Практика по тренировке нейросетей

04.02.25

Интеграция - Нейросети

Искусственный интеллект постепенно становится неотъемлемой частью нашей жизни, ускоряя и упрощая рутинные процессы. Но ИИ – это не замена сотрудника, а лишь инструмент. Расскажем о применении дообученного ChatGPT для основных задач аналитиков: составления глоссария, моделирования процессов и User Story Mapping.

 

Меня зовут Алёна Ивахнова, я бизнес-аналитик в 2ГИС и давно занимаюсь корпоративной архитектурой и менеджментом бизнес-процессов – мне нравится работать на стороне бизнеса, поэтому я развиваю свою карьеру именно в этой области. А еще я ментор, преподаватель в Нетологии, в Отусе и недавно прошла сертификацию, стала преподавателем в тренинг-центре IBS.

 

 

Расскажу о том, как можно тренировать нейросети:

  • Мы поговорим о том, что такое искусственный интеллект, и как с ним взаимодействовать.

  • Определим, как понять, нужен ли нам ИИ в конкретной ситуации.

  • Посмотрим на концепцию промптов – определим хорошие и плохие запросы и посмотрим на «идеальный запрос».

  • И попрактикуемся – сначала на более абстрактных и приземленных задачах. А потом перейдем к мегавысокоуровневым задачам корпоративного архитектора и форму метамодели.

Ремарка: под ИИ я буду подразумевать ChatGPT 4o. Мы не будем сравнивать разные модели или разбираться, как их развертывать – мы будем работать именно с ChatGPT 4o (прим. ред. доклад от 30 мая 2024 года).

 

Как ИИ применяют в 2ГИС

 

 

Назову несколько примеров применения ИИ в 2ГИС:

  • Когда в 2ГИС вам выдается лучше релевантное фото в карточке – это искусственный интеллект.

  • Когда вы просчитываете маршруты – это ИИ.

  • Когда вы автоматически расшифровываете снимки, пытаясь распознать местоположение – это ИИ.

  • И еще у нас есть внутренний бот «Знайка», который помогает админам проводить дейли – анализирует вчерашние логи и ищет самый смешной запрос.

 

 

Вроде как пока ИИ еще не может выполнять наши задачи, но вроде как уже и может. Поэтому мы все-таки попробуем его обуздать и посмотрим, чем он может быть нам полезен.

 

 

Причем я сейчас хочу сделать акцент именно на бизнес-задачах. Мы не будем разбираться с SQL, хотя нейронка отлично умеет писать запросы. Не будем разбираться с код-ревью. Мы посмотрим именно на то, чем ИИ может быть полезен нам как бизнес-аналитикам.

  • Автоматизация рутинных, повторяющихся задач, переработка информации по шаблону – например, когда мы конвертируем информацию ее из одного формата в другой.

  • Анализ больших данных – выявление неочевидных, скрытых закономерностей и трендов.

  • Прогнозирование и моделирование данных – мы вполне можем предсказывать события на основе исторических данных, можем принимать обоснованные управленческие решения, планировать ресурсы.

  • И еще десятки, сотни задач, которые можно переключить на виртуального ассистента, чтобы освободить наше время и разум.

ИИ отлично справляется с заданиями формата: «Перестрой таблицу из 100 строк, чтобы получился такой-то формат». В Excel автоматически этого сделать нельзя, а у меня такие задачи отнимают очень много сил и времени.

Когда появился ChatGPT, я первым делом попросила его мне помочь с этой рутиной – и он отлично справился. С тех пор я и начала его использовать.

 

 

В чем же плюсы искусственного интеллекта?

  • Скорость, эффективность – бесспорно.

  • Точность и надежность – тоже приемлемо. Стоит учитывать, что ChatGPT работает со статистически наиболее релевантными ответами – он не даст вам истину в последней инстанции, а ответит так, как считает нужным.

  • Масштабируемость.

  • Возможность выявления скрытых закономерностей – это тоже все к ChatGPT.

 

 

Однако есть и минусы, которые тоже нужно учитывать:

  • Прежде всего, это требования к качеству исходных данных. Для ChatGPT абсолютно справедливо правило: «какое ТЗ, такой и результат» – он работает на основе предоставленной информации, поэтому важно загружать в него только проверенный контент. Более того, ChatGPT может обучаться на ваших же данных. Если вы предоставите ему недостоверную информацию, есть риск, что он ее запомнит и продолжит использовать. Даже если вы попытаетесь переопределить контекст в этом диалоге абсолютно другими данными, ответы могут оказаться нерелевантными или ошибочными.

