Ingénierie de prompts pratique : rédiger des prompts qui fonctionnent réellement

1. Intro: Et bienvenue dans mon cours d' initiation à l'IA. Dans ce cours, je vais donc partager avec vous meilleurs conseils sur l' IA que j'ai appris au cours de centaines d'heures passées à expérimenter, à essayer, suivre des cours proposés par certains des principaux fournisseurs, tous résumés dans ce cours ici, tout dans le but de tirer le meilleur parti des derniers modèles linguistiques plus étendus disponibles actuellement J'ai donc étudié beaucoup de choses, de sorte que vous n'avez pas à suivre des cours complets proposés par des fournisseurs tels que Google, Open AI, Anthropic J'ai donc parcouru de nombreuses vidéos YouTube, podcasts, articles, et j'ai essentiellement rassemblé tous les meilleurs éléments dans ce cours Vous n'avez donc pas à suivre tout le processus que j'ai suivi, en termes de ce qui fonctionne, de ce qui fonctionne, en pratique et de ce qui ne fonctionne pas. Je m'appelle Hans, créateur de contenu, investisseur immobilier et ancien ingénieur Et comme beaucoup de gens, j'utilise un langage plus large chaque jour, dans tous les domaines de ma vie. Et il n'est pas exagéré de dire qu' il s'agit d'une révolution que nous voyons sous nos yeux La plupart d'entre nous utilisons donc de grands modèles linguistiques chaque jour, qu'il s'agisse de Gemini , JAPT ou Claude, mais très peu d'entre nous s'arrêtent pour réfléchir à importance réelle de cette invention et à la mesure dans laquelle elle change notre vie Quand on y pense dans le contexte de l'histoire. Donc, pour mettre les choses en perspective, si nous examinons certains des acteurs les plus importants de l' histoire en termes de technologie et le temps qu'il leur a fallu pour atteindre 1 million d'utilisateurs actifs, nous constatons que Netflix a mis 3,5 mois pour atteindre 1 million d'utilisateurs C'est un exploit impressionnant en soi. Facebook, lorsqu'il a été lancé, a pris dix mois. Vous savez, obtenir 1 million d'utilisateurs actifs sur n'importe quelle plateforme est un véritable exploit. Et qu'en est-il de ChatGPT lors de son lancement ? Il l'a fait en seulement cinq jours. Et c'est encore plus fou si l'on considère les délais nécessaires aux entreprises pour atteindre 100 millions d'utilisateurs actifs, ce que seules quelques élites sélectionnées par une partie des entreprises technologiques pour un tel nombre d'utilisateurs actifs Et ChatGPT a atteint ce cap en seulement 2,5 mois. C'est complètement ridicule de voir à quel point cela change la vie de tout le monde. Et il est probable que cela continuera de l'être à l'avenir. Dems Habies, le fondateur de Google Deep Mind AI, affirme donc qu'il s'agit de l'une des batailles les plus féroces histoire de la technologie Et je suis tout à fait d'accord avec lui. Cette technologie a des implications d'une telle portée, et elle change pratiquement tous les secteurs d'activité. Rien n'est épargné par cela. Et même si presque tout le monde utilise l'IA de nos jours, très peu de gens s'arrêtent pour réfléchir à la meilleure façon de tirer le meilleur parti de ce à la meilleure façon de tirer le vaste modèle linguistique, tant de potentiel inexploité est tel que les gens ne l'utilisent pas correctement ou n'appliquent pas les meilleures pratiques Et je suis sûr que la capacité de vraiment comprendre les grands modèles linguistiques et d'en tirer le meilleur parti par rapport aux autres sera une compétence vraiment essentielle au cours des cinq prochaines années à venir. Et cela vous donnera vraiment une longueur d' avance, car après tout, si vous regardez l'interface utilisateur d'un modèle d' IA LLM moyen, cela ressemble essentiellement à une recherche mais en dessous du capot, ce n'est même pas la même chose. Ce sont des choses très, très différentes, mais la plupart des gens les utilisent toujours comme un moteur de recherche glorifié À la fin de ce cours, je suis sûr que vous aurez amélioré votre jeu d'incitation Que vous n'ayez jamais étudié quoi que ce soit concernant les suggestions ou que vous ayez lu des articles et des conseils, je suis sûr que vous serez tous en concernant les suggestions ou que vous ayez articles et des conseils, mesure de vous sortir et de choisir quelque chose que vous pourrez utiliser dans votre vie de tous les jours Et non seulement les derniers trucs et astuces, mais je vais vous donner un cadre de réflexion, une philosophie sur la façon d'être un bon ingénieur rapide, car bon nombre des trucs et astuces que j'ai appris il y a deux ou trois ans sont déjà dépassés, comme le rythme de l'IA. Mais être capable de penser à partir de principes de base, la façon d'appliquer ces techniques aura des applications à l' avenir. Et ce qui est intéressant à propos de ce cours, c'est que même s' il porte spécifiquement sur les LLM en IA, nombre des compétences que vous apprendrez ici auront des applications de grande envergure dans tous les domaines de la vie, car ce que nous enseignons ici limite pas à la manière de stimuler l'IA Il s'agit de décomposer une logique problématique , de communiquer très clairement. Je suis donc sûr que vous allez certainement choisir quelque chose, et je suis très heureuse de partager certains de mes meilleurs conseils avec vous. Je te vois de l'autre côté. 2. Bienvenue + Projet de cours: Bienvenue à bord. Je suis vraiment heureuse de vous avoir dans ce cours ici. Nous allons donc passer par beaucoup de choses dans ce cours. Et la façon dont je l'ai conçu est que tout est censé être super pratique parce je crois que c'est la meilleure façon d'apprendre, pas en restant assis ici et en se contentant d'assimiler les choses passivement Mais en l'emportant, en essayant tout vous-même, pour vous aider à vraiment l' intérioriser, à expérimenter et à voir ce qui vous convient personnellement Donc, juste pour vous donner un bref aperçu de ce cours, nous allons vous expliquer dès le début comment les LLM fonctionnent à haut niveau, sous le capot. Cela vous donne donc un peu de recul et vous donne également quelles peuvent être certaines des limites. Et une fois que nous aurons acquis quelques bases, nous passerons en revue les fondements d'un bon prompt Nous aurons donc une structure de base que vous suivrez essentiellement à chaque invite Ce sera donc notre base de pain et de beurre, puis quelque chose sur lequel vous pourrez vous appuyer avec les techniques les plus avancées. Nous verrons comment vous pouvez au mieux faire l'IA adapte les réponses à vos besoins personnels. Certaines des plus grandes idées fausses et erreurs que les gens commettent lors de l'utilisation des LLM Ensuite, nous examinerons certains des sujets les plus avancés. Ceci est donc basé sur les derniers conseils des ingénieurs en intelligence artificielle qui travaillent dans ces grandes entreprises de mannequins. sujets tels que les instructions personnalisées, le peu d'instructions d'achat, l' utilisation du LLM pour améliorer ses propres réponses et la façon d'itérer vos propres instructions. C'est donc beaucoup d'informations. Je vais te le lancer. Et au fur et à mesure que vous le parcourez, il n' y a pas de meilleur moyen de l'internaliser élaborant un projet de classe pratique dans lequel vous pouvez utiliser immédiatement vos nouvelles connaissances, sans les laisser rester dans votre tête, vous pensez les comprendre , puis vous êtes passé à autre chose les laisser rester dans votre tête, vous pensez les comprendre , puis vous êtes et les choses s'estompent. C'est la philosophie que nous adoptons pour apprendre ici. De plus, si vous essayez continuellement des choses au fur et à mesure, vous risquez beaucoup moins d'être submergé par la charge d'informations qui vous aident à les digérer. Le projet de classe me tient donc particulièrement à cœur en tant que créatrice de contenu. Le projet consiste donc à créer votre propre invite de création de contenu Sea Pilot. En termes de plateforme, cela n'a pas vraiment d'importance. Il peut donc s'agir d' une chaîne YouTube, une newsletter, d' Instagram, qui ne se soucie pas trop de la plateforme exacte. Ce que je veux que vous soyez capable de faire , c'est que d'ici la fin de ce cours, vous utilisiez l'IA pour définir votre créneau et également pour rédiger cinq contenus parfaitement adaptés à vos besoins. Donc, s'il s'agit de YouTube, il y aura cinq scripts vidéo utilisables dans votre créneau spécifique, hautement personnalisés. un petit aperçu, vous allez apprendre à créer des instructions en utilisant le cadre du contexte, de tâche et du ton, chaque invite suivant cette structure, avec l'IA de telle sorte que vous puissiez éliminer toutes les hypothèses, ce qui, par inadvertance, réduit également le niveau d'hallucinations pour obtenir exactement ce que vous voulez suivant cette structure, avec l'IA de telle sorte que vous puissiez éliminer toutes les hypothèses, ce qui, par inadvertance, réduit également le niveau d'hallucinations pour obtenir exactement ce que Et vous pouvez vous donner des informations très spécifiques sur la tâche à accomplir. Par exemple, dans le projet de classe, déterminez qui est votre public, quel est votre créneau. Ainsi, lorsqu'il s'agira de générer le contenu, il ne s'agira pas simplement d'un script très générique que n'importe qui aurait pu écrire. Donc, l'une des meilleures façons d'utiliser l' IA en tant que créatrice de contenu, en plus de lui demander d'effectuer des tâches, est de partager des idées. Donc, un sujet intéressant que j' entends beaucoup de gens aborder avec l'IA est savoir quand remplacera-t-elle les humains ? Qu'est-ce qu'il peut faire que les humains ne peuvent pas faire ? Et j'ai l'impression que cette conversation passe souvent à côté de l'essentiel. Cela me rappelle donc cette interview de Steve Jobs que j'ai entendue il y a des années, laquelle il comparait l'efficacité énergétique de la locomotion, en gros, l'efficacité énergétique de nombreux animaux du règne animal à un kilomètre par unité de poids corporel C'est donc normalisé par unité de poids corporel, et il y a beaucoup de choses là-dedans Il y a des chevaux, des souris, des humains, plein de choses. Et si vous regardez où en sont les humains considère l'efficacité énergétique d'un kilomètre à pied, les humains s'en sortent assez bien, mais pas les meilleurs. Il existe d'autres animaux qui se déplacent plus efficacement que nous. Par exemple, lorsque vous corrigez le poids corporel, les chevaux ou les saumons se déplacent bien plus efficacement que