Google-teknik fjerner behovet for at skrive eksempler til AI-prompter

Google har udviklet COSP, en metode hvor sprogmodeller selv skaber eksempler til deres opgaver. Det løser konflikten mellem tidskrævende manuelt arbejde og risikoen for fejl. Nu kan modellen automatisk generere sin egen vejledning baseret på egne svar.

Google-forskeren Wan og hans kolleger har udviklet en metode kaldet Consistency-based Self-adaptive Prompting, eller COSP. Den handler om, hvordan vi giver instruktioner til sprogmodeller. Normalt findes der to måder at gøre det på. Den ene kaldes »few-shot prompting«, hvor man manuelt skriver et par eksempler til modellen. Det svarer til at give en medarbejder en huskeliste med eksempler på tidligere opgaver. Det er dog svært at gøre i stor skala, og små ændringer i eksemplerne kan gøre resultaterne usikre.

Den anden metode er »zero-shot prompting«, hvor man slet ikke giver eksempler. Det sparer tid, men øger risikoen for fejl. Uden konkrete eksempler kan modellen følge en tankegang, der lyder overbevisende, men er helt forkert. Det er lidt som at gå forkert i en skov; hvis man starter i den forkerte retning, er det næsten umuligt at nå frem til det rigtige mål.

Her kommer COSP ind i billedet. Metoden lader modellen bygge sine egne eksempler baseret på dens egne svar, uden at et menneske skal give den facitlister først. Modellen skaber altså sin egen vejledning undervejs. På den måde slipper brugeren for at skrive eksemplerne i hånden, mens modellen stadig får den støtte, den har brug for for at finde det rette resultat.

Vil du have, at jeg uddyber forskellen mellem de to traditionelle metoder med flere hverdagseksempler?