Как подсказки по цепочке мыслей улучшают результаты ChatGPT

Google борется с масштабным злоупотреблением контентом . Но это не значит, что вам нужно прекратить масштабировать свой контент-движок. Это даже не означает, что вам нужно прекратить использовать ИИ для поддержки масштабирования. Это просто означает, что вы не можете полагаться на спам и тонкий контент, чтобы конкурировать.

Итак, как же использовать ИИ, чтобы увеличить объем контента, не подвергаясь при этом штрафам?

Все просто: используйте ИИ как инструмент расширения, а не замену творцов-людей.

Один из способов расширить ваши усилия по созданию контента — использовать новые тактики искусственного интеллекта, такие как цепочка мыслей, побуждающая быстрее создавать контент более высокого качества.

Давайте углубимся в мир CoT и то, как он может помочь вам улучшить ваш контент-движок.

Что такое цепочка мыслей?

Подсказка по цепочке мыслей (CoT) — это метод, используемый для улучшения рассуждений больших языковых моделей (LLM). Основная идея состоит в том, чтобы побудить модель разбить сложную проблему на более мелкие, более управляемые шаги, обеспечивая явную цепочку рассуждений, ведущую к окончательному ответу.

Это похоже на то, как вы учились решать математические или логические задачи еще в школе. Вот быстрая (сильно упрощенная) версия того, как это работает:

• Трансформация проблемы: вместо того, чтобы просто представлять задачу или вопрос LLM, цепочка мыслей реструктурирует входные данные, включая фразу: «Давайте подумаем шаг за шагом».Этот сигнал сигнализирует модели о необходимости создания промежуточных шагов рассуждения.
• Промежуточное рассуждение: модели предлагается подробно изложить свой мыслительный процесс, шаг за шагом, ведущий к решению.Это может включать расчеты, логические выводы или припоминание соответствующей информации.
• Окончательный ответ: модель приходит к окончательному ответу, в идеале подкрепленному созданной ею прозрачной цепочкой рассуждений.

Подсказка этого типа может быть представлена ​​в виде одной подсказки, как показано в примере ниже, или вы можете разбить шаги на несколько последовательных подсказок, дополняющих друг друга (подробнее об этом позже).

Этот подход был впервые предложен Джейсоном Вэем и командой экспертов из Google Research Brain Team в статье, опубликованной в 2022 году . Пример ниже взят из статьи, в которой был представлен CoT:

• Стандартное приглашение содержит пример проблемы и решения, а также вопрос, на который ИИ должен ответить.
• Подсказка CoT включает в себя тот же набор проблем и решений,серию шагов, описывающих, как это решение было достигнуто, а затем новый вопрос, на который должен ответить ИИ.

Как видите, модель не может правильно ответить на первую задачу, но добивается успеха, когда ей предлагается пройти «цепочку мыслей», чтобы добраться до нее.

В этой статье определены некоторые ключевые преимущества, которые эта тактика оперативного проектирования дает при решении ряда различных задач рассуждения:

• Пошаговый процесс заставляет ИИ думать более тщательно и избегать логических скачков, что помогает улучшить результаты.
• CoT открывает окно в процесс принятия решений ИИ, давая пользователям и разработчикам моделей более полное представление о том, как эти модели работают.
• Требуя объяснения того, почему ИИ выбирает конкретный результат, CoT потенциально может смягчить некоторые предвзятости, которым склонны LLM.
• Пользователи ИИ могут улучшить результаты, просто включив такие утверждения, как «давайте сделаем это шаг за шагом» или «объясните свои рассуждения», аналогичные тактике подсказок эмоций .

Самое главное, что эта тактика потенциально может улучшить результат любой языковой задачи, которую вы передаете ChatGPT , Gemini, Jasper или другим ИИ на основе LLM. Фактически, Google обучает свои модели с помощью CoT с 2022 года:

Языковая модель Pathways (PaLM) — это новая усовершенствованная модель искусственного интеллекта, которая использует технику, называемую цепочкой мыслей, побуждающую выполнять сложные задачи, такие как решение математических словесных задач, и даже шаг за шагом объяснять процесс рассуждения. #GoogleIO pic.twitter.com/YHLsnqNemv

– Google (@Google) 13 мая 2022 г.

Хорошо, теперь, когда вы знаете немного больше о подсказках цепочки мыслей, давайте рассмотрим, как вы можете использовать их для повышения эффективности создания контента.

