Lời nhắc hiệu quả cho AI: Những điều cơ bản

Thứ hai - 02/06/2025 19:40

Effective Prompts for AI: The Essentials

Theo: https://mitsloanedtech.mit.edu/ai/basics/effective-prompts/

NHÌN QUA

AI đang nhanh chóng trở thành một phần thường lệ trong cuộc sống nghề nghiệp và cá nhân của nhiều người. Nhưng bạn đã bao giờ không hài lòng với kết quả mà AI tạo ra cho bạn chưa? Bạn có tự hỏi liệu mình có tận dụng tối đa AI không? Bài viết này giới thiệu cách tạo lời nhắc hiệu quả để bạn tối đa hóa lợi ích từ AI.

Trước khi bắt đầu tạo lời nhắc hoàn hảo, hãy truy cập Điều hướng quyền riêng tư dữ liệu để xem lại các nguyên tắc của chúng tôi về bảo vệ dữ liệu của bạn khi sử dụng các công nghệ này.

LỜI NHẮC LÀ GÌ?

Lời nhắc là thông tin đầu vào của bạn đưa vào hệ thống AI để có được kết quả cụ thể. Nói cách khác, lời nhắc là khởi đầu cho cuộc trò chuyện: bạn nói gì và nói như thế nào với AI để AI phản hồi theo cách tạo ra phản hồi hữu ích cho bạn. Sau đó, bạn có thể xây dựng lời nhắc liên tục và AI sẽ tạo ra phản hồi khác tương ứng. Giống như trò chuyện với người khác, chỉ khác là trong trường hợp này, cuộc trò chuyện dựa trên văn bản và người đối thoại của bạn là AI.

Lời nhắc có thể đơn giản như một cụm từ hoặc phức tạp như nhiều câu và đoạn văn. Các mô hình mới thậm chí có thể xử lý các đầu vào đa phương thức, bao gồm hình ảnh và âm thanh. Mặc dù giao diện dựa trên trò chuyện LLM ngày càng tinh vi, nhưng vẫn hữu ích khi coi một công cụ AI tạo ra như ChatGPT là "một cỗ máy mà bạn đang lập trình bằng từ ngữ" (Mollick, 2023). Tương tác của bạn với AI và chất lượng đầu ra phụ thuộc phần lớn vào cách bạn diễn đạt lời nhắc của mình.

AI PHẢN HỒI NHỮNG LỜI NHẮC NHƯ THẾ NÀO

Điều kỳ diệu của AI là khả năng thích ứng của nó, nghĩa là bạn có thể (và có lẽ nên) định hướng kết quả mà nó cung cấp cho bạn bằng cách tạo ra các lời nhắc chi tiết. Việc tạo ra các lời nhắc hiệu quả có thể tối ưu hóa kết quả của bạn.

Điều này là do hầu hết các hệ thống AI—như ChatGPT, Claude và các hệ thống khác—chủ yếu được xây dựng dựa trên sự kết hợp của hai công nghệ: xử lý ngôn ngữ tự nhiên và học máy (Mollick, 2023). Sự kết hợp này cho phép AI hiểu các lời nhắc của bạn ngay cả khi bạn viết chúng như thể bạn đang trò chuyện với một con người khác. Điều đó cũng có nghĩa là hệ thống liên tục học hỏi từ thông tin đầu vào từ bạn và những người dùng khác.

Hơn nữa, một số nền tảng AI, chẳng hạn như chatbot thương mại, tận dụng khả năng nhận dạng ý định (Urban, 2023) để phân biệt tốt hơn tình cảm và ý định của người dùng bằng cách phân tích thông tin ngữ cảnh có trong truy vấn của người dùng (Wu và cộng sự, 2022).

VIẾT CÁC LỜI NHẮC HIỆU QUẢ

Nói một cách đơn giản, cách bạn lên khung lời nhắc sẽ định hình đầu ra của AI. Nghệ thuật tinh chỉnh lời nhắc này được gọi là kỹ thuật lời nhắc (prompt engineering), "bao gồm việc lựa chọn đúng từ ngữ, cụm từ, ký hiệu và định dạng" để có được kết quả tốt nhất có thể từ các mô hình AI (Johnmaeda, 2023).

Với bối cảnh đó, hãy xem xét ba chiến lược sau cho kỹ thuật lời nhắc: Đầu tiên, cung cấp bối cảnh. Thứ hai, cụ thể. Và thứ ba, xây dựng dựa trên cuộc trò chuyện.

