A legtöbben ösztönösen próbálgatjuk a chatbotok különböző képességeit. Kezdésnek egyszerű kérdéseket teszünk fel, majd a válaszok alapján finomítjuk a kérdéseinket. De mi van akkor, ha nem jönnek az elvárt válaszok? 

AI cikksorozatunk kiegészítő részében a chatbotokkal való kommunikációban mélyülünk el Barabás Andi idegenvezetésével.

Propmpting típusok

Zero-shot prompting
Példa:
„Mi a megoldása az x² – 5x + 6 = 0 egyenletnek?”
Mikor használd?
Amikor a kérdés egyszerű, a háttértudás egyértelmű, és nincs szükség plusz információra vagy előzetes példaadásra.

Few-shot prompting
Példa:
„Írj angol szavak szinonimáit: Happy → Joyful, Strong → ???”
Mikor használd?
Ha azt akarod, hogy a modell kövesse egy adott formátumot vagy stílust, és ehhez pár mintát is megadsz.

Chain-of-thought prompting
Példa:
„Számold ki lépésenként, hány perc van egy hétben!”
Mikor használd?
Összetettebb, lépésről lépésre megoldandó kérdések esetén, amikor fontos, hogy a modell köztes lépéseket is átgondolja.

Repetitív iteráció (refining prompts)
Példa:
„Írj egy promóciós szöveget egy új típusú okosóráról!”
„Most legyen rövid és kreatív, emeld ki, hogy vízálló!”
„Legyen két mondat, hangsúlyozd az egészségügyi funkciókat!”

Mikor használd?
Ha nem vagy elégedett az első eredménnyel, egyre specifikusabb instrukciókat adhatsz, finomhangolva a kért kimenetet.

Role-playing prompting
Példa:
„Képzeld el, hogy egy banki tanácsadó vagy. Írj egy rövid, meggyőző ajánlót az ügyfélnek egy új megtakarítási formáról!”
Mikor használd?
Ha egy adott szerepben (pl. jogász, professzor, ügyfélszolgálati munkatárs) kell a modellnek válaszolnia, hogy a kontextusnak megfelelő stílust kapj.

Do you speak…?

Attól függően, hogy milyen nyelven kérdezed a különböző chatbotokat, különböző minőségű és komplexitású választ kaphatsz! Összegyűjtöttük, hogy melyik modell milyen nyelven erősebb.

ChatGPT (OpenAI): Magyarul is erős, de ritkább kifejezések esetén előfordulhatnak félreértések. Folyamatosan tanul és frissül, így javul a teljesítménye

Claude (Anthropic): Főleg angol nyelvre optimalizált, magyarul ingatagabb lehet. Ügyel a biztonságos válaszokra, és célja a káros hatások csökkentése.

Gemini (Google DeepMind): Több nyelvet támogat, de magyarul még láthatók gyermekbetegségek. A DeepMind igyekszik minél tökéletesebbé tenni a többnyelvű funkciókat.

DeepSeek R1: Tud magyarul, de angol nyelven számíthatsz tőle a legpontosabb válaszokra. Kutatás-orientált modell, amely jobban teljesít angolul.

Perplexity AI: Kutatási célokra kiváló, de leginkább angol nyelven hoz meggyőző eredményeket.

Mistral: Nyílt forráskódú, a magyar nyelvi fejlesztés még nincs teljesen kiforrott állapotban. A közösségi hozzájárulások segíthetik a fejlődését.

Bloom: Kifejezetten a nyelvi diverzitásra fókuszál, de nem mindig olyan erős, mint a nagyobb modellek.

Miért fontos ez? A különböző chatbotok válaszainak minősége nemcsak a nyelvi tudásukon, hanem a tervezésük és alkalmazási céljaik függvényében is változik. Tehát a különböző chatbotok más-más fókuszúak: egyesek inkább a tudományos, míg mások a mindennapi beszélgetésekre specializálódtak. A nyelv választása mellett az is befolyásolja a válaszok minőségét, hogy a céljainkhoz és feladatainkhoz illő botot választunk-e.

#AI #choosetherighttools