何がプロンプトエンジニアリングですか？プロンプトエンジニアリングは、ChatGPT のような言語モデルの出力を導くためのプロンプトや指示を作成するプロセスです。これにより、ユーザーはモデルの出力を制御し、特定のニーズに合ったテキストを生成できます。ChatGPT は、人間のようなテキストを生成できる高度な言語モデルです。これはトランスフォーマーアーキテクチャに基づいており、大量のデータを処理し、高品質のテキストを生成できます。しかし、ChatGPT から最良の結果を得るためには、モデルに正しくプロンプトを与える方法を理解することが重要です。プロンプトは、ユーザーがモデルの出力を制御し、関連性があり、正確で高品質なテキストを生成するのに役立ちます。ChatGPT を使用する際には、その能力と限界を理解することが非常に重要です。このモデルは人間のようなテキストを生成できますが、適切な指導がなければ、常に期待される出力を生成できるわけではありません。これがプロンプトエンジニアリングの役割です。明確で具体的な指示を提供することで、モデルの出力を導き、その関連性を確保できます。プロンプトフォーミュラは、プロンプトの特定の形式で、通常は 3 つの主要な要素で構成されます：
- タスク：モデルに生成を求める内容を明確かつ簡潔に述べること。
- 指示：テキスト生成時にモデルが従うべき指示。
- 役割：モデルがテキスト生成時に果たすべき役割。
指示プロンプト技術#
指示プロンプト技術は、モデルに具体的な指示を提供することで ChatGPT の出力を導く方法です。この技術は、出力が関連性があり、高品質であることを確保するのに非常に役立ちます。指示プロンプト技術を使用するには、モデルに明確で簡潔なタスクを提供し、モデルが従うべき具体的な指示を提供する必要があります。たとえば、顧客サービスの応答を生成する場合、「顧客の問い合わせに応答を生成する」というタスクを提供し、「応答は専門的で、正確な情報を提供するべきです」という指示を与えます。プロンプトフォーミュラ：「以下の指示に従って [タスク] を生成してください：[指示]」
顧客サービスの応答を生成：
- タスク：顧客の問い合わせに応答を生成
- 指示：応答は専門的で、正確な情報を提供するべきです
- プロンプトフォーミュラ：「専門的で正確な顧客の問い合わせへの応答を生成するために、以下の指示に従ってください：応答は専門的で、正確な情報を提供するべきです。」
法律文書を生成：
- タスク：法律文書を生成
- 指示：文書は関連する法律および規制に準拠するべきです
- プロンプトフォーミュラ：「関連する法律および規制に準拠した法律文書を生成するために、以下の指示に従ってください：文書は関連する法律および規制に準拠するべきです。」
指示プロンプト技術を使用する際には、指示が明確で具体的であることを忘れないでください。これにより、出力が関連性があり、高品質であることが確保されます。指示プロンプト技術は、次の章で説明される「役割プロンプト」と「シードワードプロンプト」と組み合わせて、ChatGPT の出力を強化することができます。
役割プロンプト#
役割プロンプト技術は、ChatGPT に特定の役割を指定することでその出力を導く方法です。この技術は特定の文脈やオーディエンスに対してテキストを生成するのに非常に役立ちます。役割プロンプト技術を使用するには、モデルに明確で具体的な役割を提供する必要があります。たとえば、顧客サービスの返信を生成する場合、「顧客サービス代表」という役割を提供できます。プロンプトフォーミュラ：「[役割] として [タスク] を生成」
顧客サービスの返信を生成：
- タスク：顧客の問い合わせに対する返信を生成
- 役割：顧客サービス代表
- プロンプトフォーミュラ：「顧客サービス代表として、顧客の問い合わせに対する返信を生成してください。」
法律文書を生成：
- タスク：法律文書を生成
- 役割：弁護士
- プロンプトフォーミュラ：「弁護士として、法律文書を生成してください。」
役割プロンプト技術を指示プロンプトやシードワードプロンプトと組み合わせて使用することで、ChatGPT の出力を強化できます。以下は、指示プロンプト、役割プロンプト、シードワードプロンプト技術を組み合わせて使用する方法の例です：
- タスク：新しいスマートフォンの製品説明を生成
- 指示：説明は情報豊かで説得力があり、スマートフォンの独自の機能を強調するべきです
- 役割：マーケティング担当者 シードワード：「革新的な」
- プロンプトフォーミュラ：「マーケティング担当者として、情報豊かで説得力のある製品説明を生成し、新しいスマートフォンの革新的な機能を強調してください。このスマートフォンには以下の機能があります [機能を挿入]」
