Kitabı oxu: «ChatGPT. Мастер подсказок, или Как создавать сильные промты для нейросети»

Все права защищены. Никакая часть данной книги не может быть воспроизведена в какой бы то ни было форме без письменного разрешения владельцев авторских прав.

© ООО Издательство "Питер", 2024

* * *

Введение

Даже если вы далеки от технологических трендов, все равно у вас мало шансов ни разу не услышать о нейросетях и прорывах в области искусственного интеллекта (ИИ).

Нейросети то, нейросети се… Нейросети массово лишают работы художников. Нейросети обучают управлению самолетом. Нейросети внедряют в чат-боты, чтобы вживую общаться с клиентами. Этих новостей сегодня так много и число их растет настолько быстро, что даже самый ленивый человек хотя бы мельком, но обратит внимание.

А уж тот, кто не ленив и готов увидеть перспективы применения ИИ в бизнесе, работе, образовании, развлечениях и многом другом, и вовсе смотрит в оба глаза.

В этой книге мы не станем замахиваться на понятие «нейросети вообще», давать сложные и долгие объяснения или делать другие заумные вещи, которые 95 % читателей просто не поймут и начнут зевать.

Наша цель куда проще: мы возьмем один вид нейромоделей (генерация контента) и постараемся подружить вас с ним, перевести ваше общение с ИИ из формата «Что ТЫ такое?» в формат «Привет, поработаем?». Благо у нас (авторов данной книги) для этого есть и наработки, и кое-какой опыт, и собственный инструментарий. Приступим.

LLM и GPT как часть ИИ

ChatGPT – лишь часть глобального явления под названием «искусственный интеллект». Думаем, будет правильно, если мы опишем структуру этого явления, пусть даже самую суть, – чтобы вы могли понять его.

Если же вам нужно еще больше информации, то вы всегда можете спросить ИИ или найти в поисковиках. Это очень просто. Итак, начнем.

Искусственный интеллект (ИИ; от англ. artificial intelligence, AI) – компьютерная технология, которая помогает выполнять задачи, требующие творческого подхода, логического мышления, аналитических способностей и прочих признаков, которыми обладает только человек.

ИИ отличается от обычных программ тем, что может обучаться на основе опыта, менять выводы в зависимости от контекста, анализировать сложные вводные и многое другое.

Архитектура ИИ отчасти похожа на строение человеческого мозга с его нейронными связями. Разница только в том, что в ИИ эти связи – искусственные. Чем сильнее развиваются технологии, чем больше опыта и возможностей накапливается у ИИ и его разработчиков, тем «умнее» становится ИИ, тем больше улучшается качество искусственных связей.

Нейросети – нечто вроде подкласса ИИ. Скажем, если ИИ вообще – это семейство кошачьих, то нейросети – это и гепарды, и львы, и пумы, и домашние рыжие Васьки.

Нейросети опираются на общие принципы работы ИИ, но при этом могут кардинально различаться по уровню задач. Есть разные подвиды нейросетей наподобие рекуррентных, многослойных и т. п., но в данной книге мы не будем о них говорить.

Мы будем рассматривать нейросети по уровню задач. Например, нейросети:

• для распознавания голоса;

• для создания изображений;

• для работы с информацией (контентом) и т. п.

А вот уже внутри одного направления нейросетей (например, контентных) и находится то, с чем конкретно мы будем работать, – LLM.

LLM (от англ. Large Language Model, большие языковые модели) – это обученные модели для выполнения конкретных задач. LLM можно сравнить с ребенком: чем больше с ним общаются, чем больше фактов он узнает, тем больше учится и развивается, пытается анализировать, находить закономерности, работать с вводными данными и делать выводы.

Разные LLM можно обучать совершенно по-разному. Одни из них огромны и тратят колоссальное количество аппаратных ресурсов, для работы им нужны большие залы, наполненные самыми мощными и современными серверами. Другим же LLM хватит и самых простых «бытовых» мощностей.

Одни LLM узкоспециальны и обучаются под конкретную задачу: например, сводить оборот на основе документов одной компании. Другие готовы обслуживать население целых стран и выполнять тысячи разных задач.

Например, YandexGPT, Google Bard и версии GPT от OpenAI – «родственники». Это модели для работы с информацией (контент, написание кода, анализ текстов и т. п). Но чем больше мастерства, сил, средств, наконец, вложено в развитие конкретной LLM, тем радикальнее могут различаться результаты: по уровню знаний, внутренней архитектуре, объему контекста и т. д. При этом цели и задачи однотипных LLM примерно похожи.

А вот если вы хотите, например, рисовать, то нужны LLM наподобие Stable Diffusion, «Кандинский» или Midjourney. Для обработки видео вам понадобятся другие модели. И т. д.

Теперь, когда мы немного разобрались, поговорим о линейке конкретных LLM-моделей – GPT (ChatGPT).

GPT – передовая линейка генеративных нейромоделей для работы с информацией, которую разрабатывает компания OpenAI. Здесь есть небольшой нюанс: известный многим термин ChatGPT (если уж совсем дотошно) – не совсем верное название для всей серии LLM. Так называется лишь знакомый нам интерфейс для работы, похожий на обычный чат.

А вот GPT-3, 4, 5… – это номера конкретных версий моделей компании, где каждая следующая опережает предыдущую по целому ряду показателей.

В этой книге мы будем оперировать словами ChatGPT, «ИИ», «нейросеть», «модель» и т. п., имея в виду в первую очередь GPT от OpenAI. Просто потому, что на момент написания книги это явный лидер, который задает тон.

Но вообще мы создаем книгу универсального промтинга, не привязываясь к конкретному номеру модели и даже к конкретной LLM (что такое промтинг, мы расскажем чуть позже). Самый смак в том, что эти правила одинаковы для всех аналогичных LLM, поэтому подойдут и для других моделей. Почему – об этом еще поговорим, а пока продолжим.

Линейка моделей GPT сегодня опережает другие похожие решения. В OpenAI и начали раньше, и денег, видимо, хватало, и люди там талантливые. Словом, лидеры.

ChatGPT¹ постоянно развивается, всегда на несколько шагов впереди. Пока другие LLM доходят до его вчерашнего уровня, он уже машет рукой из завтрашнего дня.

Общение человека с ChatGPT ведется с помощью текстовых запросов (prompts), которые мы далее будем называть промтами или подсказками.

• В тексте они обозначаются вот таким шрифтом.

Суть работы модели выглядит так: человек вводит промт и получает ответ. Главное ее отличие от работы обычных программ в том, что GPT способна создавать ответы в таком виде, как если бы их давал человек.

Например, зададим ChatGPT задачу для пятого класса:

• Реши задачу: из автобуса на остановке вышло 6 пассажиров, а вошло 11. На следующей остановке вышло 8, вошло 9. Сколько пассажиров стало в автобусе, если вначале в автобусе было 24 пассажира?

Ответ модели, по сути, идентичен ходу мыслей обычного школьника (скопировано дословно).

Для решения этой задачи нужно проследить изменение количества пассажиров в автобусе на каждой остановке.

Изначально в автобусе было 24 пассажира. После первой остановки вышло 6 пассажиров, а вошло 11. Таким образом, количество пассажиров увеличилось на 11 – 6 = 5.

24 + 5 = 29 пассажиров после первой остановки.

На следующей остановке вышло 8 пассажиров, а вошло 9. Снова посчитаем изменение количества пассажиров:

29 – 8 + 9 = 30 пассажиров после второй остановки.

Итак, после обеих остановок в автобусе стало 30 пассажиров.

Еще год-полтора назад GPT так не умела, а сегодня – запросто. Это происходит благодаря глубокому машинному обучению – непрерывному процессу, в который входит и обучение моделей новым закономерностям, и расширение нейронных связей за счет увеличения программных мощностей, и колоссальная обратная связь с пользователями.

Чем больше мы общаемся с ChatGPT и чем больше реагируем, давая модели обратную связь, тем больше информации она получает и тем быстрее учится. Возникает тот самый эффект снежного кома.

«Выходит, нейросеть действительно умнеет и становится похожей на человека?» – спросите вы.

Честно – не знаем. Мы изучили массу докладов и лекций как ведущих ученых, IT-специалистов и разработчиков ИИ, так и нейропсихологов, нейрофизиологов и даже социологов. Среди экспертов нет единого мнения, поэтому вопрос остается открытым.

Мы приведем парочку фактов, а вы поразмышляйте и попробуйте сами сделать выводы.

Факт первый. Мы имеем дело уже не с программой, а с чем-то обладающим основами логики и анализа. И дальше навыки ИИ будут только расти. Все это видно по уже существующему прогрессу.

Факт второй. В техническом смысле нейросеть и не должна ничего «понимать» как человек. То есть ей для этого не нужны какие-то личностные или эмоциональные черты.