nous. Cependant, si vous prenez cet humain et que vous le mettez sur un vélo, ce niveau d'efficacité monte en flèche et rien ne s' en rapproche dans l'ensemble du règne animal Et j'ai l'impression que l'IA est un peu comme ça, mais, vous savez, poussée à l'extrême Donc, au lieu d'un vélo, c'est comme une fusée. Où cela vous permettra de faire des choses que vous n' auriez jamais imaginées possibles sans elle. Mais cela ouvre de nombreuses possibilités. Mais qu'il s'agisse d'un vélo ou d'une fusée, il faut tout de même un humain pour le conduire. Il faut toujours cette intuition humaine pour le piloter. Sinon, il vous emmènera simplement quelque part où vous ne savez pas où il va. Donc, la première chose que je veux que vous fassiez est simplement d'essayer le projet en utilisant les techniques que vous connaissez déjà ou la façon dont vous utilisez l'IA à l'heure actuelle. Alors demandez-vous de nous aider à définir votre créneau, demandez-lui de vous écrire cinq contenus une fois que vous l'avez fait, et nous les enregistrons simplement dans un éditeur de texte, Google Docs n'a pas d'importance. Mais tant que vous l'avez enregistré, et le but du cours, c'est que nous allons le parcourir. Nous allons continuer à essayer ces différentes techniques, et d'ici la fin, je voudrais comparer vos résultats à la fin à ceux que vous avez obtenus au début pour voir quelles sont les différences par vous-même. Bien, maintenant allons-y vraiment 3. Comment les LLM fonctionnent et leurs limites: Beaucoup de gens appellent donc des outils tels que Gemini, HaTipt Claude simplement AI, ce qui est techniquement vrai, ce qui est techniquement vrai, mais il existe des applications très spécifiques de l'IA appelées grands modèles linguistiques ou LLM C'est une distinction très importante à établir, car elle nous aide à mieux comprendre ce qui se passe sous le capot , à comprendre en quoi il est fort et quelles sont ses limites nous espérons pouvoir Imaginons donc qu' un assistant intelligent ait été artificiellement coupé et que son travail consiste à attribuer des probabilités afin de prédire quel est le prochain mot le plus probable ou le jeton le plus probable L'idée est de lui poser une question, et son travail consiste à trouver la réponse plausible la plus probable Étant donné cette question, une fois que vous lui avez posé une question, il a une matrice de toutes sortes de mots différents, il attribuera des probabilités à chacun de ces mots, et il élaborera votre réponse petit à petit partir de ces matrices de probabilité Maintenant, ce qu'il ne fait pas , c' est qu'il n'entre pas dans une base de données et qu'il fait ressortir un ensemble prédéfini de réponses à certaines questions, et qu'il fait ressortir un ensemble prédéfini de réponses car cela ne le donnerait pas du tout à l' air très naturel et ne serait pas adapté à vos besoins C'est ainsi que vous obtenez des réponses différentes, même en modifiant très légèrement les instructions que vous leur donnez Ainsi, même si vous aviez accès à cette matrice et que vous pouviez voir toutes les probabilités, vous ne pouviez toujours pas, avec une certitude absolue, prédire ce qu'elle produirait Et pour générer ces matrices et attribuer ces probabilités, il s' entraîne sur d' énormes quantités de données Ainsi, par exemple, si vous regardez Gemini 3.1, qui est le dernier modèle Gemini au moment du tournage, pour qu'un humain puisse lire toutes les données d' entraînement qu'il a reçues, s'il lisait 24 heures sur 24, 7 jours sur 7, il faudrait plus de 10 000 ans pour lire toutes ces données d' entraînement Il est donc insensé de former un LLM moderne. Mais ces LLM vraiment avancés, tels que nous les connaissons, n' existent que récemment La technologie sous-jacente est en fait très ancienne. Les tout premiers grands modèles linguistiques basés sur des règles existaient en fait dans les années 1960. Et dans les années 1990, il est passé à un modèle statistique de prédiction de texte, qui est un peu plus similaire à ce que nous avons aujourd'hui. Mais sachez exactement ce que nous considérons aujourd'hui comme de grands modèles linguistiques. Vous savez, pensez aux modèles de prédiction de texte dans votre textap ou votre Gmail, des trucs comme ça Et, vous savez, lorsque vous tapez quelques mots et qu'il essaie de terminer votre phrase, ce genre de choses. Une véritable avancée s'est produite en 2017 lorsque Google a inventé le transformateur, mots peuvent être interprétés en parallèle, ce qui lui a permis de comprendre le contexte et donner des réponses incroyablement personnalisées Et cela vous donne l'impression qu' il comprend presque ce que vous pensez. Alors, qu'est-ce que tout ce contexte signifie pour nous dans la pratique ? Eh bien, maintenant que nous avons un aperçu très approximatif de ce qui se passe en arrière-plan, nous pouvons comprendre certaines choses en termes de limites : vous savez, si cela ressemble à cela et qu'il imite très bien ce que vous pensez, il ne comprend pas réellement ce que vous Tout ce qu'il fait, c'est prendre vos informations et prédire ce qui pourrait être une réponse plausible Il ne s'agit que d'un moteur prédictif. J'utilise donc l'analogie entre le vélo ou la fusée de l'esprit, et cela s'applique en quelque sorte ici. En gros, il s'en fout ou il ne sait pas où vous allez. Tu sais, il a la capacité d'aller vraiment très vite. Mais il ne sait pas où il va ni pourquoi. C'est pourquoi il a besoin d'un conducteur humain pour le diriger. De plus, l'un des plus gros problèmes de ces LLM basés sur l'IA, maintenant que nous les connaissons leur objectif principal est de vous donner la réponse la plus plausible, compte tenu du contexte dans lequel vous l'avez fournie Cela signifie que, d'un autre côté, lorsque vous ne lui donnez pas suffisamment d'informations, il essaiera toujours de générer et parce qu'il essaie simplement de faire le meilleur travail possible avec ce qu' il a pour fournir une réponse plausible. Sur la base de sa matrice de probabilité. Donnons simplement un exemple d'un LLM par rapport à un assistant humain pour une tâche assez simple Voici donc l'invite. Écrivez un e-mail à mon patron pour demander une prolongation de la date limite du projet. Et si vous regardez la réponse, elle est plutôt polie et plausible. Mais si vous le lisez vraiment, il manque énormément de choses, et cela prend beaucoup de libertés en termes de choses qu'il ne fait que supposer. Ce n'est peut-être pas vrai. Ainsi, par exemple, il est écrit : « J'ai déjà terminé, mais où l'ai-je dit » ? Je ne le lui ai pas dit de toute façon. C'est en quelque sorte supposé. Donc, si ce n'est pas vrai, que vous lui avez aveuglément fait confiance et que vous avez utilisé cet e-mail, cela pourrait vous causer des problèmes Eh bien, pour ce qui est des tâches restantes, nous ne leur avons pas dit qu' il en restait encore. Il se peut donc que ce ne soit pas le cas. Cela repose sur une autre hypothèse. Donc, même si cet e-mail est un peu petit, il est juste plein de suppositions. Chose. Alors, contraste-le avec toi-même. Disons simplement que vous êtes un assistant humain, c'est votre premier jour de travail et votre patron vous confie une tâche similaire comme celle-ci. Vous ne vous contenteriez pas de le faire en faisant un tas de suppositions. Vous viendriez et posiez de nombreuses questions de clarification Par exemple, si c'est votre premier jour travail et que vous ne savez rien, au lieu de partir et d'écrire un e-mail, vous demanderiez à votre patron, eh bien, vous savez, à quoi sert ce projet ? Quelles sont les conséquences d'un retard ? Cela a-t-il un impact sur d'autres choses, sur son urgence et sur tout un tas d'autres éléments qui vous permettent de mener à bien la tâche dans le contexte ? Mais si nous nous contentons de suivre les résultats bruts de l'IA, cela nous obligerait à faire beaucoup de travail supplémentaire. Cela gâcherait en quelque sorte les choses. L'autre limite de ces LLM s'appelle donc le piège de la syncophanie Et cela signifie simplement que l'IA a tendance à être d'accord avec tout ce que vous dites ou à refléter ce que vous dites. Vous indiquez vos préférences, il est très peu probable que vous ne soyez pas d'accord avec vous. Et encore une fois, si nous revenons à la façon dont l'IA est entraînée, raison pour laquelle elle le fait devient beaucoup plus évidente car elle est entraînée sur une énorme quantité de données. Il fournit un résultat, et il reçoit des informations indiquant si les humains aiment ou n'aiment pas ses réponses Et nous sommes beaucoup plus susceptibles d' aimer les réponses qui d'accord avec nous et qui confirment que quelqu'un qui n'est pas d'accord avec nous et qui nous donne un amour dur La façon dont ces LLM sont entraînés par nature est donc syncophantique, ce que nous ne voulons pas vraiment pour de nombreuses applications, et ce n'est pas un comportement souhaitable Nous devons donc garder cela à l'esprit et utiliser quelques techniques pour surmonter cela, que nous aborderons plus tard dans le cours. vrai, c'est un peu de contexte et certaines des limites de l'IA. Maintenant que nous le savons, passons à la leçon suivante où nous examinons la structure de base de ce qui constitue un bien. 4. Tâche, contexte, ton et organisation: Bien, dans cette leçon, nous allons construire la structure de base de notre invite, laquelle tout sera basé à l'avenir sera basé à l' C'est le pain et le beurre de toute cette classe. Et chaque invite à l' avenir doit suivre cette structure de contexte, de ton et de tâche. Donc, en commençant par le contexte, comme dans le dernier exemple que nous avons vu, nous lui avons littéralement confié une tâche à accomplir sans lui donner aucun contexte. Et le problème, comme vous l'avez vu, c'est que cela suppose beaucoup de choses, qu'il ne fera pas du tout un très bon travail, et que cela ne nous a pas été utile en termes de p. Et d'une certaine manière, même si ce n'était pas vraiment ce que vous vouliez dire, ce qu' il a fait est logique parce qu'il a simplement suivi vos instructions. Il a juste écrit un e-mail avec ce que vous lui avez donné avec un contexte. Nous devons donc commencer chaque demande un contexte : la situation, toutes les informations clés dont elle a besoin, tous les antécédents. Donc, dans le dernier exemple, où nous ne lui donnons aucun contexte, sorte qu'il comble les lacunes seul, nous ne pouvons pas le laisser faire cela. Donc, si nous revenons à l'Eaton où nous demandons une prolongation du délai, une meilleure