吴恩达 x Open AI ChatGPT ——如何写出好的提示词视频核心笔记

简介: 吴恩达 x Open AI ChatGPT ——如何写出好的提示词视频核心笔记

核心知识点脑图如下:

1、第一讲:课程介绍

  • 要点1:

上图展示了两种大型语言模型(LLMs)的对比:基础语言模型(Base LLM)和指令调整语言模型(Instruction Tuned LLM)。

基础语言模型(Base LLM)

功能:基础语言模型能够预测下一个单词,这种预测是基于文本训练数据。

例子:图中提供了一个故事的开头:“Once upon a time, there was a unicorn that lived in a magical forest with all her unicorn friends(中文释义:从前,有一只独角兽和她所有的独角兽朋友住在魔法森林里)”,这展示了模型如何根据给定的文本继续生成故事。问答能力:它能够回答基础的问题,例如“法国的首都是什么?”,但它可能会产生问题文本,如有害输出,这些输出与基础语言模型的性质有关,因为它们仅基于预测下一个最可能的单词,而不是遵循特定的指令。

指令调整语言模型(Instruction Tuned LLM)

  • 功能:这种模型试图遵循指令,它通过在指令上进行微调(fine-tuning,周鸿祎大佬经常讲),并在尝试遵循这些指令时进行优化。
  • 微调方法:使用RLHF(Reinforcement Learning with Human Feedback,中文释义:人类反馈强化学习)进行微调,即结合强化学习和人类反馈。

  • 三H原则:帮助(Helpful)、诚实(Honest)、无害(Harmless)。

例子:当问到“法国的首都是什么?”时,指令调整的模型会更准确地回答“法国的首都是巴黎”。

总结来说,图中的主要区别在于基础模型侧重于文本数据的下一个词预测,而指令调整模型则侧重于理解和遵循指令,提供更准确、更有用、更安全的输出。

2、第二讲:使用准则

  • 要点1:好提示词的第一个原则——写出清晰且准确的提示

指令必须清晰的三个核心原因:

核心一——避免歧义:清晰的指令让机器没有猜测的空间,可以直接执行。

核心二——提高效率:清晰的指令可以让机器快速理解并采取行动,节约时间。

核心三——确保结果准确:指令清晰可以确保机器提供的结果是我们所期待的。

  • 要点2:好提示词的第一个原则——给大模型思考的时间

要点2所说的“给大模型思考的时间”,其实是在指导我们如何更高效地与大型语言模型(如我)进行交互。

下面是三个核心要点的解读:

(1)等待模型回应:

模型需要时间处理你的请求和生成回答,就像你向朋友提问后要等待他们思考并回答一样。

(2)避免打断:

在模型回答之前不要急于提出新问题,这就像不打断别人说话,给对方完成表达的机会。

这个一般模型也不允许。

(3)逐步提问

如果有复杂的问题,可以分步骤提问,让模型逐一解决,就像解难题一样,一步一个脚印来解答。

这是最核心的,大问题务必精准拆解成小问题,且根据回复逐步调优

3、第三讲:提示词不是一步到位的,而通过反复迭代逐步完善的。

吴恩达老师“这幅图展示了一个名为“迭代式提示开发”的循环流程图,它代表一个反馈循环,用于改进和完善提示(可能是编程、数据输入或任何需要精确指示的场合)的质量。流程由四个主要部分组成:

1、Idea(想法): 这是流程的开始阶段,你需要有一个初始想法或设计,这将成为你的起始点。

2、Implementation (code/data) Prompt(实现(代码/数据)提示): 根据想法,你会创建一个初步的提示,如果是编程领域,可能是编写代码或准备数据输入。

3、Experimental result(实验结果): 使用你的提示进行实验后,你将获得某些结果,这些结果可能会或不会符合你的预期。

4、Error Analysis(错误分析): 如果结果不符合预期,你需要进行错误分析,查找为什么会出现这样的结果,可能是提示不够清晰、具体或存在逻辑错误。

这个过程是迭代的,意味着你会不断重复这个循环,每一次都根据之前的反馈来调整和改进你的提示,直到实验结果符合你的预期。

图下方的“Prompt guidelines”列出了优化提示时应遵循的指导原则:

1、Be clear and specific(要清晰和具体): 提示需要有足够的详细信息,避免歧义——这点反复强调过了。

2、Analyze why result does not give desired output(分析为什么结果不符合预期输出): 当结果不如意时,深入分析原因(模型会分析,咱们也不要坐等,要结合经验进行分析),理解导致结果偏差的因素。

3、Refine the idea and the prompt(改进想法和提示): 根据分析结果调整你的想法和提示。

4、Repeat(重复): 不断重复这一过程(反复迭代),每次都尝试提高提示的有效性。

这个流程是设计思维和敏捷开发的典型,强调持续改进和适应性。

4、第四讲:最兴奋的功能——文本总结

为大段文本形成摘要,以便我们快速的获取信息。

新版GPT4最多能让用户输入3万2千token(大概50页英文文字长度,网上说法大约25000字)。

5、第五讲:模型推理:

省去了早期开发需要自己训练模型的工作,现在一个API搞定!

