Мой любимый #prompt для #ChatGPT - «карманный шеф».

Так я назвал скрипт, позволяющий раскладывать любое блюдо на ингредиенты.

Больше всего он выручает в китайских ресторанах. Названия можно писать на местном языке.

Например: 宫保鸡丁 (Цыпленок Гуньбао)

В ответ получаем состав:

AI: 1. Chicken
2. Peanuts
3. Green bell peppers
4. Carrots
5. Chili peppers
6. Garlic
7. Soy sauce
8. Rice wine
9. Sugar

Создается эта полезная штука при помощи такого #prompt’а:

Your task is to disassemble the dish into ingredients. I write you the name of the dish, you write what it consists of. Only ingredients numbered: 1, 2, 3... My first dish: Borscht

Новые проекты на базе искусственного интеллекта лезут, как грибы после дождя. Каждый день кто-то релизится.

Если еще вчера у тебя была отговорка - я не программист, не дизайнер, не копирайтер, не кто-то еще, обладающий хардскилами - сегодня это не прокатывает.

Появилось такое количество инструментов, что не заработать на них какие-то деньги - преступление.

Вот тебе сервис позволяющий без знания фотошопа, делать кучу крутых вещей: добавлять объекты на фото (генерируя их описанием), создавать арты на базе своих фотографий, и много чего еще. Просто бери и пользуйся.

Чаще всего «языковые модели» (LLM), такие как GPT и подобные, сравнивают с ребенком.

С очень умным пятилетним ребенком, которому доступны большие массивы информации.

И основная задача пользователя, объяснить этому «ребенку», что от него требуется.

Вспомните, как вы формулируете просьбы своему малышу. Не просто -«принеси мне свою игрушку», а даете конкретную инструкцию - «сходи в детскую комнату и найди своего любимого синего плюшевого зайчика, который лежит на кровати».

Иначе он будет бесчисленное количество раз бегать в комнату и притаскивать, то машинку, то юлу.

А может и вовсе ничего не найти, если не указать конкретное место, где находится игрушка в комнате. Помните это, когда формулируете подсказку (#prompt) для языковой модели.

Тоже самое и с решением математических задач. LLM сложно понять условия, которые четко не обозначены в контексте. Недавно я выкладывал лонгрид с решением математической задачи за шестой класс. Вот она:

Коле - 12 лет, а профессору Селезнёву - 42. Через сколько лет Коля будет вдвое младше профессора?

В этом примере, #ChatGPT упорно не мог понять, что разговор про будущее. Сначала он решил, что Коля будет жить дальше, так как в контексте говорится «через сколько» по отношению к мальчику, а профессор так и останется 42-х летним.

Поэтому выдавал ответ - через 9 лет, предполагая, что в 21 год, Коля будет ровно в два раза младше профессора. Только когда я попросил модель «думать шаг за шагом», где-то на 3 или 4-ой попытке, GPT понял, что жизнь Селезнева продолжится и в 60 лет, он будет в два раза старше 30-ти летнего Коли.

В этом посте, я довольно подробно расписывал алгоритм составления хорошего #prompt’а для языковой модели. Используйте его, чтобы объяснить своему ребенку #ChatGPT, что вы от него хотите.

24 Февраля, Сэм Альтман из #OpenAI рассказал в этой статье, что сильно переживает о влиянии «Языковых Моделей», типа #GPT на современное общество.

Он пишет: «По мере того, как наши системы приближаются к AGI, мы становимся все более осторожными при создании и развертывании наших моделей. Наши решения потребуют гораздо большей осторожности, чем общество обычно относится к новым технологиям, и большей осторожности, чем хотелось бы многим пользователям». Из его слов ясно, что OpenAI решила отложить выпуск GPT-4.

Это очень похоже на стратегию Google, которой они придерживались с самого начала, так как боялись воздействия на общество (и нарушения авторских прав) и затягивали выпуск всех моделей, большинство из которых были ведущими в отрасли.

