AI（人工知能）の進化は、私たちの生活とビジネスに革命をもたらしています。特に、言語モデルの分野では、ChatGPT プロンプトエンジニアリングが注目を集めています。ChatGPT プロンプトエンジニアリングとは、AI言語モデルに適切な指示を与える技術のことであり、適切なプロンプトを使うことで、モデルの出力を向上させることができます。本記事では、ChatGPT プロンプトエンジニアリングの基本から応用までを学び、コンテンツの質を向上させる方法に焦点を当てます。
ChatGPTとは何か？
ChatGPTは、OpenAIが開発した大規模な言語モデルチャットボットです。ChatGPTは、テキストとコードの膨大なデータセットでトレーニングされており、テキストを生成し、言語を翻訳し、さまざまな種類のクリエイティブ コンテンツを作成し、有益な方法で質問に答えることができます。
ChatGPTは、まだ開発中ですが、さまざまなタスクを実行することを学びました。
- 指示に従い、思慮深く要求を完了するために最善を尽くします。
- 質問がオープンエンド、挑戦的、または奇妙であっても、包括的かつ有益な方法で回答するために、自分の知識を使用します。
- 詩、コード、台本、音楽作品、電子メール、手紙など、さまざまなクリエイティブなテキスト形式を生成します。すべての要件を満たすために最善を尽くします。
ChatGPTは、まだ発展途上にあり、常に新しいことを学んでいます。
ChatGPT プロンプトエンジニアリングとは何ですか？
ChatGPT プロンプトエンジニアリングは、AI言語モデルであるChatGPTをより効果的に活用するための技術です。ChatGPTは、大規模なデータセットから学習し、自然な文章を生成することができる最先端のAIモデルです。しかし、モデルが正確で適切な回答を提供するためには、適切なプロンプト（指示）を与えることが不可欠です。
ChatGPT プロンプトエンジニアリングでは、モデルに対して適切な質問をすることで、より正確な回答を引き出すことができます。LSIキーワード（潜在的意味インデックスキーワード）を含めることで、関連性を高め、モデルの理解力を向上させることができます。
効果的な即時エンジニアリングの原則
効果的なプロンプトエンジニアリングの原則について説明します：
- 明確さ： プロンプトは、モデルに何を行ってほしいかを明確に定義する必要があります。曖昧さを避けるために、具体的な指示を使用します。例えば、「犬について教えてください」という代わりに、「家庭犬の特徴、行動、およびケアについて詳細な説明を提供してください」といった具体的な指示を用います。
- コンテキスト： ChatGPTはプロンプトの即時のコンテキストに応答します。そのため、明確なコンテキストを確立することが重要です。例えば、「次の英文をフランス語に翻訳してください：『こんにちは、元気ですか？』」というプロンプトは、明確なコンテキストと指示を提供しています。
- 精度： 正確なプロンプトは正確な応答をもたらします。例えば、リストを要求する場合は、「世界で最も人口の多いトップ10の国をリストアップしてください」と具体的に要求します。
- ロールプレイ： ChatGPTはロールプレイによく反応します。特定のロールに設定して、その役割に基づいた応答を導くことができます。例えば、「歴史家として、アメリカ南北戦争の重要性を説明してください」といった指示を使って、特定の役割を与えることができます。
これらの原則をプロンプトエンジニアリングに取り入れることで、より効果的な対話を実現し、ChatGPTからより適切な回答を引き出すことができるでしょう。
ChatGPT プロンプトエンジニアリングの重要性
ChatGPT プロンプトエンジニアリングは、AIの能力を最大限に引き出すために不可欠です。正確な回答や有用な情報を得るためには、適切なプロンプトを設定することが重要です。例えば、医療情報を検索する場合、正確な診断を得るために正確な質問をする必要があります。ChatGPT プロンプトエンジニアリングをマスターすることで、情報の精度と質を向上させることが可能となります。
プロンプトエンジニアリングガイド
プロンプトの基礎(zero-shot prompting/few-shot prompting)
ゼロショットプロンプティングとフューショットプロンプティングは、言語モデルに対して提供される例や文脈が異なる戦略です。
ゼロショット戦略は、言語モデルが例や文脈を提供されずに回答を生成する戦略です。この戦略は、ユーザーが追加の詳細を提供せずに素早い回答を求める場合や、トピックが非常に一般的であるために例が回答を制約する可能性がある場合に有用です。例えば：
「新しい犬の名前として考えられる候補を10個生成してください。」
フューショット戦略は、ユーザーがいくつかの例や文脈を提供して、それに基づいて回答を生成させる戦略です。この戦略では、複数の例が1つだけよりもモデルにより多くのガイダンスを提供することができます。例えば：
「新しい犬の名前として考えられる候補を10個生成してください。 私が好きな犬の名前には、
- バナナ
- キウイ
- パイナップル
