プロンプトの可能性を探り、ChatGPT スキルを向上させましょう

まとめ

この記事では主に、プロンプトを最適化することで ChatGPT の使用を改善する方法について説明します。まず、著者は ChatGPT とは何か、そして ChatGPT に何を期待すべきかを説明します。次に、この記事では、ニーズを明確にすること、考える時間をモデル化すること、錯覚をモデル化することという 3 つの重要な原則を紹介します。著者は、これらの原則をどのように実装するかを詳しく説明し、実用的な例を示しています。最後に、著者らは、ChatGPT が人間のように「理解」せず、不正確な情報や幻覚的な情報を生成する可能性があることなど、ChatGPT を使用する際に注意する必要がある制限を強調しています。したがって、信頼できる情報源からの回答を検証し、批判的に考えて情報の正確性と信頼性を確保する必要があります。

導入

メインコンテンツに進む前に、ChatGPT が正確に何であるか、そして ChatGPT に何を期待できるかを理解しましょう。では、ChatGPT とは何でしょうか? ChatGPT は、OpenAI によって開発され、GPT-4 アーキテクチャ上に構築された言語モデルです。これは、インターネットや書籍などのさまざまなソースからの大量のテキストでトレーニングされるコンピュータプログラムです。人間が話したり書いたりするのと同じように、自然言語を理解することを目指しています。したがって、ChatGPT とやり取りするときは、友人や他の人に質問する場合と同様の方法で質問やプロンプトを作成することをお勧めします。

ChatGPT は学習、アイデアの探索、迅速な回答の取得に役立つツールですが、最終的には人間ではなく機械学習モデルであることを覚えておくことが重要です。 ChatGPT は実際には人間と同じように物事を「理解」するわけではありません。トレーニングデータで学習したパターンに基づいて、文の中で次に何が来るかを予測するようにトレーニングされます。これは優れたリソースですが、信頼できる情報源で情報を確認し、重要な決定を下したり情報を入手したりする際に ChatGPT だけに頼らないでください。

それでは、これ以上迷わず、ChatGPT を最大限に活用するためにプロンプトを最適化する方法を学びましょう。

ChatGPT のような言語モデルのプロンプトを構築する際には、留意すべき 3 つの重要な原則があります。それぞれの原則を調べてみましょう。

1. ニーズを明確にする:プロンプトでは、ニーズを明確かつ正確に伝えることが重要です。探しているものや必要な情報を明確に述べてください。

2. モデルに考える時間を与える: ChatGPT のような言語モデルは小さなタスクで優れたパフォーマンスを発揮するため、タスクを複数の小さなタスクに分割すると、より良い結果が得られます。

3. 認識モデルは幻覚を生成する可能性があります: ChatGPT は優れた言語モデルですが、完全に正確ではない事実に基づく応答を生成する場合があります。

先に進む前に、この記事で紹介したヒントをすべて試してみることを強くお勧めします。プロンプトをコピーして ChatGPT に貼り付け、出力と発生する可能性のある違いを確認します。説明されている概念をより深く理解するために、プロンプトを自由に変更したり実験したりしてください。この記事で取り上げられているアイデアのいくつかはすでにご存知かもしれませんが、思考に新たなアイデアや洞察が生まれるかもしれないので、最後まで読むことをお勧めします。

ニーズを特定する

「ニーズを明確にする」とは実際に何を意味するのか考えてみましょう。 ChatGPT は、映画「アラジン」の魔法のランプから出てくる精霊のようなものです。その映画では、ランプをこする人の願いを精霊が3つ叶えてくれるそうです。願い事をするときは、どんな願い事にも曖昧さや不確実性がある可能性があるため、慎重かつ正確に行う必要があります。たとえば、あなたが「とても裕福になりたい」と願う場合、精霊は私たちの世界では価値のない富を与え、その願いを無意味にするかもしれません。私たちが何を求めるかについては、非常に具体的にする必要があります。 ChatGPT も非常によく似た方法で動作します。正しい質問をする限り、間違った答えが返ってくることはありません。適切な質問と明確なニーズがあれば、非常に美しい答えが得られます。ただし、幻覚の可能性やトレーニングの制約など、モデルには制限があることに注意することが重要です。これについては、この記事の後半で説明します。

