Промпт інженер. Як правильно написати промпт ChatGPT

Summary

The video script discusses the profession of a front-end engineer with a focus on working with artificial intelligence, specifically GPT models. It explores the concept of prompt engineering, demonstrating how to effectively communicate with AI to achieve desired results. The video guide explains the importance of understanding neural networks and provides practical examples of how to structure prompts for accurate responses. It also touches on the potential of AI in various fields, emphasizing the value of continuous learning and adaptation in the ever-evolving landscape of technology.

Takeaways

• 🤖 Understanding the profession of front-end engineering involves working with artificial intelligence (AI) models like GPT.
• 🧠 The script explains the basics of how neural networks, specifically GPT models, function in processing queries and generating responses.
• 🔍 To effectively communicate with GPT models, it's crucial to grasp the concept of how they predict the next word or token in a sequence.
• 🌐 The script introduces a platform called 'Open AI' where one can interact with and learn about the workings of neural networks through a Playground interface.
• 📊 The concept of 'temperature' in GPT models is discussed, which affects the randomness of the next predicted word.
• 📈 The script provides examples of how adjusting the temperature setting can lead to more precise or more varied responses from the AI.
• 🔢 GPT models were initially created for translation purposes but have evolved to understand content and engage in conversation, acting as a chatbot.
• 🛠️ The script outlines five different approaches to 'prompt engineering', which involves crafting the right prompts to get the desired responses from GPT models.
• 📚 It emphasizes the importance of providing context, setting limitations, and formatting the output to get the most accurate answers from AI.
• 📈 The script also discusses the potential of training AI models with structured prompts and examples to improve their performance over time.
• 🔄 The concept of 'chain of thought' in AI is introduced, where the model logically processes step-by-step calculations or reasoning.
• 📈 The script concludes by highlighting the practical applications of prompt engineering in various fields, including law, finance, and investment.

Q & A

What is the main topic of the video script?

The main topic of the video script is about the profession of a front-end engineer and understanding how to effectively communicate with artificial intelligence, specifically GPT models.

What does the speaker suggest is important to understand when working with GPT models?

The speaker suggests that it is important to understand how the neural network works and how GPT models process information to ensure that they provide the most accurate results.

How does the speaker describe the functionality of GPT models?

The speaker describes GPT models as being able to understand the context and predict the next word in a sentence, creating a coherent and meaningful text that feels like a conversation with a real person.

What is the role of 'temperature' in GPT models according to the speaker?

The 'temperature' in GPT models determines the randomness of the next word. A lower temperature results in more precise and predictable outputs, while a higher temperature introduces more randomness and variety in the generated text.

What is the purpose of the 'PlayGround' platform mentioned in the script?

The 'PlayGround' platform is used to demonstrate how neural networks, specifically GPT models, work. It allows users to input text and see how the model processes it and generates responses.

How does the speaker suggest we can train GPT models to provide more accurate responses?

The speaker suggests that by providing GPT models with examples, setting constraints, and using a clear and structured prompt, we can train them to understand what is expected and thus provide more accurate responses.

What is the significance of the 'system prompt' in training GPT models?

The 'system prompt' is crucial in training GPT models as it sets the context and expectations for the model. It includes the role the user wants the model to play, the type of response desired, and any limitations or specific formats required.

What are the five types of prompts the speaker mentions for training GPT models?

The speaker mentions five types of prompts: 1) Zero-shot prompting, where the model is given a task without prior training. 2) Few-shot prompting, where the model is given a few examples. 3) Prompting with a specific format, such as chat or question-answer. 4) Chain-of-thought prompting, where the model is encouraged to think step-by-step. 5) Generate new prompting, where the model is given a statement or fact and asked to generate a response based on it.

How can the 'temperature' setting affect the output of GPT models?

Adjusting the 'temperature' setting can make the output of GPT models more or less random. A lower temperature results in more predictable and consistent responses, while a higher temperature can lead to more varied and potentially creative outputs.

What is the role of 'context' in effective communication with GPT models?

Context is essential in effective communication with GPT models as it provides the background information and sets the stage for the model to understand the intent behind the query and generate appropriate responses.

What is the speaker's advice for obtaining the most accurate answers from GPT models?

The speaker advises structuring the prompts carefully, including context, clear questions, and any necessary constraints, to guide the GPT model in providing the most accurate and relevant answers.

