Wie die Aufforderung zur Gedankenkette Ihre ChatGPT-Ausgaben verbessert

Google geht gegen massiven Inhaltsmissbrauch vor . Das bedeutet jedoch nicht, dass Sie mit der Skalierung Ihrer Content-Engine aufhören müssen. Das bedeutet nicht einmal, dass Sie aufhören müssen, KI zur Unterstützung der Skalierung zu verwenden. Es bedeutet lediglich, dass Sie sich im Wettbewerb nicht auf spammige, dünne Inhalte verlassen können.

Wie nutzen Sie also KI, um Ihr Content-Volumen zu steigern, ohne dafür Nachteile zu erleiden?

Es ist ganz einfach: Nutzen Sie KI als Erweiterungswerkzeug – nicht als Ersatz für menschliche Schöpfer.

Eine Möglichkeit, Ihre Bemühungen zur Inhaltserstellung zu verbessern, besteht darin, neue KI-Taktiken wie die Aufforderung zur Gedankenkette zu nutzen, um qualitativ hochwertigere Inhalte schneller zu erstellen.

Tauchen wir tief in die Welt von CoT ein und erfahren, wie es Ihnen bei der Verbesserung Ihrer Content-Engine helfen kann.

Was ist eine Gedankenkette?

Chain of Thought Prompting (CoT) ist eine Technik zur Verbesserung der Argumentationsfähigkeiten großer Sprachmodelle (LLMs). Die Kernidee besteht darin, das Modell dazu zu ermutigen, ein komplexes Problem in kleinere, besser überschaubare Schritte zu zerlegen und so eine explizite Argumentationskette bereitzustellen, die zur endgültigen Antwort führt.

Es ähnelt der Art und Weise, wie Sie in der Schule gelernt haben, wie man Mathematik- oder Denkaufgaben löst. Hier ist eine kurze (stark vereinfachte) Version, wie es funktioniert:

• Problemtransformation: Anstatt dem LLM einfach eine Aufgabe oder Frage vorzulegen, strukturiert eine Gedankenkette die Eingabe um und enthält den Satz „Lasst uns Schritt für Schritt denken.“Dieser Hinweis signalisiert dem Modell, Zwischenschritte für die Argumentation zu generieren.
• Mittleres Denken: Das Modell wird ermutigt, seinen Denkprozess Schritt für Schritt explizit darzulegen, der zur Lösung führt.Dies kann Berechnungen, logische Schlussfolgerungen oder das Abrufen relevanter Informationen umfassen.
• Endgültige Antwort: Das Modell gelangt zur endgültigen Antwort, idealerweise unterstützt durch die transparente Argumentationskette, die es erstellt hat.

Diese Art von Eingabeaufforderung kann in einer einzigen Eingabeaufforderung übermittelt werden, wie im Beispiel unten gezeigt, oder Sie können die Schritte auf mehrere aufeinanderfolgende Eingabeaufforderungen aufteilen, die aufeinander aufbauen (mehr dazu später).

Der Ansatz wurde erstmals 2022 von Jason Wei und einem Expertenteam des Google Research Brain Teams in einem Artikel geprägt . Das folgende Beispiel stammt aus dem Artikel, der CoT eingeführt hat:

• Die Standardaufforderung enthält ein Beispielproblem und eine Beispiellösung sowie die Frage, die die KI beantworten muss.
• Die CoT-Eingabeaufforderung umfasst denselben Problemlösungssatz,eine Reihe von Schritten, die darlegen, wie diese Lösung erreicht wurde, und dann eine neue Frage, die die KI beantworten muss.

Wie Sie sehen, gelingt es dem Modell nicht, das erste Problem richtig zu beantworten, aber es gelingt ihm, wenn es dazu aufgefordert wird, eine „Gedankenkette“ zu durchlaufen, um dorthin zu gelangen.