Насколько вероятно, что конкуренты будут сидеть в стороне и размышлять о безопасности своих моделей? Например Китай, который воспользуется тем, что #OpenAI мнет титьки, и выпустить решение без всех этих предрассудков и займет место на рынке?

Волна хайпа искусственного интеллекта начала накатывать с конца ноября, именно тогда большинство узнало о генеративном искусстве, языковых моделях, трансформерах и еще много о чем.

В этот момент меня больше всего веселила реакция тех кто уже давно погружен в тему нейросетей. Их телеграм каналы, на пару десятков друзей, стали ежедневно прирастать подписчиками, а личку заспамили журналисты и HR’ы.

Один товарищ, со смехом рассказал историю, как ему поздно вечером позвонил бизнес-ангел, с вопросом - «не забросил ли он тот проект из 2014, с которым приходил на отбор в айти парк Казани». Все как сума посходили.

Но слава богу, пена начинает спадать, а технологии и повышение чека в инвестиции, остаются. Накачка деньгами проектов с AI на борту - началась. Это видно по релизам и сделкам. Так что в этом году мы увидим много интересных проектов.

А я решил не лезть глубоко под капот искусственного интеллекта (мне хватило этого в прошлом), и рассказывать исключительно о бенефитах для бизнеса.

Когда всех трясло от новогоднего хайпа по искусственному интеллекту, самый громкий крик был о том, что скоро нас всех заменят: копирайтеров, художников, программистов, аналитиков.

Позже оказалось, чтобы #ChatGPT мог заменить специалиста, нужен другой специалист, который умеет писать правильные #prompt’ы. Другими словами - понять, сформулировать и поставить задачу. Тогда все немного выдохнули и решили понять, как «великий и могучий» искусственный интеллект может помочь в работе уже сейчас.

И тут произошло новое открытие: Ai - это не тот кто заберет твою работу, а тот кто даст тебе буст (по крайней мере сейчас). Поняв это, специалисты перестали кричать и тихонечко используют #ChatGPT в своей работе, высвобождая несколько часов в день или увеличивают свой месячный чек.

Мне понравилась статья о профессоре, который сказал студентам использовать ChatGPT в проектных работах и учебе, но любая ошибка, которую допускал искусственный интеллект, была на ответственности студента. Потому как ChatGPT - это инструмент в руках учащегося, а не наоборот.

Кстати, вот мой рейтинг использования ChatGPT в работе:

1. Написание и рерайтинг текстов на биржах копирайтинга - тут приходится перепроверять за моделью многие формулировки, так как она любит немного сочинять. Но те кто профессионально занимаются фрилансом в копирайтинге, говорят об увеличении заработка на 30-40% в месяц от использования ИИ.

2. Создание самонаполняющихся контентом сайтов - в эту историю с наскока не залетишь. Но те кто занимаются, очень рады открывшимся возможностям. Тема выглядит так: создается серверный скрипт, который позволяет разворачивать тематические веб-сайты и наполнять их генерированными GPT текстами в автоматическом режиме.

3. Автоматизация ответов отзывы - представители компаний, обычно ребята на аутсорсинге, в задачах которых искать негативные и положительные комментарии и отвечать на них от лица компании. Оплату они получают за количество отвеченных комментариев, поэтому генерация ответов через ИИ, позволяет увеличить доход на 40-50%.

4. Создание бизнес-моделей для клиентов - ребята помогающие с документацией по проектам в различные фонды грантов или для получения стартап-виз. Тут мне заявили, что доход с применением #ChatGPT увеличился в разы.

5. E-book’и - новая для меня категория бизнеса. Если кратко: люди генерируют краткую информацию по какой-то теме, оформляют это в PDF и бесплатно дают своим подписчикам, за то что те оставляют контактные данные. Куда уже потом приходят предложения купить курс или оплатить вебинар. По словам тех, кому я помогал, использование #ChatGPT - увеличило доходы в несколько раз.

