کتاب Prompt Engineering for Generative AI: Future-Proof Inputs for Reliable AI Outputs (مهندسی سریع برای هوش مصنوعی مولد: ورودی‌های ثابت آینده برای خروجی‌های هوش مصنوعی قابل اعتماد) مفاهیم مربوط به هوش مصنوعی مولد و مهندسی سریع در آن را بیان می‌کند.
در ادامه مقدمه‌ای از کتاب Prompt Engineering for Generative AI را از زبان نویسنده شرح خواهیم داد.
مقدمه‌ای بر کتاب Prompt Engineering for Generative AI:
سرعت سریع نوآوری در هوش مصنوعی مولد نوید تغییر نحوه زندگی و کار ما را می‌دهد، اما ادامه دادن به آن روز به روز دشوارتر می‌شود.
تعداد مقالات AI منتشر شده در arXiv به طور تصاعدی در حال افزایش است، Stable Diffusion یکی از سریع‌ترین پروژه‌های منبع باز در حال رشد در تاریخ بوده است و ابزار هنری هوش مصنوعی سرور Discord Midjourney ده‌ها میلیون عضو دارد و حتی از بزرگترین انجمن‌های بازی پیشی می‌گیرد.
آنچه بیش از همه تخیل عموم را به خود جلب کرد، انتشار ChatGPT توسط OpenAI بود که در عرض دو ماه به ۱۰۰ میلیون کاربر رسید و آن را به سریع‌ترین برنامه مصرف‌کننده در تاریخ تبدیل کرد. یادگیری کار با هوش مصنوعی به سرعت به یکی از پرتقاضاترین مهارت‌ها تبدیل شده است.
همه افرادی که به طور حرفه‌ای از هوش مصنوعی استفاده می‌کنند به سرعت می‌آموزند که کیفیت خروجی به شدت به آنچه به عنوان ورودی ارائه می‌کنید بستگی دارد. رشته مهندسی سریع به عنوان مجموعه‌ای از بهترین شیوه‌ها برای بهبود قابلیت اطمینان، کارایی و دقت مدل‌های هوش مصنوعی پدید آمده است.
رابین لی، بنیانگذار و مدیر عامل غول فناوری چینی بایدو، ادعا می‌کند: \”در ده سال آینده، نیمی از مشاغل جهان در مهندسی سریع خواهد بود. \” با این حال، ما انتظار داریم که prompting مهارت مورد نیاز برای بسیاری از مشاغل باشد، مانند مهارت در Microsoft Excel، نه یک عنوان شغلی محبوب به خودی خود. این موج جدید اختلال در حال تغییر هر چیزی است که ما فکر می‌کردیم در مورد رایانه‌ها می‌دانیم.
ما عادت کرده‌ایم الگوریتم‌هایی بنویسیم که هر بار نتیجه یکسانی را برمی‌گردانند – در مورد هوش مصنوعی که پاسخ‌ها غیر قطعی هستند، اینطور نیست.
هزینه و تأخیر دوباره عوامل واقعی هستند، پس از چندین دهه قانون مور که ما را در انتظار محاسبات بلادرنگ با هزینه ناچیز از خود راضی کرده است. بزرگترین مانع، تمایل این مدل‌ها به ساختن با اعتماد به نفس است که توهم نامیده می‌شود و باعث می‌شود در نحوه ارزیابی دقت کار خود تجدید نظر کنیم.
ما از زمان بتای GPT-۳ در سال ۲۰۲۰ با هوش مصنوعی مولد کار می‌کنیم و با پیشرفت مدل‌ها، بسیاری از ترفند‌ها و هک‌های اولیه دیگر ضروری نبودند. با گذشت زمان مجموعه‌ای از اصول ثابت ظاهر شد که هنوز در مدل‌های جدیدتر مفید بودند و در تولید متن و تصویر هم کار می‌کردند.
ما کتاب Prompt Engineering for Generative AI را بر اساس این اصول بی‌زمان نوشته‌ایم و به شما کمک می‌کند مهارت‌های قابل انتقالی را بیاموزید که بدون توجه به آنچه در AI در پنج سال آینده اتفاق می‌افتد، همچنان مفید خواهند بود.
همانطور که سام آلتمن، یکی از بنیانگذاران OpenAI می‌گوید، کلید کار با هوش مصنوعی «پیدا کردن چگونگی هک کردن درخواست با افزودن یک کلمه جادویی به انتهای آن نیست که همه چیز را تغییر می‌دهد»، بلکه آنچه همیشه اهمیت دارد «کیفیت‌ایده‌ها و‌ایده‌ها» است.
درک آنچه می‌خواهید. » در حالی که نمی‌دانیم تا پنج سال دیگر آن را «مهندسی سریع» بنامیم، کار مؤثر با هوش مصنوعی مولد اهمیت بیشتری پیدا می‌کند.
سرفصل‌های کتاب Prompt Engineering for Generative AI:
- Preface
- 1. The Five Principles of Prompting
- 2. Introduction to Large Language Models for Text Generation
- 3. Standard Practices for Text Generation with ChatGPT
- 4. Advanced Techniques for Text Generation with LangChain
- 5. Vector Databases with FAISS and Pinecone
- 6. Autonomous Agents with Memory and Tools
- 7. Introduction to Diffusion Models for Image Generation
- 8. Standard Practices for Image Generation with Midjourney
- 9. Advanced Techniques for Image Generation with Stable Diffusion
- 10. Building Al-Powered Applications
- Index
- About the Authors
جهت دانلود کتاب Prompt Engineering for Generative AI می‌توانید پس از پرداخت، دریافت کنید.
نقد و بررسی‌ها
هنوز بررسی‌ای ثبت نشده است.