In diesem Artikel wurden einige wichtige Vorteile identifiziert, die diese schnelle Engineering-Taktik bei einer Reihe unterschiedlicher Argumentationsprobleme mit sich bringt:

• Der schrittweise Prozess zwingt die KI dazu, gründlicher zu denken und Sprünge in der Logik zu vermeiden, was zur Verbesserung der Ergebnisse beiträgt.
• CoT bietet einen Einblick in den Entscheidungsprozess der KI und gibt Benutzern und Modelldesignern mehr Einblick in die Funktionsweise dieser Modelle.
• Durch die Anforderung einer Erklärung, warum die KI eine bestimmte Ausgabe auswählt, kann CoT möglicherweise einige der Vorurteile abmildern, denen LLMs ausgesetzt sind.
• KI-Benutzer können die Ergebnisse verbessern, indem sie einfach Aussagen wie „Gehen wir Schritt für Schritt vor“ oder „Erklären Sie Ihre Argumentation“ einfügen, ähnlich wie bei der Emotionsaufforderungstaktik .

Am wichtigsten ist, dass diese Taktik das Potenzial hat, das Ergebnis jeder sprachbasierten Aufgabe zu verbessern, die Sie an ChatGPT , Gemini, Jasper oder andere LLM-basierte KIs weiterleiten. Tatsächlich trainiert Google seine Modelle seit 2022 mit CoT:

Pathways Language Model (PaLM) ist ein neues fortschrittliches KI-Modell, das eine Technik namens „Chain of Thought Prompting“ verwendet, um komplexe Aufgaben wie die Lösung mathematischer Textaufgaben zu erledigen – und sogar den Denkprozess Schritt für Schritt zu erklären. #GoogleIO pic.twitter.com/YHLsnqNemv

– Google (@Google) 13. Mai 2022

Okay, da Sie nun etwas mehr über die Aufforderung zur Gedankenkette wissen, wollen wir uns mit den Möglichkeiten befassen, wie Sie damit die Effizienz Ihrer Inhaltserstellung verbessern können.

Wie die Aufforderung zur Gedankenkette bei der Inhaltserstellung hilft

Die Verwendung von Gedankenkettenaufforderungen zur Verbesserung der Ergebnisse bei Schreibaufgaben ist komplexer als einfache Mathematik oder vernünftiges Denken. Es gibt spezielle Regeln für Mathe- und Textaufgaben, die Sie zu einer einzigen richtigen Antwort führen, aber es gibt viele verschiedene Möglichkeiten, an die Strategie oder die Inhaltserstellung heranzugehen.

SEO-Copywriting , Content-Marketing und Vertrieb sind eine Kunst . Allerdings sind bei diesen Aufgaben auch viele Überlegungen erforderlich, insbesondere auf Unternehmensebene .

Die ursprüngliche CoT-Studie von Google betont, dass dieser Aufforderungsstil die Denkfähigkeit von LLMs erheblich verbessert, indem er einen schrittweisen, strukturierten Ansatz bietet, der menschliche Problemlösungsprozesse nachahmt.

Der Grund für seine Anwendbarkeit auf Schreibaufgaben liegt in der Natur des Schreibens als einem Prozess, der mehrstufiges Denken, Planen, Gedankenordnen und die Entwicklung von Ideen auf kohärente und logische Weise erfordert.

Schreibaufgaben, insbesondere solche, bei denen es um die Erstellung von Erzählungen, argumentativen Essays oder technischen Berichten geht, können von einem CoT-Ansatz profitieren, der den Denkprozess beschreibt, der zur Entwicklung des endgültigen Stücks führt.

Hier erfahren Sie, wie die zugrunde liegenden Prinzipien der Gedankenkette – Strukturierung von Denkprozessen, Aufschlüsselung komplexer Probleme und Steuerung des logischen Fortschritts – gut mit den Anforderungen eines effektiven Schreibens übereinstimmen.

1) Themenrecherche

Der B2B-SaaS-Bereich ist voll von hochtechnischen Nischen – von der Cloud-Infrastruktur über Feature-Management bis hin zu KI.