Cung cấp bối cảnh

Lời nhắc của bạn có thể là một câu hỏi đơn giản, chẳng hạn như "Thời điểm nào trong năm là tốt nhất để ngắm lá mùa thu ở New England?" Một hệ thống AI như ChatGPT sẽ nhanh chóng tạo ra phản hồi cho lời nhắc đó. Tuy nhiên, bạn cũng có thể làm cho lời nhắc của mình phức tạp hơn bằng cách cung cấp một số bối cảnh hoặc thậm chí là giọng nói. Ví dụ, hãy thử "Bạn là một nhà sinh vật học động vật hoang dã giàu kinh nghiệm chuyên về cây cối. Dựa trên các kiểu thời tiết gần đây ở Hoa Kỳ, hãy dự đoán mùa lá mùa thu đẹp nhất ở New England—và giải thích cho trẻ mẫu giáo". Phản hồi bạn nhận được sẽ rất khác so với phản hồi cho lời nhắc đơn giản hơn vì nó sẽ tính đến các thông số bạn thiết lập bằng cách thêm nhiều bối cảnh hơn.

Nếu bạn muốn có kết quả từ AI mô phỏng phong cách viết của riêng mình, bạn có thể đưa các mẫu viết của mình vào công cụ AI.

Hãy cụ thể

Hãy tăng tính cụ thể trong lời nhắc của bạn. Hãy thử thêm một năm, một khu vực cụ thể (miền bắc, miền trung hoặc miền nam New England) hoặc thậm chí thêm một khu vực khác để so sánh. Có nhiều loại đặc tính cụ thể mà bạn có thể cân nhắc khi phát triển lời nhắc: đưa ra nhiệm vụ cụ thể, ví dụ, các quy tắc và ràng buộc (Cook, 2023).

Các mô hình AI thường tạo ra kết quả dựa trên tính rõ ràng và chính xác của các truy vấn đầu vào mà chúng nhận được. Thay vì đặt ra một câu hỏi chung chung như "Hãy cho tôi biết về biến đổi khí hậu", hãy cân nhắc nêu chi tiết các khía cạnh mà bạn quan tâm, ví dụ: "Thảo luận về tác động kinh tế của biến đổi khí hậu ở các nước đang phát triển trong thập kỷ tới". Bằng cách đó, bạn sẽ định hướng trọng tâm của mô hình, do đó có được phản hồi có mục tiêu và phù hợp hơn. Về bản chất, mức độ chi tiết của đầu vào của bạn tỷ lệ thuận với tiện ích của đầu ra mà bạn nhận được. Do đó, việc tinh chỉnh các truy vấn của bạn bằng ngữ cảnh, ràng buộc hoặc mục tiêu rõ ràng có thể cải thiện đáng kể chất lượng kết quả.

Việc nêu cụ thể và cung cấp nhiều chi tiết hơn giúp bạn hiểu rõ hơn về lời nhắc của mình và tạo ra phản hồi tùy chỉnh hơn với ít lỗi hơn (Neil, 2023).

Xây dựng dựa trên cuộc trò chuyện

Nhiều hệ thống AI có dạng cửa sổ trò chuyện. Các hệ thống dựa trên trò chuyện này có khả năng ghi nhớ những gì đã xảy ra trước đó trong cuộc trò chuyện của bạn mà không cần thiết lập lại ngữ cảnh (Liu, 2023).

Xem Rama Ramakrishnan của MIT Sloan hướng dẫn về cơ chế đằng sau các công cụ viết AI như ChatGPT trong video ChatGPT hoạt động như thế nào: Bài học vỡ lòng không mang tính kỹ thuật.

Hãy cùng xem ví dụ về mùa lá ở trên. Sau khi AI tạo ra phản hồi phù hợp với đối tượng mẫu giáo, bạn chỉ cần thêm nội dung theo dõi. Ví dụ, hướng dẫn AI "làm cho nó hài hước hơn" hoặc "giải thích cho sinh viên đại học chuyên ngành tiếng Anh bằng cách sử dụng phép so sánh mà họ sẽ hiểu". Không cần phải lặp lại ngữ cảnh và các thông số khác. Ngoài ra, hầu hết các hệ thống AI sẽ cho phép bạn tạo phản hồi mới nếu bạn muốn xem phiên bản khác mà không cần nhập lời nhắc khác.

Bạn có thể tiếp tục xây dựng dựa trên phản hồi của AI chỉ bằng cách thêm các lời nhắc khác. Các mô hình mới tiếp tục cải thiện khả năng truyền tải ngữ cảnh qua các tương tác khi cửa sổ ngữ cảnh mở rộng hơn (OpenAI, 2023). Quá trình lặp đi lặp lại này mở ra nhiều tiềm năng hơn từ AI (Neil, 2023). Tính liên tục này cũng có thể trở thành một trở ngại nếu bạn muốn làm việc trên một chủ đề mới, tại thời điểm đó, tốt nhất là bắt đầu một cuộc trò chuyện mới.

HẠN CHẾ

Mặc dù kỹ thuật nhắc có thể cải thiện kết quả đầu ra từ AI, nhưng vẫn có một số hạn chế cần lưu ý.

