మైక్రోసాఫ్ట్ AI ప్రాంప్ట్లు ఇవ్వబడడం, ప్రతిస్పందన మార్క్ను కోల్పోవడం మరియు సైకిల్ పునరావృతం కావడానికి ఇది పరిష్కారాన్ని కలిగి ఉందని విశ్వసించింది.
ఈ అసమర్థత వనరులను హరిస్తుంది. “ట్రయల్-అండ్-ఎర్రర్ లూప్ అనూహ్యంగా మరియు నిరుత్సాహపరిచేలా” అనిపించవచ్చు, ఉత్పాదకత బూస్టర్ను టైమ్ సింక్గా మారుస్తుంది. నాలెడ్జ్ వర్కర్లు తరచుగా వారు నేర్చుకోవాలని ఆశించిన విషయాలను అర్థం చేసుకోవడం కంటే పరస్పర చర్యను నిర్వహించడంలో ఎక్కువ సమయాన్ని వెచ్చిస్తారు.
Microsoft అస్పష్టమైన సహజ భాషా అభ్యర్థనలను ఖచ్చితమైన, డైనమిక్ ఇంటర్ఫేస్ నియంత్రణలతో భర్తీ చేయడం ద్వారా ఈ ఘర్షణను పరిష్కరించడానికి రూపొందించిన ప్రాంప్షన్లను (ప్రాంప్ట్ + ఎంపికలు) UI ఫ్రేమ్వర్క్ను విడుదల చేసింది. ఓపెన్ సోర్స్ సాధనం వర్క్ఫోర్స్లు పెద్ద భాషా నమూనాలతో (LLMలు) ఎలా సంకర్షణ చెందుతాయో ప్రామాణీకరించడానికి ఒక పద్ధతిని అందిస్తుంది, నిర్మాణాత్మకమైన చాట్ నుండి గైడెడ్ మరియు నమ్మదగిన వర్క్ఫ్లోల వైపు వెళ్లడం.
గ్రహణశక్తి అడ్డంకి
ప్రజల దృష్టి తరచుగా టెక్స్ట్ లేదా ఇమేజ్లను ఉత్పత్తి చేయడంపై కేంద్రీకృతమై ఉంటుంది, అయితే ఎంటర్ప్రైజ్ వినియోగం యొక్క భారీ భాగం అవగాహన కలిగి ఉంటుంది-ఏఐని వివరించడానికి, స్పష్టం చేయడానికి లేదా బోధించడానికి అడగడం. అంతర్గత సాధనాలకు ఈ వ్యత్యాసం చాలా ముఖ్యమైనది.
స్ప్రెడ్షీట్ సూత్రాన్ని పరిగణించండి: ఒక వినియోగదారు సాధారణ సింటాక్స్ బ్రేక్డౌన్, మరొకరు డీబగ్గింగ్ గైడ్ మరియు మరొకరు బోధించే సహోద్యోగులకు తగిన వివరణను కోరుకోవచ్చు. వినియోగదారు పాత్ర, నైపుణ్యం మరియు లక్ష్యాలను బట్టి ఒకే సూత్రానికి పూర్తిగా భిన్నమైన వివరణలు అవసరం కావచ్చు.
ప్రస్తుత చాట్ ఇంటర్ఫేస్లు అరుదుగా ఈ ఉద్దేశాన్ని సమర్థవంతంగా క్యాప్చర్ చేస్తాయి. AIకి అవసరమైన వివరాల స్థాయికి వారు ప్రశ్నను చెప్పే విధానం సరిపోలడం లేదని వినియోగదారులు తరచుగా కనుగొంటారు. “వారు నిజంగా ఏమి కోరుకుంటున్నారో స్పష్టం చేయడానికి, ఉత్పత్తి చేయడానికి అలసిపోయే సుదీర్ఘమైన, జాగ్రత్తగా పదాలతో కూడిన ప్రాంప్ట్లు అవసరం” అని మైక్రోసాఫ్ట్ వివరిస్తుంది.