Почему? Потому что при глубоком машинном обучении сеть и не должна «очеловечиваться», она лишь ищет закономерности, закрепляет успешно подтвержденные и тем самым изучает, как работает человеческий язык. Для выполнения своих задач ей этого хватает.

Предполагается, что она лишь изучает вероятности и старается делать максимально «очеловеченный» вывод на основе наших данных. Например, что в такой-то связке слов и смыслов стоит употребить такие-то слова и смыслы и это даст лучшие результаты. Когда такое подтверждается много-много раз, сеть закрепляет это для себя как факт и делает частью стратегии.

Чтобы понять еще лучше, возьмем простой пример.

Есть некий Сергей Сергеевич, преподаватель истории в вузе. Раньше, рассказывая о временах Ивана Грозного (о которых он знает очень много), Сергей Сергеевич начинал издалека: давал предпосылки, углублялся во второстепенное, долго подводил к сути и т. д.

Со временем он заметил, что такая стратегия не работает. Пока он «раскачивал тему», большинство студентов теряли интерес. Да, кое-кто слушал, но 95 % – зевали.

Тогда Сергей Сергеевич начал корректировать свои лекции. Он отмечал, какой материал студенты понимают, а какой – не очень, к чему они быстро проявляют интерес, а где начинают смотреть на часы. И вот так, шажками, он создал конструкцию лекции, которая и по объему, и по уровню знаний была интересна большинству.

И теперь, когда приходит время лекций об Иване Грозном, Сергей Сергеевич читает их в рамках этой конструкции. Она обкатана. Она работает и дает лучший результат.

Примерно то же самое происходит и с GPT, только таких Иванов Грозных у моделей миллиарды, и закономерности постоянно обновляются, оптимизируются, шлифуются.

А теперь вопрос: в разрезе повышения качества лекций так ли нам важно, какой Сергей Сергеевич человек? Дарит ли жене цветы, ворчит ли на молодежь и бьет ли котиков по лапкам? Пожалуй, не очень. В контексте преподавания он интересен нам только как некий носитель знаний и объект, который изучает закономерности конкретно для лекций. Всё.

Точно так же не обязательно, что GPT должна «очеловечиваться» или расти в каком-то личностном или эмоциональном плане. Главное, что модель умеет учиться и становиться технически сильнее.

А вот наступит ли такой этап, когда, дойдя до определенного уровня развития, ИИ вдруг осознает себя как личность, или нет – это доподлинно не известно. Кто-то считает, что такое вероятно, кто-то только смеется. Так что не будем углубляться в эти дебри и просто пойдем дальше.

Итак, ChatGPT не только решает математические задачи. Модель открывает огромный пласт возможностей. С помощью нейросети можно делать что угодно:

• создавать опросы и анализировать текст;

• отвечать на вопросы и помогать с выбором на основе данных;

• придумывать диалоги и писать целые книги;

• программировать и разрабатывать новые алгоритмы;

• учиться языкам и сочинять поздравления;

• создавать контент для соцсетей и сайтов;

• играть в квестовые игры и искать логические ошибки;

• разрабатывать полезные меню и списки для саморазвития;

• находить лучшие аргументы для споров и писать сценарии;

• и многое, многое, многое другое…

Это очень сжатый перечень. А впереди нас ждут все те нюансы промтинга, которым посвящена книга. Мы вместе погрузимся в удивительный мир GPT и, что самое главное, научимся чувствовать себя там уверенно и комфортно.

Для какой версии GPT подходит эта книга

Повторимся: изначально мы создавали книгу, которая никак не привязана ни к одной модели. И даже если завтра сменятся тренды и на место GPT придет какой-то новый игрок, все равно ничего не изменится. Книга все так же будет актуальна.

Почему? По двум причинам.

Промтинг универсален. Наша книга не о возможностях какой-то конкретной версии GPT или другой модели. И в ней нет набора из тысячи простых промтов, которые, честно говоря, любой человек может штамповать сотнями в час, если имеет минимальные навыки промтинга.

Эта книга о создании запросов вообще, о промт-инжиниринге (промтинге) как явлении и системе. Мы пока вообще не касались промтинга, но именно ему и посвящена вся книга.

Да, в книге будут примеры промтов из разных ниш. Но не в качестве основного наполнителя и самоцели, а лишь как инструменты для развития креативности и понимания путей. В основном же мы будем давать не рыбу, а удочки, чтобы вы сами ловили свою рыбу. А рыба и сегодня, и завтра будет ловиться примерно по тем же законам.

Почему? Потому что…

ИИ развивается, но человек – статичен. Возможно, когда-то будет достаточно коснуться приложения, и GPT 70-й версии просканирует ваш мозг, поймет все желания, вашу целевую аудиторию, нужный стиль текста, а потом сразу выдаст идеальный контент, от которого все упадут в экстазе.

Но пока оптимальная модель взаимодействия конкретна:

• человек спрашивает – ИИ отвечает;

• человек задает рамки – ИИ подгоняет ответ под них;

• человек уточняет – ИИ отвечает еще лучше (в идеале).

Всё. Иных путей взаимодействия человека и машины просто не существует. Да, ИИ может быть невероятно крутым и развиваться с бешеной скоростью, но все равно нейросеть должна ориентироваться на отстающего. На среднего человека. И никак иначе.

Всегда есть среднестатистический пользователь, который обладает определенным уровнем интеллекта. Если мы говорим о коммерческом продукте, то ИИ все равно придется подстраиваться под того самого обычного человека, который просто хочет спросить и получить классный ответ.

Значит, все процессы взаимодействия с ИИ так и останутся примерно на одном уровне. Да, еще обязательно усилится точность и качество ответов в новых версиях, но это опять же говорит только о том, что будут расти качественные показатели машины, а не человека. Сам процесс общения не может ни сильно усложниться, ни упроститься.

Почему не усложнится? Потому что тогда потеряется массовая привлекательность продукта. Что-то слишком сложное не работает на широкую аудиторию. Да и прогресс – всегда про упрощение задач. Чем быстрее и легче, тем лучше, но никак не наоборот.

Почему не упростится? А уже некуда упрощать, промты сегодня и так максимально простые. Да, можно упростить какие-то конкретные детали, например вариант ввода голосом, возможность выбора стиля или библиотеки усилителей (как это сделано у нас в сервисе NeuroPanda (о нем расскажем чуть позже)).

Можно сделать надстройку к LLM с помощью обычного промтинга (например, А-блоки в NeuroPanda) или программирования (IT-архитектура под нужды конкретной компании), благодаря которым модели сразу будут знать, что вам нужен, скажем, текст лендинга в убедительном стиле.

Но сам по себе формат промтинга уже и так максимально приближен к реальности. Даже если вы будете просить не ИИ, а вполне себе живого специалиста написать вам какой-то конкретный текст, вы как минимум хотя бы раз тоже должны дать ему некие требования и вводные. Все то же самое, что и с ИИ.

Повторимся: эта книга не о версиях, а о мастерстве промт-инжиниринга вообще – как навыка, профессии и в чем-то даже искусства. В книге много практики, примеров, фишек и только самая полезная информация.

Кто и почему написал эту книгу

Мы – сотрудники проекта «Панда-копирайтинг». Более десяти лет «ПК» создает тексты для бизнеса, рекламы, вирусного маркетинга, SMM, сайтов и т. д. Конкретно по контенту написали пять книг (это шестая). Создали стиль «убедительно-позитивный копирайтинг», в котором работают сегодня компании и профессиональные авторы.

Когда стало очевидно, что ChatGPT не очередной «халиф на час», а мощный инструмент, мы решили изучить ИИ пристальней. Начали с малого: стали пробовать первые стандартные промты, даже пытались создавать контент для наших второстепенных проектов.

К счастью, мы быстро увидели несостоятельность такого подхода. Стандартные подсказки работали кое-как, да и без четкой системы такая работа похожа скорее на лотерею. Когда-то повезет, а когда-то получается полная ерунда.

В итоге мы решили погружаться в тему полностью. Зимой 2023 года начали разработку сервиса NeuroPanda на базе GPT. Осенью того же года сервис начал работать и сейчас доступен по ссылке https://neuropanda.app/. Весь доступ к нейросети можно получить без VPN и прочих сложностей.

Кроме того, у него есть дополнительные сервисы наподобие библиотек графических и контентных подсказок, отдельная группа в соцсети для проектов «ПК» (https://pandeon.pro/), курсы (тоже бесплатные) и прочие интересные вещи.

«И при чем здесь книга?» – спросите вы.

Давайте зайдем чуть издалека, чтобы было понятнее.

Мы сразу решили, что точно не будем еще одним сервисом, просто транслирующим ChatGPT для конечного пользователя. Для подобной «легкотни» есть и оригинальный сайт OpenAI, и всевозможные боты в мессенджерах, например.

