AIToday Live
AIToday Live is een boeiende Nederlandstalige podcast voor iedereen die geïnteresseerd is in de wereld van kunstmatige intelligentie, ongeacht hun technische achtergrond. Hier zijn een paar redenen waarom je misschien wilt luisteren naar AIToday Live:
- Expert Inzichten: De podcast biedt gesprekken met Nederlandse en Belgische experts op het gebied van AI, waardoor luisteraars waardevolle inzichten en meningen rechtstreeks van leiders en vernieuwers in de industrie krijgen.
- Toegankelijk voor een Breed Publiek: Of je nu diep in de technische details zit of gewoon nieuwsgierig bent naar AI, de podcast presenteert informatie op een manier die zowel begrijpelijk als boeiend is voor zowel zakelijke als IT-professionals.
- Laatste Nieuws en Trends: Blijf op de hoogte van de nieuwste ontwikkelingen en innovaties in AI. De podcast dekt AI for Good en andere belangrijke trends die invloed kunnen hebben op verschillende industrieën en de samenleving als geheel.
Gepresenteerd door Joop Snijder, CTO van Aigency, en Niels Naglé, Area Lead Data & AI van Info Support, biedt de podcast een uniek perspectief op de praktische toepassing van AI binnen organisaties. Het duo bespreekt de (on)mogelijkheden van AI, de impact ervan op bedrijfsprocessen en hoe organisaties deze technologie kunnen inzetten om hun doelstellingen te bereiken.
"AIToday Live is twee keer genomineerd voor 'De Prijs van Oranje' door de Belgian Podcast Awards en staat op nummer 1 in de lijst van Zomerse luister-inspiratie: podcasts over AI, productiviteit, SEO & meer (Frankwatching, juni 2024)."
Met deskundige gasten uit de industrie en academische wereld, biedt de AIToday Live podcast een platform voor het delen van best practices, innovaties en belangrijke inzichten in de wereld van AI. Van de nieuwste algoritmen en modellen tot de impact van AI op de toekomst van werk, de podcast biedt waardevolle informatie voor iedereen die geïnteresseerd is in AI en de rol die het speelt in organisaties.
Voor exclusieve content over de podcast achter de schermen, aankondiging van gasten en exclusieve artikelen, schrijf je dan in voor de nieuwsbrief: https://aitodaylive.substack.com
AIToday Live
S06E72 - 3 promptingtechnieken die je productiviteit verhogen
Joop legt je drie technieken uit voor het effectief gebruik van taalmodellen zoals ChatGPT.
De besproken technieken, waaronder multi-step prompts en prompt chaining, helpen bij het structureren van taken en het verbeteren van de outputkwaliteit.
Deze inzichten zijn toepasbaar in diverse contexten, van testplannen tot marketingstrategieën.
Links
- Techniek: Prompt Chaining
- Techniek: Multi-step Prompt
- Techniek: Chain-of-Thought Prompt
- Kaartspel: AI Game Changer - Generative AI editie
Aigency ontwerpt en ontwikkelt waardevolle, robuuste en betrouwbare Machine Learning-modellen.
Info Support
Info Support is de specialist in maatwerk software en leidend in kunstmatige intelligentie (AI).
Disclaimer: This post contains affiliate links. If you make a purchase, I may receive a commission at no extra cost to you.
Schrijf je in voor onze nieuwsbrief en ontvang exclusieve toegang tot nieuws, blik achter de schermen en meer!
1
00:00:00,001 --> 00:00:05,320
Hoi, welkom weer bij een nieuwe aflevering van AIToday Live.
2
00:00:05,320 --> 00:00:10,200
Vandaag wil ik je drie belangrijke begrippen gaan uitleggen die je helpen om taalmodellen
3
00:00:10,200 --> 00:00:11,200
beter te gebruiken.
4
00:00:11,200 --> 00:00:16,600
Dat gaan Prompt Chaining, Multistep Prompt en Chain-of-Thought Prompt.
5
00:00:16,600 --> 00:00:21,760
En aan het eind van de aflevering vertel ik je welke van deze technieken mijn voorkeur
6
00:00:21,760 --> 00:00:22,760
heeft.
7
00:00:22,760 --> 00:00:29,160
Misschien herinner je je nog een vraag van een van onze luisteraars, Frits, die we bespraken
8
00:00:29,160 --> 00:00:31,600
in aflevering 63 van dit seizoen.
