ein bisschen ähnlich Okay. Die nächste wichtige Sache , die du verstehen musst. Lassen Sie uns unsere Analogie zu echten Wortspielen um das Konzept der Wahrscheinlichkeit und den Wahrscheinlichkeitswert erweitern Konzept der Wahrscheinlichkeit und den Wahrscheinlichkeitswert , die ebenfalls sehr wichtig sind, um KI-Modelle zu verstehen und das gesamte Konzept von Prompt Engineering Weil ich nur möchte, dass Sie diesen Kurs verlassen , um diesen Kurs mit dem Gefühl zu beenden, dass Sie jetzt wirklich verstehen , wie wir mit KI-Modellen kommunizieren können und wie sie darauf reagieren Du kannst diesen theoretischen Teil jederzeit überspringen, aber ich hoffe insgeheim, dass du ihn auch super interessant findest, weil, nun ja, ich Und wenn du ihn nicht überspringst und diesen Prozess verstehst, wirst du viel selbstbewusster sein wenn du mit deinem Freund, CPT oder einfach einem anderen KI-Modell, einem anderen KI-Tool sprichst CPT oder einfach einem anderen KI-Modell, einem anderen KI-Tool wirst du viel selbstbewusster sein, wenn du mit deinem Freund, CPT oder einfach einem anderen KI-Modell, einem anderen KI-Tool sprichst. Kehren wir also zu meiner Analogie zurück und erweitern wir diese Sprachspiel-Analogie um das Konzept der Wahrscheinlichkeit in einem Wahrscheinlichkeitswert Stellen Sie sich vor, Sie und Ihre Freunde spielen ein Sprachspiel mit einem magischen Brett Dieses Spiel wird ein bisschen der Transformator-Architektur ähneln, die in KI-Modellen verwendet wird. Und jetzt fügen wir die Idee der Wahrscheinlichkeit und des Wahrscheinlichkeitswerts damit Sie sich das besser vorstellen und verstehen können. Du stellst dem Fragenmaster und schreibst zunächst deine Frage an die magische Tafel. Jeder deiner Freunde, die du bereits kennst, der Encoder-Transformator, der Aufmerksamkeitstransformator, der Speichertransformator und der Decoder-Transformator hat einen andersfarbigen Stift Encoder-Transformator. Wenn Sie die Frage schreiben, liest der Encoder-Transformator sie sorgfältig und unterstreicht die wichtigen Wörter mit seinem Stift Er weist jedem Wort eine Wahrscheinlichkeitsrechnung zu, die angibt, wie wahrscheinlich es ist, dass es sich dabei um die wichtigsten Teile der Frage Dieser Freund hört sich Ihre Frage einfach an und zerlegt sie sorgfältig in kleinere Teile Wenn du zum Beispiel fragst, wie das Wetter ist? Sie könnten die höheren Wahrscheinlichkeiten der Bedeutung zuordnen , die sich auf das Wetter beziehen , und die niedrigeren Wahrscheinlichkeiten anderen Achtung, Transformator, Aufmerksamkeit, Transformator. Dieser Körper achtet auf wichtige Wörter und findet die Zusammenhänge heraus. Es ordnet Wahrscheinlichkeiten zu, je nachdem , wie viele Wörter miteinander verbunden sind Wenn Ihre Frage Wörter wie heute und Regen enthält, könnte der Aufmerksamkeitstransformator Idee, dass Sie nach dem heutigen Regen fragen, eine hohe Wahrscheinlichkeit dass Sie nach dem heutigen Regen fragen Speichertransformator, der Speichertransformator, überprüft sein magisches Knotenbuch, das vergangene Konversationen enthält Er sucht nach ähnlichen Fragen und Antworten, um herauszufinden, was zuvor gut funktioniert hat. Es weist verschiedenen Antwortoptionen einen Wahrscheinlichkeitswert zu, der auf ihrem Erfolg in der Vergangenheit basiert auf ihrem Erfolg in der Wenn eine ähnliche Frage schon einmal gestellt und gut beantwortet wurde , weist einmal gestellt und gut beantwortet wurde , der Speichertransformator diesen ähnlichen Antworten möglicherweise höhere Wahrscheinlichkeiten zu, der Hier kommen die Wahrscheinlichkeitswerte wirklich ins Spiel Der Decoder-Transformator verwendet alle Informationen der anderen Transformatoren, einschließlich der Wahrscheinlichkeitswerte, und erstellt eine Antwort Er wählt die Wörter und Ideen aus, bei denen die Wahrscheinlichkeit am höchsten ist, dass die Wahrscheinlichkeit am höchsten es sich um eine richtige und aussagekräftige Antwort Der Coder-Transformator nimmt alle markierten und gespeicherten Informationen auf Er zeichnet mit seinem Stift eine Antwort auf die Tafel. Die Intensität der Farbe steht für den Wahrscheinlichkeitswert. Je dunkler die Farbe, desto wahrscheinlicher ist es , dass die Antwort korrekt und nützlich ist. Während Sie alle dieses magische Sprachspiel spielen, die Farben und die Intensität der Markierungen helfen Ihnen die Farben und die Intensität der Markierungen auf dem Brett zu verstehen, welche Teile der Frage am wichtigsten sind und welche Antworten mit größerer Wahrscheinlichkeit richtig sind. Genau wie bei KI-Modellen leiten Wahrscheinlichkeits- und Wahrscheinlichkeitsabrufe das Spiel machen die Antworten zuverlässiger und aussagekräftiger Stellen Sie sich also vor, dass jede Antwort eines Transformers mit einer kleinen Flagge versehen ist, die zeigt, wie sicher er mit seiner Antwort Die Antwort des Decoder-Transformators ist diejenige mit der höchsten Flagge, die mit den höchsten Wahrscheinlichkeiten dieser KI-Gameshow arbeiten deine Transformer-Freunde also Bei dieser KI-Gameshow arbeiten deine Transformer-Freunde also zusammen, wägen Wahrscheinlichkeiten ab und wählen die wahrscheinlichste und aussagekräftigste Antwort auf Genau wie bei echten AII-Modellen wird die Transformator-Architektur verwendet, die Transformator-Architektur verwendet, denn bei der Transformator-Architektur basiert die endgültige Antwort auf einer Kombination aus Verständnis, Beziehung zwischen uns, Erinnerung an vergangene Gespräche und der vergangene Gespräche und der Wahrscheinlichkeit, dass verschiedene Antworten richtig sind Wie wählt GPT also aus so vielen, eigentlich unzähligen Möglichkeiten die beste Antwort aus so vielen, eigentlich unzähligen Das merkt man schon. Jedem möglichen nächsten Token, dem nächsten Teil der Antwort wird ein Wahrscheinlichkeitswert zugewiesen Derjenige mit der höchsten Punktzahl wird der nächste Token in der Sequenz sein Also wichtige Erkenntnisse. KI-Modelle prognostizieren Reaktionen auf der Grundlage von Mustern, die beim Datentraining verwendet werden KI-Modelle wie CGPT verstehen mithilfe der Transformator-Architektur den Kontext wir unsere Fragen stellen , in dem KI-Modelle generieren Antworten, indem sie das nächste Token auf der Grundlage des höchsten Wahrscheinlichkeitswerts vorhersagen das nächste Token auf der Grundlage des höchsten Wahrscheinlichkeitswerts Und glauben Sie mir, das ist ein wirklich wichtiger Teil des Verständnisses des Mechanismus hinter KI-Modellen. Es wird uns helfen, effektiver mit KI zu interagieren. verstehen, wie die KI funktioniert, können wir besser Eingabeaufforderungen erstellen , die zu den spezifischen Antworten führen, nach denen wir suchen Und im kommenden Kapitel wir das streng geheime Rezept für die Zubereitung einiger ernsthafter ASM-Proms enthüllen streng geheime Rezept für die Zubereitung einiger ernsthafter ASM-Proms . Also lass uns gehen. 10. Die Anatomie eines effektiven Prompts: Beherrschen Sie die Kunst des großartigen Inputs, die Anatomie einer effektiven Front Die Arbeit mit KI wie unserem ASN GPT ist wie ein Gespräch Die Fragen, die Sie stellen, können die Antworten, die Sie erhalten, tatsächlich erheblich verändern Lassen Sie uns also untersuchen, was eine wirklich gute Frage ausmacht. Wir befassen uns hauptsächlich mit drei Dingen. Da es sehr klar ist, werden wir es Spezifität und Klarheit nennen es Spezifität und Klarheit Wir wissen, was in Bezug auf kontextbezogene Informationen vor sich geht, und den richtigen Ton und Stil, Spezifität und Klarheit Klare und präzise Anweisungen für GPT zu geben, ist so, als würde man der KI einen gut markierten Weg geben, dem sie KI einen gut markierten Weg geben, dem Ich kann das nicht genug betonen. Erstellen Ihrer Proms mit ist der Schlüssel, um ausführliche und qualitativ hochwertige Antworten von KI zu erhalten und qualitativ hochwertige Antworten von Stell es dir so vor. Stellen Sie sich vor, Sie führen einen Freund dazu, einen verborgenen Schatz in einem großen Wald zu finden. Wenn du sagst, geh und finde etwas Cooles im Wald, kann es sein, dass sie sich verirren und nicht wissen, wonach sie suchen. Sie könnten den Schatz verpassen und mit nichts nach Hause zurückkehren. Aber wenn du sagst, folge dem Fluss bis zur großen Eiche, dann geh zehn Schritte nach links und schau unter den großen Felsen. Sie werden eine viel bessere Chance haben den Schatz zu finden. Spezifische Anweisungen und spezifische Eingabeaufforderungen funktionieren bei KI genauso Anstatt sehr allgemeine, unklare und schwer zu interpretierende Fragen zu stellen, wie, Erzähl mir von Hunden und gib mir Hinweise, welcher Hund der beste für mich sein könnte ohne KI irgendwelche Details über dich zu Du könntest fragen. Können Sie den Unterschied zwischen einem Labor-Retriever und einem Schäferhund erklären und ihn dann bitten, Informationen darüber zu geben , welche Pflege diese Hunde benötigen? Und was sind ihre besonderen Bedürfnisse und welcher ist