క్లాడ్ కోడ్ సృష్టికర్త బోరిస్ చెర్నీ ఒక సాధారణ తప్పు కారణంగా చాలా మంది వినియోగదారులు ఆంత్రోపిక్ యొక్క ప్రసిద్ధ AI చాట్‌బాట్ నుండి ఎక్కువ ప్రయోజనం పొందలేకపోతున్నారని వెల్లడించారు. ఇటీవలి Y కాంబినేటర్ ఈవెంట్‌లో మాట్లాడుతూ, చాలా మంది వినియోగదారులు సుదీర్ఘమైన ప్రాంప్ట్‌లతో AI మోడల్‌లను మైక్రోమేనేజ్ చేస్తారని చెర్నీ వివరించాడు, దీనిని అతను “సాధారణ తప్పు” అని పిలిచాడు ఎందుకంటే ఇది పనిని సాధించడానికి ఉత్తమమైన మార్గాన్ని నిర్ణయించకుండా AI ని నిరోధిస్తుంది.
“ప్రజలు క్లాడ్ కోడ్‌ని ఉపయోగిస్తున్నారని, వారు క్లాడ్‌ని ఉపయోగిస్తున్నారని నేను చూసే ఒక సాధారణ పొరపాటు అని నేను భావిస్తున్నాను మరియు వారు దానిని అధిక-నిర్దిష్ట సూచనలను ఇస్తారు” అని చెర్నీ చెప్పారు. “వారు ఇలా ఉన్నారు, ‘మీరు దీన్ని చేయాలని నేను కోరుకుంటున్నాను, కానీ మీరు దీన్ని ఈ విధంగా, ఈ విధంగా, ఈ విధంగా చేయాలని నేను కోరుకుంటున్నాను. మీరు ఒకటి, రెండు, ఆపై మూడు, ఆపై నాలుగు వంటివి చేయాలి’.”
ఆరు నెలల క్రితం కూడా ఈ విధానం సరిగ్గా పని చేయకపోవచ్చని చెర్నీ వాదించారు, తాజా తరం AI మోడల్‌లతో విషయాలు గణనీయంగా మారాయి.
వినియోగదారులు AI మోడల్‌లకు తాము సాధించగలమని భావించే దానికంటే “కఠినమైన పనులు” ఇవ్వాలని కూడా అతను వాదించాడు. ప్రతి కొత్త మోడల్ జనరేషన్ మునుపటివారు చేయలేని పనులను చేపట్టగల సామర్థ్యాన్ని కలిగి ఉన్నందున ఇది పనిచేస్తుందని చెర్నీ చెప్పారు.
ఆంత్రోపిక్ ఎగ్జిక్యూటివ్ క్లాడ్ ఇటీవల 11-రోజుల వ్యవధిలో ఒక ప్రోగ్రామింగ్ లాంగ్వేజ్ నుండి మరొక ప్రోగ్రామింగ్ లాంగ్వేజ్‌కి మొత్తం ప్రొడక్షన్ కోడ్‌బేస్‌ను ఎలా తిరిగి వ్రాసాడు అనేదానికి ఉదాహరణ ఇచ్చారు. అతని ప్రకారం, అదే పని పూర్తి చేయడానికి ఇంజనీర్లకు ఒక సంవత్సరం కంటే ఎక్కువ సమయం పడుతుంది.
ప్రాంప్ట్ ఇంజనీరింగ్ భవిష్యత్తు కాదు:
AI మోడల్‌ల నుండి ఉత్తమమైన వాటిని పొందడానికి ప్రాంప్ట్ ఇంజినీరింగ్ నేర్చుకోవడం గురించి చాలా చర్చలు జరుగుతున్నప్పటికీ, భవిష్యత్తులో AI మోడల్‌లు తమ స్వంత పనులను పూర్తి చేయడానికి మరింత స్వయంప్రతిపత్తిని ఇవ్వడం గురించి చెర్నీ వాదించారు.
“ధృవీకరణ అనేది ప్రజలు సరైనది కాదని నేను భావిస్తున్నాను,” అని అతను చెప్పాడు, వినియోగదారులు పెరుగుతున్న విస్తృతమైన ప్రాంప్ట్‌లపై ఆధారపడకుండా దాని అవుట్‌పుట్‌ని పరీక్షించడానికి మరియు ధృవీకరించడానికి AIకి మార్గాలను అందించాలని ఆయన వివరించారు.
“ప్రజలు దీనిని కొంచెం ఎక్కువగా ఆలోచిస్తారని నేను భావిస్తున్నాను. ప్రజలు అతిగా ఇంజనీర్‌గా వ్యవహరిస్తారని నేను భావిస్తున్నాను” అని చెర్నీ చెప్పారు. మానవుడు ఉపయోగించే ఖచ్చితమైన ప్రక్రియను అనుసరించమని AIని బలవంతం చేయడానికి ప్రయత్నించే బదులు, అతను దానిని “మీరు సహోద్యోగిలాగా” పరిగణించాలని సూచించారు, “ఇది ప్రస్తుతం ఉన్న మేధస్సు స్థాయి” అని చెప్పారు.
AI మోడల్‌లకు అతిగా నిర్దిష్ట ప్రాంప్ట్‌లను ఇవ్వడానికి వ్యతిరేకంగా వాదించే వ్యక్తి చెర్నీ మాత్రమే కాదు. వాస్తవానికి, Google బ్రెయిన్ సహ-వ్యవస్థాపకుడు ఆండ్రూ Ng గత సంవత్సరం X (గతంలో Twitter)లో ఒక పోస్ట్‌లో ఇదే విధమైన ఆలోచనను పంచుకున్నారు, దానిని అతను “లేజీ ప్రాంప్టింగ్” అని పిలిచాడు.
ఈ విధానం ప్రకారం, వినియోగదారులు చిన్న, అస్పష్టమైన ప్రాంప్ట్‌తో ప్రారంభించాలని మరియు మోడల్ యొక్క ప్రారంభ ప్రతిస్పందన తగినంతగా లేకుంటే మరింత సందర్భాన్ని మాత్రమే జోడించాలని Ng చెప్పారు. కోడ్‌ని డీబగ్గింగ్ చేసేటప్పుడు లేదా వచనాన్ని సవరించేటప్పుడు అవుట్‌పుట్ సరైనదేనా అని వినియోగదారులు త్వరగా నిర్ధారించగలిగినప్పుడు ఈ విధానం బాగా పనిచేస్తుందని ఆయన వివరించారు.
“సోమరితనం మరియు త్వరిత, అస్పష్టమైన ప్రాంప్ట్ నుండి డాష్ చేయడం మరియు ఏమి జరుగుతుందో చూడటం కొన్నిసార్లు వేగవంతమైనదని నేను కనుగొన్నాను” అని Ng రాశాడు. సుదీర్ఘమైన సూచనలను ముందుగా వ్రాయడానికి బదులుగా, వినియోగదారులు “వివరాలను అవసరమైనప్పుడు మాత్రమే ప్రాంప్ట్‌కు జోడించాలి” అని ఆయన తెలిపారు.
