Lời nhắc hiệu quả cho AI: Những điều cơ bản

Thứ ba - 03/06/2025 06:40

Effective Prompts for AI: The Essentials

Theo: https://mitsloanedtech.mit.edu/ai/basics/effective-prompts/

NHÌN QUA

AI đang nhanh chóng trở thành một phần thường lệ trong cuộc sống nghề nghiệp và cá nhân của nhiều người. Nhưng bạn đã bao giờ không hài lòng với kết quả mà AI tạo ra cho bạn chưa? Bạn có tự hỏi liệu mình có tận dụng tối đa AI không? Bài viết này giới thiệu cách tạo lời nhắc hiệu quả để bạn tối đa hóa lợi ích từ AI.

Trước khi bắt đầu tạo lời nhắc hoàn hảo, hãy truy cập Điều hướng quyền riêng tư dữ liệu để xem lại các nguyên tắc của chúng tôi về bảo vệ dữ liệu của bạn khi sử dụng các công nghệ này.

LỜI NHẮC LÀ GÌ?

Lời nhắc là thông tin đầu vào của bạn đưa vào hệ thống AI để có được kết quả cụ thể. Nói cách khác, lời nhắc là khởi đầu cho cuộc trò chuyện: bạn nói gì và nói như thế nào với AI để AI phản hồi theo cách tạo ra phản hồi hữu ích cho bạn. Sau đó, bạn có thể xây dựng lời nhắc liên tục và AI sẽ tạo ra phản hồi khác tương ứng. Giống như trò chuyện với người khác, chỉ khác là trong trường hợp này, cuộc trò chuyện dựa trên văn bản và người đối thoại của bạn là AI.

Lời nhắc có thể đơn giản như một cụm từ hoặc phức tạp như nhiều câu và đoạn văn. Các mô hình mới thậm chí có thể xử lý các đầu vào đa phương thức, bao gồm hình ảnh và âm thanh. Mặc dù giao diện dựa trên trò chuyện LLM ngày càng tinh vi, nhưng vẫn hữu ích khi coi một công cụ AI tạo ra như ChatGPT là "một cỗ máy mà bạn đang lập trình bằng từ ngữ" (Mollick, 2023). Tương tác của bạn với AI và chất lượng đầu ra phụ thuộc phần lớn vào cách bạn diễn đạt lời nhắc của mình.

AI PHẢN HỒI NHỮNG LỜI NHẮC NHƯ THẾ NÀO

Điều kỳ diệu của AI là khả năng thích ứng của nó, nghĩa là bạn có thể (và có lẽ nên) định hướng kết quả mà nó cung cấp cho bạn bằng cách tạo ra các lời nhắc chi tiết. Việc tạo ra các lời nhắc hiệu quả có thể tối ưu hóa kết quả của bạn.

Điều này là do hầu hết các hệ thống AI—như ChatGPT, Claude và các hệ thống khác—chủ yếu được xây dựng dựa trên sự kết hợp của hai công nghệ: xử lý ngôn ngữ tự nhiên và học máy (Mollick, 2023). Sự kết hợp này cho phép AI hiểu các lời nhắc của bạn ngay cả khi bạn viết chúng như thể bạn đang trò chuyện với một con người khác. Điều đó cũng có nghĩa là hệ thống liên tục học hỏi từ thông tin đầu vào từ bạn và những người dùng khác.

Hơn nữa, một số nền tảng AI, chẳng hạn như chatbot thương mại, tận dụng khả năng nhận dạng ý định (Urban, 2023) để phân biệt tốt hơn tình cảm và ý định của người dùng bằng cách phân tích thông tin ngữ cảnh có trong truy vấn của người dùng (Wu và cộng sự, 2022).

VIẾT CÁC LỜI NHẮC HIỆU QUẢ

Nói một cách đơn giản, cách bạn lên khung lời nhắc sẽ định hình đầu ra của AI. Nghệ thuật tinh chỉnh lời nhắc này được gọi là kỹ thuật lời nhắc (prompt engineering), "bao gồm việc lựa chọn đúng từ ngữ, cụm từ, ký hiệu và định dạng" để có được kết quả tốt nhất có thể từ các mô hình AI (Johnmaeda, 2023).

