Fable 5-ന് വേണ്ടി Claude Code-ന്റെ സിസ്റ്റം പ്രോംപ്റ്റ് 80% കുറച്ച് Anthropic
ലാർജ് ലാംഗ്വേജ് മോഡലുകളെ (LLMs) നിയന്ത്രിക്കുന്ന രീതിയിൽ വലിയൊരു മാറ്റത്തിന് Anthropic സാക്ഷ്യം വഹിക്കുന്നു; കനത്ത നിർദ്ദേശങ്ങളിൽ (instruction sets) നിന്ന് ലളിതവും കൂടുതൽ സഹജവുമായ (intuitive) മാർഗ്ഗനിർദ്ദേശങ്ങളിലേക്ക് ഇത് മാറുകയാണ്. കുറഞ്ഞ നിയന്ത്രണങ്ങളും കൂടുതൽ സന്ദർഭബോധവും (context) ഉപയോഗിച്ച് മികച്ച രീതിയിൽ പ്രവർത്തിക്കുന്ന പുതിയ Fable 5 (Mythos class) മോഡലുകളുടെ വരവോടെയാണ് ഈ പരിണാമം സംഭവിക്കുന്നത്.
ദൈർഘ്യമേറിയ സിസ്റ്റം പ്രോംപ്റ്റുകളുടെ അന്ത്യം
വർഷങ്ങളായി, AI പ്രകടനം മെച്ചപ്പെടുത്തുന്നതിനായി വമ്പിച്ച സിസ്റ്റം നിർദ്ദേശങ്ങളും വിശദമായ 'ഫ്യൂ-ഷോട്ട്' (few-shot) ഉദാഹരണങ്ങളും ഉപയോഗിച്ചുള്ള "പ്രോംപ്റ്റ് എഞ്ചിനീയറിംഗ്" ആണ് വ്യവസായ മാനദണ്ഡമായിരുന്നത്. കൂടുതൽ നിയമങ്ങളും "ഇത് ചെയ്യരുത്" എന്ന തരത്തിലുള്ള നിയന്ത്രണങ്ങളുമാണ് വിശ്വാസ്യതയുടെ അടിസ്ഥാനമെന്ന് ഡെവലപ്പർമാർ വിശ്വസിച്ചിരുന്നു. എന്നാൽ Anthropic ഈ പ്രവണതയ്ക്ക് വിപരീതമായി നീങ്ങുകയാണ്.
Claude Code-ന്റെ സിസ്റ്റം പ്രോംപ്റ്റിൽ 80 ശതമാനത്തോളം കുറവ് വരുത്തിയതായി Anthropic-ലെ ടെക്നിക്കൽ സ്റ്റാഫ് അംഗമായ Tariq Shihipar വെളിപ്പെടുത്തി. ഈ കുറവ് മോഡലിനെ ലഘൂകരിക്കുന്നതിന്റെ സൂചനയല്ല, മറിച്ച് പുതിയ Fable 5 മോഡലുകളുടെ സങ്കീർണ്ണമായ വൈജ്ഞാനിക ശേഷിക്കോടുള്ള (cognitive capabilities) പ്രതികരണമാണ്. മോഡലുകൾ കൂടുതൽ വികസിതമാകുമ്പോൾ, ദൈർഘ്യമേറിയ പ്രോംപ്റ്റുകൾ വഴി അവയെ ഓരോ ഘട്ടത്തിലും നയിക്കുന്ന (hand-holding) പരമ്പരാഗത രീതി വിപരീത ഫലങ്ങൾ ഉണ്ടാക്കുന്നു.
എന്തുകൊണ്ട് Fable 5 മോഡലുകൾ നിയന്ത്രണങ്ങളെ പ്രതിരോധിക്കുന്നു?
Fable 5 (അല്ലെങ്കിൽ Mythos class) മോഡലുകളിലേക്കുള്ള മാറ്റം മോഡലുകളുടെ പെരുമാറ്റത്തിൽ അടിസ്ഥാനപരമായ മാറ്റത്തെ സൂചിപ്പിക്കുന്നു. Shihipar-ന്റെ അഭിപ്രായത്തിൽ, ഈ പ്രത്യേക മോഡലുകൾക്ക് വിപുലമായ ഉദാഹരണങ്ങളും കർശനമായ നിയമങ്ങളും നൽകുന്നത് അവയുടെ പ്രകടനം കുറയ്ക്കാൻ കാരണമാകുന്നു. ഇതിന് പിന്നിലെ കാരണം അപ്രതീക്ഷിതമാണ്: ഈ മോഡലുകൾ അവയുടെ മുൻഗാമികളേക്കാൾ സ്വാഭാവികമായി കൂടുതൽ "ഭാവനാശക്തിയുള്ളവയാണ്" (imaginative).
ഒരു ഡെവലപ്പർ ദൈർഘ്യമേറിയ ഉദാഹരണങ്ങൾ നൽകുന്നအခട്, അത് മോഡലിന്റെ യുക്തിസഹമായ ചിന്താശേഷിയെ (reasoning capabilities) പരിമിതപ്പെടുത്തുന്ന ഒരു തടസ്സമായി മാറുന്നു. ഒരു പ്രശ്നത്തിന് ഏറ്റവും കാര്യക്ഷമമായതോ സർഗ്ഗാത്മകമായതോ ആയ പരിഹാരം കണ്ടെത്തുന്നതിന് പകരം, പ്രോംപ്റ്റിൽ നൽകിയിരിക്കുന്ന പ്രത്യേക മാതൃകകളെ അനുകരിക്കാൻ മോഡൽ നിർബന്ധിതമാകുന്നു. Mythos class-ന്റെ യഥാർത്ഥ കഴിവുകൾ പുറത്തെടുക്കുന്നതിനായി, കഠിനമായ നിയമങ്ങളിൽ നിന്ന് മാറി "സന്ദർഭത്തിലൂടെയുള്ള നിയന്ത്രണത്തിലേക്ക്" (steering through context) Anthropic മാറുകയാണ്. ഇത് അമിതമായ നിർദ്ദേശങ്ങളുടെ ഭാരമില്ലാതെ, സ്വന്തം യുക്തി ഉപയോഗിച്ച് ജോലികൾ പൂർത്തിയാക്കാൻ മോഡലിനെ അനുവദിക്കുന്നു.