この例では、指示プロンプトは製品説明が情報豊かで説得力があることを確保するために使用されます。役割プロンプトは、説明がマーケティング担当者の視点から書かれていることを確保します。そして、シードワードプロンプトは、説明がスマートフォンの革新的な機能に焦点を当てることを確保します。
標準プロンプト#
標準プロンプトは、モデルに特定のタスクを提供することで ChatGPT の出力を導くシンプルな方法です。たとえば、ニュース記事の要約を生成したい場合、「このニュース記事を要約してください」というタスクを提供できます。 プロンプトフォーミュラ：「[タスク] を生成」
ニュース記事の要約を生成：
- タスク：このニュース記事を要約
- プロンプトフォーミュラ：「このニュース記事の要約を生成してください」
新しいスマートフォンのレビューを生成：
- タスク：新しいスマートフォンのレビューを書く
- プロンプトフォーミュラ：「この新しいスマートフォンのレビューを生成してください」
標準プロンプト、役割プロンプト、シードワードプロンプト技術を組み合わせて使用する例：
タスク：新しいノートパソコンの製品レビューを書く
- 指示：レビューは客観的で情報豊かで、ノートパソコンの独自の特徴を強調するべきです
- 役割：技術専門家
- シードワード：「強力な」
- プロンプトフォーミュラ：「技術専門家として、新しいノートパソコンの強力な特徴を強調する客観的で情報豊かな製品レビューを生成してください。」
この例では、標準プロンプト技術はモデルが製品レビューを生成することを確保します。役割プロンプトは、レビューが技術専門家の視点から書かれていることを確保します。そして、シードワードプロンプトは、レビューがノートパソコンの強力な特徴に焦点を当てることを確保します。
ゼロ、ワン、少数サンプルプロンプト#
ゼロサンプル、ワンサンプル、少数サンプルプロンプトは、最小限または全く例がない状態で ChatGPT からテキストを生成するための技術です。特定のタスクのデータが限られている場合や、タスクが新しく未定義の場合に非常に役立ちます。タスクに利用可能な例がない場合は、ゼロサンプルプロンプト技術を使用します。モデルは一般的なタスクを提供し、タスクの理解に基づいてテキストを生成します。タスクに利用可能な例が 1 つだけの場合は、ワンサンプルプロンプト技術を使用します。モデルは例を提供し、例の理解に基づいてテキストを生成します。タスクに利用可能な例が限られている場合は、少数サンプルプロンプト技術を使用します。モデルは例を提供し、例の理解に基づいてテキストを生成します。 プロンプトフォーミュラ：「[数] の例に基づいてテキストを生成」
利用可能な例がない新製品の製品説明を作成：
- タスク：新しいスマートウォッチの製品説明を作成
- プロンプトフォーミュラ：「ゼロの例に基づいてこの新しいスマートウォッチの製品説明を生成してください」
1 つの例を使用して製品比較を生成：
- タスク：新しいスマートフォンを最新の iPhone と比較
- プロンプトフォーミュラ：「1 つの例（最新の iPhone）を使用してこの新しいスマートフォンの製品比較を生成してください」
少数の例を使用して製品レビューを生成：
- タスク：新しい電子書籍リーダーのレビューを書く
- プロンプトフォーミュラ：「少数の例（他の 3 つの電子書籍リーダー）を使用してこの新しい電子書籍リーダーのレビューを生成してください」
これらの技術は、モデルがタスクや提供された例に基づいてテキストを生成するのに役立ちます。
「考えてみましょう」プロンプト#
「考えてみましょう」プロンプトは、ChatGPT に反省的で思考的なテキストを生成するよう促す技術です。この技術は、エッセイ、詩、創造的なライティングなどのタスクに適しています。「考えてみましょう」プロンプトのフォーミュラは非常にシンプルで、「考えてみましょう」という後にテーマや質問が続きます。
反省的なエッセイを生成：
- タスク：自己成長のテーマについて反省的なエッセイを書く
- プロンプトフォーミュラ：「考えてみましょう：自己成長」
詩を生成：
- タスク：季節の変化についての詩を書く
- プロンプトフォーミュラ：「考えてみましょう：季節の変化」
このプロンプトは、特定のテーマやアイデアについての対話や議論を展開することを要求します。発言者は ChatGPT に関連するテーマについての議論に参加するよう招待します。モデルは、提供されたプロンプトに関連する応答を生成します。この技術により、ChatGPT は提供されたプロンプトに基づいて文脈に適した一貫したテキストを生成できます。「考えてみましょう」プロンプト技術を ChatGPT と一緒に使用するには、以下の手順に従うことができます：