die bessere Wahl für ein kleines Haus Sie müssen Ihre Bedürfnisse spezifizieren. Auf diese Weise gibst du GPT einen klaren Weg, dem es folgen kann, genauso wie du deinem Freund eine detaillierte Karte zum Schatz zur Verfügung eine detaillierte Karte zum Schatz zur Auf diese Weise kann die KI genau verstehen , wonach Sie suchen , was zu genaueren und detaillierteren Antworten Ein weiteres einfaches Beispiel für eine Kriegskarte. Anstatt Buchproms, wie können Sie mir Informationen über Barcelona geben , und genauere Fragen, wie zum Beispiel, Sie einige Details zur Geschichte der Freihäuser von Gaudi in Barcelona geben zur Geschichte der Freihäuser von könnten, würden eine viel bessere Antwort Es ist, als würde man der KI eine bessere Roadmap geben , um sie zu beantworten. Mitnehmen. Anstatt offene Proms zu verwenden, müssen wir sie spezifisch und klar Schau, was ist der Unterschied? Hier sind die Beispiele. Keine offene Frage. Erzählen Sie mir eine lustige Geschichte meinem Publikum gefallen könnte. Spezifisch und klar. Kannst du eine kurze lustige Geschichte mit etwa 20 Sätzen darüber schreiben lustige Geschichte mit etwa 20 Sätzen darüber wie der Mensch versucht hat , seinen Freund dazu zu bringen sich in ihn zu verlieben? Offenes Ende. Wie ist das Wetter? Spezifisch und klar. Können Sie die aktuellen Wetterbedingungen in Paris, Frankreich, angeben ? Warum also offene Fragen nicht die beste Wahl sind. Es ist immer besser, Dinge anhand von Beispielen zu verstehen , oder? Stellen Sie sich vor, Sie bitten ein KI-Tool , einen Film für Ihren Filmabend auszuwählen. Wenn du sagst, such mir einen Film aus, schlägt die KI vielleicht etwas vor , von einer Komödie bis hin zu einem Thriller Es ist wie ein sich drehendes Roulette-Rad. Sie sind sich nicht sicher, wo es sich auszahlen wird und ob Ihnen das Ergebnis gefallen wird. Denken Sie jetzt genauer darüber nach und sagen Sie, empfehlen Sie bitte einen herzerwärmenden Animationsfilm, der sich für Familientreffen und Familienfilmabende eignet Familientreffen und Familienfilmabende Diesmal weiß die KI, dass du nach etwas suchst , das deiner Abschlussarbeit ein Lächeln ins Gesicht zaubert, und sie berücksichtigt Filme wie Findet Nemo oder Toy Story, damit deine Familie einen tollen Filmabend haben kann Deine konkrete Anfrage gibt der KI ein besseres Verständnis für deine Vorlieben, genauso wie wenn du einem Freund sagst, dass du Lust auf Pizza mit extra Käse und Wenn du also mit der KI interagierst, ist es sehr ähnlich. Wenn du fragst, erzähl mir etwas über Tiere, könntest du eine Vielzahl von Informationen bekommen. Wenn du jedoch fragst, die einzigartigen Jagdtechniken von Chatak erklärst und erkläre, wie ihre Sprache ihnen hilft, sie frei zu fangen, lenkst du die KI zu einer detaillierteren und gezielteren Reaktion Auf diese Weise erhöhen Sie die Wahrscheinlichkeit, die Informationen zu erhalten, auf die Sie wirklich neugierig Die wichtigste Erkenntnis: bessere Eingabeaufforderungen, bessere Ergebnisse. Kontextuelle Informationen. So wie wir auf das, was wir wissen und erlebt haben, zurückgreifen , um unsere Gespräche mit unseren Freunden oder mit IC-Mitarbeitern bereichern zu können, können Hintergrundinformationen und unsere Eingabeaufforderungen als GPS für die Steuerung von GPT-Antworten dienen als GPS für die Steuerung von GPT-Antworten Stellen Sie sich vor, Sie suchen ein bestimmtes Geschäft in einem großen Einkaufszentrum Wenn Sie einfach sagen, erzählen Sie mir von dem Geschäft, hören Sie vielleicht von jedem Geschäft im Einkaufszentrum. Aber wenn du sagst, sag mir den Apple Store, wo sie die neuesten Icons in Mac-Büchern verkaufen. Du zeigst in die richtige Richtung. Oh, stell dir vor, du befragst einen Freund über jemanden Wenn du fragst, erzähl mir von einer Schauspielerin namens Emma, vielleicht bekommst du Informationen über jede Emma in der Welt des Showbusiness Aber wenn du sagst, erzähl mir von Emma Watson, weißt du, der brillanten Schauspielerin aus den Harry-Potter-Filmen, gibst du deiner Freundin einen Kontext, und sie wird wahrscheinlich über die richtige Emma sprechen. Sie passen die Einstellungen auf derselben Seite an. In ähnlicher Weise verfügen C GPT und andere KI-Modelle nicht über persönliche Erfahrungen mit Wissen wie Menschen Aber ich bin natürlich sehr intelligent und kann Muster erkennen. Stellen Sie sich das so vor, als würden Sie einem Papagei als Haustier beibringen , Ihre Worte nachzuahmen Wenn du deinen Profis Kontext hinzufügst, ist das so, als ob du dem Papagei genau den Satz zeigst , den er wiederholen soll Auf diese Weise helfen Sie GPT dabei, das richtige Trainingsmuster zu finden und die beste Reaktion beim Füttern zu erzielen Indem Sie also Kontext hinzufügen, helfen Sie dem Unternehmen im Wesentlichen dabei, das relevanteste Muster auszuwählen, dem es folgen kann , und erhöhen Ihre Chancen qualitativ hochwertige und genaue Antworten Schau, hier ist ein großer Unterschied. Sprachaufforderung. Wie ist die Situation in Palermo, Italien Kontextuell? Können Sie uns die neuesten Statistiken und Richtlinien zu Hitze und weißen Bränden in Palermo, Italien, zur Verfügung stellen? Eingabeaufforderung in Mode Erzählen Sie mir von Sun, kontextuell. Können Sie die physikalischen Eigenschaften und Umlaufeigenschaften von Saturn de Plant in unserem Sonnensystem erklären Umlaufeigenschaften von Saturn de Plant in Nehmen Sie also spröde Eingabeaufforderungen mit detaillierten, klaren Anweisungen weg Eingabeaufforderungen mit detaillierten, klaren Andernfalls könnten Sie am Ende lange modische Antworten erhalten, die überall hin und her wandern? 11. Toneinstellen und Schreibstil: Den Ton und den Schreibstil festlegen. GPT-Modelle können sehr gut darin sein den Ton und den Stil Ihrer Eingabeaufforderung zu Wenn Sie also Ihre Frage und Ihre Aufforderung ernst nehmen, werden Sie wahrscheinlich eine seriöse Antwort erhalten. Aber wenn Ihr Stil eher lässig oder humorvoll ist , kann ich dem auch entsprechen. Das GPT-Modell ist wie ein Stilchamäleon. Es passt sich den Tönen an, die Sie vor Ihnen gesagt haben. Stellen Sie sich vor, es ist ein Gespräch mit einem Freund. Wenn Sie ernsthaft sprechen, werden sie auf die gleiche Weise reagieren. Aber wenn du locker oder lustig bist, werden sie das auch widerspiegeln. Oh, stell es dir vor, dich für einen bestimmten Anlass zu verkleiden. Wenn du zu einer Veranstaltung für Jugendliche gehst, ziehst du einen formellen Anzug oder ein wunderschönes Kleid Aber für einen ungezwungenen Treffpunkt schlüpfst du in deine Lieblingskaffeejeans und ein weißes T-Shirt, oder? Ebenso, wenn Sie fragen, können Sie den Prozess der Photosynthese erklären Auf formelle Weise erhalten Sie eine ausführliche und seriöse Antwort, die im gleichen seriösen Schreibstil verfasst Aber wenn Sie fragen, erklären Sie mir diese Sache mit der Pflanzenmagie mit einer spielerischen Note. Die Antwort der KI wird Ihrem Ton entsprechen. Erwägen Sie zum Beispiel, nach Superhelden zu fragen. Wenn du fragst, gib bitte eine Zusammenfassung von Batmans Herkunft, du wirst wahrscheinlich eine ordentliche und formelle Antwort erhalten Wir werden das in einer Minute überprüfen. Auf der anderen Seite, wenn du fragst, hey, schütte die Mülltonnen von Batman Superhero Beginning mit einem Sie erhalten eine Antwort, die genauso unterhaltsam ist wie lässig genauso unterhaltsam ist wie Beide Fragen fragen nach ähnlichen Informationen, aber die Art der Antwort wird wahrscheinlich sehr unterschiedlich sein. Sehen wir uns das also in der Praxis an und analysieren wir den Unterschied. Wie Sie sehen können, ist diese Antwort sehr ernst. Es ist sehr formell. Es ist wie ein Beitrag im Filmweb oder auf anderen filmbezogenen Plattform , auf der es keine Witze gibt. Nur faktengeprüfte Seriendaten, Serieninformationen über unseren Superhelden, und lassen Sie uns überprüfen, was wir mit der zweiten Aufforderung erhalten Also hat er die Anfänge des Batman-Superhelden hinter sich gelassen. Und wie Sie sehen können, spiegelt GPT die Art und Weise wider, wie wir es um Hilfe gebeten haben , weil der Stil auch nicht so humorvoll ist Wir müssen unsere Bedürfnisse spezifizieren, wenn wir eine sehr humorvolle Antwort erraten wollen, aber sie ist viel weniger Ihr Stil schafft die Voraussetzungen für die Leistung der KI, indem er Ihren Ton an Ihrer Aufforderung ausrichtet Sie sind wie ein Dirigent, der ein Musikstück dirigiert, und die KI harmonisiert die Reaktion entsprechend Ich habe einige Beispiele vorbereitet, um zu verdeutlichen, wie der Ton und der Stil der Aufforderung die Reaktion der KI beeinflussen können Schau. Die formelle Aufforderung. Bitte erläutern Sie die grundlegenden Prinzipien des Quantenmechanismus, sich insbesondere auf das Hasenbergsche Unsicherheitsprinzip konzentrieren das Hasenbergsche Unsicherheitsprinzip Hier ist die Antwort, die wir erhalten haben. Schauen wir uns nun die informelle Aufforderung an. Hey, könntest du den Quantenmechanismus