Автор Огуз А. Ачар
Несмотря на ажиотаж вокруг него, обещания значительности промпт инженерии может оказаться мимолетным. Более устойчивый и адаптируемый навык позволит нам использовать потенциал генеративного ИИ? Он называется умением формулировать проблему — способность выявлять, анализировать и очерчивать проблемы.
Промпт инженерия (командных запросов) штурмом взяла мир генеративного ИИ. Работа, которая влечет за собой оптимизацию текстового ввода для эффективного взаимодействия с большими языковыми моделями, была провозглашена Всемирным экономическим форумом «работой будущего» номер один,
а генеральный директор Open AI Сэм Альтман охарактеризовал ее как «навык с чрезвычайно высокой эффективностью». ” Социальные сети переполнены новой волной инфлюенсеров, демонстрирующих «волшебные промпты» и обещающих потрясающие результаты.
Однако, несмотря на ажиотаж вокруг него, промпт инженерия может быть мимолетной по нескольким причинам. Во-первых, будущие поколения систем искусственного интеллекта станут более интуитивными и способными понимать естественный язык, что снизит потребность в тщательно разработанных командных запросох. Во-вторых, новые языковые модели ИИ, такие как GPT4, уже показывают большие перспективы в создании подсказок — сам ИИ находится на грани того, что разработка подсказок устарела. Наконец, эффективность подсказок зависит от конкретного алгоритма, что ограничивает их полезность для различных моделей и версий ИИ.
Итак, что является более устойчивым и адаптируемым навыком, который позволит нам использовать потенциал генеративного ИИ? Это формулировка проблемы — способность выявлять, анализировать и очерчивать проблемы.
Формулировка проблем и оперативное проектирование различаются по своей направленности, основным задачам и базовым возможностям. Быстрая разработка фокусируется на создании оптимального текстового ввода путем выбора соответствующих слов, фраз, структур предложений и пунктуации. Напротив, формулировка проблемы делает упор на определение проблемы путем определения ее фокуса, масштаба и границ. Для проектирования командных запросов требуется твердое владение конкретным инструментом искусственного интеллекта и знание языка, в то время как формулировка проблемы требует всестороннего понимания проблемной области и способности решать реальные проблемы. Дело в том, что без четко сформулированной задачи даже самые изощренные командные запросы не сработают. Однако, как только проблема четко определена, лингвистические нюансы промпта становятся второстепенными для решения.
К сожалению, большинство из нас часто упускают из виду и недостаточно развитый навык формулирования проблем. Одна из причин заключается в том, что решению проблем уделяется несоразмерное внимание, а не формулировкам. Этот дисбаланс, пожалуй, лучше всего иллюстрирует распространенная, но ошибочная поговорка менеджеров: «Не приноси мне проблемы, приноси мне решения». Поэтому неудивительно, что недавний опрос показал, что 85% руководителей высшего звена считают, что их организации плохо умеют диагностировать проблемы.
Как улучшить формулировку проблемы? Синтезируя выводы из прошлых исследований формулирования проблем и планирования работы, а также мой собственный опыт и исследования краудсорсинговых платформ, где организационные проблемы регулярно формулируются и открываются для широкой аудитории, я определил четыре ключевых компонента для эффективной формулировки проблемы: диагностика, декомпозиция, рефрейминг и дизайн ограничений.
Диагностика проблем
Диагностика проблем заключается в определении основной проблемы, которую должен решить ИИ. Другими словами, это касается определения основной цели, которую вы хотите достичь с помощью генеративного ИИ. Некоторые проблемы относительно просто определить, например, когда целью является получение информации по конкретной теме, например, различные стратегии управления человеческими ресурсами для оплаты труда сотрудников. Другие более сложны, например, поиск решений инновационной проблемы.
В качестве примера можно привести InnoCentive (теперь Wazoku Crowd). Компания помогла своим клиентам сформулировать более 2500 проблем с впечатляющим показателем успеха более 80%. Мои интервью с сотрудниками InnoCentive показали,
что ключевым фактором этого успеха была их способность различать фундаментальные причины проблемы. На самом деле, они часто начинают процесс формулирования проблемы с использования техники «пяти почему», чтобы отличить коренные причины от простых симптомов.
Особым примером является проблема субарктической нефти, связанная с очисткой субарктических вод после катастрофического разлива нефти Exxon Valdez. В сотрудничестве с Институтом ликвидации разливов нефти компания InnoCentive определила основную причину проблемы очистки от нефти в вязкости сырой нефти: замерзшая нефть стала слишком густой, чтобы ее можно было перекачивать с барж. Этот диагноз был ключом к окончательному решению проблемы двух десятилетий назад с помощью решения, которое включало использование модифицированной версии строительного оборудования, предназначенного для вибрации масла, поддерживая его в жидком состоянии.
Декомпозиция проблемы
Декомпозиция проблемы влечет за собой разбиение сложных проблем на более мелкие, управляемые подзадачи. Это особенно важно, когда вы решаете многогранные проблемы, которые часто слишком запутаны, чтобы найти полезные решения.
Возьмем, к примеру, проблему бокового амиотрофического склероза (БАС) InnoCentive. Вместо того, чтобы искать решения общей проблемы открытия лечения БАС, задача была сосредоточена на его подкомпоненте: обнаружении и мониторинге развития болезни. Следовательно, впервые был разработан биомаркер БАС, представляющий собой неинвазивное и экономичное решение, основанное на измерении прохождения электрического тока через мышечную ткань.
Я проверил, как ИИ улучшается с декомпозицией проблем, используя своевременную и общую организационную задачу: внедрение надежной структуры кибербезопасности. Решения Bing AI были слишком широкими и универсальными, чтобы их можно было сразу использовать. Но после разбивки на подзадачи — например, политики безопасности, оценки уязвимостей, протоколы аутентификации и обучение сотрудников — решения значительно улучшились. Снимки ниже иллюстрируют разницу. Такие методы, как функциональная декомпозиция или структурная разбивка работ, могут помочь вам визуально изобразить сложные проблемы и упростить идентификацию отдельных компонентов и их взаимосвязей, наиболее важных для вашей организации.
Переосмысление проблемы
Переосмысление проблемы включает в себя изменение точки зрения, с которой рассматривается проблема, что позволяет использовать альтернативные интерпретации. Переосмысливая проблему различными способами, вы можете направить ИИ на расширение спектра возможных решений, что, в свою очередь, может помочь вам найти оптимальные решения и преодолеть творческие препятствия.
Возьмем Дуга Дитца, архитектора инноваций в GE Healthcare, основной обязанностью которого было проектирование современных МРТ-сканеров. Во время визита в больницу он увидел испуганного ребенка, ожидающего МРТ, и обнаружил, что ошеломляющим 80% детей требуется успокоительное, чтобы справиться с пугающим опытом. Это откровение побудило его переформулировать проблему: «Как мы можем превратить пугающий опыт МРТ в захватывающее приключение для детей?» Этот свежий взгляд привел к разработке серии GE Adventure, которая значительно снизила уровень седации у детей всего до 15%, повысила показатели удовлетворенности пациентов на 90% и повысила эффективность аппарата.
А теперь представьте: сотрудники жалуются на нехватку свободных парковочных мест у офисного здания. Первоначальная формулировка может быть сосредоточена на увеличении парковочного места, но, переформулировав проблему с точки зрения сотрудников — находя парковку стрессовой или имея ограниченные возможности добираться до работы — вы можете найти различные решения. Действительно, когда я попросил ChatGPT сгенерировать решения проблемы парковочных мест с использованием начальных и альтернативных фреймов, первые дали решения, сосредоточенные на оптимизации схемы парковки или распределении и поиске новых мест. Последний предоставил разнообразный набор решений, таких как продвижение альтернативного транспорта, поездок на работу, соответствующих целям устойчивого развития, и удаленной работы.
Чтобы эффективно переформулировать проблемы, подумайте о том, чтобы взглянуть на них с точки зрения пользователей, изучить аналогии для представления проблемы, использовать абстракцию и проактивно ставить под сомнение цели проблемы или выявлять недостающие компоненты в определении проблемы.
Дизайн проблемных ограничений
Дизайн ограничения проблемы фокусируется на определении границ проблемы путем определения входных, технологических и выходных ограничений поиска решения. Вы можете использовать ограничения, чтобы направить ИИ на создание решений, полезных для поставленной задачи. Когда задача в первую очередь ориентирована на производительность, использование конкретных и строгих ограничений для определения контекста, границ и критериев результата часто является более подходящим. Напротив, для задач, ориентированных на творчество, экспериментирование с наложением, изменением и снятием ограничений позволяет исследовать более широкое пространство решений и открывать новые перспективы.
Например, бренд-менеджеры уже используют несколько инструментов искусственного интеллекта, таких как Lately или Jasper, для масштабного создания полезного контента для социальных сетей. Чтобы обеспечить соответствие этого контента различным медиа и имиджу бренда, они часто устанавливают точные ограничения на длину, формат, тон или целевую аудиторию.
Однако, стремясь к истинной оригинальности, бренд-менеджеры могут устранить ограничения форматирования или ограничить вывод нетрадиционным форматом. Отличным примером является кампания GoFundMe Help Changes Everything.
Компания стремилась создать креативный контент для годового обзора, который не только выражал бы благодарность своим жертвователям и вызывал эмоции, но и выделялся бы из типичного контента на конец года. Чтобы достичь этого, они установили неортодоксальные ограничения: визуальные эффекты будут опираться исключительно на искусство в стиле уличных росписей, созданное искусственным интеллектом, и отображать все кампании по сбору средств и доноров. DALL-E и Stable Diffusion создали отдельные изображения, которые затем были преобразованы в эмоционально заряженное видео. Результат: визуально целостная и поразительная эстетика, получившая широкое признание.
В целом, оттачивание навыков диагностики проблем, декомпозиции, рефрейминга и проектирования ограничений необходимо для согласования результатов ИИ с целями задач и содействия эффективному сотрудничеству с системами ИИ.
Хотя промпт инженерия может быть в центре внимания в краткосрочной перспективе, отсутствие у нее устойчивости, универсальности и переносимости ограничивает её долгосрочную актуальность. Чрезмерный акцент на создании идеального сочетания слов может быть даже контрпродуктивным, поскольку это может отвлечь внимание от исследования самой проблемы и уменьшить чувство контроля над творческим процессом. Вместо этого умение формулировать задачи может стать ключом к навигации в неопределенном будущем наряду со сложными системами искусственного интеллекта. Это может оказаться столь же важным, как изучение языков программирования на заре вычислительной техники.