Cum încurajarea lanțului de gândire îmbunătățește rezultatele dvs. ChatGPT

Google reprimă abuzul de conținut la scară largă . Dar asta nu înseamnă că trebuie să încetezi scalarea motorului tău de conținut. Nici măcar nu înseamnă că trebuie să încetați să utilizați AI pentru a sprijini scalarea. Înseamnă doar că nu te poți baza pe conținut spam, subțire pentru a concura.

Deci, cum îmbrățișați AI pentru a vă crește volumul de conținut fără a fi penalizat?

Este simplu: adoptă inteligența artificială ca un instrument de creștere – nu un înlocuitor pentru creatorii umani.

O modalitate de a vă spori eforturile de creare de conținut este să utilizați noi tactici AI, cum ar fi lanțul de gândire, pentru a crea mai rapid conținut de calitate superioară.

Să aruncăm o privire profundă în lumea CoT și cum vă poate ajuta acesta să vă îmbunătățiți motorul de conținut.

Ce este Chain of Thought Prompting?

Chain of thought prompting (CoT) este o tehnică folosită pentru a îmbunătăți abilitățile de raționament ale modelelor de limbaj mari (LLM). Ideea de bază este de a încuraja modelul să descompună o problemă complexă în pași mai mici, mai gestionați, oferind un lanț explicit de raționament care duce la răspunsul final.

Este similar cu modul în care ați învățat cum să rezolvați probleme de matematică sau de raționament în timpul școlii. Iată o versiune rapidă (foarte simplificată) a modului în care funcționează:

• Transformarea problemei: în loc să prezinte pur și simplu o sarcină sau o întrebare la LLM, un lanț de gândire prompt restructurează intrarea pentru a include expresia „Să gândim pas cu pas”.Acest indiciu semnalează modelului să genereze pași intermediari de raționament.
• Raționament intermediar: modelul este încurajat să-și prezinte în mod explicit procesul de gândire, pas cu pas, conducând către soluție.Acest lucru ar putea implica calcule, deduceri logice sau amintirea informațiilor relevante.
• Răspuns final: Modelul ajunge la răspunsul final, susținut în mod ideal de lanțul de raționament transparent pe care l-a produs.

Acest tip de prompt poate fi livrat într-un singur prompt, așa cum se arată în exemplul de mai jos, sau puteți împărți pașii într-un număr de solicitări secvențiale care se construiesc unul pe celălalt (mai multe despre asta mai târziu).

Abordarea a fost inventată pentru prima dată de Jason Wei și o echipă de experți de la Google Research Brain Team într-o lucrare din 2022 . Exemplul de mai jos este din lucrarea care a introdus CoT:

• Promptul standard conține un exemplu de problemă și soluție, precum și întrebarea la care AI trebuie să răspundă.
• Promptul CoT include același set de problemă-soluție,o serie de pași care descriu modul în care a fost atinsă soluția respectivăși apoi o nouă întrebare la care AI trebuie să răspundă.

După cum puteți vedea, modelul nu reușește să răspundă corect la prima problemă, dar reușește atunci când este solicitat să treacă printr-un „lanț de gândire” pentru a ajunge acolo.

Această lucrare a identificat câteva beneficii cheie pe care această tactică de inginerie promptă le aduce la o serie de probleme diferite de raționament:

• Procesul pas cu pas obligă AI să gândească mai amănunțit și să evite sărituri în logică, ceea ce ajută la îmbunătățirea rezultatelor.
• CoT oferă o fereastră către procesul de luare a deciziilor AI, oferind utilizatorilor și designerilor de modele mai multe informații despre modul în care funcționează aceste modele.
• Solicitând o explicație cu privire la motivul pentru care AI alege un anumit rezultat, CoT poate atenua unele dintre prejudecățile la care sunt predispuși LLM-urile.
• Utilizatorii de inteligență artificială pot îmbunătăți rezultatele pur și simplu prin includerea unor afirmații precum „să luăm pas cu pas” sau „explicați-vă raționamentul”, similar cu tactica care provoacă emoții .

Cel mai important, această tactică are potențialul de a îmbunătăți rezultatul oricărei sarcini bazate pe limbă pe care o transmiteți ChatGPT , Gemini, Jasper sau alte IA bazate pe LLM. De fapt, Google își antrenează modelele cu CoT din 2022:

Pathways Language Model (PaLM) este un nou model avansat de inteligență artificială care utilizează o tehnică numită lanț de gândire pentru a face sarcini complexe, cum ar fi rezolvarea problemelor de cuvinte matematice - și chiar explica procesul de raționament pas cu pas. #GoogleIO pic.twitter.com/YHLsnqNemv

— Google (@Google) 13 mai 2022

Bine, acum că știi ceva mai multe despre lanțul de sugestii de gândire, haideți să vedem modurile în care îl puteți folosi pentru a îmbunătăți eficiența creării de conținut.

