向人工智能下达指令的最简单方法
语言模型创建一个模仿人脑神经网络的人工神经网络，并对其进行良好的构造以创建专门用于特定任务的“模型”。而这个模型是通过添加数亿到数万亿的文本数据来完成的。当然，将随机数据放入人工神经网络并不意味着它就是语言模型。我们需要使其有意义并按预期工作，因此我们将其称为语言模型，并且根据数据的大小，将其称为大型语言模型。
红框是人工智能研发人员关注的领域，用户要注意最右边的黑框。
我们向以此方式创建的语言模型发出命令，提示它执行所需的操作。我们称之为“ 提示符”，只需发音即可。这实际上是一种更优雅的说法，源于开发人员在终端中发出指令时打开“命令提示符”的常见做法。（词源相同。）
这通常被称为“快速工程”（Prompt engineering），指的是类似工程学的设计流程；或者“快速设计”（prompt design），指的是周密的规划和投入。我个人认为这只不过是一个营销术语。事实上，我们目前正处于过渡时期，所以名称正在发生微妙的变化。不过，我还是会坚持使用最近使用的术语“prompting”。归根结底，它们都是一样的。既然这是一种向人工智能发出命令的方法，那么任何有意义的术语都可以。
我们学习如何阅读这 42 个文档并向人工智能发出命令。更准确地说，我们将讨论如何告诉人工智能做我们想做的事。如果我们知道钉子的原理和方法，那么无论我们使用的工具是锤子、铲子还是石头，都没有关系。换句话说，只要你清楚地了解如何下达命令，向谁下达命令并不重要。我们了解语言模型的工作原理并学习如何有效地控制它们。
幸运的是，人工智能还不会在受到干扰时发怒，也不会燃烧着消灭人类的复仇欲望。因此，我们能做的范围相当广泛，我们也可以提出实验性（？）的问题，所以让我们尽我们所能，不受工具的限制。
这并不是每次新模型或工具出现时都会改变的知识。我免费赠送这本书的原因很简单。这很奇怪，但这是因为如果我把这些钱花在美味的肉、酒、甜点、沙拉和咖啡上，而不是花钱，我会更开心。用这笔钱做点别的事吧。
ⓒ 2023。Haebom，保留所有权利。
经版权所有者许可，可以将其用于商业目的，但需注明来源。