プロンプト・エンジニアリングとは

基本的なルールは、良いプロンプトは良い結果につながる、ということです。生成AIは、さまざまなプロンプト・エンジニアリング手法を繰り返し改良することで、入力される多様なデータから効果的に学習し、バイアスや混乱を最小限に抑え、より正確な応答を生成できるように適応します。

プロンプト・エンジニアたちは、生成AIモデルが言語だけでなく、クエリの背後にあるニュアンスや意図も理解できるようにするクエリを作成する上で極めて重要な役割を果たします。質が高く、網羅的で知識豊富なプロンプトは、画像、コード、データ要約、テキストなど、AIが生成するコンテンツの質に影響を与えます。

無加工のクエリとAIが生成した意味のある応答との間のギャップを埋めるには、プロンプトを作成するための慎重なアプローチが必要です。効果的なプロンプトをファイン・チューニングすることで、エンジニアは出力の品質と関連性を大幅に最適化し、特定の問題と一般的な問題の両方を解決できます。このプロセスにより、手動レビューや生成後の編集の必要性が減り、最終的には望ましい結果を達成するための時間と労力が節約されます。

プロンプト・エンジニアリングは、生成AIのアウトプットの質、関連性、精度に直接影響するため、重要です。適切に作成されたプロンプトは、AIがユーザーの意図を理解し、意味のある応答を生成するため、大規模な後処理の必要性を最小限に抑えることができます。生成AIシステムが様々な業種・業務で幅広く採用されるようになると、プロンプト・エンジニアリング・ガイドが、無加工のクエリと実行可能なアウトプットの間のギャップを埋めることで、生成AIシステムの潜在能力を解き放つ鍵となります。

生成AIモデルはTransformerアーキテクチャーに基づいて構築されているため、言語の複雑さを把握し、ニューラル・ネットワークを介して膨大な量のデータを処理できます。AIプロンプト・エンジニアリングは、人工知能が有意義かつ首尾一貫した反応をするようモデルの出力を構成する上で役立ちます。いくつかのプロンプト技術によって、トークン化、モデル・パラメーターのチューニング、トップ-kサンプリングなど、AIモデルが有用な応答を生成できるようにします。

生成AIを支える基盤モデルの可能性を最大限に引き出すには、迅速なエンジニアリングが不可欠です。基盤モデルは、Transformerアーキテクチャー上に構築された大規模言語モデル（LLM）であり、生成AIシステムに必要なすべての情報が詰め込まれています。

生成AIモデルは自然言語処理（NLP）に基づいて動作し、自然言語インプットを使用して複雑な成果を生成します。基盤となるデータサイエンスの準備、Transformerアーキテクチャー、機械学習アルゴリズムにより、これらのモデルは言語を理解し、大量のデータセットを使用してテキストまたは画像の出力を作成できます。

DALL-EやMidjourneyのようなテキストから画像への生成AIは、テキストの説明から画像を生成するための優れたモデルであるStable DiffusionとConcert LLMを使用します。効果的なプロンプト・エンジニアリングは、技術的な知識と自然言語、語彙、文脈の深い理解を組み合わせることで、少ない修正で最適なアウトプットを生み出します。

プロンプト・エンジニアリング手法には、生成AIモデルが望ましいアウトプットを生み出すよう導くストラテジーが含まれます。これらの手法には、直接トレーニングがされていないタスクをモデルに与えるzero-shotプロンプティングや、期待を明確にするためにアウトプットのサンプルをモデルに提供するfew-shotプロンプティングが含まれます。もう1つの重要な手法が、複雑なタスクを段階的な推論に分解して、AIの理解と精度を向上させる思考の連鎖プロンプティングです。これらのアプローチは、AIモデルがより一貫性のある関連性の高い応答を生成できるようにする上で役立ちます。

プロンプト・エンジニアリングの主なメリットは、生成後の労力を最小限に抑えて最適化された出力を達成できることです。生成AIによる出力の質は不安定な可能性があるため、多くの場合、熟練の専門家によるレビューと修正が必要になります。プロンプト・エンジニアたちは、正確なプロンプトを作成することで、AIが生成した出力が目標や基準と一致していることを確認し、大規模な後処理の必要性を軽減します。

市場にあるさまざまな生成AIモデルから最良の結果を得る方法を理解することも、プロンプト・エンジニアの役割です。たとえば、Open AIのGPT-3またはGPT-4のプロンプト作成は、Google Bardのプロンプト作成とは異なります。BardはGoogle検索を通じて情報にアクセスできるため、より最新の情報を結果に組み込むように指示できます。ただし、テキストの取り込みと要約が主な設計機能であるため、ChatGPTの方が優れたツールといえます。適切に作成されたプロンプトにより、AIモデルはより関連性が高く、正確でパーソナライズされた応答を作成できるようになります。AIシステムは利用するほど進化するため、高度に設計されたプロンプトにより、AIとの長期的な対話はより効率的で満足のいくものになります。

オープンソース環境で働く賢明なプロンプト・エンジニアは、生成AIの初期設計の範囲では組み込まれていないことを実行させ、驚くような実際の成果を生み出しています。たとえば、研究者は対訳文によるトレーニングを受けずに言語を翻訳できる新しいAIシステムを開発しました。エンジニアたちは生成AIをゲームに埋め込んで人間のプレイヤーを応答性の高いストーリーテリングに参加させたり、ブラックホールの天文現象に関する正確かつ新しいインサイトを得たりしています。今後、生成AIシステムの範囲と複雑さが増大するにつれ、プロンプト・エンジニアリングはさらに重要になっていきます。

大手テクノロジー企業は、新しいクリエイティブなコンテンツを開発し、複雑な質問に答え、機械翻訳やNLPタスクを改善するために即戦力となるエンジニアを求めています。プロンプト・エンジニアには、次のようなスキルが期待されています。

• 大規模言語モデルに関する知識：大規模言語モデル（LLM）の機能と制限など、その仕組みを理解することは、効果的なプロンプトを作成し、AIのアウトプットを最適化するために不可欠です。

• 高いコミュニケーション・スキル：目標の定義、AIモデルへの正確な指示、および多分野のチームとのコラボレーションには、明確で効果的なコミュニケーションが不可欠です。

• 技術的概念を説明する能力：プロンプト・エンジニアは、複雑な技術概念を理解しやすいプロンプトに変換し、技術的専門知識を持たない利害関係者にAIシステムの動作を明確に説明できる必要があります。

• プログラミングの専門知識（特にPython）：Pythonなどのプログラミング言語の習熟度は、APIとの対話、AIソリューションのカスタマイズ、ワークフローの自動化において価値があります。

• データ構造とアルゴリズムの確実な理解：データの構造とアルゴリズムに関する知識は、プロンプトの最適化や生成AIシステムの基礎となるメカニズムの理解に役立ちます。

• 創造性と、新しいテクノロジーのメリットとリスクについての現実的な評価：革新的で効果的なプロンプトを設計するには創造性が重要ですが、リスクの現実的な理解は、AIテクノロジーの責任ある倫理的な使用の実現に役立ちます。

これらのスキルに加えて、プロンプト・エンジニアは次の高度なテクニックを使用して、モデルの理解とアウトプットの質を向上させることができます。

• zero-shotプロンプティング：この手法では、機械学習モデルに、直接的にトレーニングされていないタスクを提供します。そうすることで、先例に依存せずに、関連性のある出力を生成するモデルの能力をテストします。

• few-shotプロンプティング：このアプローチでは、モデルにいくつかのサンプル・アウトプット（ショット）が与えられ、リクエスト元が何を望んでいるかをモデルが学習できるようにします。利用できるコンテキストがあると、モデルは目的のアウトプットをよりよく理解できるようになります。

• 思考の連鎖プロンプティング（CoT）：モデルが従うべき推論を段階的に提供する高度なテクニックです。複雑なタスクを中間ステップ、つまり「推論の連鎖」に分割することで、モデルが言語をよりよく理解し、より正確な出力を作成するのに役立ちます。

モデルは複数の言語でトレーニングを行いますが、生成AIのトレーニングでは主に英語を使します。プロンプト内のすべての単語が結果に影響を与える可能性があるため、プロンプト・エンジニアは語彙、ニュアンス、フレーズ、文脈、言語学を深く理解する必要があります。

プロンプト・エンジニアはAIモデルに必要なコンテキスト、指示、コンテンツ、データを効果的に伝える方法も知っている必要があります。

また、コードを生成することが目的の場合、プロンプト・エンジニアはコーディング原則とプログラミング言語を理解しておく必要があります。画像ジェネレーターを扱う人は、美術史、写真、映画の用語を知っている必要があります。言語コンテキストを生成する人は、さまざまな物語のスタイルや文学理論について知っている必要があるかもしれません。

さらにプロンプト・エンジニアは幅広いコミュニケーションスキルに加え、意思決定の指針となる生成AIツールと深層学習フレームワークを理解する必要があります。

プロンプト・エンジニアは、生成AIモデルの性能を最適化するためにプロンプトを設計、テスト、改良します。AIシステムと緊密に連携して、正確で関連性のある創造的な応答を引き出すクエリーを作成します。その責任には、さまざまなAIモデルの機能と制限を理解し、zero-shotやfew-shotプロンプティングなどの高度な技術を試し、実際のシナリオでAIを適用するためにチームと協力することが含まれます。基本的には、プロンプト・エンジニアがAIテクノロジーと実用的なアプリケーションとの間のギャップを埋めます。

生成AIから最良の成果を得るには、プロンプト・エンジニアは、明確かつ簡潔で、文脈に富んだプロンプトの作成に重点を置く必要があります。具体的な指示と例を使用すると、AIをガイドして目的のアウトプットを生成できます。モデルの応答に基づいてプロンプトを繰り返し改良することで、エンジニアは成果をさらに改善できます。さらに、AIモデルの限界を理解し、それに応じてプロンプトを調整することで、エラーまたはバイアスのあるアウトプットを防ぐことができます。最後に、さまざまなシナリオでプロンプトをテストすることで、堅牢性と信頼性を確保できます。

生成AIがより利用しやすくなるにつれて、組織はプロンプト・エンジニアリングを使用して現実世界の問題を解決するための新しい革新的な方法を探し求めています。