Jika Anda pernah menggunakan chatbotGPT seperti ChatGPT, Anda mungkin memperhatikan kualitas output yang bervariasi.
Kadang-kadang ia memberikan apa yang Anda butuhkan. Di lain waktu, Anda curiga bahwa 'kecerdasan' dalam AI adalah lelucon.
Anda dapat meningkatkan ChatGPT permainan Anda dengan meningkatkan cara Anda mendorongnya. Rangkaian pertanyaan mendorong LLM untuk memikirkan tugas selangkah demi selangkah sebelum memberikan respons.
Model dan fitur AI yang lebih baru mulai membangun penalaran rantai pemikiran secara langsung, sehingga model mereka secara otomatis menalar masalah tanpa petunjuk tambahan.
Apa yang dimaksud dengan dorongan rantai pemikiran?
Chain-of-thought prompting adalah teknik rekayasa cepat dalam AI yang menginstruksikan model untuk menguraikan tugas-tugas yang kompleks, menalar setiap langkah sebelum merespons.
Anda mungkin juga pernah mendengar istilah 'penalaran berantai'. Hal ini mengacu pada proses langkah demi langkah yang akan dilakukan oleh model untuk menalar tugas yang ada.
ModelOpenAI o1 tidak memerlukan perintah berantai, karena sudah memiliki penalaran berantai. Tetapi Anda dapat menggunakan petunjuk alur pikir pada chatbot yang didukung LLM.
Bagaimana cara kerja penalaran berantai?
Penalaran berantai memerlukan pemecahan masalah menjadi langkah-langkah yang lebih kecil dan logis untuk dipecahkan oleh chatbot AI secara berurutan.
Pertama, AI mengidentifikasi bagian-bagian kunci dari masalah. Kemudian AI memproses setiap bagian secara berurutan, dengan mempertimbangkan bagaimana satu langkah mengarah ke langkah berikutnya. Setiap langkah dibangun di atas langkah sebelumnya, sehingga memungkinkan AI bergerak secara metodis menuju kesimpulan yang logis.
Contoh petunjuk rantai pemikiran
Prompt 'stroberi' yang terkenal
ChatGPT dan LLMs lainnya memiliki kelemahan yang terdokumentasi dengan baik. Salah satunya adalah ketidakmampuan mereka untuk mengidentifikasi dengan benar berapa banyak huruf 'R' dalam kata 'strawberry' (Mungkin keterbatasan yang terkenal di balik nama kode model O1: Strawberry).
ChatGPT-4o tidak menggunakan penalaran berantai. Sebaliknya, ia merujuk pada data pelatihannya dan menghasilkan respons berdasarkan seberapa besar kemungkinan setiap kata mengikuti kata sebelumnya. Meskipun mungkin terdengar benar sebagian besar waktu, ini hanya menghasilkan untuk meniru bahasa manusia - bukan penalaran atau melakukan penelitian.
Ketika Anda bertanya kepada ChatGPT-4o pertanyaan stroberi yang terkenal, ia tidak dapat memberikan jawaban yang benar:
Namun, Anda dapat menggunakan teknik petunjuk berantai untuk membantu chatbot yang didukung oleh LLM sampai pada jawaban yang benar:
Iterasi terbaru dari ChatGPT, yang didukung oleh OpenAI o1-preview, adalah LLM utama pertama yang menggunakan penalaran rantai pemikiran tanpa petunjuk tambahan.
Ia memecahkan jawaban pada percobaan pertama, karena telah diperintahkan untuk secara otomatis mengikuti proses yang sama dengan perintah kedua ChatGPT-4o di atas. Satu-satunya perbedaan adalah bahwa ia melakukan proses ini tanpa perintah tambahan.
Matematika
Jika Anda mengajukan pertanyaan matematika dari buku pelajaran sekolah dasar kepada versi lama ChatGPT , maka tidak akan selalu benar.
Soal matematika multi-langkah membutuhkan penalaran, yang tidak ada di LLMs sebelumnya. Anda dapat menguraikan setiap langkah soal, tetapi jika Anda tidak mengetahui langkah yang benar, LLM tidak dapat membantu.
ChatGPT-4o mampu memberikan alasan atas jawaban dari pertanyaan dengan menguraikan rangkaian langkah dalam soal:
Agen AI yang terhubung ke Hubspot
Untuk aplikasi di dunia nyata, mari kita lihat agen AI bertenaga LLM yang telah diintegrasikan ke dalam Hubspot. Tim penjualan menggunakan agen AI ini untuk memproses prospek baru saat mereka dikumpulkan di seluruh saluran.
Skenario
Seorangtenaga penjual mengirimkan prospek baru ke agen AI dan memintanya untuk mendaftarkannya ke Hubspot dan mengirimkan email titik kontak pertama, tetapi tidak mengisinya jika prospek tersebut bekerja di perusahaan yang sudah menjadi prospek.
LLM tanpa penalaran berantai
Agen AILLM mendaftarkan prospek dan mengirimkan email tanpa memeriksa apakah perusahaan tersebut sudah menjadi prospek, sehingga melewatkan syarat utama.