Với bối cảnh đó, hãy xem xét ba chiến lược sau cho kỹ thuật lời nhắc: Đầu tiên, cung cấp bối cảnh. Thứ hai, cụ thể. Và thứ ba, xây dựng dựa trên cuộc trò chuyện.

Cung cấp bối cảnh

Lời nhắc của bạn có thể là một câu hỏi đơn giản, chẳng hạn như "Thời điểm nào trong năm là tốt nhất để ngắm lá mùa thu ở New England?" Một hệ thống AI như ChatGPT sẽ nhanh chóng tạo ra phản hồi cho lời nhắc đó. Tuy nhiên, bạn cũng có thể làm cho lời nhắc của mình phức tạp hơn bằng cách cung cấp một số bối cảnh hoặc thậm chí là giọng nói. Ví dụ, hãy thử "Bạn là một nhà sinh vật học động vật hoang dã giàu kinh nghiệm chuyên về cây cối. Dựa trên các kiểu thời tiết gần đây ở Hoa Kỳ, hãy dự đoán mùa lá mùa thu đẹp nhất ở New England—và giải thích cho trẻ mẫu giáo". Phản hồi bạn nhận được sẽ rất khác so với phản hồi cho lời nhắc đơn giản hơn vì nó sẽ tính đến các thông số bạn thiết lập bằng cách thêm nhiều bối cảnh hơn.

Nếu bạn muốn có kết quả từ AI mô phỏng phong cách viết của riêng mình, bạn có thể đưa các mẫu viết của mình vào công cụ AI.

Hãy cụ thể

Hãy tăng tính cụ thể trong lời nhắc của bạn. Hãy thử thêm một năm, một khu vực cụ thể (miền bắc, miền trung hoặc miền nam New England) hoặc thậm chí thêm một khu vực khác để so sánh. Có nhiều loại đặc tính cụ thể mà bạn có thể cân nhắc khi phát triển lời nhắc: đưa ra nhiệm vụ cụ thể, ví dụ, các quy tắc và ràng buộc (Cook, 2023).

Các mô hình AI thường tạo ra kết quả dựa trên tính rõ ràng và chính xác của các truy vấn đầu vào mà chúng nhận được. Thay vì đặt ra một câu hỏi chung chung như "Hãy cho tôi biết về biến đổi khí hậu", hãy cân nhắc nêu chi tiết các khía cạnh mà bạn quan tâm, ví dụ: "Thảo luận về tác động kinh tế của biến đổi khí hậu ở các nước đang phát triển trong thập kỷ tới". Bằng cách đó, bạn sẽ định hướng trọng tâm của mô hình, do đó có được phản hồi có mục tiêu và phù hợp hơn. Về bản chất, mức độ chi tiết của đầu vào của bạn tỷ lệ thuận với tiện ích của đầu ra mà bạn nhận được. Do đó, việc tinh chỉnh các truy vấn của bạn bằng ngữ cảnh, ràng buộc hoặc mục tiêu rõ ràng có thể cải thiện đáng kể chất lượng kết quả.

Việc nêu cụ thể và cung cấp nhiều chi tiết hơn giúp bạn hiểu rõ hơn về lời nhắc của mình và tạo ra phản hồi tùy chỉnh hơn với ít lỗi hơn (Neil, 2023).

Xây dựng dựa trên cuộc trò chuyện

Nhiều hệ thống AI có dạng cửa sổ trò chuyện. Các hệ thống dựa trên trò chuyện này có khả năng ghi nhớ những gì đã xảy ra trước đó trong cuộc trò chuyện của bạn mà không cần thiết lập lại ngữ cảnh (Liu, 2023).

Xem Rama Ramakrishnan của MIT Sloan hướng dẫn về cơ chế đằng sau các công cụ viết AI như ChatGPT trong video ChatGPT hoạt động như thế nào: Bài học vỡ lòng không mang tính kỹ thuật.