Конечно, и такой подход приносил бы деньги, однако на этом бы наше участие и заканчивалось. По сути, мы просто перепродавали бы доступ к оригиналу. Никакого творчества и романтики.

Мы сделали NeuroPanda другим. В основе его работы сейчас лежат два формата: А-блок и чаты.

А-блоки – разделы с блоками, преднастроенные определенными промтами для конкретных задач. Например, А-блоком является крупный раздел с блоками для написания большой экспертной статьи.

Мы разбили задачу на шаги, в ходе которых вы можете собрать все элементы (заголовки, темы, идеи вообще и разделов, списки, кластеры и т. п.) так, как вам удобно, а затем на основе всего этого сделать добротную статью.

Если делать так самому просто в режиме чат-подсказки (пусть и многоуровневой, мощной), то все куда более сложно и непредсказуемо: слишком много вводных, слишком многое нужно учитывать, слишком велика вероятность запутать ИИ и нарваться на галлюцинации (это явление рассмотрим позже).

Чаты представляют собой как «чистый» ChatGPT без преднастроек, так и специализированные чаты для разных задач. Один, например, «заточен» на обучение языкам, другой поможет лучше находить логические ошибки или готовиться по конкретной теме.

А вот теперь о том, при чем здесь книга.

Процессы такого уровня – колоссальный труд. Нам пришлось не просто изучить подсказки изнутри и потратить много-много миллионов токенов («валюта» и мера объема GPT) в процессе работы. Нам волей-неволей пришлось:

• открыть массу фишек и закономерностей;

• сделать тысячи ошибок и понять их причину;

• найти интересные стратегии промтинга;

• обкатать сотни вариантов структуры и запросов;

• разочароваться в поверхностных промтах;

• прокачать креативность и увидеть новые пути;

• и т. д. и т. п.

В итоге мы стали сильными практиками промт-инжиниринга и накопили такой объем полезного практического багажа, который так и просился для отдельной книги. Именно поэтому она родилась.

P. S. Кстати, сейчас, поняв и освоив стандартный промтинг, мы уже вплотную подошли к более серьезному этапу, а именно – к созданию собственных LLM для точечных задач. Например, к написанию ИИ текста с определенной стилистикой.

Конечно, речь идет о надстройках на предобученные модели, а не о подготовке LLM c нуля, но в нашем случае такого и не требуется. Тонкое обучение – тоже не фунт изюма, но, надеемся, справимся и здесь.

Глава 1. Суть промтинга

В этой книге вы будете учиться правилам и приемам промт-инжиниринга. Им будут пропитаны все страницы, после чтения вы сможете совсем иначе взглянуть на потенциал ИИ. А теперь о само́м «главном герое».

Промт-инжиниринг (далее – промтинг) – это направление, изучающее навыки подготовки, создания и оптимизации подсказок (промтов) для нейросетей, где подсказка – это вводные данные, которые пользователь дает модели для получения нужного ответа.

Качество ответа может кардинально разниться в зависимости от того, насколько пользователь разбирается в правилах и тонкостях промтинга.

Посмотрим на две подсказки.

• Дай мне рецепты трех вкусных блюд на ужин.

С точки зрения промтинга это ужасная подсказка. Во-первых, нет никаких переменных и условий. Во-вторых, мы совершили типичную ошибку, добавив оценочное суждение «вкусных».

Наша природа такова, что мы почему-то надеемся, что результат будет соответствовать именно нашему вкусу. Но ИИ так не думает, для него «вкусных» = «ничего» или «что угодно». Кому вкусных? По каким критериям? Из каких продуктов? В результате человек чувствует непонимание и грусть: «Я пробовал (-а) ChatGPT, результат не вдохновил. Как-то все слишком обычно или даже слабо, ничего этакого».

Это самая частая фраза людей, просящих рецепты трех вкусных блюд. Когда промты слабы, неконкретны, запутанны, включают в себя взаимоисключающие условия или не устанавливают конкретные рамки подсказки, модель не сможет раскрыться. Вы будете пытаться выжать 100 км/ч на первой передаче, не умея переключаться до пятой.

Нейромодель GPT колоссально умна, она знает и умеет многое, но, чтобы вывести ее на нужный уровень, вы сами должны очертить ее рамки.

Теперь попробуем иначе.

• Дай мне рецепты трех блюд на ужин.

У меня есть продукты: 2 кг картофеля, 1 кг курятины, морковь, свекла, томаты, чеснок, лук, перец.

В рецептах можно использовать часть или все продукты из списка. Нельзя добавлять продукты, которых нет в списке.

Способ приготовления – жарка или тушение.

Длительность приготовления – до 2 часов.

Блюда должны быть оценены как очень вкусные в большинстве источников.

Все, кроме одного ответа ИИ, точно соответствовали заданию. Но в одном ИИ «взбрыкнул» и по собственной воле добавил вот такой рецепт.

Рецепт 3: томатный суп с овощами и курятиной.

Ингредиенты:

• 500 г курятины;

• 2–3 картофелины;

• 1 морковь;

• 1 свекла;

• 2–3 помидора;

• 2 зубчика чеснока;

• 1 луковица;

• 1 литр куриного бульона;

• 2 столовые ложки растительного масла;

• соль и перец по вкусу;

• зелень (петрушка, укроп) для украшения.

Приготовление:

1. Курятину порежьте…

Модель использовала рецепт с растительным маслом и зеленью, которых не было в списке. Проблема? Нет, это все еще промтинг. Добавляем в диалог новую вводную:

• Дай мне блюда без растительного масла и зелени, их нет в списке.

GPT уже помнит контекст, нейросети не нужно заново ставить условия. Мы лишь поправляем ИИ, вводя в нужные нам рамки. В итоге снова получаем три блюда, но уже с учетом прошлых ошибок. И теперь ни в одном нет «запрещенки». Вот один из примеров.

Тушеная картошка с курятиной в томатном соусе

Ингредиенты:

• 1 кг картофеля;

• 500 г курятины;

• 1 луковица;

• 2 моркови;

• 2–3 зубчика чеснока;

• 2–3 помидора;

• соль и перец по вкусу.

Приготовление:

1. Картофель…

Далее мы будем стараться не цитировать ответы GPT (только несколько раз в виде исключений). Все же не совсем правильно разбавлять авторский текст постоянными ответами ИИ.

Если бы мы пошли дальше, то могли бы попросить советы по сокращению времени готовки или, например, вытянули из ИИ какой-нибудь интересный соус из оставшихся продуктов. Повернуть можно куда угодно – этим промтинг и замечателен.

Конечно, картошка в томатном соусе – не высший пилотаж работы с подсказками, и все же пример отлично передает суть. Если мы умеем «управлять» ИИ, то GPT делает массу нужного и полезного. А если мы еще и креативны, опытны, знаем варианты «маневров», это лишь усиливает эффект.

Кому и где пригодятся навыки промтинга? Самое смешное, что практически всем и везде. Приведем буквально несколько примеров случайных ситуаций.

• Вы – менеджер. Вам нужно продумать варианты развития диалога со сложным клиентом. Или написать многоуровневое письмо с простой и четкой логикой.

• Вы – SMM-специалист. Вам нужны интересные идеи конкурсов, сценарии для историй и видео, контент-планы, посты и опросы. Или же вы хотите создать шаблоны и правила для экологичных ответов на агрессивные отзывы либо комментарии.

• Вы – папа. Вы хотите сочинять интересные сказки для младшей дочки, чтобы в них были обыграны известные ей места, события, упомянуты ваши домашние животные. Или продумать интересный сценарий для ее дня рождения, а старшему сыну – за десять минут сделать презентацию для школы.

• Вы – копирайтер. Вы тратите огромное количество времени на улучшение и редактуру текстов. Или же у вас писательский ступор, который не дает начать первый абзац, а то и вовсе сделать хотя бы черновик статьи.

• Вы – студент. Вы хотите написать классную курсовую, но креатива не хватает и со структурой проблемы. Или хотите блистать знаниями, используя малоизвестные факты, которых не было в лекциях.

• Вы – руководитель. Вам нужно проработать план и подобрать интересные сравнения для выступления. Или собрать релевантную информацию о предмете, который будете обсуждать с подрядчиком.

• Вы любознательны. Вам интересно пообщаться с умным собеседником, который готов расширить ваш кругозор по любому вопросу. Или же вы хотите поспорить с ИИ «без поддавков», получая честные аргументы.

Промтинг – это не унылые и однообразные действия (хотя порой случаются и они), а полноценный творческий процесс, содержащий поиск путей, новые открытия и неожиданные решения. По сути, это огромная территория, где можно пойти куда угодно и как угодно.

