我們知道 ChatGPT 背后調(diào)用的是 GPT 模型，也就是一個(gè)生成式語(yǔ)言模型。

那在生成式 AI 領(lǐng)域 ，用戶(hù)對(duì)模型的提問(wèn)，也被叫做Prompt。這里為什么不叫作 Question 而是叫做 Prompt 實(shí)際上我們可以這么理解 - 提示的意思是當(dāng)某人忘記某個(gè)事情時(shí)，你給他些提示，他就可以想起來(lái)。

比如我說(shuō)“清明時(shí)節(jié)雨紛紛”，你自然就能想起來(lái)下一句“路上行人欲斷魂”。

自監(jiān)督學(xué)習(xí)

為什么 Prompt 是使用 ChatGPT 的關(guān)鍵技能呢，這我們就需要了解下一些概念。

我們?cè)冉佑|的大部分機(jī)器學(xué)習(xí)，都是采用的有監(jiān)督學(xué)習(xí)方式，比如在傳統(tǒng)的圖像識(shí)別領(lǐng)域，我們想要識(shí)別一張圖片中的人是否佩戴了口罩，就必須要在訓(xùn)練之前告訴模型，比如有100張圖片，有監(jiān)督學(xué)習(xí)需要提前對(duì)這些模型進(jìn)行標(biāo)注，告訴模型哪張圖片是佩戴了口罩的，哪張圖片是沒(méi)有佩戴口罩 - 這就是有監(jiān)督學(xué)習(xí)。

而 GPT 模型是通過(guò)對(duì)大規(guī)模語(yǔ)料庫(kù)進(jìn)行預(yù)訓(xùn)練來(lái)學(xué)習(xí)自然語(yǔ)言處理任務(wù)的，在預(yù)訓(xùn)練過(guò)程使用了大量的無(wú)標(biāo)注語(yǔ)料庫(kù)，包括維基百科、新聞、小說(shuō)等。

在預(yù)訓(xùn)練中，GPT模型會(huì)利用自監(jiān)督學(xué)習(xí)方法，對(duì)輸入文本進(jìn)行預(yù)測(cè)，并通過(guò)自我監(jiān)督機(jī)制來(lái)訓(xùn)練模型。在預(yù)測(cè)的過(guò)程中，模型會(huì)嘗試根據(jù)輸入文本的前綴來(lái)生成下一個(gè)詞語(yǔ)或者字符，這個(gè)過(guò)程被稱(chēng)為語(yǔ)言模型預(yù)測(cè)。通過(guò)這種方式，GPT模型可以學(xué)習(xí)到大規(guī)模語(yǔ)料庫(kù)中的語(yǔ)言規(guī)律、語(yǔ)義信息以及上下文關(guān)系，從而可以應(yīng)用于各種自然語(yǔ)言處理任務(wù)中

這也就是為什么我們?cè)谟?ChatGPT 時(shí)，模型的回復(fù)內(nèi)容是一個(gè)字一個(gè)字蹦出來(lái)的，而不是整段話直接出現(xiàn) - 因?yàn)槟Ｐ托枰粩囝A(yù)測(cè)接下來(lái)要回復(fù)什么內(nèi)容。（可以理解為是文字補(bǔ)全）

Prompt

而模型是基于什么進(jìn)行預(yù)測(cè)的呢，就是基于我們給到的提示 Prompt 進(jìn)行的預(yù)測(cè)。

比如上圖綠衣服小姑娘代表 Prompt ，他分別跟三個(gè)小孩說(shuō)了3個(gè)不同的提示，這時(shí)候三個(gè)小孩能基于提示回答對(duì)應(yīng)的問(wèn)題。

而在 ChatGPT 當(dāng)中使用 Prompt 的好處在于它可以限制模型的生成空間，使其更專(zhuān)注于指定的主題或任務(wù)。因?yàn)?GPT 模型是基于大規(guī)模自監(jiān)督學(xué)習(xí)的，它對(duì)輸入文本的上下文信息學(xué)習(xí)得非常全面，但這也會(huì)導(dǎo)致模型生成的文本與預(yù)期的主題或任務(wù)不符。通過(guò)在輸入中添加 Prompt，可以強(qiáng)制模型關(guān)注特定的信息，從而提高模型在特定任務(wù)上的表現(xiàn)。

此外，Prompt 可以幫助模型更好地利用其自監(jiān)督學(xué)習(xí)中學(xué)到的記憶知識(shí)。在自監(jiān)督學(xué)習(xí)中，GPT模型已經(jīng)學(xué)習(xí)了大量的語(yǔ)言知識(shí)和語(yǔ)言規(guī)律，并且可以根據(jù)上下文信息生成連貫的文本。但是，在面對(duì)特定的任務(wù)時(shí)，模型可能無(wú)法直接應(yīng)用其自監(jiān)督學(xué)習(xí)中的知識(shí)，因?yàn)樗枰囟ǖ闹笇?dǎo)信息來(lái)指示生成合適的文本。通過(guò)Prompt的指導(dǎo)，模型可以更好地利用其自監(jiān)督學(xué)習(xí)中的記憶知識(shí)，并生成更符合預(yù)期的文本。