Hãy cùng xem ví dụ về mùa lá ở trên. Sau khi AI tạo ra phản hồi phù hợp với đối tượng mẫu giáo, bạn chỉ cần thêm nội dung theo dõi. Ví dụ, hướng dẫn AI "làm cho nó hài hước hơn" hoặc "giải thích cho sinh viên đại học chuyên ngành tiếng Anh bằng cách sử dụng phép so sánh mà họ sẽ hiểu". Không cần phải lặp lại ngữ cảnh và các thông số khác. Ngoài ra, hầu hết các hệ thống AI sẽ cho phép bạn tạo phản hồi mới nếu bạn muốn xem phiên bản khác mà không cần nhập lời nhắc khác.

Bạn có thể tiếp tục xây dựng dựa trên phản hồi của AI chỉ bằng cách thêm các lời nhắc khác. Các mô hình mới tiếp tục cải thiện khả năng truyền tải ngữ cảnh qua các tương tác khi cửa sổ ngữ cảnh mở rộng hơn (OpenAI, 2023). Quá trình lặp đi lặp lại này mở ra nhiều tiềm năng hơn từ AI (Neil, 2023). Tính liên tục này cũng có thể trở thành một trở ngại nếu bạn muốn làm việc trên một chủ đề mới, tại thời điểm đó, tốt nhất là bắt đầu một cuộc trò chuyện mới.

HẠN CHẾ

Mặc dù kỹ thuật nhắc có thể cải thiện kết quả đầu ra từ AI, nhưng vẫn có một số hạn chế cần lưu ý.

Tập trung nhiều hơn vào các vấn đề, ít hơn vào các lời nhắc

Các nền tảng AI và các mô hình mà chúng dựa trên đang phát triển nhanh chóng và trở nên tinh vi hơn. Vì lý do đó, một số chuyên gia nghi ngờ liệu tầm quan trọng của kỹ thuật nhắc có tồn tại lâu dài hay không. Smith (2023) dự đoán rằng các mô hình AI có thể sớm có khả năng tự viết lời nhắc.

Acar (2023) dự đoán một tương lai mà các hệ thống AI tiên tiến sẽ có thể trực giác được ý định của chúng ta mà không cần lời nhắc cố ý. Ông kêu gọi chúng ta chú ý đến sự khác biệt giữa vấn đề và lời nhắc. “Kỹ thuật nhắc tập trung vào việc tạo ra đầu vào văn bản tối ưu bằng cách chọn các từ, cụm từ, cấu trúc câu và dấu câu thích hợp. Ngược lại, việc xây dựng vấn đề nhấn mạnh vào việc xác định vấn đề bằng cách phân định trọng tâm, phạm vi và ranh giới của vấn đề đó.” (Acar, 2023). Về lâu dài, việc phát triển các kỹ năng trong việc tạo ra các mô tả về vấn đề có thể quan trọng hơn so với việc thành thạo kỹ thuật nhắc nhở (Acar, 2023).

Việc nhập lời nhắc và nhận kết quả đầu ra cũng giống như quá trình trò chuyện với người khác. Nhưng giống như cuộc trò chuyện giữa hai con người, tương tác với AI đôi khi có thể phức tạp và AI có thể quên mất vị trí của mình trong cuộc trò chuyện. Đây là một lý do khác khiến việc tập trung nhiều hơn vào vấn đề có thể là cách tiếp cận hữu ích hơn so với việc liên tục cố gắng tạo ra lời nhắc hoàn hảo.

Hãy nhận thức được những khiếm khuyết của AI

Mặc dù có những tiến bộ nhanh chóng, AI vẫn không hoàn hảo. Những lo ngại về độ chính xác của sự kiện vẫn tồn tại, như được nêu bật trong một sự cố của CNET vào năm 2023, trong đó nội dung do AI tạo ra được phát hiện là không chính xác về mặt sự kiện (Thorbecke, 2023). Những trường hợp tương tự mà AI tạo ra thông tin sai lệch về mặt sự kiện cũng có thể dễ dàng tìm thấy trong nhiều bối cảnh khác nhau, bao gồm cả học thuật. Các công cụ AI có thể tạo ra nội dung không chính xác, gây hiểu lầm và thậm chí hoàn toàn bịa đặt (ngay cả khi bề ngoài nó có vẻ hoàn toàn mạch lạc và đáng tin cậy). Vấn đề này phổ biến đến mức nó được gọi là ảo giác AI (AI hallucination) (Weise & Metz, 2023). Điều quan trọng là phải ghi nhớ những hạn chế của AI khi xây dựng lời nhắc của bạn và luôn xem xét kết quả bằng con mắt phê phán.

