# Hva er prompt engineering, og hvordan fungerer det? Prompt engineering omfatter ulike teknikker og metoder for å optimalisere prompts for generative AI-verktøy. Vi forklarer definisjonen av prompt engineering, hvorfor det er viktig, og går gjennom eksempler og beste praksis. Det er avgjørende å formulere riktige instruksjoner for AI-verktøy hvis du ønsker å få mest mulig ut av språkmodeller. I takt med at kunstig intelligens fortsetter å utvikle seg, øker også behovet for fagpersoner som vet hvordan man bruker den mest effektivt, og det er slik yrket **prompt engineer** oppstod. ## Hva er prompt engineering? Begrepet «prompt engineering» refererer til teknikker og metoder som brukes til **å optimalisere prompts** for naturlig språkbehandling (NLP) og store språkmodeller (LLM) som GPT-3 eller GPT-4, som er basert på maskinlæring. Måten et spørsmål eller instruksjoner formuleres på, har stor innflytelse på kvaliteten og relevansen av svaret som genereres av verktøyet for kunstig intelligens. **Prompt engineering for AI-modeller** krever ikke bare kreativitet og presisjon, men også en dyp **forståelse av den respektive språkmodellen**, da valg av ord og deres rekkefølge kan ha stor innvirkning på resultatet. Prompter kan inneholde tekst i naturlig språk, bilder eller andre typer datainput. Den samme prompten kan gi forskjellige resultater på ulike AI-plattformer. Derfor må prompt engineering tilpasses individuelt for hver [AI-tekstgenerator](https://www.ionos.com/nb-no/digitalguide/nettsteder/opprettelse-av-nettsted/de-beste-ai-tekstgeneratorene/) eller AI-videogenerator. ## Hvorfor er prompt engineering viktig for AI? Prompt engineering er avgjørende hvis du ønsker å oppnå bedre resultater med [generativ AI](https://www.ionos.com/nb-no/digitalguide/nettsteder/opprettelse-av-nettsted/generativ-ai/) og utnytte språkmodellens potensial fullt ut. En prompt engineer kan for eksempel eksperimentere ved å stille et spørsmål på mange forskjellige måter for å se hvordan det **påvirker svaret**. Variasjoner i ordrekkefølgen og bruk av et modifikatorord én eller flere ganger (f.eks. «veldig» eller «veldig, veldig, veldig») kan ha stor innvirkning på resultatene. For AI-bildewebsider kan prompt engineering bidra til å finjustere ulike funksjoner i genererte bilder. Dette gir ofte muligheten til å lage AI-bilder i en bestemt stil, perspektiv, bildeformat eller bildeoppløsning. Den første prompten er vanligvis bare et utgangspunkt. De følgende promptene kan for eksempel brukes til å myke opp eller forsterke visse elementer og legge til eller fjerne objekter i et bilde. Prompt engineering kan også bidra til å tilpasse LLM-er og optimalisere arbeidsflyter for spesifikke resultater når man utvikler nye verktøy. Det finnes også andre grunner til at prompt engineering er viktig for AI: - **Resultatoptimalisering**: Nøye utformet prompt engineering kan gjøre det mulig for språkmodeller å levere resultater av høyere kvalitet og større relevans. - **Effektivitet**: Godt formulerte prompt-er gjør at modellen leverer ønsket informasjon raskere, uten behov for flere prompt-er eller iterasjoner. - **Kontroll over utdata**: Smart prompt engineering gjør det mulig for brukeren å kontrollere måten AI-en responderer på, inkludert lengden, stilen og tonen i responsen. - **Feilreduksjon**: Tydelige og konsise prompt-er bidrar til å minimere potensielle skjevheter, misforståelser eller unøyaktige svar som en modell kan gi. - **Avanserte applikasjoner**: Med riktig prompt engineering kan AI-modeller brukes til spesifikke oppgaver eller i andre områder som de ikke opprinnelig ble utviklet for. - **Eksperimentelle innsikter**: Å eksperimentere med forskjellige spørsmål kan bidra til å få en dypere forståelse av hvordan en bestemt generativ AI fungerer og hvordan den reagerer på forskjellige inndata. ## Eksempler på hurtig utvikling Prompter som kan brukes til å lage tekst, bilder eller videoer, skiller seg betydelig fra hverandre. For alle AI-nettsteder gjør imidlertid målrettet prompt engineering det mulig for brukerne å samhandle mer effektivt med det respektive AI-verktøyet. ### Eksempler på spørsmål for tekstgeneratorer Her er et eksempel på målrettet prompt engineering for tekstgeneratorer: 1. **Spesifisitet** - Opprinnelig oppgave: «Fortell meg om trær». - Forbedret oppgave: «Forklar prosessen med fotosyntese i løvtrær». 