Outlines

00:00

🤖 Introduction to Frontend Engineering with AI

This paragraph introduces the topic of frontend engineering with artificial intelligence, specifically focusing on how to interact with AI models like GPT to achieve desired outcomes. It discusses the importance of understanding the essence of AI communication and how to guide AI to provide accurate results. The speaker, Mykhailo Ptsan, shares his experience as a global investor and entrepreneur, emphasizing the value of AI in various fields.

05:02

📚 Understanding GPT Models and Tokenization

The speaker explains the concept of GPT models and the process of tokenization, which is fundamental to how AI understands and generates text. He uses the example of the city 'Kyiv' to illustrate how GPT models break down text into tokens and predict the next token to form coherent sentences. The paragraph also touches on the concept of 'temperature' in AI, which determines the randomness of the AI's predictions.

10:02

🛠️ Methods of Training and Interacting with AI

This section delves into various methods of training AI models and interacting with them effectively. The speaker discusses different approaches such as providing examples, setting parameters, and using prompts to guide AI responses. He emphasizes the importance of formatting input (prompts) correctly to receive precise and logical answers from AI, and introduces the idea of 'prompt engineering' as a skill.

15:07

📈 AI's Learning Process and Problem Solving

The speaker explains how AI learns through examples and structured prompts, improving its ability to solve problems and provide accurate answers. He uses mathematical problems and logical sequences to demonstrate how AI can be trained to think step-by-step and understand complex tasks. The paragraph highlights the adaptability of AI in understanding and applying logic to various scenarios.

20:09

📝 Advanced Prompt Engineering Techniques

This paragraph discusses advanced techniques in prompt engineering, where the speaker shares strategies for training AI with specific knowledge and correcting its understanding. He explains how to provide AI with correct knowledge formats, use examples to teach AI, and structure inputs to receive detailed and accurate responses. The speaker also mentions the potential of AI in various applications, from legal and financial questions to content creation and business.

25:11

🚀 Conclusion and Future of AI in Engineering

In the concluding paragraph, the speaker summarizes the importance of understanding AI and prompt engineering, emphasizing the potential of AI in various professional fields. He mentions the availability of resources and communities for learning more about AI and its practical applications. The speaker also teases an upcoming book on the art of prompt engineering, inviting the audience to join a community for further exploration of AI's capabilities.

Keywords

💡Front-end engineering

Front-end engineering refers to the development and design of the user interface and user experience of a website or application. In the context of the video, it is used to describe the profession of the speaker and the area of expertise they are discussing, particularly in relation to working with artificial intelligence and GPT models.

💡GPT models

GPT (Generative Pre-trained Transformer) models are a type of artificial intelligence that uses deep learning to generate human-like text based on the input it receives. In the video, the speaker discusses the intricacies of how GPT models work and how to interact with them to achieve desired outcomes.

💡Neural networks

Neural networks are a series of algorithms that attempt to recognize underlying relationships in a set of data through a process that mimics the way the human brain operates. In the context of the video, neural networks are fundamental to how GPT models function, and understanding them is crucial for effective communication with AI.

💡Tokenization

Tokenization is the process of breaking down text into individual elements, or tokens, that a machine learning model can understand and work with. In the video, the concept is used to explain how GPT models interpret input text by converting it into tokens before generating a response.

💡Temperature

In the context of GPT models, 'temperature' refers to a parameter that controls the randomness of the model's output. A lower temperature results in more predictable, conservative outputs, while a higher temperature leads to more varied and potentially creative responses. The speaker discusses adjusting temperature to refine the output of GPT models.

💡Prompt engineering

Prompt engineering is the process of crafting input text (prompts) for AI models in a way that guides the model to produce a specific type of output. It involves understanding how to structure the input to elicit the desired response from the AI. In the video, the speaker emphasizes the importance of prompt engineering in communicating with GPT models effectively.

💡Chat interface

A chat interface is a conversational system that allows users to interact with AI models through text-based communication. In the video, the speaker discusses the option to use GPT models in a chat format, which provides a more natural and interactive way to receive responses.

💡Custom instructions

Custom instructions are specific directions or guidelines provided to an AI model to tailor its responses according to the user's requirements. These instructions help in shaping the output to fit a particular context or format. In the video, the speaker talks about using custom instructions to get the AI to respond in a desired manner.

💡Data input

Data input refers to the information or text that is provided to an AI model as a basis for generating a response. In the context of the video, data input is crucial for training GPT models and ensuring they produce accurate and relevant outputs.

