Innovation through prompting
Итан Моллик рассуждает о том, как промпты для LLM становятся «программами на естественном языке», позволяя нетехническим экспертам создавать инновации в самых разных областях. В новой статье его команда показывает на примере образования, как ИИ открывает возможности для интерактивных учебных симуляций и упражнений, недоступных до появления генеративного ИИ. Автор выделяет четыре уровня работы с промптами: использование готовых, кастомизация, создание «чертежей» (промптов, генерирующих промпты), и просто постановка задачи перед ИИ-агентом вроде Devin на базе GPT-4. Удешевление моделей, включая выход открытого Llama 3 от Meta, превосходящего ChatGPT-3.5, делает LLM удобной базой для инноваций. Главный вывод: технология полезна только тогда, когда ею пользуются, а ключ к позитивной трансформации образования — обмен работающими решениями между педагогами.
Инновации через промптинг
Демократизация образовательных технологий… и не только
Если вы читаете мой Substack (или мою новую книгу, которая попала в список бестселлеров New York Times!), то знаете, что одна из самых увлекательных для меня сторон ИИ — это его потенциал расширить круг людей, способных создавать и распространять полезные инновации. Меня особенно интересует, как промпты могут работать как своего рода «программа на прозе», которую можно адаптировать под самые разные индустрии и сферы и которую могут создавать нетехнические эксперты.
Это работает потому, что LLM — чрезвычайно мощные инструменты, которые при этом удивительно просты в использовании, и их возможностями может воспользоваться любой, кто умеет писать или говорить. И хотя есть причины строить более сложные технологические решения, простые промпты, поданные чат-боту класса GPT-4, позволяют непрограммистам добиваться впечатляющих результатов. Кроме того, несмотря на сохраняющиеся барьеры доступа, помогает то, что LLM можно использовать на мобильном телефоне, а мощные модели стремительно дешевеют (главной новостью прошлой недели стал выход Llama 3 — открытого ИИ от Meta, который уже превосходит ChatGPT-3.5 и резко снизит цены на доступ к продвинутому ИИ). Это делает LLM удачной базой для инноваций.
Но как на самом деле выглядит демократизация инноваций с помощью промптов ИИ? Сегодня у нас вышла новая статья, в которой мы пытаемся показать один из возможных путей. Она посвящена именно образованию, но я думаю, что выводы применимы широко.
Мы взяли хорошо знакомый нам контекст — интерактивные инструменты обучения и педагогику — и создали основанные на исследованиях упражнения, которые до появления генеративного ИИ были бы трудно осуществимы или невозможны. Например, возможность сгенерировать увлекательную образовательную симуляцию с соответствующим методическим сопровождением, имея всего несколько абзацев текста, — это совершенно новая способность, которую дал ИИ. В последние месяцы мы пилотировали целый ряд подобных ИИ-практик, и они показывают значительный потенциал. Хотя необходимы дополнительные эксперименты для оценки их эффективности, эти новые инструменты расширяют возможности педагогов.
Хотя я не буду обсуждать это здесь, в статье мы рассказываем, как давать студентам задания, связанные с ИИ, а также об этических вопросах, рисках и проблемах AI-грамотности, которые должен учитывать преподаватель. Но в этом посте я хочу сосредоточиться на самих упражнениях и конкретно на том, как они помогают понять, какие шаги мы можем предпринять, чтобы сделать промпты ИИ широко полезными. Не существует одного-единственного способа использовать промпты для инноваций — наоборот, работают несколько подходов.
Уровень 1. Использовать готовый промпт
Подобно тому как преподаватели часто делятся планами уроков, а сотрудники организации — советами по успешной работе, люди могут делиться и промптами. Это удобная отправная точка для тех, кто хочет внедрять инновации: кто-то другой уже проделал работу по созданию и тестированию промпта за вас. Используя чужие промпты, вы можете увидеть, на что ИИ-система способна (или не способна).
Например, вот промпт для goal-play, который вы можете попробовать (GPT, ссылка для Gemini Advanced, а в статье есть полный текст всех промптов). В формате goal-play ИИ выстраивает сценарий, в котором студент знает то, чего не знает персонаж симуляции, и направляет персонажа, опираясь на эти знания — как правило, на определённую методическую рамку, которую нужно применить. В данном случае студенты должны применить методику постановки целей, чтобы помочь вымышленному персонажу. Развлечения ради я решил помочь несчастному Гамлету, принцу датскому.
Эта альтернативная версия Гамлета может стать неплохим сценарием для отработки навыков целеполагания, но преподаватели литературы наверняка закатят глаза. Сценарий упрощает сложную пьесу Шекспира до сугубо транзакционной ситуации (и даже не использует ямбический пентаметр). Упражнение, прекрасное в одном контексте, может быть провальным в другом. Именно поэтому использование чужих промптов чаще оказывается стартовой точкой для собственных инноваций, а не финалом. Ваша среда и потребности часто будут подталкивать вас к созданию чего-то, что закроет пробелы, которые готовые промпты заполнить не могут. И это хорошо! Промптинг не так сложен, как принято считать, а делать его хорошо начинают с экспериментов.