- ココナッツ が含まれています。」
この例では、プロンプトに含まれる例の数が増えるほど、生成される回答は目的に近づく傾向があります。ゼロショットの場合、果物の名前が提案されない可能性があります。ワンショットの場合、いくつかの果物の名前が提案されるかもしれません。フューショットの場合、提案される名前は完全に果物に関連した名前になるかもしれません。
プロンプトの要素(命令・指示/文脈/入力データ/出力指示子)
プロンプトエンジニアリングにおける入力と出力の戦略は、ユーザーが言語モデルに提供する入力と、モデルがそれに応じて生成する出力を定義することを意味します。この戦略は、ChatGPTの応答の品質と関連性に直接影響を与えるため、非常に重要です。
例えば、ユーザーは入力プロンプトを提供してChatGPTに特定のタスク用のPythonスクリプトを生成するよう依頼し、出力として生成されたスクリプトを得ることを期待するでしょう。
以下は、最も基本的な戦略の例です：単一の入力を提供して単一の出力を期待します。
「単一の必須コマンドライン引数（[project]）を受け取り、以下のタスクを実行するPythonスクリプトを生成してください：
- [project]という名前の新しいフォルダーを作成します。
- 新しいフォルダー内に[project].pyという名前のファイルを作成します。
- [project].pyファイルに簡単なPythonスクリプトのヘッダーを書き込みます。」
プロンプトの要素には以下が含まれます：
- 命令・指示：プロンプトの冒頭に明確な命令や指示があります。これはChatGPTに対して何を行うかを示すものです。
- 文脈：プロンプト全体が文脈を提供します。具体的には、何を対象にしたスクリプトを生成するかが明確に示されています。
- 入力データ：入力の一部として、[project]という名前の引数が示されています。この引数はPythonスクリプトの生成に使用されます。
- 出力指示子：プロンプトの最後に、生成されたスクリプトを出力することが求められています。
これらの要素を含むプロンプトは、ChatGPTが特定のタスクに適したスクリプトを生成するのに役立ちます。
ワンショットプロンプト (One-Shot Prompting)
ワンショット戦略は、ユーザーが提供した1つの例や文脈に基づいて、言語モデルが回答を生成する戦略です。この戦略を用いることで、ChatGPTの応答を誘導し、ユーザーの意図に合った回答を得ることができます。1つの例がないよりも1つの例がある方が、モデルへの指示となるため、モデルの理解を向上させることが期待できます。例えば：
「私の新しい犬の名前として考えられる10の候補を挙げてください。 私が好きな犬の名前は『バナナ』です。」
このようなワンショット戦略では、1つの例が与えられることで、ChatGPTがより適切な名前の候補を提案することが期待されます。
思考の連鎖を促す (Chain-of-Thought Prompting)
チェーンオブソート戦略は、LLM（言語モデル）にいくつかの例を提供することで、元の質問を洗練させ、より正確かつ包括的な回答を得る戦略です。チェーンオブソートプロンプトは、プロンプティングにいくつかのチェーンオブソートの例を含むことからその名が付けられました。これは、Xショットプロンプティング技術とは異なり、チェーンオブソートプロンプティングは批判的な思考を促進し、ChatGPTが考えられなかった新しい洞察やアプローチを見つけるのに役立つように設計されています。
この技術は、LLMによる批判的な推論を促進します。「ステップバイステップで考えてみましょう」というフレーズが、チェーンオブソートプロンプティングの特徴であり、研究によれば生成される結果を改善するのに十分であるとされています。
以下のワンショットプロンプティングの例を考えてみましょう：
質問：ジョーは卵を20個持っています。彼はさらに卵を2つのカートン買いました。1つのカートンには12個の卵が入っています。ジョーは今何個の卵を持っていますか？ 回答：答えは44です。
質問：農夫のジョンは93羽のニワトリを持っていました。彼はそのうち20羽を農夫のビルに売り、その2倍の数のニワトリをもう一度買いました。ジョン農夫は今何羽のニワトリを持っていますか？
そして、ChatGPTの間違った出力応答を考えてみましょう：
回答：答えは73です。
次に、LLMに批判的思考を促すようなチェーンオブソートプロンプティングを見てみましょう：
質問：ジョーは卵を20個持っています。彼はさらに卵を2つのカートン買いました。1つのカートンには12個の卵が入っています。ジョーは今何個の卵を持っていますか？ステップバイステップで考えてみましょう。 回答：ジョーは最初に20個の卵を持っていました。12個入りのカートンが2つあるということは、24個の卵です。20 + 24 = 44。したがって、ジョーは44個の卵を持っていて、答えは44です。
質問：農夫のジョンは93羽のニワトリを持っていました。彼はそのうち20羽を農夫のビルに売り、その2倍の数のニワトリをもう一度買いました。ジョン農夫は今何羽のニワトリを持っていますか？ステップバイステップで考えてみましょう。