- 議論したいテーマやアイデアを特定します。
- テーマやアイデアを明確に表現するプロンプトを作成し、対話やテキスト生成を開始します。
- 「考えてみましょう」または「議論しましょう」と始まるプロンプトを使用して、対話や議論を開始していることを示します。
- この技術を使用するためのいくつかのプロンプトの例は以下の通りです：
プロンプト：「考えてみましょう：気候変動が農業に与える影響」
プロンプト：「議論しましょう：人工知能の現状」
プロンプト：「話しましょう：リモートワークの利点と欠点」
オープンエンドの質問、声明、またはモデルに続けたり拡張したりしてほしいテキストの段落を追加することもできます。プロンプトを提供すると、モデルはそのトレーニングデータとアルゴリズムを使用して、プロンプトに関連する応答を生成し、対話を一貫して続けます。この独特なプロンプトは、ChatGPT が異なる視点や角度から回答を提供するのを助け、よりダイナミックで情報豊かな段落を生成します。プロンプトの使用手順は簡単で、実際にあなたのライティングスキルを向上させることができます。試してみて、その効果を見てください。
一貫性プロンプト#
一貫性プロンプトは、ChatGPT の出力が提供された入力と一致することを確保するための技術です。この技術は、事実確認、データ検証、またはテキスト生成における一貫性チェックなどのタスクに非常に役立ちます。一貫性プロンプトのフォーミュラは、入力テキストの後に指示 **「以下のテキストが一貫していることを確認してください」** が続きます。または、モデルに提供された入力と一致するテキストを生成するように促すこともできます。
タスク：製品レビューを生成（テキスト生成）
- 指示：レビューは入力に提供された製品情報と一致するべきです
- プロンプトフォーミュラ：「以下の製品情報と一致する製品レビューを生成してください [製品情報を挿入]」
タスク：ニュース記事を要約（テキスト要約）
- 指示：要約は記事に提供された情報と一致するべきです
- プロンプトフォーミュラ：「以下のニュース記事を提供された情報と一致する方法で要約してください [ニュース記事を挿入]」
タスク：文を完成させる（テキスト完成）
- 指示：完成は入力に提供された文脈と一致するべきです
- プロンプトフォーミュラ：「以下の文を提供された文脈と一致する方法で完成させてください [文を挿入]」
タスク：与えられたニュース記事の一貫性をチェックする（事実確認）
- 入力テキスト：「記事ではその都市の人口が 500 万人と述べられていますが、その後その都市の人口が 700 万人と述べられています。」
- プロンプトフォーミュラ：「以下のテキストが一貫していることを確認してください：記事ではその都市の人口が 500 万人と述べられていますが、その後その都市の人口が 700 万人と述べられています。」
タスク：与えられたデータセットの一貫性をチェックする（データ検証）
- 入力テキスト：「データは 7 月の平均温度が 30 度であると示していますが、最低温度は 20 度として記録されています。」
- プロンプトフォーミュラ：「以下のテキストが一貫していることを確認してください：データは 7 月の平均温度が 30 度であると示していますが、最低温度は 20 度として記録されています。」
シードワードプロンプト#
シードワードプロンプトは、特定のシードワードやフレーズを提供することで ChatGPT の出力を制御する技術です。シードワードプロンプトのフォーミュラは、シードワードやフレーズの後に指示「以下のシードワードに基づいてテキストを生成してください」が続きます。
タスク：ドラゴンに関する物語を書く（テキスト生成）
- シードワード：「ドラゴン」
- プロンプトフォーミュラ：「以下のシードワードに基づいてテキストを生成してください：ドラゴン」
タスク：英語の文をスペイン語に翻訳する（言語翻訳）
- シードワード：「こんにちは」
- プロンプトフォーミュラ：「以下のシードワードに基づいてテキストを生成してください：こんにちは」
シードワードプロンプトは役割プロンプトや指示プロンプトと組み合わせることができます。これにより、より具体的でターゲットを絞った生成テキストを作成できます。シードワードやフレーズを提供することで、モデルはそのシードワードやフレーズに関連するテキストを生成し、期待される出力や役割に関する情報を提供することで、モデルは役割や指示に特有のスタイルやトーンでテキストを生成できます。これにより、生成されるテキストをより良く制御でき、さまざまなアプリケーションに使用できます。以下はプロンプトの例とそのフォーミュラです： 例 1：テキスト生成