sinnvoll machen? Ich bin wirklich fasziniert von dem Unsicherheitsdeal von Hesenberg. Letztlich ist die Quantenmechanik ein verrückter, aber bewährter Zweig Ja. Ja, klingt gut. Okay. Schauen wir uns jetzt die professionelle Front an. Bitte geben Sie einen umfassenden Überblick über die Veränderungen in den europäischen Ländern, die Finanzpolitik und ihre möglichen Auswirkungen auf kleine Unternehmen Wie Sie sehen, bildet die Art und Weise, wie Sie Ihre Frage formulieren die Voraussetzungen für die KI-Antwort. So wie Sie einen Freund unterschiedlich ansprechen, je nachdem, ob Sie ein formelles Gespräch oder ein ungezwungenes Gespräch führen, passt die KI ihre Antwort an den Stil an, den Sie festgelegt haben. Es ist wirklich wichtig , dass Sie sich daran erinnern , wenn Sie Ihre Aufforderung annehmen. Denn je nachdem, welchen Ton Sie für Ihre Aufforderung wählen: formell, informell, professionell, ungezwungen, akademisch, gesprächig, überzeugend, erzählerisch, beschreibend, technisch, enthusiastisch, aufrichtig, humorvoll, sarkastisch, witzig, freundlich, leidenschaftlich, diplomatisch, durchsetzungsfähig, umgangssprachlich, laienhaft, werden Sie von KI eine etwas andere Reaktion erhalten. Also die wichtigsten Erkenntnisse. Mit einfachen Eingabeaufforderungen erhalten Sie nur allgemeine Antworten Deshalb sollten wir unsere Eingabeaufforderungen aktualisieren Achten Sie darauf, spezifische, klare Requisiten mit Kontext bereitzustellen. Außerdem sind unsere Wortwahl und der Ton unserer Aufforderungen sehr wichtig Indem Sie bei der Erstellung von Proms sorgfältig auswählen, wie Sie sich ausdrücken, können Sie GPT oder andere KI-Modelle darauf ausrichten, können Sie GPT oder Antworten zu generieren, die dem Kontext, der Zielgruppe und dem Zielgruppe Ganz gleich, ob Sie eine professionelle, akademische, technische oder entspannte Interaktion anstreben , die Wahl des Tons und Wahl Erfolgreiches, promptes Basteln erfordert Spezifität, angemessenen Kontext, einen angemessenen Ton und manchmal auch cleveres Spiel Und darüber werden wir in einem der nächsten Kapitel sprechen, zusammen mit Beispielen und noch praktischeren Überlegungen Also bleib bei mir und lass uns gehen. 12. Prompting-Techniken: Rollenspiel-Technik: Techniken zur Aufforderung. Bei der Prüfung von Prompt Engineering werden verschiedene Techniken eingesetzt, um die wir von GPT erhalten, zu optimieren Jetzt sind wir dabei, uns mit kostenlosen großen Ideen in der Welt der Bastelprojekte Kostenlose Aufforderungstechniken. Und zuerst konzentrieren wir uns auf Technik des Rollenspiels und das Lernen mit wenigen Handgriffen Sie mögen zunächst wie schwarze Magie klingen , aber mach dir keine Sorgen. Wir werden es für alle einfach und leicht machen. Und Sie werden überrascht sein, wie diese Techniken die Qualität und Genauigkeit der Ergebnisse, die wir erhalten, verändern können . Hier ist der unterhaltsamste Teil: Das Erstellen von Eingabeaufforderungen, um tolle Antworten zu erhalten, und die Verwendung verschiedener Techniken , um unterschiedliche Ergebnisse zu erzielen Stellen Sie sich Prompt Engineering also wie ein Lernabenteuer vor. Sie werden auch jedes Mal, wenn Sie mit GPT chatten, durch Übung lernen jedes Mal, wenn Sie mit GPT chatten, durch Übung wenn du ein Gespräch führst, ist es, als ob du Weisheit gewinnst oder dass du eine noch bessere Aufforderung erstellst , weil du neue Erkenntnisse gewinnst, und das alles kommt aus der Praxis Stellen Sie sich das als Verbesserung Ihrer KI-Konversationsstrategie vor. Es ist, als würden Sie in einem Videospiel Erfahrungspunkte sammeln oder chatten, und jetzt werden wir die Techniken besprechen , um den Prozess zu beschleunigen. Technik des Rollenspiels. Dieser ist wirklich aufregend. Die Rollenspieltechnik ist extrem leistungsfähig und in fast jeder Situation in fast jedem Fall sehr nützlich . Es gibt diesen interessanten Ansatz, bei dem das KI-Modell als Charakter in Ihrer eigenen Snara behandelt wird, wodurch Aspekte wie Spezifität, Kontext und Tonfall sehr effektiv integriert Aspekte wie Spezifität, Kontext und Nehmen wir an, unsere Aufforderung klingt so. Du bist der Hea Cha, der einem Kochanfänger beibringt , wie man ein Gericht zubereitet Diese Rollenspieltechnik schafft einen maßgeschneiderten Kontext, ein erfahrener Koch stellt einen Anfänger vor und sorgt für einen passenden Umgangston, freundlich und doch informativ Mit dieser Strategie lenken Sie die KI also auf einen bestimmten Weg, was zu Reaktionen führt, die auf das richtige Ziel fokussiert sind. Lassen Sie uns nun beobachten, wie KI mit unterschiedlichen Rollen umgehen wird , wenn wir ihr sagen, dass sie handeln soll, und hier sind die Ergebnisse. Wie Sie sehen können, haben wir viele Strategien gegen Stress entwickelt. Und ich denke, die können wir wirklich von einem professionellen Psychologen bekommen . Stellen Sie sich vor, Ihre Technologieexperten vereinfachen das Konzept der Blockchain für ein nicht technisches Publikum betonen dabei die Sicherheitsfunktionen und realen Anwendungen Ihr Assistenzkoch erklärt dem Koch vor Ort die Technik des Backens des perfekten Käsekuchens und ist unserer ersten Aufforderung sehr ähnlich Den perfekten Käsekuchen zuzubereiten ist ein Muss und ich bin hier Okay. Hier kommt die Anleitung. Sie sind ein Stand-up-Comedian, der Hilarys Routine über die Macken der Modor-Technologie aufführt und dabei beobachtenden Humor mit witzigen Anekdoten verbindet Wow, ist echt lustig. Es ist wie ein Braten für ein modales Wort. Verhalte dich wie ein fürsorglicher Elternteil, gib deinem Teenager Ratschläge, deinem Teenager Ratschläge verantwortungsvolle Entscheidungen im Körper treffen kann, diskutiere über Gruppenzwang und persönliche Werte Stellen Sie sich vor, Sie Weltraumwissenschaftler informieren die Astronauten über die Vorbereitungen vor dem Start ins All erforderlich sind Sie sind ein Detektiv in einem Kriminalroman liefern eine Theorie über den mysteriösen Vorfall, der sich am Flughafen ereignet hat Du bist ein Biologielehrer an der High School und erklärst deinen Schülern anhand von Diagrammen und nachvollziehbaren Beispielen den Prozess der Phytosynthese anhand von Diagrammen und nachvollziehbaren Stellen Sie sich vor, Sie wären ein Fitnesstrainer und geben einem Kunden, der sich aufgrund seiner Fortschritte nicht motiviert fühlt, ein aufmunterndes Gespräch motiviert fühlt Spielen Sie als Reiseleiter und erklären die historische Bedeutung eines Touristengruppe die historische Bedeutung eines römischen Klassenzimmers Wie Sie sehen können, schneidet KI bei diesen Aufgaben wirklich gut ab Wenn Sie ihn bitten, so zu tun, als wäre es ein Reiseführer, der eine neue Stadt beschreibt, machen Sie ihn im Grunde zu Ihrem kreativen Reiseführer Ich habe viele Blogger und Influencer gesehen , die ihre E-Books und Reiseführer mit Hilfe von und Reiseführer mit Es birgt also auch ein enormes Potenzial für produktbasierte KI-Unternehmen, obwohl ich wie immer nicht empfehle, sich nur auf KI zu verlassen Ich empfehle, es als Ihren Schreibpartner zu verwenden, Ausgangspunkt für Ihr Gehirn. Ich würde jedoch nicht empfehlen, den KI-Inhalt zu kopieren und in E-Books oder andere digitale Produkte einzufügen Wenn Sie das also tun möchten, bearbeiten Sie die Ausgabe, Audio Weißt du, das ist mein Ansatz. Warum bringt dir Rollenspieltechnik bessere Ergebnisse als normale Abschlussbälle? Meiner Erfahrung nach hilft Ihnen diese Technik dabei, die besten Ergebnisse mit GPT zu erzielen Wenn Sie es einer Rolle zuweisen, erhalten Sie viel passendere Antworten auf Ihre Eingabeaufforderungen Wenn Sie CPT stellen, erhalten Sie auf eine Frage immer irgendeine Art von Antwort, aber die Relevanz, Ton und der Detaillierungsgrad entsprechen möglicherweise nicht Ihren Bedürfnissen oder Ihren Anforderungen Dies kann leicht geändert werden, indem Sie Ihre Frage innerhalb einer Rolle formulieren also eine Rolle zuweisen, Chachi Pit also eine Rolle zuweisen, ändert sich das Ergebnis wirklich Lassen Sie uns wie immer in der Praxis sehen. Stellen wir Chachi PT diese Frage. Kannst du erklären, wie der Mond funktioniert? Okay, und hier ist das Ergebnis, das wir bekommen haben, wie Sie sehen können. Das Ergebnis ist ziemlich formal, es ist ziemlich ernst. Wir haben es gemacht, ohne eine Rolle zuzuweisen. Und die Antwort geht auf einige Details über Gravitationswechselwirkung, Umlaufbahn und Rotation sowie den Titeleffekt Aber was wäre, wenn Ihr Publikum eine Klasse F von Sechsjährigen wäre? Hier kann die Zuweisung einer Rolle also definitiv dazu beitragen, das Ergebnis anzupassen Lassen Sie uns das noch einmal machen und diesmal der GPT-Rolle zuweisen Zum Beispiel die Rolle des Lehrers. Die Aufforderung wird also so lauten. Benimm dich als Grundschullehrer, du unterrichtest eine Klasse von Sechsjährigen. Kannst du erklären, wie der Mond funktioniert? Wie Sie sehen können, hat die Zuweisung dieser Rolle das Ergebnis wirklich verändert