Если бы можно было сделать какой-то емкий, но максимально описательный слоган для промтинга, мы бы предложили такой:

«Всегда можно спросить!»

О чем? А вот обо всем. Вообще обо всем. И это не дежурная фраза, а, скорее, совсем иной уровень вашего опыта.

Работа с подсказками – это не только рост качества ответов или закрепления интересных ходов, это всегда еще и «перенастройка» мозга.

Например, если мы уже более или менее привыкли, что есть поисковики, которые знают ответы на множество вопросов, то работа с подсказками – совсем иной, куда более глубокий уровень.

Объем и направление запросов – безграничны. Чем больше человек работает с нейросетью, тем больше он видит точек опоры и вариантов решений.

Поначалу мы не очень умеем опираться на GPT. Наш опыт «работы с машиной» все еще ограничивается максимум поисковиками: вводим запрос – получаем список статей, видео и т. д.

А вот то, что мы сами можем сконструировать схему получения ответов, наш мозг еще пока не понимает. Не привык. Не охватывает.

Пример мышления промтера

Скажем, вы хотите стать копирайтером. Что нам обычно подсказывает опыт?

Как выглядит обычное решение?

Посмотреть в поисковиках запросы типа «как стать копирайтером», «книги про копирайтинг», «что нужно уметь копирайтеру» и т. п. Найти по ним статьи, книги и прочие носители и изучить их.

Суть обычного решения выглядит так.

Мы берем подходящую информацию, оценивая ее как конечный набор знаний. Все, что можно было «вытянуть» из внешних источников, мы вытянули. Если мы не поняли какие-то данные, что-то было недостаточно раскрыто в статьях (книгах и т. п.) или у нас есть сомнения, то мы со всем этим так и останемся один на один.

Как вариант, еще можно оплатить услуги специалиста или задавать вопросы в каких-то сообществах, но это уже другие, побочные решения со своими минусами (дорого, долго, могут не ответить и т. п.).

Теперь посмотрим на решение промтера.

И сразу же есть варианты: либо опять же начать с книг или других конечных источников, чтобы составить общую картину, а затем идти к ИИ, либо сразу начать терзать GPT. Выберем более удобный и надежный вариант: «знания людей + ИИ».

Сначала мы изучаем общую информацию. Книги, статьи, видео и пр. Погружаемся. Вникаем. Затем, когда уже есть какое-то представление об объекте изучения и первые вопросы, можно приступать к промтингу.

Например, у нас есть вопросы по заголовкам:

• Чем плохой заголовок отличается от хорошего? Дай примеры обоих случаев.

Объясни, чем каждый из них плох или хорош.

Я напишу пять заголовков, скажи, какие из них лучше и почему.

Терзаем GPT…

Немного разобрались. Идем дальше и снова собираем знания:

• Какие малоизвестные формулы заголовков эффективно работают с информационными текстами и почему?

• Какие ошибки допускают копирайтеры при создании заголовков?

• Чем отличается заголовок по формуле AIDA* от заголовка по формуле PAS*: дай основные тезисы и примеры каждого вида. Объясни различия на примерах.

• Я хочу знать все лучшие формулы заголовков, сначала дай мне основные данные о них, а затем создай тест для закрепления материала.

* Об этих и других формулах поговорим в главе 10.

Что-то не получается? Скажем, ИИ дает вам тесты из своих примеров, а вам нужны тесты с вариантами ответов? Или тестирование с вариантами «правильно-неправильно»? Или еще какое-то?

Не забываем, что с нами слоган «Всегда можно спросить!».

Если ИИ выдает вам тесты с вариантами ответов, а вы хотите чего-то другого, то все исправит простенький промт:

• Ты дал мне тесты с вариантами ответов, а я хочу тестирование «правильно-неправильно» с 20 вопросами. Под каждым вариантом сам ответь – какой вариант верный и почему.

Вот так, шажками, проникая все глубже и постигая нюансы, мы можем саморазвиваться. Если встретился какой-то большой пласт знаний, то можно снова изучить книги и статьи (чтобы разобраться в теме), а затем опять перейти к общению с нейросетью.

Да, сегодня все еще не так радужно (о минусах промтинга мы скажем отдельно), но такая стратегия реально работает и дает очень хорошие результаты, особенно в тех нишах и областях знаний, где есть некие общепринятые международные стандарты (программирование, философия, физическая культура, психология, зоология и т. д. и т. п.).

И еще важный момент: слоган «Всегда можно спросить!» актуален, конечно, не только для самообразования. Это общий принцип, который работает при любых задачах. Ниже указана лишь часть глаголов-действий для подсказок, раскрывающих потенциал ИИ:

Верно высказать невысказанное

Это еще один родственный навык, который со временем появляется у практиков промтинга. Но сначала обрисуем контекст.

Парень говорит: «Мам, хочу красивую обувь на лето». А красивая обувь на лето, по его мнению, – это, безусловно, ультрамодные тряпочные кеды, писк сезона. О них все знают! У него даже в голове не может уложиться, что кто-то думает иначе.

Но, к сожалению, мама думает иначе и покупает кожаные туфли, «ведь в них и на Первое сентября еще сходить сможешь, какая чудесная экономия». В итоге – непонимание и обиды.

Или, скажем, муж пишет жене: «Приготовь ужин, я жутко голодный».

Раньше он уже так писал и уже знает, что в таких случаях его обычно ждет любимая жареная рыба с картошкой. Муж так пропитался этой уверенностью, что, когда его встречают дымящиеся пельмени, он чувствует разочарование.

Но виновата ли в этом жена? Если между ними не было уговора, что «приготовь ужин, я жутко голодный» всегда и во все времена означает «жареная рыба + картошка», то вовсе нет.

Она могла решить, что пора бы и разнообразить меню.

Она могла устать и решила, что идти в магазин за рыбой не обязательно, ведь четкой конструкции «договора» не было.

Жареная картошка с рыбой и «я жутко голоден» вообще могли быть цепью случайностей, а не четко закрепленной конструкцией.

На ситуацию могут повлиять и многие другие факторы.

Как итог, муж не дал конкретные вводные, жена подстроила часть вводных под свои условия, и оба грустят. А пельмени стынут…

Да, со временем часть из нас учится на таких вот ошибках и понимает, что нужно уточнять, конкретизировать и вообще «строго по техзаданию», если хочешь, чтобы тебя поняли. Но…

Во-первых, далеко не все делают нужные выводы и ходят по таким граблям всю жизнь.

Во-вторых, пользуются таким опытом только для каких-то крупных и важных задач, а в мелочах – нет.

В-третьих, и на старуху бывает проруха. Нет-нет, ослабляем контроль – и снова грабли.

А теперь представьте: если даже в общении с близкими людьми мы бываем неправильно поняты или обманываемся в ожиданиях, то что говорить о нейромодели, которая изначально «заточена под всех»? Да, ее можно вывести на очень полезные уровни «под себя», но для этого нужно пропитаться одним очень важным пониманием.

Промтинг – это всегда умение найти, учесть и верно высказать невысказанное. Мы привыкли к тому, что обычно общаемся с себе подобными, до такой степени, что регулярно опускаем некоторые нюансы, которые в общении с ИИ опускать нельзя.

Мы спрашиваем коллегу: «Как лучше утеплить баню?»

Вроде бы простой вопрос, мы привыкли оперировать такими в обычной жизни. И даже не замечаем, что в нем по умолчанию уже скрыта масса смыслов.

Коллега знает, что у меня невысокий доход, поэтому предложит самые дешевые варианты.

Коллега знает, что я не профессионал в строительстве, поэтому предложит что-то попроще.

Коллега и я живем в Сургуте, где бывают сильные холода.

Я знаю, что коллега недавно утеплял баню и хвалился, что все быстро. Поэтому я жду какого-то легкого решения. И т. д.

Но поскольку коллега знает контекст и скрытые смыслы, он уже учитывает невысказанное и дает вполне подходящий нам ответ.

Увы, ИИ – это не коллега. И на такой запрос (без уточнений) можно получить что угодно. А вот чтобы получать то, что нужно, промтеру важно научиться переиначивать мышление так, чтобы общение с ИИ включало в себя и то самое, невысказанное, которое кажется «вроде и так понятно». Это совсем другой опыт, требующий практики.

Плюсы и минусы работы с GPT

Эта книга не будет гимном подсказкам. Да, у модели множество плюсов, но и кормить только сахаром – не в наших принципах. GPT, конечно, сильный и умный, но пока далеко не идеален.

У него есть ряд недостатков, о которых обязательно стоит сказать. Впрочем, и плюсы мы в стороне тоже не оставим.

«ПК» – контентщики, а потому мы оцениваем все, исходя из своих профессиональных навыков. Мы не самые удобные экзаменаторы, которые ставят тройку там, где другие бы поставили четверку или пятерку.