AI ప్రాంప్ట్లతో బాగా తెలిసిన ఈ సమస్యను పరిష్కరించడానికి ప్రాంప్షన్లు మిడిల్వేర్ లేయర్గా పనిచేస్తాయి. సుదీర్ఘమైన స్పెసిఫికేషన్లను టైప్ చేయమని వినియోగదారులను బలవంతం చేయడానికి బదులుగా, సిస్టమ్ క్లిక్ చేయగల ఎంపికలను రూపొందించడానికి ఉద్దేశ్యం మరియు సంభాషణ చరిత్రను విశ్లేషిస్తుంది – వివరణ పొడవు, టోన్ లేదా నిర్దిష్ట ఫోకస్ ప్రాంతాలు వంటివి – నిజ సమయంలో.
సమర్థత vs సంక్లిష్టత
మైక్రోసాఫ్ట్ పరిశోధకులు కొత్త డైనమిక్ సిస్టమ్కు వ్యతిరేకంగా స్టాటిక్ నియంత్రణలను పోల్చడం ద్వారా ఈ విధానాన్ని పరీక్షించారు. పరిశోధనలు ప్రత్యక్ష వాతావరణంలో అటువంటి సాధనాలు ఎలా పనిచేస్తాయనే వాస్తవిక వీక్షణను అందిస్తాయి.
డైనమిక్ నియంత్రణలు వారి ప్రాంప్ట్లను పదే పదే పునరావృతం చేయకుండా వారి టాస్క్ల ప్రత్యేకతలను వ్యక్తీకరించడాన్ని సులభతరం చేశాయని పాల్గొనేవారు స్థిరంగా నివేదించారు. ఇది ప్రాంప్ట్ ఇంజనీరింగ్ యొక్క ప్రయత్నాన్ని తగ్గించింది మరియు పదజాలం యొక్క మెకానిక్లను నిర్వహించడం కంటే కంటెంట్ను అర్థం చేసుకోవడంపై ఎక్కువ దృష్టి పెట్టడానికి వినియోగదారులను అనుమతించింది. “లెర్నింగ్ ఆబ్జెక్టివ్” మరియు “రెస్పాన్స్ ఫార్మాట్” వంటి ఎంపికలను చూపడం ద్వారా సిస్టమ్ పాల్గొనేవారిని వారి లక్ష్యాల గురించి మరింత ఉద్దేశపూర్వకంగా ఆలోచించేలా చేసింది.
అయినప్పటికీ, దత్తత ట్రేడ్-ఆఫ్లను తెస్తుంది. పాల్గొనేవారు అనుకూలతను విలువైనదిగా భావించారు, కానీ సిస్టమ్ను అర్థం చేసుకోవడం మరింత కష్టమైంది. ఎంచుకున్న ఎంపిక ప్రతిస్పందనను ఎలా ప్రభావితం చేస్తుందో ఊహించడానికి కొందరు కష్టపడ్డారు, అవుట్పుట్ కనిపించిన తర్వాత మాత్రమే ప్రభావం స్పష్టంగా కనిపించినందున నియంత్రణలు అపారదర్శకంగా ఉన్నాయని పేర్కొంది.
ఇది సమ్మె చేయడానికి సమతుల్యతను హైలైట్ చేస్తుంది. డైనమిక్ ఇంటర్ఫేస్లు సంక్లిష్టమైన పనులను క్రమబద్ధీకరించగలవు, అయితే చెక్బాక్స్ మరియు తుది అవుట్పుట్ మధ్య కనెక్షన్కు వినియోగదారు అనుసరణ అవసరమయ్యే లెర్నింగ్ కర్వ్ను పరిచయం చేయవచ్చు.
ప్రాంప్షన్లు: AI ప్రాంప్ట్లను పరిష్కరించడానికి పరిష్కారం?