invite contextuelle pourrait être quelque chose comme, vous savez, je travaille sur un projet d'ingénierie J'ai été chargé de faire un rapport de faisabilité des coûts. Cependant, cela a été retardé d'une semaine car me manque des informations sur les principaux fournisseurs. Ils ont eu des problèmes de chaîne d'approvisionnement et nous voulons être en mesure de recevoir les devis à temps. Par conséquent, j'ai besoin d'une prolongation du délai d'une semaine, ce qui ne devrait pas avoir d'impact sur l'ensemble du projet. Et instantanément, vous obtenez une bien meilleure réponse sans avoir à modifier la tâche ou d'autres instructions simplement en lui donnant plus d'informations au début C'est donc le contexte. Le suivant est le ton. ton est, semble-t-il, la façon dont vous voulez que réponse soit totalement juste. Avec ces LLM prêts à l'emploi, leur tonalité par défaut est en fait très bonne et a une large application car, par défaut, ils sont conçus sur un ton convivial et utile, qui s'applique à de nombreux endroits Mais parfois, vous voudrez peut-être qu'il réponde aux choses d'une manière plus précise, c'est ce que vous lui demanderiez. Il existe donc plusieurs approches que vous pouvez adopter. La première consiste donc à lui indiquer le public cible, afin qu'il puisse s'adapter en fonction de la langue qu'il utilise pour ses résultats. Alors imaginez si vous êtes instituteur, au lieu de simplement dire, écrivez-moi un plan de cours pour Henry Dis-moi, peux-tu m'écrire un plan de cours amusant mais éducatif ? C'est interactif. Il s'agit de la vie d'Henry VIII pour un groupe d'étudiants de cinquième année. Maintenant, il sait à qui sont destinées ses réponses, et il va le modifier en conséquence Un autre outil vraiment puissant pour l'IA est donc de lui indiquer une situation et lui donner le rôle qu' elle doit jouer. C'est en fait un point très intéressant, et c'est un point sur lequel nous reviendrons plus tard dans le cours, car c'est un conseil que j'ai appris il y a un certain temps de donner un rôle à l'IA. J'utilise ce conseil depuis très, très longtemps, mais le tout dernier appareil semble avoir légèrement modifié ce conseil, que nous allons approfondir un peu plus car il y a quelques nuances dans la façon dont vous l' Donc, pour l'instant, disons que si je pose une question à l'IA, demandez-lui d'y répondre en lui attribuant un certain rôle Ainsi, par exemple, j' aime beaucoup utiliser l' IA comme compagnon de lecture. Disons que si je lis un livre de physique et que je tombe sur un sujet vraiment compliqué, disons, s'il s'agit de l' interprétation de nombreux mots de la physique quantique ou quelque chose comme ça, je vais y aller aujourd'hui et dire, vous savez, répondre à la manière d' un professeur de physique de haut niveau et m' expliquer en termes simples Et puis vous remarquez immédiatement une différence dans la façon dont il répond en lui donnant simplement ce personnage au lieu de simplement lui demander de répondre de la manière par défaut Et enfin, bien sûr, c'est la tâche. La tâche est donc quelque chose que vous pouvez influencer de manière importante sur le résultat en apportant simplement quelques modifications et en précisant exactement ce que vous lui demandez de faire Donc, il s' agit vraiment d' être précis, d' évaluer, d'itérer Ainsi, en utilisant l'exemple de la documentation officielle de Google, au lieu de dire quelque chose comme écrivez sur le changement climatique », vous voulez dire, rédigez un essai convaincant plaidant en faveur la mise en œuvre de réglementations plus strictes d'émissions de carbone Donc, en gros, plus vous donnez d'informations et plus vous êtes précis, mieux c'est. Et maintenant, je ne vais pas toujours être très évident pour ce qui est de ce qui vous manque. C'est pourquoi vous examinez le résultat, puis vous modifiez continuellement votre entrée pour obtenir la meilleure réponse possible Maintenant, un autre petit conseil supplémentaire lorsque vous donnez instructions à une IA en termes de réalisation d'une tâche. Parfois, au lieu de simplement lui dire de faire quelque chose, il peut être très utile de lui dire pourquoi il le fait, car la plupart du temps, si vous lui expliquez pourquoi il le fait et de mieux comprendre le contexte dans lequel il accomplit une tâche, même si vous avez oublié certaines choses, il peut vous y demander. Par exemple, si vous écrivez du code ou un texte pour quelque chose, par exemple, n'utilisez aucune ellipse dans votre réponse de sortie, qui pourrait techniquement fonctionner Une meilleure réponse serait quelque chose comme si votre réponse serait lue à haute voix. Par un texto speech. N'utilisez donc jamais d' ellipses car la synthèse vocale ne peut pas les prononcer. Donc, une fois que vous lui avez donné ce contexte, peut-être que si vous mettez d'autres caractères qui ne sont pas liés aux ellipses, parce qu'il sait qu'il produit une synthèse vocale, il le signale Voilà donc le cadre, le contexte, tâche, le ton comme point de départ. Donc, avant de passer à autre chose, il s'agit vraiment de comprendre ce qu' il faut il s'agit vraiment de comprendre ce qu' penser pour vraiment créer une bonne ingénierie rapide. Donc, la plupart du temps, les gens entendent le terme «   ingénierie rapide », puis ils s'en moquent parce que cela ne semble pas si compliqué que Vous tapez simplement dans une zone de texte, et vous avez juste besoin de bien écrire Eh bien, ce n'est pas aussi simple que ça. Il y a beaucoup de très bons rédacteurs qui ne sont pas doués pour l'ingénierie rapide. Il s'agit d'un processus de réflexion très spécifique permet de définir un problème et de définir les étapes à suivre pour le résoudre et le répéter. Donc, pour en revenir à cet exemple d'assistant vraiment enthousiaste, imaginez que si vous parliez à un assistant humain, vous voudriez lui donner le plus d'informations possible pour qu'il fasse la meilleure tâche possible. Plus vous omettez d'informations, tout en vous attendant à ce que votre assistant fasse la tâche, cela l'oblige simplement à faire d'autres suppositions, ce qui est exactement le cas avec l'IA. Il s'agit donc d'énoncer les choses très clairement, d'avoir une communication bien définie et de comprendre la tâche. La règle est donc de se rappeler de ne jamais confier à l'IA une tâche qu'un humain très compétent ne pourrait pas accomplir. 5. Règle d'honnêteté et personnalité: Maintenant, cette leçon porte spécifiquement sur le point que nous avons mentionné dans la leçon précédente en termes de donner à l'IA un rôle fictif susceptible influencer les réponses de sortie qu'elle vous donne. Maintenant, nous avons parlé du ton et du fait que l'IA puisse répondre d'une manière qui vous soit plus utile. Parce que traditionnellement, lorsque j'ai ce conseil pour la première fois, je pense, deux ou même trois ans, il s'agit toujours de tromper l'IA, vous savez, lui dire de jouer un certain rôle, lui donner une situation fictive, afin qu'elle réponde d'une manière différente de ce qu'elle fait normalement. Maintenant, le principe principal de cette astuce était presque de l' inciter à être moins paresseux dans vos réponses. Par exemple, dans le dernier cas, au lieu de simplement lui demander d' expliquer ce concept, expliquer l'interprétation des nombreux mots de la physique quantique, disons que vous êtes l'un des principaux professeurs de physique à telle ou telle université, vous êtes mon ami. Nous dînons au coin du feu, bla, bla, bla. Vous savez, vous créez tout ce scénario fictif pour essayer de répondre à la question initiale. Vous savez, au lieu de simplement dire, donnez-moi un plan de cours, en disant : « Vous êtes professeur d' école ». Vous êtes dans ce décor, X Y Z, toutes ces choses. Récemment, j'ai écouté ce podcast entre ingénieurs anthropiques, disant qu'avec le dernier modèle, ce n'est pas un bon conseil, car le problème, c'est lorsque vous créez ces faux scénarios, que lorsque vous créez ces faux scénarios, la plupart du temps, cela peut embrouiller l'IA Chien, c'était un lecteur d'écran pour un microcont dont nous ne connaissons pas C'est bon, donc j'aime bien ça. C'est intéressant. En fait, parce que l'une des choses les plus connues à combattre est de dire au mannequin Billings qu'il s'agit d' une personne ou d'un rôle Je me sens un peu mieux comme ça. Je vois que tu es honnête avec la situation de ma mère. Je suis peut-être cette expérience. C'est vrai. Pensez-vous que ce niveau d'honnêteté, mentant au M ou en le forçant à le faire , vous donnera un pourboire ? Y en a-t-il une qui préfère ou quelle est votre intuition ? Je suppose que les mannequins permettent aux gens de mieux comprendre le monde. Je crois que je ne pense pas qu'il soit nécessaire de leur mentir. J'aime les répliques sur les modèles, tu sais, le mensonge en général. Mais Party, si vous construisez un ensemble de valeurs constructives pour un système d'apprentissage automatique pour un modèle de langage. C'est très différent de la création d'un quiz pour certains enfants. Les gens feraient donc des choses comme : « Je suis une enseignante qui essaie de trouver des questions pour un quiz ». Je pense que M sait ce que sont les langues. Les questions peuvent vous le dire, vous donner des exemples auxquels elles ressemblent, elles comprennent Internet. Je suis donc comme des tâches que j'ai. Donc, si vous aimez le langage de l' évaluation thoracique, n'est-ce pas ce que je veux faire, pourquoi viendrais-je vous voir ? Je veux faire des tâches inédites ou des tâches liées aux titres et je demande à quelqu'un de travailler avec moi, qui est professeur, et je lui dis : « Hé, toi ? Ça devait être comme ça. Et quand j'ai entendu ça, c'était comme une ampoule parce que c'était définitivement vrai. Ce que je voyais, c'est que lorsque je continuais à suivre les vieux conseils et à donner tous ces scénarios fictifs, cela donnait des réponses très ringardes, et incarner ce personnage fictif gaspillait beaucoup de contexte Et c'est tout à fait logique, non ? Parce qu'en termes d'IA, on ne sait pas si vous voulez qu'elle réponde à la question de la meilleure façon possible ou si vous essayez de faire en sorte que ce personnage soit possible Alors il finit par trouver un compromis entre, genre, ces réponses vraiment ringardes à jouer faire le jeu de rôle que vous essayez de lui faire faire, et répondre à la question Et en gros, ce que disent les ingénieurs anthropiques , c'est que les derniers modèles sont suffisamment intelligents si vous leur