2. **Svarformatering** - Opprinnelig spørsmål: «Hva er fordelene med solenergi?» - Forbedret spørsmål: «Nevn fem fordeler med solenergi». 3. **Sette inn eksempler på svar** - Opprinnelig oppgave: «Skriv en setning om Paris». - Forbedret oppgave: «Skriv en setning om Paris i Hemingways stil». 4. **Lengde og detaljer** - Opprinnelig oppgave: «Beskriv vann». - Forbedret oppgave: «Gi meg en detaljert vitenskapelig forklaring på vannets molekylære struktur». 5. **Unngå fordommer** - Opprinnelig spørsmål: «Hva synes du om kryptovalutaer?» - Forbedret spørsmål: «Beskriv kryptovalutaer nøytralt og objektivt». 6. **Kontekst** - Opprinnelig spørsmål: «Hvorfor faller aksjekursene?» - Forbedret spørsmål: «Med tanke på økonomiske faktorer, hvorfor kan teknologibedrifter falle i en resesjon?» 7. **Stiler eller perspektiver** - Opprinnelig oppgave: «Fortell meg historien om Napoleon». - Forbedret oppgave: «Fortell meg historien om Napoleon fra perspektivet til en av soldatene hans». ### Eksempler på spørsmål til bildegeneratorer Prompt engineering er ikke bare relevant for språkmodeller, men også for generative adversarial networks som genererer bilder, for eksempel DALL-E. For bildegeneratorer må prompts tekstlig beskrive hva slags bilde som skal genereres: 1. **Spesifisitet** - Opprinnelig prompt: «Katt». - Forbedret prompt: «Oransje katt som sover på en blå pute». 2. **Kombinasjon av elementer** - Opprinnelig oppgave: «Bygninger og skyer». - Forbedret oppgave: «Et gammelt viktoriansk hus som hviler på flytende skyer». 3. **Stil og epoke** - Opprinnelig oppgave: «Biler». - Forbedret oppgave: «Futuristiske biler i retrostil fra 1950-tallet». 4. **Følelser og atmosfære** - Opprinnelig oppgave: «Skog». - Forbedret oppgave: «En mørk, tåkete skog badet i måneskinn». 5. **Kombinasjon av uvanlige elementer** - Opprinnelig oppgave: «Bord og frukt». - Forbedret oppgave: «Et bord laget av vannmeloner med en bordplate laget av tørkede bananskiver». 6. **Perspektiv og dimensjon** - Opprinnelig oppgave: «Fjell». - Forbedret oppgave: «Et enormt fjell i form av et opp-ned-vendt teglass». 7. **Abstraksjon** - Opprinnelig oppgave: «Følelser». - Forbedret oppgave: «Glede visualisert som en lys eksplosjon av farger». ### Eksempler på spørsmål for videogeneratorer For videogeneratorer er utfordringen å fange ikke bare et enkelt øyeblikk eller stillbilde, men en **dynamisk, tidsbestemt sekvens** av handlinger og hendelser. God prompt-teknikk hjelper til med å spesifisere handling, miljø og varighet av videoen nøyaktig, samt hvordan elementene i videoen skal samhandle: 1. **Handlingssekvens** - Opprinnelig oppgave: «Katt som går». - Forbedret oppgave: «Oransje katt går sakte forbi en vannpytt og hopper deretter ned i den». 2. **Miljø og stemning** - Opprinnelig oppgave: «Strandmotiv». - Forbedret oppgave: «En øde strand ved solnedgang, med bølger som bryter forsiktig og en flokk fugler som flyr i horisonten». 3. **Tidsmessig utvikling** - Opprinnelig oppgave: «En blomst som vokser». - Forbedret oppgave: «En rose som vokser fra knopp til fullt utblomstret blomst på 30 sekunder». 4. **Dynamiske handlinger** - Opprinnelig oppgave: «Sportskamp». - Forbedret oppgave: «En basketballkamp hvor en spiller scorer et avgjørende trepoengsmål i kampens siste sekunder». 5. **Kombinasjon av elementer og overganger** - Opprinnelig prompt: «Tidspunkter på dagen». - Forbedret oppgave: «Et bypanorama som går fra morgen til kveld, med byens lys som tennes når mørket faller på». 