ChatGPTのこの時の応答は異なります：
回答：ジョン農夫は20羽のニワトリをビル農夫に売りましたので、残りは93 – 20 = 73羽のニワトリです。それから、売ったニワトリの2倍の数を買ったので、40羽のニワトリを買いました。これらの新しく買ったニワトリを残りのニワトリに追加すると、ジョン農夫は73 + 40 = 113羽のニワトリを持っています。
このように、批判的思考プロセスの例を提供し、ステップバイステップで考えるよう指導することで、ChatGPTは同じ推論を私たちの質問に適用し、今回は正しい答えを出すことができました。
自己批判 (Self-Criticism)
セルフクリティシズム戦略は、LLMにその出力を評価し、潜在的な不正確さや改善が必要な箇所を見つけるよう促すことを含む戦略です。この戦略を用いることで、ChatGPTが提供する情報ができる限り正確になるようにすることができます。また、ユーザーがプロンプトのデバッグを支援し、期待に応える結果を得るための理由を特定するのに役立ちます。
以下はそのようなプロンプトの例です：
「上記の回答を再読してください。回答に問題や間違いはありますか？もしあれば、これらの問題や間違いを特定し、必要な修正を行ってください。」
また、ChatGPTに自己批判を用いて、不具合のあるコードのデバッグを促すプロンプトの例もあります：
「生成したコードを見てください。現在は動作しません。文法エラーやフロー制御のミスを特定できますか？もしそうであれば、問題のあるコードの部分を特定し、再生成してください。」
ChatGPTの自己修復能力を活用することは、見逃してはならないプロンプトエンジニアリングの技術です。これにより、より正確な情報や回答を得ることができるでしょう。
迅速なエンジニアリングで ChatGPT の応答品質を向上させる方法
ChatGPTの応答品質を迅速に向上させる方法には以下のようなものがあります：
- 適切なプロンプトの使用：明確で具体的な指示を含むプロンプトを使うことで、モデルに対して適切なタスクを指定し、望ましい応答を得ることができます。
- フィードバックの提供：ChatGPTの出力に対してフィードバックを提供することで、モデルを改善する手助けをします。特に誤った情報や不適切な応答に対して、フィードバックを与えることが重要です。
- プロンプトエンジニアリングの反復：プロンプトを試行錯誤しながら改善し、適切な対話を実現するために反復的なエンジニアリングを行います。
- 多様な例の提供：フューショット戦略を活用して、複数の例を提供することで、モデルにより適切な回答を導くことができます。
- フィルタリングと制約の追加：生成される応答をフィルタリングしたり、特定の制約を加えることで、望ましい結果に近づけることができます。
- サンプルサイズの変更：生成される応答のバリエーションを増やすために、サンプルサイズを変更することが効果的です。
- Fine-tuningの実施：自社のデータセットに対してFine-tuningを行うことで、特定の領域における応答品質を向上させることができます。
- トークン制限の考慮：長い文章を要求する場合、モデルのトークン制限を考慮して入力を調整することが重要です。
これらの方法を組み合わせることで、迅速にChatGPTの応答品質を向上させることができます。ただし、安全性や品質を保つために注意して実施することが重要です。
海外の一流AI研究者が教えるプロンプトエンジニアリングをまとめてみた【ChatGPT Prompt Engineering for Developers】
「海外の一流AI研究者が教えるプロンプトエンジニアリングをまとめてみた【ChatGPT Prompt Engineering for Developers】」という講義の内容について紹介します。
- プログラムを始めるのにPythonは最適: 講義では、プログラミング初心者がPythonを学ぶ理由について説明されるでしょう。Pythonはシンプルで読みやすいコードが書きやすく、機械学習や自然言語処理などの分野でも広く使用されているため、プログラムを始めるには適しています。
- ChatGPTを使う際の大原則２つ: ChatGPTを効果的に活用するための2つの大原則について解説されるでしょう。これにより、ユーザーはより適切な応答を引き出すことができます。
- 区切り文字を使おう: プロンプト内の文脈を区切るために、適切な区切り文字の使用方法について説明されるでしょう。これにより、モデルに対して明確な指示を与えることができます。
- プロンプトインジェクションとは？ プロンプトインジェクションの概念とその重要性について説明されるでしょう。プロンプトに工夫を加えることで、モデルの応答品質を向上させる手法が学習されるでしょう。
- 構造化された出力を要求しよう: ユーザーがChatGPTに対して構造化された出力を要求する方法について説明されるでしょう。例えば、リストや箇条書き形式での回答の要求などが含まれるかもしれません。
- モデルに考える時間を与える: ChatGPTがより質の高い応答を生成するために、適切な考慮時間を与えることの重要性について述べられるでしょう。