9
00:00:31,600 --> 00:00:33,680
Laten we die vraag even terughalen.
10
00:00:33,680 --> 00:00:39,000
De vraag van de leek is deze week.
11
00:00:39,000 --> 00:00:41,080
Hallo Niels, Joop.
12
00:00:41,080 --> 00:00:42,720
Mijn naam is Frits.
13
00:00:42,720 --> 00:00:47,400
Ik werk als IT manager bij PostNL en ik heb een vraag voor jullie.
14
00:00:47,400 --> 00:00:54,600
Hoe kan ik ChatGPT gebruiken om goede testplannen te schrijven om mijn aannames te testen?
15
00:00:54,600 --> 00:00:57,200
Nou, ik hoor heel graag van jullie.
16
00:00:57,200 --> 00:01:01,960
Frits vroeg ons om advies voor het maken van een testplan.
17
00:01:01,960 --> 00:01:09,040
En wat ik je ga vertellen vandaag geldt niet alleen maar voor het maken van een testplan,
18
00:01:09,040 --> 00:01:13,160
maar geldt net zo goed voor het maken van een presentatie, een marketingplan, het schrijven
19
00:01:13,160 --> 00:01:16,880
van beleid of zelfs voor het uitvoeren van een huiswerkopdracht.
20
00:01:16,880 --> 00:01:23,280
Deze drie technieken helpen je om elk van deze taken beter te organiseren en uit te
21
00:01:23,280 --> 00:01:24,280
voeren.
22
00:01:24,280 --> 00:01:27,360
Laten we beginnen met de eerste, met multi-step prompts.
23
00:01:27,360 --> 00:01:33,760
Een multi-step prompt houdt in dat je een stappenplan opstelt binnen één enkele prompt.
24
00:01:33,760 --> 00:01:35,920
Het is heel specifiek en taakgericht.
25
00:01:35,920 --> 00:01:41,000
Hoe kleiner de stappen in je stappenplan, des te beter kan het taalmodel deze stappen
26
00:01:41,000 --> 00:01:42,000
uitvoeren.
27
00:01:42,000 --> 00:01:45,000
Stel je voor dat je een taart gaat bakken.
28
00:01:45,000 --> 00:01:48,080
En je schrijft op stap 1 verzamel de ingrediënten.
29
00:01:48,080 --> 00:01:50,360
Stap 2 meng ze volgens het recept.
30
00:01:50,360 --> 00:01:52,280
Enzovoort enzovoort.
31
00:01:52,280 --> 00:01:57,920
Het taalmodel volgt deze instructies stap voor stap op.
32
00:01:57,920 --> 00:01:58,920
Multistep.
33
00:01:58,920 --> 00:02:04,800
En de multi-step prompt is denk ik de meest intuïtieve vorm van het beschrijven van een
34
00:02:04,800 --> 00:02:11,600
stappenplan, omdat we gewend zijn om zo zelf taken voor ons uit te voeren en op te schrijven.
35
00:02:11,600 --> 00:02:15,120
Ik pak niet voor niks het voorbeeld van een recept.
36
00:02:15,120 --> 00:02:21,960
Chain-of-thought prompting is een techniek waarbij het taalmodel niet alleen wordt gevraagd
37
00:02:21,960 --> 00:02:30,140
om het eind antwoord te geven, maar ook om de tussenliggende stappen of gedachten te
38
00:02:30,140 --> 00:02:33,000
genereren terwijl het probleem wordt opgelost.
39
00:02:33,000 --> 00:02:38,880
Dit geeft meer inzicht in het besluitvormingsproces van het model en is vooral nuttig voor taken
40
00:02:38,880 --> 00:02:41,840
die analyse, berekeningen of uitleg vereisen.
41
00:02:41,840 --> 00:02:46,720
Je zou dit letterlijk een denkstappenplan kunnen noemen.
42
00:02:46,720 --> 00:02:50,040
Hoe ziet zo'n chain-of-thought prompt er dan uit?
43
00:02:50,040 --> 00:02:53,160
Ik kan me voorstellen dat het best heel abstract is.
44
00:02:53,160 --> 00:02:57,200
Stel we gaan een chain-of-thought prompt maken voor een bedrijfsanalyse.