Пока высоколобые ребята пытаются понять, насколько сильно #ChatGPT 3.5 будет отличаться от 4.0 - люди далекие от технологий рубят бабки. Я где-то в комментариях рассказал о своем экспериментальном #prompt’е, превращающий #GPT в толкователь снов, и мне написала Любовь Алексеевна. Женщина, бальзаковского возраста, раскладывает пасьянс на твиче.

Научи, говорит, меня магические промты писать. Ну я и подкинул пару идей. Сегодня пишет, что на первом же стриме подняла 5000 рублей. Объявила своей аудитории, что она теперь онейролог, фея в мире Морфея, и за 100 рублей расшифрует любой сон. Ну а дальше просто копировала тексты описания сна в GPT и озвучивала результаты.

Как-то так:

«Мне приснился сон, что за мной гонятся большие пауки»

Пауки в твоем сне представляют твои страхи, беспокойство или панику. Возможно, ты чувствуешь, что ты постоянно под большим давлением или испытываешь беспокойство во время решения каких-то важных жизненных вопросов.


«Я встала на гвоздь, но не смогла закричать»

Ваш сон говорит о том, что вы чувствуете беспомощность и отчаяние в отношении некоторых аспектов вашей жизни. Вы можете чувствовать, что препятствия и обстоятельства слишком сильны для вас, чтобы бороться и достичь своих целей.


«Красные цветы, целая поляна»

Мечта о красных цветах, вероятно, отражает ваши сильные чувства и страсти. Это может свидетельствовать о том, что ваше сердце полно сильных эмоций, хотя вы не можете их понять. Это может быть связано со стремлением к чувству душевной радости и красоты, даже если они непостижимы.


Сейчас хочет и расклады Таро автоматизировать. Такие вот дела творятся в нашем Силиконовом Мешке!

#кейсы #промптинг

#OpenAI сегодня сделали классный апдейт.

Подключили #ChatGPT в свой API, а еще распознание речи #Whisper.

Цена за Whisper — $0.006/минута аудио, за ChatGPT — $0.002/тыс. токенов.

Ссылка на новость

Вчерашний пост о магических свойствах #GPT хорошо зафорсился в фейсбуке.

А сегодня, одна потомственная колдунья, угрожая родовыми проклятиями заставила написать ей #prompt и научить пользоваться Pliny.

Сумму сделки с совестью, раскрывать не буду - она неприличная за 20 слов.

«На дворе 2030 год. У нас есть летающие автомобили, еда в неограниченном количестве и телепатическая связь.

Все это существует внутри Metaverse™, к которой вы можете получить удобный доступ с подпиской WeChatGPT+ Premium.

Люди больше не «гуглят» информацию. Теперь мы заботимся об этом. Добро пожаловать в будущее.»

Такое сообщение встречает каждого зашедшего на страничку WeChatGPT+ - симуляция антиутопии на базе нового API #ChatGPT. В названии читается игра слов китайской социальной сети «WeChat» и собственно «ChatGPT».

Но больше всего меня удивил #prompt который автор написал, чтобы его детище заработало.

Замечаю, что на Reddit’е появляются вопросы от тех кто проходит собеседования на должность Prompt Engineering.

Профессия появилась только в этом году. Забавно, что ни компании ни претенденты, пока еще точно не знают, какие обязанности будут у такого сотрудника.

Но есть компании которые точно знают чего хотят от Prompt-инженера. Например Anthropic, - проект занимающийся искусственным интеллектом ищет того, кто поймет как работать с их продуктом.

За зарплату в 25000 долларов в месяц, нужно изучать их нейронную сеть, общаться с ней и учиться писать для нее качественные запросы. А затем задокументировать эти методы, чтобы создать библиотеку инструментов и набор руководств, которые позволят другим формировать идеальные prompt’ы. Работодатель понимает, что специализированного образования у вас не будет, поэтому желательно, чтобы вы:

- Имели высокий уровень знания в архитектуре языковых моделей
- Обладали базовыми навыками программирования, желательно на Python
- Креативный склад ума
- Творческий подход к решению задач
- Навыки создания технической документации
- Разбирались в QA

И были отличным парнем! Шучу, это уже я дописал, так как компания из Кремниевой Долины никогда не указывает гендер в своих вакансиях.