ప్రాంప్షన్లు తేలికగా ఉండేలా రూపొందించబడ్డాయి, వినియోగదారు మరియు అంతర్లీన భాషా నమూనా మధ్య కూర్చున్న మిడిల్వేర్ లేయర్గా పని చేస్తుంది.
ఆర్కిటెక్చర్ రెండు ప్రాథమిక భాగాలను కలిగి ఉంటుంది:
- ఎంపిక మాడ్యూల్: సంబంధిత UI ఎలిమెంట్లను రూపొందించడానికి వినియోగదారు ప్రాంప్ట్ మరియు సంభాషణ చరిత్రను సమీక్షిస్తుంది.
- చాట్ మాడ్యూల్: AI యొక్క ప్రతిస్పందనను రూపొందించడానికి ఈ ఎంపికలను కలుపుతుంది.
భద్రతా బృందాలకు ప్రత్యేకించి, “సెషన్ల మధ్య డేటాను నిల్వ చేయవలసిన అవసరం లేదు, ఇది అమలును సులభం చేస్తుంది.” ఈ స్థితిలేని డిజైన్ సంక్లిష్ట AI ఓవర్లేలతో అనుబంధించబడిన డేటా గవర్నెన్స్ సమస్యలను తగ్గిస్తుంది.
“ప్రాంప్ట్ ఇంజినీరింగ్” నుండి “ప్రాంప్ట్ ఎంపిక”కి మారడం సంస్థ అంతటా మరింత స్థిరమైన AI అవుట్పుట్లకు మార్గాన్ని అందిస్తుంది. వినియోగదారు ఉద్దేశ్యానికి మార్గనిర్దేశం చేసే UI ఫ్రేమ్వర్క్లను అమలు చేయడం ద్వారా, సాంకేతిక నాయకులు AI ప్రతిస్పందనల వైవిధ్యాన్ని తగ్గించవచ్చు మరియు శ్రామిక శక్తి సామర్థ్యాన్ని మెరుగుపరచవచ్చు.
క్రమాంకనంపై విజయం ఆధారపడి ఉంటుంది. డైనమిక్ ఎంపికలు AI అవుట్పుట్ను ఎలా ప్రభావితం చేస్తాయి మరియు బహుళ నియంత్రణల సంక్లిష్టతను నిర్వహించడం గురించి వినియోగ సవాళ్లు మిగిలి ఉన్నాయి. నాయకులు దీనిని AI ప్రాంప్ట్ల ఫలితాలను పరిష్కరించడానికి పూర్తి పరిష్కారంగా కాకుండా, వారి అంతర్గత డెవలపర్ ప్లాట్ఫారమ్లు మరియు సపోర్ట్ టూల్స్లో పరీక్షించడానికి డిజైన్ నమూనాగా చూడాలి.
ఇవి కూడా చూడండి: అయోమయం: AI ఏజెంట్లు సంక్లిష్టమైన ఎంటర్ప్రైజ్ పనులను తీసుకుంటున్నారు
పరిశ్రమ ప్రముఖుల నుండి AI మరియు పెద్ద డేటా గురించి మరింత తెలుసుకోవాలనుకుంటున్నారా? తనిఖీ చేయండి AI & బిగ్ డేటా ఎక్స్పో ఆమ్స్టర్డామ్, కాలిఫోర్నియా మరియు లండన్లో జరుగుతున్నాయి. సమగ్ర కార్యక్రమం ఇందులో భాగమే టెక్ఎక్స్ మరియు ఇతర ప్రముఖ సాంకేతిక ఈవెంట్లతో కలిసి ఉంది. క్లిక్ చేయండి ఇక్కడ మరింత సమాచారం కోసం.
AI వార్తలు ఆధారితం టెక్ఫోర్జ్ మీడియా. రాబోయే ఇతర ఎంటర్ప్రైజ్ టెక్నాలజీ ఈవెంట్లు మరియు వెబ్నార్లను అన్వేషించండి ఇక్కడ.
