Prompts应该被设计 —而不是被编码(提升设计在人工智能时代的相关性)

Prompts应该被设计 —而不是被编码(提升设计在人工智能时代的相关性)

“任何足够先进的技术都与魔法没有区别”——人工智能时代设计的重要性

亚瑟·C·克拉克的第三定律如今似乎随处可见,证明了人工智能令人敬畏的力量。它完美地概括了我们许多人都非常熟悉的一种感觉,即意识到新的人工智能进步并对其能做什么感到惊讶。

“现在它可以创建视频了!”我发现自己在早上喝咖啡时对我的伴侣大喊。

然而,我将克拉克第三定律解释为提醒人们,技术实际上并不是魔法,即使它看起来是魔法。

这是一个至关重要的现实检验:如果我们过于迷恋这种“神奇”技术,而不质疑它的力量,我们就会不经意地削弱我们自己的力量。

例如,产品世界中存在一个奇怪的误解,认为人工智能非常强大,不需要设计——只需将基础模型的 API 连接到任何应用程序就可以立即释放价值喷泉。

相反,尽管这些模型很强大,但如果没有设计,它们将毫无用处。作为一个行业,我们似乎还没有提供足够多的人工智能功能,或者看到足够多的人工智能失败,来充分认识到这一事实。

当我设计模型的提示时,没有什么比让我更确信设计在人工智能时代的关键作用了,因为我发现自己依靠我的核心设计技能来做好这项工作。

丝提示、布提示

快速工程是一种通过对通用模型(如ChatGPT或Gemini)进行编程,以完成特定任务的方法。这包括提供指导或将指导性信息“链接”在一起,以指导完成工作的步骤。然而,在这个过程中,艺术的成分要比科学更为重要。

还记得《心理学101》中的哈洛的猴子实验吗?实验中,小猴子可以在两个“母亲”之间进行选择:一个由金属丝制成,提供食物,另一个由布制成,提供舒适感。不出所料,小猴子对柔软、舒适的布妈妈表现出强烈的偏爱。

Prompts应该被设计 —而不是被编码(提升设计在人工智能时代的相关性)
布“妈妈”(左)、线“妈妈”(右)

这就是我如何看待“工程”和“设计”提示之间的区别。

线状提示旨在完成一项工作,而布料提示则直观地了解用户的需求,旨在为用户提供流畅和支持性的体验。

任何人都可以访问 API 并提示基础模型执行任务。提示的复杂性来自于深入了解用户——他们对这种体验的态度和行为——并将这些知识整合到提示中。

由于对话体验的开放性,这比传统软件交互更重要。正如设计师艾米丽·坎贝尔 (Emily Campbell)所指出的那样,“用户对计算机的自主权越大,他们就越能期望计算机理解他们并预测他们的需求。”

OpenAI 开发者关系主管 Logan Kilpatrick 将其归结为“背景”。该模型需要上下文才能很好地执行特定任务。这使得提示成为一项“人类固有的”任务,因为它要求我们了解人们想要实现的目标的细微差别。

冒着陈述显而易见的风险:这个。是。什么。我们。做。

如果没有设计,下一波人工智能应用程序将是脆弱的小东西,浪费组织宝贵的人工智能资源。

快速设计是一个迭代过程

传统软件工程和即时工程之间有一个值得强调的根本区别。

在传统的软件工程中,我们可以精确地定位产生所需结果所需的代码行。例如,我们知道使用哪种函数来根据数据库验证用户的凭据。

在提示工程中,我们无法预测模型将如何响应我们制作的提示。我们不是直接编程,而是引导模型实现我们想要的结果。

这就是为什么需要迭代提示设计过程。在此过程中,我们基于用户和模型的见解不断设计和完善。我最近撰写了一篇关于“双面用户测试”的文章,其中研究人员同时研究用户和模型的行为。

即时工程学科仍处于起步阶段,其最佳实践尚未被发现。例如,即使 OpenAI 在其 Playground 中也只定义了三个类别的提示:系统、用户和助手。

我对像Melodi这样的初创公司感到兴奋,他们正在努力创建我们需要迭代人类反馈的人工智能工具。

就我个人而言,我使用六个类别来构建提示设计过程:

  • 流动
  • 角色
  • 使命
  • 指南
  • 例子
  • 输出参数

我正在编写一份概述这些内容的提示设计指南。完成后您可以订阅访问权限。在本文中,我的目标是将提示设计过程的迭代本质带入生活。

用户洞察在提示中的力量

我并不是说工程是不必要的。例如,考虑一个“服装副驾驶”,旨在向时装公司的客户推荐服装。创建架构并执行此功能需要大量的工程工作;然而,实际的提示需要精心设计。

流动

设计师的首要工作是规划实现最终目标的步骤。对话式人工智能交互比标准软件工作流程更加开放,但副驾驶仍然需要引导用户完成逻辑顺序。如果没有这个,模型和您的用户可能会迷失。或者正如设计师Paz Perez所强调的那样,用户“在与人工智能聊天互动时不知道该做什么或问什么”。

迭代提示设计过程……

让我们想象一下,设计师最初概述了一个由三个步骤组成的流程:1)确定服装的场合2)辨别用户的风格3)向用户提供选项。然而,在测试过程中,设计师注意到用户经常提供有关其服装背后灵感的额外背景(例如“我总是穿中性颜色,但我真的想开始穿更时髦的图案”)。因此,设计者建议在流程中添加第四个提示,其中副驾驶会探究用户的服装目标。

例子

引导非确定性模型达到预期结果的最有效方法是提供您希望模型执行的操作的示例。这种方法称为“少样本提示”,允许模型模仿所提供的示例。

迭代提示设计过程……

为了帮助模特识别服装的场合,设计者在提示中创建了一个示例,说明模特应如何响应用户的输入。

  • 用户输入“我需要一件舞会礼服。”
  • 模特回应:场合、舞会

然而,在测试过程中,设计者注意到一种模式:有时用户会提到特定事件(例如“我的生日”),有时他们会提到购买动机(例如“我和男朋友分手了”)。这种洞察力引导设计者开发两类提示示例:一类用于基于事件的场合,另一类用于基于动机的原因。

指南

示例是一个强大的工具,但有时,模型需要额外的指导。这就是指南发挥作用的地方。指南有助于进一步细化模型的行为,比单独的示例更明确。

迭代提示设计过程……

在测试中,设计人员注意到模型正在解释用户的响应并丢失重要的细节。

例如:

  • 用户输入: “我需要一件舞会礼服。”
  • 模型响应:场合,用户需要一件舞蹈服装

设计者在提示中添加了一条明确指定的指南:“使用用户提供的确切措辞;尽量不要转述他们的回应。”该指南可以提供额外的背景来塑造结果。

现在是白羊座的季节

我希望这些简单的例子有助于强调设计师和迭代设计过程在创造可用且有价值的人工智能体验方面的重要性。

让我们面对现实:没有人会等待设计师在人工智能时代变得有价值,但公司比以往任何时候都更需要设计。

当怀疑自己的能力时,请记住,没有人知道所有答案。我们都在共同努力解决这个问题。

原文:uxdesign