Prompt Engineering は自然言語アルゴリズムを生成しています
私の本棚には、ネットワークから AI、セキュリティ、基礎まであらゆる分野を網羅した本がたくさんあります。 大学の教科書のほとんどはなくなってしまいましたが、「 Dragon Book」と「Introduction to Algorithms」という 2 冊は残っています。
前者は感傷のために残しておきます。 私はこれまで人生でちょうど 2 つのコンパイラを作成しましたが、もう 1 つ作成することは望んでいません。 後者は時代を超越しているので保管しています。 ご存知のように、アルゴリズムは特定のオペレーティング システムや言語に縛られるものではありません。 これらは、一般的な問題を解決するために従う論理的なルール、つまりパターンです。
これが、私が運転中に用事を「ダイクストラ」で済ませる理由です。 ダイクストラのアルゴリズムは、最短経路を見つけるための一連のルールであり、ネットワークを介してパケットをルーティングする場合と同様に、複数の用事を実行する場合にも適用できます。
それを念頭に置いて、プロンプトエンジニアリングの進化する領域について考えてみましょう。 簡単に定義すると、「最適な出力を生成する生成 AI ツールの入力を設計する実践」です。 (マッキンゼー)
過去数か月にわたって、数多くの迅速なエンジニアリング「テクニック」が登場してきましたが、それぞれが特定の種類の問題、つまり生成 AI から最適な出力を生成する方法を解決するために考案されたものです。
Forbes は、これらのテクニックを前面に押し出す素晴らしい仕事をしてきました。
他にもたくさんありますが、すべて同じ特徴を持っています。 それぞれは、生成 AI と対話して望ましい結果を生成するための一連のルールまたはパターンを記述します。 エンジニアリングの観点から見ると、これは、バイナリ ツリーをソートする方法、リンク リストを逆にする方法、グラフを介して目的地までの最短パスを見つける方法を記述するアルゴリズムとそれほど違いはありません。
これらは、設計と目的において、自然言語アルゴリズムです。
さて、私はエンジニアがプロンプトエンジニアになることを奨励するつもりはありません。 しかし、今日多くのエンジニアが気づいているように、自然言語アルゴリズムを使用して、より効果的な生成 AI ソリューションを設計することは有効です。 AI 幻覚の緩和に関するこのブログを読んでいただくと、ソリューションのコンテキスト内で、思考の連鎖や反射 AIなどの複数の自然言語アルゴリズムが使用され、GPT の応答が導かれ、最適な回答が生成されていることがわかります。
これを認識することが重要である理由は、プロンプト エンジニアリング手法が登場し、最終的に認識可能な名前が付けられると、それが生成 AI を活用するソリューションの構成要素となるためです。今日のプロンプト エンジニアリング手法は、明日の自然言語アルゴリズムです。
そして、私たちは、それらを無視したり、従来のアルゴリズムよりも価値が低いと見なして却下したり、家族や友人が使用するチャット インターフェイスにのみ適用可能であると見なして無視したりしない方がよいでしょう。
生成 AI をソリューションに統合するために API に依存する場合もありますが、交換するデータは自然言語です。つまり、構築しているソリューション内でプロンプト エンジニアリング手法 (自然言語アルゴリズム) を活用して、生成 AI からより優れた、より明確で、より正確な回答を生成できるのです。
これはまた、テクノロジーリーダーがエンジニアに生成 AI に取り組む時間を与え、より最適なソリューションにつながるパターンやアルゴリズムを発見することを許可するだけでなく、奨励する必要があることも意味します。
将来、あなたのエンジニアの一人の名前にちなんで名付けられたアルゴリズムが作られることになるかもしれません。