  • Существует сложность интерпретации результатов – для полноценного использования информации, полученной от ChatGPT, ее в любом случае нужно трансформировать.

  • Этические и правовые аспекты – в некоторых социальных сетях дипфейки автоматически помечаются специальными метками. А в некоторых странах даже приняты законы, которые требуют маркировать контент, созданный ИИ – вплоть до того, что нельзя использовать изображения, сгенерированные нейронками, без упоминания того, что это нейронка.

Следует помнить, что этические и правовые аспекты использования нейросетей зависят от политики вашей компании в этой сфере. Даже если у вас нет службы безопасности, важно заранее уточнить у руководства, как оно относится к загрузке данных в ИИ-системы.

Если вы используете бесплатную модель, вы должны отдавать себе отчет, что она будет дообучаться на вашей информации – то, что вы ей скормили, она потом будет выдавать миллиардам людей. Особенно это критично для финтеха и других конфиденциальных сфер, где защита данных играет ключевую роль. С другой стороны, если вы даете контект без конкретных цифр или бизнес-процессов, риски ниже.

В любом случае я рекомендую вам уточнить юридические нюансы. Скорее всего, в ближайшем будущем в контракты будут добавлять положения об использовании нейросетей, если этого еще не сделали.

 

Как понять, нужен ли мне ИИ сейчас?

 

 

Использование нейросетей сейчас на хайпе. Это интересная новая штука. Но надо ли нам влезать в эту новую штуку? Чтобы в этом разобраться, стоит задать себе несколько вопросов:

  • Какую информацию вы отдаете как контекст? Эта информация может быть частной, публичной, личной, конфиденциальной или просто открытой. Нужно ли предварительно деперсонифицировать данные? Можно ли определить, что в нейросеть была загружена закрытая информация, и насколько критичными могут быть последствия, если она станет доступной?

  • Вы работаете с паттернами или с точными запросами? Насколько вам важна точность в ответе? Потому что когда вы работаете с паттернами, вы изначально находитесь на высоком уровне абстракции, и ответы ИИ могут интерпретироваться по-разному. А если мы задаем точный вопрос, то ожидаем увидеть точный ответ, но не всегда критически к нему относимся. Моя рекомендация – использовать ChatGPT преимущественно для работы с паттернами, а не для строгих расчетов и однозначных фактов, где требуется абсолютная точность.

  • Знакомы ли вы с доменом? Сможете ли самостоятельно выявить ошибки? Как я уже сказала, ChatGPT дает не стопроцентно выверенную информацию, а то, что считает нужным – статистически наиболее релевантное тому, что вы спросили. Вы можете спросить ChatGPT, какие вопросы нужно задать стейкхолдерам, и что нужно почитать, чтобы познакомиться с доменом – но это немного другое. Но если вы работаете уже непосредственно с контекстом рабочей задачи и не знаете, что происходит внутри этого контекста, пожалуйста, поднаберитесь знаний, потому что ChatGPT может такую ересь выдать, которую очень сложно отследить. Будьте внимательны.

  • Ну и последний вопрос – готовы ли вы нести юридическую и моральную ответственность за пропущенные ошибки? Если не готовы – пожалуйста, не надо. Если готовы – без проблем.

 

Концепция промптов

 

 

Мы подходим к самой интересной части – промпты. Это уже то, что приближено к практике:

  • Промпт – это запрос к нейросети с целью получить желаемый результат. Он может быть представлен в виде текста, изображения, таблицы или любого другого формата.

  • По сути, промпт – это язык общения ИИ и человека.

  • Интересно, что роль промпт-инженера, специалиста, который умеет формулировать точные и понятные запросы для ИИ, во многом напоминает работу бизнес-аналитика. Задача такая же – задать вопрос так, чтобы система его правильно интерпретировала и выдала релевантный результат. Разве это не похоже на то, как аналитик формулирует требования для разработчика? И имейте в виду, что статистически у бизнес-аналитиков действительно больше шансов правильно и эффективно использовать ИИ, чем у людей, которые не привыкли работать с подобным уровнем логики.

 

Какой он, идеальный промпт?

 

Итак, промпт – это синоним запроса. Но каким же должен быть идеальный промпт?

 

 

Прежде всего, сформулируйте цель и определите потребность.

