Prompt Engineering Basics

Pengantar Prompt dalam AI Generatif

Dalam kursus ini, kita akan belajar bagaimana menggunakan Prompt dalam AI Generatif. Kita akan mulai dengan dasar-dasarnya dan kemudian beralih ke topik yang lebih lanjut. Kita akan menggunakan ChatGPT untuk melakukan prompt, jadi kalau kamu belum punya akun, daftar di https://chatgpt.com/

Prompt Engineering Seni berkomunikasi dengan AI

Komponen Prompt Instruksi, konteks, data masukan, dan indikator keluaran.

Kejelasan Tugas Membuat instruksi spesifik untuk hasil yang tepat.

Konteks & Iterasi Memberikan latar belakang dan menyempurnakan prompt.

Teknik Lanjutan Zero-shot, few-shot, chain-of-thought, dan lainnya.

Apa itu Prompt dalam Model Bahasa AI?

Prompt itu seperti petunjuk yang diberikan ke model AI. Petunjuk ini membantu AI tahu tentang apa yang harus dibicarakan. Ini seperti menanyakan pertanyaan atau memulai percakapan. AI akan mengambil petunjuk ini dan menggunakannya untuk menghasilkan respons.

Analogi Burung Beo: Bayangkan model bahasa AI sebagai burung beo super pintar. Burung beo ini tidak tahu apa yang harus dikatakan sampai kamu memberinya petunjuk, yang kita sebut prompt.

Contoh Prompt Sederhana:

Ceritakan padaku sebuah kisah tentang seorang ksatria pemberani

Era sekali, di kerajaan yang jauh, hiduplah seorang ksatria bernama Sir Galahad yang terkenal karena keberanian dan kebaikan hatinya. Suatu hari, sebuah naga raksasa mengancam desa terdekat...

Prompt itu penting karena menetapkan arah untuk apa yang akan dihasilkan oleh model AI. Ini seperti memberikan topik untuk esai kepada seorang siswa. Siswa tersebut menggunakan topik itu untuk menulis esai. Mirip dengan itu, model AI menggunakan prompt untuk menghasilkan respons.

Jadi, secara sederhana, prompt adalah sepotong informasi atau pertanyaan yang kamu berikan kepada model AI untuk memandu apa yang akan dibicarakan atau dihasilkan.

Komponen-Komponen sebuah Prompt

Prompt adalah serangkaian instruksi yang memandu model AI untuk melakukan tugas tertentu. Terdiri dari beberapa komponen, yang masing-masing memainkan peran penting dalam membentuk respons model.

Prompt Kompleks - Analisis Sentimen Restoran:

Dengan tinjauan restoran berikut, rangkum dalam satu kalimat dan klasifikasikan sebagai positif, negatif, atau netral: 'Makanan benar-benar lezat, dan stafnya sangat ramah. Namun, tingkat kebisingannya cukup tinggi sehingga sulit untuk bercakap-cakap.'

Komponen Kunci:

1. Instruksi

Inti dari prompt yang mengarahkan AI pada tugas yang perlu dilakukan: "rangkum dalam satu kalimat dan klasifikasikan sebagai positif, negatif, atau netral"

2. Konteks

Informasi tambahan yang membantu AI memahami tugas: "Dengan tinjauan restoran berikut" - memberi tahu bahwa data adalah review restoran.

3. Data Masukan

Informasi yang diproses oleh AI: "Makanan benar-benar lezat, dan stafnya sangat ramah. Namun, tingkat kebisingannya cukup tinggi..."

4. Indikator Keluaran

Sinyal kepada AI bahwa respons diharapkan. Dalam kasus ini implisit dari instruksi "merangkum" dan "mengklasifikasikan".

Membuat Tugas yang Jelas untuk Hasil yang Jelas

Hubungan antara kejelasan tugas yang ditentukan dalam sebuah prompt dan kualitas hasil yang diperoleh adalah langsung. Ketika definisi tugas jelas dan tepat, hasil yang superior tercapai.

Prompt yang Salah

Perbaiki ini.

Terlalu ambigu. AI tidak dapat mengidentifikasi apa yang perlu ditingkatkan atau bagaimana menangani tugas tersebut.

Prompt yang Ditingkatkan

Perbaiki kalimat ini agar lebih jelas: 'Pria yang profesor yang siswanya telah mempelajari Roma.'

Jelas menguraikan tugas (memperbaiki kalimat) dan memberikan item spesifik untuk dikerjakan AI.

Prompt yang Salah

Terjemahkan ini.

Tanpa menunjukkan bahasa sumber dan target, AI tidak dapat menentukan bagaimana menangani tugas tersebut.

Prompt yang Ditingkatkan

Terjemahkan teks Bahasa Inggris ini ke Bahasa Prancis: 'Kecerdasan Buatan sedang mengubah industri.'

Jelas menguraikan tugas, bahasa sumber, target, dan memberikan teks spesifik.

Menambahkan Lebih Banyak Konteks

Menambahkan lebih banyak konteks itu seperti memberi AI informasi tambahan yang tidak akan diketahuinya. Informasi tambahan ini dapat berupa latar, tema, atau karakter.

Konteks Kurang

Tulis laporan berita.

Kehilangan konteks spesifik, dapat menghasilkan laporan yang generik atau tidak relevan.

Konteks Lengkap

Tulis laporan berita tentang badai baru-baru ini di Florida, dengan mempertimbangkan dampaknya pada komunitas lokal dan upaya pemulihan yang sedang berlangsung.

Memberikan konteks relevan (lokasi, dampak, pemulihan) untuk hasil yang lebih tepat.

Tips Konteks: Semakin spesifik konteks yang Anda berikan, semakin relevan dan akurat hasil yang akan didapatkan dari AI.

Mencoba Berulang Kali untuk Prompt yang Lebih Baik

Teknik prompt meluas di luar pembuatan prompt awal. Ini mencakup penyempurnaan prompt dan penilaian output di beberapa iterasi. Proses iteratif ini membantu dalam memahami bagaimana model AI bereaksi terhadap berbagai prompt.

Contoh Proses Iterasi

Iterasi 1 - Prompt Awal:

Tulis puisi.

Terlalu luas, bisa menghasilkan berbagai macam respons yang tidak terprediksi.

Iterasi 2 - Setelah Evaluasi:

Tulis soneta tentang ketenangan malam musim dingin yang sunyi.

Lebih spesifik dengan jenis puisi (soneta) dan tema (malam musim dingin).

Langkah-langkah Iterasi:

Mulai dengan prompt sederhana
Evaluasi hasil yang didapat
Identifikasi area yang perlu diperbaiki
Tambahkan detail atau konteks yang lebih spesifik
Uji prompt yang telah disempurnakan
Ulangi proses hingga mendapat hasil yang diinginkan

Zero-Shot Prompting

Zero-shot prompting adalah ketika kita meminta AI untuk melakukan suatu tugas tanpa memberinya contoh apa pun sebelumnya. Hal ini dimungkinkan dengan Large Language Models (LLM) modern yang dilatih pada banyak data.

Zero-Shot dalam Aksi

AI dapat langsung melakukan tugas tanpa contoh, hanya berdasarkan instruksi yang jelas.

Contoh Zero-Shot - Analisis Sentimen:

Tentukan suasana pernyataan berikut: Teks: Konsernya benar-benar fantastis, dan bandnya luar biasa! Suasana:

Gembira

Di sini, kita tidak memberi AI contoh apa pun, tetapi tetap memberikan jawaban yang benar. Inilah yang kita sebut kemampuan zero-shot.

Keunggulan Zero-Shot: Cepat dan efisien untuk tugas-tugas yang relatif sederhana dan straightforward.

Few-Shot Prompting

Few-shot prompting adalah ketika kita memberikan beberapa contoh ke AI sebelum memintanya melakukan tugas serupa. Ini membantu AI untuk memahami apa yang kita ingin lakukan.

Contoh Few-Shot - Kata Baru:

Melakukan 'farduddle' berarti melompat-lompat dengan sangat cepat. Contoh kalimat yang menggunakan kata farduddle adalah:

Ketika kita memenangkan pertandingan, kita semua mulai farduddle untuk merayakannya.

Keterbatasan Few-Shot

Few-shot tidak selalu berhasil, terutama untuk tugas yang memerlukan penalaran lebih kompleks.

Contoh Kegagalan - Penalaran Matematika:

Angka ganjil dalam kelompok ini berjumlah angka genap: 4, 8, 9, 15, 12, 2, 1. J: Jawabannya Salah. Angka ganjil dalam kelompok ini berjumlah angka genap: 17, 10, 19, 4, 8, 12, 24. J: Jawabannya Benar. Angka ganjil dalam kelompok ini berjumlah angka genap: 15, 32, 5, 13, 82, 7, 1. J:

Jawabannya Benar. (SALAH - seharusnya False karena ada 5 angka ganjil)

Zero-shot Chain-of-Thought Prompting

Zero-shot Chain-of-Thought (CoT) adalah teknik di mana kita meminta AI untuk berpikir langkah demi langkah sebelum memberikan jawaban. Ini dapat dilakukan dengan hanya menambahkan "Ayo kita pikirkan langkah demi langkah" ke pertanyaan.

Tanpa Chain-of-Thought

Saya memiliki toples dengan 20 permen. Saya makan 5 permen di pagi hari dan memberikan 3 permen kepada teman saya. Kemudian, saya membeli 10 permen lagi dan memasukkannya ke dalam toples. Berapa banyak permen yang ada di dalam toples sekarang?

25 permen (SALAH!)

Dengan Chain-of-Thought

Saya memiliki toples dengan 20 permen. Saya makan 5 permen di pagi hari dan memberikan 3 permen kepada teman saya. Kemudian, saya membeli 10 permen lagi dan memasukkannya ke dalam toples. Berapa banyak permen yang ada di dalam toples sekarang? Ayo kita pikirkan langkah demi langkah.

Pertama, kamu mulai dengan 20 permen. Kamu makan 5 permen di pagi hari, jadi kamu punya 15 permen tersisa. Kemudian kamu memberikan 3 permen kepada temanmu, jadi kamu punya 12 permen tersisa. Terakhir, kamu membeli 10 permen lagi, jadi sekarang kamu memiliki 22 permen di dalam toples.

Kunci Chain-of-Thought: Meminta AI untuk "berpikir langkah demi langkah" secara dramatis meningkatkan akurasi untuk tugas yang memerlukan penalaran.

Generated Knowledge Prompting

Generated Knowledge Prompting melibatkan menghasilkan pengetahuan terlebih dahulu sebelum menjawab sebuah pertanyaan. Ini membantu LLM memberikan jawaban yang lebih akurat untuk tugas yang membutuhkan pemahaman dunia nyata.

Tanpa Generated Knowledge

Apakah penguin terbang seperti burung lain? Ya atau Tidak?

Ya. (SALAH!)

Dengan Generated Knowledge

Apakah penguin terbang seperti burung lain? Ya atau Tidak? Pengetahuan: Penguin adalah kelompok burung yang tidak bisa terbang. Mereka hidup hampir secara eksklusif di Belahan Bumi Selatan, dengan hanya satu spesies, penguin Galapagos, yang ditemukan di utara khatulistiwa. Terlepas dari ketidakmampuan mereka untuk terbang, penguin adalah perenang yang sangat baik.

Tidak, penguin tidak terbang seperti burung lain. Mereka adalah kelompok burung yang tidak bisa terbang. Terlepas dari ketidakmampuan mereka untuk terbang, penguin adalah perenang yang sangat baik.

Proses Generated Knowledge:

Hasilkan pengetahuan relevan tentang topik
Gunakan pengetahuan tersebut sebagai konteks
Minta AI menjawab berdasarkan pengetahuan yang diberikan
Dapatkan jawaban yang lebih akurat dan terinformasi

Directional Stimulus Prompting

Directional Stimulus Prompting melibatkan pemberian petunjuk atau dorongan ke arah yang benar kepada model untuk membantunya membuat prediksi yang lebih akurat. Seperti memberikan petunjuk kepada teman ketika mereka mencoba memecahkan teka-teki.

Contoh Directional Stimulus - Ringkasan Artikel:

Artikel Berita:
Kemarin, perusahaan teknologi besar, TechVerse, merilis ponsel yang sangat dinanti-nantikan, UltraPhone X. Model terbaru ini menampilkan layar 6,7 inci, Prosesor Zenith yang kuat, dan kamera yang ditingkatkan dengan kemampuan Night Vision canggih. Ia juga menawarkan baterai tahan lama yang dijanjikan akan bertahan sepanjang hari. TechVerse memperkirakan UltraPhone X akan menjadi hit besar, membangun kesuksesan model sebelumnya. UltraPhone X akan tersedia untuk dibeli di seluruh dunia minggu depan.

Bisakah kamu memberikan ringkasan singkat dari artikel ini, dengan fokus pada detail utama seperti fitur-fitur ponsel baru dan tanggal rilisnya?

TechVerse telah meluncurkan model baru mereka, UltraPhone X, yang menampilkan layar 6,7 inci, Prosesor Zenith yang kuat, kemampuan Night Vision canggih, dan baterai tahan lama. Produk tersebut, mengikuti kesuksesan versi lamanya, diperkirakan akan tersedia untuk pembelian di seluruh dunia minggu depan.

Manfaat Directional Stimulus: Petunjuk dalam prompt membantu memandu AI untuk fokus pada detail yang diperlukan tanpa secara eksplisit memberikan jawabannya.