💡Knowledge base

A knowledge base is a collection of information or data from which an AI model can draw to generate responses. In the video, the speaker discusses the importance of populating the AI's knowledge base with the right kind of data to ensure it can provide accurate and useful information.

Highlights

Frontend engineering is a profession that involves working with artificial intelligence, specifically GPT models.

GPT models work by predicting the next word in a sequence, understanding the context and fields of information to generate coherent sentences.

The accuracy of GPT models can be controlled by adjusting the temperature parameter, which determines the randomness of the next word prediction.

To effectively communicate with GPT models, one must understand how neural networks operate and how to structure prompts to get desired results.

The Playground on the OpenAI website is a tool that demonstrates how neural networks work and can be used to interact with GPT models.

Prompt engineering involves crafting prompts that guide the AI to produce specific, accurate outputs.

By providing examples and correct responses, GPT models can be trained to understand and generate logical sequences and answers.

The concept of 'chain of thought' is used in GPT models to break down complex tasks into step-by-step solutions.

GPT models can be fine-tuned with specific prompts to perform tasks such as sentiment analysis, classification, and mathematical calculations.

Prompt engineering can be applied to various fields, including law, finance, and investment, to provide detailed and accurate responses.

The use of custom instructions in GPT models allows for the creation of tailored responses and interactions based on user needs.

GPT models can be trained to understand and respond to questions in different languages, including Ukrainian.

The potential applications of GPT models extend to content creation, recruitment, marketing, and even the creation of automated economies.

The speaker, Mykhailo Ptsan, has been managing active clients for over 15 years and serves as a financial and digital advisor.

The speaker emphasizes the importance of understanding how to properly communicate with GPT models to achieve the desired outcomes.

The speaker mentions the creation of a book on the art of prompt engineering, which will be detailed in their community.

The speaker invites the audience to join their courses on practical use of artificial intelligence, starting from recruitment to content creation and investments.