Например: «Моя цель – создать бизнес-модель для сети кофеен».

Вроде бы нормально звучит. Потом посмотрим, действительно ли нормально.

 

 

Далее – будьте конкретными, понятными, четкими, ясными. Помните критерии качества требований по Вигерсу? Все то же самое – однозначность, атомарность, полнота, понятность и т.д.

И включайте конкретные детали в запрос так, чтобы он понял. Например: «Действуй как бизнес-аналитик, следуя рекомендациям Александра Остервалдера. Создай бизнес-модель канвас для сети кофеен».

 

 

Помните, что запрос можно уточнять и дополнять.

Например, моя последнее время любимая фраза для ChatGPT: «Перед тем как ответить, задай мне вопросы, чтобы лучше понять мои потребности». В результате он сам задает мне вопросы, чтобы дополнить контекст в тех моментах, которые я могла просто не учесть, потому что про них не подумала.

Или, например, вариант: «Давай подумаем пошагово» даст ему возможность продумывать каждый шаг, а не выдавать 5 или 10 шагов за один раз.

 

 

Дальше. Включите внутреннего граммар-наци.

При составлении промпта в ChatGPT:

  • Проверьте грамматику – понятно, что ошибки-то он исправит, но чем релевантнее, понятнее, однозначнее, точнее будет ваш вопрос, тем лучше.

  • Расставьте дополнительные переносы строк между абзацами

  • Добавьте списки, если нужно.

 

 

И задайте формат ответа.

Например, это может быть формат из серии: «Предоставь информацию в виде таблицы с колонками: событие, дата, описание».

Или, например: «Продолжи, начиная с заголовка этой таблицы».

 

 

И пункт 5.1 – для тех, кому очень надо – вы можете переиспользовать результаты ответа.

Например, вы можете переформатировать результат в саммари – почему бы и нет?

Или, например, можете повторно обратиться к модели, которую ChatGPT составил по Остервалдеру, и вытащить из нее какую-то информацию.

 

Какие промпты – хорошие, а какие – плохие?

 

 

На слайде вопрос, который возник у меня, когда я пересела с KeyNote на PowerPoint: «Как вставить картинку в презентацию?» Подойдет ли такой вопрос ChatGPT?

Очевидно, что ChatGPT даст более релевантный ответ на другой вопрос: «Как вставить картинку в презентацию PowerPoint, чтобы она автоматически подстраивалась под размер слайда и не искажалась?»

 

 

Второй пример – логика такая же. Есть два запроса:

  • «Нарисуй диаграмму по данным»

  • и «Создай диаграмму в Excel, которая отображает динамику роста выручки компании за последние 5 лет с разбивкой по кварталам. Вот данные»

Мы понимаем, что второй результат будет гораздо более релевантным и более похож на то, что нужно.

 

 

Еще один пример:

  • «Опиши требования для задачи».

  • Или «Опиши функциональные и нефункциональные требования для разработки новой CRM-системы для отдела продаж, включая примеры user stories и acceptance criteria

Бэтмен рекомендует.

 

Как получить максимум профита от ИИ? Составление глоссария

 

Но, говоря про требования к запросам, мы должны знать, как получить максимум профита от ИИ, задействуя минимум своих ресурсов.

 

 

Давайте посмотрим на запрос:

«Ты – профессиональный бизнес-аналитик.
Тебе нужно создать глоссарий для области контроля применения медицинских средств и препаратов, которые содержат терминологию для онбординга и адаптации новых сотрудников к проекту в сфере здравоохранения.
Представь этот глоссарий в виде таблицы (акроним, термин, определение), отсортированной от А до Я по акронимам.
Перед ответом задай мне несколько вопросов для получения лучшего ответа».

Здесь у нас четкая разбивка:

  • Вначале мы определили роль: «Ты – профессиональный бизнес-аналитик».

  • Дальше мы дали понятное задание: «Создай глоссарий».

  • После мы определили контекст по предметной области – «контроль применения медицинских средств и препаратов»,

  • Дали уточнение – сказали, что мы хотим получить «терминологию для онбординга и адаптации новых сотрудников».

  • Задали формат вывода – таблица с акронимами. Акронимы мне нужны, потому что в медицинской сфере много длинных усложненных выражений, а для онбординга лучше использовать список сокращений, и на его основе составить глоссарий.

  • И в конце: «Перед ответом задай мне несколько вопросов» – это дополнительная инструкция, благодаря которой ваш ответ будет более релевантным.

