Denne klumme er et debatindlæg og er alene udtryk for forfatterens synspunkter.
Når mennesker taler sammen, bygger meget af forståelsen på kontekst, erfaring og sociale spilleregler. Vi ved, at "kan du række mig saltet?" betyder "ræk mig saltet."
Og "må jeg få lidt ro?" betyder ikke, at du spørger om lov til stilhed – du beder faktisk om stilhed. Vi tolker konstant hinandens hensigter, og derfor fungerer sproget som smøring i vores kommunikation.
Men AI-modeller mangler denne pragmatiske lagdeling. De "forstår" sætninger ud fra sandsynlighed og mønstre, ikke ud fra intention eller social konvention.
Derfor svarer de på "kan du række mig salten?" som om, spørgsmålet var bogstaveligt. I prompt-sammenhæng betyder det: AI hører lokutionen – de sagte ord – men gætter på illokutionen – den egentlige mening bag.
Og AI gætter langtfra altid rigtigt.
Det mærkes tydeligt, når man arbejder med værktøjer som GitHub Copilot eller ChatGPT.
Du beder modellen "optimer denne funktion", og pludselig har den skrevet hele koden om.
Du siger "lav en test", og den bygger en komplet testsuite. Eller du skriver "ret denne tekst", og den omskriver alt i stedet for bare at fjerne stavefejl.
Problemet er ikke, at AI’en er dum, men at den tager dig alt for alvorligt – bogstaveligt talt.
Hvorfor AI mangler den illokutionære forståelse
Begreberne lokution og illokution stammer fra sproghandlingsteorien, udviklet af filosoffen John L. Austin i 1950’erne og videreført af en anden filosof John Searle.
De beskrev sproget som handling: Når man siger noget, gør man noget. En lokutionær handling er selve ytringen – ordene – mens en illokutionær handling er det, man faktisk gør ved at sige det.
Når du siger "kan du lukke vinduet?", udfører du sprogligt set en anmodning og ikke et spørgsmål, og du forventer en handling og ikke et svar.
Det er en evne, mennesker udvikler instinktivt, fordi vi lever i en social kontekst. Vi kender hinanden, aflæser stemninger og tillægger ord mening ud fra situationen.
AI, derimod, arbejder ud fra statistik og ikke erfaring. Den forstår ikke hvorfor du skriver noget, kun hvordan lignende beskeder tidligere har set ud.
Den gætter på intentionen – illokutionen – ud fra sandsynlighed og ikke forståelse. Derfor kan to næsten ens prompts give vidt forskellige resultater, afhængigt af små sproglige forskelle, som ændrer modellens fortolkning.
For udviklere betyder det, at man skal tænke mere som sprogteoretiker end som programmør, når man skriver til AI. Den læser ikke mellem linjerne. Den er linjerne.
Klar tale
Hvis man vil have AI til at levere det, man faktisk har brug for, må man lære at skrive med sin intention i hånden. Det kalder jeg illokutionær prompting – kunsten at gøre formålet med en prompt eksplicit.
Det betyder, at du ikke bare skriver “Optimer denne funktion”, men "optimer denne funktion for hastighed uden at ændre struktur eller output".
Ikke bare "av et eksempel", men "lav et kort, selvkørende eksempel på under 15 linjer, der viser princippet, men ikke en fuld løsning." Og ikke bare "ret denne tekst", men "ret stave- og kommafejl, men bevar tone, formuleringer og indhold uændret."
Illokutionær prompting handler altså ikke om at skrive længere prompts, men om at skrive klare intentioner. Det er den sproglige version af at dokumentere sin kode: Du fortæller ikke kun, hvad der skal ske, men hvorfor og inden for hvilke rammer.
Man kan se det som en ny form for programmering – bare i naturligt sprog. Hvor kode kræver syntaks, kræver prompts pragmatik. Vi er i gang med at udvikle et nyt lag i sproget, en slags maskinpragmatik, hvor vi må gøre det, mennesker normalt får gratis: give kontekst, grænser og forventninger.
Fem måder at skrive bedre prompts på
- Gør intentionen eksplicit. Skriv ikke bare, hvad du vil have AI’en til at gøre, men også hvorfor/hvordan. "Forklar dette stykke kode, som om du onboarder en ny udvikler" giver langt bedre resultater end "forklar koden".
- Sæt rammer for handlingen. Angiv, hvad AI’en ikke må ændre. "Optimer funktionen uden at ændre input eller output" giver mere præcision end "optimer funktionen".
- Giv kontekst, som mennesker normalt ville forstå automatisk. Fortæl, om du er midt i en refactoring, om koden skal i produktion, eller om det bare er et proof of concept. AI’er præsterer markant bedre, når de kender scenen, de optræder på.
- Test illokutionen. Læs din prompt højt for dig selv og spørg: "Hvis jeg sagde det her til en kollega, ville de forstå, hvad jeg egentlig mente?" Hvis ikke, forstår AI’en det heller ikke.
- Brug iterative prompts. Behandl dialogen som et samarbejde, ikke en kommando. Start med "Hvad forstår du af opgaven?" og justér ud fra svaret. Det er den sprogteoretiske version af test-driven development: Test intentionen, før du implementerer løsningen.
Den nye disciplin: maskinpragmatik
Når udviklere lærer at skrive illokutionært, får de bedre output – men også bedre samarbejde med AI’en. For i sidste ende er prompting ikke et teknisk trick, men et spørgsmål om kommunikation.
AI er ikke en compiler, men en samtalepartner, der skal forstå dig.
Derfor er illokutionær prompting måske det, der adskiller de effektive AI-brugere fra de frustrerede.
Det er ikke dem, der skriver længst, men dem, der skriver klarest.
Den nye disciplin i udviklingsverdenen bliver ikke bare machine learning, men machine understanding – og den starter med, at vi lærer at skrive, som vi mener det.
AI forstår dine ord – ikke altid din mening.
Endnu.
Klummer er læsernes platform på Computerworld til at fortælle de bedste historier, og samtidig er det vores meget populære og meget læste forum for videndeling.
Har du en god historie, eller har du specialviden, som du synes trænger til at blive delt?
Læs vores klumme-guidelines og send os din tekst, så kontakter vi dig - måske bliver du en del af vores hurtigt voksende korps af klummeskribenter.