Tránh những tác hại tiềm ẩn của AI

AI có thể duy trì những thành kiến có hại. Nhiều người tại MIT có thể quen thuộc với một cuộc tranh cãi khi một sinh viên MIT gốc Á yêu cầu AI biến ảnh của cô thành ảnh chân dung chuyên nghiệp (Buell, 2023) chỉ để thấy rằng nó tạo ra một hình ảnh của cô với đôi mắt xanh sáng và tông màu da sáng hơn. Sam Altman, CEO của ChatGPT, thừa nhận rằng AI không thể loại bỏ định kiến và tạo ra ngôn ngữ không bao hàm toàn diện, và ủng hộ sự phát triển lặp đi lặp lại để thu thập phản hồi rộng rãi hơn từ công chúng nhằm chống lại những thách thức như vậy (Yu, 2023).

Kết luận

Khi người dùng tìm cách khai thác sức mạnh của AI, việc tạo ra lời nhắc phù hợp trở thành một kỹ năng thiết yếu, hướng dẫn AI đến kết quả mong muốn và đảm bảo kết quả tối ưu. Lời hứa của các hệ thống AI như ChatGPT, Claude và các hệ thống khác nằm ở khả năng thích ứng và học hỏi từ các đầu vào được bạn tạo ra cẩn thận, bắt chước cuộc trò chuyện của con người và tạo ra các đầu ra phù hợp. Tuy nhiên, chúng ta phải luôn cảnh giác về các sai sót tiềm ẩn, thành kiến và những tác động của việc quá phụ thuộc vào các hệ thống này mà không có sự giám sát chặt chẽ.

Tài liệu tham khảo

Acar, O. A. (2023, June 8). AI prompt engineering isn’t the future. Harvard Business Review. https://hbr.org/2023/06/ai-prompt-engineering-isnt-the-future
Buell, S. (2023, August 24). Do AI generated images have racial blind spots? See an example. The Boston Globe. https://www.bostonglobe.com/2023/07/19/business/an-mit-student-asked-ai-make-her-headshot-more-professional-it-gave-her-lighter-skin-blue-eyes
Cook, J. (2023, June 26). How to write effective prompts for ChatGPT: 7 Essential steps for best results. Forbes. https://www.forbes.com/sites/jodiecook/2023/06/26/how-to-write-effective-prompts-for-chatgpt-7-essential-steps-for-best-results/?sh=5a76b51e2a18
Johnmaeda. (2023, May 23). Prompt engineering overview. Microsoft Learn. https://learn.microsoft.com/en-us/semantic-kernel/prompt-engineering
Liu, D. (2023, June 8). Prompt engineering for educators: Making generative AI work for you. LinkedIn. https://www.linkedin.com/pulse/prompt-engineering-educators-making-generative-ai-work-danny-liu
Mollick, E. (2023, January 10). How to. . . use ChatGPT to boost your writing. One Useful Thing. https://www.oneusefulthing.org/p/how-to-use-chatgpt-to-boost-your
Mollick, E. (2023, March 29). How to use AI to do practical stuff: A new guide. One Useful Thing. https://www.oneusefulthing.org/p/how-to-use-ai-to-do-practical-stuff
OpenAI. (2023). GPT-4 technical report. OpenAI. https://openai.com/research/gpt-4
Smith, C. S. (2023, April 5). Mom, Dad, I want to be a prompt engineer. Forbes. https://www.forbes.com/sites/craigsmith/2023/04/05/mom-dad-i-want-to-be-a-prompt-engineer/?sh=206f254359c8
Thorbecke, C. (2023, January 25). Plagued with errors: A news outlet’s decision to write stories with AI backfires. CNN Business. https://www.cnn.com/2023/01/25/tech/cnet-ai-tool-news-stories/index.html
Urban, E. (2023, July 18). What is intent recognition? Microsoft Learn. https://learn.microsoft.com/en-us/azure/ai-services/speech-service/intent-recognition
Weise, K., & Metz, C. (2023, May 9). When AI chatbots hallucinate. The New York Times. https://www.nytimes.com/2023/05/01/business/ai-chatbots-hallucination.html
Yu, E. (2023, June 19). Generative AI should be more inclusive as it evolves, according to OpenAI’s CEO. ZDNET. https://www.zdnet.com/article/generative-ai-should-be-more-inclusive-as-it-evolves