Transcripts

скіл або професія Але як би то не було

за неї платі зараз деякі іноземні

компанії бо сотні тисяч доларів на рік

тим людям які знають я спілкуватися зі

штучним інтелектом в цьому відео Ми

проведемо такий свого роду гайд в

професію

фронт-інженер розберемо 5 варіантів

написання промків до штучного інтелекту

Ми сьогодні не будемо вдаватися в

технічні деталі Головне щоб ви розуміли

саму суть того як треба правильно

спілкуватися з GPT модельками особливо

щоб вони давали Нам саме той результат

який ми від них хочемо тому

давайте поїхали на зв'язку Михайло пацан

засновник

Глобал інвестор підприємець вже більше

15 років я керую активним своїх клієнтів

і являються фінансові та цифровим

радником з вас лайк підписка і дзвіночок

і давайте погнали і Так почнемо з того

що

ромти інженерія це вже ваш ціла стаття

на Вікіпедії в якій описано що це

взагалі таке які є варіанти навчання

моделей і так далі написано багато

написано дуже цікаво

але нічого не зрозуміло Як то кажуть

дуже цікаво але взагалі нічого не

понятно ну от власне Давай будемо

розбиратися що нам треба знати в пробці

що таке Пром ти почнемо отвершу Пром -

Це запит до

нейромережі в нашому випадку ми будемо

працювати з GPT моделями тобто запит до

GPT моделі який нам на виході має дати

максимально Точний результат а для того

щоб він нам дав максимально Точний

результат нам в першу чергу треба

розуміти як працює сама нейромережа Тому

давайте зайдемо на платформу опін яй

сайт Ви можете бачити платформунд крапка

Open як.com заходимо у розділ PlayGround

і тут ну зазвичай перший раз коли ви

Заходите ви будете бачити щось такого

плану

в принципі повністю пустеньке нічого тут

не буде це вже Я дописав що Київ це і

далі от але саме цей программ і дуже

класно показує як працює нейромережа

тобто дивіться як загалом чому логіка

GPT моделі gptшка - це Т9 на максималках

хто пам'ятає ставте лайк обов'язково і в

комента

рі напишіть як там писали на своїх

нокіях через Sony ericssons

різні

Але gptшка - це набагато круче це дуже

круто крута штука тому що вона розуміє

сенси Тобто вона прогнозує наступне

слово але не просто прогнозує наступне

слово у форматі там

рандомний рандомний вибір із теоретичною

можливіх і потім получається речення без

змісту А вона розуміє весь зміст тобто

розуміє вони є такі таке поняття як поля

з місту вона розуміє звідки брати цю

інформацію як це слово пов'язане з

іншими словами в цьому тексті і таким

чином формується класне улагоджене

складене від початку до кінця речення

яке Приємно читати і здається відчуття

що ми спілкуємося з реальною людиною і

відповідно для того щоб GPT нам от

спрогнозували наступне слово вона нам

може його спрогнозувати там Скажімо так

максимально точно або може генерувати

нам різний бред який на перший погляд

здається не зв'язаним на другий погляд

Це дійсно там згенерований з якоїсь

незрозуміло її речі для того щоб ну

власне вибрати як ми хочемо щоб нам

спілкувався GPT ми можемо налаштувати

так звану температуру температура нам

показує те наскільки

рандомним буде кожне наступне слово якщо

не вдаватися в технічні деталі тобто він

прогнозує наступне слово вибирає 50

тисяч різних слів які теоретично можуть

бути наступними зі своєю всієї бази

даних там полів змісту і на виході

підбирає той який з найбільшою

вірогідністю нам підходить і Чим менше

температура Тим більш точно слово більш

такий він буде строгий і майже завжди

одинакові відповіді нам давати от

давайте візьмемо Для прикладу я це все

зараз видалю напишемо йому знову Київ

це і зменшимо температуру наприклад до

нуля і таким чином ми побачимо що Київ

це місто столиця України найбільше місто

України та татарства тут бачите я йому

обмежував до 256 токенів один до кінця

приблизно одне слово чому

логіка Токіо дивіться коли ми пишемо

моделі GPT Київ - це

моделька не розуміє що мені написали

Київ вона робить Таким чином вона

кожному там букву або кожний склад вона

його перетворює так звані токени тобто

відбувається процес втокенізації і далі

моделька нам прогнозує наступний токен

токінг - Це набір просто цифр тобто

наступну цифру видно прогнозує і в

результаті ми отримуємо якусь отаку

штуку давайте От я зараз знову це все

видалю і напишу Київ це І що ми бачимо

місто Київ це столиця України тобто одне

й те саме тепер дивіться я зараз візьму

хай він допише От бачите одно і то саме

ви можете навіть перемотати назад

побачити от прям І добавимо наприклад

0,7 ну Зазвичай я ставлю приблизно 0,7 і

те що налаштовано в GPT моделі це з

половиною також показано на

0.7 я це Все видаляю і тепер пишемо Київ

це місто Ну зараз побачимо що це буде от

бачите в Києві ця столиця України