6、第六讲:格式转化 Transforming

  • Html 转 JSON等各种转换:原来咱们用复杂的正则,现在大模型API快速搞定。
  • 校对写的所有内容:论文、评论、文稿等。
  • 支持各种语言的翻译
  • GPT4 的图片转文本,文本转图片功能也非常强大。

7、第7讲:文本扩写

  • Chatgpt可以作为头脑风暴的伙伴,基于我们的提示词展开文本扩写。
  • 建议负责任的使用,比如:不要生成垃圾邮件。
  • 可用于文档助理,比如:邮件助理。

8、第8讲:自定义聊天机器人

用途举例:

  • AI 客服助理;
  • 餐厅AI接单员

等等......

注意:角色的设定很重要。

9、小结

9.1 写出好的提示词的两个核心要点

  • 1、写出清晰和具体指令的重要性
  • 2、给予模型足够的时间来“思考”。

9.2 迭代式提示开发

这是一种通过不断优化和细化提示来改进模型响应的方法。

9.3 模型的几项能力

  • 总结
  • 推断
  • 转换
  • 扩展信息。

这些能力在构建聊天机器人时尤为重要,它们使得机器人能够处理各种任务,从理解和回应用户输入到生成新的内容。

模型非常有趣,可以放心去玩!!——咱们就是得多用,才能知道怎么更好得使用用!

10、中英文字母视频地址

https://www.bilibili.com/video/BV1s24y1F7eq


相关文章
|
16小时前
|
Web App开发 人工智能 安全
Gemini vs ChatGPT:谷歌最新的AI和ChatGPT相比,谁更强?
Gemini vs ChatGPT:谷歌最新的AI和ChatGPT相比,谁更强?
|
1天前
|
人工智能 安全 机器人
ChatGPT 1岁:创新、争议和AI产生突破的一年
ChatGPT 1岁:创新、争议和AI产生突破的一年
|
1天前
|
人工智能 关系型数据库 Docker
【Django项目】 通过AI实现视频转文字
【Django项目】 通过AI实现视频转文字
|
2天前
|
机器学习/深度学习 人工智能 监控
Sora - 探索AI视频模型的无限可能
Sora - 探索AI视频模型的无限可能
10 0
|
5天前
|
机器学习/深度学习 人工智能 自然语言处理
好书推荐丨AI时代Python量化交易实战:ChatGPT让量化交易插上翅膀
好书推荐丨AI时代Python量化交易实战:ChatGPT让量化交易插上翅膀
13 2
|
11天前
|
机器学习/深度学习 人工智能 算法
ChatGPT如何思考?心理学和神经科学破解AI大模型,Nature发文
【6月更文挑战第5天】Nature文章探讨了人工智能,尤其是ChatGPT这类大型语言模型(LLMs)的思考机制。随着AI复杂性的增加,理解其决策过程成为挑战。可解释AI(XAI)领域致力于揭示这些“黑盒子”的工作原理,但LLMs的规模和潜在问题(如错误信息和隐私泄露)使这一任务更具紧迫性。研究人员借助心理学和神经科学方法尝试理解模型决策,但目前仍处于早期阶段,且有争议认为模型可能只是模拟而非真正理解文本。
31 1
|
26天前
|
机器学习/深度学习 人工智能 编解码
Sora - 探索AI视频模型的无限可能
Sora - 探索AI视频模型的无限可能
39 0
|
1月前
|
机器学习/深度学习 人工智能 TensorFlow
生成完美口型同步的 AI 数字人视频
在当今数字媒体和人工智能技术的推动下,生成完美口型同步的AI数字人视频成为备受关注的研究领域。本研究旨在开发一种技术,能够实现生成完美口型同步的AI数字人视频,使虚拟人物的口型与语音内容完美匹配。采用了深度学习方法,结合了语音识别、面部运动生成和视频合成技术,以实现这一目标。通过语音识别模型将输入的文本转换为音频波形,利用面部运动生成模型根据音频波形生成对应的面部动作序列,这些动作序列可以准确地反映出发音的口型和面部表情,最后生成口型同步的AI数字人视频。这项技术具有广泛的应用前景,可用于虚拟主持人、教育视频、学习平台等领域,提升视频内容的真实感和沟通效果。
69 0
|
1月前
|
人工智能 iOS开发 MacOS
[译][AI OpenAI] 引入 GPT-4o 及更多工具至免费版 ChatGPT 用户
我们推出了最新的旗舰模型 GPT-4o,并为免费版 ChatGPT 用户提供更多功能,包括更快的速度、改进的文本、语音和视觉能力,以及新的桌面应用程序和简化的界面。
[译][AI OpenAI] 引入 GPT-4o 及更多工具至免费版 ChatGPT 用户
|
1月前
|
机器学习/深度学习 人工智能 大数据
AI时代Python金融大数据分析实战:ChatGPT让金融大数据分析插上翅膀
AI时代Python金融大数据分析实战:ChatGPT让金融大数据分析插上翅膀
183 6