Upgrade to Pro
— share decks privately, control downloads, hide ads and more …
Speaker Deck
Features
Speaker Deck
PRO
Sign in
Sign up for free
Search
Search
【入門】プロンプトの書き方のコツ / Tips for writing prompts
Search
moonlight-aska
July 28, 2024
0
170
【入門】プロンプトの書き方のコツ / Tips for writing prompts
2024年7月27日開催の「【奈良】GCPUG in Nara #6【CODE for NARA共催】~ はじめての生成AI ~」の資料です.
moonlight-aska
July 28, 2024
Tweet
Share
More Decks by moonlight-aska
See All by moonlight-aska
CHATGPT。はじめの一歩 / ChatGPT. Get Started
aska
0
120
「Kingyo AI Navi」アプリ / Kingyo AI Navi App
aska
0
250
Kingo AI Navi LINEをもっと使い倒せ!!
aska
0
120
Depth画像で物体検知やってみたー。/ Objects Detection with Depth Images
aska
0
750
Kingyo AI Naviアプリ開発 / Kingyo AI Navi App
aska
0
420
AutoML Vision Edgeで金魚分類モデルを学習してみた / Kingyo Classification Model with AutoML Vision Edge
aska
0
550
AutoML Vision Edge + ML Kit for Firebase ⇒ Kingyo Classification
aska
1
680
Kingyo AI Navi
aska
0
660
ピープルカウンタ、その後。/ People Counter
aska
0
590
Featured
See All Featured
[RailsConf 2023] Rails as a piece of cake
palkan
57
5.9k
4 Signs Your Business is Dying
shpigford
185
22k
How to Create Impact in a Changing Tech Landscape [PerfNow 2023]
tammyeverts
54
3k
A Tale of Four Properties
chriscoyier
160
23k
Designing Experiences People Love
moore
142
24k
The Web Performance Landscape in 2024 [PerfNow 2024]
tammyeverts
9
860
What’s in a name? Adding method to the madness
productmarketing
PRO
23
3.7k
Building Adaptive Systems
keathley
43
2.8k
Building an army of robots
kneath
306
46k
Building Applications with DynamoDB
mza
96
6.7k
Rebuilding a faster, lazier Slack
samanthasiow
84
9.2k
Exploring the Power of Turbo Streams & Action Cable | RailsConf2023
kevinliebholz
34
6.1k
Transcript
GCPUG in Nara #6 【入門】プロンプトの書き方のコツ 2024.7.27 GCPUG Nara Moonlight 明日香
自己紹介 Facebook moonlight.aska Twitter @moonlight_aska Blog みらいテックラボ http://mirai-tec.hatenablog.com ➢ 名前:鶴田
彰 ➢ 職業:AI/IoT関連のお仕事 ➢ コミュニティ活動: GCPUG NARA Organizer CODE for YAMATOKORIYAMA
今日お話しすること ・LLMって何? ・プロンプトの書き方 ・活用する上での注意点
LLMとは何か? • LLMとは大規模言語モデル(Large Language Model) • 大量のデータとディープラーニング技術により構築された言語モデル • ChatGPTやGeminiなど, 人間みたいに賢く便利なAI
LLM 膨大な量の テキストデータ 学習 出力 テキスト生成 など プロンプト 入力
LLMができること • 文章の作成・要約・校正・言い換え • 文章の分類 • 質問に対する回答・チャット • 情報の検索・抽出 •
プログラムのコードチェック・バグチェック • 多言語翻訳 など
LLMがやっていること ① トークン化:プロンプトをトークンに分解しベクトル化 ② 文脈理解:プロンプト内の各トークン同士の関連性を計算 ③ エンコード:特徴量を抽出 ④ トークンのデコード:次のトークンを予測 ⑤
次のトークンの確率を出力:プロンプトの次のトークンの確率を出力 プロンプトを受け取る 文章を生成 東京 50% 大阪 25% 奈良 20% 山 3% 紙 1% 日本の首都は LLMは、プロンプトに続くテキストを推測し応答を生成している 言語モデルのイメージ
・LLMって何? ・プロンプトの書き方 ・活用する上での注意点
基本的な書き方 ◼ お願い 〇〇ついて××してください 従来の検索システムへの入力 「生成AI 仕組み」
レベルを加える書き方(1) ◼ 文字数を指定する 〇〇を△△文字で説明してください
レベルを加える書き方(2) ◼ レベルを指定する 〇〇を××がわかるように説明してください
プロンプトの重要性 生成AIは, 命令(プロンプト)の出し方によって、出力されるコンテンツの 質が大きく異なるため、より適切なものを入力するスキルが求められる。 つまり、プロンプトを使いこなせないと、 意図したとおりの回答を得ることができない。
プロンプトの基本は「お願い」 ◼ 普通の文章でお願いする ◼ 詳しく説明する ・生成するテキストの内容のレベルを指定する 例)「やさしく」「小学生がわるように」「100文字で」など ・例を挙げて説明してもらう 例)「~について、例をあげて説明してください。」 ◼
意見をもらう 例)「~についてどう思いますか?」 ◼ 命令する ・・・何を行うか明確な指示を出すこと 例)「~に対し、××しなさい」
例:メールを作成する
例:URLを指定して要約する 注) URLは確実に使えるわけではないです!
例:コードを書く
例:グラフを作成する
コツ1:プロンプトを補足する (途中省略)
コツ2:プロンプトの最初に指示を置く ◼ 指示とコンテキストを明確に分ける 分ける場合は, #や“などの区切り機構を使う 以下のテキストの要点を箇条書きでまとめてください。 (任意のテキスト) 以下のテキストの要点を箇条書きでまとめてください。 #テキスト:(任意のテキスト) ×悪いプロンプト例
〇良いプロンプト例
コツ3:目的の出力形式を明示する ◼ 目的の出力形式を例で提示する Google社の概要を説明してください。 Google社の概要を説明してください。 #出力:設立年、事業内容、会社本拠地住所、資本金 ×悪いプロンプト例 〇良いプロンプト例
コツ4:One-shot/Few-shot学習 ◼ プロンプトに例を追加する 英語からフランス語に翻訳してください。 sea otter => loutre de mer
peppermint => menthe poivrée plush giraffe => girafe peluche cheese => タスクを記述 例文/見本あり プロンプトを記述 Zero-shot Learning ・・・ 例文がない場合 One-shot Learning ・・・ 例文/見本が1つだけの場合 Few-shot Learning ・・・ 例文/見本が複数の場合
コツ5:Chain-of-Thought (CoT) ◼ 複雑な問題を細かく分解して1つ1つ考えながら推論を進める方法
コツ6:キャラクタを設定する ◼ アシスタントに個性を持たせることができる
プロンプトエンジニアリング https://www.promptingguide.ai/jp 精度の高いアウトプットが得られるように, 質問文(プロンプト)を構築する技術 体系だった解説資料:DAIR.AIが公開している「Prompt Engineering Guide」が有名
文例集:promptia https://prompt.quel.jp/
promptiaのサンプル 販促キャンペーンのアイデア出し
・LLMって何? ・プロンプトの書き方 ・活用する上での注意点
活用する上での注意点 ◼ AIは常に正しいとは限らない. もっともらしいウソ(=事実とは異なる内容)の出力が生成されることがある. ◼ 最新の情報には未対応である. ◼ 入力には個人情報や企業内の機密情報が含まれないようにする. 生成AIサービスによっては, 入力情報を学習データとして利用するものがある.
◼ 生成された画像などのコンテンツの著作権や学習データに類似していた際の著 作権侵害などが不透明である.
Thank You!!