Tập trung nhiều hơn vào các vấn đề, ít hơn vào các lời nhắc

Các nền tảng AI và các mô hình mà chúng dựa trên đang phát triển nhanh chóng và trở nên tinh vi hơn. Vì lý do đó, một số chuyên gia nghi ngờ liệu tầm quan trọng của kỹ thuật nhắc có tồn tại lâu dài hay không. Smith (2023) dự đoán rằng các mô hình AI có thể sớm có khả năng tự viết lời nhắc.

Acar (2023) dự đoán một tương lai mà các hệ thống AI tiên tiến sẽ có thể trực giác được ý định của chúng ta mà không cần lời nhắc cố ý. Ông kêu gọi chúng ta chú ý đến sự khác biệt giữa vấn đề và lời nhắc. “Kỹ thuật nhắc tập trung vào việc tạo ra đầu vào văn bản tối ưu bằng cách chọn các từ, cụm từ, cấu trúc câu và dấu câu thích hợp. Ngược lại, việc xây dựng vấn đề nhấn mạnh vào việc xác định vấn đề bằng cách phân định trọng tâm, phạm vi và ranh giới của vấn đề đó.” (Acar, 2023). Về lâu dài, việc phát triển các kỹ năng trong việc tạo ra các mô tả về vấn đề có thể quan trọng hơn so với việc thành thạo kỹ thuật nhắc nhở (Acar, 2023).

Việc nhập lời nhắc và nhận kết quả đầu ra cũng giống như quá trình trò chuyện với người khác. Nhưng giống như cuộc trò chuyện giữa hai con người, tương tác với AI đôi khi có thể phức tạp và AI có thể quên mất vị trí của mình trong cuộc trò chuyện. Đây là một lý do khác khiến việc tập trung nhiều hơn vào vấn đề có thể là cách tiếp cận hữu ích hơn so với việc liên tục cố gắng tạo ra lời nhắc hoàn hảo.

Hãy nhận thức được những khiếm khuyết của AI

Mặc dù có những tiến bộ nhanh chóng, AI vẫn không hoàn hảo. Những lo ngại về độ chính xác của sự kiện vẫn tồn tại, như được nêu bật trong một sự cố của CNET vào năm 2023, trong đó nội dung do AI tạo ra được phát hiện là không chính xác về mặt sự kiện (Thorbecke, 2023). Những trường hợp tương tự mà AI tạo ra thông tin sai lệch về mặt sự kiện cũng có thể dễ dàng tìm thấy trong nhiều bối cảnh khác nhau, bao gồm cả học thuật. Các công cụ AI có thể tạo ra nội dung không chính xác, gây hiểu lầm và thậm chí hoàn toàn bịa đặt (ngay cả khi bề ngoài nó có vẻ hoàn toàn mạch lạc và đáng tin cậy). Vấn đề này phổ biến đến mức nó được gọi là ảo giác AI (AI hallucination) (Weise & Metz, 2023). Điều quan trọng là phải ghi nhớ những hạn chế của AI khi xây dựng lời nhắc của bạn và luôn xem xét kết quả bằng con mắt phê phán.

Tránh những tác hại tiềm ẩn của AI

AI có thể duy trì những thành kiến có hại. Nhiều người tại MIT có thể quen thuộc với một cuộc tranh cãi khi một sinh viên MIT gốc Á yêu cầu AI biến ảnh của cô thành ảnh chân dung chuyên nghiệp (Buell, 2023) chỉ để thấy rằng nó tạo ra một hình ảnh của cô với đôi mắt xanh sáng và tông màu da sáng hơn. Sam Altman, CEO của ChatGPT, thừa nhận rằng AI không thể loại bỏ định kiến và tạo ra ngôn ngữ không bao hàm toàn diện, và ủng hộ sự phát triển lặp đi lặp lại để thu thập phản hồi rộng rãi hơn từ công chúng nhằm chống lại những thách thức như vậy (Yu, 2023).

Kết luận

Khi người dùng tìm cách khai thác sức mạnh của AI, việc tạo ra lời nhắc phù hợp trở thành một kỹ năng thiết yếu, hướng dẫn AI đến kết quả mong muốn và đảm bảo kết quả tối ưu. Lời hứa của các hệ thống AI như ChatGPT, Claude và các hệ thống khác nằm ở khả năng thích ứng và học hỏi từ các đầu vào được bạn tạo ra cẩn thận, bắt chước cuộc trò chuyện của con người và tạo ra các đầu ra phù hợp. Tuy nhiên, chúng ta phải luôn cảnh giác về các sai sót tiềm ẩn, thành kiến và những tác động của việc quá phụ thuộc vào các hệ thống này mà không có sự giám sát chặt chẽ.

Tài liệu tham khảo