S07E28 - Dit is de perfecte prompt (volgens OpenAI)

In deze aflevering van AIToday Live bespreekt Joop Snijder de kunst van het schrijven van effectieve prompts voor AI. Hij verkent hoe gestructureerde frameworks zoals RACE en CRISPE in het verleden essentieel waren, maar nu minder noodzakelijk zijn door geavanceerdere modellen zoals GPT-4. Greg Brockman van OpenAI introduceert een vereenvoudigde aanpak met vier kerncomponenten voor het formuleren van prompts. 

De host deelt ook hoe gebruikers hun eigen persoonlijke promptstijlen ontwikkelen voor efficiëntere interacties met AI. De aflevering benadrukt het belang van duidelijkheid en context in de communicatie met AI-modellen.

Onderwerpen

• Evolutie van prompt frameworks
• Nieuwe benadering van prompts: eenvoud en duidelijkheid
• Praktische toepassing van de nieuwe methode
• Persoonlijke promptstijlen
• Toekomst van prompting

Links

• Podcast: AIToday Live podcast
• Artikel: Ideale prompt volgens Greg Brockman van OpenAI
• AI Model: Claude
• AI Model: GPT-4
• AI Model: ChatGPT
• Kaartspel: AI Game Changer - Generative AI editie

Genoemde entiteiten: OpenAI - Greg Brockman

Aigency
Aigency ontwerpt en ontwikkelt waardevolle, robuuste en betrouwbare Machine Learning-modellen.

Info Support
Info Support is de specialist in maatwerk software en leidend in kunstmatige intelligentie (AI).

Disclaimer: This post contains affiliate links. If you make a purchase, I may receive a commission at no extra cost to you.

Schrijf je in voor onze nieuwsbrief en ontvang exclusieve toegang tot nieuws, blik achter de schermen en meer!

Transcript

1
00:00:01,000 --> 00:00:04,360
Hoi, welkom bij een korte aflevering van AIToday Live.

2
00:00:04,360 --> 00:00:08,280
Jouw wekelijkse dosis AI praktijkverhalen die je vooruit helpen.

3
00:00:08,280 --> 00:00:16,120
Ik ben Joop Snijder en in deze korte aflevering ga ik het met jullie hebben over de perfecte prompt.

4
00:00:16,120 --> 00:00:19,300
Maar ja, dan wel volgens een engineer van OpenAI.

5
00:00:19,300 --> 00:00:24,240
Maar toch, als we naar prompten kijken, moeten we eerlijk zijn.

6
00:00:24,240 --> 00:00:28,140
In deze tijd van AI is het schrijven van goede prompts een vaardigheid geworden

7
00:00:28,140 --> 00:00:33,860
die best wel het verschil kan maken tussen middelmatige en uitzonderlijke resultaten.

8
00:00:33,860 --> 00:00:39,180
Maar voordat we komen tot die perfecte prompt, eerst even een stapje terug.

9
00:00:39,180 --> 00:00:44,060
Want er zijn ontzettend veel zogenaamde prompt frameworks ontwikkeld.

10
00:00:44,060 --> 00:00:50,220
En allemaal met het doel om het maximale uit AI taalmodellen te halen.

11
00:00:50,220 --> 00:00:57,080
En zo'n prompt framework bestaat vaak uit een afkorting die dan een beetje redelijk uit te spreken is.

12
00:00:57,080 --> 00:01:01,220
En een ezelsbruggetje is van hoe je uiteindelijk een prompt zou kunnen opstellen.

13
00:01:01,220 --> 00:01:03,600
Eén daarvan is bijvoorbeeld RACE.

14
00:01:03,600 --> 00:01:07,500
Dus in het, als in een raceauto.

15
00:01:07,500 --> 00:01:15,940
Dus race staat dan voor, de R staat dan voor role, de A voor action, de C voor context en E voor end product.

16
00:01:16,880 --> 00:01:20,900
Nou en zo heb je start, R, O, I en vele andere.

17
00:01:20,900 --> 00:01:21,980
Die kan je vast wel opzoeken.

18
00:01:21,980 --> 00:01:25,160
En ze hebben allemaal hun eigen sterke punten afhankelijk van je doel.

19
00:01:25,160 --> 00:01:27,800
Nog zo eentje is bijvoorbeeld CRISPE.

20
00:01:27,800 --> 00:01:38,380
Daar staat dan de C, die staat dan voor context, de R voor rol, dan I voor instruction, S voor specification, P voor purpose en example.

