Hur man minskar AI-hallucination med dessa 6 uppmaningstekniker

Viktiga takeaways

• Tydliga och specifika uppmaningar är avgörande för att minimera AI-hallucinationer. Undvik vaga instruktioner och ange tydliga detaljer för att förhindra oförutsägbara resultat.
• Använd jordning eller tekniken "enligt..." för att tillskriva utdata till en specifik källa eller perspektiv. Detta hjälper till att undvika faktafel och fördomar i AI-genererat innehåll.
• Använd begränsningar och regler för att forma AI-utdata enligt önskade resultat. Ange uttryckligen begränsningar eller antyd dem genom sammanhang eller uppgift för att förhindra olämpliga eller ologiska utdata.

Får du inte det svar du vill ha från en generativ AI-modell? Du kanske har att göra med AI-hallucinationer, ett problem som uppstår när modellen producerar felaktiga eller irrelevanta utdata.

Det orsakas av olika faktorer, såsom kvaliteten på data som används för att träna modellen, brist på sammanhang eller tvetydigheten i uppmaningen. Lyckligtvis finns det tekniker du kan använda för att få mer tillförlitlig utdata från en AI-modell.

1. Ge tydliga och specifika uppmaningar

Första steget in minimera AI-hallucinationer är att skapa tydliga och mycket specifika uppmaningar. Vaga eller tvetydiga uppmaningar kan leda till oförutsägbara resultat, eftersom AI-modeller kan försöka tolka avsikten bakom uppmaningen. Var istället tydlig i dina instruktioner.

Istället för att fråga "Berätta om hundar", kan du fråga: "Ge mig en detaljerad beskrivning av det fysiska egenskaper och temperament hos Golden Retrievers." Att förfina din prompt tills den är klar är ett enkelt sätt att förhindra AI hallucination.

2. Använd jordning eller "enligt..."-tekniken

En av utmaningarna med att använda AI-system är att de kan generera utdata som faktiskt är felaktiga, partiska eller oförenliga med dina åsikter eller värderingar. Detta kan hända eftersom AI-systemen är tränade på stora och olika datauppsättningar som kan innehålla fel, åsikter eller motsägelser.

För att undvika detta kan du använda jordning eller tekniken "enligt...", som innebär att utdata tillskrivs en specifik källa eller perspektiv. Du kan till exempel be AI-systemet att skriva ett fakta om ett ämne enligt Wikipedia, Google Scholar eller en specifik allmänt tillgänglig källa.

3. Använd begränsningar och regler

Begränsningar och regler kan hjälpa till att förhindra AI-systemet från att generera olämpliga, inkonsekventa, motsägelsefulla eller ologiska utdata. De kan också hjälpa till att forma och förfina resultatet enligt önskat resultat och syfte. Restriktioner och regler kan uttryckligen anges i prompten eller implicit underförstått av sammanhanget eller uppgiften.

Anta att du vill använda ett AI-verktyg för att skriva en dikt om kärlek. Istället för att ge det en allmän uppmaning som "skriv en dikt om kärlek", kan du ge den en mer begränsad och regelbaserad uppmaning som "skriv en sonett om kärlek med 14 rader och 10 stavelser per rad."

4. Använd flerstegsprompt

Ibland kan komplexa frågor leda till AI-hallucinationer eftersom modellen försöker besvara dem i ett enda steg. För att övervinna detta, dela upp dina frågor i flera steg.

Till exempel, istället för att fråga, "Vilken är den mest effektiva diabetesbehandlingen?" du kan fråga "Vilka är de vanliga behandlingarna för diabetes?" Du kan sedan följa upp med "Vilken av dessa behandlingar anses vara mest effektiva enligt medicinsk studier?"

Flerstegsuppmaningar tvingar AI-modellen att tillhandahålla mellanliggande information innan den kommer fram till ett slutgiltigt svar, vilket kan leda till mer exakta och välinformerade svar.

5. Tilldela roll till AI

När du tilldelar en specifik roll till AI-modellen i din prompt, förtydligar du dess syfte och minskar sannolikheten för hallucinationer. Till exempel, istället för att säga "Berätta för mig om kvantmekanikens historia", kan du uppmana AI: n med, "Ta på dig rollen som en flitig forskare och ge en sammanfattning av de viktigaste milstolparna i kvanthistorien mekanik."

Denna inramning uppmuntrar AI att agera som en flitig forskare snarare än en spekulativ berättare.

6. Lägg till kontextuell information

Att inte tillhandahålla kontextuell information vid behov är en snabba misstag att undvika när du använder ChatGPT eller andra AI-modeller. Kontextuell information hjälper modellen att förstå uppgiftens bakgrund, domän eller syfte och generera mer relevanta och sammanhängande utdata. Kontextuell information inkluderar nyckelord, taggar, kategorier, exempel, referenser och källor.

Om du till exempel vill generera en produktrecension för ett par hörlurar kan du ge kontextuell information, såsom produktnamn, varumärke, funktioner, pris, betyg eller kundfeedback. En bra uppmaning för den här uppgiften kan se ut ungefär så här:

Få bättre AI-svar

Det kan vara frustrerande när du inte får den feedback du förväntar dig av en AI-modell. Men genom att använda dessa AI-prompttekniker kan du minska sannolikheten för AI-hallucinationer och få bättre och mer tillförlitliga svar från dina AI-system.

Tänk på att dessa tekniker inte är idiotsäkra och kanske inte fungerar för varje uppgift eller ämne. Du bör alltid kontrollera och verifiera AI-utgångarna innan du använder dem för något allvarligt syfte.