Fable 5 ಗಾಗಿ Anthropic ತನ್ನ Claude Code ಸಿಸ್ಟಮ್ ಪ್ರಾಂಪ್ಟ್ ಅನ್ನು 80% ರಷ್ಟು ಕಡಿತಗೊಳಿಸಿದೆ
ದೊಡ್ಡ ಭಾಷಾ ಮಾದರಿಗಳನ್ನು (large language models) ಹೇಗೆ ನಿಯಂತ್ರಿಸಬೇಕು ಎಂಬುದರಲ್ಲಿ Anthropic ಒಂದು ಮಾದರಿ ಬದಲಾವಣೆಯನ್ನು (paradigm shift) ಕಾಣುತ್ತಿದೆ; ಇದು ಭಾರೀ ಸೂಚನಾ ಸೆಟ್ಗಳಿಂದ ಹೊರಬಂದು, ಹಗುರವಾದ ಮತ್ತು ಹೆಚ್ಚು ಅಂತಃಪ್ರಜ್ಞೆಯ ಮಾರ್ಗದರ್ಶನದತ್ತ ಸಾಗುತ್ತಿದೆ. ಈ ವಿಕಾಸವು ಹೊಸ Fable 5 (Mythos class) ಮಾದರಿಗಳ ಉದಯದಿಂದ ಪ್ರೇರಿತವಾಗಿದೆ, ಇವು ಕಡಿಮೆ ನಿರ್ಬಂಧಗಳು ಮತ್ತು ಹೆಚ್ಚಿನ ಸಂದರ್ಭದ (context) ಮೇಲೆ ಹೆಚ್ಚು ಯಶಸ್ವಿಯಾಗಿ ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತವೆ.
ದೀರ್ಘ ಸಿಸ್ಟಮ್ ಪ್ರಾಂಪ್ಟ್ಗಳ ಅಂತ್ಯ
ವರ್ಷಗಳಿಂದ, AI ಕಾರ್ಯಕ್ಷಮತೆಯನ್ನು ಉತ್ತಮಗೊಳಿಸಲು ಉದ್ಯಮದ ಮಾನದಂಡವು ಬೃಹತ್ ಸಿಸ್ಟಮ್ ಸೂಚನೆಗಳು ಮತ್ತು ಸಮಗ್ರವಾದ 'ಫ್ಯೂ-ಶಾಟ್' (few-shot) ಉದಾಹರಣೆಗಳ ಮೂಲಕ "ಪ್ರಾಂಪ್ಟ್ ಇಂಜಿನಿಯರಿಂಗ್" ಮಾಡುವುದಾಗಿತ್ತು. ಹೆಚ್ಚಿನ ನಿಯಮಗಳು ಮತ್ತು ಹೆಚ್ಚು "ಇದನ್ನು ಮಾಡಬೇಡಿ" ಎಂಬ ನಿರ್ಬಂಧಗಳೇ ವಿಶ್ವಾಸಾರ್ಹತೆಗೆ ಕೀಲಿಕೈ ಎಂದು ಡೆವಲಪರ್ಗಳು ನಂಬಿದ್ದರು. ಆದರೆ, Anthropic ಈ ಪ್ರವೃತ್ತಿಯನ್ನು ಬದಲಾಯಿಸುತ್ತಿದೆ.