donnez le contexte réel pour comprendre ce qui se passe et pour vous donner les meilleures réponses Donc, après quelques expériences, je suis d'accord avec le conseil, parce que le problème vient de l'ensemble de la personnalité, c'est gaspiller un tas de jetons juste pour jouer le rôle et vous donner beaucoup de détails au lieu de répondre à la question, ce qui contamine le chat, et cela ne fait que dégrader la conversation que dégrader Et je pense que la meilleure politique est d'être honnête avec l'IA. Ne lui dites pas que c'est un professeur alors que ce n'est pas le cas. Ne dites pas que c'est un professeur alors que ce n'est pas le cas. Cela dit, cela signifie-t-il que nous nous débarrassons complètement de toute cette histoire personnelle que nous venons de mentionner dans le dernier article, alors la réponse est non Nous ne nous en débarrassons pas complètement parce que je pense qu'il est utile, mais cela signifie simplement peaufiner la façon dont vous donnez ces instructions et y apporter mais cela signifie simplement peaufiner la façon dont vous donnez des nuances Donc, au lieu de dire que vous êtes professeur de physique, vous êtes ceci, vous savez, dites-lui la situation exacte. Je lis actuellement ce livre intitulé Beginning of Infinity de David Deutsch Je veux que vous agissiez en tant qu' assistant en IA pour ce qui est de comprendre le livre, de me faire part d'idées, juste pour m' aider à mieux comprendre le sujet. Je veux que vous répondiez à la manière d' un professeur de physique renommé qui m' expliquerait certains concepts en termes de me faire part d'idées, juste pour m' aider à ce qui est de comprendre le livre, de me faire part d'idées, juste pour m' aider à mieux comprendre le sujet. Je veux que vous répondiez à la manière d' un professeur de physique renommé simples Et voici ma première question. Non, le libellé est similaire. C'est juste très légèrement différent. Mais cela fait une énorme différence, car maintenant vous ne lui demandez plus de jouer ce rôle ringard. Je sais exactement ce que tu veux et ce que tu essaies réellement de faire. Parce qu'il sait que tu n'essaies pas de faire ce jeu de rôle bizarre. Votre objectif principal ici est de comprendre les concepts de ce livre. Et l'IA sait que sa tâche première est de transmettre ces concepts. D'une manière très claire. Et les réponses sont très différentes. Vous pouvez voir qu'il y a beaucoup moins de peluches du début à la fin Et comme toujours, si vous êtes précis sur la situation exacte que vous lui racontez, si vous êtes honnête avec elle, il se peut que vous puissiez détecter de nombreux angles morts que vous n'avez peut-être pas vus. Vous savez, par exemple, cela peut dire des choses comme, vous savez, peut-être qu'il vaut mieux se renseigner sur ce concept en tant que précurseur ou peut-être que cette recommandation de livre est différente de celle que vous êtes en train de lire. Au lieu d'être simplement obsédé par le fait de jouer un rôle ringard Donc oui, en règle générale, ne mentez pas au LLM, je le confond et cela n'aide pas dans la plupart des C'est vrai. Pour en revenir au projet de classe, avons-nous une base ou un cadre pour structurer nos instructions Et nous avons découvert certaines des limites fondamentales des LLM Voyons si vous pouvez revenir en arrière et mettre en œuvre ce que vous avez appris dans notre projet de classe. Je veux donc que vous utilisiez la structure que nous avons décrite, en lui donnant un peu de contexte sur votre parcours, votre public, votre créneau. Ensuite, pour ce qui est du ton, je voudrais décrire comment vous vouliez répondre à votre public cible afin qu'il puisse adapter à vos besoins en détail. Ensuite, parlez-lui de la tâche, en donnant autant de détails que possible, au lieu de simplement donner cette réponse générique. Et puis le plus important est de continuer à itérer. Ne vous attendez pas à en être un et fini. Regardez la réponse, itérez-la, voyez si vous pouvez modifier d'autres éléments et voyez quels changements Maintenant, avant de passer à autre chose, un autre conseil utile que vous pouvez utiliser pour contrôler et orienter la façon dont l'IA réagit Je lui explique parfois comment formater les choses. Ce que vous voulez généralement faire avec l'IA, c'est plutôt que de lui dire ce qu'il ne faut pas faire, c'est lui dire quoi faire. C'est légèrement plus efficace. Donc, ne dites pas de ne pas utiliser le markdown dans vos réponses. Donc, quelque chose comme votre réponse devrait comprendre des paragraphes professionnels fluides. Ou si vous trouvez, comme je le fais souvent, que l'IA ne fait que donner des tas de mots alors que vous voulez juste une réponse succincte, ne dites pas : « Ne donnez pas une réponse inutilement Ce que vous devez dire, c'est que vos réponses doivent être très succinctes et aller droit au but Répondez sous la forme d'une FAQ, qui donne des instructions très claires et moins de marge de manœuvre quant à ce qu'il faut supposer à nouveau. C'est donc le fondement. En faisant les choses de manière cohérente et dans un format structuré, vous vous assurez essentiellement de donner l'IA tout ce dont elle a besoin pour vous donner la meilleure réponse possible. Alors oui, essayez toutes ces choses avec le projet de classe, et une fois que vous serez prêt, nous pourrons passer à des techniques légèrement plus avancées. 6. Quelques invites de prise de vue ting: Je veux donc vous montrer ce court extrait d'un cours d'informatique publié par Harvard. Mais nous avons pensé faire référence au public ici présent, et Brian va écrire au fur et à mesure, et tout ce que nous voulons faire ce matin, c'est simplement préparer un sandwich au beurre de cacahuète et à la gelée Une instruction à la fois, et chacun de nous exécutera simplement ce qu'il entend. Comment est ce son ? Bien. Bien, si quelqu'un pouvait se porter volontaire pour donner la première instruction, et Brian la dactylographierait . On nous a dit que c'était du pain ouvert. Open Bread est la première instruction. Donc, si tu veux exécuter, ouvre Bread No don't look at me. OK. D'accord, donc nous sommes en quelque sorte sur la bonne voie Prends le couteau. Mais retirez le couvercle de la gelée. Pas de couvertures sur le nôtre. Enfoncez un couteau dans le flacon. Par le haut. Restez OK, étape. Neuf. Faites pivoter la main pour que la gelée finisse par s'appliquer. OK. Sur le pain, côté gelée vers le bas. Pauvre gelée sur le pain. Tout ça. OK, maintenant tu ne fais que nous embêter. Cela correspond très bien à la façon dont les ordinateurs pensent et le nombre d' hypothèses intégrées que nous avons réellement lorsque nous leur donnons des commandes pour des tâches apparemment simples que nous tenons pour acquises contiennent en fait un très grand nombre d' hypothèses auxquelles nous ne pensons même pas la plupart du temps. Vous savez, c'est une vidéo amusante, qui montre que même 20 instructions, elles ne peuvent pas vraiment décrire efficacement comment faire un sandwich à partir de zéro. Mais le professeur et les autres étudiants étaient déjà en train de passer outre à certaines mauvaises instructions Cela nous montre essentiellement que certaines tâches sont tellement ancrées en nous que nous ne pensons même pas à certaines de nos libertés et à nos suppositions Demandez-nous de décomposer toutes ces étapes, expliquez-les explicitement à une entité comme un ordinateur qui n'a jamais fait de sandwich auparavant. C'est vraiment compliqué parce que nous n'avons pas à y penser. Bien entendu, ce n'est pas exactement la même chose avec les LLM, car les LLM sont beaucoup plus intelligents que programmes informatiques traditionnels où vous devez leur donner des instructions explicites, et ils ne font que ce que vous lui dites de faire LLM sont un peu plus conscients du contexte et ils ont des connaissances de base leurs données pré-entraînées sur lesquelles ils peuvent s'appuyer Alors que si vous utilisez un langage de programmation traditionnel, le programme entier peut comporter des milliers de lignes. Cela pourrait être correct. Mais si vous ne mettez pas un point-virgule à sa place, il se peut que le tout ne soit pas le Et même si les détails diffèrent, le concept global est le même en ce sens que des hypothèses sont formulées Et on pourrait dire que c'est une arme à double tranchant, car avec les LLM, ils sont plus intelligents, alors que le programme fonctionnerait toujours Cela ne l'empêcherait pas de faire la tâche simplement parce que vous n'avez pas spécifié quelque chose correctement, comme avec le langage de programmation traditionnel, afin qu'ils ne s'exécutent pas. De ça. Mais le revers de la médaille, c'est que cela pourrait introduire des angles morts et des suppositions auxquelles vous ne vous attendiez pas. Alors, quel est le meilleur moyen d' le LLM de prendre trop de libertés, supposant des choses que vous ne voudriez peut-être pas ? Cela nous amène donc au conseil numéro quatre des cinq conseils de Google pour une bonne incitation, appelé Few-Shot Prompting appelé Few-Shot Cela semble un peu compliqué, mais cela signifie simplement que quelques boutiques signifient que vous donnez l'IA quelques exemples de ce que vous voulez, où quelques suggestions. Cela réduit donc le niveau d' hypothèses qu'il émet. Des échantillons que vous lui donnez. Plus l'IA doit fonctionner et prendre de moins en moins de libertés. Par exemple, supposons que si vous vouliez des idées de recettes, vous pourriez donner des exemples de recettes que vous aimez déjà, en tenir compte et émettre des recommandations basées sur ces éléments plutôt que de simplement deviner ce que vous pourriez aimer parmi les millions de recettes disponibles Dans AI Studio, vous pouvez coller des liens vers des recettes que vous aimez vraiment. Assurez-vous simplement de cocher cette partie là où elle permet d' accéder pour afficher les liens sortants. Même si vous pouvez le faire, et c'est très pratique, ce pas la meilleure solution car cela collectera beaucoup d'informations non pertinentes qui obstrueront le contexte Le meilleur moyen est donc de copier-coller une recette dans des fichiers texte ou Markdown pour la télécharger Pour en revenir au projet de classe, vous êtes un créateur de contenu dans un créneau spécifique et disons que vous avez cinq contenus que vous avez déjà rédigés, que vous aimez vraiment, vous savez, avec l'aide de l'IA ou que vous les avez écrits vous-même, vous aimez vraiment le contenu, mais vous ne savez pas quel titre de vidéo il