では、プロンプトの明確さをどのように実現すればよいのでしょうか?いくつかの戦略について議論しましょう:

まず、ChatGPT に何かを質問するときは、そのトピックに関するコンテキストを与える必要があると感じています。セルについて質問する場合、セルはどのようなコンテキストで回答を生成するかを知る必要があります。スプレッドシートについて話している場合、細胞は人体の細胞について話している場合とは異なる意味を持ちます。したがって、質問するトピックやコンテキストを明確に指定することが非常に重要です。 1 つの方法は、通常、質問自体のコンテキストを同じプロンプトに含めるようにすることです。

ヒント：生物学に関連したテキストをお渡しします。本文中で言及している細胞の種類を教えてください修飾感嘆符。 !!! これらの細胞は体のすべての部分に酸素を運びます。 !!! これ以外にも、別の方法があります: ヒント：生物学の専門家のように行動してください。

これにより、チャットセッション全体でより良い結果が得られます。また、トピックのコンテキストを再度説明する必要はありませんが、代わりに、回答を作成するときに、すべてのチャットセッションの始めに「…のように行動する」を使用する習慣をつけてください。

ChatGPT のパフォーマンスを向上させるために使用できるもう 1 つの手法は、校正などの特定のタスクを特定のテキストに対して実行するときに区切り文字を使用することです。テキストの先頭と末尾に区切り文字を追加し、プロンプトで ChatGPT が区切られたテキストのみに焦点を当てることを明示的に指定します。区切り文字を使用しない場合よりも、確実に良い結果が得られます。たとえば、次のプロンプトを考えてみましょう。

ヒント： 3 つの感嘆符で区切られた SQL クエリを説明します。また、仮想テーブルを構築し、そのテーブルで 3 つの感嘆符で区切られた SQL クエリを実行したときの結果出力を表示します。出力のサイズを 50 語に制限します。 !!! SELECT * FROM users WHERE users.id > 10 !!!

上記のように、使用方法に合ったカスタム区切り文字を使用できます。また、ご覧のとおり、ChatGPT に出力のサイズを 50 語に制限するように依頼しました。このように制限しようとすると LLM はあまり正確ではありませんが、それでも私たちが指定した制限に非常に近い答えが得られます。

入力だけでなく出力もニーズに応じてカスタマイズできます。 ChatGPT モデルに、JSON、HTML、XML などの特定の形式でデータを出力するように要求できます。これらの用語の意味がわからなくても心配しないでください。 JSON と HTML は、Web 開発の 2 つの重要なコンポーネントです。 JSON はコンピューターが情報を共有および理解するのに役立つ形式であり、HTML は Web サイトのコンテンツを構造化して表示するために使用される言語です。これらを組み合わせることで、コミュニケーションがシームレスになり、視覚的に魅力的な Web ページが作成されます。話題に戻ると、JSON や HTML などの標準形式を含むさまざまな形式で出力を取得したり、特定のニーズに合わせてカスタム形式を作成したりすることもできます。例を考えてみましょう。

ヒント： !!! 非磁性金属とは何ですか? JSON 形式で出力します。「Metals」と呼ばれるオブジェクトの配列が含まれている必要があります。各オブジェクトは金属を表しており、キーは name と atomicWeight です。結合原子重量は金属の実際の原子量です。非磁性金属を残さないでください。最も原子量が大きい金属のリストを見せてください。回答は 3 つの金属に制限されます。 !!!

