Hvordan redusere AI-hallusinasjon med disse 6 prompte-teknikkene

Viktige takeaways

• Tydelige og spesifikke spørsmål er avgjørende for å minimere AI-hallusinasjoner. Unngå vage instruksjoner og oppgi eksplisitte detaljer for å forhindre uforutsigbare resultater.
• Bruk jording eller "i henhold til..."-teknikken for å tilskrive utdata til en bestemt kilde eller perspektiv. Dette bidrar til å unngå faktafeil og skjevheter i AI-generert innhold.
• Bruk begrensninger og regler for å forme AI-utdata i henhold til ønskede resultater. Angi eksplisitt begrensninger eller antyd dem gjennom kontekst eller oppgave for å forhindre upassende eller ulogiske utdata.

Får du ikke den responsen du ønsker fra en generativ AI-modell? Du har kanskje å gjøre med AI-hallusinasjon, et problem som oppstår når modellen produserer unøyaktige eller irrelevante utdata.

Det er forårsaket av ulike faktorer, for eksempel kvaliteten på dataene som brukes til å trene modellen, mangel på kontekst eller tvetydigheten i ledeteksten. Heldigvis finnes det teknikker du kan bruke for å få mer pålitelig utgang fra en AI-modell.

1. Gi klare og spesifikke meldinger

Det første steget inn minimere AI-hallusinasjoner er å lage klare og svært spesifikke oppfordringer. Vage eller tvetydige spørsmål kan føre til uforutsigbare resultater, ettersom AI-modeller kan forsøke å tolke hensikten bak ledeteksten. Vær i stedet tydelig i instruksjonene dine.

I stedet for å spørre «Fortell meg om hunder», kan du spørre: «Gi meg en detaljert beskrivelse av det fysiske egenskaper og temperament til Golden Retrievere." Å avgrense spørsmålet ditt til det er klart er en enkel måte å forhindre AI på hallusinasjon.

2. Bruk jording eller "Ifølge..."-teknikken

En av utfordringene med å bruke AI-systemer er at de kan generere utdata som er faktisk feilaktige, partiske eller inkonsistente med dine synspunkter eller verdier. Dette kan skje fordi AI-systemene er trent på store og mangfoldige datasett som kan inneholde feil, meninger eller motsetninger.

For å unngå dette kan du bruke jording eller "i henhold til..."-teknikken, som innebærer å tilskrive utdata til en bestemt kilde eller perspektiv. Du kan for eksempel be AI-systemet om å skrive et fakta om et emne i henhold til Wikipedia, Google Scholar eller en spesifikk offentlig tilgjengelig kilde.

3. Bruk begrensninger og regler

Begrensninger og regler kan bidra til å forhindre at AI-systemet genererer upassende, inkonsekvente, motstridende eller ulogiske utdata. De kan også bidra til å forme og avgrense produksjonen i henhold til ønsket resultat og formål. Begrensninger og regler kan angis eksplisitt i ledeteksten eller implisitt underforstått av konteksten eller oppgaven.

Anta at du vil bruke et AI-verktøy til å skrive et dikt om kjærlighet. I stedet for å gi den en generell oppfordring som "skriv et dikt om kjærlighet", kan du gi den en mer begrenset og regelbasert oppfordring som "skriv en sonett om kjærlighet med 14 linjer og 10 stavelser per linje."

4. Bruk flertrinns spørring

Noen ganger kan komplekse spørsmål føre til AI-hallusinasjoner fordi modellen prøver å svare på dem i et enkelt trinn. For å overvinne dette, del opp søkene dine i flere trinn.

For eksempel, i stedet for å spørre: "Hva er den mest effektive diabetesbehandlingen?" du kan spørre: "Hva er de vanlige behandlingene for diabetes?" Du kan deretter følge opp med "Hvilken av disse behandlingene anses som den mest effektive i henhold til medisinsk studier?"

Multi-step prompting tvinger AI-modellen til å gi mellomliggende informasjon før den kommer frem til et endelig svar, noe som kan føre til mer nøyaktige og velinformerte svar.

5. Tildel rolle til AI

Når du tildeler en spesifikk rolle til AI-modellen i spørsmålet ditt, avklarer du formålet og reduserer sannsynligheten for hallusinasjoner. For eksempel, i stedet for å si, "Fortell meg om historien til kvantemekanikk," kan du spørre AI med, "Ta på deg rollen som en flittig forsker og gi et sammendrag av de viktigste milepælene i kvantehistorien mekanikk."

Denne innrammingen oppmuntrer AI til å opptre som en flittig forsker i stedet for en spekulativ historieforteller.

6. Legg til kontekstuell informasjon

Å ikke gi kontekstuell informasjon når det er nødvendig er en umiddelbar feil å unngå når du bruker ChatGPT eller andre AI-modeller. Kontekstuell informasjon hjelper modellen med å forstå oppgavens bakgrunn, domene eller formål og generere mer relevante og sammenhengende utdata. Kontekstuell informasjon inkluderer nøkkelord, tagger, kategorier, eksempler, referanser og kilder.

Hvis du for eksempel vil generere en produktanmeldelse for et par hodetelefoner, kan du gi kontekstuell informasjon, for eksempel produktnavn, merke, funksjoner, pris, vurdering eller tilbakemelding fra kunder. En god melding for denne oppgaven kan se omtrent slik ut:

Få bedre AI-responser

Det kan være frustrerende når du ikke får tilbakemeldingen du forventer fra en AI-modell. Ved å bruke disse AI-spørringsteknikkene kan du imidlertid redusere sannsynligheten for AI-hallusinasjon og få bedre og mer pålitelige svar fra AI-systemene dine.

Husk at disse teknikkene ikke er idiotsikre og kanskje ikke fungerer for alle oppgaver eller emner. Du bør alltid sjekke og verifisere AI-utgangene før du bruker dem til noe seriøst formål.