Уровень 2. Кастомизировать или создать промпт
Один из способов поэкспериментировать с более продвинутыми приёмами — начать с готового промпта. В статье мы приводим аннотированные версии всех разработанных нами промптов, чтобы вы могли увидеть, как именно нужно подстраивать их под себя.
В конечном счёте, чтобы достичь своих целей, вам может понадобиться создать новый промпт с нуля. Как я уже обсуждал, промптинг — не точная наука, но вы можете удивиться тому, насколько эффективны инструкции в виде обычного текста. Тем не менее любой промпт требует тестирования и доработки, поэтому мы разработали набор тестов и шагов по исправлению, которые могут пригодиться всем, кто пробует создавать свои промпты с нуля. Без проб и ошибок не обойтись, если хотите получить нечто, работающее стабильно.
Создав новый промпт, подумайте о том, как им поделиться (наша библиотека промптов здесь). Более того, если организации хотят стимулировать инновации, им следует с самого начала продумывать, как они будут формировать сообщества практики вокруг ИИ-инструментов, чтобы было удобно обмениваться промптами.
Уровень 3. Создавать инструменты, которые создают инструменты
Следующий уровень инноваций через промптинг — помогать другим людям создавать собственные инновации на основе вашего опыта. Для этого нужно разрабатывать инструментарий — промпты, которые создают промпты. Это позволяет делиться не просто конкретным промптом, а самим навыком его проектирования. Мы называем такие промпты «чертежами» (blueprints); вот пример чертежа, который создаёт тьюторов (GPT, Gemini Advanced). Полученный текст можно использовать как промпт для создания качественного ИИ-тьютора, заточенного под конкретную тему. Это работает гораздо лучше, чем многие универсальные тьюторские промпты, потому что результат максимально сфокусирован и легче проверяется опытным преподавателем.
Инструмент OpenAI GPT maker — пример такого «чертежа», но мы считаем, что более узкоспециализированные чертежи окажутся полезны многим педагогам и организациям. Они помогают людям собирать те промпты, которые им нужны под конкретные задачи.
Уровень 4. Просто сказать ИИ, что вы хотите
Я подозреваю, что многие предыдущие уровни работы с промптами для большинства людей со временем устареют. Хотя ценность создания промптов сохранится, всё чаще ИИ будет сам составлять себе промпты, чтобы решить вашу задачу на основе ваших целей.
Вот пример того, как я использую Devin — раннего ИИ-агента на базе GPT-4. Вместо того чтобы составлять идеальный промпт, я могу просто сказать Devin: «создай и задеплой сайт, который обучает 11-классников американской истории про First Red Scare, сделай его интерактивным. Поищи подходящие стандарты AP относительно того, что должно преподаваться. Убедись, что он действительно качественный и студентам им удобно пользоваться».
Дальше он всё сделал сам: изучил стандарты AP, собрал материалы и запустил сайт — как вы и видите. Хотя в нынешнем виде я бы точно не стал доверять Devin производство точных и свободных от галлюцинаций результатов, можно представить, что будущее — это просто давать ИИ возможность делать дела и делиться удачными результатами.
Делимся тем, что узнали
Урок инноваций в том, что технология по-настоящему полезна только тогда, когда ею пользуются. Это может показаться тавтологией, но это не так. Когда появляется новая технология, люди адаптируют её под решение своих текущих задач, а не просто следуют тому, что задумывал её создатель. Это приводит к множеству неожиданных применений по мере того, как новую технологию направляют на самые разные новые проблемы. Сейчас ИИ в руках миллионов педагогов, и они могут использовать его для решения собственных задач в собственных классах.
То, что когда-то было исключительной привилегией миллионных бюджетов и команд экспертов, — образовательные технологии — теперь оказалось в руках самих педагогов. Хотя важно сохранять бдительность в отношении возможных галлюцинаций, ошибок и предвзятостей, ИИ позволяет учителям создавать персонализированные промпты под локальные контексты, существенно усиливая их арсенал в стремлении к качественному образованию. Но единственный способ сделать так, чтобы эта революция была позитивной и инклюзивной, — делиться тем, что работает.
Инновации требуют кооперации. Никто заранее не знает, где именно ИИ полезен, а где нет. Я пока не вижу полноценных сообществ педагогов (как и многих других профессионалов), которые объединялись бы, чтобы делиться созданным. Помочь этому могут регуляторы и руководители институтов. А пока мы надеемся, что наши промпты и «чертежи» послужат основой для этичных экспериментов. Только не забудьте делиться тем, чему научились!