найбільше місто України одне найбільше в

Європі і так далі пішли поїхали тобто

бачите він вже зовсім інша написав

знаєте перед всі наступ

це все беру видаляю і ще раз йому

відправляю

і бачимо він зовсім інше пише тобто

раніше він там написав що це була там

столиця України найбільше місце Тут тоже

столиці України але найстаріше місто в

Україні і пішло пішло пішло Тобто зовсім

по-іншому все згенерував тобто він

набрав рандомні відповіді з ну вірніше

рандомні слова вже більш розширено оце

якраз нам і дає температура тобто оце

перший такий концепт тобто gptшка на

вході написала йому яке слово вона нам

генерує наступне наступний токен який

перетворюється потім слово і євро

здатність - це все формує якийсь логічне

логічне набір тексту Та який той який ми

з вами бачимо на екрані

взагалі GPT створювали для перекладу

спочатку потім воно якось так пішло

поїхало і він вже навчився розуміти

зміст і навчився спілкуватися і його

опини я і в один прекрасний момент

згадали йому

правильний системний фронт

і в результаті ця вся штука почала не

просто генерувати кожну наступне слово а

почала задавати ну

логічні запитання почала спілкуватися

тобто перетворилася в чат от бачите тут

демонд ми можемо вибрати або Complete

або чат тобто якщо ми вибираємо чат то

Таким чином ми отримуємо перше вже

формат спілкування не просто генерувати

кожен наступне слово а вже в форматі

чату Тобто ми вже тут тут вже є певний

системний фронт зі сторони Open яй далі

ми можемо вибрати модельку Бачите я

звичайні є Turbo 16 K 16k - це 16 штук в

контексту ми можемо йому добавити зараз

про це поговоримо температура

налаштовуємо довжину нам можемо

налаштувати і так далі от але ключове

щоб ми сюди вже можемо добавляти також

певний системний Пром тобто наприклад

введи себе як

інженер або полицями як програміст на

солідіті або будь в ролі маркетолога і

так далі тобто всю цю штуку ми

можемо сюди гени згенерувати і далі як

User йому задавати запитання і він нам

буде як асистент на них відповідати про

себе чуть далі поговоримо тобто логонка

яка що для того щоб написати правильний

класний бромд ми Він має включати в себе

перше це контекст який ми можемо

наприклад в системний Пром добавити

друге - це

сам запит Що ми від нього хочемо Третє -

це обмеження і четверте - це в якому

форматі Ми хочемо отримати вивід тобто

фактично сюди Ми можемо записати в

системний промтрум цю штуку крім самого

запиту тобто контекст про що ми будемо

говорити Як має себе чай GPT поводити і

так далі другий момент в якому форматі

ми маємо отримати вивід і Які обмеження

на нього накладаємо і як результат ми

отримуємо максимально тоді точно

відповідь Але це ще не все тому що

фактично ми можемо навчати

той самий штучний інтелект і

не знавши йому попередню правильну

промти він далі нам буде давати

максимально точній відповіді І сьогодні

я покажу п'ять варіантів от саме того як

за

промюнити можна навіть сказати

сам чай GPT що він нам так давав класну

відповідь щоб просто ми отримували все

те що нам необхідно для того щоб власне

вам про ці 5 варіантів розповісти і

просто Просто там показати дуже легко як

це вся штука працює прийшлось перечитати

декілька так званих пейперів яких раз і

описано про е-е

Вірую Шут

ну власне бронтінг

Full Shot промтінг

чейнофлтін тобто варіанти Зараз ми про

це все поговоримо як йому там далі як

йому добавляти в

базу знань як його навчати там що він

самостійно

розпізнавав і аналізувався те що ми йому

написали ну і загалом різні варіанти

промкнути тобто оці пейпер їх велика

кількість ми сьогодні з вами звісно це

все розбирати не будемо а можливо Якщо

вам буде цікаво і пишіть в коментарях я

запишу декілька відео про з різними

варіантами от саме промктів і підходів

до фронт інженерії все-таки інженерія це

не просто так називається вона пов'язана

з дійсно з інженерією з тим що ми там

налаштовуємо сам

самого робота в нашому випадку робот -

це Чад GPT ну або GPT будь-яка модель

яку ви навіть можете взяти поставити

собі на комп'ютер наприклад є

безкоштовні моделі такі як lama-2 від

Фейсбука яку можна просто взяти

поставити собі на комп'ютер якщо ваш

комп'ютер звісно потягне цю всю ж е-е

штуку і він буде нас на компі працювати

ви його можете донавчати дофаньюнити або

добавити йому різні

через довгострокову пам'ять і в

результаті він у нас буде максимально

крутий вивчений на ваших матеріалах і

більше того що буде конфіденційне також

якщо це цікаво пишіть в коментарях Я про

все це запишемо її поговорю так ну і

погнали давайте

з нашими Перший варіант - це є ziro

Shuttle

щоб він це буде Тобто ми даємо один

фронт в якому ми пишемо одну

[музика]