devrait générer le plus clic, intérêt et curiosité. C'est donc ici que vous souhaitez alimenter l'IA dans votre script vidéo et lui demander de générer des titres pour ces vidéos, ce qui se traduira par un taux de clics élevé. Mais le problème, c'est quand vous vous retrouvez dans une situation aussi froide, comme lorsque vous lui demandez simplement générer des titres en fonction du script, de générer des titres en fonction du script, mais que la plupart du temps, cela génère titres très cliquables qui ne correspondent pas à la philosophie globale des titres très cliquables qui ne correspondent pas à la philosophie globale de votre chaîne ou à ce que vous aimeriez découvrir Donc, au lieu de simplement dire «   générez-moi des titres vidéo pour ces scripts », vous pourriez vous donner des exemples tirés de chaînes que vous aimez vraiment , de vidéos, de styles ou titres vidéo qui, selon vous, vous conviennent vraiment. Alors, générez-moi trois titres vidéo pour cette vidéo et ce script spécifiques. Et puis voici ce que je considère comme de bons et de mauvais titres. Ensuite, il vous suffit de parcourir YouTube pour un bon exemple. Supposons donc que nous donnions de bons exemples tirés d'une chaîne que vous pourriez vraiment aimer, vous savez, par exemple, celle-ci, vous avez probablement joué au jeu mal joué au jeu Life. C'est un bon exemple. La machine la plus importante du monde, pourquoi les gens sont-ils confiants lorsqu'ils se trompent ? Ce sont tous de très bons titres, puis vous donnez des exemples de mauvais titres. Ce calendrier fou a donc changé ma vie. Un guide complet sur la gestion temporelle est un autre mauvais exemple, car il est trop académique et cela ressemble à une vidéo ennuyeuse. Personne ne veut cliquer dessus. Les trois premiers sont bons car ils suscitent immédiatement votre intérêt en vous rendant curieux. Ils posent une question. Cela sème immédiatement cette scène dans votre cerveau et vous voulez qu'on y réponde Les mauvaises sont simplement trop claqueuses ou elles sont ennuyeuses et ennuyeuses Et en le confiant à l'IA, elle dispose d'un contexte très clair de ce que vous voulez, de ce que vous jugez bon, ce que vous jugez mauvais, et elle est bien mieux à même d' aligner les titres en fonction de votre contenu Et si vous combinez cela avec le script, cela devrait considérablement améliorer le résultat de la réponse 7. Gérer la fenêtre contextuelle: Au fur et à mesure que nous progresserons dans le domaine des LLM, notre discussion va commencer à s'étendre de plus car lorsque vous avez une tâche vraiment complexe, il est extrêmement peu probable que vous puissiez y insérer une seule invite et qu'elle soit complètement terminée Il s'agira d'un va-et-vient continu, et cela augmentera de plus en plus la taille de votre chat, la fenêtre contextuelle. Donc, même si nous avons notre tâche de cadre de tonalité contextuelle, il est extrêmement peu probable que ce soit le cas. Par exemple, quelle que soit la qualité de votre invite, vous n' allez pas tout faire en insérant simplement cette invite Nous passons donc aux étapes quatre et cinq, qui consistent à évaluer et à itérer. Maintenant, ces deux étapes sont essentielles car les LLM sont fondamentalement la technologie la plus évoluée que nous ayons jamais vue, même selon les normes technologiques Par exemple, comme ce qui prenait auparavant un an, c'est différent d'un mois à l'autre. Par exemple, toutes les meilleures entreprises d' IA sortent chaque mois, même chaque semaine, de nouvelles fonctionnalités, et il est extrêmement difficile de tout suivre. qui signifie que si vous découvrez des trucs, astuces et bizarreries, tout ce qui fonctionne actuellement risque de ne pas fonctionner le mois prochain, dans les six prochains mois Vous devez donc avoir un moyen d' itérer et de suivre ce processus obtenir des commentaires continus et rester constamment au courant de ce qui fonctionne Cela vous permet donc simplement de tester et d' ajuster continuellement votre approche Mais par exemple, le faux personnage par rapport honnêteté n'est pas un ensemble d' astuces qui fonctionneront indéfiniment Il s'agit de constamment essayer de voir ce qui fonctionne avec les derniers modèles. Il s'agit donc plutôt d'un état d'esprit. Donc, évaluez toujours les résultats et réfléchissez, par exemple, comment puis-je le modifier pour l'améliorer un peu mieux ? Par exemple, de quoi ne suis-je pas content ? Quelles pièces puis-je changer ? Donc, avant de pouvoir le faire, manière très systématique, nous devons être très organisés. Cela revient à dire qu'être un bon ingénieur rapide n' est pas simplement un bon rédacteur, parce que nous devons être très organisés, très systématiques, afin de pouvoir itérer les commentaires voir ce qui fonctionne et ce qui ne fonctionne pas. Si vous travaillez sur une tâche très complexe avec, par exemple, beaucoup d' informations générales ou de référence, choses comme ça, vous ne devriez jamais taper votre invite directement dans la boîte de discussion. Ce que vous devez faire, c'est disposer d'un fichier texte distinct pour stocker toutes vos instructions, toutes vos entrées avant de les copier Peu importe qu'il s'agisse d'un fichier texte ou de Google Docs, tant que vous avez un endroit séparé pour le stocker, car il est très difficile de suivre la première chose dans la zone de texte Mais, deuxièmement, pour en revenir à cette question de feedback itéré, vous devez avoir un tas de choses que vous avez essayées comme base de référence, puis être en mesure de les modifier Sinon, vous pourriez simplement essayer la même chose encore et encore sans le savoir. C'est juste une bonne pratique en général, sauf si vous posez une question rapide et très décontractée. C'est ce que je ferais toujours. Et, bien sûr, j' aime bien le dater. C'est donc avec des instructions. Et si vous aviez plus d'informations à lui donner ? en revenir à l'exemple de recette, si vous vouliez lui donner 20 exemples, soit pour vous donner plus de recommandations sur les recettes, soit pour en tirer de bons éléments ? En gros, si vous n' aviez que des tonnes et des notes d'informations dans des documents PDF Word, quelle est la meilleure façon de procéder ? Ceci combiné à votre message ? Maintenant, techniquement, rien ne vous empêche de télécharger le PDF ou le document Word directement dans le LLM Je veux dire, après tout, cela semble juste. Cela semble correct, car après tout, dans l'environnement de travail professionnel, par exemple, les PDF sont très largement utilisés Ils semblent être un bon type de fichier fiable. Mais encore une fois, cela revient à la façon dont les LLM fonctionnent sous le capot. Ce sont à peu près les pires types de fichiers en termes de transmission à l'IA, même s'ils vous permettent de le faire, car avec un PDF, car avec un PDF, conçu pour être lisible par l'homme, n'est pas ainsi que fonctionnent les LLM Les LLM traitent les informations en utilisant du texte brut. Ainsi, lorsque vous insérez un fichier PDF, cela oblige le LLM à prendre tout le texte pour essayer d'extraire et de traiter tous les textes du PDF Chaque fois que l'IA lit un PDF, de nombreux textes sont divisés en différentes colonnes. Cela brouille tout le formatage, et beaucoup de choses ressemblent à du Gibberish Et ça peut vraiment embrouiller les choses. Et en plus de cela, cela gaspille une grande partie de votre fenêtre contextuelle juste pour comprendre ce qui se passe. Donc, en règle générale, avec les LLM, lorsque vous leur fournissez des informations, en particulier avec des informations de type texte, plus le fichier est simple, mieux c'est Donc, quelque chose comme un fichier texte brut ou un markdown est l'étalon-or que tout le monde utilise Donc, si cela ne vous prend pas trop de temps, quelles que soient les informations clés que vous avez dans votre PDF, votre document Word, collez-les dans un fichier texte ou un fichier Markdown, formatez-les correctement, puis vous saurez exactement comment elles apparaissent dans le Markdown et le fichier texte C'est ainsi que le LLM l' ingérera. De cette façon, vous savez que l'IA ne fait que traiter les informations pures exactement ce que vous voyez, et pas simplement un désordre de texte Maintenant, ne vous inquiétez pas si vous n'êtes pas technique et que vous n'avez jamais vu un fichier Markdown bef Ce n'est pas difficile du tout. C'est littéralement juste un fichier Markdown avec quelques notations. Ainsi, par exemple, si vous mettez un hachage, ce sera un gros titre, deux hachages, un petit Si vous mettez deux étoiles, c'est en gras, très simple, il met en forme des choses comme ça, mais c'est principalement basé sur du texte. Pour vous aider, je vais inclure un aide-mémoire pour Markdown, et c'est tout ce dont vous avez besoin Tu sais, on n'apprend pas vraiment grand-chose. Il suffit de suivre la notation. Vous devriez pouvoir être opérationnel à l'aide de fichiers Markdown. Assurez-vous simplement d' ouvrir un éditeur de texte et enregistrer sous forme de point d, et c'est littéralement tout. Nous avons parlé un peu de la fenêtre contextuelle. Il est donc utile de parler de sa longueur maximale et de ce qu'est réellement la fenêtre contextuelle. fenêtre contextuelle est essentiellement la quantité maximale d'informations que l'IA peut prendre en compte dans un chat en particulier. La quantité d' informations qu'il reçoit se présente sous forme de jetons. Les jetons sont un peu comme le nombre de mots, mais ce n'est pas exactement le nombre de mots, car aucun mot ne correspond toujours à un jeton, mais à titre indicatif, un mot moyen correspond à environ 0,75 d'un jeton Cela ne vous donne donc qu'une idée approximative. Ainsi, plus votre discussion est longue et longue, plus la fenêtre contextuelle occupe une grande partie de la fenêtre contextuelle. Et si vous voulez savoir quelles les fenêtres contextuelles maximales sont les fenêtres contextuelles maximales, vous pouvez simplement les rechercher. Au moment du tournage du forfait gratuit pour Gemini et ChatGPT, ils étaient environ 32 000 Alors considérez cela comme une mémoire de travail. Ainsi, lorsque vous insérez votre invite, plus votre invite est longue, plus la fenêtre contextuelle est occupée, mais pas seulement, lorsque vous cliquez sur le menu déroulant , vous voyez ce qu'il pense avant la réponse. Cela occupe la fenêtre contextuelle, et bien sûr, la sortie l'occupe également, ainsi que toutes les pièces jointes que vous y insérez ainsi que toutes les pièces jointes que vous