相當(dāng)于我們?cè)谔釂?wèn)時(shí)，給到的提示信息越詳細(xì)，模型響應(yīng)的質(zhì)量肯定就會(huì)越高

任務(wù)提示型 Prompt

讓我們一起來(lái)看一些例子：

當(dāng)我想讓 ChatGPT 幫我補(bǔ)全一個(gè)句子時(shí)，

如果我直接輸入這個(gè)句子的前半段，那么結(jié)果是這樣的：

這時(shí)候 ChatGPT 雖然會(huì)補(bǔ)全我們的句子，但它發(fā)散了思維，我實(shí)際上只想要一段話，但它給了我整個(gè)段落。

那如果我們?cè)谳斎胫薪o加上限制條件

ChatGPT就能準(zhǔn)確無(wú)誤的完成我們的需求，把這個(gè)句子補(bǔ)充完整。

上面的”請(qǐng)完成這句話“就是一個(gè)我們告訴模型要做的事情，這叫做任務(wù)提示型 Prompt。

任務(wù)提示型 Prompt 是一種 Prompt 分類(lèi)，作用是提醒模型是要做什么任務(wù)。因?yàn)橥瑯虞斎胍痪湓?，可以做的任?wù)太多了，通過(guò) Prompt 讓模型知道這次是要做什么任務(wù)。例如，在 ChatGPT 中，我們輸入一段描述，再加上“翻譯”或者“問(wèn)答”的 Prompt，那么 ChatGPT就會(huì)生成相應(yīng)的結(jié)果

上面只是一個(gè)最簡(jiǎn)單的 Prompt 示例，在實(shí)際應(yīng)用中這種 Prompt 技巧還有很多很多。

答案提示型 Prompt

比如 QA 模式 - 也可以叫做答案提示形 Prompt，在下面的示例中我們?cè)谇叭湓挾冀o了一個(gè)積極還是負(fù)面的說(shuō)明結(jié)果，表示當(dāng)前句子體現(xiàn)的情緒是積極還是負(fù)面。只有最后一句話沒(méi)給到判斷，這個(gè)意思就是讓模型基于前面三個(gè)內(nèi)容，它自己去判斷一下最后一句話是什么情緒。

相當(dāng)于使用問(wèn)題和答案的方式來(lái)指導(dǎo)模型完成某個(gè)任務(wù)的格式

在 ChatGPT 輸入問(wèn)題后，模型會(huì)將最后一句話判斷為負(fù)面。

這種 QA 模式，相當(dāng)于通過(guò)少量的 Prompt 提示，給到模型進(jìn)行情景學(xué)習(xí)。讓模型判斷后面的內(nèi)容屬于哪種標(biāo)簽。

Prompt的組成

上面兩個(gè)示例分別代表了兩種 Prompt 的設(shè)計(jì)類(lèi)型：任務(wù)提示型和答案提示型。

雖然 Prompt 提示詞的組成可以很復(fù)雜，但總的來(lái)說(shuō)一個(gè) Prompt 可能會(huì)包含以下幾個(gè)元素

指令 Instruction ：告訴模型你想要它執(zhí)行的任務(wù)，例如：“請(qǐng)將下面的句子翻譯成英語(yǔ)：”就是一個(gè) instruction。

上下文 Contenxt?：當(dāng)前對(duì)話的上下文就是背景和語(yǔ)境，比如讓ChatGPT 進(jìn)行角色扮演，通過(guò)為 AI 分配一個(gè)角色的方式引導(dǎo) AI 給出更準(zhǔn)確的輸出內(nèi)容。

下面示例，就是通過(guò)角色扮演給模型設(shè)定了一個(gè)上下文，這時(shí)模型就會(huì)把自己代入微軟面試官的角色來(lái)回答我們的問(wèn)題。

輸入數(shù)據(jù) Input Data ：你想要查詢(xún)或?qū)ふ掖鸢傅膬?nèi)容，例如一段文本、一個(gè)問(wèn)題。

還是上面的示例，”你會(huì)如何向我面試“就是 Prompt 提示詞中的 Input Data 。

但通常光有 Input Data 是不夠的，比如上面的問(wèn)題就需要配合 Context 來(lái)限定問(wèn)題的上下文。

輸出指示符 Output Indicator：告訴模型你希望得到的輸出類(lèi)型或者格式。

比如讓模型給你一個(gè)列表，或者讓模型給你一個(gè)由分號(hào)分隔的結(jié)果，都屬于 Output Indicator。

需要注意的是并不是所有的 Prompt 提示詞都會(huì)包含所有元素，比如有的只會(huì)包含 Input Data ， 而有的會(huì)包含 Input Data 和 Output Indicator ，所以具體一段提示詞中會(huì)包含哪些元素還是取決于我們實(shí)際的任務(wù)要求。

總結(jié)

Prompt提示詞不僅僅是在 ChatGPT 中重要，它在所有生成式 AI 中都是非常重要的概念，甚至專(zhuān)門(mén)針對(duì) Prompt 最近網(wǎng)絡(luò)上都流傳了一個(gè)全新的職業(yè) - Prompt- Engineering 提示詞工程師：這個(gè)職業(yè)的工作就是 - 開(kāi)發(fā)和優(yōu)化 Prompt 從而更好的使用語(yǔ)言模型來(lái)處理各種應(yīng)用和主題。

我們今天只是和大家介紹下什么是 Prompt，通過(guò)今天分享的內(nèi)容，大家應(yīng)該知道 Prompt 就是我們?cè)谠?xún)問(wèn) ChatGPT 時(shí)輸入的內(nèi)容，而Prompt 按照類(lèi)型分為任務(wù)提示型和答案提示型，另外一個(gè) Prompt 可能會(huì)包含多個(gè)組成部分，比如 Input Data 輸入數(shù)據(jù)，Output Indicator 輸出指示符，Context 上下文和 Instruction 指令。