Prompt Engineering (PE) är en framväxande disciplin inom området artificiell intelligens (AI). Med utvecklingen av ChatGPT, Midjourney och andra konversations-/generativa AI-system måste man interagera med dem på ett specifikt sätt för att få önskat svar. Att utforma indata till systemet så att du får en optimal respons kan vara svårt. Det är här PE kommer in i bilden.
För att illustrera vad PE är kan vi använda en vanlig internetsökning som exempel. Att använda en sökmotor för att hitta exakt det du letar efter kräver att användaren agerar på ett specifikt sätt. Om du vill begränsa sökresultatet till ett visst land eller inom en viss tidsperiod måste du förfina din sökfråga. Under åren har söksystemen förbättrats så att du kan prata med dem med ett naturligt språk men du måste fortfarande vara försiktig med hur du samtalar med systemet för att få önskat resultat.
På samma sätt är det med de nya AI-systemen, där behöver du anpassa din indata så att den ger det bästa resultatet. Detta är vad Prompt Engineering handlar om. Hur kan jag skapa rätt indata i systemet, "prompten", så att den genererar bästa möjliga respons? För den genomsnittliga användaren kan de nya AI-systemen kännas väldigt mogna, men om det är något mycket specifikt som ska genereras är det viktigt att din prompt är mycket specifik. En prompt-ingenjör kommer att ha djup kunskap om hur du använder systemet på ett sådant sätt att du får önskat svar.
I stort sett representerar Prompt Engineering en ny spännande riktning för NLP (Natural Language Processing) forskning och utveckling, och har potential att avsevärt förbättra prestanda och mångsidighet hos AI-modeller i en rad applikationer.
Läs artikeln Hur AI och språkmodeller kan förändra energibranschen > (engelsk text)
På Cegal har vi många konsulter som har lång erfarenhet av en rad ML- och AI-lösningar.
Här är några exempel på uppdrag vi har utfört åt våra kunder: