Мамо, тато, я хочу бути promt інженером!

З розповсюдженням генеративних додатків AI ( Artificial Intelligence - штучний інтелект), таких як ChatGPT, відкривається нові  кар’єрні можливості: prompt інженерія, мистецтво (а не наука) створення ефективних інструкцій для моделей AI.

«Через десять років половина робочих місць у світі буде припадати на prompt engineering», — заявив Робін Лі, співзасновник і генеральний директор китайського гіганта штучного інтелекту Baidu. «А ті, хто не вміє писати запити, будуть застарілими».

Це може бути трохи завеликою технологічною гіперболою, але немає сумніву, що prompt інженери стануть чарівниками світу штучного інтелекту, спонукаючи та спрямовуючи моделі штучного інтелекту на створення контенту, який є не лише релевантним, але й узгодженим з бажаним результатом.

Отже, що ж таке prompt інженерія?

Змусити генеративний штучний інтелект робити те, що ви хочете, непросте завдання, для кожного, хто пробував системи генерації зображень, такі як Dalle-E або MidJourney, або мовні моделі, такі як ChatGPT. Хоча успішні творіння вражають, результати непідготовленого користувача, ймовірно, будуть глибоко помилковими або, з ChatGPT, навіть неправильними. Те саме стосується генераторів коду AI.

Це тому, що генеративні моделі AI реагують на натуральну мову, а натуральна мова, як відомо, є неточною. Одне й те саме речення може мати різні значення залежно від контексту, що ускладнює для моделі AI розуміння того, що користувач хоче згенерувати. І запити натуральною мовою можуть не надати достатнього контексту для AI, щоб повністю зрозуміти намір користувача. Це може призвести до того, що штучний інтелект генеруватиме відповіді, які не відповідають потребам чи очікуванням користувача.

Крім того, генеративні моделі AI зазвичай навчаються на великих обсягах текстових даних, але навчальні дані можуть не містити прикладів, які відповідають конкретному запиту користувача. Це може обмежити здатність AI генерувати відповіді, які точно відображають потреби користувача.

І, нарешті, генеративні моделі штучного інтелекту навчені генерувати відповіді на основі шаблонів з навчальних даних, тому вони можуть бути не в змозі генерувати відповіді, які є справді творчими чи інноваційними.

Отже, розмова з генеративною моделлю штучного інтелекту схожа на розмову з ідіотом-дослідником – вам потрібно зрозуміти, на що вони відповідають, якщо ви сподіваєтеся отримати бажані результати.

Експерти з prompt інженерингу вже з’являються всюди, стартапи пропонують prompt інженерні послуги, а компанії починають вказувати «prompt інженер» як назву посади. Тренери та вчителі об’єднуються, щоб допомогти навчити працівників, як найкраще використовувати генеративний AI, а сайти відеолекцій, такі як Udemy, уже пропонують багато курсів із формулювання ефективних запитів. 

Тим часом, із зростанням складності алгоритмів штучного інтелекту стає все більш доцільним для систем штучного інтелекту взяти на себе роль кодування, залишаючи інженерам програмного забезпечення зосереджуватися на завданнях вищого рівня, таких як формулювання наміру та логічних послідовностей для керування генератором коду. Ця зміна, ймовірно, вимагатиме від інженерів програмного забезпечення більш глибокого розуміння алгоритмів AI та того, як вони працюють. У результаті вони зможуть створювати запити, які можуть спрямовувати AI на створення коду, який точно відповідає бажаним специфікаціям.

Роль інженерів програмного забезпечення перетвориться на керування та нагляд за роботою штучного інтелекту, надання вхідних даних і зворотного зв’язку, а також забезпечення відповідності згенерованого коду вимогам проекту.

Prompt engineering буде критично важливим для використання автоматизованих генераторів коду, оскільки запити мають бути ретельно створені, щоб точно відобразити зміст бажаного коду. Крім того, prompt engineering може допомогти переконатися, що згенерований код відповідає найкращим галузевим практикам, стандартам і рекомендаціям.

Ми вже бачимо компіляцію бібліотек запиті, таких як бібліотеки попередньо написаного коду або програмних компонентів, які можна повторно використовувати в різних програмах або додатках. Подібно до того, як бібліотека коду містить компоненти, призначені для багаторазового використання, дозволяючи розробникам економити час, а не створювати новий код з нуля, бібліотеки запитів робитимуть те саме.

Також швидко з’являються спеціалізації для створення коду, тестування вихідних даних, створення тексту та створення мистецтва. Зрештою, prompt проектування полягає в тому, щоб знати, що повідомляти моделі штучного інтелекту, щоб отримати бажаний результат, що дозволяє користувачам оптимізувати комунікацію для отримання точних результатів.

Існує потік стартапів і нових інструментів, які допомагають розробляти запити, зокрема PromptPerfect і PromptingGuide. Інтернет-школи починають пропонувати курси, а PromptBase — це онлайн-ринок для купівлі та продажу високоякісних запитів. 

Стартап Anthropic, місія якого полягає у створенні надійних, інтерпретованих і керованих систем штучного інтелекту, пропонує зарплату до 335 000 доларів для досвідченого prompt інженера. Посада передбачає визначення найкращих методів запиту штучного інтелекту для різних завдань, документування цих методів, створення бібліотеки інструментів і створення навчальних посібників для інших, щоб навчитися розробці запитів.

Зрештою,prompt engineering може допомогти покращити зручність використання та надійність автоматизованих генераторів коду, зробивши їх більш доступними для користувачів, які можуть не мати достатнього досвіду програмування. Цей новий клас кваліфікованих людей-операторів, які знають, як ефективно взаємодіяти з моделями штучного інтелекту, подолає прірву між світом людини та світом штучного інтелекту.

автор: Craig S. Smith

джерело: forbes.com