Словом, скажем, как видим. Без вранья. Все же наша цель не пиар нейросети, а выявление реального рабочего потенциала.

Минусы

Нестабильность оценочных суждений

В двух идентичных запросах с разницей в минуту GPT может дать два абсолютно разных ответа. Это не человек с каким-то статичным мнением, который и сегодня, и завтра на вопрос о десяти лучших книгах для начинающего писателя даст примерно один и тот же список.

Увы, у GPT списки могут легко разниться на 100 %. И этому не помогает ни изменение контекста, ни использование ролей (об этом поговорим чуть позже).

Почему так происходит? Мы спросили у GPT:

• Скажи, почему при одинаковом запросе в разных диалогах даже при полной смене контекста ты даешь разные ответы?

ИИ дал такой ответ.

Этому может быть несколько объяснений.

1. Статистическая случайность. Внутри модели используются стохастические методы, в том числе случайный выбор, что может привести к некоторому уровню разнообразия в ответах, даже при одинаковом входном контексте.

2. Зависимость от предыдущих итераций. Если модель напрямую взаимодействует с предыдущими входными данными, то результаты могут варьироваться в зависимости от предыдущих ответов модели. Если один из нулевых контекстов до этого сгенерирован другой моделью или пользователем, то модель может прочитать этот контекст и использовать его при определении ответа на следующий запрос.

3. Недостаточное количество информации. При нулевом контексте модель может не иметь достаточно информации для однозначного ответа и, следовательно, может предложить несколько различных вариантов в ответе, основываясь на общих знаниях.

Так что чрезмерно надеяться на «лучшие», «самые» и прочие субъективные суждения нейросети не стоит.

С объективными же суждениями (например, «пять самых крупных животных мира») все иначе. Практически полный порядок уже сейчас. И все же (на всякий случай) советуем вам при запросе ответа требовать от ИИ критерии оценки.

Например:

• Дай список пяти самых крупных животных мира, *укажи вес в килограммах.

* – критерий.

Если и теперь сомневаетесь, то можно перепроверить, задав тот же промт, но уже в новом контексте (начав новый разговор). Когда данные корректны, ответы будут идентичны. А вот если они почему-то не идентичны, то нужно спросить почему и попросить еще раз перепроверить.

Нестабильность реакций на подсказку

GPT порой «взбрыкивает» и на уже неоднократно проверенный промт дает не ту структуру, как раньше, даже если подсказка этого требует. Такое происходит нечасто, но все же случается.

Если подобное произошло, то попросите модель еще раз пересмотреть условия и дать ответ строго по ним. Или же дайте пример «эталонного» ответа, когда нейросеть отвечала вполне корректно, выдавая верную структуру.

Галлюцинации

Коротко говоря (подробнее поговорим в главе 2), это всякая ерунда (вымышленные факты, имена, варианты решений и т. п.), которую ИИ берет непонятно откуда.

ИИ может фантазировать как по вполне изученным темам (все реже), так и в случаях, когда у ChatGPT не хватает информации.

Так что на всякий случай советуем вам перепроверять ключевую информацию, касающуюся каких-то чисел, имен, дат, фактов и т. д. Но будем объективны: галлюцинации в свое время сильно подпортили имидж ChatGPT, поэтому разработчики нещадно борются с ними.

Неумение ИИ признаться в незнании

Такое явление встречается все реже. Это тоже подвид галлюцинаций, но несколько иного рода: чистый креатив при полном отсутствии информации.

Например, собранным нами у GPT причинам, по которым крокодилы мигрируют в Сибирь, мог бы позавидовать любой ученый. Но это было давно, в самом начале развития, сейчас ChatGPT стал скучным и признает, что не знает о таком виде миграций.

ChatGPT совсем или частично не подходит для ряда ниш и задач

Здесь следует учесть несколько особенностей.

Национальные и социальные особенности. ChatGPT – изначально англоязычная разработка, хоть и отлично говорит по-русски. И обучалась модель на основе колоссального пласта западной системы знаний, культуры, традиций, профессиональной специфики, менталитета и т. д.

Иными словами, о том, что не «за океаном», уровень знаний у модели еще невысок. Да, сегодня она уже умеет подстраиваться под язык пользователя и учитывать это при ответе. Например, посоветует для покупки автомобиля не западные, а российские сайты.

Будем надеяться, что со временем этот минус уйдет. Тем более что от модели к модели виден явный прогресс.

Профессиональные особенности. Есть целый ряд профессий и направлений, где GPT стоит использовать с оглядкой (бухгалтерия, юриспруденция, технологии). В их основе лежат разные законодательства и требования, много-много нюансов. И всех их ИИ, увы, пока не знает и не умеет различать.

Здесь (как и для других пунктов) пока верно правило: если что-то касается единой, общей системы знаний (например, первого закона Ньютона или определения термина «инфляция»), то все нормально. Когда же начинаются какие-то национальные, социальные и прочие особенности, стоит быть внимательными. Вам ведь не нужен доклад руководству, в котором два из семи законов Российской Федерации трактуются иначе, верно?

Технические особенности. Сейчас в интернете можно встретить такие подсказки для задач, как «создание бизнес-плана», «маркетинговый анализ», «сбор ключевых запросов» и т. п.

Чтобы вы поняли, почему мы говорим о таких запросах, приведем аналогию.

Есть макеты видеокамер, которые работают на батарейках. Очень похожи на настоящие камеры, некоторые даже крутятся и мигают. Они намного дешевле настоящих камер и с задачей «создать видимость видеонаблюдения» справляются. Есть лишь один нюанс – это не видеокамеры.

То же самое касается и промтов наподобие «создание бизнес-плана», «маркетинговый анализ», «сбор ключевых запросов». Да, результаты могут быть очень похожи на реальные маркетинговые анализы, но все это – только макеты. В других областях ChatGPT уже работает камера, с разным качеством съемки, но камера. А здесь – бутафория.

Какие-то ключевые запросы собрать, конечно, можно, но они точно не будут отражать истинное положение дел. Чтобы работать с такими тонкими настройками, нужны как минимум специальные онлайн-сервисы.

Или, скажем, бизнес-план. В нем учитываются десятки нюансов: точки роста, анализ рынка, перспективы отрасли и т. д. и т. п. Чтобы это работало, нужно как минимум иметь пласт дополнительной информации. Вы уверены, что ChatGPT сможет ее собрать, например, для Ростовской области, а то и вовсе для какого-нибудь конкретного ее города?

Это ни в коем случае не значит, что ChatGPT и бутафория везде идут бок о бок. Во множестве областей нейросеть очень ценна: там, где нужно создать сценарий, изучить или проверить текст, привести логические аргументы, написать пост и много-много где еще. Но часть направлений, увы, пока вне ее епархии.

Но даже если случилось невероятное и вы ввели какой-то громадный детальный промт для того же маркетингового анализа, все равно возникает множество сложностей. Где гарантия, что: во-первых, не будет галлюцинации; во-вторых, ChatGPT учтет абсолютно все вводные; в-третьих, будет рассчитывать все по вашим правилам и т. п.? Ее нет…

Одно дело, если с помощью ИИ вы создали слабенький пост для соцсети: качество видно сразу, всегда можно отредактировать. Но даже если что-то не заметили и разместили «как есть», то большой беды не будет.

И совсем другое дело – с виду вполне серьезный маркетинговый анализ, но с явным изъяном в расчетах. Там до потери больших денег, времени и сил рукой подать.

Сказанное выше верно при том самом «промтинге из коробки». То есть когда вы берете общую модель GPT и с помощью подсказок пытаетесь получить результат. Например, на основе симптомов пытаетесь понять, какая у вас болезнь и как ее лечить. Это, конечно, неправильно.

Но, как мы помним, существуют и LLM, которые специально обучают для конкретных задач. Так, есть интересный кейс, когда одна западная клиника на основании тысяч подтвержденных врачебных диагнозов сумела обучить модель ставить диагнозы. И по точности они даже превышали средний показатель клиники среди обычных врачей. Конечно, все перепроверял человек, но экспертность ИИ уже явно видна.

Или, например, маркетинг. Если обучить LLM стратегиям создания маркетинговых анализов в вашем агентстве, то модель тоже сможет создавать совсем иной по качеству материал, реально полезный и сильный.

Да, это непросто и недешево, но возможно. Сделать точечный умный инструмент из ИИ можно и для таких сложных задач, но это уже штучная работа, а не массовый промтинг.

Результаты нужно дорабатывать

Это даже не минус, а, скорее, изначально завышенные ожидания. Массовый хайп, недостоверные обещания в рекламе (курсы, сервисы и т. п.) и неверное понимание сути ChatGPT лидерами мнений привели к тому, что нейросеть наделили магическими свойствами. Дескать, нажать только раз – и вот уже тебе и контент для сайта на год, и книга-бестселлер, и пламенная речь, от которой рыдают даже стены. Конечно, когда оказалось, что все не совсем так, народ остыл и начал считать, что его обманули.