y insérez C'est pourquoi je disais que vous utilisiez fichiers texte et que vous essayiez de rationaliser votre fenêtre contextuelle autant que possible sans d' informations superflues y ajouter d' informations superflues qui pourraient encombrer les choses Et puis l'autre aspect vraiment important, nous devons en tenir compte Ne le considérez pas comme du carburant pour votre voiture, vous savez, peu importe qu'il s'agisse réservoir plein, d'un demi-réservoir ou que vous soyez sur le point d'en manquer. La voiture fonctionnera à peu près exactement de la même manière. Cela ne fonctionne pas ainsi pour la fenêtre contextuelle dans LLM Ce qui se passe, c'est que plus vous remplissez la fenêtre contextuelle, plus votre discussion s'allonge, plus les informations se dégradent au fil du temps au point que si vous obtenez une fenêtre contextuelle massive, elles commenceront à halluciner Même si c'est toujours dans les limites du maximum techniquement, ça va commencer à halluciner Je vais avoir du mal à trouver des choses. Je ne vais tout simplement pas aussi bien performer. Ainsi, comme vous pouvez le voir sur ce point de référence, à 128 000 jetons, ce modèle fonctionne précision de 84 % Alors que si vous passez à 1 million, ce chiffre tombe à seulement 26 %, ce qui représente une énorme dégradation des performances. C'est pourquoi la fenêtre contextuelle a vraiment besoin d'être gérée. Et une autre règle est de ne jamais utiliser le même chat, parler de plusieurs sujets différents, parce que d'une vous utilisez une fenêtre contextuelle, et deuxièmement, vous confondez vraiment les choses. Disons que je parle d'idées de recettes. Ensuite, je vous pose des questions sur les aspirations professionnelles et les objectifs à long terme. C'est un très gros non, car cela confond l'IA et gaspille votre fenêtre contextuelle Commencez donc toujours une nouvelle discussion pour chaque sujet distinct spécifique. Et même s'il s'agit du même sujet, s'il devient trop long, lancez simplement une nouvelle discussion et résumez ce dont vous avez parlé. Cela peut vraiment aider, surtout si vous avez l'impression qu' une discussion devient obsolète et que les performances se détériorent 8. Multi Step Prompting: Nous avons donc dit à quelques reprises que votre IA ressemble un peu à un assistant personnel trop enthousiaste. Si, quelle que soit la tâche que vous lui confiez, elle s'exécutera et s'en chargera. Mais la plupart du temps, s'il s'agit d'une tâche plus complexe et importante, vous ne voulez pas vraiment qu'elle le fasse. Il faut le ralentir. Tu sais, tu ne veux pas que ton assistant égoïste s'enfuie pour essayer de t'impressionner. Vous allez dire : « OK, décomposez lentement la tâche ». Tu fais ça d'abord. Par exemple, si nous prenons un exemple très extrême comme la rénovation de votre maison, vous ne voulez pas le dire à votre constructeur ou à votre architecte ou quoi que ce soit , vous devez simplement prendre, aller réparer toute ma maison. Genre, c'est trop générique. C'est trop large. Il y a trop de marge de manœuvre. Vous devez donc d'abord le décomposer. Faisons le plan. Faisons quelques maquettes du design d'intérieur. Regardons les matériaux. Faisons quelques devis. Je veux le décomposer. Vous avez ainsi un meilleur contrôle global du processus et vous pouvez guider l'IA pour qu'elle fasse exactement ce que vous voulez. C'est ce qu'on appelle l' invite en plusieurs étapes . Supposons donc que nous ayons cette tâche. Nous sommes créateurs de contenu et nous souhaitons envoyer un e-mail à Noon pour sponsoriser notre vidéo. Nous suivons donc ce que nous avons appris jusqu'à présent. Nous lui donnons un contexte, un rôle et une tâche. Voici donc l'invite. Je suis actuellement créatrice de contenu dans le domaine de la finance. J'ai 40 000 followers. J'utilise Nian depuis longtemps dans mon contenu, et j'ai partagé des modèles avec mes abonnés Tu es mon assistant IA dans ce chat. Je veux que tu m'aides à obtenir parrainage de Noon. Écrivez un e-mail à Nan pour lui demander de sponsoriser ma chaîne. Pour être honnête, il ne s'agit pas d' une réponse publicitaire, si vous regardez cela. Il vous donne quelques options, et comme prévu. C'est un beau mail. Vous voyez quel est le problème ? Il faudra juste ce que vous lui donnez, les informations sur les abonnés, le modèle, et il a fait quelques suppositions, et cela semble très générique et clairement écrit par AI Nous voulons donc suivre quelques étapes supplémentaires, car dans cet exemple, nous n'avons jamais écrit d'e-mail de parrainage. Donc, au lieu de simplement envoyer un e-mail, nous voulons en savoir un peu plus sur la stratégie qui le sous-tend. Quelles sont les étapes qui y mènent avant que nous n' envoyions réellement l'e-mail. Nous ne voulons donc pas qu'il fasse tout en une seule fois, le forçant à ralentir en lui demandant d'abord de résoudre le problème. Nous disons donc de ne pas écrire l'e-mail en premier. Je veux que vous suiviez quelques étapes préalables. La première étape m'a posé quatre questions de clarification qui amélioreraient le résultat de l' e-mail afin qu'il soit plus adapté pour donner de meilleures chances de succès La deuxième étape consiste à analyser les réponses. S'il y a des questions complémentaires, nous réfléchirons à des stratégies pour y parvenir au mieux Et à la troisième étape, une fois que nous nous sommes mis d'accord sur la stratégie, vous pouvez exécuter la rédaction de l'e-mail. En gros, maintenant tu es vraiment en train de le ralentir. Vous demandez explicitement à votre assistant trop enthousiaste de ralentir. Vous avez besoin d'une autorisation spécifique dont je suis satisfait chaque étape avant de pouvoir passer à l'étape suivante. Parce que, comme nous l'avons vu dans l'exemple du sandwich, si nous sautons trop loin, cela peut mener à de très mauvais résultats. Alors que si nous pouvons ralentir et vérifier chaque étape, c'est correct. Passez maintenant à l'étape suivante. Cela peut détecter de nombreuses erreurs. Donc, comme vous pouvez le voir, remarquez réellement ce que nous faisons ici. En fait, nous cumulons quelques-unes des stratégies que nous avons apprises Comme toujours, nous commençons donc par notre structure fondamentale en trois étapes la tâche de tonalité contextuelle Nous décrivons la situation et le type de résultat que nous voulons obtenir. Nous demandons à l'IA d'effectuer la tâche en utilisant plusieurs instructions, ce qu'elle n'aime naturellement pas faire Il aime tout faire en une seule fois. Et ce qui est vraiment bien, c'est que cela réduit vraiment les hypothèses, car au lieu que l'IA suppose ou qu'il y ait des points faibles et comble les lacunes, vous lui demandez de soulever ces questions de manière explicite L'invite en plusieurs étapes est une méthode que j'utilise très, très souvent, en fait Je pense que c'est l'une des instructions les plus puissantes pour l'IA. Cela prend un peu plus de temps, mais comme vous répartissez votre tâche sur plusieurs instructions, c'est presque comme une petite astuce , car vous utilisez puissance de traitement supplémentaire pour réfléchir à votre problème de manière beaucoup plus approfondie Je dirais, et un conseil que vous pouvez garder à l'esprit, comme je l'ai dit, comme le fait d'être un assistant trop impatient, il peut oublier et prendre de l'avance, comme quelques instructions plus bas Vous pourriez donc demander à la première invite de dire : « D'accord, nous allons le décomposer , nous assurer que vous recevez des instructions explicites avant de passer à autre chose ». Et au fur et à mesure que vous commencez à répondre à certaines questions et à discuter de certaines choses, il se peut que vous preniez de l' avance et accomplissiez la tâche. Je dirais donc rappeler de temps en temps, juste pour dire, vous savez, ne pas faire la tâche ou de ne pas écrire l'e-mail ou toute autre tâche tant que je ne suis pas satisfait des choses, puis je vous donne des instructions explicites pour m' assurer que cela suit. 9. Prompt de la chaîne de pensée: Une autre variante de la technique est donc appelée chaîne de pensée. C'est un autre nom qui sonne bien, mais il est en fait très simple En gros, vous demandez simplement à l'IA d' expliquer sa façon de penser. Ainsi, lorsque vous lui demandez une décision sur quelque chose ou son opinion, il vous donnera la réponse et un raisonnement de très haut niveau expliquant pourquoi il le fait. Mais parfois, il peut être utile de lui demander de vraiment préciser les choses. Avant de vous donner la conclusion finale. Cela fonctionnerait donc pour des choses comme brainstorming ou si vous prenez une décision vraiment complexe Supposons donc que vous choisissiez entre deux emplois ou que vous preniez des décisions importantes dans votre vie, que déménagiez d'un lieu à l'autre, en gros, c'est comme une décision complexe qui n'a pas de bien ou de mal clair. Vous devez évaluer tous les avantages et les inconvénients. C'est pour cela que vous l' utiliseriez. Ou disons que vous êtes un YouTuber en pleine croissance et que vous avez un budget fixe à dépenser, vous ne savez pas si vous le consacrez, disons, 10 heures pour faire appel à un monteur pour éditer votre vidéo ou à acheter une toute nouvelle caméra Sony FX Three Donc, si vous connectez simplement cela à l'IA, je suis un créateur de contenu et je veux ensuite décider à quoi consacrer mon budget bla bla, cela vous donnera une réponse et quelques points expliquant pourquoi chacun d'entre eux est quelques points expliquant pourquoi chacun d' Mais là encore, cela repose sur de nombreuses hypothèses, et vous ne voudrez peut-être pas simplement raisons relatives au niveau de surface qui s'appliquent à tout le monde. Et vous voulez vraiment réfléchir en profondeur aux raisons pour lesquelles il propose une option et à certains des compromis . Maintenant, si nous voulons utiliser cette technique, similaire à l' invite f shop, nous disons : Ne me donnez pas de réponse tout de suite, après avoir expliqué la tâche et quel est le Je dis à l'IA que je veux que vous évaluiez les avantages et les inconvénients de chaque option et que vous exprimiez votre point de vue pour toute recommandation. Et dites-le, je veux que vous exploriez les implications de l' une ou l'autre option avant d'en arriver à la conclusion finale. Alors maintenant, il se concentre davantage sur les hypothèses concernant les avantages et les inconvénients, plutôt que de simplement vous donner une réponse à la toute fin. Il est beaucoup plus clair de voir ce qui entre dans la prise de décision, et cela devient un processus de va-et-vient entre vous et l'IA. Alors tu peux dire, Ashley, c'est très important pour moi, mais ce n'est pas si important. Encore une fois, il s'agit de ne pas oublier de cumuler les techniques. Nous avons donc notre structure de base, le contexte, le ton, la tâche Nous avons maintenant ce processus de réflexion en chaîne, et nous l' associons à une invite en plusieurs étapes pour vraiment obtenir une réponse plus approfondie et plus perspicace Donc, juste une petite précision, car les instructions en plusieurs étapes et la chaîne de pensée semblent assez similaires, juste pour que ce soit vraiment clair L'invite en plusieurs étapes consiste à décomposer une tâche vraiment complexe en plusieurs sous-étapes afin de suivre ce qui se passe Alors qu'avec la chaîne de réflexion, il s'agit plutôt de prendre une décision complexe où vous voulez vous assurer d'avoir pris en compte tous les facteurs qui entrent en ligne de Voilà donc la différence entre ces deux techniques. 