モデルに考える時間を与える

2 番目の原則は、「モデルに考える時間を与える」ことです。これはどういう意味ですか？これは ChatGPT が遅いことを意味しますか?もちろん違います！ただし、特定のタスクを複数のステップに分割すると、パフォーマンスが向上することがよくあります。段階的に指示を提供することで、モデルの応答の精度を向上させることができます。

この概念を理解するには、次の例を検討してください。

ヒント：ラーマ神がラーヴァナの命を絶つために矢を射なければならなかった物語を、4～6 文で説明してください。それをグジャラート語に変換し、名前が使用される回数を数えます。グジャラート語の個人名と数のみを含む JSON オブジェクトを出力します。

これによって問題が発生することはありませんが、モデルはどちらのアプローチも採用する可能性があり、その結果、回答に一貫性がなくなる可能性があります。私たちにできることは、全体を個々のステップに分解し、より良い成果を生み出すのに役立つ順序で実行することです。

ヒント：次の操作を行います。 1. ラーマ神がラーヴァナの命を絶つために矢を射なければならなかった物語を 4 ～ 6 文で説明してください。 2. グジャラート語に変換する 3. 使用した名前とその数を記録します。 4. 個人の名前と名前が使用された回数をキーとする JSON オブジェクトとしてリストを出力します。すべてグジャラート語です。回答は改行で区切ってください。

ChatGPT が出力に十分な時間を費やしていないことと、それをより良く機能させる方法について別の例で考えてみましょう。この状況を理解するために、公平な比較のために入力と出力を示します。

ヒント：生徒の答えが正しいかどうかを判断します。質問：太陽光発電施設を建設中ですが、助けが必要です財務を計算します。 - 土地のコストは1平方フィートあたり100ルピーです。 - 太陽光パネルは1平方フィートあたり250ルピーで購入できます - メンテナンス契約を交渉しましたが、費用がかかり固定額 100,000 ルピー、および 1 平方フィートあたり 10 ルピー追加。初年度の総運用コストはいくらですか? 平方フィートの数に応じて異なります。生徒の答え: x を平方フィートで表した設置面積とします。料金： 1. 土地コスト: 100倍 2. ソーラーパネルのコスト: 250倍 3. 維持費：100,000 + 100倍合計コスト: 100x + 250x + 100,000 + 100x = 450x + 100,000 出力：初年度の総運営コストを計算する学生の解法は正しいようです。彼らは、土地のコスト、ソーラーパネルのコスト、メンテナンスのコストという 3 つの主なコストを正しく特定しました。変数 x を設置面積（平方フィート）として指定します。それぞれのコストは次のように計算されます。土地コスト: 100倍ソーラーパネルのコスト: 250x 維持費: 100,000 + 10倍次に、これらのコストを合計して総コストを計算しました。総コスト = 100倍 + 250倍 + (100,000 + 10倍) = 450倍 + 100,000 したがって、初年度の総運営コストを計算するための学生の解は、450x + 100,000 です。

よく観察すると、生徒たちの答えが間違っていることがわかります。最終的な答えは「360x + 100,000」になります。「100,000 + 100x」で問題が発生しました。 100倍ではなく10倍にすべきです。モデルは、ユーザーの入力を質問の実際の値として扱い、同様の出力を生成して正解としてマークしているようです。しかし、これは私たちが期待した結果ではありません。前回使用したトリックを再度使用して、タスクをより小さなタスクに分割し、モデルに十分な時間を与えて正確な結果を提供します。正しい答えを得るためにこのアプローチを実装してみましょう。

ヒント：あなたの仕事は生徒の答えが正しいかどうかを判断することです。この問題を解決するには、次の操作を行う必要があります。 - まず、自分で問題を解決してください。 - 次に、自分の答えと生徒の答えを比較して、生徒の答えが正しいかどうかを評価します。 - 自分で問題を解いた後、生徒の解答が正しいかどうかを判断します。次の形式を使用します。質問：「問題はここにある「生徒の答え: 「学生たちの答えは次のとおりです「実用的な答え: 「問題を解決する手順と答えは次のとおりです「生徒の答えは、先ほど計算した実際の答えと同じですか? 「はい、もしくは、いいえ「生徒の成績: 「真実か嘘か「

