Vad är prompt engi­ne­e­ring och hur fungerar det?

Prompt engi­ne­e­ring omfattar olika tekniker och metoder för att optimera promptar för ge­ne­ra­ti­va AI-verktyg. Vi förklarar de­fi­ni­tio­nen av prompt engi­ne­e­ring, varför det är viktigt, och går igenom exempel och bästa praxis.

Det är absolut nöd­vän­digt att formulera rätt upp­ma­ning­ar för AI-verktyg om du vill få ut mesta möjliga av språk­mo­del­ler­na. I takt med att ar­ti­fi­ci­ell in­tel­li­gens fort­sät­ter att utvecklas ökar också behovet av yr­kes­verk­sam­ma som vet hur man navigerar i den på ett så effektivt sätt som möjligt, vilket är an­led­ning­en till att yrket prompt engineer har uppstått.

Vad är prompt engi­ne­e­ring?

Termen ”prompt engi­ne­e­ring” avser tekniker och metoder som används för att optimera promptar för naturlig språk­be­hand­ling (NLP) och stora språk­mo­del­ler (LLM) som GPT-3 eller GPT-4, som baseras på ma­ski­nin­lär­ning. Hur en fråga eller in­struk­tio­ner for­mu­le­ras har stor inverkan på kva­li­te­ten och re­le­van­sen hos det svar som genereras av verktyget för ar­ti­fi­ci­ell in­tel­li­gens.

Prompt engi­ne­e­ring för AI-modeller kräver inte bara kre­a­ti­vi­tet och precision utan också en djup för­stå­el­se för re­spek­ti­ve språk­mo­dell, eftersom valet av ord och deras ordning kan ha stor inverkan på re­sul­ta­tet. Prompts kan innehålla text i naturligt språk, bilder eller andra typer av da­tain­mat­ning­ar. Samma prompt kan ge olika resultat på olika AI-platt­for­mar. Därför måste prompt engi­ne­e­ring skräd­dar­sys in­di­vi­du­ellt för varje AI-text­ge­ne­ra­tor eller AI-vi­deo­ge­ne­ra­tor.

Varför är snabb teknik viktig för AI?

Prompt engi­ne­e­ring är viktigt om du vill uppnå bättre resultat med generativ AI och fullt ut utnyttja språk­mo­del­ler­nas potential. En prompt engineer kan till exempel ex­pe­ri­men­te­ra genom att ställa en fråga på många olika sätt för att se hur det påverkar svaret. Va­ri­a­tio­ner i ordföljd och an­vänd­ning av ett mo­di­fi­e­ran­de ord en eller flera gånger (t.ex. ”mycket” eller ”mycket, mycket, mycket”) kan påverka re­sul­ta­ten avsevärt.

För AI-bild­webb­plat­ser kan prompt engi­ne­e­ring hjälpa till att fin­juste­ra olika funk­tio­ner i ge­ne­re­ra­de bilder. Dessa ger ofta möjlighet att skapa AI-bilder i en viss stil, per­spek­tiv, bild­for­mat eller bildupp­lös­ning. Den första prompten är van­ligt­vis bara en ut­gångs­punkt. Följande promptar kan till exempel användas för att mjuka upp eller förstärka vissa element och lägga till eller ta bort objekt i en bild.

Prompt engi­ne­e­ring kan också hjälpa till att anpassa LLM och optimera ar­bets­flö­den för specifika resultat vid ut­veck­ling av nya verktyg. Det finns också andra skäl till varför prompt engi­ne­e­ring är viktigt för AI:

• Re­sul­ta­top­ti­me­ring: Noggrant utformad prompt engi­ne­e­ring kan göra det möjligt för språk­mo­del­ler att leverera resultat av högre kvalitet och med större relevans.
• Ef­fek­ti­vi­tet: Väl­for­mu­le­ra­de promptar gör att modellen levererar önskad in­for­ma­tion snabbare, utan behov av flera promptar eller ite­ra­tio­ner.
• Kontroll över re­sul­ta­tet: Smart prompt engi­ne­e­ring gör det möjligt för an­vän­da­ren att kon­trol­le­ra hur AI:n svarar, inklusive längden, stilen och tonen i svaret.
• Fel­re­du­ce­ring: Tydliga och koncisa promptar hjälper till att minimera po­ten­ti­el­la fördomar, miss­för­stånd eller felaktiga svar som en modell kan ge.
• Avan­ce­ra­de tillämp­ning­ar: Med rätt prompt engi­ne­e­ring kan AI-modeller användas för specifika uppgifter eller inom andra områden som de ur­sprung­li­gen inte ut­veck­la­des för.
• Ex­pe­ri­men­tel­la insikter: Att ex­pe­ri­men­te­ra med olika upp­ma­ning­ar kan hjälpa till att få en djupare för­stå­el­se för hur en viss generativ AI fungerar och hur den svarar på olika indata.

Exempel på snabb teknik

Prompts som kan användas för att skapa text, bilder eller videor skiljer sig avsevärt från varandra. För alla AI-webb­plat­ser gör dock mål­in­rik­tad prompt­tek­nik det möjligt för an­vän­dar­na att in­te­ra­ge­ra mer effektivt med re­spek­ti­ve AI-verktyg.

Exempel på frågor för text­ge­ne­ra­to­rer

Här är ett exempel på mål­in­rik­tad prompt­tek­nik för text­ge­ne­ra­to­rer:

1. Spe­ci­fi­ci­tet

• ur­sprung­lig uppgift: ”Berätta om träd”.
• För­bätt­rad uppgift: ”Förklara fo­to­syn­tes­pro­ces­sen i lövträd”.

2. For­ma­te­ring av svar

• ur­sprung­lig uppgift: ”Vilka är för­de­lar­na med solenergi?”
• För­bätt­rad fråga: ”Nämn fem fördelar med solenergi”.

3. Infoga exempel på svar

• ur­sprung­lig uppgift: ”Skriv en mening om Paris”.
• För­bätt­rad uppgift: ”Skriv en mening om Paris i Heming­ways stil”.

4. Längd och detaljer

• ur­sprung­lig uppgift: ”Beskriv vatten”.
• För­bätt­rad uppgift: ”Ge mig en de­tal­je­rad ve­ten­skap­lig för­kla­ring av vattnets mo­le­kyl­struk­tur”.

5. Undvika fördomar

• ur­sprung­lig uppmaning: ”Vad tycker du om kryp­to­va­lu­tor?”
• För­bätt­rad fråga: ”Beskriv kryp­to­va­lu­tor på ett neutralt och objektivt sätt”.

6. Sam­man­hang

• ur­sprung­lig fråga: ”Varför faller ak­ti­e­kur­ser­na?”
• För­bätt­rad fråga: ”Med tanke på eko­no­mis­ka faktorer, varför kan tek­nik­ak­ti­er falla i en recession?”

7. Stilar eller per­spek­tiv

• ur­sprung­lig uppgift: ”Berätta historien om Napoleon”.
• För­bätt­rad uppgift: ”Berätta historien om Napoleon ur en av hans soldaters per­spek­tiv”.

Exempel på frågor för bild­ge­ne­ra­to­rer

Prompt engi­ne­e­ring är inte bara relevant för språk­mo­del­ler, utan även för ge­ne­ra­ti­va ad­ver­sa­ri­a­la nätverk som genererar bilder, såsom DALL-E. För bild­ge­ne­ra­to­rer måste prompts text­mäs­sigt beskriva vilken typ av bild som ska genereras:

1. Spe­ci­fi­ci­tet

• ur­sprung­lig uppmaning: ”Katt”.
• För­bätt­rad uppgift: ”Orange katt som sover på en blå kudde”.

2. Kom­bi­na­tion av element

• ur­sprung­lig uppgift: ”Byggnader och moln”.
• För­bätt­rad uppgift: ”Ett gammalt vik­to­ri­anskt hus som vilar på flytande moln”.