21
00:01:39,360 --> 00:01:42,300
Het zorgt ervoor dat je elk aspect van je prompt behandelt.

22
00:01:42,300 --> 00:01:50,800
Dus je geeft context, definieert een rol voor het AI model, verstrekt instructies, specificeert wat je wilt, legt het doel uit en geeft een voorbeeld.

23
00:01:50,800 --> 00:01:59,500
Dit framework is vooral handig als je complexe gestructureerde output nodig hebt en het AI model echt wil sturen in een specifieke richting.

24
00:01:59,500 --> 00:02:04,760
Maar de keuze voor een framework hangt sterk af van wat je wilt bereiken.

25
00:02:04,760 --> 00:02:11,260
Voor creatieve taken werkt een ander framework vaak beter dan voor technische of analytische taken.

26
00:02:11,260 --> 00:02:16,460
Het is een beetje zoals programmeren verschillende talen voor verschillende doeleinden.

27
00:02:16,460 --> 00:02:24,140
Maar wat ik interessant vind is dat deze frameworks bij eerdere modellen echt noodzakelijk waren.

28
00:02:24,340 --> 00:02:35,460
Dus als je in die tijd een taalmodel de rol gaf van een ervaren marketingstrateeg of een bekroonde scriptschrijver, dan zag je meteen dat het model een andere richting op ging.

29
00:02:35,460 --> 00:02:40,220
Maar eerlijk gezegd gebruik ik dit soort frameworks al een tijdje niet meer.

30
00:02:40,460 --> 00:02:51,140
Ik merkte dat met de nieuwere modellen zoals Claude, 3.5, GPT4 modellen, dat het gewoon niet meer zo nodig is.

31
00:02:51,140 --> 00:02:57,520
Door simpelweg een goede en duidelijke context te geven, stuur ik het model eigenlijk al in de juiste richting.

32
00:02:57,520 --> 00:03:00,800
En vaak zelfs beter dan met zo'n strikt framework.

33
00:03:00,800 --> 00:03:03,940
Betekent dit dat frameworks waardeloos zijn geworden?

34
00:03:04,460 --> 00:03:05,280
Nee, dat denk ik niet.

35
00:03:05,280 --> 00:03:11,460
En ze kunnen nog steeds waardevols zijn als ezelsbruggetje om duidelijke instructies te schrijven.

36
00:03:11,460 --> 00:03:15,460
Ik ben wel zelf altijd al fan geweest van eenvoud.

37
00:03:15,460 --> 00:03:22,260
En daarom spreekt de benadering van Greg Brockman, de president van OpenAI.

38
00:03:22,260 --> 00:03:26,080
De president van OpenAI, moet je dan in het Amerikaans zeggen.

39
00:03:26,080 --> 00:03:27,360
Dat spreekt me zo aan.

40
00:03:28,040 --> 00:03:34,260
Want hij deelde onlangs de formule die oorspronkelijk was ontwikkeld door een van zijn engineers.

41
00:03:34,260 --> 00:03:40,140
En de formule breekt de ideale prompt op in vier elementen.

42
00:03:40,140 --> 00:03:43,240
Want er wordt gezegd, dit is de ideale prompt.

43
00:03:43,240 --> 00:03:44,540
Volgens OpenAI dan.

44
00:03:44,540 --> 00:03:49,940
En wat ik zo fijn vind aan deze aanpak, het is simpel en intuïtief.

45
00:03:49,940 --> 00:03:54,160
Want het eerste element is namelijk, formuleer je doel.

46
00:03:55,240 --> 00:03:58,000
Wat wil je precies dat het AI-model voor je doet?

47
00:03:58,000 --> 00:04:06,920
In Brockmans voorbeeld was het doel een lijst van de beste middellange wandelroutes binnen twee uur rijden van San Francisco.

48
00:04:06,920 --> 00:04:12,920
Die, zoals hij zelf schreef, cool en uniek en minder bekend zijn.

49
00:04:12,920 --> 00:04:16,840
Nou, dat is best wel een heel uitgebreid doel.

50
00:04:16,840 --> 00:04:22,440
En het tweede element, specifieer je gewenste outputformaat.

51
00:04:22,440 --> 00:04:26,120
Wil je een lijst, een academisch artikel, weblinks.

52
00:04:26,120 --> 00:04:34,740
In het voorbeeld vroeg hij, geef voor elke wandelroute de naam zoals ik die op All Trails zou vinden.

