Kontaktujte nás: helloidea@vizion.sk
V poslednej dobe vidíme obrovský vývoj umelej inteligencie, pričom najvýraznejší posun nastal v oblasti jazykových modelov (LLM – Large Language Models). Tieto modely sú pre nás veľkým pomocníkom - píšu za nás emaily, programujú jednoduché stránky, sumarizujú dokumenty, analyzujú dáta, generujú obrázky a mnoho iného. Nikdy však nie je garantované, že výstup, ktorý dostaneme spĺňa naše očakávania alebo kvalitatívne požiadavky. Na to aby sme z AI nástrojov dostali to najlepšie si potrebujeme vybudovať novú zručnosť – prompt engineering.
Prompt engineering (alebo "Navrhovanie vstupov pre AI") je v jednoduchosti povedané schopnosť zadávať správne formulované vstupné inštrukcie LLM modelom. Slovíčko prompt označuje vstupný text, ktorý zadávame modelu. Prompt môže byť úplne jednoduchý ale aj komplexný, avšak vo všeobecnosti platí, že ak potrebujeme aby AI vyriešilo komplexnejší problém, nemôžeme mu napísať prompt na 5 slov. Kvalita výsledku vždy úzko súvisí s kvalitou zadaného promptu. Zle naformulovaná požiadavka môže viesť k nepresným, neúplným alebo úplne chybným výsledkom, tzv. halucináciam. V podstate môžeme povedať, že schopnosť napísať správne prompt je formou digitálnej gramotnosti – rovnako ako doteraz bola schopnosť vyhľadávať kvalitné a správne informácie na internete.
Niekto by možno povedal, že je to “len napísanie správy nejakému robotovi” a ten nech nám odpoveď už niekde vyhľadá na internete. To je však absolútne chybný pohľad na vec. Je to síce “inteligentný robot”, ale aj táto jeho inteligencia spočíva v definovaných pravidlách, schopnosti učiť sa a spôsobu chápania informácií. Nevie (zatiaľ) premýšľať ako skutočný človek a ak nedostane všetky informácie a nemá celý kontext nášho problému, môže vyhodnotiť celú našu požiadavku úplne zle a my budeme musieť následne v ďalšom prompte dopĺňať a upravovať zadanie, čím strácame množstvo času a veľakrát aj nervov.
Správne zadanou požiadavkou dokážeme AI aj “prinútiť” pozrieť sa na danú záležitosť ako úplne iná osoba (novinár, ktorý potrebuje napísať “pohodový” článok alebo právnik, ktorý potrebuje naformulovať profesionálnu odpoved pre legálny dokument). Je dôležité myslieť na to, že vždy sa akýkoľvek model môže mýliť (môže odpovedať na základe obmedzeného množstva informácií na danú tému), odpovedať neurčito alebo úplne zle (produkuje halucinácie) - preto je dôležité aby sme aj my sami dokázali vyhodnotiť pravdivosť poskytnutej informácie od modelu a nepovažovali jeho výstupy za nespochybniteľnú pravdu.
Pri komunikácii s LLM musíme byť jednoznační, konkrétni a miesto všeobecných inštrukcií (Napíš mi niečo o egyptských faraónoch) písať veci s kontextom a s informáciami o tom, ako si to presne predstavujeme. Zároveň môžme špecifikovať náš prompt o to, pre koho túto informáciu potrebujeme a v akom formáte chceme výsledok. Študentovi na základnej škole na projekt z hodiny dejepisu postačí prompt “Napíš mi do 15 až 20 viet o Tutanchamónovi”. Takému historikovi, ktorý píše 300 stranovú zápisnú knihu o celom Tutanchamónovom živote, taký prompt moc nepomôže – takýto človek bude postupne s modelom komunikovať po detailných histoprických krokoch, napríklad “Vymenuj mi archeologické dôkazy, ktoré potvrdzujú pôvod Tutanchamóna z 18. dynastie, vrátane citácií z relevantných historických prameňov a štúdií.“ alebo „Analyzuj rozdiely medzi pohrebnými rituálmi Tutanchamóna a iných faraónov Novej ríše, s dôrazom na výklad náboženských symbolov.”.
Definujme jasný cieľ → Premyslime si, čo presne chceme dosiahnuť. Chceme získať odpoveď, zhrnutie, návrh textu, analýzu, štruktúrovaný výstup, alebo niečo iné?
Buďme konkrétni a popíšme kontext → Čím viac kontextu modelu poskytneme, tým lepší bude výstup. Napr. pre koho je text určený? V akom štýle má byť napísaný?
Zadefinujme požadovaný formát výstupu → Potrebujeme zoznam bodov, tabuľku, kód, odseky v určitom rozsahu? Napíšme to modelu. Model vie prispôsobiť výstup podľa požiadaviek.
Zvoľme vhodný štýl alebo tón → Formálny, odborný, neformálny, vtipný, jednoduchý, zrozumiteľný pre deti… Model sa podľa toho prispôsobí.
Uveďme príklady, ak je to potrebné → Ak chceme dosiahnuť konkrétny štýl alebo štruktúru, ukážme modelu vzor. Napr. „Napíš podobne ako v tomto texte: …“
Rozdeľme zložité úlohy na menšie časti → Ak je naša požiadavka komplexná, riešme ju po častiach. Najprv si pripravme osnovu, potom jednotlivé sekcie.
Opakujme a vylepšujme prompt podľa potreby → Prompt engineering je iteratívny proces. Prvý pokus nemusí byť ideálny – skúšajme, dolaďujme, spresňujme.
Prompt musí byť prispôsobený nielen obsahu, ale aj publiku a účelu. Rozdiel medzi rýchlou odpoveďou a odbornou spoluprácou s LLM spočíva práve v miere podrobností, ktoré modelu poskytneme. Čím viac relevantného kontextu modelu ponúkneme, tým lepšie výsledky dostaneme. V praxi to znamená, že prompt engineering nie je len o prvom zadaní, ale aj o schopnosti iterovať a rozvíjať dialóg s AI - akoby sme viedli odbornú diskusiu s kolegom. Zároveň aj tu platí, že každý ďalší vstup môže spresniť a prehĺbiť odpoveď.
Prompt engineering je v istom zmysle nová forma soft skillu, ktorý kombinuje kritické myslenie, jasnú komunikáciu a základné pochopenie fungovania AI. Už dnes pozorujeme, že sa AI stáva bežnou súčasťou nášho života (osobného aj pracovného) a schopnosť správne komunikovať s modelmi sa stáva rovnako dôležitou ako skutočná osobná komunikácia medzi ľuďmi. Podobne ako sa pred 30 rokmi rozvíjala počítačová gramotnosť, dnes je tu nová výzva – rozvíjanie AI gramotnosti a prompt engineering je jej základným stavebným kameňom.
Dátum publikovania: 17.07.2025