Jetzt ist es viel besser und Sie können es sofort verwenden. einer Rollenspieltechnik gibt die KI vor, eine bestimmte Person zu sein oder sich auf eine bestimmte Weise zu verhalten, und sie verändert den Ton, den Stil und den Tod der präsentierten Informationen auf der Grundlage der zugewiesenen Wenn es um den Tod von Informationen geht, lassen Sie uns das anhand eines Beispiels veranschaulichen , indem wir To DPT bitten, eine Bewertung für unser Café zu schreiben Der Unterschied wird riesig sein . Warte darauf. Also der erste Druck ist das. Das Ergebnis klingt also freundlich und ich mag es wirklich, aber was können wir tun, um es auf eine andere Ebene zu bringen und mehr Details hinzuzufügen , da wir nicht möchten, dass unsere Bewertung so allgemein klingt Ja, wir werden eine Rolle zuweisen, und dieses Mal wird es die Rolle des Coffee Places-Kritikers und Bloggers sein Coffee Places-Kritikers und Bloggers Die Aufforderung wird also wie folgt lauten. Sie sind ein professioneller Kaffeekritiker und Blogger. Schreiben Sie eine Bewertung oder fügen Sie hier das Café Ihrer Wahl Ich habe den aus meiner Nachbarschaft ausgewählt , den ich wirklich liebe. Und wie Sie sehen können, ist diese Bewertung viel weiter fortgeschritten. KI hat Details hinzugefügt und es klingt auch viel ernster. Lassen Sie uns nun sehen, was passiert, wenn wir Sie bitten, als professioneller Kaffeekritiker und Blogger aufzutreten und einen Artikel für Vogue Italia zu schreiben Unsere Aufforderung wird also wie folgt lauten. Sie sind Kaffeekritiker und Blogger und schreiben für Vogue Italia Gleich nebenbei ein emotionaler Rückblick auf unser Café. Okay. Okay. Jetzt klingt die Bewertung wirklich faszinierend, und ich weiß nicht, wie es Ihnen geht, aber für mich klingt sie viel berührender und interessanter als die beiden vorherigen Optionen Also wichtige Erkenntnisse. Verwenden Sie Rollenspieltechniken, um persönlichere Ergebnisse zu erzielen, Text zu gestalten und seine Genauigkeit zu verbessern Die Genauigkeit des Ergebnisses kann mit der Technik der Rolleneingabe erheblich verbessert Durch die Technik des Rollenspiels sind die Ergebnisse viel besser für einen bestimmten Kontext und eine bestimmte Zielgruppe geeignet für einen bestimmten Kontext und eine bestimmte Zielgruppe 13. Was sind Zero-Shot-Prompting und Few-Shot-Prompting: Was sind Zero Shot Prompting und Few Shot Prompting? Jetzt werden Sie lernen, wie man die Befehle „01“ und „Wenige Schüsse“ eingibt. Wenn Sie mit KI-Enthusiasten sprechen, werden Sie oft die Begriffe Zero Shot Prompting und Few Shot Prompting hören Zero Shot Prompting und Few Shot Prompting Oder vielleicht haben Sie diese schon gehört. Um diese Techniken zu verstehen, müssen wir uns noch einmal ansehen, wie ein großer Sprachmodus eine Ausgabe generiert. In einem Moment werdet ihr lernen. Was bedeutet Nullschuss und Wenigschussabfrage? Wie man mit GPT mit ihnen experimentiert. Zero-Shot-Technik. Jetzt lernen wir die Eingabeaufforderung mit 01 und wenigen Schüssen, aber beginnen wir mit der Nullschuss-Technik, da sie die grundlegendste ist Offiziell ermöglicht die Nullschuss-Prompting einem Modell, Vorhersagen über bisher unbekannte Daten zu treffen , ohne dass zusätzliche Schulungen erforderlich sind. Aber machen wir es einfacher. Lass es uns weniger kompliziert klingen lassen. Bei der Verwendung von Zero Shot Prompting geht es darum, dem Modell eine einfache Aufgabe zu geben Sie zeigen ihm einfach eine Aufforderung ohne Beispiele und bitten GPT oder ein anderes KI-Werkzeug , eine Antwort für Sie zu finden Und das ist wichtig. Alle Anweisungen und Rollenspielszenarien, die Sie in den vorherigen Lektionen gesehen haben , sind Beispiele für Null-Shot-Eingabeaufforderungen. Es funktioniert so Wir geben dem großen Sprachmodell einfach eine Aufgabe, die es ohne Anweisungen erledigen muss, und das Modell wird dann anhand seines eigenen Trainings und der Art und Weise, wie es unsere Eingabeaufforderung interpretiert, erraten, was wir wollen seines eigenen Trainings und der Art und Weise, wie es unsere Eingabeaufforderung interpretiert Sehen wir uns anhand des Beispiels an, wie Zero Shot Prompting funktioniert. Also hier ist meine Zero Shot-Eingabeaufforderung. Schreiben Sie mir eine Beschreibung mit Adjektiven und Substantiven einer Ninja-Königin, die durch die Winterlandschaft Frankreichs wandert Ein Nullschuss funktioniert nicht so, wie wir es uns wünschen und das Ergebnis entspricht nicht unseren Erwartungen. Es ist eine kluge Idee, in der Aufforderung eine Demonstration oder Beispiele anzugeben , was zu einem Fehlschuss führt In einer Sekunde werden wir besprechen, wie wir die Eingabeaufforderung ändern müssen, um aus unserer Nullschuss-Prompting eine Technik mit der Eingabeaufforderung mit einem Schuss zu machen unserer Nullschuss-Prompting eine Technik mit der Eingabeaufforderung mit einem Schuss zu Eingabeaufforderung mit einem Schuss wird verwendet, um mit zusätzlichen Daten in der Eingabe eine genauere Antwort zu generieren einem Schuss wird verwendet, um mit zusätzlichen Daten in der Eingabe eine genauere Antwort . In unserer Aufforderung. Diese zusätzlichen Daten können ein einzelnes Beispiel oder eine Vorlage sein. Was wichtig ist, ein Beispiel. Deshalb heißt es One Shot. Wir stellen nur ein Beispiel oder nur eine Vorlage zur Verfügung. Hast du also schon eine Idee, was wir machen können? Was können wir zu unserer vorherigen Aufforderung hinzufügen , um die Eingabeaufforderung aus der vorherigen Lektion in eine Einmalaufforderungstechnik umzuwandeln aus der vorherigen Lektion in eine Einmalaufforderungstechnik umzuwandeln Zur Erinnerung: Unsere Nullschuss-Aufforderung lautete wie folgt. Schreiben Sie mir eine Beschreibung mit Adjektiven und dem Substantiv von Ija, der Königin, die in der Winterlandschaft von Frince lebt Ja. Ich werde ein Beispiel für die Ausgabestruktur eingeben , die ich von C GPT zurückbekommen möchte Die KI wird dann anhand dieses einen Beispiels interpretieren, was ich von ihr erwarte. Dabei handelt es sich um ein Beispiel für ein Training Um diese eine kurze Technik zu verwenden, sieht unsere Aufforderung so aus. Schreiben Sie mir eine Beschreibung mit Adjektiven und Substantiven einer Ida-Königin, die in der Winterlandschaft solcher Freunde lebt die in der Winterlandschaft solcher Freunde Hier haben wir das Beispiel, das Cage Pt lesen und interpretieren soll, und dann wollen wir Wir möchten nur, dass Chagp an diesem Beispiel geschult wird , um uns in dieser Vorlage ein sehr ähnliches Ergebnis zu liefern in dieser Vorlage ein sehr ähnliches Ergebnis Also hier ist unser Beispiel. Aussehen, lange blonde, blaue Augen und Zählfigur. Ihr Gesicht ist geschmückt mit zarten Schneeflockenmotiven, der Beschreibung des Charakters, der Beschreibung von Superkräften, der Also wollen wir diese Vorlage verwenden. Hier ist unser Ergebnis. Wie Sie sehen können, verwende ich die Struktur, ich habe sie gegeben, und jetzt ist das Ergebnis viel strukturierter und ich habe genau das, was ich will. On-Shot Prompting ist der beste Weg, GPT die Richtung zu zeigen , in die es gehen soll Jetzt habe ich ein viel besseres, viel detaillierteres Ergebnis Hier ist unser wichtigster Imbiss. Bei der ersten Aufforderung zeigen wir dem Modell nur ein vollständiges Beispiel, um es anhand unseres Beispiels oder einer Vorlage zu trainieren Wenige Techniken zur kurzfristigen Kreditvergabe. Die nächste Methode der Spracheingabe wird als Fep-Shot-Prompting bezeichnet und wird auch als In-Context-Learning bezeichnet Es ist sehr einfach. Es ist so einfach, dass Sie mehrere Beispiele in Ihre Aufforderung integrieren, um dem KI-Tool ein sehr klares, sogar klareres Bild zu bieten dem KI-Tool ein sehr klares, als bei einer einzigen Aufnahme Von dem, was Sie davon erhalten möchten. Einfach ausgedrückt handelt es sich beim View-Shot-Prompting um eine Technik, bei der wir einige Beispiele eintippen , normalerweise 2-5 Beispiele, damit wir schneller bessere Ergebnisse erzielen und GPT besser an die gewünschten Ergebnisse anpassen können GPT besser an die gewünschten Ergebnisse anpassen Denn wenn wir unserer Aufforderung ein Beispiel hinzufügen, versteht das Modell unsere Anforderungen, was wir wollen, was wir brauchen, viel Wenn wir zum Beispiel sagen, dass wir die Beschreibung im Stimmzettelformat bevorzugen würden , werde ich unsere Vorlage wiedergeben Und das ist interessant. Wenn wir ein paar Beispiele hinzufügen, sind die Chancen, genau das zu bekommen , was wir wollen, noch höher. Schauen Sie sich also anhand dieses Beispiels an, wie diese Methode funktioniert . Hier ist der Anfang der Eingabeaufforderung. Klassifizieren Sie die Stimmung der folgenden Sätze als positiv oder negativ Erstes Beispiel, Satz: Ich liebe diesen Kaffee. Stimmung, positiv. Zweiter Beispielsatz. Das Eis, das ich hinzufügte, war furchtbar, negativ. Drittes Beispiel, Satz. Die Cold-Brew-Bohnen waren extrem lecker, die Stimmung war positiv