Share
Sign In
Zero-Shotプロンプト：LLM機能の理解と活用
Zero-Shot（ゼロショット）プロンプトは、大規模な言語モデル、例えばGPT-3などの人工知能が、事前に特定の例やデモなしで特定のタスクを実行する能力を指します。この機能により、人工知能がさまざまなデータを学習することで、さまざまな作業を自由に行うことができます。
Zero-Shotプロンプトの例？
たとえば、特定のテキストを感情的に分類することを考えてみましょう。何の説明もなくユーザーが「このガイドブックは読むだけです」という文章を入力すると、言語モデルはこれを「中立」に分類します。
この過程で、人工知能は事前に感情分類の具体的な例を受けていないにもかかわらず、文章の感情を正しく分析します。これはZero-Shotプロンプトの重要な機能を示しています。つまり、事前資料なしで既存の言語モデルが持つ能力だけで問題を解決することをゼロショットと呼びます。
ゼロショット学習の進歩
2022年にJason Weiが行った「FINETUNED LANGUAGE MODELS ARE ZERO-SHOT LEARNERS」の研究で提示された命令チューニングは、この機能をさらに向上させました。
FINETUNED LANGUAGE MODELS ARE ZERO-SHOT LEARNERS.pdf1.55MB
命令のチューニングは、人工知能が与えられた指示をより正確に理解し、従うことができるようにデータセットを微調整するプロセスです。実際にこの機能が適用されたのが ChatGPT の 'Custom instructions' という機能です。これは、毎回ユーザーが特別なコマンドがガイドを出さなくても、ユーザーが意図した答えをゼロショットに導くのを助けます。
さらに、人間のフィードバックによる強化学習（RLHF）も重要な役割を果たし、人工知能モデルは人の好みとガイドラインによく合うように改善されます。
単発プロンプトへの切り替え
Zero-Shotプロンプトは強力ですが、複雑な操作や微妙な操作では限界があります。この場合、例やデモをプロンプトに組み込むことをお勧めします。これを「単発プロンプト」と呼びます。単発プロンプトにより、人工知能はより正確で詳細な結果を提供できます。
言葉が難しくて、一度に命令を出すときにちゃんと下がるということです。例と基準などを提案しています。私たちが先に話した感情分類器によると、これを行うことができます。
작업: 문장의 감정 분류
예시 입력: "오늘은 정말 행복한 날이에요."
예시 출력: 긍정
기준:
긍정 - 만족, 기쁨, 흥미, 행복, 감사 등의 긍정적인 반응이 포함
부정 - 불만, 실망, 슬픔, 분노, 두려움 등의 감정이 드러나는 경우가 여기에 해당
중립 - 대개 정보를 전달하거나 질문하는 등 개인적인 감정이나 태도가 드러나지 않는 경우 해당
새로운 입력: "이번 프로젝트는 좀 걱정되네요."
출력: ?このようにプロンプトを一度に入力するときに正しく進行すれば、GPT-3,4のようなモデルでなくても性能がやや低いモデルでも有意な結果を引き出すことができます。このように人工知能のZero-Shotプロンプト機能を理解して活用することは、さまざまな分野でのアプリケーションの可能性を開きます。
ⓒ 2023. Haebom, all rights reserved.
ソースを表示し、著作権者の許可の下で営利目的で使用することができます。