LLM dengan penalaran berantai
AgenAI yang didukung oleh LLM memeriksa apakah perusahaan tersebut sudah menjadi prospek sebelum mengambil tindakan. Jika sudah menjadi prospek, agen akan melewatkan registrasi dan mengirim email; jika belum, agen akan mendaftarkan prospek dan mengirim email, mengikuti instruksi dari penjual secara akurat.
Kapan saya harus menggunakan petunjuk rantai pemikiran?
Petunjuk rantai pemikiran paling baik digunakan dalam skenario yang membutuhkan penalaran langkah demi langkah.
Kandidat utama adalah tugas yang melibatkan deduksi logis, masalah matematika, tugas prosedural, atau situasi apa pun yang membutuhkan jawaban multi-langkah.
Tapi tunggu dulu: penalaran kedengarannya bagus - mengapa saya tidak menggunakannya setiap saat?
Pertanyaan bagus. Tidak semua pertanyaan membutuhkan penalaran. Sebagai contoh:
- Pertanyaan faktual sederhana, seperti 'Apa ibu kota Kanada?
- Soal satu langkah, seperti 'Berapakah 145 + 37?
- Tugas pembuatan konten, seperti 'Tulis email 3 kalimat yang sopan yang menanyakan kepada kolega saya apakah mereka sudah selesai dengan proyek mereka.
Meminta perubahan vs meminta rantai pemikiran
Meskipun namanya mirip, prompt chaining dan prompt chain-of-thought merupakan strategi prompt yang berbeda untuk meningkatkan hasil AI generatif.
Rantai pemikiran yang mendorong
Dengan petunjuk berantai, pengguna memandu AI untuk menjelaskan alasan di balik jawabannya dalam satu respons. Hal ini mendorong AI untuk berjalan melalui setiap langkah dari proses pemecahan masalah, tetapi diselesaikan dalam satu perintah dan respons.
Sebagai contoh, sebuah perintah yang berantai dapat dilakukan dalam satu pesan:
"Sebuah tim HR perlu meninjau 5 evaluasi kinerja karyawan. Masing-masing akan memakan waktu 30 menit dan mereka membutuhkan 15 menit untuk persiapan sebelumnya. Evaluasi senior akan membutuhkan waktu tambahan masing-masing 10 menit. Berapa lama waktu yang dibutuhkan untuk menyelesaikan 5 evaluasi senior dan 25 evaluasi junior? Jabarkan alasan Anda selangkah demi selangkah."
Rantai yang cepat
Dengan prompt chaining, tugas dipecah menjadi beberapa langkah terpisah dengan beberapa prompt, masing-masing membangun hasil sebelumnya. Hal ini membantu menyusun dan memandu AI melalui tugas kompleks yang kemungkinan besar melibatkan penalaran.
Permintaan pertama mungkin terlihat seperti ini:
Pertanyaan 1: Identifikasi tantangan utama yang mungkin dihadapi perusahaan saat bertransisi ke kerja jarak jauh.
Keluaran:
- Kesenjangan komunikasi
- Mempertahankan produktivitas
- Infrastruktur teknologi
- Keterlibatan karyawan
Petunjuk berikutnya mungkin akan membahas lebih jauh mengenai konsep-konsep ini. Sebagai contoh:
Pertanyaan 2: Jelaskan bagaimana perusahaan dapat menemukan solusi untuk mengatasi kesenjangan komunikasi saat bertransisi ke kerja jarak jauh.
Setelah putaran output berikutnya, mata rantai berikutnya mungkin akan muncul:
Pertanyaan 3: Apa saja tantangan umum yang dihadapi perusahaan ketika mereka mengadopsi solusi ini?
Jadi, meskipun keduanya serupa, keduanya mengambil pendekatan yang berbeda untuk mengekstraksi konten yang paling mendalam dan relevan dari alat AI generatif.
Rantai pemikiran yang mendorong pada Botpress
Botpress pengguna sudah terbiasa dengan fitur yang menggunakan penalaran berantai.
Autonomous Node memulai debutnya pada bulan Juli 2024 di Botpress, sebuah platform untuk membangun agen AI. Autonomous Node mampu mengotomatiskan alur kerja multi-langkah dan membuat keputusan secara mandiri.
Autonomous Node dapat dibuat dan diminta dengan sebaris teks sederhana, seperti 'Tujuan Anda adalah menghasilkan prospek yang berkualitas. Buat prospek di Salesforce ketika pengguna menunjukkan niat membeli.
Agen AI yang Anda buat menggunakan Autonomous Node ini akan mengambil berbagai tindakan untuk mencapai tujuannya, tidak bergantung pada alur kerja yang dirancang oleh manusia. Agen ini juga dapat beralih di antara berbagai LLMs yang berbeda sesuai kebutuhan, mengambil keputusan untuk memprioritaskan kecepatan atau kekuatan.
Membangun agen otonom khusus
Botpress adalah satu-satunya platform agen AI yang memungkinkan Anda membangun agen yang benar-benar otonom.
Botpress Studio yang terbuka dan fleksibel memungkinkan kasus penggunaan yang tak terbatas di seluruh industri, mulai dari SDM hingga pembuatan prospek. Perpustakaan integrasi kami yang sudah dibangun sebelumnya dan tutorial yang ekstensif memungkinkan pengguna dengan mudah membangun agen AI dari awal.
Mulai membangun hari ini. Gratis.
Atau hubungi tim penjualan kami.
.svg)