один запит нашого випадку я йому написав

що він класифікував текст по сентименту

тобто нейтральний негативний або

позитивний дав йому сам текст

і далі написав сентимент і дві крапочки

як результат отримав що він нейтральний

Ну в принципі що так якщо прочитати

дійсно він Я нейтрально всі ці промти я

знайшов в інтернеті я не придумував їх

самостійно

зрозуміло що сама структура ми можемо

підготувати так в чому суть дивіться ми

коли пишемо фронт ми можемо писати його

як запит тобто відповів мені тобто

запитаннячко або можемо йому описати як

варіант саме

готової навіть відповідь тобто свого

роду як

шаблон

відповідно тоді ми також отримуємо

досить

непогану непогану Тобто по-іншому це

називається як інструкція Тобто ми її

можемо дати

запитаннячко або просто інструкцію в

даному випадку ми йому дали інструкцію і

на виході Ми отримали відповідь от тому

якщо його треба щось таке нейтральне ми

можемо спокійно це все зробити До речі

Ці всі посилання Я також залишу в описі

і ви зможете далі з ним погратися щось

порівнювати подобавляти своєї і отримати

максимально точно те що вам необхідно це

є перший варіант але не завжди буває так

що от ми там прямо з першого разу от

прям зірок що ви називається зірочок

тому що ми дали першу запитання і на

виході отримали максимальну ту відповідь

яку Нам необхідно тут ще дивіться в чому

ця суть цього жиру що пробки І взагалі

Наступне Що я буду показувати От коли ви

навчаєте свою модель то дані які ви

будете завантажувати на базі чого у ваша

модель буде навчатися вони також мають

бути сформовані в певному там свого роду

в форматі промку там за або інструкції

або запитання і тоді на виході ми і

утримуємо максимальну точно навчену

модель це важливо тому це є би один з

варіантів далі

фішокпромтінг тут Трохи інакше логіка

Тобто ми йому даємо наступну штуку даємо

йому один приклад

І що це є потім наступний приклад потім

ще один приклад і Далі пишемо йому цю

штуку от і от тут дивіться бачите

здається особняків This is buttive і так

далі тобто не обов'язково навіть писати

от там якісь логічні зв'язки що це там

вводиті або там негатів і так далі Тобто

ми Нам Просто дати йому треба сам формат

відповідно на виході ми вже утримаємо

правильну відповідь тому що дивіться

Бачите як як я йому написав

що я просто дав йому приклад чому

називається філшот Тому що тут декілька

от саме раз два три декілька шотів Тобто

ми тут давали тільки один раз

руд Ми даємо йому декілька і на виході

отримуємо щось там якийсь результат от

[музика]

і тепер бачите що ми маємо в результаті

він все виправив тобто чи п'ятірка До

речі це все 3,5 модельки я не брав

четверту версію він все нам чітко раз

два три чотири п'ять виправив її написав

що це остом це позитивний настрій БЦ і

негативний позитивний негативний і так

далі Ну далі Я йому ще раз це написав

[музика]