AT A GLANCE

AI is rapidly becoming a routine part of many of our professional and personal lives. But have you ever been unhappy with the results that AI generated for you? Do you wonder if you’re getting the most out of AI? This article provides an introduction to crafting effective prompts so that you maximize your benefits from AI.

Before you start crafting the perfect prompt, visit Navigating Data Privacy to review our guidelines for protecting your data while using these technologies.

WHAT IS A PROMPT?

Prompts are your input into the AI system to obtain specific results. In other words, prompts are conversation starters: what and how you tell something to the AI for it to respond in a way that generates useful responses for you. After that, you can build a continuing prompt, and the AI will produce another response accordingly. It’s like having a conversation with another person, only in this case the conversation is text-based, and your interlocutor is AI.

A prompt can be as simple as a phrase or as complex as multiple sentences and paragraphs. New models are even able to handle multimodal inputs, including pictures and audio. Despite the increased sophisticated of LLM chat-based interfaces, it’s still helpful to think of a generative AI tool like ChatGPT as “a machine you are programming with words” (Mollick, 2023). Your AI interactions and the output quality hinge largely on how you word your prompts.

HOW AI RESPONDS TO PROMPTS

The marvel of AI is its adaptability, which means you can (and probably should) direct the results it gives you by creating detailed prompts. Crafting effective prompts can optimize your results.

This is because most AI systems—like ChatGPT, Claude, and others—are primarily built on the combination of two technologies: natural language processing and machine learning (Mollick, 2023). This combination enables AI to understand your prompts even if you write them as if you’re having a conversation with another human being. It also means the system continuously learns from input from you and other users.

Moreover, some AI platforms, such as commercial chatbots, leverage intent recognition (Urban, 2023) to discern user sentiment and intentions better by analyzing context information contained in user query (Wu et al., 2022).

WRITING EFFECTIVE PROMPTS

To simplify, the way you frame prompts shapes the AI’s output. This art of refining prompts is termed prompt engineering, which “involves selecting the right words, phrases, symbols, and formats” to get the best possible result from AI models (Johnmaeda, 2023).

Given that context, consider these three strategies for prompt engineering: First, provide context. Second, be specific. And third, build on the conversation.

Provide Context

Your prompt can be a simple question, like, “What’s the best time of year to enjoy New England’s fall foliage?” An AI system like ChatGPT will quickly generate a response to that prompt. However, you can also make your prompts more sophisticated by providing some context, or even a voice. Try, for example, “You are an experienced wildlife biologist specializing in trees. Based on the recent weather patterns in the USA, predict the best fall foliage season for New England—and explain it to kindergarteners.” The response you get will be vastly different than the response to the simpler prompt because it will take into account the parameters you established by adding more context.

If you’d like to obtain results from AI that mimics your own writing style, you can feed your writing samples into the AI tool.

Be Specific

Boost specificity in your prompt. Try adding a year, specific region (north, central, or southern New England), or even add another region for comparison. There are various kinds of specificity you can consider when developing prompts: give a precise task, examples, rules and constraints (Cook, 2023).