6. **Historie og fortelling** - Opprinnelig oppgave: «En fugl som flyr». - Forbedret oppgave: «En ung fugl som prøver å fly for første gang. Etter noen mislykkede forsøk klarer fuglen endelig å erobre himmelen og kommer trygt tilbake til redet sitt». ## Hva er beste praksis for prompt engineering? Med målrettet prompt engineering er det mulig å oppnå optimale resultater fra generative AI-verktøy. Det finnes noen velprøvde beste praksis som bør tas i betraktning når man formulerer prompts: - **Vær presis**: Å være tydelig når du formulerer en prompt hjelper AI-en til å bedre forstå hva du forventer at den skal generere. - **Vær konkret**: Sørg for at spørsmålene dine er konkrete nok til at du får den responsen du ønsker. - **Eksperimenter**: Hvis du ikke får det svaret du ønsker med en gang, kan du prøve å formulere spørsmålet på en annen måte eller legge til mer kontekst. - **Formateringsinstruksjoner**: Hvis du ønsker at svaret skal ha et bestemt format (f.eks. liste, kort avsnitt, formelt språk), bør du spesifisere dette i spørsmålet. - **Eksempler på svar**: Det kan være nyttig å gi eksempler på svar, da dette kan gi AI-en et eksempel på det svaret du ønsker og lede den i riktig retning. - **Kontekst**: Noen AI-verktøy har nytte av å få tilleggsinformasjon eller mer kontekst før selve spørsmålet stilles. - **Unngå tvetydighet**: Unngå uklare eller tvetydige formuleringer. - **Begrens og styr**: Hvis du er bekymret for at AI-verktøyet kan svare på en partisk måte, eller hvis du ønsker en bestemt stil eller perspektiv, gi klare instruksjoner. - **Gjennomgang**: Det er viktig å gjennomgå AI-verktøyets svar kritisk og sikre at de er både nøyaktige og fri for uønsket partiskhet. - **Iterativ tilnærming**: Det er ofte nyttig å ta en iterativ tilnærming og finpusse spørsmålet basert på svarene du får. ## Hvilke kvalifikasjoner bør en promptingeniør ha? Prompt engineering tilbyr lovende muligheter for personer med dyp **forståelse av språkbehandling og en kreativ tankegang**. Etter hvert som AI- og NLP-teknologier blir mer utbredt i en lang rekke bransjer, vil etterspørselen etter dyktige prompt engineers fortsette å øke. Selv om det ikke er krav til spesifikk utdanning, kan en grad i et relatert fagområde være nyttig. Selv om programmeringsferdigheter ikke er avgjørende, kan en grad i informatikk eller lingvistikk gjøre det lettere å forstå språkmodeller og utvikle prompts. Prompt engineering handler først og fremst om å forstå hvordan språk fungerer og hvordan man strukturerer det for å få de resultatene man ønsker. Følgende ferdigheter kan være nyttige i denne prosessen: - **Forståelse av AI og maskinlæring**: Det er viktig å ha en grunnleggende forståelse av hvordan nevrale nettverk fungerer, særlig språkmodeller, slik at du bedre kan forstå mekanismene bak resultatene. - **Analytisk tenkning**: Å analysere resultater og justere instruksjoner basert på disse krever analytisk tenkning. - **Kommunikasjonsevner**: Evnen til å formulere klare og konsise instruksjoner er avgjørende for prompt engineering. - **Feildeteksjon**: Evnen til å oppdage unøyaktigheter eller feil i svarene fra en AI-modell og foreta passende justeringer. - **Domenespesifikk kunnskap**: Avhengig av hvilket domene du bruker det til, kan det være nødvendig med spesialisert domenekunnskap for å effektivt designe og evaluere spørsmål og svar. - **Kontinuerlig læring**: Kunstig intelligens og maskinlæring utvikler seg raskt. God prompt engineering krever derfor en forpliktelse til kontinuerlig læring og en vilje til å tilpasse seg nye teknologier. - **Teamarbeid**: En prompt engineer må ofte samarbeide med andre fagpersoner, for eksempel dataforskere, programvareingeniører og forretningsanalytikere. This is a markdown version of: [https://www.ionos.com/nb-no/digitalguide/nettsteder/opprettelse-av-nettsted/prompt-engineering/](https://www.ionos.com/nb-no/digitalguide/nettsteder/opprettelse-av-nettsted/prompt-engineering/) for AI/LLM consumption.