Man kan undre sig lidt over, hvordan dagens nyeste AI-modeller på den ene side kan vise sig at kunne løse opgaver på Ph.d niveau, men omvendt kan komme til at kløjes i at forstå relativt enkle opgaver.
Meget af det skyldes, hvordan din foretrukne sprogmodel er sat op til at løse det, du har sat den til.
Uanset om du benytter dig af gratis- eller de betalte versioner af tjenester som Claude, ChatGPT eller Gemini, kræver det lidt knofedt fra brugeren at få modellen til at give noget brugbart efter få eller bare et forsøg.
Det kræver noget fintuning og snilde at få det bedste ud af dem, hvilket disse råd nedenunder vil assistere med.
Brug den bedst tilgængelige model
Der findes efterhånden et hav af tjenester og modeller, som tilbyder varierende niveau af kunstig intelligens.
Blandt de tre førende tjenester i dag, Anthropics Claude, OpenAI’s ChatGPT og Googles Gemini alle i stand til at brillere på hver deres måde. Det kræver dog et abonnement at få adgang til de bedste tilgængelige modeller.
De modeller og muligheder, der tilbydes gratisterne, er ofte mindre imponerende, hvorfor man med fordel kan søge nogle af de mange alternative kinesiske modeller, såsom Qwen og Z.ai eller franske Mistral.
Når du har udvalgt din tjeneste, skal du bemærke hvorvidt det er ’light’ modellen eller et af de grundigere ’Pro’ eller ’Plus’ modeller der benyttes. Hvor sidstnævnte er grundigere – særligt med maksimal ’thinking’ eller tankeaktivitet slået til.
Forklar hvad du vil have
Din AI-tjeneste ved som udgangspunkt meget lidt om hvem du er og hvad du ønsker. Hvorfor du i dine prompts bør specificere det.
Fortæl hvem du er, hvem målgruppen er, hvad der er af begrænsninger og giv den yderligere kontekst, såsom relevante dokumenter, før du beder modellen om at udrette noget.
Samtidig er det vigtigt at pointere, hvilket output du efterlyser.
Vage beskrivelser såsom ’opsummer dette dokument’ giver oftest generiske outputs i forhold til ’skriv en opsummering på cirka 400 ord af denne forsikringspolice i et præcist og letforståeligt sprog, med fokus på de potentielle faldgruber for en forsikringstager’.
Eksemplets og rollens magt
Det kan hurtigt blive omstændigt at udpensle alt det, en model skal udføre for dig.
I stedet for at kaste dig ud i stadigt længere prompts kan du vise, hvad du efterlyser, ved at give den eksempler på dokumenter med den stil eller det omfang, som du ønsker.
Et velvalgt eksempel kan her gøre det ud for 1000 ord.
Du kan med fordel også vende opgaven om, og bede AI’en om selv at skrive en prompt, med eksempelvis:
”Skriv den prompt, jeg skulle have givet dig, for at du producerede netop dette dokument”
Du slipper dermed for at taste en masse og kan blot redigere eller trimme den prompt.
En hurtig måde at sætte tonen for opgaven er at give AI'en en kasket såsom ’du er en senior revisor’, ’du er en præmieret videnskabsjournalist’ eller ’du er en dygtig finansrådgiver’.
Med moderne modeller låser rolletildeling ikke længere ny viden op, men den hjælper modellen med lynhurtigt at finde det rette perspektiv, toneleje og fagsprog.
Bryd opgaven op og gentag forsøgene
Selvom modellerne kontinuerligt blive bedre, er de stadigt fejlbare – og bliver det især med at opgavens længde og omfang vokser.
Kan du bryde opgaven op i mere mundrette bidder, øger du chancen for at hver delopgave løses fejlfrit.
Også her kan du lade modellen gøre arbejdet for dig: bed den om selv at dele opgaven op i en række mindre prompts og strikke resultaterne sammen til sidst.
Fejl og misforståelser vil dog stadig uvægerligt opstå.
Du skal være indstillet på at betragte svar som udkast, som modellen kan arbejde videre med ud fra instrukser.
Det er en iterativ proces, hvor de bedste resultater oftest ligger efter nogle runder med konkret feedback til din model.