Cum ajută la crearea de conținut Chain of Thought Prompting

Utilizarea lanțului de sugestii pentru a îmbunătăți rezultatele pentru sarcinile de scriere este mai complexă decât simpla matematică sau raționament de bun simț. Există reguli specifice pentru problemele de matematică și cuvinte care te conduc la un singur răspuns corect, dar există multe moduri diferite de a aborda strategia sau crearea de conținut.

Există o artă în ceea ce privește redactarea SEO , marketingul de conținut și distribuția. Acestea fiind spuse, există, de asemenea, o mulțime de raționament implicate în aceste sarcini, în special la scara întreprinderii .

Studiul original CoT de la Google subliniază că acest stil de stimulare îmbunătățește semnificativ abilitățile de raționament ale LLM-urilor, oferind o abordare structurată pas cu pas care imită procesele umane de rezolvare a problemelor.

Motivul aplicabilității sale la sarcinile scrise constă în natura scrisului ca proces care necesită raționament în mai multe etape, planificare, organizare a gândurilor și dezvoltarea ideilor într-o manieră coerentă și logică.

Sarcinile de scriere, în special cele care implică crearea de narațiuni, eseuri argumentative sau rapoarte tehnice, pot beneficia de o abordare CoT care conturează procesul de gândire care duce la dezvoltarea piesei finale.

Iată cum principiile care stau la baza stimulării lanțului de gândire - structurarea proceselor de gândire, defalcarea problemelor complexe și ghidarea progresiei logice - se aliniază bine cu cerințele unei scrieri eficiente.

1) Cercetare tematică

Spațiul B2B SaaS este plin de nișe foarte tehnice — de la infrastructura cloud la managementul caracteristicilor și, ei bine, AI.

Indiferent dacă lucrați ca freelancer, la o agenție sau chiar pentru un brand mare cu multe integrări API, digerarea rapidă a subiectelor noi este probabil esențială pentru concert.

Îndemnarea lantului de gândire poate fi benefică pentru această sarcină. Când încercați să înțelegeți un subiect nou, împărțirea procesului de învățare într-o serie de întrebări și răspunsuri, fiecare bazându-se pe ultima, poate ajuta la construirea treptat a unei înțelegeri cuprinzătoare a subiectului respectiv.

CoT poate ghida modelul pentru a explora secvențial diferite fațete ale subiectului, făcând informațiile complexe mai ușor de digerat și înțeles.

Să presupunem că lucrezi la o agenție și tocmai ai fost repartizat unui produs de infrastructură cloud precum Terraform de la Hashicorp . Pentru a vă oferi un exemplu de complexitate cu care aveți de-a face, iată o explicație a produsului de pe Wikipedia:

Infrastructură ca cod (IaC). Limbajul de configurare declarativ. JSON. De la început, acestea sunt trei subiecte extrem de complexe.

Să vedem dacă pot face ChatGPT să accelereze procesul de învățare prin identificarea celor mai relevante concepte legate de acele trei cuvinte cheie.

Abordând „explicați rațiunea din spatele conceptelor pe care le selectați”, (teoretic) determin ChatGPT într-un mod care îl direcționează să ofere un răspuns mai deliberat.

După cum puteți vedea mai jos, fiecare dintre conceptele cheie pentru IaC este însoțit de o explicație a importanței sale.

Prin această abordare, învățați că nu este important doar să cunoașteți instrumente precum Terraform și Ansible; de asemenea, este important să știți că primul este independent de furnizor, iar cel de-al doilea oferă gestionarea configurației fără agent.

Acesta este tipul de context care vă poate ajuta să descompuneți și să digerați mai rapid contextul complex - foarte util pentru un novice în infrastructura cloud ca mine.

Acum să ne uităm la direcția pe care ați obține dacă ați da doar o solicitare normală fără a direcționa AI să explice „procesul de gândire”:

Informațiile conținute sub fiecare marcator numerotat de aici sunt importante, cu siguranță, dar nu vin cu același nivel de context.

Așadar, prin simpla adăugare a unei afirmații precum „explicați-vă raționamentul” sau „parcurgeți acest pas cu pas”, puteți crește valoarea pe care o obțineți din fiecare interacțiune cu AI.

2) Generare scurtă și proiect

Fiind cineva care se concentrează în primul rând pe crearea de conținut scris de lungă durată, sunt bine versat în complexitățile (și nebunia) procesului creativ. Călătoria de la o idee la o piesă finită trece prin aceleași puncte de control – planificarea subiectului până la cercetare până la briefing până la redactare – dar calea dintre aceste puncte este mai șerpuitoare pentru unii decât pentru alții.

Unul dintre cele mai mari beneficii pe care le-am primit de la AI generativă până acum este eficientizarea aspectelor fluxului de lucru creativ. Inteligența artificială este utilă pentru a pune mingea în mișcare pe slipuri creative și schițe brute, iar solicitarea CoT are potențialul de a ajuta și mai mult.