Com funciona la generació de text (vista prèvia)
[Aquest tema forma part de la documentació preliminar i està subjecte a canvis.]
En aquest article s'explica l'enginyeria ràpida i altres conceptes clau per ajudar-vos a crear aplicacions potents que puguin generar text a partir de la vostra entrada. Prompt és una instrucció en llenguatge natural que indica al model Aprenentatge automàtic per realitzar una tasca. El model GPT utilitza l'indicador per determinar l'estructura i el contingut del text que necessita generar. L'enginyeria ràpida és el procés de creació i refinament de l'entrada que s'utilitza per generar text amb la capacitat de generació de text GPT.
Important
Aquesta és una característica de visualització prèvia.
Les característiques de visualització prèvia no estan dissenyades per a un entorn de producció i poden tenir una funcionalitat restringida. Aquestes característiques estan disponibles abans d’un llançament oficial de producte per tal que els clients el puguin utilitzar abans i enviar-nos els seus comentaris.
És possible que aquesta capacitat encara no estigui disponible a la vostra regió.
Aquesta capacitat pot estar subjecta a límits d'ús o limitació de capacitat.
Obriu la interfície d'enginyeria d'indicacions
Inicieu sessió a Power Apps OR Power Automate.
Al tauler de navegació de l'esquerra, seleccioneu AI Builder>Explore () oPower AutomateAI models Build an AI model>( Power Apps).
Seleccioneu Generació de> text de text.
La següent captura de pantalla és de Power Automate.
S'obre la finestra d'enginyeria ràpida. Utilitzeu aquesta experiència exploratòria per aprendre a instruir el model per generar el text desitjat. La interfície d'enginyeria ràpida inclou indicacions d'exemple per ajudar-vos a provar la capacitat.
Utilitzar text específic per obtenir respostes més rellevants
L'objectiu de l'enginyeria ràpida és crear una entrada el més específica possible per obtenir una resposta més rellevant del model d'IA. Les vostres indicacions han de ser específiques per a un tema i transmetre la vostra intenció.
Un missatge pot incloure la informació següent:
- El tema
- Paraules clau o frases associades al tema
- El to de la resposta
- El públic objectiu
Per exemple:
Generate a response to the text below. Be apologetic, humble, and creative with the response. The response should restate the problem to acknowledge the issue. The response should indicate that the problem will be addressed shortly.
Si el text generat és massa llarg o conté informació irrellevant, ajusteu la sol·licitud. Un bon apuntador té les següents característiques:
Clar i concís: Està escrit en un llenguatge clar i concís que és fàcil d'entendre.
Específic: És prou específic per guiar el model GPT en la direcció correcta.
Contextual: Proporciona prou context perquè el model GPT generi una sortida significativa.
Rellevant: És rellevant per a la tasca i proporciona al model GPT prou informació per generar un resultat significatiu.
Parts d'un missatge
Generalment hi ha dues parts per a un missatge per a un model GPT, la instrucció i el context.
La instrucció és la primera part de l'apuntador. Ha de proporcionar indicacions clares sobre el que ha de fer el model; per exemple, "Resumeix aquest correu electrònic en tres vinyetes".
El context és la segona part de l'apuntador. Ha de proporcionar la informació que el model necessita per generar una resposta adequada; per exemple, "El correu electrònic conté els comentaris dels clients de la setmana passada".
Normalment, en una tasca d'automatització, la instrucció es manté constant. El context se substitueix per contingut dinàmic perquè la instrucció es pugui reutilitzar en un flux de treball automatitzat.
Per exemple, esteu creant un flux de treball per resumir els comentaris dels clients cada setmana i generar una resposta. Podeu crear una automatització per filtrar el correu electrònic que contingui comentaris dels clients i incloure una sol·licitud com aquesta:
"Resumiu els comentaris següents dels clients en vinyetes, identifiqueu cada tema diferent. A més, genereu una resposta de to positiva, indicant que prendrem mesures sobre els punts clau que han destacat".
El context és tot el cos de text dels correus electrònics de comentaris setmanals. Els comentaris canvien setmanalment, però la part d'instruccions de l'indicador continua sent la mateixa.
Supervisió humana
La supervisió humana és un pas important quan es treballa amb contingut generat a partir d'un model GPT. Els grans models de llenguatge com GPT s'entrenen amb grans quantitats de dades. El contingut generat per IA pot contenir errors i biaixos. Un humà hauria de revisar-lo abans de publicar-lo en línia, enviar-lo a un client o utilitzar-lo per informar una decisió empresarial. La supervisió humana ajuda no només a identificar possibles errors i biaixos, sinó també a assegurar-se que el contingut sigui rellevant per al cas d'ús previst i s'alineï amb els valors de l'empresa.
La revisió humana també pot ajudar a identificar qualsevol problema amb el propi model GPT. Per exemple, si el model genera contingut que no és rellevant per al cas d'ús previst, és possible que hàgiu d'ajustar la sol·licitud.
IA responsable
Estem compromesos amb la creació d'IA responsable des del disseny. El nostre treball es guia per un conjunt bàsic de principis: equitat, fiabilitat i seguretat, privadesa i seguretat, inclusió, transparència i rendició de comptes. Estem posant en pràctica aquests principis a tota l'empresa per desenvolupar i implementar una IA que tingui un impacte positiu en la societat. Adoptem un enfocament integral, combinant recerca innovadora, enginyeria excepcional i governança responsable. Juntament amb la investigació líder d'Aside OpenAI sobre l'alineació de la IA, estem avançant en un marc per al desplegament segur de les nostres pròpies tecnologies d'IA que té com a objectiu ajudar a guiar la indústria cap a resultats més responsables.
Obteniu més informació sobre la transparència al servei OpenAI de l'Azure.