Anthropic ನ ತಾಂತ್ರಿಕ ಸಿಬ್ಬಂದಿಯ ಸದಸ್ಯರಾದ Tariq Shihipar ಅವರು, ಕಂಪನಿಯು Claude Code ಗಾಗಿ ಬಳಸುವ ಸಿಸ್ಟಮ್ ಪ್ರಾಂಪ್ಟ್ ಅನ್ನು ಶೇಕಡಾ 80 ರಷ್ಟು ಭಾರಿ ಪ್ರಮಾಣದಲ್ಲಿ ಕಡಿತಗೊಳಿಸಿದೆ ಎಂದು ಬಹಿರಂಗಪಡಿಸಿದ್ದಾರೆ. ಈ ಕಡಿತವು ಮಾದರಿಯ ಸರಳೀಕರಣದ ಸಂಕೇತವಲ್ಲ, ಬದಲಾಗಿ ಹೊಸ Fable 5 ಮಾದರಿಗಳ ಅತ್ಯಾಧುನಿಕ ಜ್ಞಾನಾತ್ಮಕ ಸಾಮರ್ಥ್ಯಗಳಿಗೆ (cognitive capabilities) ನೀಡಿದ ಪ್ರತಿಕ್ರಿಯೆಯಾಗಿದೆ. ಮಾದರಿಗಳು ಹೆಚ್ಚು ಸುಧಾರಿತವಾಗುತ್ತಿದ್ದಂತೆ, ದೀರ್ಘ ಪ್ರಾಂಪ್ಟ್ಗಳ ಮೂಲಕ "ಕೈ ಹಿಡಿದು ನಡೆಸುವ" (hand-holding) ಸಾಂಪ್ರದಾಯಿಕ ವಿಧಾನವು ವ್ಯರ್ಥವಾಗುತ್ತಿದೆ.
Fable 5 ಮಾದರಿಗಳು ನಿರ್ಬಂಧಗಳನ್ನು ಏಕೆ ವಿರೋಧಿಸುತ್ತವೆ?
Fable 5 (ಅಥವಾ Mythos class) ಮಾದರಿಗಳತ್ತ ಈ ಬದಲಾವಣೆಯು ಮಾದರಿಯ ನಡವಳಿಕೆಯಲ್ಲಿನ ಮೂಲಭೂತ ಬದಲಾವಣೆಯನ್ನು ಪ್ರತಿನಿಧಿಸುತ್ತದೆ. Shihipar ಅವರ ಪ್ರಕಾರ, ಈ ನಿರ್ದಿಷ್ಟ ಮಾದರಿಗಳಿಗೆ ವ್ಯಾಪಕವಾದ ಉದಾಹರಣೆಗಳು ಮತ್ತು ಕಟ್ಟುನಿಟ್ಟಾದ ನಿಯಮಗಳನ್ನು ನೀಡುವುದು ವಾಸ್ತವವಾಗಿ ಕಾರ್ಯಕ್ಷಮತೆಯನ್ನು ಕುಗ್ಗಿಸುತ್ತದೆ. ಇದಕ್ಕೆ ಕಾರಣ ಅನಿರೀಕ್ಷಿತವಾಗಿದೆ: ಈ ಮಾದರಿಗಳು ತಮ್ಮ ಹಿಂದಿನ ಮಾದರಿಗಳಿಗಿಂತ ಸಹಜವಾಗಿಯೇ ಹೆಚ್ಚು "ಕಲ್ಪನಾಶೀಲ" (imaginative) ಆಗಿವೆ.
ಒಬ್ಬ ಡೆವಲಪರ್ ನಿರ್ದಿಷ್ಟ ಉದಾಹರಣೆಗಳ ಸುದೀರ್ಘ ಪಟ್ಟಿಯನ್ನು ನೀಡಿದಾಗ, ಅದು ಮಾದರಿಯ ತಾರ್ಕಿಕ ಸಾಮರ್ಥ್ಯಗಳನ್ನು (reasoning capabilities) ಸೀಮಿತಗೊಳಿಸುವ ನಿರ್ಬಂಧವಾಗಿ ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತದೆ. ಸಮಸ್ಯೆಗೆ ಅತ್ಯಂತ ಪರಿಣಾಮಕಾರಿ ಅಥವಾ ಸೃಜನಾತ್ಮಕ ಪರಿಹಾರವನ್ನು ಹುಡುಕುವ ಬದಲು, ಪ್ರಾಂಪ್ಟ್ನಲ್ಲಿ ನೀಡಲಾದ ನಿರ್ದಿಷ್ಟ ಮಾದರಿಗಳನ್ನು ಅನುಕರಿಸಲು ಮಾದರಿಯು ಒತ್ತಾಯಿಸಲ್ಪಟ್ಟಂತೆ ಅನುಭವಿಸುತ್ತದೆ. Mythos class ನ ನಿಜವಾದ ಸಾಮರ್ಥ್ಯವನ್ನು ಹೊರಹಾಕಲು, Anthropic ಕಟ್ಟುನಿಟ್ಟಾದ ನಿಯಮಗಳಿಂದ ದೂರ ಸರಿದು "ಸಂದರ್ಭದ ಮೂಲಕ ನಿಯಂತ್ರಿಸುವ" (steering through context) ಕಡೆಗೆ ಸಾಗುತ್ತಿದೆ. ಇದು ಅತಿಯಾದ ಸೂಚನಾ ಹೊರೆಯಿಂದ ಸಿಲುಕಿಕೊಳ್ಳದೆ, ಕಾರ್ಯಗಳನ್ನು ನಿರ್ವಹಿಸಲು ಮಾದರಿಯು ತನ್ನ ತಾರ್ಕಿಕ ಸಾಮರ್ಥ್ಯಗಳನ್ನು ಬಳಸಿಕೊಳ್ಳಲು ಅನುವು ಮಾಡಿಕೊಡುತ್ತದೆ.