 

 

Давайте теперь попробуем заменить предметную область «контроль применения медицинских средств и препаратов» на вашу доменную область и посмотрим, что ChatGPT выдаст по этой информации.

Если бы то был реальный проект, мы бы сейчас ответили на эти вопросы. Но мы вместо этого попросим его придумать ответы самостоятельно, чтобы он продолжил составлять таблицу глоссария.

 

 

По какой-то причине ChatGPT пишет акронимы и термины на английском языке, но мы всегда можем сказать ему: «Перейди на русский и общайся со мной только по-русски».

На этом этапе важно проверить релевантность его ответов. Нейросеть вообще имеет смысл использовать именно в вашем домене, для вашей задачи, потому что тогда вы сможете проверить результат, проанализировать его и определить, чего не хватает. Именно это и является ключевым фактором успешного применения ИИ.

На мой взгляд, мы видим очень хороший глоссарий для этой темы. С этим запросом мы справились. Идем дальше.

 

Составление User Story Mapping

 

 

Следующая тема – User Story Mapping, карта пользовательских историй.

 

 

В основе User Story Mapping лежит путь пользователя, эта карта должны иметь следующие составляющие:

  • User – это верхняя часть нашей таблицы.

  • Activities – это какие-то конкретные верхнеуровневые действия, которые пользователь должен выполнить для достижения цели.

  • User Tasks – это декомпозиция Activities, основные задачи и функции, которые должен выполнить пользователь.

  • И есть атомарные User Stories – пользовательские истории в классическом формате «Я как [конечный пользователь] хочу [иметь возможность действовать], чтобы [получить ценность-результат]

 

 

Давайте попробуем обучить ChatGPT в следующем формате – пойдем от User Story Mapping в одном конкретном кейсе, потом в этом кейсе перейдем к артефактам и будем работать всквозную. Какой промпт мы должны составить для ChatGPT:

  • Первым делом мы должны сказать ему, кто он такой: «Ты – профессиональный бизнес-аналитик». Можно добавить «с 10 годами опыта» или «уровня senior» или «который специализируется на 1С».

  • Дальше мы объясняем, что нам предстоит сделать: «Мы с тобой будем делать User Story Mapping для проекта по внедрению 1С в компании, которая занимается ремонтом кофемашин».

  • Объясняем, в чем суть: «Проект включает внедрение 1С с нуля (переход с записей на бумаге и табличек в экселе), обучение персонала и постепенный переход на новую версию. Внедрение будет происходить в центральном офисе в Москве и после – филиале в Санкт-Петербурге.

  • И фраза до обучения: «Перед тем, как продолжать, задай мне несколько вопросов для получения лучшего ответа».

 

 

ChatGPT задал нам вопросы, мы просим его самому дать на них ответы.

 

 

Он нам дает backbone – основной хребет User Story Mapping, те действия, которые нам предстоят в рамках внедрения:

  • сначала мы будем внедрять 1С;

  • потом обучать персонал;

  • переходить на новую систему;

  • поддерживать и оптимизировать.

Верхнеуровнево здесь вроде все правильно, но нет требуемой для нашего проекта степени детализации – отсутствуют этапы самого процесса внедрения: «Сбор требований», «Моделирование», «Разработка», «Тестовая эксплуатация» и т.д. Мы видим, что направление мысли у ChatGPT верное, но само наполнение ответа нас не устраивает.

Мы сейчас будем его дообучать. И я предлагаю сказать ему следующее:

Когда ты работаешь с процессом User Story Mapping, начинай с определения пользователей, и потом (после моего одобрения) пойдем дальше.

 

 

После того как мы с вами конкретизировали запрос, он дает нам основных пользователей:

  • сотрудники бухгалтерии

  • сотрудники логистики;

  • сотрудники отдела ремонта;

  • менеджеры проекта;

  • бухгалтеры;

  • ИТ-специалисты;

  • руководство компании;

  • тренеры по обучению и т.д.

И по каждой роли он сразу дает нам задачи сотрудников.

 

Обратите внимание, я попросила его дождаться моего одобрения. Поэтому в конце он просит нас подтвердить соответствие результата ожиданиям: «Пожалуйста, подтвердите, что перечень пользователей и их задачи соответствуют вашим ожиданиям, чтобы мы могли продолжить работу». Он не пытается сразу строить карту, а позволяет его дообучить, добавить контекст итерационно, один за другим.