він точно знав що позитиви це особами і

так далі І на виході він мені вибив

знову правильно відповідь вот тут є ще

один нюанс От наприклад

оця штука який нам треба просумувати

тільки непарні числа і якщо нашим

непарне число дасть

в результаті Суми парне тоді ми пишемо

чу тобто правду Якщо ні тоді Фолз бачите

от Він досить непогано вже навчився

тобто раніше він це все не знав зараз

він вже просумував Крок по кроком пішов

тобто йому вже написали в якомусь

системному фронті тому що ніяк не груди

але з репетит три з половиною Вона

постійно фондюнеться вона більше Пром

тюниться тобто її добавляють добавляють

ці налаштування

і в систему промті певно йому вже

Прописали що якщо там є цифри то йому

необхідно думати кров за кроком до речі

про це ми поговоримо далі От і тут вже

постарався правильно написати але є в

будь-якому випадку ми можемо могли якщо

це є наприклад не тільки цифри але там

більш складна штука ми можемо йому дати

декілька прикладів тобто раз два три

чотири тобто щоб він розумів де правда

де неправда деякі

є на чому на базі чого йому треба

вчитися і коли ми йому завантажили оцю

всю штуку то далі вже щоби ми йому не

писали він вже розуміє приклад і на

виході нам видає правильні відповіді Ну

далі він нам вибрав в кінці написав що

Фолз Ну дійсно якщо це все просумувати

буде 41 і це буде Фолз Тобто це непарне

число тому чому

логіка задавши йому декілька прикладів

як він має відповідати далі ми вже

можемо йому давати наступні в такому ж

форматі запити і він нам буде вже

розуміючи що від нього хочуть також

чіткі відповіді далі при роботі особливо

з числами є таке поняття як ланцюжок

думок тобто він має кров за кроком

думати і відповідати от один з прикладів

це є там я повернувся з йому фактично

математична задача щоб я її не читав

Зараз Ви можете поставити на паузу і

прочитати

логіка в тому що як результат я його

запитую Скільки яблук у мене власне

залишилося при тому що це не просто

математична задача в форматі дійсно там

порахувати 1 2 3 4 а тут треба було

трохи

логічно подумати от і як я вже сказав

Новий їх уже версія GPT 3,5 його вже

підфайтюнили і він тепер вміє що таке як

робити крок за кроком такі задачі але не

на всі запити тому отут ключове запит ми

написали йому особливу якусь математичну

задачку або добавили щось більш складне

і далі пише просто LED син в тебе степ

тобто думай крок за кроком і коли він

почне думати кроку він нам це все

розіб'є раз два три чотири п'ять і на

виході ми отримуємо ту Відповідь Яка

дійсно правильна тому що він є яким

чином він буде думати ми йому дали

думали про це крок Окей він пішов крок

номер один написав там я купив 10 яєць

далі пам'ятаєте як він аналізує він бере

де все весь весь цей фронт

знову починає прогнозувати наступне

слово так далі я дав там Оце воно там

крок-2 описав відповідно Він знову бере

все попереднє і знову аналізує наступне

і так далі тобто Таким чином завдяки

тому що він думає крок за кроком у нього

вже прописані оці всі логічні зв'язочки

і він нам віддає точну логічне запитання

це особливо пов'язане з домашніми

завданнями з математики наприклад який

ви робите всякими многочленами і тому

подібне от в такому форматі він буде

давати прям чітку відповідь варіант з

телефони самоузгодження Тобто ми йому

даємо так само декілька фронтів згадуємо

наші фішок бронтінку але тут ми йому

вчинку пишемо описуємо йому різні

вірніше варіанти запитання відповідь

запитання відповідь запитання відповідь

запитання відповідь і в кінці

знову особливо ця математичні запитання

пов'язані От бачите їх Тут багато Я ж

також поставити на паузу подивитесь і

далі я йому в кінці пишу що там в мене

коли мені було 6 мої Моя сестра була

наполовину мого віку і тепер коли мені

70 скільки років в моїй сестрі тобто

йому треба логічно подумати шість шість

розділити на два на половину власне на

два буде три Значить мені 70 70 -3 і ми

могли йому тут написати просто думай

крок за кроком і він в принципі бо це

все підтасував але оскільки ми йому дали

до цього різні варіанти розв'язання

задачки

Чим же знає як це все має виглядати і

далі ми йому всі наступні задачки які

задаємо він вже буде точно нам

відповідати тобто такі варіант ми нам

підходить для різних таких логічних

зв'язків і він тоді От бачите маючи весь

цей прод він вже буде розуміти

логічно дещо пов'язати які між собою є

сенси пов'язані які не пов'язані і я

зробити правильно математичний

розрахунок ну в результаті отримали 60-7

років так і п'ятий варіант техніки

пробців - це

generate novych bronting Тобто ми йому

даємо певний вхід на вхід певне

запитання там або певне твердження

пишемо наприклад Греція більше ніж

Мексику але потім даємо йому правильну

відповідь тобто але на форматі правильна

відповідь а в форматі знань тобто Греція

приблизно має там 130

тисяч 1 000 м²

площі Мексика має 1,9 млн відповідно

Мексика більше настільки той відсотків

ніж Греція Тобто ми йому даємо правильне

знання тобто вхід один неправильний А на

виході ми отримуємо правило так само

далі пішли там окуляри запотівають і

пояснили Чому вони не запотівають

написали там ну не всюди ми написали там

прямо неправильні Тобто ми просто йому

підпишемо певний вхід і на виході

отримуємо але в відповіді ми йому даємо