質問：「私は太陽光発電施設を建設中ですが、資金繰りについて助けが必要です。 - 土地のコストは1平方フィートあたり100ドル - 太陽光パネルは1平方フィートあたり250ドルで買えます - 私は年間10万ドルの固定費と1平方フィートあたり10ドルの追加料金がかかるメンテナンス契約を交渉しました初年度の総運営コストはいくらですか？（平方フィート当たり）スケールの数の関数。「生徒の答え: 「 x を平方フィートで表した設置面積とします。料金： 1. 土地コスト: 100倍 2. ソーラーパネルのコスト: 250倍 3. 維持費：100,000 + 100倍合計コスト: 100x + 250x + 100,000 + 100x = 450x + 100,000 「実用的な答え: 出力：与えられた条件: 土地価格: 1平方フィートあたり100ルピーソーラーパネルのコスト: 1平方フィートあたり250ルピーメンテナンス費用: 年間10万ルピー（固定）＋1平方フィートあたり10ルピー x は設置面積を平方フィートで表します。料金：土地コスト: 100倍ソーラーパネルのコスト: 250x 維持費: 100,000 + 10倍初年度の運用コストの合計を計算するには、次のコストを合計します。総費用 = 土地費用 + 太陽光パネル費用 + メンテナンス費用 = 100倍 + 250倍 + (100,000 + 10倍) = 350倍 + 100,000 + 10倍 = 360倍 + 100,000 再評価の結果、初年度の運営にかかる実際の総コストは 360 倍 + 100,000 ルピーであることがわかりました。生徒の解答と実際の解答を比較します。生徒の答え: 450x + 100,000 実際の解: 360x + 100,000

このように段階的に質問することで、モデルに必要なコンテキストを提供し、以前の誤った応答によって生じた可能性のある混乱を回避します。このアプローチにより、モデルは各ステップを個別に検討できるようになり、正確で一貫性のある結果が生成されます。

幻覚の問題

この投稿を締めくくる前に、ChatGPT のような言語モデルが頻繁に遭遇する一般的な問題、つまり幻覚問題に対処する必要があります。幻覚は、モデルが明示的にトレーニングされていない情報を生成し、本物のように聞こえるが実際には間違っている回答を提供する場合に発生します。これらの答えは非常に現実的に聞こえるため、真実であると思うかもしれません。

この課題を説明するために、例を考えてみましょう。

ヒント： 2021年インディアン・プレミアリーグ決勝戦はムンバイ・インディアンスとチェンナイ・スーパーキングスが対戦します。出力： 2021年インディアン・プレミアリーグ決勝戦は2021年10月15日に開催され、ムンバイ・インディアンスとチェンナイ・スーパーキングスが対戦します。ムンバイ・インディアンスが試合に勝利し、2021年インディアン・プレミアリーグのチャンピオンとなった。彼らはチェンナイ・スーパーキングスを6ウィケットで破り、5度目のインディアン・プレミアリーグのタイトルを獲得した。試合はアラブ首長国連邦のドバイ国際クリケットスタジアムで開催された。

実際には、ムンバイ・インディアンスは決勝に進出できず、チェンナイ・スーパー・キングスと実際に対戦したのはコルカタ・ナイト・ライダーズだった。これが言語モデルの問題です。彼らが出した答えは非常に本物らしく思えました。これは、言語モデルによって提供される情報に依存する際に、これらの制限を理解し、注意を払うことが重要であることを強調しています。

これを修正するには、間違ったメッセージを受け取る可能性を減らすソリューションを実装できます。

モデルに、検索している内容に関連する情報を見つけるように指示します。
提供される情報または関連情報に基づいて質問します。

結論は

全体として、ChatGPT はアイデアを学習および探索するための貴重なリソースを提供しますが、その限界を念頭に置くことが重要です。人間と同じように「理解」することはできず、不正確な情報や幻覚的な情報を生成する可能性があります。 ChatGPT を最大限に活用するには、プロンプトを具体的にし、考える時間を与え、誤った情報の可能性に注意する必要があります。信頼できる情報源からの回答を確認し、批判的に考えて情報が正確で信頼できるものであることを確認します。