45
00:02:57,200 --> 00:03:00,520
En zo'n prompt zouden we schrijven als zijnde het volgende.
46
00:03:00,520 --> 00:03:06,600
Analyseer de mogelijke impact van de invoering van de 4-daagse werkweek op een middelgroot
47
00:03:06,600 --> 00:03:07,600
softwarebedrijf.
48
00:03:08,400 --> 00:03:16,120
Overweeg de effecten op productiviteit, werknemerstevredenheid, klantenservice en financiële resultaten.
49
00:03:16,120 --> 00:03:20,480
Denk hard op na terwijl je deze analyse uitvoert.
50
00:03:20,480 --> 00:03:24,720
Overweeg verschillende perspectieven en mogelijke scenario's.
51
00:03:24,720 --> 00:03:30,920
Leg uit waarom je bepaalde factoren belangrijk vindt en hoe ze met elkaar samenvatten.
52
00:03:30,920 --> 00:03:35,600
Beschrijf je denkproces terwijl je tot je conclusies komt.
53
00:03:35,600 --> 00:03:42,240
En vervolgens kun je stap voor stap nog zeggen wat je zou moeten doen.
54
00:03:42,240 --> 00:03:44,360
Structureer je analyse als volgt.
55
00:03:44,360 --> 00:03:45,360
1.
56
00:03:45,360 --> 00:03:47,120
Initiële gedachten en belangrijkste overwegingen.
57
00:03:47,120 --> 00:03:48,120
2.
58
00:03:48,120 --> 00:03:49,120
Analyse per aspect.
59
00:03:49,120 --> 00:03:50,120
3.
60
00:03:50,120 --> 00:03:52,560
Mogelijke uitdagingen en oplossingen.
61
00:03:52,560 --> 00:03:53,560
4.
62
00:03:53,560 --> 00:03:54,560
Eindconclusies en aanbevelingen.
63
00:03:54,560 --> 00:03:56,840
En dan voeg je er dus ook nog toe.
64
00:03:56,840 --> 00:04:03,280
Wees grondig in je uitleg en laat zien hoe je afwegingen maakt tussen verschillende factoren.
65
00:04:03,280 --> 00:04:10,920
Je ziet dat je vraagt naar het hardop nadenken en het krijgen van uitleg.
66
00:04:10,920 --> 00:04:17,360
Er zitten termen in als leg uit waarom, denk hard op, overweeg, analyseer.
67
00:04:17,360 --> 00:04:22,840
En dat is toch echt wel anders dan die multi-step prompt.
68
00:04:22,840 --> 00:04:26,880
Laten we even teruggaan naar het voorbeeld van Frits met zijn testplan.
69
00:04:26,880 --> 00:04:31,000
Net als bij je presentatie bepaal je eerst de hoofdlijnen.
70
00:04:31,000 --> 00:04:36,880
Welke onderwerpen moeten er in komen, waar gaat het over en wat wordt de verhaallijn?
71
00:04:36,880 --> 00:04:41,240
Hier werk je op een hoger abstractieniveau en verdeel je je werk in stukken.
72
00:04:41,240 --> 00:04:46,160
Dit kan lastig zijn want net zoals bij het bouwen van een huis is het moeilijk om tegelijkertijd
73
00:04:46,160 --> 00:04:49,800
de fundering te leggen en de details van het interieur te ontwerpen.
74
00:04:49,800 --> 00:04:52,440
Hetzelfde geldt voor een taalmodel.
75
00:04:52,440 --> 00:04:57,840
Dus als we zowel grote lijnen als details door elkaar heen in 1 keer proberen te vragen
76
00:04:57,840 --> 00:05:00,840
aan het model, krijg je vaak slechte resultaten.
77
00:05:00,840 --> 00:05:06,560
Dus beter is het om eerst de hoofdlijnen te bepalen en daarna de details in te vullen.
78
00:05:06,560 --> 00:05:09,640
En daar komt prompt chaining om de hoek kijken.
79
00:05:09,640 --> 00:05:17,680
Promptchaining is letterlijk een keten van prompts waarbij de uitvoer van de ene prompt
80
00:05:17,680 --> 00:05:19,920
dient als invoer voor de volgende.
81
00:05:19,920 --> 00:05:26,800
Stel je voor dat je een ketting van prompts gebruikt als een stappenplan op hoofdlijnen.