Никто никого не обманывал. ChatGPT и правда невероятно силен. Но есть несколько моментов, которые нужно понимать.

1. ChatGPT не монолитный ИИ с каким-то общим качеством любой работы. Модель разбита на условные сегменты с разным качеством выполнения задач. Часть задач уже делает шикарно (и человек не нужен), часть – отлично (но с человеком лучше), часть – нормально (участие человека желательно), часть – слабовато (участие человека обязательно), часть – совсем слабо (те же бизнес-планы).

2. Чем выше ваши навыки промтинга, тем меньше вы будете разочарованы. Если вы умеете работать с ИИ и понимаете, как ставить задачи, то получаете более сильный результат. Вы уже на шаг впереди, вдобавок можете усилить результат с помощью все того же промтинга.

3. Дорабатывать – это нормально. Например, статьи из A-блоков NeuroPanda можно сразу публиковать на каких-то ресурсах с минимальной проверкой и редактированием. Но если вы хотите еще лучше, например добавить немного убедительно-позитивного стиля (см. книги «Тексты, которым верят» и «Копирайтинг: сила убеждения»²), это пойдет только на пользу материалу.

Когда нужно что-то сократить, добавить личные кейсы, ввести свой подраздел – в любом из этих случаев ChatGPT помогает значительно сэкономить деньги, время и силы. Мы уж не говорим о тех, кто вообще не умеет писать статьи. Для них почти готовая статья – подарок из подарков. И это правило верно для ChatGPT практически везде.

Мы уверены: со временем качество результатов ИИ будет только расти, но тандем «машина + человек» всегда лучше, если вы хотите выжимать максимум.

Все сложнее отличить ChatGPT от человека

Это одновременно и плюс, и минус – смотря с какой стороны смотреть. Но поскольку мы сразу сказали, что будем писать как есть, то не можем не упомянуть данный факт.

«Интервью» и «экспертные ответы» специалистов, статьи на биржах копирайтинга, аналитические материалы, сторителлинг, контент, который вы считаете обычным, уже сегодня создают с помощью ChatGPT.

И если контент, созданный по совсем слабым подсказкам (без контекста, усилителей и какой-либо серьезной структуры), еще как-то видно, то работу хорошего промтера, да еще и владеющего навыками редактирования, выявить все сложнее. Такие тексты будут проходить проверку уникальности, будут написаны живым языком, все будет казаться нормальным, но это все равно ИИ.

И вроде бы, наоборот, это же хорошо: создавать тексты станет дешевле, быстрее, проще. Все так, но на другой чаше весов есть и минусы.

Уменьшается количество работы у создателей контента. Дизайнеры уже ощутили это на себе: в интернете хватает историй, как целые отделы дизайнеров заменяют парой-тройкой промтеров или же обучают промтингу тех же дизайнеров, но часть все равно сокращают.

И это не хайп, а реальность: графика, созданная современными нейросетями, уже не просто классная, а классная-классная. Зачем, условно говоря, тратить 100 рублей на прорисовку персонажей, если можно за 10 рублей нарисовать не хуже, но в 200 раз быстрее и в 2000 раз больше? По сути, нужно лишь создать один мастер-промт, отточить результат – и готово.

Да, с контентом все еще не так однозначно, но это тоже лишь вопрос времени. Просто обработка текстовой информации – более сложное направление. Наскальные рисунки ведь тоже появились раньше письменности.

Появляется огромный простор для конфликтов, обид и непониманий. От пользователей нейросетей можно услышать такие жалобы или сомнения:

• «Я заказал сделать реферат, заплатил по высокому тарифу, как кандидату наук, а мне кажется, это писала нейросеть…»;

• «Я заказал подробный астрологический прогноз, но…»;

• «А вы точно за эту сумму денег создадите уникальный контент-план с анализом эксперта-маркетолога или?..»;

• «Я дорого заплатил за авторскую статью, а мне дали ChatGPT, я сам проверил “детектором ИИ”…» (а человек и вправду писал сам, даже лучшие «ИИ-детекторы», увы, не всегда правдивы).

Наверное, это издержки прогресса. Наверное, так всегда и бывает. Наверное, в будущем появятся безошибочные детекторы ИИ и четкие рамки подобной работы. Но пока так.

Плюсы

Главный плюс GPT – сам факт его появления и существования. Да, еще хватает тех, кто готов смеяться над каждой ошибкой и промахом ИИ. Примерно так же в свое время извозчики смеялись над первыми автомобилями…

Здесь главное – не торопиться. Да, ИИ пока еще «ребенок». Да, он ошибается. Да, где-то пока громоздок или туповат. И все же колоссальный прогресс и потенциал сложно не увидеть. А время уж само все расставит по местам.

Сильный помощник

Люди разные, и уровень подготовки, креатива, навыков у них разный. Кто-то и сам генерирует смыслы пачками, фонтанируя креативом не хуже GPT. Таким людям, возможно, ИИ лишь время от времени подбрасывает новые идеи или сокращает время выполнения рутинных задач.

А есть и те, у кого с идеями не так чудесно или с текстами не складывается. Тогда ИИ уже не просто подспорье, а незаменимый, крайне важный, толковый и выгодный партнер. А то и первая скрипка.

Почти полная универсальность

Если отбросить многослойные задачи вроде маркетингового анализа или создания бизнес-планов, останется огромнейший пласт компетенций ИИ. Нейросети – своеобразная смесь неваляшки и автомобиля с лебедкой для самовытягивания. Даже если вы совсем забуксовали или все пошло не туда, можно исправить ситуацию, используя пару промтов. Каждый шаг изменить или улучшить, сложное упростить, непонятное объяснить, обычное сделать хорошим – все это может ИИ.

Нейросети – бесконечно раскрывающаяся система с любым количеством слоев. Чем больше вы знаете о промтинге, чем лучше понимаете принципы, чем сильнее ваше «высказать невысказанное», тем дальше вы можете зайти. Было бы желание. И это замечательно.

Тренировка мозга и развитие мышления

Ученые давно доказали: мозг поддается тренировке так же, как мышцы тела. Недаром есть развивающие головоломки, задачники для улучшения памяти и многое другое. И наоборот, если мозг не нагружать, то он постепенно теряет цепкость мышления, «заплывает жирком».

Казалось бы, подсказки как раз мешают тренировке мозга. Ввел промт – получил ответ. Но это только на первый взгляд. На самом деле промтинг требует достаточно большого количества умственных усилий. Нужны и мозговые штурмы, и учет возможных ошибок, и анализ промта, и умение сплести в один мастерский промт все важные вводные.

Скажем по себе: ежедневная практика промтинга значительно повышает мыслительные, аналитические, творческие и когнитивные способности человека. Так, например, на первых этапах самообучения даже удержание в голове нескольких вариантов работы подсказки требовало от нас значительных усилий. Сейчас же это происходит автоматически. Проще говоря, если раньше нам сложно было удержать в голове три-четыре нити процесса, то теперь и десять – нормально. Анализ тоже дается легче. И креативность растет. Словом, промтинг – самый настоящий брейн-фитнес с явными, ощутимыми результатами, отличная практика во времена культа «ленивого мозга».

Помогает «просто взять и начать»

Люди творческих профессий знают, насколько сложно бывает взять и приступить к делу. Виной тому – творческий ступор, когда человек попросту не знает, как и с чего начать. Сюда же можно добавить страх перед задачей и процессом работы над ней. Как очень верно заметил Г. Лауб: «Самая тяжелая часть работы – решиться приступить к ней».

Нередко такая стратегия перерождается со временем в хроническую прокрастинацию. Мы в ступоре, а потому откладываем и откладываем дела. Затем это становится привычкой. А позже – и вовсе системой, обязательным ритуалом.

В итоге прокрастинация начинает разрушать нашу жизнь, параллельно подминая под себя карьеру, социальную позицию, самооценку, заработки, отношения в семье и даже здоровье.

ИИ – отличное лекарство от творческого ступора. Вам уже не нужно бояться начать или переживать, что нет идей. Один маленький промт – и проблема решена. Да, может быть, не сразу найдутся лучшие решения, но главное – вы уже начали, втянулись. Значит, и ступор уже позади.

То же касается и вдохновения, и креативности. В создании любого рода контента часто все решает всего одна идея, какой-то новый ход, после которого все раскрывается иначе. И таких ходов у ИИ хватает.

Кстати, примерно в одно время с этой книгой выйдет книга Петра Панды «Прокрастинация всё». Это большая практическая книга-тренажер от бывшего прокрастинатора. Если откладывание дел на потом стало для вас обычной практикой, то советуем хотя бы поинтересоваться. Не пожалеете.