タスク：詩を書く
- 指示：詩はシードワード「愛」に関連し、14 行詩の形式で書かれるべきです。
- 役割：詩人
- プロンプトフォーミュラ：「詩人として、シードワード「愛」に関連する 14 行詩を生成してください：」
タスク：文を完成させる
- 指示：完成はシードワード「科学」に関連し、研究論文の形式で書かれるべきです。
- 役割：研究者
- プロンプトフォーミュラ：「研究者として、シードワード「科学」に関連し、研究論文の形式で以下の文を完成させてください：[文を挿入]」
タスク：ニュース記事を要約する（テキスト要約）
- 指示：要約はシードワード「政治」に関連し、中立で公正なトーンで書かれるべきです。
- 役割：記者
- プロンプトフォーミュラ：「記者として、シードワード「政治」に関連する以下のニュース記事を中立で公正なトーンで要約してください：[ニュース記事を挿入]」
知識生成プロンプト#
知識生成プロンプトは、ChatGPT から新しい、独自の情報を引き出す技術です。 ** 知識生成プロンプトのフォーミュラは「X に関する新しい独自の情報を生成してください」であり、X は関心のあるテーマです。** これは、モデルの事前に存在する知識を利用して新しい情報を生成したり、質問に答えたりする技術です。このプロンプトを ChatGPT と一緒に使用するには、質問やテーマをモデルに提供し、生成されるテキストのタスクや目標を指定する必要があります。 プロンプトには、生成されるテキストのタイプや特定の要求や制限に関する情報が含まれるべきです。
タスク：特定のテーマに関する新しい情報を生成する（コンテンツ生成）
- 指示：生成される情報は正確で、テーマに関連するべきです
- プロンプトフォーミュラ：「[特定のテーマ] に関する新しい正確な情報を生成してください」
タスク：質問に答える（Q&A）
- 指示：回答は正確で、質問に関連するべきです
- プロンプトフォーミュラ：「以下の質問に答えてください：[質問を挿入]」
タスク：新しい情報を既存の知識と統合する（知識統合）
- 指示：統合は正確で、テーマに関連するべきです
- プロンプトフォーミュラ：「以下の情報を [特定のテーマ] に関する既存の知識と統合してください：[新しい情報を挿入]」
タスク：与えられたデータセットから顧客行動に関する洞察を生成する（データ分析）
- プロンプトフォーミュラ：「このデータセットから顧客行動に関する新しい独自の情報を生成してください」
知識統合プロンプト#
この技術は、モデルの既存の知識を利用して新しい情報を統合したり、異なる情報の断片をつなげたりすることができます。この技術は、既存の知識と新しい情報を組み合わせて、特定のテーマに対するより包括的な理解を生成するのに非常に役立ちます。
ChatGPT と一緒に使用する方法：
- モデルは、新しい情報と既存の知識を入力として提供し、生成されるテキストのタスクや目標を指定するプロンプトを提供する必要があります。
- プロンプトには、生成されるテキストのタイプや特定の要求や制限に関する情報が含まれるべきです。
タスク：新しい情報を既存の知識と統合する（知識統合）
- 指示：統合は正確で、テーマに関連するべきです
- プロンプトフォーミュラ：「以下の情報を [具体的なテーマ] に関する既存の知識と統合してください：[新しい情報を挿入]」
タスク：異なる情報の断片をつなげる（情報の断片をつなげる）
- 指示：つなげることは関連性があり、論理的に明確であるべきです
- プロンプトフォーミュラ：「以下の情報の断片を関連性があり、論理的に明確な方法でつなげてください：[情報 1 を挿入] [情報 2 を挿入]」
タスク：新しい情報を使用して既存の知識を更新する（既存の知識の更新）
- 指示：更新される情報は正確で、関連するべきです
- プロンプトフォーミュラ：「以下の情報を使用して [具体的なテーマ] の既存の知識を更新してください：[新しい情報を挿入]」
多肢選択プロンプト#
この技術は、モデルに質問やタスクを提供し、潜在的な回答としての一連の事前定義された選択肢を提供します。この技術は、特定の選択肢のセットに制限されたテキストを生成するのに非常に役立ちます。モデルは、事前定義された選択肢に制限されたテキストを生成できます。
