كيف يمكن لتقنية التعلم القليل مع أداة جوجل ‘Prompt Poet’ تعزيز أداء نماذج اللغة الكبيرة لديك؟
انضم إلى نشراتنا اليومية والأسبوعية للحصول على آخر التحديثات والمحتوى الحصري حول تغطية الذكاء الاصطناعي الرائدة في الصناعة. تعرف على المزيد
هندسة المطالبات، وهي فن صياغة المدخلات المناسبة لنموذج اللغة الكبير (LLM) للحصول على الاستجابة المرغوبة، تعتبر مهارة جديدة حيوية في عصر الذكاء الاصطناعي. إنها مفيدة حتى للمستخدمين العاديين للذكاء الاصطناعي المحادثاتي، ولكنها ضرورية لبناة الجيل القادم من التطبيقات المعتمدة على الذكاء الاصطناعي.
تقدم لنا “Prompt Poet”، التي هي فكرة مبتكرة من “Character.ai”، وهي شركة ناشئة متخصصة في نماذج اللغة المحادثة تم الاستحواذ عليها مؤخرًا من قبل “Google”. تعمل Prompt Poet على تبسيط هندسة المطالبات المتقدمة من خلال تقديم نظام قوالب سهل الاستخدام ومنخفض الكود يدير السياق بفعالية ويقوم بدمج البيانات الخارجية بسلاسة. وهذا يسمح لك بتأصيل استجابات نموذج اللغة الكبيرة في سياق بيانات العالم الحقيقي، مما يفتح آفاقًا جديدة للتفاعلات مع الذكاء الاصطناعي.
تتميز Prompt Poet بإدماجها السلس لتقنية “التعلم القليل” (few-shot learning)، وهي تقنية قوية لتخصيص نماذج اللغة الكبيرة بسرعة دون الحاجة إلى ضبط النموذج بشكل معقد ومكلف. تستكشف هذه المقالة كيف يمكن استخدام التعلم القليل مع Prompt Poet لتقديم تفاعلات مدفوعة بالذكاء الاصطناعي مصممة خصيصًا بسهولة وكفاءة.
هل يمكن أن تكون Prompt Poet لمحة عن نهج Google المستقبلي تجاه هندسة المطالبات عبر Gemini وغيرها من منتجات الذكاء الاصطناعي؟ إن هذا الاحتمال المثير يستحق نظرة فاحصة.
قوة التعلم القليل
في التعلم القليل، نقدم للذكاء الاصطناعي مجموعة صغيرة من الأمثلة التي توضح نوع الاستجابات التي نريدها لمطالب مختلفة محتملة. بالإضافة إلى بعض “اللقطات” حول كيفية تصرفه في سيناريوهات مشابهة.
تكمن جماليات التعلم القليل في كفاءته. يتطلب ضبط النموذج إعادة تدريب نموذج ما على مجموعة بيانات جديدة، وهو ما قد يكون مكلفًا ومرهقًا زمنيًا وحوسبيًا، خاصة عند العمل مع نماذج كبيرة. بينما يوفر التعلم القليل مجموعة صغيرة من الأمثلة مع الطلب لضبط سلوك النموذج وفقاً لسياق محدد. حتى النماذج التي تم ضبطها يمكن أن تستفيد من التعلم القليل لتكييف سلوكها وفقاً لسياق أكثر تحديداً.
كيف تجعل Prompt Poet التعلم القليل متاحاً
تتميز Prompt Poet بقدرتها على تبسيط تنفيذ التعلم القليل. باستخدام قوالب YAML وJinja2، تتيح لك Prompt Poet إنشاء مطالب ديناميكية ومعقدة تتضمن أمثلة قليلة مباشرة ضمن هيكل الطلب.
لنفترض أنك ترغب في تطوير دردشة خدمة العملاء لشركة تجزئة. باستخدام Prompt Poet، يمكنك بسهولة تضمين معلومات العملاء مثل تاريخ الطلب وحالة أي طلبات حالية بالإضافة إلى معلومات حول العروض الترويجية والمبيعات الحالية.
لكن ماذا عن النبرة؟ هل يجب أن تكون أكثر ودية وفكاهة أم رسمية؟ أكثر اختصاراً أو معلوماتيّة؟ عبر تضمين “بعض اللقطات” للأمثلة الناجحة، يمكنك تحسين استجابة الدردشة لتتناسب مع الصوت المميز لكل علامة تجارية.