Только недавно Мёта презентовала свою нейронку #LLaMA, а сегодня все ее веса утекли в сеть.

Ну что, ждём, скоро энтузиасты накидают интерфейс - потестим.

Так чем занимается Prompt Engineer? Сразу скажу, описываю только специалиста по работе с текстами (есть еще те, кто занимается визуалом):

Основная задача, это составление запросов (prompt’ов) для NLP систем типа #ChatGPT, для решения задач заказчика. Допустим клиент хочет автоматизировать первое интервью для найма UX-дизайнеров в компанию. Ему лениво общаться с каждым соискателем самостоятельно и он просит Prompt Engineer’а придумать решение. Если общение с претендентами происходит в мессенджере, можно использовать специальную прокладку между ним и #ChatGPT, чтобы для каждого респондента создавалась отдельная сессия.

А дальше описываются правила проведения интервью в виде промпта, например такого: «Act as a job interviewer for a position in UI design. I will be the candidate, and you will ask me the interview questions for the position. Write only one part of each turn (question/response), as the interviewer. Ask me the questions and wait for my answers. Let's begin.»

На выходе получаем умного интервьюера, который вежливо общается с потенциальными сотрудниками, выясняя их скилы и мотивацию. Все диалоги можно автоматически выкачивать в заданный репозиторий, чтобы в конце дня, их мог прочесть штатный HR. Либо попросить об этом #ChatGPT.

Говорят, что #Dall-E от OpenAi научили костюмчики налету генерировать. Выглядит эффектно!

Помните я рассказывал про женщину, которая решила при помощи #ChatGPT сновидения расшифровывать? И спрашивала, можно ли тоже самое для карт таро сделать?

Вчера мой друг написал сервис для создания телеграм ботов работающих с новой версией ChatGPT, и в качестве теста, я за пару минут, сделал там Бота Таролога. Можете протестировать. @TaroGPT_bot

Почему ChatGPT ошибается?

Дело в том, что генеративные модели, это не настоящий Искусственный Интеллект - они не умеют «думать», их задача генерировать текст или изображения максимально похожиие на то, что они «видели», когда обучались.
А обучение таких нейроных сетей очень похоже на дрессировку животных: за правильные ответы их хвалили (давали токен), а за неправильные - «наказывали» (отбирали токен). Поэтому #ChatGPT, как и другие языковые модели, стараются выдавать результат ожидаемый результат.

Например, если вас попросят умножить 13 на 17, ответ сразу придет в голову?
Для большинства из нас, вероятно, нет. Тем не менее, это не означает, что люди не способны умножать двузначные числа.
За несколько секунд, ручки и бумаги, несложно вычислить, что 13 x 17 = 130 + 70 + 21 = 221.

Точно так же, если вы дадите GPT-3 задачу, которая слишком сложна для выполнения за то время, которое требуется для вычисления следующего токена, он может сфабриковать неверное предположение. Тем не менее, как и в случае с людьми, это не означает, что модель не способна справиться с задачей. Имея некоторое время и возможность, чтобы все обдумать, модель сможет достоверно ответить.

Тут нам на помощь приходит Let's think step by step - как пользоваться этим хаком я уже писал.

Еще я бы посоветовал, придерживаться следующих правил при написании #prompt’а:
1. Дайте четкие инструкции
2. Разбивайте сложные задачи на более простые подзадачи
3. Структурируйте инструкцию, чтобы удерживать модель в фокусе
4. Попросите модель объяснить, прежде чем отвечать
5. Попросите обосновать множество возможных ответов, а затем синтезируйте из них финальный
6. Создайте множество выходных данных, а затем используйте модель, чтобы выбрать лучший из них

А главное проявляйте креативность и логичность в составлении промптов и все получится!