ChatGPT の多肢選択プロンプトを使用するには、** モデルに質問やタスクを入力として提供し、潜在的な回答としての事前定義された選択肢のセットを提供する必要があります。** プロンプトには、生成されるテキストのタイプや特定の要求や制限に関する情報が含まれるべきです。
タスク：多肢選択問題に答える（Q&A）
- 指示：回答は事前定義された選択肢の 1 つであるべきです
- プロンプトフォーミュラ：「以下の質問に対して以下の選択肢の 1 つを選んで答えてください：[質問を挿入] [選択肢 1 を挿入] [選択肢 2 を挿入] [選択肢 3 を挿入]」
タスク：文を事前定義された選択肢の 1 つで完成させる（テキスト完成）
- 指示：完成は事前定義された選択肢の 1 つであるべきです
- プロンプトフォーミュラ：「以下の文を以下の選択肢の 1 つで完成させてください：[文を挿入] [選択肢 1 を挿入] [選択肢 2 を挿入] [選択肢 3 を挿入]」
タスク：テキストをポジティブ、中立、またはネガティブに分類する（感情分析）
- 指示：分類は事前定義された選択肢の 1 つであるべきです
- プロンプトフォーミュラ：「以下のテキストを以下の選択肢の 1 つでポジティブ、中立、またはネガティブに分類してください：[テキストを挿入] [ポジティブ] [中立] [ネガティブ]」
説明可能なソフトプロンプト#
説明可能なソフトプロンプトは、一定の柔軟性を提供しつつ、モデルが生成するテキストを制御できる技術です。これは、制御された入力のセットと、期待される出力に関する追加情報を提供することで実現されます。この技術は、より説明的で制御可能な生成テキストを生成することができます。
タスク：物語を生成
- 指示：物語は与えられたキャラクターのセットと特定のテーマに基づくべきです
- プロンプトフォーミュラ：「以下のキャラクターに基づいて物語を生成してください：[キャラクターを挿入] とテーマ：[テーマを挿入]」
タスク：文を完成させる（テキスト完成）
- 指示：完成は特定の著者のスタイルに基づくべきです
- プロンプトフォーミュラ：「[特定の著者] のスタイルで以下の文を完成させてください：[文を挿入]」
タスク：特定のスタイルでテキストを生成する（言語モデリング）
- 指示：テキストは特定の時代のスタイルに基づくべきです
- プロンプトフォーミュラ：「[特定の時代] のスタイルでテキストを生成してください：[文脈を挿入]」
制御生成プロンプト#
制御生成プロンプトは、モデルがテキストを生成する際に出力を高度に制御できる技術です。これは、テンプレート、特定の語彙、または生成プロセスを導くための一連の制約条件など、特定の入力のセットを提供することで実現できます。
タスク：物語を生成
- 指示：物語は特定のテンプレートに基づくべきです
- プロンプトフォーミュラ：「以下のテンプレートに基づいて物語を生成してください：[テンプレートを挿入]」
タスク：文を完成させる（テキスト補完）
- 指示：完成は特定の語彙を使用するべきです
- プロンプトフォーミュラ：「以下の語彙を使用して以下の文を完成させてください：[語彙を挿入]：[文を挿入]」
タスク：特定のスタイルでテキストを生成する（言語モデリング）
- 指示：テキストは特定の文法ルールに従うべきです
- プロンプトフォーミュラ：「以下の文法ルールに従ったテキストを生成してください：[ルールを挿入]：[文脈を挿入]」
特定の入力のセットを提供して生成プロセスを導くことで、制御生成プロンプトは生成されるテキストをより制御可能で予測可能にします。
Q&A プロンプト#
Q&A プロンプトは、モデルが特定の質問やタスクに対する回答を生成できる技術です。これは、質問やタスクをモデルに入力として提供し、関連する可能性のある他の情報を一緒に提供することで実現されます。
タスク：事実に基づく質問に答える（事実質問回答）
- 指示：回答は正確で関連性があるべきです
- プロンプトフォーミュラ：「以下の事実質問に答えてください：[質問を挿入]」
タスク：単語の定義を提供する
- プロンプトフォーミュラ：「以下の単語を定義してください：[単語を挿入]」
タスク：特定の情報源から情報を取得する
- プロンプトフォーミュラ：「以下の情報源から [特定のテーマ] に関する情報を取得してください：[情報源を挿入]」
概要プロンプト#
概要プロンプトは、モデルが主要なアイデアや情報を保持しつつ、与えられたテキストの短いバージョンを生成できる技術です。これは、長いテキストをモデルに入力として提供し、そのテキストの要約を生成するように要求することで実現されます。この技術は、テキストの要約や情報の圧縮などのタスクに非常に役立ちます。 ChatGPT での使用方法：