Идем дальше – каждому юзеру соответствуют некоторые Activities. Давайте выберем конкретную роль – сотрудника логистики.

Для роли «Сотрудники логистики» напиши список верхнеуровневых Activities.

Я пишу термины на английском языке, потому что фреймворк User Story Mapping изначально на английском.

 

Мы попросили ChatGPT написать список верхнеуровневых Activities и он от юзера начинает переходить на уровень ниже.

Дальше мы пойдем в User Tasks – основные задачи и функции, которые пользователь должен выполнить. Возьмем конкретное действие «Координация работы с другими отделами».

Декомпозируй Activity «Координация работы с другими отделами» до уровня User Tasks.

 

 

Вот, пожалуйста, User Tasks. Причем он сразу на уровне User Tasks начал писать User Stories. В целом, это нас устраивает, потому что дальше я бы в любом случае попросила бы ChatGPT выполнить декомпозицию.

Но важно помнить, что всегда можно уточнить запрос:

  • «Как сделать твой ответ лучше?»

  • «Какой дополнительный контекст тебе нужен для более полного ответа?».

  • Или даже создать отдельный чат, описать ситуацию и попросить: «Сформулируй для этого подходящий промпт», а затем доработать его с помощью «Улучши свой промпт». После этого можно использовать усовершенствованный промпт в другом чате и получить более точный результат.

В данном случае, ChatGPT сразу разбил «Координацию работы с другими отделами» на User Stories. Понимая специфику User Story Mapping, мы можем грамотно использовать эту информацию для построения карты. И далее, опираясь на User Story Mapping, распределить задачи по релизам, выделить MVP и так далее. В итоге у нас получается фактически готовый список фич, уже даже частично приоритизированный – что, на мой взгляд, просто отлично.

Важно: Вы можете использовать ChatGPT как референсную модель, чтобы представить, как действия пользователей могут выглядеть в идеале, и потом накидывать свой собственный контент и получить из этого конфетку. Сейчас мы накидывали контекст просто из головы. А в реальном проекте у вас будет с чем сравнивать. Допустим, прежде чем идти креативить в команду, вы можете накидать для себя максимум контекста – использовать это как фундамент для вашего будущего дома. Вам все равно придется его перерабатывать и сверять с тем, что существует на данный момент.

 

Моделирование процессов

 

 

Следующий этап – моделирование процессов. С помощью ChatGPT можно по текстовому описанию получить код, который можно вставить в специальный софт, чтобы получить схему бизнес-процесса.

Даже если ChatGPT чего-то не знает, вы можете его дообучить, скормив ему методические материалы. Например, в своей личной практике я дообучала нейронку с помощью свода знаний по бизнес-архитектуре BIZBOK – это аналог BABOK от гильдии бизнес-архитекторов, только для корпоративной архитектуры. Я обучила один из чатов нотации Archimate, и он у меня умеет сравнивать между собой диаграммы в этой нотации – реально говорит мне, что изменилось.

 

 

Сейчас мы не будем заморачиваться с обучением и просто скажем ChatGPT, что хотим разобраться в бизнес-процессах конкретной компании. Например, вот такой запрос:

Напомню, ты всё ещё профессиональный бизнес-аналитик.
Мы с тобой будем работать с бизнес-процессами для проекта по созданию системы учета проданного кофе в кофейне.
Проект включает создание системы проданного кофе, обучение персонала и постепенный переход на новую версию.
Перед тем, как продолжить, задай мне несколько вопросов для получения лучшего ответа

Поскольку мы здесь говорим про проект создания и внедрение системы учета, итоговый поток создания ценности для этого проекта должен включать в себя создание, внедрение, обучение, адаптацию и т.д. Все это – с соответствующими метриками, показателями KPI и прочим.

Давайте посмотрим, что нам выдаст ChatGPT в этой ситуации.

 

 

Вот, пожалуйста – вопросы к нам от ChatGPT. Они касаются технических и функциональных требований к системе, обучения персонала, плана перехода, бюджета и ресурсов. Вроде бы все, что касается этих вопросов, относится именно к потоку создания ценности цифровизированной компании.

Это важно было сверить, потому что если мы как бизнес-аналитики неправильно понимаем суть потока создания ценности, мы не сможем проверить ответ. И если бы он нам сейчас начал затирать про проданное кофе, мы бы его не поправили и не смогли бы увести в правильное русло.