10. État d'esprit de l'auto-pilote: Dans cette leçon, nous allons donc avoir un petit changement de rythme. Donc, au lieu de parler de toutes les techniques et des manières dont nous pouvons améliorer l'IA, je voudrais parler de l'état d'esprit qui sous-tend l' utilisation de ces modèles À ce stade, nous avons un système assez robuste en termes de réduction des performances du LLM À l'heure actuelle, nous pouvons constater que nous ne pouvons pas traiter l'IA comme une entité omnisciente qui sait mieux que vous en tout. Et vous devez le demander d'une manière très spécifique pour en tirer le meilleur parti, car ils ont leurs propres particularités Ainsi, par exemple, c'est une conversation très intéressante de DemishSabs, le fondateur de Deep Mind Google Et au moins au moment du tournage, il affirme que ces modèles AI LLM possèdent des domaines d'intelligence vraiment irréguliers Et ce qu'il veut dire par là, c'est que dans certains domaines comme les mathématiques, par exemple, il possède essentiellement des connaissances de niveau doctorat. Mais en même temps, lorsque vous vous demandez de faire des choses extrêmement simples, comme choses extrêmement simples compter les pommes ou compter les doigts, etc., trompez terriblement Et pas seulement ça, ça se trompe, comme quel enfant du primaire peut le faire en toute confiance enfant du primaire peut le faire Cela ressemble moins à avoir cette entité omnisciente dans votre poche ou sur votre ordinateur portable, mais plutôt à un assistant humain extrêmement intelligent et trop enthousiaste , qui peut vous aider énormément, mais vous ne pouvez pas simplement vous déconnecter et vous devez surveiller tout ce qu'il fait, et cela demande un peu de gestion D'une certaine manière, je trouve cela très cool parce que cela vous soulage de la charge cognitive liée à toutes les tâches ennuyeuses. Mais cela ne signifie pas que vous pouvez simplement vous déconnecter et ne pas réfléchir. C'est juste maintenant que vous dirigez votre pensée d'une manière différente. Par exemple, pour un créateur de contenu, vous pouvez l'utiliser pour générer des idées , des titres, etc. vous pouvez l'utiliser pour générer des idées , mais cela vous oblige tout de même à y réfléchir et à faire preuve de jugement humain en termes de ce qui vous plaît mais cela vous oblige tout de même à y réfléchir et à faire , ce qui correspond à votre chaîne ce dont vous voulez vraiment parler Il faut donc que ce soit dans un domaine où vous savez quelque chose à ce sujet pour le vérifier. Vous n'utiliseriez jamais l'IA pour quelque chose dont vous ne connaissez absolument rien et pour effectuer une tâche que vous ne pouvez pas vérifier parce qu'elle ne fonctionne pas comme ça. Cela peut être absolument ce que c'est. Si vous écrivez un e-mail, vous devez être capable de le relire pour vous assurer qu'il est aligné Si vous l'utilisez à des fins juridiques devez vérifier manuellement l' ensemble de la jurisprudence. Vous devez vérifier que ses arguments sont réellement robustes. Il peut faire beaucoup de choses pour vous, mais il vous oblige à vérifier des choses, et vous ne l' utiliseriez jamais juste pour écrire du code, jamais le regarder en espérant qu'il fonctionne et que tout fonctionne exactement comme vous le souhaitez. Donc oui, souvenez-vous de cette règle qui consiste à ne pas confier une tâche qu'un humain ne pourrait pas accomplir, mais aussi une fois cette tâche à vérifier tout ce qui est fait, et vous en êtes satisfait. C'est pourquoi j'appelle cette leçon l'état d'esprit du copilote. Tu es toujours le capitaine et c'est une entité super utile. Mais il s'agit de vraiment comprendre comment l'utiliser au mieux à l'avenir. 11. Red Teaming: Maintenant, c'est bien. Pour en revenir à notre fondation où nous avons parlé de l'itération, cette équipe rouge est une étape vraiment importante, en particulier si vous effectuez une tâche vraiment complexe Donc, vous savez, nous avons suivi nos instructions habituelles, le ton, le contexte, la tâche, toutes ces très bonnes choses. Et nous faisons des allers-retours. Nous faisons des instructions en plusieurs étapes, et tout se passe très bien. Par exemple, l'IA est d'accord avec ce que nous disons. N'oubliez pas qu' au début du cours, lorsque nous avons parlé de l' ensemble du piège SincoFancy, c'est là le problème, car nous pouvons suivre nos instructions exactement comme Vous savez, nous avons une invite en plusieurs étapes. C'est un accord et nous pensons que nous sommes converger vers une solution Mais le problème est que, comme nous l'avons dit, l'IA, par sa nature même, est conçue pour être d'accord avec vous et pour refléter ce que vous dites. Donc, pour vérifier et surmonter cela, il faut faire équipe avec les rouges. Pour le dire simplement, nous voulons inciter l'IA à penser que nous agissons de l'autre côté et que nos préférences sont à l' opposé de ce que nous voulons réellement. Cela nous donne donc un autre avis. Il n'est donc pas biaisé d'être d'accord avec nous. Donc, même si nous avons dit, en général, c'est une bonne pratique de toujours être honnête avec l'IA, j'ai l'impression que c'est l'une des rares exceptions où vous pourriez essayer de la tromper parce que le comportement de l'IA et la façon dont elle est entraînée sont tellement ancrés de l'IA et la façon dont elle est Je veux dire, pour être tout à fait honnête, avec les derniers modèles, parce que ce problème persiste depuis si longtemps et il y a littéralement des mèmes et des trucs à ce sujet qui l'ont amélioré Par exemple, les derniers modèles d'IA sont conçus pour vous repousser très légèrement. Mais à mon avis, je ne pense tout simplement pas que ce soit suffisant. Il reprendra simplement son ancien comportement par défaut. Imaginons donc, à titre d'exemple, que vous êtes confronté à une affaire judiciaire. Tu sais, tu penses que quelqu'un te doit de l'argent. Vous donnez toutes les preuves, vous discutez longuement, vous passez en revue toutes les techniques. Et l'IA dit, vous savez, oui, vous avez un très bon dossier. C'est vraiment solide. Les preuves sont en votre faveur X Y Z, et, vous savez, vous vous sentez vraiment bien dans votre peau. Ce que vous devez vraiment faire pour obtenir une vue objective, c'est de démarrer une nouvelle discussion en particulier, afin qu'elle ne soit pas contaminée. Commencez une nouvelle discussion, mais faites comme si vous étiez de l'autre côté la défense avec exactement les mêmes preuves et demandez-vous : quelle est la force de ma défense ? Cela vous donnerait une indication beaucoup plus claire, car si vous êtes d'accord avec les deux parties, ce n'est pas très bien. Mais même si ce n'est pas très bon, rechoisissez les preuves, il sélectionnera les preuves qui soutiennent ce qu' il pense que vous voulez qu'il dise. Il s'agira donc de sélectionner beaucoup de bonnes preuves pour la défense. Et le ministère public. Ensuite, vous pouvez évaluer ces choses de manière indépendante et avoir une vision beaucoup plus complète que si ce n'était qu' un côté et cela en arrive presque au point où vous vous contentez d' un éclairage au gaz en fonction de ce que vous voulez entendre C'est donc vraiment important, surtout s'il s'agit d'une décision importante si vous demandez une sorte de vérification, validation sur, vous savez, une grande chose, comme, par exemple, une affaire juridique ou même un changement de carrière ou une décision de vie ou si ou juste quelque chose où c'est vraiment nuancé et vous recherchez une certaine validation parce que je même un changement de carrière ou une décision de vie ou si ou juste quelque chose où c'est vraiment nuancé et vous recherchez Je ne plaisante même pas J'en ai littéralement eu un où l'IA complètement inversé sa conclusion, quatre ou cinq fois, littéralement en une seule conversation, et c'est vraiment exaspérant Vous savez, vous dites : OK, donc c'est ce que je pense, sur la base de toutes les preuves et de tout le contexte, de tout ce que je vous donne, par exemple, êtes-vous d'accord ? Et c'est comme si, oh, c'était une bonne idée. C'est vraiment instructif. Et puis je dirai, en fait, non, j'y ai repensé. Je ne pense pas que ce soit le meilleur. Ensuite, il dira que c'est la chose la plus révélatrice que vous ayez dite de toute cette conversation Cette option est meilleure. Et ça va continuer à basculer, et ça peut en arriver au point où c'est Cela s'améliore, mais c'est toujours le cas parfois. Donc, ce que je ferais, c'est me lire et commencer une toute nouvelle discussion à chaque discussion en disant, vous savez, à chaque discussion, indiquez une IA, vous avez une préférence dans la direction opposée dans les discussions séparées, puis voir ce que cela dit, voir dans quelle mesure cela valide chacune de ces opinions et voir quels points cela donne Ensuite, vous devrez les évaluer indépendamment , en plus de ce que cela vous dit dans le chat. Et puis cela vous donne une image beaucoup plus complète. Donc oui, c'est certainement ce que je ferais pour surmonter tout ce truc avec SycaFancy 12. L'automatisation du contexte (instruction personnalisée): C'est vrai. Je vous ai donc présenté de nombreuses techniques dans ce cours. Et lorsque vous expérimentez ces techniques, et que vous commencez à les utiliser dans la vie de tous les jours dans différentes applications, vous savez, vous utilisez toute votre structure de base, vous faites, je ne sais pas, vos instructions en plusieurs étapes ou