3. Stil och epok

• ur­sprung­lig uppmaning: ”Bilar”.
• För­bätt­rad uppgift: ”Fu­tu­ris­tis­ka bilar i retrostil från 1950-talet”.

4. Känslor och atmosfär

• ur­sprung­lig uppmaning: ”Skog”.
• För­bätt­rad uppgift: ”En mörk, dimmig skog badad i månsken”.

5. Kom­bi­na­tion av ovanliga element

• ur­sprung­lig uppgift: ”Bord och frukt”.
• För­bätt­rad uppgift: ”Ett bord gjort av vat­ten­me­lo­ner med en skiva gjord av torkade ba­nan­ski­vor”.

6. Per­spek­tiv och dimension

• ur­sprung­lig uppmaning: ”Berg”.
• För­bätt­rad uppgift: ”Ett enormt berg i form av ett upp och nedvänt tekopp”.

7. Ab­strak­tion

• ur­sprung­lig uppmaning: ”Känslor”.
• För­bätt­rad uppgift: ”Glädje vi­su­a­li­se­rad som en ljus explosion av färger”.

Exempel på snabb­frå­gor för vi­deo­ge­ne­ra­to­rer

För vi­deo­ge­ne­ra­to­rer är ut­ma­ning­en att inte bara fånga ett enda ögonblick eller en stillbild, utan en dynamisk, tids­be­stämd sekvens av hand­ling­ar och händelser. Bra prompt­tek­nik hjälper till att exakt spe­ci­fi­ce­ra handling, miljö och var­ak­tig­het för videon, samt hur elementen i videon ska in­te­ra­ge­ra:

1. Hand­lings­se­kvens

• ur­sprung­lig uppgift: ”Katt som går”.
• För­bätt­rad uppgift: ”En orange katt går långsamt förbi en pöl och hoppar sedan i den”.

2. Miljö och stämning

• ur­sprung­lig uppgift: ”Strand­mo­tiv”.
• För­bätt­rad uppgift: ”En öde strand vid sol­ned­gång­en, med mjukt kra­schan­de vågor och en flock fåglar som flyger vid ho­ri­son­ten”.

3. Tids­mäs­sig ut­veck­ling

• ur­sprung­lig uppgift: ”En blomma som växer”.
• För­bätt­rad uppgift: ”En ros som växer från knopp till fullt utslagen blomma på 30 sekunder”.

4. Dynamiska åtgärder

• ur­sprung­lig uppgift: ”Sportspel”.
• För­bätt­rad uppgift: ”En bas­ket­match där en spelare gör ett avgörande tre­po­ängs­mål i matchens sista sekunder”.

5. Kom­bi­na­tion av element och över­gång­ar

• ur­sprung­lig uppgift: ”Tid­punk­ter på dygnet”.
• För­bätt­rad uppgift: ”Ett panorama över staden som övergår från morgon till kväll, med stadens ljus som tänds när mörkret faller”.

6. Be­rät­tel­se och be­rät­tar­röst

• ur­sprung­lig uppgift: ”En flygande fågel”.
• För­bätt­rad uppgift: ”En ung fågel som försöker flyga för första gången. Efter några miss­lyc­ka­de försök lyckas fågeln till slut erövra himlen och åter­vän­der säkert till sitt bo”.

Vilka är de bästa metoderna för snabb teknik?

