तुमचे AI प्रॉम्प्ट्स वारंवार का अयशस्वी ठरतात
बहुतेक लोक AI प्रॉम्प्टिंगकडे एखाद्या लाइट स्विचप्रमाणे पाहतात. ते एकतर चालू असते किंवा बंद. त्यांना वाटते की प्रॉम्प्ट एकतर चांगला असतो किंवा वाईट.
जेव्हा एखादा AI वर्कफ्लो बिघडतो, तेव्हा समस्या सहसा शेवटच्या टप्प्यात नसते. ती सहसा दोन किंवा तीन टप्पे आधी असते.
जर तुम्ही मल्टी-स्टेप AI पाइपलाइन्स तयार करत असाल, तर तुम्हाला ही भावना नक्कीच जाणवत असेल. तुम्ही सारांश काढण्यासाठी एक प्रॉम्प्ट वापरता. मुद्दे काढण्यासाठी दुसरा वापरता. निकाल फॉरमॅट करण्यासाठी तिसरा वापरता.
एके दिवशी, अंतिम आउटपुट चुकीचे दिसते. तुम्ही शेवटचा प्रॉम्प्ट पुन्हा लिहिता. तुम्ही मधला प्रॉम्प्ट बदलता. तुम्ही पहिला प्रॉम्प्ट बदलता. तास उलटून जातात पण काहीही सुधारत नाही.
असे घडते कारण प्रत्येक प्रॉम्प्ट मागील टप्प्यातील आउटपुटवर अवलंबून असतो. पहिल्या टप्प्यातील चुकीचे डेटा एक्सट्रॅक्शन (data extraction) इतर सर्व गोष्टी बिघडवते.
Cisco Foundation AI च्या संशोधकांनी ही समस्या सोडवण्यासाठी FAPO नावाचे एक सिस्टम तयार केले आहे. ते पाइपलाइनमधील प्रत्येक टप्प्याचे स्वतंत्रपणे मूल्यमापन करते. नेमकी चूक कुठे होत आहे ते शोधते आणि त्या विशिष्ट स्तरासाठी उपाय सुचवते.
हे लॉजिक वापरण्यासाठी तुम्हाला विशेष साधनांची गरज नाही. तुम्ही आजच मॅन्युअली स्टेप-लेव्हल डायग्नोसिस (step-level diagnosis) लागू करू शकता.
शेवटचा टप्पा म्हणजे समस्या आहे असे मानणे थांबवा. प्रत्येक टप्प्याची स्वतंत्रपणे चाचणी घ्या.
उदाहरण: तुम्ही मुलाखतींचे ट्रान्सक्रिप्ट्स (transcripts) ब्लॉग पोस्टमध्ये रूपांतरित करता.
- टप्पा १: ट्रान्सक्रिप्टचा सारांश काढा.
- टप्पा २: मुख्य विषय (themes) काढा.
- टप्पा ३: लेखाचा मसुदा तयार करा.
जर लेख खूप सामान्य (generic) वाटत असेल, तर फक्त टप्पा ३ पुन्हा लिहू नका.
प्रथम, फक्त टप्पा १ चालवून पहा. सारांशामध्ये तपशील सुटत आहेत का? जर हो, तर टप्पा १ सुधारा.
दुसरे, टप्पा २ ला तुम्ही स्वतः लिहिलेला एक उत्तम सारांश द्या. विषय अजूनही सामान्य आहेत का? जर हो, तर टप्पा २ सुधारा.
तिसरे, टप्पा ३ ला उत्तम सारांश आणि उत्तम विषय द्या. जर आता लेख चांगला असेल, तर तुम्हाला समजेल की टप्पा ३ कधीच समस्या नव्हता.
या प्रक्रियेला २० मिनिटे लागतात. तासनतास अंदाज लावण्यापेक्षा हे उत्तम आहे.
या आठवड्यात तुमचा वर्कफ्लो कसा सुधारावा:
- तुमचा वर्कफ्लो कागदावर मांडा. प्रत्येक AI टप्पा सूचीबद्ध करा.
- प्रत्येक टप्प्यानंतर क्वालिटी चेक (quality check) जोडा. विचारा: "पुढचा टप्पा यशस्वी होण्यासाठी हे आउटपुट पुरेसे चांगले आहे का?"
- एक टेस्ट लायब्ररी (test library) तयार करा. प्रत्येक टप्प्यासाठी चांगले आणि वाईट इनपुट्सची उदाहरणे जतन करा.
- एका वेळी एकच गोष्ट बदला. एकाच वेळी दोन प्रॉम्प्ट्स कधीही बदलू नका.
विश्वसनीय AI ही एक पुनरावृत्तीची (iterative) प्रक्रिया आहे. ती केवळ एकदाच केली जाणारी सर्जनशील कृती नाही.
याबद्दल तुमचा अनुभव काय आहे? मला कमेंट्समध्ये सांगा.
Optional learning community: https://t.me/GyaanSetuAi