പ്രോംപ്റ്റ് എഞ്ചിനീയറിംഗിന്റെ ചക്രാകാരമായ പരിണാമം
മോഡലുകൾ വികസിച്ചതോടെ പ്രോംപ്റ്റ് എഞ്ചിനീയറിംഗിന്റെ യാത്ര ഒരു പ്രത്യേക ചക്രാകാരമായ രീതി പിന്തുടർന്നു. മോഡൽ വികസനത്തിന്റെ മൂന്ന് വ്യത്യസ്ത ഘട്ടങ്ങളെ Anthropic-ന്റെ ആഭ്യന്തര കണ്ടെത്തലുകൾ എടുത്തുകാണിക്കുന്നു:
- ആദ്യകാല മോഡലുകൾ: ഒരു പരിധിവരെ കൃത്യത നിലനിർത്തുന്നതിന് ധാരാളം ഉദാഹരണങ്ങളും അതീവ കർശനമായ നിർദ്ദേശങ്ങളും ഉപയോഗിച്ച് ചെറിയതും വളരെ വ്യക്തവുമായ പ്രോംപ്റ്റുകൾ ആവശ്യമായിരുന്നു.
- ഇടക്കാല മോഡലുകൾ: മോഡലുകളുടെ ധാരണ മെച്ചപ്പെട്ടതോടെ പ്രോംപ്റ്റുകൾ ഗണ്യമായി നീണ്ടുപോയി. മോഡലിന്റെ പെരുമാറ്റത്തിന്റെ എല്ലാ വശങ്ങളെയും നിയന്ത്രിക്കുന്ന വമ്പൻതും സങ്കീർണ്ണവുമായ സിസ്റ്റം പ്രോംപ്റ്റുകൾ നിർമ്മിക്കാൻ ഡെവലപ്പർമാർ ഈ "നിർദ്ദേശങ്ങൾ പാലിക്കാനുള്ള" (instruction following) ശേഷിയെ ഉപയോഗപ്പെടുത്തി.
- Fable 5 യുഗം: പ്രോംപ്റ്റുകൾ വീണ്ടും ചെറുതായിക്കൊണ്ടിരിക്കുന്ന ഒരു ഘട്ടത്തിലേക്ക് നമ്മൾ പ്രവേശിച്ചു കഴിഞ്ഞു. മോഡലിനോട് എന്ത് ചെയ്യണം എന്ന് പറയുന്നതിൽ (നിയമങ്ങൾ) നിന്ന്, മോഡലിന് സ്വയം പ്രവർത്തിക്കാൻ ആവശ്യമായ സാഹചര്യം (context) ഒരുക്കുന്നതിലേക്കാണ് ശ്രദ്ധ മാറുന്നത്.
ഈ വികാസം AI രംഗത്ത് ഒരു നാഴികക്കല്ലാണ്. കൂടുതൽ ഏജന്റുകൾ പോലെയുള്ള (agentic), യുക്തിസഹമായി ചിന്തിക്കുന്ന മോഡലുകളിലേക്ക് നമ്മൾ നീങ്ങുന്നതിനനുസരിച്ച്, ഡെവലപ്പർമാരുടെ പങ്ക് "നിയമങ്ങൾ നിർമ്മിക്കുന്നവരിൽ" നിന്ന് "സാഹചര്യം ഒരുക്കുന്നവരിലേക്ക്" മാറുമെന്നും, നിർദ്ദേശങ്ങളുടെ എണ്ണത്തേക്കാൾ വിവരങ്ങളുടെ ഗുണമേന്മയ്ക്ക് മുൻഗണന നൽകേണ്ടി വരുമെന്നും ഇത് സൂചിപ്പിക്കുന്നു.
പ്രധാന കാര്യങ്ങൾ
- 80% കുറവ്: Fable 5 (Mythos class) മോഡലുകളുടെ കഴിവുകളുമായി മികച്ച രീതിയിൽ പൊരുത്തപ്പെടുന്നതിനായി Anthropic Claude Code-ന്റെ സിസ്റ്റം പ്രോംപ്റ്റിൽ 80% കുറവ് വരുത്തി.
- നിയന്ത്രണങ്ങൾ സർഗ്ഗാത്മകതയെ പരിമിതപ്പെടുത്തുന്നു: അമിതമായ ഉദാഹരണങ്ങളും കർശനമായ "ചെയ്യരുത്" എന്ന നിയമങ്ങളും വികസിത മോഡലുകളുടെ യുക്തിസഹമായ ചിന്തയെയും ഭാവനാശക്തിയെയും യഥാർത്ഥത്തിൽ തടസ്സപ്പെടുത്തിയേക്കാം.
- നിയമങ്ങളേക്കാൾ സന്ദർഭത്തിന് പ്രാധാന്യം: ദൈർഘ്യമേറിയതും നിയന്ത്രണങ്ങളുള്ളതുമായ നിർദ്ദേശങ്ങൾക്ക് പകരം സമ്പന്നമായ സന്ദർഭബോധം (context) നൽകുക എന്നതാണ് AI നിയന്ത്രണത്തിന്റെ പുതിയ അതിർത്തി.