53
00:04:34,740 --> 00:04:39,360
Het startadres, het eindadres, afstand, rijtijd, wandelduur.

54
00:04:39,360 --> 00:04:43,700
En wat het een coole en unieke ervaring maakt.

55
00:04:43,700 --> 00:04:46,700
Dan het derde element.

56
00:04:46,700 --> 00:04:49,640
Waarschuwingen en afbakeningen.

57
00:04:49,640 --> 00:04:52,140
AI-modellen kunnen nog steeds dingen verzinnen.

58
00:04:52,140 --> 00:04:55,800
En als je feitelijke informatie zoekt, zeg dat dan.

59
00:04:55,800 --> 00:04:57,120
Geven ze aan.

60
00:04:57,120 --> 00:05:00,160
In het voorbeeld waarschuwde de wandelaar.

61
00:05:00,160 --> 00:05:06,980
Zorg ervoor dat de naam van de route correct is, dat deze echt bestaat en dat de tijden kloppen.

62
00:05:06,980 --> 00:05:10,980
En tot slot het vierde element, de context dump.

63
00:05:10,980 --> 00:05:16,300
Hier vermeld je alles wat relevant kan zijn om je situatie te begrijpen.

64
00:05:16,300 --> 00:05:25,860
Het is in Brockmans voorbeeld legde de wandelaar, hij, uit dat hij en zijn vriendin regelmatig wandelaars zijn die alle bekende routes al hebben gedaan.

65
00:05:25,860 --> 00:05:28,140
Hij noemde een route die hij waardeerde.

66
00:05:28,140 --> 00:05:28,960
En waarom?

67
00:05:28,960 --> 00:05:32,700
En het benadrukte nog eens dat hij iets unieks zocht.

68
00:05:34,700 --> 00:05:39,840
Om eerlijk te zijn, herken ik deze structuur in mijn eigen manier van prompten.

69
00:05:39,840 --> 00:05:43,020
Ik ben altijd al een fan geweest van eenvoud en duidelijkheid.

70
00:05:43,020 --> 00:05:47,580
Maar er is nog iets wat ik doe om efficiënter te werken met AI.

71
00:05:47,580 --> 00:05:55,280
Namelijk om niet steeds uitgebreide context te hoeven schrijven, gebruik ik de project functionaliteit van ChatGPT en Claude.

72
00:05:56,040 --> 00:06:00,620
En in die project context stop ik dan ook de project instructies.

73
00:06:00,620 --> 00:06:02,900
En dat kunnen echt flinke lappen tekst zijn.

74
00:06:02,900 --> 00:06:09,080
Voor deze podcast zijn dat bijvoorbeeld 650 woorden, een context en dat is nog groeiende.

75
00:06:09,080 --> 00:06:15,780
En zo kan ik in mijn dagelijkse prompt kort en bondig blijven, terwijl het AI model toch de volledige context heeft.

76
00:06:17,180 --> 00:06:25,740
Nou, dan was ik ook eigenlijk best wel benieuwd of ik zelf iets van een framework gebruik, zelf hanteer bij het schrijven van prompts.

77
00:06:25,740 --> 00:06:29,880
Dus ik heb ChatGPT gevraagd mijn eigen stijl te analyseren.

78
00:06:29,880 --> 00:06:36,280
En dit kan ik, ChatGPT vragen, omdat ik de memory functionaliteit heb aanstaan.

79
00:06:36,280 --> 00:06:38,820
Daardoor kon ik ChatGPT het volgende vragen.

80
00:06:38,820 --> 00:06:40,480
Het leuke is, die kan jij ook gaan vragen.

81
00:06:40,700 --> 00:06:47,560
Dus ik vroeg ChatGPT, van alles wat je van mij weet, kun je een analyse maken van de manier waarop ik prompts schrijf?

82
00:06:47,560 --> 00:06:52,400
Is er een structuur in te vinden die je als een framework zou kunnen beschouwen?

83
00:06:52,400 --> 00:06:56,760
En het antwoord was verrassend gedetailleerd.

84
00:06:56,760 --> 00:07:02,740
Blijkbaar heb ik een, nou ja, noem het een eigen framework, dat uit vijf elementen bestaat.

85
00:07:02,740 --> 00:07:07,960
Ten eerste, gaf hij als analyse terug, ben ik heel erg doelgericht.

86
00:07:08,960 --> 00:07:13,860
Mijn prompts zijn helder en specifiek geformuleerd met een duidelijk einddoel.