AI models often generate outputs based on the clarity and precision of the input queries they receive. Rather than posing a general question like, “Tell me about climate change,” consider detailing the aspects you’re interested in, for example, “Discuss the economic implications of climate change in developing countries over the next decade.” By doing so, you direct the model’s focus, thereby obtaining a more targeted and relevant response. In essence, the granularity of your input is directly proportional to the utility of the output you receive. Therefore, refining your queries with explicit context, constraints, or goals can significantly enhance the quality of results.

Being specific and providing more details helps you understand your prompt better and generates a more customized response with fewer errors (Neil, 2023).

Building On the Conversation

Many AI systems take the form of a chat window. These chat-based systems are capable of remembering what happened earlier in your conversation without re-establishing context (Liu, 2023).

Watch MIT Sloan’s Rama Ramakrishnan walk through the mechanics behind AI writing tools like ChatGPT in his video How ChatGPT Works: A Non-Technical Primer.

Let’s look at the foliage season example above. Once AI generates the response tailored to the kindergarten audience, you can simply add a follow-up. For example, instruct it to “make it funnier,” or “explain it to college students who are English majors using analogies they will understand.” There is no need to repeat the context and other parameters. Additionally, most AI systems will allow you to generate a new response if you’d like to see a different version without entering another prompt.

You can continue to build upon AI’s responses just by adding other prompts. New models continue to improve the ability to carry context across interactions as context windows grow larger (OpenAI, 2023). This iterative process unlocks more potential from AI (Neil, 2023). This continuity can also become a hindrance if you want to work on a new topic, at which point it’s best to start a new chat.

LIMITATIONS

While prompt engineering can improve the outputs from AI, there are some limitations to bear in mind.

Focus More on Problems, Less on Prompts

AI platforms and the models they are based upon are rapidly evolving and becoming more sophisticated. For that reason, some experts doubt whether the importance of prompt engineering will be long lasting. Smith (2023) predicts that AI models may soon be able to write prompts themselves.

Acar (2023) foresees a future where advanced AI systems will be able to intuit our intentions without deliberate prompts. He calls for our attention the difference between problems and prompts. “Prompt engineering focuses on crafting the optimal textual input by selecting the appropriate words, phrases, sentence structures, and punctuation. In contrast, problem formulation emphasizes defining the problem by delineating its focus, scope, and boundaries.” (Acar, 2023). In the long run, it may be more important to develop skills in crafting descriptions of problems as compared to mastering prompt engineering (Acar, 2023).

Entering a prompt and receiving output is much like the process of having a conversation with another person. But just like a conversation between two humans, interacting with AI can sometimes be complicated and AI may forget where it was in the conversation. This is another reason focusing more on the problem may be a more helpful approach than repeated attempts at crafting perfect prompts.

Be Aware of AI’s Flaws

Despite rapid advancements, AI isn’t flawless. Concerns around factual accuracy persist, as highlighted by a CNET incident in 2023 where AI-generated content was found factually incorrect (Thorbecke, 2023). Similar cases where AI generated factually false information can easily be found in many different settings, too, including academia. AI tools can produce content that is inaccurate, misleading, and even completely made up (even if it may seem perfectly coherent and believable on the surface). This problem is so common that it’s referred to as an AI hallucination (Weise & Metz, 2023). It is important to keep in mind AI’s limitations when formulating your prompts and always look at results with a critical eye.

Avoid AI’s Potential Harms

AI can perpetuate harmful biases. Many at MIT may be familiar with a controversy where an MIT student of Asian heritage asked AI to turn her photo into a professional looking headshot (Buell, 2023) only to find that it generated an image of her with bright blue eyes and a lighter skin tone. Sam Altman, CEO of ChatGPT, recognizes that AI falls short of removing biases and producing non-inclusive language, and advocates for iterative development that solicits broader public feedback to counter such challenges (Yu, 2023).

Conclusion

As users seek to harness the power of AI, crafting the right prompt becomes an essential skill, guiding AI towards desired outcomes and ensuring optimal results. The promise of AI systems like ChatGPT, Claude, and others lies in their ability to adapt and learn from your carefully crafted inputs, mimicking human conversation and generating pertinent outputs. Yet, we must remain vigilant about potential flaws, biases, and the implications of over-relying on these systems without critical scrutiny.

References