«Почему быстро технологичное проектирование – это мимолетная мода»

«Почему быстрые технологичные проекты — это только временная мода»

 

В нескончаемой вселенной искусственного интеллекта и машинного обучения возникла новая звезда: prompt engineering. Это развивающаяся область касается стратегического создания входных данных, предназначенных для управления моделями ИИ, чтобы они могли генерировать конкретные и желаемые результаты. 

Множество СМИ громко говорят о prompt engineering, делая его идеальной работой – вам не нужно учиться программировать, вы не должны быть знакомы с такими понятиями машинного обучения, как глубокое обучение, наборы данных и т.д. Вы согласитесь, что это кажется слишком хорошим, чтобы быть правдой, верно? 

Ответ на этот вопрос может быть и положительным, и отрицательным. Мы объясним вам, почему именно так сегодня, в нашей статье, проследив историю prompt engineering, рассмотрев его важность и, что самое главное, объясним, почему это не кардинально меняющая жизнь карьера, которая перевернет миллионы вверх ногами на социальной лестнице. 

• Google AI представляет Audioplethysmography (APG) новую методику мониторинга сердечной активности, работающую на основе искусственного интеллекта, для наушников с активным шумоподавлением (ANC).
• Освоение глубокого обучения искусство приближения нелинейностей с помощью кусочных оценок Часть-3
• Арена компьютерного зрения выберите своего чемпиона

 

Возникновение prompt engineering

 Мы все видели эти цифры – мировой рынок искусственного интеллекта к 2030 году достигнет 1,6 трлн долларов, OpenAI предлагает зарплаты в размере 900 тысяч долларов, и это еще без учета миллиардов (а может быть и трллионов) слов, пролетающих через GPT-4, Claude и различные другие LLMs. Конечно, в этой индустрии главные герои – это специалисты по обработке данных, эксперты по машинному обучению и другие профессионалы высокого уровня. 

Однако все изменилось в 2022 году, когда GPT-3 стал повсеместно доступным. Вдруг обычный Джо понял важность инструкций и понятие GIGO – если вы напишете неряшливую инструкцию без подробностей, LLM сможет свободно контролировать результаты. Все начиналось просто, но пользователи вскоре поняли истинные возможности этой модели. 

Однако вскоре люди начали экспериментировать с более сложными рабочими процессами и длинными инструкциями, дополнительно подчеркивая ценность умелого использования слов. Пользовательские инструкции лишь расширили возможности и ускорили развитие профессии инженера по prompt engineering – профессионала, который умеет использовать логику, рассуждения и знание поведения LLM для получения желаемых результатов по желанию. 

 

Говорить на языке машин?

 На вершине своего потенциала prompt engineering способствовал значительным успехам в обработке естественного языка (Natural Language Processing, NLP). AI-модели от простого GPT-3.5 до специализированных разновидностей LLaMa от Meta, когда они получают метикулезно разработанные инструкции, проявляли поразительную гибкость и способность адаптироваться к широкому спектру задач. Приверженцы prompt engineering воспевают его как канал для инноваций в области искусственного интеллекта и предвидят будущее, в котором взаимодействие человека и AI будет безупречно облегчено благодаря тщательному искусству создания инструкций.

Тем не менее, именно обещание prompt engineering вызывает споры. Его способность создавать сложные, тонкие и даже творческие выводы из систем искусственного интеллекта не остается незамеченной. Инноваторы в этой области видят prompt engineering как ключ к раскрытию потенциала искусственного интеллекта, превращая его из инструмента вычислений в партнера творчества.

 

Критика prompt engineering

 Среди ентузиазма раздаются голоса скептиков. Критики prompt engineering указывают на его врожденные ограничения, утверждая, что это не более чем сложная манипуляция системами искусственного интеллекта, которым не хватает фундаментального понимания. Они утверждают, что prompt engineering – это всего лишь фасад, софистическое управление входами, скрывающее недостатки способности ИИ к пониманию и рассуждению. Также можно сказать, что следующие аргументы поддерживают их позицию:

• Модели искусственного интеллекта приходят и уходят. Например, то, что сработало в GPT-3, уже исправлено в GPT-3.5, а практически невозможно в GPT-4. Неужели это делает инженеров-программистов лишь знатоками конкретных версий языковых моделей?
• Даже лучшие инженеры-программисты на самом деле не являются “инженерами” в прямом смысле этого слова. Например, эксперт по SEO может использовать плагины GPT или даже запускать локальные языковые модели для поиска возможностей для получения обратных ссылок, а инженер-программист может знать, как использовать Copilot для написания, тестирования и развертывания кода. Однако в конечном счете они просто выполняют конкретные задачи, которые, в большинстве случаев, основаны на ранее полученном опыте в узкой области.
• Кроме случайных имеющихся вакансий по разработке подсказок в Силиконовой долине, о самой подсказке практически никто и не знает, не говоря уже о чем-то еще. Компании медленно и осмотрительно принимают языковые модели, что случается с каждым нововведением. Но все мы знаем, что это не останавливает хайп-поезд.

Хайп вокруг разработки подсказок

Чарующая сила подсказочной разработки не застрахована от влияния хайпа и гиперболы. Медийные истории колеблются между превозносительством ее достоинств и порицанием ее недостатков, часто преувеличивая успехи и принижая ее ограничения. Эта дихотомия сеет путаницу и раздувает ожидания, заставляя людей считать ее либо волшебством, либо полной бессмыслицей, и ничего промежуточного.

Исторические параллели с другими технологическими трендами также служат напоминанием о характере временных тенденций. Технологии, которые когда-то обещали изменить мир, от метавселенной до складных телефонов, часто теряли свой блеск, поскольку реальность не соответствовала громким ожиданиям, подогретым ранним хайпом. Этот шаблон завышенного энтузиазма, за которым следует разочарование, наводит сомнения относительно долгосрочной жизнеспособности разработки подсказок.

Реальность за хайпом

Раскрытие покрытия хайпа приводит к более тонкой реальности. Технические и этические проблемы подстерегают нас, начиная от масштабируемости разработки подсказок в различных приложениях до проблем воспроизводимости и стандартизации. Если сравнить с традиционными и успешными AI-карьерами, такими как связанные с data science, сияние разработки подсказок начинает блекнуть, показывая, что это мощный инструмент, но с существенными ограничениями.

Поэтому эта разработка – это всего лишь тренд. Идея о том, что все могут просто разговаривать с ChatGPT на ежедневной основе и получить работу на уровне среднего шестизначного дохода, не более чем миф. Конечно, несколько чересчур энтузиастичных стартапов из Силиконовой долины могут искать инженера-программиста по разработке подсказок, но это не прибыльная карьера. По крайней мере, пока что.

В то же время, сама разработка подсказок в качестве концепции останется актуальной и наверняка будет важнее. Навык написания хороших подсказок, эффективного использования ваших токенов и знание того, как вызывать определенные результаты будет полезен далеко за пределами data science, языковых моделей и искусственного интеллекта в целом.

Мы уже видели, как ChatGPT изменяет путь, которым люди учатся, работают, общаются и даже организуют свою жизнь, поэтому умение задавать вопросы будет становиться только более актуальным. В действительности, кто не в восторге от автоматизации скучных задач с помощью надежного AI-помощника?

Разработка подсказок и ее будущее: станет ли это больше, чем просто тренд?

Для успешной разработки подсказок нужен сбалансированный подход, который признает ее потенциал, при этом оставаясь реалистичным в отношении ее ограничений. Кроме того, мы должны понимать, что разработка подсказок имеет двусмысленность:

1. Действие, направленное на то, чтобы заставить LLM выполнять чьи-либо просьбы с минимальными усилиями или шагами.
2. Карьера, связанная с описанной выше деятельностью.

Таким образом, в будущем, по мере увеличения вводных окон и развития LLM, способных создавать не только простые скрипты и безликий контент в социальных сетях, инженерия подсказок станет важным навыком. Можно сказать, что это эквивалент умения пользоваться программой Word в настоящее время.

Заключение

В итоге, инженерия подсказок находится на перекрестке, ее судьба зависит от встречи гиперболы, надежды и суровой действительности. Будет ли она занять прочное место в ландшафте искусственного интеллекта или уйдет в историю как временный тренд в технологической индустрии, покажет время. Однако одно ясно – ее контроверсиальное путешествие продолжится еще долго, как неладное, так и неоднозначное.   

****[Нахла Дэвис](http://nahlawrites.com/)**** – программист и технический писатель. До того, как она полностью посвятила свою работу техническому письму, она занималась руководством программистов в компании по созданию брендинговых материалов среди клиентов которой Samsung, Time Warner, Netflix и Sony.