quoi que ce soit d'autre, vous remarquez que vous écrivez les mêmes commandes encore et encore, en termes de certains indices pédagogiques ou autres, certains indices pédagogiques ou vous remarquerez peut-être qu'il fait certaines choses beaucoup et que vous lui dites de ne pas faire une certaine chose, encore et encore. C'est donc ici que nous utilisons vraiment les instructions personnalisées automatisées fournies avec les LLM Il se souvient donc de vos préférences. J'ai donc réservé cette leçon assez tard dans ce cours, car vous savez maintenant comment répéter vos instructions, vous savez comment faire les choses de base Et vous avez généralement vu comment fonctionne l' IA et le raisonnement qui la sous-tend. Vous pouvez donc définir vos instructions personnalisées selon vos préférences, même si vous suivez des instructions personnalisées provenant de moi-même ou d'un site que vous avez consultées en ligne, au moins vous connaissez le raisonnement qui les sous-tend. Et si je suis parti si tard, c' est parce que même si techniquement, vous savez, ils n'ont rien de contraignant, vous pouvez toujours les modifier. Ce que j'ai découvert est certainement pour moi, de toute façon, une fois que j'ai inscrit mes instructions au tout début, c'est quelque chose que j' oublie presque et que je ne reviens pas vraiment pour changer activement. Je pense donc qu'il est en fait très important comprendre et de définir très bonnes instructions personnalisées dès le début, et cela vous sera très utile à l'avenir. Donc, pour y accéder, ils sont assez simples. Sur Gemini, c'est comme les paramètres, les instructions sont très similaires sur ChatGPT C'est juste quelque part dans le menu des paramètres et de la personnalisation Ainsi, lorsque vous les définissez, considérez-les comme une couche invisible située en arrière-plan de votre compte. Il s'agit donc d'un ensemble permanent de directives et de principes généraux que vous souhaitez qu'il suive pour chaque discussion avant même qu'il ne prenne en compte votre invite Dès leur sortie de l'emballage, les LLM sont conçus pour, bien entendu, avoir les applications les plus larges possibles Ils sont donc en quelque sorte conçus pour être une assistance polie, bavarde et utile Et nous allons simplement faire de très grandes suppositions sur ce qu'il ne sait pas, afin qu'il conserve ce niveau maximal d'utilité et comble les lacunes par lui-même Le gros problème avec cette personnalité d' assistante vraiment serviable, c'est toute l'histoire de SincaFancy En gros, il est d'accord et reflète ce que vous dites. Les LLM prêts à l'emploi sont donc comme un très bon t-shirt ou une très bonne robe Tu sais, ça convient probablement à la plupart des gens. Mais aussi bon soit-il, il ne sera pas aussi bon qu'un produit sur mesure, c'est ce que nous essayons de faire ici. Donc, une grande partie de ce que vous allez mettre ici sera personnelle. Je vous recommande de commencer à utiliser les techniques de ce cours, d' expérimenter beaucoup et de choisir la méthode que vous aimez. Et puis, naturellement, vous découvrirez qu'il y a certaines choses que vous lui dites de faire encore et encore. Et vous pouvez mettre des instructions personnalisées ici. Quoi qu'il en soit, ce que j'ai fait ici, c'est que je vous ai donné quelques exemples de ceux qui ont vraiment fonctionné pour moi. première est donc la sycophance, donc la règle anti-syncancie est celle qui a toujours été un problème J'ai donc une règle qui l'oblige à donner d'autres points de vue. Je dis donc de donner la priorité la vérité objective plutôt que d'être d'accord avec moi. Si je présente une stratégie, idée ou un argument erroné, ne le validez pas Jouez activement à l'avocat du diable, signalez les maillons les plus faibles de ma logique et mettez en évidence les preuves non confirmées, même si je n'ai pas envie de les entendre Comme nous le savons, par nature, LLM agissent de manière syncophantique ou agréable, quoi que vous fassiez Mais cela l'oblige à souligner le contraire, et j'espère que cela attirera votre attention sur des points , et que vous pourrez lui demander d'en savoir plus s'il s'agit d'un problème. Ce qui pourrait vous aider à réduire vos angles morts. Le deuxième est de vérifier les hypothèses. L'une des plus grandes limites du LLM est que si vous avez un point très vague ou même une question très détaillée sur un sujet vraiment complexe qui pourrait manquer de contexte, il suffira de deviner et d'halluciner une réponse dans le pire des il suffira de deviner et d'halluciner une réponse dans le En gros, il est conçu pour dire, et si la réponse qui semble probablement la plus plausible est la réponse avec ce qu'elle a. Mais si vous ne donnez pas assez d'informations, ce sera une très mauvaise réponse. Nous devons donc le forcer à ralentir et poser des questions de clarification Ne devinez jamais mon intention et ne faites suppositions si un message est vague. Absence de contraintes ou manque de contexte clé. Arrêtez-vous plutôt et posez-moi une liste à puces de questions de clarification avant de générer Donc, d'après mon expérience, celui-ci est particulièrement aléatoire car l'IA n'aime pas naturellement différer l' exécution de la tâche pour plusieurs messages Il veut juste tout faire dans un seul message. Pour en revenir à ce que nous disions à propos l'assistant trop enthousiaste, il veut juste le faire. C'est donc utile de l'avoir ici, mais vous devez savoir que vous devrez peut-être parfois lui demander manuellement de le faire. Numéro trois, le filtre à peluches et à flatteries. Je ne sais donc pas pourquoi, mais celui-ci m' embête plus qu'il ne le devrait. Parfois, c'est vraiment exaspérant, surtout si je fais mes critiques de livres ou quoi que ce soit d'autre, quand les LLM vous flattent avec des saloperies peu sincères, par exemple, je fais une critique de livre avec IA en lui posant certaines questions qui se IA en lui posant Et il dira des choses vraiment exagérées. C'est une question vraiment extrêmement perspicace qui va au cœur du problème Ou ils diront que ce genre de choses montre que vous avez vraiment trois pas d'avance. Des choses qu'un humain ne dirait jamais pour une simple question de base. De plus, cela ajoute beaucoup de fluidité. C'est juste une perte de temps. Et ça m'exaspère. Alors je dis, évitez toute sensation de conversation. L'envie de flatterie, d'intros ou d'outtros robotiques Ne commencez jamais une réponse par « Je peux certainement vous aider ». Concentrez-vous uniquement sur le fond et passez directement à la réponse directe. J'aime donc utiliser cette citation. Celui-ci fonctionne très bien car il s'agit d'une instruction directe à l'IA, en prime, car elle n'est pas ennuyeuse. Cela vous permet d'économiser des jetons supplémentaires pour des choses plus utiles ou pour encombrer le chat Numéro quatre, concentration sur l'intention. Parfois, nous écrivons des instructions rapidement et nous n'utilisons pas les mots exacts que vous voulez que l'IA lise entre les lignes Vous savez ce qui se passe lorsque vous êtes dans une conversation informelle avec vos amis et que vos mots n'ont aucun sens. Mais ils disent simplement : « Oui, nous voyons ce que tu veux dire. Un peu comme ça pour l' IA, si cela a du sens. Concentrez-vous donc sur mon objectif sous-jacent implicite plutôt que sur une lecture littérale stricte de mon message. Adaptez votre réponse pour résoudre mon problème réel. Si mon intention ou mon intention sont ambiguës, demandez-moi explicitement de clarifier. Voici donc quelques instructions simples que j'utilise pour aider l' IA à surmonter légèrement certaines de ses limites et à la forcer à faire des choses. C'est plus adapté à mes besoins. Il s'agit donc essentiellement de régler l'IA pour qu'elle soit un peu plus précise et qu'elle prenne moins de libertés Comme ils fonctionnent simplement en arrière-plan, vous pouvez littéralement les configurer et les oublier. 13. Leçon finale: Vous avez atteint la dernière leçon du cours. Donc, statistiquement, 87 % des élèves qui commencent un cours et suivent la première leçon ne parviennent pas à la dernière leçon Vous faites partie d'un groupe très restreint, et en récompense, j'ai des ressources pour vous. Parce que nous avons utilisé de nombreuses techniques, et je ne veux pas que vous vous sentiez dépassé. Cette vidéo est donc juste pour résumer le tout. l'avenir, il s'agira d'un processus d'expérimentation continu Compte tenu de la nature des LLM et de la rapidité avec laquelle ils progressent, il est littéralement impossible pour vous de disposer d'un cadre ou d' astuces qui continueront de fonctionner indéfiniment Il s'agit d'avoir cette méthode, cet état d'esprit qui consiste à penser constamment, à améliorer constamment vos réponses J'ai donc quelques aide-mémoire pour résumer tout ce que nous avons dit sur les différentes techniques, les meilleures façons de les améliorer, et tout cela pour vous rafraîchir la mémoire et vous donner un peu d'inspiration lorsque vous travaillez sur un problème vraiment difficile Donc, si vous voulez rester en contact avec les cours à venir, les développements futurs de l'IA et les sujets que je lis, juste les intérêts généraux que j'ai, je publie un bulletin d'information hebdomadaire, alors assurez-vous de vous y inscrire, et vous aurez toutes les dernières mises à jour sur les sujets sur lesquels je travaille, ainsi que des citations et d'autres ressources basées sur l'investissement. Je serais donc également très curieuse de voir en ce qui concerne le projet de classe. Cela a évolué au fil des multiples instructions. Donc, si vous êtes content, vous savez, n'hésitez pas à partager vos instructions. Cela a très bien fonctionné pour vous et façon dont cela a modifié le résultat de vos réponses, afin que les autres étudiants puissent apprendre et intervenir. Ce sera vraiment utile. C'est une période vraiment très excitante parce que cette technologie est la technologie qui connaît la croissance la plus rapide et la plus excitante, à mon avis , de toute ma vie, et le fait de devenir vraiment bon et de la maîtriser vous donnera vraiment un avantage au cours des 25 prochaines années. Et c'est un processus expérimenter, à s'amuser et à essayer de nouvelles choses Il y a tellement d'applications que j'ai l'impression que les gens commencent tout juste à se faire une idée. Il est encore très tôt. Amusez-vous donc avec votre projet de classe, publiez le résultat de votre contenu restez en contact et profitez-en. Merci beaucoup.