87
00:07:13,860 --> 00:07:18,080
Ten tweede, structuur en hiërarchie, gaf hij terug.

88
00:07:18,080 --> 00:07:23,940
Ik gebruik een logische opbouw met eerst context, dan specificaties en eventueel extra nuances.

89
00:07:23,940 --> 00:07:27,860
En ten derde, expliciete stijlvoorkeuren.

90
00:07:27,860 --> 00:07:35,980
Ik benoem duidelijk hoe de output eruit moet zien, zoals schrijfstijl, programmeerstijl en vooral lengte van de output.

91
00:07:36,680 --> 00:07:41,000
Ten vierde, contextbewustzijn en doelgroepgerichtheid.

92
00:07:41,000 --> 00:07:41,780
Hele mond vol.

93
00:07:41,780 --> 00:07:44,240
Ik geef vaak een duidelijke doelgroep aan.

94
00:07:44,240 --> 00:07:49,500
En tot slot, een iteratieve en refinement benadering.

95
00:07:49,500 --> 00:07:51,100
En wat houdt het in?

96
00:07:51,100 --> 00:07:56,580
Is dat ik werk iteratief door te starten met blijkbaar gestructureerde prompten,

97
00:07:56,580 --> 00:08:01,300
om vervolgens de uitkomst te verfijnen op basis van die eerste resultaten.

98
00:08:01,300 --> 00:08:04,580
En dus eigenlijk bestaat het uit vier delen.

99
00:08:04,580 --> 00:08:10,180
En vervolgens raak ik met de output als vijfde stap, ja, verfijnen wat eruit komt.

100
00:08:10,180 --> 00:08:17,440
Nou, dit bevestigt voor mij dat een intuïtieve, maar wel gestructureerde aanpak voor mij het beste werkt.

101
00:08:18,220 --> 00:08:23,480
Indien je de memory geheugenfunctie ook hebt aanstaan, kun je ook de vraag stellen hoe je prompt schrijft.

102
00:08:23,480 --> 00:08:27,260
Zo leer je best wel veel over je eigen communicatie met het taalmodel.

103
00:08:27,260 --> 00:08:31,540
En ik ben eigenlijk best wel heel nieuwsgierig welke verrassingen jij tegenkomt.

104
00:08:31,540 --> 00:08:41,400
Nou, laat ik afsluiten met een korte samenvatting van de vier elementen van de perfecte prompt volgens Brockman van OpenAI.

105
00:08:42,320 --> 00:08:46,300
Eén, formuleer je doel, dus wees specifiek over wat je wilt.

106
00:08:46,300 --> 00:08:50,280
Twee, specificeer je gewenste outputformaat.

107
00:08:50,280 --> 00:08:53,240
Geef aan hoe je de informatie gepresenteerd wil hebben.

108
00:08:53,240 --> 00:08:57,060
Drie, geef waarschuwingen en afbakingen.

109
00:08:57,060 --> 00:09:04,200
Dus geef grenzen aan en geef specifieke aandachtspunten aan waar het taalmodel aan moet voldoen.

110
00:09:04,200 --> 00:09:08,460
En als laatste, een context dump, zoals hij dat dan noemt.

111
00:09:08,460 --> 00:09:11,080
Dus deel eigenlijk alle relevante achtergrond.

112
00:09:11,900 --> 00:09:14,340
Het mooie aan deze benadering is de eenvoud.

113
00:09:14,340 --> 00:09:17,400
Je hoeft helemaal geen ingewikkelde taal te gebruiken.

114
00:09:17,400 --> 00:09:19,980
Het lijkt eigenlijk veel meer op een normaal gesprek.

115
00:09:19,980 --> 00:09:24,520
Je geeft gewoon zoveel mogelijk aan wat je nodig hebt en hoe je het wilt hebben.

116
00:09:24,520 --> 00:09:30,900
In de show notesdeel ik een linkje naar het originele artikel waar hij dit beschrijft.

117
00:09:30,900 --> 00:09:33,920
En bedenk in ieder geval één ding.

118
00:09:33,920 --> 00:09:38,960
AI is niet de oplossing voor elk probleem, maar onmisbaar waar het past.

119
00:09:40,540 --> 00:09:44,820
Vergeet je niet te abonneren op deze podcast om geen enkele aflevering te missen.

120
00:09:44,820 --> 00:09:45,940
Tot de volgende keer!

121
00:09:45,940 --> 00:10:15,920
[Muziek]