- モデルには長いテキストを入力として提供し、そのテキストの要約を生成するように要求する必要があります。
- プロンプトには、要約の必要な長さや特定の要求や制限に関する情報が含まれるべきです。
タスク：ニュース記事を要約
- 指示：要約は記事の主要なポイントの簡潔な概要であるべきです
- プロンプトフォーミュラ：「以下のニュース記事を簡潔に要約してください：[記事を挿入]」
タスク：会議の議事録を要約
- 指示：要約は会議の主要な決定と行動を強調するべきです
- プロンプトフォーミュラ：「以下の会議の議事録を主要な決定と行動を列挙することで要約してください：[議事録を挿入]」
タスク：本を要約
- 指示：要約は本の主要なポイントの簡潔な概要であるべきです
- プロンプトフォーミュラ：「以下の本を簡潔に要約してください：[本のタイトルを挿入]」
対話プロンプト#
対話プロンプトは、モデルが 2 つ以上のエンティティ間の対話を模擬するテキストを生成できる技術です。** これは、モデルにコンテキストと一連のキャラクターやエンティティを提供し、それらの役割や背景を示し、モデルにそれらの間の対話を生成するように要求することで実現されます。** したがって、モデルにはコンテキストと一連のキャラクターやエンティティを提供し、それらの役割や背景を示す必要があります。また、対話や会話のタイプや特定の要求や制限に関する情報もモデルに提供する必要があります。
タスク：2 つのキャラクター間の対話を生成
- 指示：対話は自然で、与えられたコンテキストに関連しているべきです
- プロンプトフォーミュラ：「以下の状況で以下のキャラクター間の対話を生成してください：[キャラクターを挿入]」
タスク：物語の中で対話を生成
- 指示：対話は物語のキャラクターや出来事と一致するべきです
- プロンプトフォーミュラ：「以下の物語の中で以下のキャラクター間の対話を生成してください：[物語を挿入]」
タスク：カスタマーサポートチャットボットの対話を生成
- 指示：対話は専門的で、正確な情報を提供するべきです
- プロンプトフォーミュラ：「顧客が [テーマを挿入] を尋ねるとき、カスタマーサポートチャットボットの専門的かつ正確な対話を生成してください」
このため、この技術は対話生成、物語執筆、チャットボット開発などのタスクに非常に役立ちます。
対抗プロンプト#
対抗プロンプトは、モデルが特定のタイプの攻撃や偏見に抵抗するテキストを生成できる技術です。この技術は、より堅牢で特定のタイプの攻撃や偏見に抵抗するモデルを訓練するために使用できます。
ChatGPT で対抗プロンプトを使用するには、モデルに期待される出力に合致しないテキストを生成することを目的としたプロンプトを提供する必要があります。プロンプトには、生成されるテキストのタイプや特定の要求や制約に関する情報も含まれるべきです。
タスク：特定のラベルに分類されるテキストを生成
- 指示：生成されるテキストは特定のラベルに分類されにくいべきです
- プロンプトフォーミュラ：「[ラベルを挿入] に分類されにくいテキストを生成してください」
タスク：特定の感情に分類されにくいテキストを生成
- 指示：生成されるテキストは特定の感情に分類されにくいべきです
- プロンプトフォーミュラ：「[感情を挿入] の感情を持つテキストに分類されにくいテキストを生成してください」
タスク：翻訳が難しいテキストを生成
- 指示：生成されるテキストは目標言語に翻訳されにくいべきです
- プロンプトフォーミュラ：「[目標言語を挿入] に翻訳されにくいテキストを生成してください」
クラスタリングプロンプト#
クラスタリングプロンプトは、モデルが特定の特徴や特性に基づいて類似のデータポイントをグループ化できる技術です。これを実現するには、一連のデータポイントを提供し、モデルに特定の特徴や特性に基づいてそれらをクラスタに分けるように要求します。この技術は、データ分析、機械学習、自然言語処理などのタスクに非常に役立ちます。
ChatGPT での使用方法：
- モデルには一連のデータポイントを提供し、それらを特定の特徴や特性に基づいてクラスタに分けるように要求する必要があります。プロンプトには、生成されるクラスタの数や特定の要求や制約に関する情報が含まれるべきです。
タスク：類似の顧客レビューをグループ化する
- プロンプトフォーミュラ：「以下の顧客レビューを感情に基づいてクラスタに分けてください：[レビューを挿入]」
タスク：類似のニュース記事をグループ化する
- プロンプトフォーミュラ：「以下のニュース記事をテーマに基づいてクラスタに分けてください：[記事を挿入]」