Zum Beispiel Satz, ich hatte dort eine schreckliche Erfahrung mit einem Barkeeper Negative Stimmung. Dann geben wir CagPT den Satz, den wir auf der Grundlage der zuvor angegebenen Formel klassifizieren wollten auf der Grundlage der zuvor angegebenen Formel klassifizieren Hier ist der zu klassifizierende Satz. Die Panamabohnen-Präsentationen waren unglaublich langweilig. Und natürlich hat Chat PT es richtig gemacht, weil es wusste, wie wir den Satz klassifizieren wollten , und es kannte bereits die Regeln dieser Klassifizierung In diesem Beispiel stellt das Rezept mit wenigen Eingabeaufforderungen das KI-Modell vor eine klare Aufgabe Es handelt sich um eine Stimmungsanalyse, und diese zusätzlichen Anweisungen die die genauen Muster des gewünschten Ergebnisses beinhalten , sind die gewünschte Ausgabe von GPT Durch die Verwendung dieser wenigen kurzen Techniken in diesem Abschlussball wird das KI-Modell angeleitet, eine genauere Klassifizierung für den Satz zu erstellen eine genauere Klassifizierung für , den wir für diesen Satz klassifizieren wollten ist so, als würden wir dem Modell beibringen , was genau wir wollen, und wir zeigen ihm Muster , die für uns wichtig sind, die Muster, die es verwenden muss und wir zeigen ihm Muster , die für uns wichtig sind, die Muster, die es verwenden muss, um uns das Ergebnis zu geben Gleich werden wir verschiedene Situationen besprechen, in denen die Anwendung dieser Technik unglaublich hilfreich sein kann, und ich werde dir noch mehr praktische Anwendungen für deinen Alltag zeigen , egal ob privat oder vielleicht in deinem täglichen Job. wichtigsten Erkenntnisse für den Moment Technik der Eingabeaufforderung wird auch als kontextbezogenes Lernen bezeichnet Es geht darum, einem Modell einige Beispiele von Vorlagen zu geben einem Modell einige Beispiele von , die zeigen, wie die Aufgabe ausgeführt Was ist der Unterschied zwischen der Eingabeaufforderung „Zero Shot“, „ One Shot“ und „A Fee Shot Sie wissen es bereits, aber ich möchte zusammenfassen, was wir gerade gelernt haben , um sicherzustellen, dass es Ihnen länger im Gedächtnis bleibt und Sie genau wissen, worin der Unterschied besteht Lass uns gehen. Bei Zero Shot Prompting erledigt KI die Aufgabe, die wir erledigen wollten, ohne zusätzliche Schulung ohne Beispiele oder Vorlagen bereitzustellen , einfach so Prompt. Übersetzen Sie den folgenden englischen Text ins Japanische: unseren Text. Warum kann der Sommer das ganze Jahr dauern? Hier ist die Ausgabe von Cha GPT. Die Aufgabe war sehr einfach, sodass wir keine Beispiele oder Vorlagen hinzufügen mussten um JptY der Ausführung der von uns gewünschten Aufgabe zu unterstützen Wir haben die Zero Shot Prompting Technik verwendet, weil das Modell kein Beispiel benötigte, um eine so einfache Aufgabe auszuführen Ich kann Aufgaben wie diese verstehen und ausführen ohne explizite Beispiele für die gewünschten Methoden, Muster, Formate oder Vorlagen Es ist nur eine wirklich einfache Aufgabe, und wir haben nicht das Bedürfnis, weitere Details, Beispiele oder Vorlagen hinzuzufügen . Und wofür können wir die Zero Shot Prompting Technik sonst noch verwenden Eigentlich eine Menge Dinge. Einfache Dinge, bei denen die Beispiele oder Vorlagen einfach nicht benötigt werden. Und hier ist ein weiteres Beispiel , bei dem die Null-Shot-Aufforderung die beste Idee ist Die Aufforderung. Fassen Sie die Hauptidee Im folgenden Absatz geben wir CGPT den Text, den wir lesen wollten, und wir erhalten die Ausgabe Wir hatten keine gewünschte Vorlage oder spezielle Anforderungen Wir wollten CGPT geben. In diesen Beispielen erhält unser Modell klare Anweisungen, sehr einfache, klare Aufgaben ohne Beispiele oder Demonstrationen Die Aufgaben waren so einfach, dass das Modell sie verstehen kann. Und entsprechende Ergebnisse generieren , die höchstwahrscheinlich unseren Bedürfnissen entsprechen. Wie Sie jedoch bereits wissen, kann es sein, dass Sie mit einer Null-Shot-Aufforderung nicht immer genaue oder gewünschte Ergebnisse Fall ist die Eingabeaufforderung ein wesentlich effektiverer Ansatz, insbesondere bei komplizierteren Aufgaben, da das Modell durch Demonstrationen und Beispiele besser verstehen kann, was Sie diesem Fall ist die Eingabeaufforderung ein wesentlich effektiverer Ansatz, insbesondere bei komplizierteren Aufgaben, da das Modell durch Demonstrationen und Beispiele besser verstehen kann, was Sie wollen, und die Aufgabe dann genauer ausführen Wenn es also um das vorherige Beispiel mit Zusammenfassung geht , liegt es immer an Ihnen, und es hängt von einigen Faktoren ab, hauptsächlich davon, ob Sie spezielle Bedürfnisse haben oder nicht, und Sie können zwischen der Zero Shot Prompting Technik, One Shot Prompting oder Fe-Shot Prompting wählen . Es liegt immer an Ihnen. Versuchen Sie in Protip, die Ergebnisse selbst zu vergleichen und den Unterschied selbst zu sehen , denn das ist wirklich interessant Und ich denke, das ist ein wirklich interessantes Experiment, um festzustellen, wie sich die Ausgabe ändert, je nachdem, wie wir die Eingabeaufforderung ändern Also mach es. Wenn es um die Zusammenfassung von Text geht, kann Fusot Prompting tatsächlich auch sehr nützlich sein In diesem Fall kann diese Methode Ihre Textzusammenfassung verbessern, indem Beispiele oder gut zusammengefasste Inhalte bereitstellt, die Zusammenfassung , die Auf diese Weise kann KI aussagekräftigere Zusammenfassungen erstellen , die Ihren Beispielen sehr ähnlich One Shot Prompting handelt es sich also um ein einzelnes Beispiel oder eine einzelne Vorlage Das heißt, wenn Sie Ihrer Aufforderung ein Beispiel oder eine Vorlage hinzufügen , ist das eine kurze Technik, und wenn Sie nach dem Modell eine kurze Aufforderung verwenden , können Sie das ChargP t in die richtige Richtung bewegen, ChargP t in die richtige Richtung bewegen ohne es mit vielen Beispielen wie diesen zu überfordern Die Aufforderung. Übersetze die folgenden englischen Sätze ins Französische, Italienische und Japanische. Hier ist ein Beispiel und hier stellen wir die Vorlage zur Verfügung, die Formatierung, die wir erhalten möchten. Hier ist das Beispiel. Ich möchte Cappuccinos sein, und hier ist das Beispiel, dass Französisch die erste Sprache ist Italienisch ist die zweite Sprache und Japanisch ist die dritte Und da wir wissen, wie das Format aussehen soll, übersetze es jetzt. Füge bitte keinen Zucker hinzu. Und hier ist das Ergebnis, das wir bekommen haben. Wie Sie sehen können, ist die Formatierung dieselbe. Wie Sie in dieser Ausgabe sehen können, GPT die Vorlage erkannt, das Muster, das wir ihr zur Verfügung gestellt haben, und das Ergebnis hat bereits dieses richtige Muster, das gewünschte Auf diese Weise können wir Zeit sparen und die Ergebnisstruktur so gestalten, wie Sie sie benötigen Sie müssen es später nicht manuell tun. Anhand dieses einzigen Beispiels kann ich den Kern der Aufgabe unserer Aufforderung verstehen und dann die gewünschte Antwort generieren Und das ist unglaublich leistungsstark, denn es ermöglicht Ihnen, das Verhalten des Modells ganz einfach und ohne umfangreiche Schulung zu optimieren das Verhalten des Modells ganz einfach und ohne umfangreiche Schulung Nur ein Beispiel, zum Beispiel nur ein Beispiel mit dem Muster oder mit der Vorlage. Wann sollte man also die One Shot Prompting Technik verwenden? Bei einfachen, unkomplizierten Aufgaben bei Aufgaben, die relativ unkompliziert sind, kann eine Aufforderung mit einem Schuss ausreichen, um das KI-Modell effektiv zu steuern Vertraute Aufgaben für das Modell. Wenn Sie bereits wissen , dass die Aufgabe im Rahmen unseres KI-Modells liegt und sich bei sehr ähnlichen Aufgaben als erfolgreich erwiesen hat Eingabeaufforderung auf einmal bietet möglicherweise einen angemessenen Kontext für die Generierung von qualitativ hochwertigen Antworten, die Sie Eingabeaufforderung mit wenigen Schüssen müssen Sie einige Beispiele verwenden, z. B. zwei, drei, vier oder vielleicht sogar fünf Few Shot Prompting ist eine wirklich effektive Strategie , mit der KI so hochwertige, präzise und gut strukturierte Antworten generieren kann so hochwertige, präzise und gut strukturierte Antworten generieren , die genau so strukturiert sind, wie Sie es möchten Sie ist nützlich, wenn es um komplexere Aufgaben geht, bei denen die Bereitstellung einer Reihe von Beispielen dem Modell hilft, das gewünschte Ergebnis besser zu verstehen Diese Beispiele, auch Demos genannt, , wenn Sie den offiziellen Begriff kennen möchten ermöglichen es dem Modell, anhand einiger Beispiele aus einigen Fällen, die wir zur Verfügung gestellt haben, das Muster zu identifizieren und zu verallgemeinern Beispiele aus einigen Fällen, die wir zur Verfügung gestellt haben, das Muster einigen Fällen, die wir zur Verfügung gestellt haben Einfach so, sieh mal. Fragen Sie nach, geben Sie Ihnen ein Thema und Sie antworten mit einer Aufzählungsliste wie in diesen Beispielen. Thema. Hier stellen wir unsere Beispiele , die eine sehr gut