ಪ್ರಾಂಪ್ಟ್ ಇಂಜಿನಿಯರಿಂಗ್ನ ಚಕ್ರೀಯ ವಿಕಾಸ
ಮಾದರಿಗಳು ವಿಕಸನಗೊಳ್ಳುತ್ತಿದ್ದಂತೆ, ಪ್ರಾಂಪ್ಟ್ ಇಂಜಿನಿಯರಿಂಗ್ನ ಪ್ರಯಾಣವು ಒಂದು ವಿಶಿಷ್ಟವಾದ, ಚಕ್ರೀಯ ಮಾದರಿಯನ್ನು ಅನುಸರಿಸಿದೆ. Anthropic ನ ಆಂತರಿಕ ಸಂಶೋಧನೆಗಳು ಮಾದರಿ ಅಭಿವೃದ್ಧಿಯ ಮೂರು ವಿಭಿನ್ನ ಹಂತಗಳನ್ನು ಎತ್ತಿ ತೋರಿಸುತ್ತವೆ:
- ಆರಂಭಿಕ ಮಾದರಿಗಳು (Early Models): ಯಾವುದೇ ಮಟ್ಟದ ಸುಸಂಬದ್ಧತೆಯನ್ನು ಕಾಪಾಡಿಕೊಳ್ಳಲು ಅನೇಕ ಉದಾಹರಣೆಗಳು ಮತ್ತು ಅತ್ಯಂತ ನಿರ್ಬಂಧಿತ ಸೂಚನೆಗಳಿಂದ ಬಲಪಡಿಸಲಾದ ಚಿಕ್ಕದಾದ, ಹೆಚ್ಚು ನಿರ್ದಿಷ್ಟವಾದ ಪ್ರಾಂಪ್ಟ್ಗಳ ಅಗತ್ಯವಿತ್ತು.
- ಮಧ್ಯಂತರ ಮಾದರಿಗಳು (Intermediate Models): ತಿಳುವಳಿಕೆ ಸುಧಾರಿಸಿದಂತೆ, ಪ್ರಾಂಪ್ಟ್ಗಳು ಗಮನಾರ್ಹವಾಗಿ ದೀರ್ಘವಾದವು. ಮಾದರಿಯ ನಡವಳಿಕೆಯ ಪ್ರತಿಯೊಂದು ಅಂಶವನ್ನೂ ನಿಯಂತ್ರಿಸುವ ಬೃಹತ್ ಮತ್ತು ಸಂಕೀರ್ಣವಾದ ಸಿಸ್ಟಮ್ ಪ್ರಾಂಪ್ಟ್ಗಳನ್ನು ರಚಿಸಲು ಡೆವಲಪರ್ಗಳು ಈ ಹೆಚ್ಚಿದ "ಸೂಚನೆಗಳನ್ನು ಪಾಲಿಸುವ" (instruction following) ಸಾಮರ್ಥ್ಯವನ್ನು ಬಳಸಿಕೊಂಡರು.