タスク：類似の科学論文をグループ化する
- プロンプトフォーミュラ：「以下の科学論文を研究分野に基づいてクラスタに分けてください：[論文を挿入]」
強化学習プロンプト#
強化学習プロンプトは、モデルが過去の行動から学び、時間の経過とともにパフォーマンスを向上させることができる技術です。ChatGPT で強化学習プロンプトを使用するには、モデルに一連の入力と報酬を提供し、受け取った報酬に基づいて行動を調整できるようにします。プロンプトには、期待される出力に関する情報や、完了すべきタスク、特定の要求や制約が含まれるべきです。この技術は、意思決定、ゲームプレイ、自然言語生成などのタスクに非常に役立ちます。
タスク：特定のスタイルに一致するテキストを生成
- プロンプトフォーミュラ：「以下のスタイルに一致するテキストを生成するために強化学習を使用してください [スタイルを挿入]」
タスク：テキストをある言語から別の言語に翻訳する
- プロンプトフォーミュラ：「以下のテキスト [テキストを挿入] を [言語を挿入] から [言語を挿入] に翻訳するために強化学習を使用してください」
タスク：質問に答える
- プロンプトフォーミュラ：「以下の質問に答えるために強化学習を使用してください [質問を挿入]」
カリキュラム学習プロンプト#
カリキュラム学習は、モデルが簡単なタスクから始めて徐々に難易度を上げることで複雑なタスクを学習できる技術です。 ChatGPT でカリキュラム学習プロンプトを使用するには、モデルに一連のタスクを提供し、これらのタスクの難易度を徐々に上げる必要があります。プロンプトには、期待される出力に関する情報や、最終的に完了すべきタスク、特定の要求や制約が含まれるべきです。
タスク：特定のスタイルに一致するテキストを生成
- 指示：モデルは、より複雑なスタイルに移行する前に、簡単なスタイルでトレーニングするべきです。
- プロンプトフォーミュラ：「以下のスタイル [スタイルを挿入] に一致するテキストを生成するためにカリキュラム学習を使用し、以下の順序で [順序を挿入]。」
タスク：テキストをある言語から別の言語に翻訳する
- 指示：モデルは、より複雑な言語に移行する前に、簡単な言語でトレーニングするべきです。
- プロンプトフォーミュラ：「以下の言語 [言語を挿入] のテキストを以下の順序 [順序を挿入] に翻訳するためにカリキュラム学習を使用してください。」
タスク：質問に答える
- 指示：モデルは、より複雑な質問に移行する前に、簡単な質問でトレーニングするべきです。
- プロンプトフォーミュラ：「以下の質問に答えるためにカリキュラム学習を使用し、以下の順序 [順序を挿入] で回答を生成してください。」
感情分析プロンプト#
感情分析は、モデルがテキストの感情的な色合いや態度を特定できる技術です。たとえば、それがポジティブ、ネガティブ、または中立であるかどうかを判断します。 ChatGPT で感情分析プロンプトを使用するには、モデルにテキストの一部を提供し、その感情に基づいて分類するように要求します。プロンプトには、検出する感情のタイプ（たとえば、ポジティブ、ネガティブ、中立）や特定の要求や制約に関する情報が含まれるべきです。
タスク：顧客レビューの感情を特定する
- 指示：モデルはレビューをポジティブ、ネガティブ、または中立に分類するべきです
- プロンプトフォーミュラ：「以下の顧客レビューを感情分析し、ポジティブ、ネガティブ、または中立に分類してください。[レビューを挿入]」
タスク：ツイートの感情を特定する
- 指示：モデルはツイートをポジティブ、ネガティブ、または中立に分類するべきです
- プロンプトフォーミュラ：「以下のツイートを感情分析し、ポジティブ、ネガティブ、または中立に分類してください。[ツイートを挿入]」
タスク：製品レビューの感情を特定する
- 指示：モデルはレビューをポジティブ、ネガティブ、または中立に分類するべきです
- プロンプトフォーミュラ：「以下の製品レビューを感情分析し、ポジティブ、ネガティブ、または中立に分類してください。[レビューを挿入]」
名前付きエンティティ認識プロンプト#
名前付きエンティティ認識（NER）は、モデルがテキスト内の名前付きエンティティを識別し、分類できる技術です。たとえば、人名、組織、場所、日付などです。
ChatGPT で名前付きエンティティ認識プロンプトを使用するには、モデルにテキストの一部を提供し、そのテキスト内の名前付きエンティティを識別し、分類するように要求します。
