أتقن فن الهندسة السريعة لتوجيه نماذج الذكاء الاصطناعي مثل LLMs للحصول على مخرجات دقيقة وعالية الجودة في المحتوى وخدمة العملاء وغير ذلك.
هندسة الموجهات هي ممارسة تصميم وتنقيح وهيكلة المدخلات (المطالبات) المقدمة لنماذج الذكاء الاصطناعي، خاصةً نماذج اللغات الكبيرة (LLMs) وأنظمة الذكاء الاصطناعي التوليدية الأخرى، لاستنباط المخرجات المرغوبة أو المثلى. لا يتعلق الأمر بتغيير النموذج نفسه بقدر ما يتعلق بالتواصل الفعال مع النموذج باستخدام تعليمات أو أسئلة أو أمثلة مصاغة بعناية بلغة طبيعية. مع ازدياد قدرة نماذج مثل GPT-4، تؤثر جودة المطالبة بشكل كبير على جودة وملاءمة وفائدة الاستجابة المولدة.
تكون المطالبة بمثابة التعليمات أو الاستعلام الذي يوجه سلوك نموذج الذكاء الاصطناعي. تتضمن هندسة المطالبة الفعالة فهم كيفية تفسير النموذج للغة والاختبار التكراري للصياغة والسياق والقيود المختلفة. تتطلب هذه العملية غالبًا الوضوح والخصوصية وتوفير سياق أو أمثلة كافية ضمن المطالبة نفسها. وتتراوح الأساليب من التعليمات البسيطة إلى أساليب أكثر تعقيدًا مثل تقديم أمثلة(التعلّم من خلال بعض الأمثلة) أو توجيه عملية التفكير في النموذج(المطالبة المتسلسلة). والهدف من ذلك هو سد الفجوة بين نية الإنسان وقدرات توليد المخرجات الخاصة بالنموذج، والتي غالبًا ما يتم استكشافها في مجالات مثل معالجة اللغات الطبيعية (NLP).
تختلف الهندسة السريعة اختلافًا جوهريًا عن تقنيات تحسين تعلّم الآلة (ML) الأخرى:
الهندسة السريعة أمر بالغ الأهمية في مختلف تطبيقات الذكاء الاصطناعي:
نظرًا لأن نماذج الذكاء الاصطناعي أصبحت مدمجة في أنظمة أكثر تعقيدًا، بدءًا من توليد التعليمات البرمجية إلى البحث العلمي، فإن القدرة على توجيهها بفعالية من خلال الهندسة السريعة تصبح حيوية بشكل متزايد. ويتطلب ذلك مزيجًا من المهارة اللغوية والمعرفة بالمجال وفهم قدرات نموذج الذكاء الاصطناعي وحدوده. توفر أطر العمل مثل LangChain اللغوية والموارد مثل وثائق OpenAI API الأدوات وأفضل الممارسات لهذا المجال المتطور. ينطوي ضمان الاستخدام المسؤول أيضاً على مراعاة أخلاقيات الذكاء الاصطناعي والتخفيف من التحيز المحتمل في الذكاء الاصطناعي من خلال التصميم الفوري الدقيق. يمكن أن يوفر استكشاف Ultralytics HUB رؤى حول إدارة نماذج الذكاء الاصطناعي والمشاريع التي قد تنشأ فيها اعتبارات سريعة. يستمر إجراء المزيد من الأبحاث لاستكشاف استراتيجيات مطالبة أكثر تقدماً، بما في ذلك التحسين التلقائي للمطالبات وفهم الفروق الدقيقة في التفاعل بين الإنسان والذكاء الاصطناعي.