- Fable 5 ಯುಗ: ಪ್ರಾಂಪ್ಟ್ಗಳು ಮತ್ತೆ ಚಿಕ್ಕದಾಗುತ್ತಿರುವ ಹಂತಕ್ಕೆ ನಾವು ಪ್ರವೇಶಿಸಿದ್ದೇವೆ. ಮಾದರಿಗೆ ಏನು ಮಾಡಬೇಕು ಎಂದು ಹೇಳುವ ಬದಲು (ನಿಯಮಗಳು), ಮಾದರಿಯು ಸ್ವಾಯತ್ತವಾಗಿ ಕಾರ್ಯನಿರ್ವಹಿಸಲು ಅಗತ್ಯವಾದ ಪರಿಸರವನ್ನು (ಸಂದರ್ಭ/context) ಒದಗಿಸುವುದಕ್ಕೆ ಗಮನವು ಬದಲಾಗಿದೆ.
ಈ ಬೆಳವಣಿಗೆಯು AI ಜಗತ್ತಿಗೆ ಒಂದು ಮೈಲಿಗಲ್ಲು. ನಾವು ಹೆಚ್ಚು ಏಜೆಂಟಿಕ್ (agentic) ಮತ್ತು ತಾರ್ಕಿಕ ಸಾಮರ್ಥ್ಯವುಳ್ಳ ಮಾದರಿಗಳತ್ತ ಸಾಗುತ್ತಿದ್ದಂತೆ, ಡೆವಲಪರ್ನ ಪಾತ್ರವು "ನಿಯಮಗಳನ್ನು ರೂಪಿಸುವವರಿಂದ" (rule-maker) "ಸಂದರ್ಭವನ್ನು ಒದಗಿಸುವವರಾಗಿ" (context-provider) ಬದಲಾಗುತ್ತದೆ ಮತ್ತು ಸೂಚನೆಗಳ ಸಂಖ್ಯೆಗಿಂತ ಮಾಹಿತಿಯ ಗುಣಮಟ್ಟಕ್ಕೆ ಆದ್ಯತೆ ನೀಡುತ್ತದೆ ಎಂದು ಇದು ಸೂಚಿಸುತ್ತದೆ.
ಪ್ರಮುಖ ಅಂಶಗಳು
- 80% ಕಡಿತ: Fable 5 (Mythos class) ಮಾದರಿಗಳ ಸಾಮರ್ಥ್ಯಗಳಿಗೆ ಉತ್ತಮವಾಗಿ ಹೊಂದಿಕೆಯಾಗಲು Anthropic ತನ್ನ Claude Code ಸಿಸ್ಟಮ್ ಪ್ರಾಂಪ್ಟ್ ಅನ್ನು 80% ರಷ್ಟು ಕಡಿತಗೊಳಿಸಿದೆ.
- ನಿರ್ಬಂಧಗಳು ಸೃಜನಶೀಲತೆಯನ್ನು ಸೀಮಿತಗೊಳಿಸುತ್ತವೆ: ಅತಿಯಾದ ಉದಾಹರಣೆಗಳು ಮತ್ತು ಕಟ್ಟುನಿಟ್ಟಾದ "ಮಾಡಬೇಡಿ" ಎಂಬ ನಿಯಮಗಳು ಸುಧಾರಿತ ಮಾದರಿಗಳ ತಾರ್ಕಿಕ ಮತ್ತು ಕಲ್ಪನಾ ಸಾಮರ್ಥ್ಯಗಳನ್ನು ವಾಸ್ತವವಾಗಿ ಸೀಮಿತಗೊಳಿಸಬಹುದು.
- ನಿಯಮಗಳಿಗಿಂತ ಸಂದರ್ಭಕ್ಕೆ ಆದ್ಯತೆ: AI ನಿಯಂತ್ರಣದ ಹೊಸ ಮೈಲಿಗಲ್ಲು ಎಂದರೆ ದೀರ್ಘವಾದ, ನಿರ್ಬಂಧಿತ ಸೂಚನಾ ಸೆಟ್ಗಳಿಗಿಂತ ಶ್ರೀಮಂತವಾದ ಸಂದರ್ಭವನ್ನು (context) ಒದಗಿಸುವುದು.