саме знання літом імпорт і нолич саме

тому його називається як ночи generate

і Дивіться що в кінці Тобто ми їм дали

приклади ці всі тобто вхід на вихід

тобто наприклад там камінь він такий от

такого ж розміру як є Галька ну і тут

пояснення Що Галька це все-таки частина

він набагато менше і так далі Вот і

дивіться далі Ми дали запит Що граючи в

гольф

всі гравці пробують набрати найбільшу

кількість балів ну

логіка в чому Григорів хто грав хто не

грав але

в тому що ми маємо Там зазвичай 18 лунок

і

треба набрати найменшу кількість балів

тобто забити в кожну лунку з найдовшого

найменшою кількості пострілів

на виході ми написали що це віддав вже

відповідь у форматі ножі що тіпа Golf це

взагалі спорт який націлений зовсім на

інше і дав детальну відповідь Чому так

ну і далі ми могли йому також це вже

добавити Як на лижі і він нам там також

дасть більш

точну відповідь тобто Навіть якщо ми

йому дамо то вже неправильно відповідь

він все одно скажем Що тіпа

не зовсім Так є там пояснить Чому саме

це не так тому от ми маємо п'ять таких

варіантів до навчання або навчання

загалом штучного інтелекту в форматі

тобто так звана промте інженерія Тобто

ми його на ці Бронте задаємо він у нас

до навчається тому що всі ці промти як я

вже сказав ми можемо задавати в форматі

системного і далі вже просто задавати

йому запитання відповідь тобто Для

прикладу ми можемо йому оцю всю штуку

задати

раз написати йому сюди а далі беремо той

же самий філшот ромтинг от останній

приклад це вже ми задаємо йому від імені

юзер і сабміт ну і на виході отримали

навіть в принципі теж знімали отримати

тобто Таким чином ми маємо максимальну

точно відповіді і в систему ми забили те

що нам необхідно так само ми можемо

наприклад з тим же гольфом скопіювати цю

всю штуку і

отримати також правильну відповідь Тобто

ми просто копіюємо на вхід ті знання які

він має знати

далі ми

йому задаємо в

запитання

замість цієї штуки задаємо йому інше

запитання і на виході маємо там цей

інкорт

ну тут в мене просто довжина менша і

відповідно

він не до кінця все описав Тобто Це все

ми можемо робити через платформу і таким

чином отримувати правильні точні

відповіді і максимальну детально і це ж

не тільки обов'язково зараз в форматі

там запитання відповідь запитання

відповідь Це вже може бути в форматі

ваше знань наприклад ви можете Таким

чином його навчити там юридичне

запитаннями фінансові запитання в

інвестиційному те що я в принципі зараз

вчусь свого робота клона ви можете його

до навчитися розробці Ну і Загалом ми

пронти вони використовуються для того

щоб перше що зробити

по тексту раз потім з всієї інформації

витягнути тільки ту яка вам необхідна

умовно кажучи далі йому якийсь текст

історичний я написала Там вибори мені з

цього історичного тесту тільки дати От

він там баба вибрати тільки основні дати

потім запитання відповідь дебати тобто

розмова з ним класифікація тексту

класифікація там тоже той же сенті

меншого ми з вами робили тренування коду

і пояснення причин наприклад чому так чи

інакше тобто більш розгорнута відповідь

і таким чином дивіться оці всі промки ми

можемо як я вже сказав ви наприклад

завантажити в нашу там е-е

волонтером дата бейс тобто ну

довгострокову базу дати йому Ці всі

логічні запитання відповідь запитання

відповідь запитання відповіді і в

результаті ви на нього навчиться і буде

нам вже відповідати в певному

форматі Ну і тим більше що як я вже

сказав що ми можемо також будувати

системний Пром Та який він буде розуміти

а робити це на базі того що мені тут

написано і відповідно давати максимально

точній відповіді якщо у вас платна

версія чата

gpto в такому випадку ви можете в

налаштування собі включити Кастом

intruction стискаємо на них і тут ми

маємо якраз Кастом інструкції от власне

ті самі системні

дані які ми можемо записати йому

попередньо

І що ми хочемо отримати в якому форматі

Ми хочемо отримати відповідь тобто

відповідає українську мову будуть

реактивним там придумай щось

використовую я там до чого беру

використовувати твою книжку і так далі

вот тобто тут ми можемо той же самий

системний Пром і ті ж варіанти які я

показав задати в На вході і він при

кожній відповіді буде звертатися

спочатку до цього формату провіряти і

давати нам вже ту відповідь яку

необхідно більше того навіть Кастом і

страшена можна його автоматизувати і

зробити авто GPT про це також є відео у

нас на YouTube каналі власне все це ми

дуже детально розбираємо в нашому

ком'юніті в телеграмі в дискорді всі

посилання є в описі до цього відео тому

обов'язково доручайтеся Ну і зараз ми

готуємо до вас дуже круту книжку

мистецтво Пром Тут також ми будемо думаю

дуже круто цікаво всі деталі будуть в

нашому ком'юніті обов'язково долучайтеся

підписуйтесь на канал Ставте лайки цьому

відео і буду радий бачити вас в нашому

університеті Леонід Глобал на курсах як

по V3 так і по практичному використанні

штучного інтелекту в якому ви дуже

вдально читаєтеся користуватися різними

штучними інтелектами правильно писати

Пром ти і застосовувати його в роботі та

бізнесі починаючи від рекрутингу

маркетингу сезону написанням контенту

інвестиціями та навіть створення авто

економіки і свого дав якщо ви розумієте

про що я з вами був Михайло пацан

Побачимось скоро