Как цепочка мыслей помогает в создании контента

Использование подсказок по цепочке мыслей для улучшения результатов письменных задач сложнее, чем простые математические рассуждения или здравый смысл. Существуют определенные правила для математических и текстовых задач, которые приводят вас к единственному правильному ответу, но существует много разных подходов к разработке стратегии или созданию контента.

SEO-копирайтинг , контент-маркетинг и распространение — это искусство. Тем не менее, эти задачи также требуют большого количества рассуждений, особенно в масштабе предприятия .

В оригинальном исследовании CoT, проведенном Google, подчеркивается, что этот стиль подсказок значительно расширяет способности LLM к рассуждению, предоставляя пошаговый структурированный подход, имитирующий процессы решения проблем человеком.

Обоснование его применимости к задачам письма лежит в природе письма как процесса, который требует многоэтапного рассуждения, планирования, организации мыслей и развития идей последовательным и логическим образом.

Написание заданий, особенно тех, которые включают в себя создание повествований, аргументированных эссе или технических отчетов, может выиграть от подхода CoT, который описывает мыслительный процесс, ведущий к разработке окончательного произведения.

Вот как основные принципы подсказки цепочки мыслей — структурирование мыслительных процессов, разбиение сложных проблем и управление логическим развитием — хорошо согласуются с требованиями эффективного письма.

1) Тематическое исследование

Пространство B2B SaaS полно высокотехнологичных ниш — от облачной инфраструктуры до управления функциями и, в общем, искусственного интеллекта.

Независимо от того, работаете ли вы фрилансером, в агентстве или даже в крупном бренде с множеством интеграций API, быстрое усвоение новых тем, вероятно, будет иметь решающее значение для вашей работы.

Подсказки по цепочке мыслей могут быть полезны для этой задачи. При попытке понять новую тему разбивка процесса обучения на ряд вопросов и ответов, каждый из которых опирается на предыдущий, может помочь постепенно прийти к всестороннему пониманию этой темы.

CoT может помочь модели последовательно исследовать различные аспекты темы, облегчая усвоение и понимание сложной информации.

Допустим, вы работаете в агентстве, и вас только что назначили на продукт облачной инфраструктуры, такой как Terraform от Hashicorp . Чтобы продемонстрировать вам сложность, с которой вы имеете дело, вот объяснение продукта из Википедии:

Инфраструктура как код (IaC). Декларативный язык конфигурации. JSON. На первый взгляд, это три очень сложные темы.

Давайте посмотрим, смогу ли я заставить ChatGPT ускорить процесс обучения, определив наиболее релевантные концепции, связанные с этими тремя ключевыми словами.

Добавляя «объясните обоснование выбранных вами концепций», я (теоретически) подсказываю ChatGPT таким образом, чтобы он дал более обдуманный ответ.

Как вы можете видеть ниже, каждая из ключевых концепций IaC сопровождается объяснением ее важности.

Благодаря этому подходу вы поймете, что важно знать не только о таких инструментах, как Terraform и Ansible; Также важно знать, что первый не зависит от поставщика, а второй обеспечивает управление конфигурацией без агента.

Это тот тип контекста, который может помочь вам быстрее разбить и усвоить сложный контекст — очень полезно для новичков в облачной инфраструктуре, таких как я.

Теперь давайте посмотрим, какое направление вы бы получили, если бы просто дали обычную подсказку, не заставляя ИИ объяснять его «мыслительный процесс»:

Информация, содержащаяся под каждым пронумерованным пунктом, безусловно, важна, но она не имеет одинакового уровня контекста.

Таким образом, просто добавив такие утверждения, как «объясните свои рассуждения» или «пройдите через это шаг за шагом», вы можете повысить ценность, которую вы получаете от каждого взаимодействия с вашим ИИ.

2) Создание брифа и черновика

Как человек, который в первую очередь занимается созданием объемного письменного контента, я хорошо разбираюсь в тонкостях (и безумии) творческого процесса. Путь от идеи до готового произведения проходит через одни и те же контрольные точки — планирование темы, исследование, брифинг и черновик — но путь между этими точками для одних более извилист, чем для других.

Одним из самых больших преимуществ, которые я получил от генеративного искусственного интеллекта, является оптимизация аспектов творческого рабочего процесса. ИИ помогает приступить к работе над творческими заданиями и черновиками, а подсказки CoT могут помочь еще больше.