 

 

Как всегда, мы говорим ему, чтобы он ответил на вопросы сам. И он нам выдает план действий – мы видим «Анализ и проектирование», «Разработка», «Тестирование», «Обучение», «Внедрение», «Поддержка и развитие».

А теперь давайте скажем ему:

Сформулируй функциональную диаграмму IDF0 для компании, о которой мы говорили выше.

Обратите внимание, что если мы не укажем масштаб компании, результат может оказаться некорректным. Потому что если мы говорим про заваривание кофе три раза в день – это одна функциональная модель. Если мы завариваем кофе 150 раз в день – другая модель. А если мы завариваем кофе для президента – там протокольные события и прочее.

Давайте это уточним.

Компания большая, несколько филиалов, объем чашек кофе – более 1000 в сумме в сутки.

 

 

В результате он нам выдаст в целом наполнение всех квадратов функций вместе с управляющими факторами, входами, выходами и механизмами.

 

 

А еще он может нам в режиме Markdown выдать визуал этой диаграммы. Конечно, это не совсем близко к реальности, но как база для нашей будущей визуализации в каком-нибудь там Draw.io – выглядит вполне себе адекватно.

Визуально выдать схему в другой нотации он не может, но мы можем его попросить выдать код:

Сформируй код для основного бизнес процесса в flowchart (приготовление кофе). Код должен подходить для программы Mermaid

Mermaid – это условно-бесплатный онлайн-редактор а-ля Draw.io.

 

 

Мы получили код. Теперь вставляем его в Mermaid и проверяем, как это выглядит.

 

 

Понятно, что это очень упрощенная схема – ее нужно доуточнять и перерисовывать. Но нам нужен был концепт. Концепт мы получили. Мы посмотрели, что возможность существует. Этого мы и хотели.

 

 

Переходим к UML – составим диаграмму классов. Например, я прошу ChatGPT:

Сформируй мне список объектов данных, которые задействованы в процессе приготовления кофе.

Мы видим заказ клиента с его атрибутами, ингредиенты, рецепты, оборудование, персонал, обратная связь, продажи, инвентаризация. Вроде бы все правильно – объекты данных есть.

 

 

Теперь мы просим:

На основе перечня данных построй диаграмму классов в нотации UML.

Далее скопируем этот код и попробуем его передать в Mermaid.

 

 

В целом, результат выглядит правдоподобно, но требует доработки. Связи между объектами есть и подписаны, но не все элементы корректно связаны друг с другом. Возможно, потребуется уточнить связи между объектами или скорректировать названия атрибутов.

Тем не менее это уже хорошая основа для дальнейшей работы с диаграммой классов.

 

Напутствие

 

Рекомендую вам ознакомиться с двумя ссылками:

Если вы еще не использовали эти инструменты, попробуйте! В работе аналитика самое ценное – это наша операционная память, ресурс времени и мозговой активности. Давайте внедрять новые методы работы в нашу жизнь. Не только в профессиональную, но и в личную.

 

Вопросы и ответы

 

Когда я пробовала пользоваться ChatGPT на проекте, он иногда вместо конкретной задачи выдавал мне гору текста по моделированию какого-то «коня в вакууме». И просто из-за того, что это выглядит убедительно, я пыталась в этом разбираться, отвлекаясь от изначальной цели. Как попросить ChatGPT не терять суть запроса и давать именно тот ответ, который нужен?

Если ChatGPT отвечает размыто, можно ему прямо указать: «Сосредоточься на моей задаче и ответь только на этот вопрос».

Или можно попросить его дать краткое резюме, чтобы он не уходил от темы.

Или, если вы даете ему конкретный контекст – например, расшифровку встречи – можно жестко ограничить его рамками контекста: «Не отходи от текста, не используй свои суждения, работай только с предоставленной информацией».

Мне как ментору нужно было составить план обучения для архитектора хранилищ данных. На входе у меня было 10 тем: архитектура надежности, архитектура безопасности и так далее. Я попросила ChatGPT детализировать план и сделать из этих 10 тем 15 уроков. Он справился, но при этом потерял 2 из 10 исходных тем. Но когда я ему делала замечание, что он забыл какой-то пункт, он терял другие пункты. Как просить ChatGPT скорректировать результат, чтобы он не деградировал и не терял важных деталей по ходу правок?

Работайте итеративно, шаг за шагом. Начните с первого пункта. Если он потерял какую-то информацию, уточните – «Сейчас мы фокусируемся на первом пункте, добавь туда вот это».