sichtbare Struktur haben, und wir möchten, dass GPT anhand dieser Beispiele geschult wird Hier ist das Ergebnis, das wir später erhalten, wenn GPT die Beispiele, die wir gegeben haben, bereits analysiert hat. Wir haben es eingegeben Aus diesem Beispiel können Sie sehen, dass das Modell irgendwie lernt , die Aufgabe auszuführen, indem es ihm diese drei Beispiele zur Verfügung Indem wir diese interessanten Beispiele sorgfältig kuratieren, können wir das Modell in die richtige Richtung lenken Dann müssen wir die Ausgabe nicht modifizieren, die Ausgabe bereits generieren oder modifizieren, weil wir mit diesen Beispielen von Anfang an ein fantastisches Ergebnis erzielen können von Anfang an ein fantastisches Ergebnis erzielen . Also hier ist die wichtigste Erkenntnis. Verwenden Sie einige Ballproben, wenn ein einzelnes Beispiel für das Modell möglicherweise nicht ausreicht , um das Modell als Richtschnur zu verwenden, oder wenn Sie ein Muster oder einen Trend anhand einiger Beispiele demonstrieren möchten zu verwenden, oder wenn Sie ein Muster oder einen Trend anhand einiger Beispiele demonstrieren Und hier habe ich einen kleinen Vergleich vorbereitet. Sie können einen Screenshot davon machen, damit wir uns immer daran erinnern was der Unterschied zwischen diesen Aufforderungstechniken ist So wirst du dich an die größten Vorteile dieser Aufforderungstechniken erinnern die größten Vorteile dieser und das wird nicht, du wirst nicht vergessen, wenn dich jemand danach fragt Was ist die Technik der Few Shot Prompting? Du wirst wissen, wie man antwortet. Und ich denke, dieses Wissen ist nicht nur theoretisch gut. Es ist ein sehr praktisches Wissen. Auch wenn Sie vielleicht vergessen, dass es sich um eine sogenannte Fee-Shot Prompting Technik handelt, aber Sie müssen sich daran erinnern , wie Sie TGPT anhand einiger Beispiele zeigen können TGPT anhand einiger Beispiele , was Sie von TGPT erwarten Das ist die größte Macht, die du haben kannst. Auf diese Weise können Sie die Leistung ausgleichen und die gewünschten Ergebnisse viel schneller erzielen. Ich kann es also einfach nicht genug betonen. Es ist so mächtig. Lassen Sie uns zusammenfassen, wann Fußabfragen äußerst nützlich sein können Erstens: komplexe Aufgaben für Aufgaben und Eingabeaufforderungen, die ein tieferes Verständnis der Muster erfordern, oder wenn Sie sich mit weniger häufigen Themen befassen, helfen Ihnen wenige Eingabeaufforderungen indem sie dem Modell einige Beispiele liefern um die Struktur und den Kontext viel effektiver zu erlernen Dann ist es wirklich hilfreich bei weniger vertrauten Aufgaben für das Modell Die Aufgabe ist im Modell nicht gut abgedeckt , was die Daten belastet, oder das Modell hat Schwierigkeiten, anhand nur eines Beispiels genaue Antworten zu generieren . Sie werden sehen, dass ein paar Eingabeaufforderungen das Verständnis der KI für die Aufgabe verbessern und Sie werden viel bessere Ergebnisse erzielen Höhere Häufigkeitsanforderungen: Wenn Sie eine höhere Genauigkeit oder mehr kontextrelevante Antworten benötigen höhere Genauigkeit oder mehr kontextrelevante Antworten die Angabe von zwei oder vielleicht verbessert die Angabe von zwei oder vielleicht sogar bis zu fünf Beispielen die Leistung des Modells, indem das Muster und der Ton, der Schreibstil oder der Kontext hervorgehoben werden Leistung des Modells, indem das Muster und der Ton, der Schreibstil oder der Kontext hervorgehoben , der für die Aufgabe erforderlich ist. Möchten Sie einige Beispiele aus der Praxis sehen, um alles in der Praxis zu sehen ? Sicher. Los geht's. So wenige Eingabeaufforderungen können in diesen Fällen für diese Zwecke Ihr Game Changer Kreatives Schreiben und Generierung von Inhalten, weil wir Fico-Eingabeaufforderungen auf kreative Schreib- und Inhaltsgenerierungsaufgaben wie das Generieren von Geschichten, das Generieren von Artikeln, Aufsätzen und Marketingtexten anwenden können kreative Schreib- und Inhaltsgenerierungsaufgaben wie das Generieren von Geschichten, das Generieren von Artikeln, , indem Beispiele für den gewünschten Schreibstil, den gewünschten Ton und die gewünschte Struktur bereitstellen weil wir Fico-Eingabeaufforderungen auf kreative Schreib- und Inhaltsgenerierungsaufgaben wie das Generieren von Geschichten, das Generieren von Artikeln, Aufsätzen und Marketingtexten anwenden können, indem wir Beispiele für den gewünschten Schreibstil, den gewünschten Ton und die gewünschte Struktur bereitstellen. Als nächstes die vorlagenbasierte Inhaltsgenerierung, wenn Inhalte auf der Grundlage bestimmter Vorlagen wie Verträgen, Geschäftsberichten und Rechtsdokumenten generiert wie Verträgen, Geschäftsberichten Wenige Eingabeaufforderungen können dazu beitragen, dass das Modell Text generiert, diesem erforderlichen Format, dieser Struktur und Sprache entspricht Struktur und Sprache Ich gebe Beispiele für richtig formatierte Dokumente, damit das Modell bei Bedarf Inhalte generieren kann, die diesen etablierten Normen der jeweiligen Domäne entsprechen diesen etablierten Normen der bei Bedarf Inhalte generieren kann, die diesen etablierten Normen der jeweiligen Domäne Hier haben wir die Einzelheiten der Formatierung. Wir benötigen GPT, um aus den Beispielen zu lernen . Degeneration des Codes Sie können Fu Shot Prompting verwenden, um Aufgaben bei der Codegenerierung zu verbessern, indem Demonstrationen und gute Beispiele die gewünschte Ausgabe für eine bestimmte Ja, auf diese Weise kann das Modell auf der Grundlage des von Ihnen angegebenen Kontextes genaueren und effizienteren Code generieren genaueren und effizienteren Code auf der Grundlage des von Ihnen angegebenen Kontextes Dann können wir diese Methode für die Datenextraktion und Formatierung verwenden . Du weißt es schon. Bei Aufgaben, bei denen Informationen aus unstrukturiertem Text extrahiert und in einem strukturierten Format präsentiert werden müssen unstrukturiertem Text extrahiert und in einem strukturierten Format präsentiert werden Zum Beispiel in einem Format aus Tabellen, Listen oder Schlüsselwertpaaren Mithilfe von Fuse Prompting können Sie das Modell bei der Generierung der gewünschten Ausgabe unterstützen In diesen Beispielen hilft die formatierte Ausgabe dem Modell, die Struktur zu verstehen Es sollte für das Ergebnis gelten und gleichzeitig die relevanten Informationen aus dem Text extrahieren und organisieren relevanten Informationen aus dem Text Und wie Sie sehen können, sind ein paar Eingabeaufforderungen wirklich ein entscheidender Faktor. Lustiger Fakt Viele Leute, mit denen ich spreche, hatten nicht erwartet, dass Modelle wie Tajipi Ihnen mit dieser Technik sofort so fantastische Ergebnisse von hoher Qualität liefern können Ihnen mit dieser Technik sofort so fantastische Ergebnisse von hoher Qualität liefern mit dieser Technik sofort Ich bin also wirklich neugierig auf Ihre Meinung. Was hältst du von diesen Aufforderungstechniken? Welche, von der Sie bereits wissen, werden Sie am häufigsten verwenden. Lass es mich im Abschnitt Allgemein im Diskussionsbereich wissen . 14. Denkketten-Technik: Technik zur Anbahnung einer Unterrichtskette. Los geht's mit der letzten Technik für heute. Ist sie nützlich? Ja, das ist es, besonders für kompliziertere Aufgaben. Es ist wirklich gut, es zu wissen. Diese Methode ermutigt die KI , komplexe Probleme oder kompliziertere Aufgaben zu durchdenken , indem sie sie auffordert die Schritte aufzulisten, die sie unternommen hat , um die Antwort zu finden. Sie ist wirklich mächtig. Anstatt die KI beispielsweise direkt zu bitten, einen Blockbeitrag zu einem bestimmten Thema zu verfassen, können Sie zunächst eine Gliederung oder Aufzählung der wichtigsten Punkte anfordern eine Gliederung oder Aufzählung , die in den Beitrag aufgenommen werden sollen. Sobald die KI die Liste bereitgestellt hat, können Sie sie bitten, die Einführung gemäß der bereitgestellten Struktur zu verfassen . Dieser logische Schritt für Schritt wird dazu beitragen, kohärentere und besser organisierte Ergebnisse zu erzielen , und Sie werden von den Ergebnissen begeistert sein. Dies wird als Technik zur Anregung von Gedankenketten bezeichnet. Und bei dieser Technik der Eingabeaufforderung, wenn sie im Zusammenhang mit dem Schreiben von Proms für ein Sprachmodell wie GPT verwendet wird, geht es darum, schrittweise Komplexität oder Spezifität der Eingabeaufforderungen aufzubauen , um die Antworten des Modells zu steuern Okay, okay, lassen Sie mich diese Technik etwas verständlicher erklären diese Technik etwas verständlicher Stellen Sie sich die Technik der Gedankenkette wie das Bauen mit Legosteinen vor. Wenn du anfängst, etwas mit Ego zu bauen, springst du nicht sofort zur kompliziertesten Struktur. Sie verbinden zunächst einige grundlegende Blöcke und fügen dann immer mehr Blöcke um ein vollständiges Modell zu erstellen. Genauso gilt: Wenn Sie eine detaillierte oder sehr spezifische Antwort von einem Sprachmodell wie CG PT erhalten möchten eine