Промтинг – навык будущего

Прогресс, увы, неумолим. Там, куда приходят роботы и компьютеризация, со временем либо они заменяют человека, либо людям нужно учиться как-то сосуществовать. Честно говоря, особых восторгов из-за этого мы не испытываем, но такова реальность, и нам в ней хочешь не хочешь, а жить.

Еще двадцать лет назад интернет был баловством для избранных. А тридцать – и компьютеры-то были редкостью. Сегодня это явление повсеместно и стало неотъемлемой частью жизнью.

Так же и промтинг. Да, возможно, не все и не сразу поймут его преимущества. Но главный ориентир намечен: ИИ делает многое быстрее, дешевле, а порой уже и лучше человека. Значит, выгодно. Значит, станут работать законы рынка. Значит, начнется очередной виток «роботизации».

Мы не говорим, что вам обязательно нужно становиться промт-инженером (хотя и такая профессия потихоньку набирает популярность). Но «уметь в подсказки» все же стоит. Хотя бы для себя, чтобы потом не догонять впопыхах. А может, стоит сразу сделать это своим карьерным усилителем. Другие не умеют, а вот вы – да. Другие долго, а вы – быстро и лучше. Вариантов много.

Навыки промтинга пригодятся почти везде. Сегодня, например, уже никого не удивишь навыком работы в Word, а вот лет двадцать пять назад он был весомым преимуществом. Думаем, вы поняли аналогии.

Если вы уже сейчас научитесь не просто составлять промты, а творить с ними всякие дивные штуки всем на зависть, повышающие продуктивность раза в три, то вас точно выделят.

Глава 2. Работа с подсказками и контекстом

Суть и структура подсказки

Поговорим о том, что такое промты и как они устроены.

В обычном, массовом понимании промт – это простой запрос к нейросети на выполнение конкретного действия. Он не предусматривает сложной конструкции и соблюдения сложных техник промтинга.

Например:

• Напиши мне статью о рыбалке.

• Перепиши этот текст другими словами.

• Дай мне самые известные факты о Сократе.

Как видите, такие подсказки элементарны. Чтобы с ними работать, особые навыки не нужны. С одной стороны, вроде бы это и хорошо, но с другой – не очень.

Представьте, что вы пришли в ресторан и просите салат с овощами. Да, возможно, вам приготовят как раз то, чего вы ждете. Но вполне вероятно, что официант принесет овощной салат с творогом, а вы не любите молочное. Или с овощами и морепродуктами, а у вас аллергия. Или с острой морковью, а вы ее не едите.

Промт в обычном понимании – это как раз тот самый «салат с овощами». Конечно, есть вероятность, что вас устроит результат, но все же управлять процессом вы не сможете, а потому и вероятность удачного исхода не гарантирована. И если вам такой расклад не по нраву, добро пожаловать на второй смысловой уровень!

Промт в понимании промтера – это совокупность данных (контекст, усилители, один или несколько простых промтов), которые органично вписаны в запрос для достижения конкретного, заранее ожидаемого результата.

Скажем, нам нужен пул недорогих статей для сайта о пошаговой установке программ. Простым промтом наподобие Напиши статью о N такую задачу не решишь, результаты ИИ при столь скудных вводных очень разнятся. Значит, нам нужно что-то посерьезнее, со второго уровня.

Например, достаточно простой по смыслу, но уже более структурированный и конкретный промт такого формата:

• Ты выступаешь в роли технического копирайтера. Твоя задача – создавать руководства для статей о том, как работать с программным обеспечением. Напиши четкую и полезную статью о том, как выполнить основные шаги по решению задачи по теме статьи.

Тема статьи «Как установить Photoshop на компьютер. Пошаговая инструкция».

Общие требования: указывай места (не менее семи), в которых нужно добавить скриншоты для лучшего понимания читателем. Такие места указывай как (добавить скриншот). Затем я сам добавлю скриншоты.

Требования к тексту: 1. Используй только конкретные, точные, проверенные сведения. 2. Обязательно учитывай каждый пункт, каждое действие пользователя, например «нажать кнопку установки», «свернуть экран приложения» и т. д. 3. Не используй очень длинные предложения. 4. Статья должна быть написана простым языком, содержать четкие и конкретные смыслы.

Требования к структуре статьи: 1. Не менее 2000 символов. 2. Не менее двух подразделов, также дай им названия. 3. Обязательны перечисления основных этапов работы с ПО по номерам. Внутри каждого этапа используй маркерные списки, если они нужны.

Приступай, железяка!

Что конкретно мы сделали? Во-первых, мы создали удобный универсальный шаблон: достаточно поменять название статьи – и можно делать другой материал. К тому же в подсказке мы не только собрали все нужные условия, но еще и заранее предусмотрели, что:

• ИИ может делать статьи разного объема (поэтому указали объем);

• ИИ может начать создавать статьи с разной структурой (поэтому дали формат пошагового FAQ);

• ИИ может игнорировать какие-то этапы (поэтому потребовали учитывать каждое действие пользователя).

И так далее…

При взгляде на промт все кажется логичным и простым. На самом же деле такой подход приходит с опытом. Со временем у вас появляется умение видеть и предусматривать. Расширять и усиливать. Находить лучшие формулировки. Четко структурировать. Все это в комплексе и есть мастерство промт-инжиниринга.

На секунду вернемся к овощным аналогиям. В первом случае, при стандартных промтах, вы ждете официанта и лишь надеетесь. Во втором, имея навыки промт-инжиниринга, вы смело идете на кухню, чтобы дать повару конкретные инструкции.

Далее мы будем учиться работать именно с такими подсказками. Но это не значит, что у нас не будет малых промтов. Будут. Они нужны как для доработки (итераций) главного промта в диалоге, так и для прокачки навыка «всегда можно спросить». Насмотренность очень важна: чем больше примеров и приемов вы видите, тем больше идей и стратегий рождается у вас в голове.

Дадим полезный совет. В соцсети «ПК» Pandeon.pro мы создали бесплатную группу для промтеров. В ней вы сможете задать вопросы, помочь другим или получить помощь (сотрудников «ПК» и других промтеров), похвастаться идеями и много чего еще. Cмело заходите, даже если вы застенчивы или опасаетесь негатива: на всех наших проектах действуют форматы позитивного общения. Все корректно и по-доброму.

И конечно, теорию важно закреплять практикой, это позволяет видеть всю картину и сразу подключать анализ. Будет здорово, если во время чтения книги вы станете параллельно тестировать промты из нее. Уже работаете в каких-то сервисах? Отлично! Нет любимого сервиса? Попробуйте NeuroPanda.app (нам есть чем похвастаться в плане удобства и функционала).

Если вы читаете электронную книгу, то с ней проще: скопировали текст промта, вставили в ChatGPT. С бумажной можно иначе (если не хотите набирать руками): используйте приложения в смартфоне (их много), которые сканируют картинки в текст. Или можно вводить промты голосом, такая функция у NeuroPanda тоже есть.

Технические нюансы уладили, пора возвращаться к промтам.

Структура промта

Как мы уже говорили, простые промты могут вообще не иметь структуры. Они состоят только из прямого запроса и, возможно, каких-то минимальных условий. Например:

• Дай главные аргументы, опровергающие, что Земля – астероид.

• Создай план курса по обучению копирайтингу (запрос) на 10–15 уроков (условие).

Совсем другое дело – многослойные, сильные промты. Чтобы их писать, нужно знать основы промтинга и понимать принципы создания подсказок. Этим сейчас и займемся.

Формула «Три вопроса»

Как ни странно, но за все время изучения промтинга мы нигде так и не встретили простой и понятной формулы для создания подсказок. Материал был запутанным, многошаговым, трудно запоминался.

Пришлось создать свой вариант, который был бы одновременно и простым, и конкретным и при этом легко укладывался в памяти. Результат нас полностью устроил: наша формула отлично показывает себя на практике.

Поговорим о ее сути.

Промт, написанный по нашей формуле, состоит из трех вопросов.

• Что? (ядро подсказки, суть, основной запрос)

• Почему? (почему нужно именно так: бэкграунд, контекст подсказки)

• Как? (усилители, которые создают правила для вывода ответа).

Еще раз, коротко:

• Что? (ядро)

• Почему? (контекст)

• Как? (усилители)

Теперь попробуем на примере.

• Создай план курса по обучению копирайтингу. Мне необходимы пять уроков по теме «Виды постов для соцсетей». Для каждого урока ты берешь новый вид поста и описываешь его по следующей структуре:

• для чего этот пост;

• кому он может быть полезен;

• структура такого поста;

• пример поста;

• требования к содержанию;

• типичные ошибки при создании такого поста;

• задание для студентов.

