プロンプト チェーニングは、生成 AI モデルを操作するときに使用される手法であり、1 つのプロンプトからの出力が次のプロンプトの入力として使用されます。この方法はプロンプト エンジニアリングの一種であり、質問の仕方を改善することで、事前トレーニング済みの生成 AI モデルからより優れた出力を引き出す手法です。
プロンプト チェーニングは、複雑な問題に部分的にアプローチする場合や、最初の出力を改良および拡張する場合に最適です。これは、タスクを念頭に置いており、望ましい出力の大まかなアイデアはあるが、その出力の正確な詳細や構造がどうあるべきかがまだわからないユーザーにとって特に役立つ戦略です。
プロンプト チェーニングは、大規模言語モデル (LLM) と対話するときに最もよく使用されます。これらのモデルは現在、コンテキストを保持し、以前に生成された出力をあまり変更したり、望ましい機能を削除したりすることなく改良するのに最も優れているためです。ただし、開発者は、画像ジェネレーターなどの他の種類の生成 AI モデルの出力を反復的に改良する機能に取り組んでいます。たとえば、ChatGPT 内でアクセス可能な OpenAI の Dall-E 画像生成モデルは、成功の度合いはさまざまですが、この機能を提供します。
このプロセスは、生成 AI モデルとのその他のやり取りと同様に、モデルに初期プロンプト (通常は、望ましい出力を説明する質問またはステートメント) を提供することで開始されます。この初期入力を処理した後、モデルは最初の出力を生成します。
その後、その最初の出力は、人間のユーザー、または正確性や創造性などの基準に照らしてチェックするようにトレーニングされた自動システムによって評価されます。その評価結果に基づいて、ユーザーまたはシステムは、前回のラウンドのフィードバックを考慮した別のプロンプトを作成し、出力をユーザーの意図に近づけることを目指します。
たとえば、評価によって、最初の出力が広すぎて、対象の問題に十分焦点が当てられていないと判断される場合があります。次のプロンプトでは、ユーザーはモデルに特定の要素に焦点を合わせるように指示できます。新しいプロンプトはモデルにフィードバックされ、満足のいく出力が得られるまでプロセスが継続されます。
技術的な観点から見ると、プロンプト チェーニングは LLM アーキテクチャの特定の側面を活用するため効果的です。構造的に言えば、LLM はトランスフォーマー モデルに大きく依存するニューラル ネットワークであり、長いテキスト データ シーケンス内のパターンと関係を識別するのに優れています。したがって、LLM は複雑なパターンを認識して複製し、時間の経過とともにコンテキストを認識し続けるのに適しています。
上で説明したように、プロンプト チェーニングでは、以前の出力を基にして、新しいプロンプトごとにコンテキストまたはフォーカスを段階的に調整します。この方法は、拡張されたシーケンスにわたってコンテキストを管理する LLM の機能に適しており、LLM に長くて詳細な初期プロンプトを与える場合と比較して、より微妙な調整が可能になります。
プロンプト チェーニングと思考連鎖プロンプトは似たように聞こえ、どちらの手法もプロンプト エンジニアリングを通じて LLM 出力を改善することを目的としていますが、いくつかの重要な違いがあります。プロンプト チェーニングでは、1 つのモデル インタラクションからの出力を次のインタラクションの入力として使用するため、本質的に複数のプロンプトが含まれます。対照的に、思考連鎖プロンプトでは、1 つの長いプロンプトを使用して、モデルに、回答に到達するために使用された段階的な推論プロセスを説明するように求めます。多くの場合、思考連鎖プロンプトには、モデルの例として、そのような段階的な推論の例が 1 つ以上含まれています。
プロンプト チェーニングの具体的な利点は次のとおりです。
機械学習エンジニアやデータ サイエンティストにとって、プロンプト チェーニングはモデルのトレーニングと微調整に役立つツールにもなります。プロンプト チェーニングのコンテキストでモデルに反復的なフィードバックから学習する機会を与えることで、より高品質でより正確な出力を生成する能力が磨かれます。
上で述べたように、プロンプト チェーニングは創造性と複雑な問題解決を伴うユースケースに適した手法です。次にいくつかの例を示します。
ベンダーのプラットフォームには現在、顧客が NLP 応答を信頼できるようにする機能や、ワークフローを自動化する機能が含まれています…
分析ベンダーの新機能には、顧客が自然言語を使用して指標を探索できるようにするツールや…
組み込み BI スペシャリストの親会社である Insightssoftware は、新しい生成 AI アシスタントと SaaS バージョンを発表しました…
デジタル技術をめぐる懸念が高まる中、AI 生成コンテンツは議会、連邦執行機関、EU の標的となっている。
南イリノイ大学医学部は、ソフトウェアコストの回避と SaaS 製品の補完能力を指摘しています…
FTC の競業禁止契約の禁止が法的な異議申し立てを乗り越えたとしても、… が発生した場合には依然として問題に直面する可能性がある。
オープンソース データベースは、プロプライエタリ データベースの有効な代替手段です。ここでは、12 のオープンソースおよび利用可能なソース データベースに関する情報を紹介します。
Hamid Azzawe のリーダーシップの下、グラフ データベースのスペシャリストの新しい副操縦士とプラットフォームのアップデートは、既存のユーザー層を超えた新しいユーザーをターゲットにしています…
DataOps のメリットを享受するには、優れたアーキテクチャが必要です。5 つのコア コンポーネントを使用して、最適な DataOps アーキテクチャを設計します。
効率的な商品返品プロセスは、顧客ロイヤルティの向上に役立ちます。リバース ロジスティクス戦略を改善する方法を学び、…
ハノーバーメッセ産業見本市で、マイクロソフトは OT および IT データ向けの Fabric AI と、工場向けの Copilot テンプレートを発表しました…
シンプルなサプライ チェーン マップは、重要なビジネス課題など、さまざまな領域についての洞察を提供します。製造業がなぜ重要なのかを学びましょう…
元記事: https://www.techtarget.com/searchenterpriseai/definition/prompt-chaining