После того как первый пункт проработан, переходите ко второму и так далее, пока не завершите весь список.

А когда весь текст готов, попросите его устранить повторения: например, «Переформулируй пункт 6 так, чтобы он не использовал информацию из пункта №1».

На одной из лекций про ChatGPT говорили, что он плохо понимает концепцию «не делай что-то», «не используй что-то» на русском языке. Валидно ли к нему так обращаться, или это его еще больше запутает?

Чем больше в вашем вопросе отрицаний, тем с большей вероятностью ChatGPT запутается.

Вспоминаем Вигерса – чем понятнее ваше требование, тем оно более однозначно, тем больше шансов получить релевантный ответ.

Лучше говорить ему, что делать – например, сказать ему просто «убери вот это».

Или ограничить ему контекст: «Используй только то, что я тебе написала». Или «Не используй то, что ты не видел».

Получается, что теперь нужно менять привычку составлять запросы. Потому что в поисковике – чем короче запрос, тем точнее и релевантнее будет результат, поскольку системе проще обработать небольшое количество информации. А с нейросетями все наоборот – чем детальнее и подробнее сформулирован запрос, тем лучше будет ответ.

Совершенно верно, потому что поисковик работает по другим принципам. И для общения с нейросетью нужно менять личный опыт составления запросов. Раньше запрос нужно было формулировать коротко, а сейчас – нет.

Можно ли использовать в одном контекстном окне разные языки – одновременно получать ответ либо на русском, либо с английскими терминами.

Для ChatGPT абсолютно не проблема переключаться в одном диалоге с русского на английский.

Но во множестве рекомендаций написано – пишите промты на английском. И при запросе на английском языке вы действительно с большей долей вероятности получите лучший эффект.

Однако я не советую тратить колоссальное количество времени и ресурсов на то, чтобы сначала корректно сформулировать вопрос на английском языке, убедитесь, что эти затраты оправданы и действительно дадут вам нужный профит.

Я слышала рекомендацию добавить в промпт: «Интерпретируй вопрос на английском и дай ответ на русском». Тогда в одном диалоге могут быть ответы на разных языках.

Если вы в одно сообщение вкладываете много контекста, а потом в конце еще просите поменять язык при ответе, качество ответа может снизиться за счет этого дополнительного контекста. Здесь все опять же зависит от ситуации.

Я пишу вопросы ChatGPT на русском, и мне хватает уровня глубины ответа. Но я не пытаюсь сразу копировать его ответы куда-нибудь в Confluence или в бриф заказчику. Я его использую только как направление для мысли, и мне этого достаточно.

У вас одновременно существует несколько экземпляров чата, каждый из которых посвящен определенной теме? Это не один и тот же чат, где вы просто затираете контекст?

У меня есть как временные чаты, в которых я спрашиваю, что мне приготовить на ужин из трех продуктов в холодильнике. И есть профессиональные чаты, где я много месяцев могу обсуждать какие-то серьезные темы, формировать собственные контексты по разным направлениям.

Более того, можно создавать виртуальных помощников assist agents, предварительно обучая их на старте.

  • Условно, у вас может быть помощник – сеньорный бизнес-аналитик, который разбирается в бизнес-процессах.

  • Или, например, у вас может быть full-stack аналитик, совмещающий в себе бизнес– и системный анализ – один уровень отвечает за стратегию и мотивацию бизнеса, другой – погружается в технические детали

  • У вас может быть личный помощник для планирования задач или даже виртуальный Гордон Рамзи, обученный на ваших предпочтениях в кулинарии.

При этом такие помощники никак не будут друг с другом конкурировать – вы просто выбираете нужного под нужную задачу.

Получается, что каждый чат – это самостоятельная единица, которую можно обучать. А в другом чате уже другая тема и другие знания?

Да, но это не совсем то же самое, что бизнес-ассистент. Ассистент – это когда вы можете открывать сразу несколько чатов, обученных в одном контексте, и работать с ними параллельно.

Например, если у вас есть своя компания, где вы сами управляете всеми процессами, вы можете обучить виртуального помощника контексту этой компании – загрузить стратегические данные, финансовые показатели, бизнес-аналитику и другие ключевые сведения.

После этого, каждый раз открывая чат с этим помощником, часть контекста у вас уже будет сохранена. Он сразу будет понимать специфику вашей компании, что позволит вам сэкономить 5-10 запросов на вводные объяснения.