Важно: все уроки нужно создать примерно по одной структуре, чтобы было видно, что они являются частью единого целого. Используй язык, примеры и подачу информации так, чтобы все было понятно даже новичкам.

Помни: ты выступаешь в роли профессионального копирайтера-маркетолога по соцсетям, поэтому должен давать только интересную и полезную информацию.

Разложим этот промт по нашей формуле.

Более подробно о контексте и усилителях мы поговорим чуть позже.

А пока ответим на вопросы, которые могут у вас возникнуть.

Разве можно менять местами контекст и усилители? В вашем промте усилители («Как?») перед контекстом («Почему?»; копирайтер-маркетолог). GPT не запутается?

Да, менять местами можно, это нормально. Можно даже давать ядро в самом конце. Как угодно. Это примерно то же самое, что сказать «помой посуду и вытри пыль». Если изменить порядок, суть не изменится. Другое дело, что, когда промт слишком сложный, ИИ может запутаться в смыслах. Но опять же с практикой вы начинаете чувствовать, когда еще можно «довернуть», а когда уже не стоит.

А в целом особых правил нет. Можно даже давать в нагрузку второе ядро по типу Затем сделай рерайтинг этого плана. Равно как и третье, четвертое и т. д. А к ним, например, – их контекст и усилители.

Но стоит ли так делать? Обычно – нет. Лучше не путать ИИ (и себя) и поэтапно добиваться своего. Тот же самый рерайтинг (для более прозрачного и четкого результата) можно запросить в следующей итерации.

Наконец, лучше заранее приучать себя к порядку в промте, чтобы все было на своем месте. Пример с ролью (копирайтер-маркетолог) мы специально дали в неожиданном месте, только чтобы вы поняли, что так может быть. В работе мы так не делаем и даем подобную информацию привычным образом – в самом начале промта.

Может ли быть промт без контекста или усилителей?

Да, особенно если вы пока сами не особо понимаете, чего ждете от ИИ. Затем, когда ИИ даст ответ на промт, уже можно экспериментировать. Скажем, попросить дать еще идеи структуры или иной смысловой формат. Когда у вас оформятся идеи и рамки требований, их можно будет вписать в первичный промт.

А можно и специально не ограничивать ИИ какими-то «Почему?» (речь выступления должна быть смешной) или «Как?» (речь должна содержать не менее 10 тысяч символов). Иногда «смешно» не получается, и 10 тысяч – это много, и если не тиранить GPT условиями, то без них он сделает даже лучше.

Как понять, где «Почему?», а где «Как?» Например, «Дай пять коротких вопросов, которые будут понятны школьникам» – здесь и контекст (школьники), и усилители (количество вопросов).

А вам особо и не нужно понимать. Суть не в том, чтобы все укладывалось в системы и классификации. Промтинг – это творчество, причем с миллионом граней. Важно, чтобы вы могли осмыслить для себя и донести до GPT суть требований.

Логично? Конкретно? Все указали? Не запутали смыслы? Отлично. А если что-то и не слишком хорошо, то будут следующие итерации и появится видение, что и как можно улучшить.

Правила создания сильных промтов

Существуют правила промтинга, которые стоит знать и соблюдать.

Конкретика. Учитесь давать конкретные вводные, исключающие двоякую или неточную трактовку.

Напиши статью или пост о том, как ухаживать за цветами.

Напиши статью о том, как ухаживать за многолетними комнатными цветами. Делай упор на полив и температурный режим.

Расскажи мне что-нибудь интересное про космос.

Расскажите интересный факт об освоении космоса первыми космонавтами.

Простота и удобство. У многих есть привычка писать промты, следуя за ходом мыслей. А они, увы, часто скачут. В итоге получается нечто запутанное. Старайтесь писать так, чтобы суть подсказки была ясна даже при беглом взгляде: это отличный индикатор, что все подано просто и удобно.

Мне нужны два похожих текста о разведении кактусов, но сначала придумай один текст больше обычной статьи, укажи, чтобы там как можно чаще были использованы и были заметны главные и важные моменты, а затем сделай похожий второй текст, сделав рерайтинг первого.

Напиши статью размером от 1000 до 1500 слов о разведении кактусов. Для каждого раздела укажи звездочками (*) 1–3 самые важные мысли. В этом же ответе сразу же сделай рерайтинг статьи.

Лаконичность без «воды». Когда мы говорим с человеком, дополнительная информация бывает важна. Например, когда мы просили впустить нас в школу без сменной обуви, поскольку «я ее забы-ы-ы-ыл, домой уже не успею, а у нас сейчас контрольная, пропускать ее нельзя, я получу двойку, и мне не купят собаку», – нас вполне могли и впустить. Даже если не положено.

С GPT не так. Конечно, модели важны детали, но только в четкой связке с основным запросом. Любая «вода» и уходы в сторону только запутывают ИИ. А потому всегда старайтесь проверять информацию на релевантность и целесообразность.

Нам дали домашнее задание: сделать подборку из пяти сленговых слов на английском языке и объяснить затем классу их значение, а также откуда они возникли. Нужны самые редкие, которых бы не было у других. Пожалуйста, можешь их дать?

Дай пять редких сленговых слов английского языка с объяснением их значения. Дай также факты об их появлении.

Важность каждого слова. Рассмотрим несколько примеров.

• Расскажи о проблемах копирайтеров.

• Расскажи о проблемах копирайтинга.

Запросы отчасти похожи, но ИИ так не считает. В первом случае речь идет о людях, во втором – о профессии. Значит, и информация может быть разной. В одном ответе, скажем, будет о прокрастинации и творческом ступоре, во втором – о стилистике или плагиате.

• Напиши рассказ о смелой собаке.

• Придумай рассказ о смелой собаке.

Опять же вроде бы мелочь, но в первом случае больше рационального, а во втором – креативного. Возможно, в первом случае ИИ будет опираться на какую-то реальную историю, а во втором – уже нет. Точнее сказать невозможно, ответы GPT всегда разнятся, но то, что смысловая тональность может меняться от одного слова, – факт.

Иерархичность смыслов. Всегда старайтесь четко разделять шаги, по которым идет подсказка:

• Расскажи о проблемах копирайтеров. Дай пять фактов.

Затем дай пять проблем для журналистов.

Последний шаг – укажи три одинаковые проблемы и для журналистов, и для копирайтеров.

Направляйте GPT по четкому маршруту. Используйте такие слова, как «в первую очередь», «затем», «следующий шаг», «вторая задача», «после этого ты…» и т. д. Благодаря этому и вы не запутаетесь, и запрос будет более четким.

Убедитесь, что GPT понимает. Все же ИИ не поисковая система, тем более не русскоязычная. Часть терминов нейросеть не знает или может попросту придумать. Так что лучше все же расшифровывать аббревиатуры, жаргонизмы, специальные термины и прочие «скользкие места».

Сюда же можно добавить расшифровки слов с двояким или нечетким смыслом, которые ИИ может понять неправильно.

Почему стучат пальцы.

Почему стучат пальцы (деталь двигателя).

Оставляйте возможность спросить. Этот совет скорее касается сложных промтов с развернутой или многослойной структурой. В таких промтах лучше давать GPT возможность «высказаться»:

• Если тебе все понятно, то можешь приступать, если нет – задавай вопросы.

• Убедись, что тебе понятна цель подсказки. Если есть непонятные моменты, сначала задай о них вопросы.

Напоследок несколько чисто практических советов.

• Промт-инжиниринг не любит хаоса. Логичность, удобные и понятные примеры, порядок в структуре – все это важно. Конечно, работают и «сумбурные» подсказки, но нужны ли они вам? Здесь как с неправильным хватом медиатора при игре на гитаре: и играть сможете, и приспособитесь, но зачем, если можно сразу делать все правильно.

• Создание промта требует концентрации. Вариант «Что-то написали, уехали на месяц в отпуск, вернулись и дописали» в промтинге работает плохо. Как минимум нужно за один раз четко обозначить скелет промта, ваши требования и видение. Можно даже начерно, тезисами.

Дело в том, что в момент размышления над промтом, когда вы держите все нити смыслов, приходит пиковое состояние погруженности. Если отвлечься, то могут потеряться интересные «всегда можно спросить», которые в следующий раз уже не вспыхнут в сознании. А вот в состоянии погруженности и мысли более четкие, и вся картина перед глазами, и находки поинтересней.

• Цените находки. Если вы регулярно создаете подсказки, то, возможно, стоит завести отдельный список с интересными находками: структурными, смысловыми; можно приводить примеры. Со временем такой список превращается в отличного помощника, который может и процесс ускорить, и дать толчок креативу, если вы вдруг «забуксовали».

А теперь поговорим о контексте и усилителях, о «Почему?» и «Как?».