- ステップごとに指示を与える: 複雑なタスクを達成するために、ChatGPTに対してステップごとに指示を与える方法について説明されるでしょう。
- モデルに１度考えさせるとは？ ChatGPTに一度だけ回答を考えさせることで、より自然で洗練された回答を得るための方法について説明されるでしょう。
- プロンプトエンジニアリングは今後必要？ プロンプトエンジニアリングの重要性と今後の展望について議論されるでしょう。
- エンディング: 講義のまとめと参加者に向けてのメッセージが含まれるでしょう。
これらの内容を通じて、ChatGPTを効果的に活用するためのプロンプトエンジニアリングの手法や原則が解説され、参加者はより質の高い応答を得るためのスキルを身につけることができるでしょう。
共同作業のヒント
「協力的な力のヒント」についての内容と説明をまとめます。
ChatGPTを見る最も良い方法は、研究アシスタント、コーディングアシスタント、問題解決アシスタントなど、必要なアシスタントのようなジュニアアシスタントとしてです。この協力的な雰囲気を認識し、育成することで、さらなる成功につながります。以下は、この協力を促進するためのいくつかの素早いヒントです。
- プロンプトに対するプロンプティング: プロンプトの作成を改善する方法の1つは、ChatGPTを巻き込むことです。以下のようなプロンプトは有益な結果につながる可能性があります：
「今、どのようなプロンプトを使用すれば、このタスクをさらに助けることができるでしょうか？」
ChatGPTは、有用なプロンプトの提案を生成し、それを強化するために使用できるかもしれません。
- モデルによるプロンプティング: モデルによるプロンプティングは、リクエストされたタスクを完了するために必要な情報をモデルに指示することを意味します。これは、誰かに「知りたいことを聞いてください」と言うのと似ています。
「Googleシートに格納されているクライアント情報を管理するPythonプログラムを書いてほしいです。この割り当てを行うために必要な情報を尋ねるようにしてください。」
ChatGPTに情報の必要性を判断させることは、推測を排除し、空想を抑制するのに役立つことがあります。もちろん、モデルによるプロンプティングのための不適切に作成されたプロンプトは、ChatGPTから関連しない質問を数多く受けることになる可能性があるため、初期のプロンプトも慎重に考える必要があります。
これらのヒントを活用することで、ChatGPTとの協力的な対話が促進され、より良い結果が得られるでしょう。
ChatGPT プロンプトのデバッグ
ChatGPTプロンプトのデバッグについて説明します。
時には、よく作成されたプロンプトでも望む出力が得られないことがあります。そのような場合には、プロンプトのデバッグが役立ちます。
- トーンと形式の調整： もし出力があまりにも形式張ったものやカジュアルすぎるものであれば、「私が5歳の子供だと思って説明してください」とか「…について公式な報告書を書いてください」といった指示を追加することで、トーンを調整することができます。
- 詳細の微調整： もし出力があまりにも曖昧すぎるか、逆に詳細すぎる場合には、プロンプトを適切に調整します。例えば、「簡潔に」や「詳細に」などのワードをプロンプトに追加することで、回答の長さや深さを誘導することができます。
- 実験と反復： プロンプトの実験と反復を恐れずに行ってください。時にはわずかな言い回しの変更や追加の指示が、著しく改善された結果をもたらすことがあります。データサイエンスのためのChatGPTプロンプトについて詳細を知りたい場合は、総合的なChatGPTチートシートをチェックしてください。その中にはデータサイエンスのタスク向けに60以上のプロンプトが含まれています。
これらのデバッグ手法を用いることで、より望む結果に近づけることができるでしょう。
まとめ
講義では、「ChatGPTプロンプトエンジニアリング」の重要性と方法について学びました。
最初に、「プロンプトエンジニアリング」とは、言語モデルを効果的に利用するために、明確で具体的な指示や文脈を提供することで、望む回答を引き出す技術であることを理解しました。
次に、「ゼロショット戦略」と「フューショット戦略」を活用することで、モデルの応答品質を向上させる方法について学びました。適切な例や文脈を提供することで、モデルの理解を導くことができます。
また、「プロンプトの要素」には、明確な命令・指示、文脈、入力データ、出力指示子が含まれ、適切に組み合わせることで、より良い対話を実現できることを学びました。
さらに、ChatGPTとの協力的な対話を促進するためのいくつかのヒントも学びました。例えば、トーンや形式の調整、詳細の微調整、そして実験と反復を通じて、より良い応答を引き出すことができます。
プロンプトエンジニアリングは、ChatGPTの応答品質を向上させるために非常に重要なスキルであり、今後も必要な技術であると考えられます。この講義を通じて、参加者はより効果的なプロンプトの作成方法を学び、ChatGPTとより有意義な対話を実現することができるでしょう。