Prompt Engineering

Einführung

Prompt Engineering ist ein Konzept der künstlichen Intelligenz (KI), insbesondere der Verarbeitung natürlicher Sprache (englisch: natural language processing (NLP)) (Computerlinguistik). Beim Prompt Engineering wird die Beschreibung der Aufgabe, die von der KI erledigt werden soll, in das Eingabe-Feld geschrieben, z. B. als Frage.

Interaktive Suchmaschine

Das Prompt $P_i$ definiert die Information, für die sich Nutzer interessieren. Die KI liefert ein Ergebnis $R_i$ (Response), das in der Regel noch nicht den Erwartungen entspricht. Das sich Erwartungen und das von der KI geliefert Ergebnis nicht übereinstimmen, führt zu einer Verfeinerung oder Ergänzung des Prompts.

Ein-Ausgabe-Paare

Da ein Prompt $P_i$ in der Regel ein Ergebnis $R_i$ (Response) liefert, entsteht ein Ein-Ausgabe-Paar $(P_i,R_i)$. Liefert eine KI keine Antwort, kann man das formal $R_i:=\mathrm{\varnothing }$ durch eine leere Menge notieren. Werden mehrere alternative Anworten geliefert (z.B. 3 Resultate $r_1,r_2,r_3$), würde man das Ergebnis als Menge angeben $R_i:=\{r_1,r_2,r_3\}$.

Prompt als Sequenzen

Prompts werden als Sequenzen interpretiert $(P_1,\dots P_{n-1},P_n)$ und liefern dabei eine dazugehörige Sequenz von Resultaten

$(P_1,\dots P_{n-1},P_n).$

Dabei haben die bereits vorher eingegebenen Prompts $(P_1,\dots P_{n-1})$ wurden, einen Einfluss auf das Ergebnis $R_n$ des letzten Prompts $P_n$.

Funktionsweise Prompt Engineering

Prompt Engineering funktioniert typischerweise, indem es eine oder mehrere Aufgaben in einen prompt-basierten Datensatz umwandelt und ein Sprachmodell mit dem sogenannten „prompt-basierten Lernen“ trainiert.

Sprachmodelle

Die Sprachmodelle GPT-2 und GPT-3 waren wichtige Schritte im Prompt Engineering. Im Jahr 2021 zeigte das Multitask Prompt Engineering unter Verwendung mehrerer NLP-Datensätze eine gute Leistung bei neuen Aufgaben.

Training der KI - Aufgabe

Prompts geben Aufschluss über das Informationsinteresse der Nutzerinnen und Nutzer. Verwenden Sie Sprachmodelle, auf die Sie Zugang haben. Definieren Sie ein gewissenes Ergebnis (z.B. zu einem Thema, in dem Sie Expertise besitzen), dass Sie durch geeignetes Prompt Engineering erhalten möchten. Protokollieren Sie die Promptsequenz und die Ergebnissequenz. Geben Sie dann die Promptsequenz einer anderen Personen und fragen Sie, die Person anschließend, welche Informationen aus der Promptsequenz $(P_1,\dots ,P_n)$ und der Sequenz der Resultat $(R_1,\dots ,R_n)$ über Sie gewonnen werden können (siehe auch Kommerzielle Datenernte).

Zugänglichkeit

Die breite Zugänglichkeit dieser Tools wurde durch die Veröffentlichung mehrerer Open-Source-Projekt-Notizen und von der Community geführter Projekte zur Bildsynthese vorangetrieben.

Maschinelles Lernen

Im Jahr 2022 wurden Modelle für maschinelles Lernen (ML) wie DALL-E 2, Stable Diffusion und Midjourney für die Öffentlichkeit freigegeben. Diese Modelle verwenden Anweisungen in Text-Form (englisch: text prompts) als Eingabe und verwenden diese, um Bilder zu erzeugen, was eine neue Kategorie des Gestaltens mittels Texten (englisch: prompt engineering) im Zusammenhang mit der Text-zu-Bild-Anregung (englisch: text-to-image prompting) erschuf.

Siehe auch

• Maschinelles Lernen
• Kommerzielle Datenernte

Seiteninformation

Diese Lernresource können Sie als Wiki2Reveal-Foliensatz darstellen.

Wiki2Reveal

Dieser Wiki2Reveal Foliensatz wurde für den Lerneinheit Maschinelles Lernen' erstellt der Link für die Wiki2Reveal-Folien wurde mit dem Wiki2Reveal-Linkgenerator erstellt.

• Die Seite wurde als Dokumententyp PanDocElectron-SLIDE erstellt.
• Link zur Quelle in Wikiversity: https://de.wikiversity.org/wiki/Prompt%20Engineering
• siehe auch weitere Informationen zu Wiki2Reveal und unter Wiki2Reveal-Linkgenerator.

Wikipedia2Wikiversity

Diese Seite wurde auf Basis der folgenden Wikipedia-Quelle erstellt:

• Prompt Engineering https://de.wikipedia.org/wiki/Prompt%20Engineering
• Datum: 28.6.2023
• Wikipedia2Wikiversity-Konverter: https://niebert.github.com/Wikipedia2Wikiversity