detaillierte oder sehr spezifische Antwort von einem , beginnen Sie nicht sofort mit einer komplexen Frage Genau darum geht es bei dieser Aufforderungsmethode. Stattdessen können Sie Ihre Frage Schritt für Schritt erstellen mit jedem Schritt mehr Details und mehr Kontext hinzufügen Vertrauen Sie mir, das hilft dem Sprachmodell Ihrem Gedankengang zu folgen und Ihnen die Antwort, das Ergebnis zu geben , nach dem Sie suchen. Im Wesentlichen ist die Technik der Gedankenanregung so, ist die Technik der Gedankenanregung als würde man eine Informationstreppe konstruieren , die das Sprachmodell zu einer bestimmten Art von Reaktion führt , genauso wie Sie Schritt für Schritt ein Rechtsmodell aufbauen Und bei der Methode „ Chain-of-Fight-Prompting handelt es sich um eine Art von kurzen Aufforderungen, bei der die Aufforderung eine Reihe von Argumentationsschritten beinhaltet von Aber ich weiß, ich muss dir zeigen, wie diese Technik in der Praxis aussieht Im Kern geht es bei Chain of Fight-Prompting darum , ein I-Tool anzuleiten, ein umfangreiches Sprachmodell, mit dem Sie Schritt für Schritt denken können Schauen Sie, hier ist ein Beispiel diese Methode zur Lösung mathematischer Probleme Sehen Sie, wie wir die KI Schritt für Schritt leiten , um die Antwort, die endgültige Antwort, zu erhalten , ohne dabei den Überblick über die Schritte zu verlieren , die KI unternehmen musste Hier ist eine interessante Tatsache. So beschreiben sie diese Kette von Hochwasserauslösemethoden an der Cornell University Ich dachte nur, es wäre interessant für dich, also habe ich beschlossen, es hier hinzuzufügen Ich erkläre immer gerne alles in meiner eigenen Sprache mit meinen eigenen Worten, aber ich finde es auch toll zu entdecken, wie sehr, sehr weise Leute es in Worte fassen, zum Beispiel von Cornel So haben sie es gemacht. Hier ist der genaue Unterschied zwischen Standardaufforderung und einer missbräuchlichen Aufforderung Wie Sie in vielen Fällen, zum Beispiel bei der Lösung mathematischer Probleme, feststellen können , können wir nur dann das richtige, relevante und genaue Ergebnis erzielen, wenn können wir nur dann das richtige wir die Gedankenanregung verwenden Denn schauen Sie, W mit der Standardaufforderung, wir werden die falsche Antwort bekommen, weil TGPT diese Aktion einfach nicht in ein paar Schritte unterteilt, ein paar Schritte, die erforderlich sind , um Ihnen die richtige Antwort zu geben, und deshalb ist die Antwort der Chainel-Technik gut. Lassen Sie uns das nun anhand meiner Beispiele testen. Ich muss Ihnen sagen , dass wir die Chain-of-Thought-Methode auch für den zweiten Text verwenden können Chain-of-Thought-Methode auch für den zweiten Text verwenden , indem diese schrittweisen Anweisungen bereitstellen. So können Sie beispielsweise TGPT um eine Filmempfehlung bitten Das ist ein sehr lustiges Beispiel, aber ja. Auf diese Weise stellen Sie sicher , dass das Modell Ihren Geschmack und Ihre Vorlieben kennt und dass der gesamte Prozess wirklich sorgfältig durchgeführt wird. Nun ein anderes Beispiel. Die Standardaufforderung ohne eine Reihe von Techniken zur Meldung von Überschwemmungen klingt wie folgt Stell dir vor, du planst einen Roadtrip mit deinen Schwestern. Sie möchten die Gesamtkosten für den Treibstoff für die Reise berechnen . Die Entfernung zwischen Ihrem Startpunkt und Ziel beträgt 100 Meilen und durchschnittliche Kraftstoffeffizienz Ihres Autos beträgt 50 Meilen pro Gallone Der aktuelle Treibstoffpreis beträgt 450 pro Gallone. Berechnen Sie die geschätzten Gesamtkosten des Kraftstoffs für die Reise Das wäre die Standardaufforderung. So wird es klingen. Hier ist dieselbe Aufforderung, aber mit einer Technik, die zu einer Gedankenkette führt Stellen Sie sich vor, Sie spielen mit Ihrem System einen Rot-Trip und möchten die Gesamtanzahl der Kraftstoffcodes für die Fahrt berechnen der Kraftstoffcodes für die Fahrt Der erste Teil ist derselbe. Aber dann gib mir eine Antwort diesem Muster folgt. Erster Schritt. Um die gesamten Kraftstoffcodes zu berechnen, müssen wir die Gesamtzahl der für die Reise benötigten Gallonen Kraftstoff ermitteln der für die Reise benötigten Gallonen Kraftstoff Lassen Sie uns zunächst berechnen, wie viele Gallonen Kraftstoff benötigt werden, um die gesamte Strecke zurückzulegen Schritt teilen wir die Gesamtkilometerentfernung durch die zweiten Schritt teilen wir die Gesamtkilometerentfernung durch die durchschnittliche Kraftstoffeffizienz des Fahrzeugs in Meilen pro Gallone Da wir nicht den Bruchteil einer Gallone berechnen können, müssen wir auf die nächste ganze Zahl aufrunden Daher benötigt das Auto für die ungefähr Gallonen Kraftstoff gesamte Fahrt ungefähr Gallonen Kraftstoff. Dritter Schritt Als Nächstes multiplizieren wir die Gesamtzahl der Gallonen mit dem Preis pro Gallone, um die Gesamtkosten für Kraftstoff zu ermitteln Daher betragen die geschätzten Gesamtkraftstoffkosten für den Roadtrip Ich denke, das ist ein sehr gutes Beispiel One-Shot-Technik, gemischt mit dem Chainel-Gedanken Das ist ein sehr gutes Beispiel dafür, wie man ArGPT leitet, und es ist ein sehr gutes Beispiel dafür , wie man Chanel-Thought zum Beispiel bei mathematischen Problemen oder bei zufälligen Problemen einsetzt , wenn man zum Beispiel die richtige Antwort wissen möchte und sicherstellen möchte, dass GPT die Schritte versteht, die es unternehmen muss, um Ihnen die zu geben Wie Sie sehen können, handelt es sich bei der Chainel-Gedankenanregung um eine Technik , bei der komplexe Aufgaben in eine Reihe miteinander verbundener Fronten aufgeteilt werden. Und anstatt sich auf eine einzelne Ausgabe zu verlassen, wird der Modus durch eine Abfolge von Eingabeaufforderungen geführt , die sich verfeinern und aufeinander aufbauen Auf diese Weise kann das Modell Ihre Absicht besser verstehen und genauere und kontextrelevantere Ergebnisse liefern Im Gegensatz zur einfachen Eingabeaufforderung weist eine Gedankenkette das Modell an, Eingabeaufforderung weist eine Gedankenkette komplexe Probleme in kleinere Schritte zu zerlegen komplexe Probleme in kleinere Schritte zusammen mit der endgültigen Lösung zu Argumentation In dieser Hinsicht ist das großartig. Wir können mitmachen. Und sehen Sie, ob die Antwort korrekt ist. Auf diese Weise können wir auch besser verstehen, wie KI Dinge berechnet oder versteht, und wir können leicht erkennen, ob die Antwort richtig oder falsch ist , weil wir die Schritte verstehen Die Gedankenkette, die uns veranlasst, löst Probleme auf und gibt Ihnen besser interpretierbare Hier sind unsere wichtigsten Erkenntnisse aus diesem Kapitel über die Technik der Gedankenkette der Technik zur Anregung von Gedankenketten geht es darum das Modell Schritt für Schritt zum Denken anzuleiten Es löst einfach Probleme auf. Diese Technik hilft Ihnen dabei, besser interpretierbare Antworten zu erhalten , denn Sie das Modell durch eine Abfolge von Proms führen, erhöhen Sie lediglich die Wahrscheinlichkeit genaue und relevante Antworten zu erhalten 15. Wie erzielst du immer die besten Ergebnisse?: Wie immer. Erzielen Sie immer die besten Ergebnisse. Ja. Das ist das Wichtigste, denn ganz gleich, ob Sie die Technik „ Zero Shot“, „One Shot“, „Wenige Schüsse“ oder vielleicht eine Gedankenkette verwenden Technik „ Zero Shot“, „One Shot“, „Wenige Schüsse , es gibt ein paar Dinge, an die Sie denken müssen, um wie immer absolut hochwertige Antworten von KI zu erhalten die Sie denken müssen, um wie immer absolut hochwertige Antworten von KI Lassen Sie uns die wichtigsten besprechen, um all Ihre Eingabeaufforderungen zu verbessern und die besten Ergebnisse zu erzielen Definieren Sie Ihre Bedürfnisse. Ja, wenn Sie möchten, dass TPT oder anderes Modell kreatives Schreiben produziert , dann werden Sie weitaus beeindruckendere Ergebnisse erzielen ihm den entsprechenden Informationskontext geben In diesem Fall können Sie die Ausgabe verfeinern, indem Sie Informationen über den Verwendungszweck der Ausgabe und einige Details zu Ihrer Zielgruppe Definieren und beschreiben Sie also, wer Ihre Zielgruppe ist und worum Ihrem Unternehmen, Ihrer Marke , Ihrem Profil oder Ihrem Projekt geht. Seien Sie immer spezifisch. Anstatt beispielsweise nur Modeindustrie zu sagen, spezifizieren Sie nachhaltige Leinenwäsche Foman Heben Sie Ihre Alleinstellungsmerkmale hervor. Wenn Ihr Unternehmen oder Ihre persönliche Marke einen einzigartigen Aspekt hat , müssen Sie ihn erwähnen. Schreiben Sie zum Beispiel handgemachte Kekse, die ohne Zucker gebacken wurden, anstatt nur handgemachte Kekse oder nur Kekse. Fügen Sie Informationen über Ihre Zielgruppe hinzu. Wer wird die Ausgabe lesen? Sie können wichtige Informationen wie Demografie, Alter, Geschlecht, Wohnort, Beruf des Lesers, psychografische Merkmale, Interessen, Verhaltensweisen, Werte, Probleme und Bedürfnisse einbeziehen Demografie, Alter, Geschlecht, Wohnort, Beruf des Lesers, psychografische Merkmale, Interessen, Verhaltensweisen, Werte, Probleme und Bedürfnisse einbeziehen