Могу ли я ему в пределах одного диалога сначала сказать, что он бизнес-аналитик, а потом переключить его на разработчика? Контекст останется?

Контекст останется, но он может запомнить не те вещи, которые вы ожидаете.

Например, если вы несколько раз попросили его сформировать таблицу, он может начать выдавать таблицу по умолчанию в каждом ответе. Даже если вы прямо скажете «не делай таблицу», он все равно приложит ее на всякий случай.

Лучший вариант – использовать дообученного помощника, который уже понимает нужную предметную область, и переключать его между ролями: аналитика, разработчика и т. д.

Другой подход – разделять помощников по ролям (например, один – аналитик, другой – разработчик), и давать им разные контексты, погружать в различные предметные области.

Это просто вопрос того, как удобнее структурировать работу: через смену ролей или через разные контексты.

 

*************

Статья написана по итогам доклада (видео), прочитанного на конференции INFOSTART Анализ & Управление в ИТ-проектах.

См. также

Нейросети 8.3.6 1С:Управление торговлей 11 Управленческий учет Платные (руб)

Обработка подключения фотокамер Canon и Nikon к Управление торговлей 11.4 для потоковой загрузки фотографий в карточки товаров с автоматическим удалением фона

22800 руб.

24.06.2021    10104    4    4    

15

Нейросети Мастера заполнения Платформа 1С v8.3 1С:ERP Управление предприятием 2 1С:Управление торговлей 11 1С:Комплексная автоматизация 2.х 1С:Управление нашей фирмой 3.0 Платные (руб)

Расширение для заполнения описания номенклатуры с помощью модели ИИ GigaChat от Сбера. Расширение формирует продающее описание товара по его наименованию с помощью модели искусственного интеллекта. Будет полезно для владельцев интернет магазинов, каталогов товаров и продающих через маркетплейсы. Адаптировано для основных конфигураций: УТ, ЕРП, КА, УНФ.

5000 руб.

08.11.2023    3051    13    0    

22

Мастера заполнения Нейросети Платформа 1С v8.3 1C:Бухгалтерия 1С:Управление торговлей 11 Платные (руб)

Расширение для заполнения описания товара (номенклатуры) с помощью модели ИИ ChatGPT с ключевыми словами. Расширение формирует продающее описание товара по его наименованию с помощью модели искусственного интеллекта. Будет полезно для владельцев интернет магазинов, каталогов товаров и продающих через маркетплейсы. Адаптировано для основных конфигураций: УТ, ЕРП, КА, УНФ. Прошло аудит на 1cfresh.com. Версия для автоматического заполнения

5000 руб.

13.03.2023    18737    47    50    

76

Нейросети Бесплатно (free)

В этой статье расскажу, какие задачи можно и даже нужно делегировать искусственному интеллекту, в чём трудности применения Chat GPT в России. Попробуем составить полноценное ТЗ для создания мобильного приложения на базе 1С:Предприятие с помощью ИИ и сервиса MAKER-STUDIO.

вчера в 10:00    292    1Concept    0    

2

Нейросети Программист Пользователь Абонемент ($m)

Вам нравится набирать сообщения и другую информацию в телефоне голосом? Вы хотите делать то же самое на компьютере? С помощью голосового ввода Вы можете упростить работу с текстом на компьютере, транскрибируя речь в реальном времени с SimpleVoiceInput.

3 стартмани

12.02.2025    366    5    Smikle    0    

7

Нейросети Распознавание документов и образов Программист Платформа 1С v8.3 Отраслевые Бесплатно (free)

Пример использования механизма голосового распознавания платформы 1С: Предприятия на примере Демоприложения речевого распознавания от 1С с примером добавленной библиотеки ИИ от Михаила Калимулина с интегрированным голосовым управлением для формирования текста запроса к ИИ.

07.02.2025    372    21    m_aster    2    

5

Нейросети Программист Платформа 1С v8.3 Бесплатно (free)

Год назад я покупал доступ к CoPilot, чтобы рассмотреть возможность ускорения разработки на 1С. Однако, я столкнулся с проблемой, что CoPilot отвратительно работает с кодом на языке 1С. Он не знал синтаксиса абсолютно...

04.02.2025    2118    huxuxuya    14    

12

Нейросети Бесплатно (free)

Использование искусственного интеллекта в различных областях повседневной деятельности человека - это уже нормальная практика. Но так ли это?

03.02.2025    747    js_    6    

4
Оставьте свое сообщение