Med riktad prompt­tek­nik är det möjligt att uppnå optimala resultat från ge­ne­ra­ti­va AI-verktyg. Det finns några beprövade bästa praxis som bör beaktas när man for­mu­le­rar prompts:

• Var precis: Att vara tydlig när du for­mu­le­rar en uppmaning hjälper AI att bättre förstå vad du förväntar dig att den ska generera.
• Var specifik: Se till att dina frågor är till­räck­ligt specifika för att du ska få den typ av svar du vill ha.
• Ex­pe­ri­men­te­ra: Om du inte får det svar du vill ha direkt, försök formulera frågan på ett annat sätt eller lägg till mer sam­man­hang.
• For­ma­te­rings­in­struk­tio­ner: Om du vill att svaret ska ha ett specifikt format (t.ex. lista, kort stycke, formellt språk) bör du ange detta i prompten.
• Exempel på svar: Det kan vara bra att ge exempel på svar, eftersom det kan ge AI:n ett exempel på det svar du vill ha och styra den i rätt riktning.
• Sam­man­hang: Vissa AI-verktyg mår bra av att få yt­ter­li­ga­re in­for­ma­tion eller mer sam­man­hang innan den faktiska frågan ställs.
• Undvik tve­ty­dig­he­ter: Undvik otydliga eller tvetydiga for­mu­le­ring­ar.
• Begränsa och styra: Om du är orolig för att AI-verktyget kan svara på ett partiskt sätt, eller om du vill ha en viss stil eller per­spek­tiv, ge tydliga in­struk­tio­ner.
• Granska: Det är viktigt att kritiskt granska AI-verk­ty­gets svar och se till att de är både korrekta och fria från oönskad par­tisk­het.
• Iterativt till­vä­ga­gångs­sätt: Det är ofta an­vänd­bart att använda ett iterativt till­vä­ga­gångs­sätt och förfina frågan utifrån de svar som erhållits.

Vilka kva­li­fi­ka­tio­ner bör en snabb ingenjör ha?

Prompt engi­ne­e­ring erbjuder lovande möj­lig­he­ter för personer med djup för­stå­el­se för språk­be­ar­bet­ning och ett kreativt tankesätt. I takt med att AI- och NLP-teknik blir allt vanligare inom en rad olika branscher kommer ef­ter­frå­gan på skickliga prompt engineers att fortsätta öka.

Även om det inte finns några krav på specifik ut­bild­ning kan en examen inom ett relaterat område vara till hjälp. Pro­gram­me­rings­kun­ska­per är inte nöd­vän­di­ga, men en examen i data­ve­ten­skap eller ling­vistik kan göra det lättare att förstå språk­mo­del­ler och utveckla promptar. Prompt engi­ne­e­ring handlar främst om att förstå hur språk fungerar och hur man struk­tu­re­rar det för att få de resultat man önskar. Följande fär­dig­he­ter kan vara till hjälp i denna process:

• Förstå AI och ma­ski­nin­lär­ning: Det är viktigt att ha en grund­läg­gan­de för­stå­el­se för hur neurala nätverk fungerar, särskilt språk­mo­del­ler, så att du bättre kan förstå me­ka­nis­mer­na bakom re­sul­ta­ten.
• Ana­ly­tiskt tänkande: Att analysera resultat och justera upp­ma­ning­ar baserat på dem kräver ana­ly­tiskt tänkande.
• Kom­mu­ni­ka­tions­för­må­ga: Förmågan att formulera tydliga och koncisa in­struk­tio­ner är avgörande för prompt engi­ne­e­ring.
• Felupp­täckt: Förmågan att upptäcka fel­ak­tig­he­ter eller fel i en AI-modells svar och göra lämpliga ju­ste­ring­ar.
• Do­män­spe­ci­fik kunskap: Beroende på vilken domän du använder den för kan spe­ci­a­li­se­rad do­män­kun­skap krävas för att effektivt utforma och utvärdera promptar och svar.
• Kon­ti­nu­er­ligt lärande: Ar­ti­fi­ci­ell in­tel­li­gens och ma­ski­nin­lär­ning utvecklas snabbt. Bra prompt engi­ne­e­ring kräver därför ett en­ga­ge­mang för kon­ti­nu­er­ligt lärande och en vilja att ständigt anpassa sig till ny teknik.
• Teamwork: En prompt engineer måste ofta samarbeta med andra yr­kes­grup­per, såsom da­ta­fors­ka­re, mjuk­va­ru­ut­veck­la­re och af­fär­sa­na­ly­ti­ker.