hervor, welche Probleme Ihr Produkt, Ihre Dienstleistung, Ihr Projekt, Ihr Blog für Ihre Zielgruppe löst Auf diese Weise wird CGPT in der Lage sein, Ihre Bedürfnisse besser zu verstehen und zu verstehen, was genau in der Ausgabe hervorgehoben wird, die es für Sie generiert Und das ist auch sehr wichtig, definieren Sie Ihre Social-Media-Plattform Schauen Sie, wenn Sie Inhalte für soziale Medien schreiben möchten, ist es wichtig, Informationen über Ihren Kommunikationskanal und die Aufforderung anzugeben Informationen über Ihren Kommunikationskanal und , da jede Social-Media-Plattform ihre eigenen Kriterien hat, die erfüllt werden müssen Zum Beispiel hat Twitter eine völlig andere Zeichenbeschränkung als Instagram und Beiträge auf Linked müssen einen völlig anderen Ton haben als der Beitrag, den Sie beispielsweise auf Instagram Fritz veröffentlichen möchten Das ist ein völlig anderes Format, völlig anderer Ton, ein völlig anderer Zweck Das müssen Sie in Ihrer Aufforderung erwähnen. Zum Beispiel so am Ende Ihrer Aufforderung. Sie können auch weitere benutzerdefinierte Anweisungen hinzufügen. Mir ist aufgefallen, dass das Hinzufügen dieser benutzerdefinierten Anweisungen Ihnen oft Hinzufügen dieser benutzerdefinierten Anweisungen Ihnen dabei hilft, eine bessere Antwortqualität zu erzielen. Was für benutzerdefinierte Anweisungen? Ich gebe dir meine Favoriten. Also experimentiere mit diesen. Seien Sie gut organisiert und verwenden Sie Wahlurnen, geben Sie detaillierte Erklärungen Ich fühle mich mit vielen detaillierten Details wohl, erkläre sie aber auf einfache Weise Zum Beispiel Lösungen, an die viele Menschen nicht denken würden. Diskutieren Sie nur dann über Sicherheit, wenn sie entscheidend und nicht offensichtlich ist. Wenn die Qualität Ihrer Antwort aufgrund meiner individuellen Anweisungen erheblich beeinträchtigt wurde , erläutern Sie bitte die Probleme. Diese benutzerdefinierten Anweisungen werden Ihnen helfen, in so vielen Fällen viel bessere Antworten von GPT zu erhalten in so vielen Fällen viel bessere Antworten von GPT Experimentieren Sie also mit diesen. Wirklich? Lassen Sie uns nun die besten Aufforderungsmethoden zusammenfassen Hab keine Angst vor Experimenten. Probieren Sie verschiedene Ansätze und Techniken aus, korrigieren Sie das Modell schrittweise und machen Sie jeweils kleine Schritte Bei zwei kurzen Ergebnissen bitten Sie um mehrere Vorschläge und bearbeiten Sie Ihre Aufforderung, bitten Sie um mehrere Vorschläge und um bessere Ergebnisse zu erzielen Bleiben Sie ergebnisorientiert und fragen Sie sich, welcher Technik ich mit welcher Technik ich in meinem Fall und bei meinem Problem die besten Ergebnisse erzielen kann. Stellen Sie sich diese Frage jedes Mal, und bei meinem Problem die besten Ergebnisse erzielen kann. Stellen Sie sich diese Frage jedes Mal damit Sie die beste Aufforderungstechnik verwenden können Geben Sie Beispiele an. Zeigen Sie nach Möglichkeit die Modellbeispiele , die Ihren gewünschten Ton oder die gewünschten Formate repräsentieren ? Wenn Zero Shot nicht funktioniert, versuchen Sie es mit der Aufforderung „Ein Schuss“ oder „Wenige Schüsse Denken Sie immer daran, dass gute Eingabeaufforderungen zu gezielteren, relevanteren und wünschenswerteren Ergebnissen führen gezielteren, relevanteren und wünschenswerteren Und nicht zuletzt sollten Sie klare Anweisungen geben, immer den relevanten Kontext einbeziehen und die Requisiten auf der Grundlage von Feedback und Bewertung iterieren und verfeinern Requisiten auf der Grundlage von Feedback 16. Ressourcen für Sie: Hallo, alle zusammen. Hier ist Kate aus der Zukunft. Das weiß ich. Die Reise ist echt. Wer wusste das? Vielleicht fällt Ihnen heute etwas anderes auf. Y, ich trage eine ganz andere Bluse als bei der Aufnahme der restlichen Autos. Warum? Nun, sagen wir einfach, dass meine Waschküche im Moment ein bisschen wie ein Kriegsgebiet ist. Aber ich verspreche, was besonders organisiert ist, sind die zusätzlichen Leckereien Ich habe für dich geschaffen. Also hier ist der Deal. Ich habe zwei Arbeitsmappen zusammengestellt , um Ihnen zu helfen, noch mehr aus dem Kurs herauszuholen Weil ich weiß, dass einige von Ihnen gerne alles geben, wenn es ums Lernen geht Und ehrlich gesagt bin ich genau bei dir. Ich wollte sichergehen, dass du alles hast, was du brauchst, um wirklich in die Fähigkeiten einzutauchen und sie zu üben, die wir behandelt haben, weil wir beide wissen, dass Lernen passiert, wenn man es tut. Das erste Arbeitsbuch ist also mein Geschenk an dich. Ein kleines Dankeschön, dass du Teil dieser Reise warst. Es enthält einige zusätzliche Beispiele und Zusammenfassungen dessen, was wir bisher im Kurs behandelt haben Stellen Sie sich das als Ergänzung zum Kurs vor , das Ihnen hilft, die wichtigsten Konzepte zu verstehen , und Ihnen Raum zum Üben bietet , denn seien wir real Je mehr Sie üben, desto besser werden Sie darin werden diese Aufforderungstechniken Laden Sie es also gleich dort im Bereich Ressourcen herunter. Aber warte. Es gibt noch mehr. Ich habe auch ein zweites Arbeitsbuch für diejenigen unter Ihnen erstellt , die sagen, okay, Kate, ich liebe den Kurs Aber ich will mehr. Ich möchte sehen, wie ich diese Aufforderungstechniken in meinem täglichen Leben wirklich einsetzen kann diese Aufforderungstechniken in meinem täglichen Leben wirklich einsetzen Sei es für mein kreatives Projekt, meine berufliche Arbeit oder einfach nur, um diese Gen-Idee zu überlisten Ich hatte es im Hinterkopf. Das zweite Arbeitsbuch ist also mit noch mehr praktischen Beispielen und Aufgaben gefüllt noch mehr praktischen Beispielen und Aufgaben Ich spreche von Zero Shot-, One Shot-, Shot - und Chainel-Gedankenrequisiten , die Ihnen sowohl in kreativen als auch in professionellen Umgebungen wirklich helfen können Ihnen sowohl in kreativen als auch in professionellen Umgebungen Es bietet alles, von Schreibanweisungen, die Ihnen beim Schreiben des Romans helfen sollen, den, über den Sie schon seit Ewigkeiten nachgedacht haben Schreibanweisungen, die Ihnen beim Schreiben des Romans helfen sollen, den, den Sie schon seit Ewigkeiten nachgedacht Zwei Ideen: Generation Fk , um Ihre persönliche Marke auszubauen oder Ihr Unternehmen wie ein Chef Im Grunde ist es also der Leitfaden „Lass uns das auf die nächste Ebene bringen “ auf den Punkt gebracht Und obwohl dieser bezahlt ist, habe ich dafür gesorgt, dass er sehr erschwinglich bleibt , weil ich möchte, dass Sie Zugang zu all diesen praktischen Leckereien haben , ohne das Budget zu sprengen Egal, ob Sie sich die kostenlose Arbeitsmappe schnappen , um das, was Sie gerade gelernt haben, zu vertiefen, sind Sie bereit, in der kostenpflichtigen Arbeitsmappe noch mehr Beispiele zu finden, und damit in der Praxis, ich habe alles für und damit in der Praxis, ich habe Ich freue mich sehr, dass Sie diese Arbeitsmappen nutzen, weil ich weiß, wie mächtig es sein kann, das Gelernte anzuwenden , besonders wenn es um etwas so Dynamisches geht , wie ob Sie hier sind, um Ihr kreatives Schreiben zu fördern, Ihre Online-Präsenz auszubauen oder einfach nur Ihr professionelles Spiel zu verbessern, diese Proms werden Ihnen helfen, dieses Ziel zu erreichen. 17. Endgültige Worte und meine Frage an dich: Letzte Worte. Die Fähigkeiten von Tach PT und anderen großen Sprachmodellen werden nur noch erweitert Aber die goldenen Grundlagen werden immer dieselben bleiben. Zögern Sie also nicht, bei Bedarf mit diesen Techniken zu experimentieren Und ich muss sagen, ich bin so stolz darauf, dass du diesen Kurs abgeschlossen hast. Gute Arbeit für uns beide. Ich hoffe wirklich, dass Sie die Techniken, über die wir gesprochen haben, umsetzen werden. Und dank ihnen werden Sie Ihre Prozesse und Ihr Privat- und Geschäftsleben verbessern. natürlich auch nicht, Zögern Sie natürlich auch nicht, Fragen zu stellen, wenn Sie welche haben. Jede Frage ist mehr als willkommen. Wenn Sie also Fragen oder Kommentare haben , teilen Sie uns Ihr Feedback mit, teilen Sie Ihre Fragen mit und stellen Sie mir Ihre Frage im Diskussionsbereich. Das ist der Grund. Deshalb ist es hier. Und wenn dir der Kurs gefällt und du mich sehr glücklich machen willst, rezensiere den Kurs bitte und poste deine Meinung zu dem Kurs im Bewertungsbereich. Wenn du keine Zeit hast, kann es nur ein Satz sein. Ich habe zum Beispiel dies und das genossen. Ich denke, das Kapitel war das interessanteste. Warum sind Rezensionen für mich so wichtig? Denn auf diese Weise kann ich dank Ihnen mehr Menschen erreichen, die möglicherweise meine Hilfe benötigen und die meinen Kurs benötigen könnten. Je mehr Bewertungen der Kurs hat, desto besser wird er wahrgenommen. Bitte sagen Sie mir auch, was Sie in den nächsten Kursen mehr oder vielleicht weniger sehen möchten ? Oder vielleicht gibt es einige Themen oder Techniken, die Sie unbedingt lernen möchten. Lass es mich wissen, ich kann es kaum erwarten, von dir zu hören. Also wir sehen uns dort und wir sehen uns im nächsten.