التعليم الأساسي
يمكن أن تكون التعليم الأساسي للدردشة كما يلي:
- name: system instructions
role: system
content: |
أنت دردشة خدمة العملاء لموقع تجزئة. مهمتك هي مساعدة العملاء بالإجابة عن أسئلتهم وتقديم المعلومات المفيدة وحل المشكلات.
أدناه ستجد بعض مدخلات المستخدم المثال المرتبطة باستجابات مرغوبة فيما يتعلق بالنبرة والأسلوب والصوت.
قم بمحاكاة هذه الأمثلة في ردودك للمستخدم.
سيتم استخدام عناصر نائب مكان مزدوج مثل '??placeholder??' بدلاً من بيانات المستخدم الحقيقية.
بعد الأمثلة ، سيتم تزويدكم ببيانات حقيقية حول طلباتهم الحالية والسابقة كعملاء ، والتي يجب عليك استخدامها بأمانة عند التعامل مع المستخدم.
يمكن أيضًا توفير بيانات عملائنا الحقيقية للنموذج حتى يتمكنوا من الإجابة بدقة عن أسئلة حول الطلبات السابقة والحالية للمستخدمين إذا كان ذلك مناسبًا ويمكن أيضًا تضمين المبيعات والعروض الترويجية الحالية.
- name: customer data
role: system
content: |
current orders:
{% for order in currentorders %}
- {{ order.description }}
{% endfor %}
Past orders:
{% for order in pastorders %}
- {{ order.description }}
{% endfor %}
- name: promotions
role: system
content: |
promotions:
{% for promotion in promotions %}
- {{ promotion.description }}
{% endfor %}
لكن أولاً ، نحتاج إلى تقديم أمثلة الأسلوب والنبرة والصوت التي وعدتنا بها للنموذج ضمن التعليم الأساسي.
تحديد النغمة : ودّي أو رسمي؟
تمتلك بعض العلامات التجارية نغمة غير رسمية وودية وفكهة ، بينما يفضل البعض الآخر الأناقة الأكثر رقيًَّا.
بالنسبة لعلامة تجارية تتمتع بنغمة ودودة وغير رسمية ، قد تبدو أمثلة التعلم قليل كما يلي:
- name: user prompt
role: user
content: |
مرحبا! لقد طلبت ??productname?? لكنني لم أستلمه بعد! ماذا يحدث؟
- name: response
role: assistant
content: |
مرحبا ??username??! آسف للإزعاج—دعونا نقوم بحل هذا الأمر بأسرع وقت ممكن! ? سأتحقق الآن بشأن طلب ??productname?? الذي تم وضعه بتاريخ ??orderdate?? . انتظر قليلاً بينما أتحقق أين هو!
...
أما بالنسبة لعلامة تجارية تؤكد نغمة أكثر رسمية ومهنية ، يمكن تقديم إجابات مختلفة لنفس المدخل:
- name : user prompt
role : user
content : |
مرحبا, لقد طلبت ??product_name؟؟ لكنني لم أستلمه بعد, هل يمكنك مساعدتي؟
...
جمع كل شيء
الكود أدناه يستخدم فئة Prompt الخاصة بـPrompt Poet لتشكيل مطلب واحد متماسك يتكون من العناصر المنفصلة للتعليم الأساسي وأمثلة التعليم قليل وبيانات المستخدم الفعلية . وهذا يسمح لنا باستدعاء استجابة AI مستندة بدقة وعالية الصياغة والغرض والأسلوب .
…
رفع مستوى الذكاء الصناعي باستخدام Prompt Poet
Prompt Poet هو أكثر بكثير than مجرد أداة لإدارة السياقات داخل مطالب AI—إنه بوابة تقنيات هندسة المطالب المتقدمة مثل تعلم قليل . عبر تسهيل تأليف مطالب مركبة تحتوي على بيانات حقيقية وقوة تخصيص الصوت لأمثلة قليلة shot , يمّكنكم الـPrompt poet لإنشاء تطبيقات ذكائية صناعية متطورة وغنية بالمعلومات وكذلك مخصصة لعلامتك التجارية .
مع استمرار تطور الذكاء الصناعي , سيكون إتقان تقنيات مثل تعلم قليل أمر بالغ الأهمية للبقاء أمام المنحنى . يمكن لـPrompt poet مساعدتك للاستفادة الكاملة لنماذج LLMs , وإنشاء حلول قوية وعملانية .