プロンプトには、識別する名前付きエンティティのタイプ（たとえば、人名、組織、場所、日付）や特定の要求や制約に関する情報が含まれるべきです。
タスク：ニュース記事内の名前付きエンティティを識別し、分類する
- 指示：モデルは人名、組織、場所、日付を識別し、分類するべきです
- プロンプトフォーミュラ：「以下のニュース記事 [記事を挿入] で名前付きエンティティ認識を実行し、人名、組織、場所、日付を識別し、分類してください。」
タスク：法律文書内の名前付きエンティティを識別し、分類する
- 指示：モデルは人名、組織、場所、日付を識別し、分類するべきです
- プロンプトフォーミュラ：「以下の法律文書 [文書を挿入] で名前付きエンティティ認識を実行し、人名、組織、場所、日付を識別し、分類してください。」
タスク：研究論文内の名前付きエンティティを識別し、分類する
- 指示：モデルは人名、組織、場所、日付を識別し、分類するべきです
- プロンプトフォーミュラ：「以下の研究論文 [論文を挿入] で名前付きエンティティ認識を実行し、人名、組織、場所、日付を識別し、分類してください。」
テキスト分類プロンプト#
テキスト分類は、モデルがテキストを異なるカテゴリに分けることを可能にする技術です。この技術は、自然言語処理、テキスト分析、感情分析などのタスクに非常に役立ちます。
注意すべき点は、テキスト分類と感情分析は異なるということです。感情分析は、特にテキスト内で表現される感情や感情を特定することに焦点を当てています。これには、テキストがポジティブ、ネガティブ、または中立であるかを特定することが含まれます。感情分析は通常、顧客レビュー、ソーシャルメディアの投稿、その他の感情を表現する必要があるテキストに使用されます。
ChatGPT でテキスト分類プロンプトを使用するには、モデルにテキストの一部を提供し、事前定義されたカテゴリやラベルに基づいて分類するように要求します。プロンプトには、必要な出力に関する情報、カテゴリやラベルの数、特定の要求や制約が含まれるべきです。
タスク：顧客レビューを異なるカテゴリに分類する（たとえば、電子機器、衣料品、家具）
- 指示：モデルはレビューの内容に基づいてそれを分類するべきです
- プロンプトフォーミュラ：「以下の顧客レビュー [レビューを挿入] をテキスト分類し、その内容に基づいて電子機器、衣料品、家具などの異なるカテゴリに分類してください。」
タスク：ニュース記事を異なるカテゴリに分類する（たとえば、スポーツ、政治、エンターテイメント）
- 指示：モデルは記事の内容に基づいてそれを分類するべきです
- プロンプトフォーミュラ：「以下のニュース記事 [記事を挿入] をテキスト分類し、その内容に基づいてスポーツ、政治、エンターテイメントなどの異なるカテゴリに分類してください。」
タスク：電子メールを異なるカテゴリに分類する（たとえば、スパム、重要なメール、緊急のメール）
- 指示：モデルは電子メールの内容と送信者に基づいてそれを分類するべきです
- プロンプトフォーミュラ：「以下の電子メール [電子メールを挿入] をテキスト分類し、その内容と送信者に基づいてスパム、重要なメール、緊急のメールなどの異なるカテゴリに分類してください。」
テキスト生成プロンプト#
テキスト生成プロンプトは、本書で言及された他のプロンプト技術に関連しています。たとえば、ゼロ、ワン、少数サンプルプロンプト、制御生成プロンプト、翻訳プロンプト、言語モデリングプロンプト、文の補完プロンプトなどです。これらのプロンプトはすべてテキスト生成に関連していますが、生成テキストの方法や生成テキストに対する特定の要求や制限において異なります。テキスト生成プロンプトは、事前にトレーニングされたモデルを微調整したり、新しいモデルを特定のタスクを実行するためにトレーニングしたりするのに使用できます。
タスク：与えられたプロンプトに基づいて物語を生成
- 指示：物語は少なくとも 1000 語を含み、特定のキャラクターとプロットを含むべきです。
- プロンプトフォーミュラ：「以下のプロンプト [プロンプトを挿入] に基づいて、少なくとも 1000 語を含む物語を生成してください。キャラクター [キャラクターを挿入] とプロット [プロットを挿入] を含めてください。」
タスク：与えられたテキストを別の言語に翻訳する
- プロンプトフォーミュラ：「以下のテキスト [テキストを挿入] を [目標言語を挿入] に翻訳し、その正確さと慣用表現を確保してください。」
タスク：与えられたテキストを完成させる
- プロンプトフォーミュラ：「以下のテキスト [テキストを挿入] を完成させ、一貫性があり、入力テキストに合ったものにしてください。」