Unabhängig davon, ob Sie als Freiberufler, in einer Agentur oder sogar für eine große Marke mit vielen API-Integrationen arbeiten, ist die schnelle Aufnahme neuer Themen wahrscheinlich von zentraler Bedeutung für den Auftritt.

Die Anregung einer Gedankenkette kann für diese Aufgabe hilfreich sein. Wenn Sie versuchen, ein neues Thema zu verstehen, kann die Aufteilung des Lernprozesses in eine Reihe von Fragen und Antworten, die jeweils auf den letzten aufbauen, dabei helfen, nach und nach ein umfassendes Verständnis für dieses Thema aufzubauen.

CoT kann das Modell anleiten, nacheinander verschiedene Facetten des Themas zu untersuchen, wodurch komplexe Informationen leichter verdaulich und verständlich werden.

Nehmen wir an, Sie arbeiten in einer Agentur und wurden gerade einem Cloud-Infrastrukturprodukt wie Terraform von Hashicorp zugewiesen . Um Ihnen ein Beispiel für die Komplexität zu geben, mit der Sie es zu tun haben, finden Sie hier eine Erklärung des Produkts aus Wikipedia:

Infrastructure-as-Code (IaC). Deklarative Konfigurationssprache. JSON. Das sind auf den ersten Blick drei hochkomplexe Themen.

Mal sehen, ob ich ChatGPT dazu bringen kann, den Lernprozess zu beschleunigen, indem ich die relevantesten Konzepte im Zusammenhang mit diesen drei Schlüsselwörtern identifiziere.

Indem ich mich mit „Erklären Sie die Beweggründe hinter den von Ihnen ausgewählten Konzepten“ befasse, leite ich ChatGPT (theoretisch) dazu an, eine bewusstere Antwort zu geben.

Wie Sie unten sehen können, wird jedem der Schlüsselkonzepte für IaC eine Erläuterung seiner Bedeutung beigefügt.

Durch diesen Ansatz erfahren Sie, dass es nicht nur wichtig ist, sich mit Tools wie Terraform und Ansible auszukennen; Es ist auch wichtig zu wissen, dass Ersteres anbieterunabhängig ist und Letzteres eine agentenlose Konfigurationsverwaltung bietet.

Dies ist die Art von Kontext, die Ihnen helfen kann, komplexe Zusammenhänge schneller aufzuschlüsseln und zu verstehen – sehr nützlich für einen Cloud-Infrastruktur-Neuling wie mich.

Schauen wir uns nun die Richtung an, die Sie erhalten würden, wenn Sie einfach eine normale Eingabeaufforderung geben würden, ohne die KI anzuweisen, ihren „Denkprozess“ zu erklären:

Die Informationen, die hier unter jedem nummerierten Aufzählungspunkt enthalten sind, sind sicherlich wichtig, aber sie haben nicht den gleichen Kontext.

Indem Sie also einfach eine Aussage wie „Erklären Sie Ihre Argumentation“ oder „Gehen Sie dies Schritt für Schritt durch“ hinzufügen, können Sie den Wert steigern, den Sie aus jeder Interaktion mit Ihrer KI ziehen.

2) Brief- und Entwurfserstellung

Als jemand, der sich hauptsächlich auf die Erstellung langer schriftlicher Inhalte konzentriert, bin ich mit den Feinheiten (und dem Wahnsinn) des kreativen Prozesses bestens vertraut. Der Weg von einer Idee bis zum fertigen Stück durchläuft dieselben Kontrollpunkte – Themenplanung, Recherche, Briefing und Entwurf –, aber der Weg zwischen diesen Punkten ist für einige mäandernder als für andere.

Einer der größten Vorteile, die ich bisher durch generative KI erhalten habe, ist die Optimierung von Aspekten des kreativen Arbeitsablaufs. KI ist hilfreich, um bei kreativen Briefings und groben Entwürfen den Ball ins Rollen zu bringen, und CoT-Prompting hat das Potenzial, noch mehr zu helfen.