82
00:05:26,800 --> 00:05:31,920
Het is eerst een brainstorm met het taalmodel over de hoofdlijnen en zodra je daar tevreden
83
00:05:31,920 --> 00:05:34,320
mee bent, werk je de details uit.
84
00:05:34,320 --> 00:05:39,480
Je begint bijvoorbeeld met een prompt om de hoofdstukken van een boek te bepalen en gebruikt
85
00:05:39,480 --> 00:05:43,160
daarna een tweede prompt om per hoofdstuk de inhoud te schrijven.
86
00:05:43,160 --> 00:05:47,560
Zo ga je langzaam van een hoog abstractieniveau naar een concrete invulling.
87
00:05:47,560 --> 00:05:53,640
En de prompts die je hier weer voor gebruikt kunnen eenvoudige prompts zijn, maar natuurlijk
88
00:05:53,640 --> 00:05:57,520
ook onze multi-step prompts of chain-of-thought prompts.
89
00:05:57,520 --> 00:05:58,920
Net wat nodig is.
90
00:05:58,920 --> 00:06:03,720
Deze prompts ketenen aan elkaar tot een prompt chain.
91
00:06:03,720 --> 00:06:11,080
Het mooie van prompt chaining is dat je die kunt vastleggen maar vooral automatiseren.
92
00:06:11,080 --> 00:06:18,240
Stel dat je een proces herhaalderlijk wilt automatiseren, zoals het schrijven van een maandelijkse nieuwsbrief,
93
00:06:18,240 --> 00:06:24,560
dan kun je goed geteste prompts zowel voor de hoofdlijnen als de details telkens opnieuw
94
00:06:24,560 --> 00:06:25,560
gebruiken.
95
00:06:25,560 --> 00:06:30,800
Dan wordt het een beetje alsof je een AI-agent hebt die voor jou werkt.
96
00:06:30,800 --> 00:06:33,200
En dan nu mijn voorkeur.
97
00:06:33,200 --> 00:06:34,200
Dat had ik beloofd.
98
00:06:34,200 --> 00:06:37,920
Mijn voorkeur gaat uit naar prompt chaining.
99
00:06:37,920 --> 00:06:38,920
Waarom?
100
00:06:38,920 --> 00:06:43,880
Omdat het leidt tot herhaalbare processen die je controleerbaar kunt maken.
101
00:06:43,880 --> 00:06:46,960
Luister vooral even naar aflevering 70 voor het belang daarvan.
102
00:06:46,960 --> 00:06:54,000
Maar om het goed uit te voeren heb ik wel chain-of-thought prompts of multi-step prompts
103
00:06:54,000 --> 00:06:55,000
nodig.
104
00:06:55,000 --> 00:06:59,960
Zo zorg je ervoor dat je niet alleen een goede structuur hebt maar ook inzicht krijgt in
105
00:06:59,960 --> 00:07:01,400
hoe die structuur tot stand komt.
106
00:07:01,400 --> 00:07:09,360
Als je net als Frits vaker testplannen samen met AI wil schrijven zou ik adviseren om een
107
00:07:09,360 --> 00:07:11,400
gedegen prompt chain te ontwikkelen.
108
00:07:11,400 --> 00:07:15,880
Voor iedere schakel in je keten schrijf je herhaalbare prompts.
109
00:07:15,880 --> 00:07:22,520
Door deze aanpak te volgen creëer je een gestructureerd en grondig testplan waarbij elke stap voortbouwt
110
00:07:22,520 --> 00:07:23,520
op de vorige.
111
00:07:23,520 --> 00:07:30,360
Je kunt deze keten van prompts opslaan en hergebruiken voor toekomstige testplannen
112
00:07:30,360 --> 00:07:33,320
wat weer zorgt voor consistentie en efficiëntie in je werkproces.
113
00:07:33,320 --> 00:07:39,740
Het gebruik van prompt chaining in combinatie met die multi-step en chain-of-thought prompts
114
00:07:39,740 --> 00:07:44,520
stelt je in staat om complexe taken op te delen in hele beheersbare stappen.
115
00:07:44,520 --> 00:07:49,400
Dit verbetert niet alleen de kwaliteit van de output maar geeft je ook meer controle
116
00:07:49,400 --> 00:07:50,600
over het proces.
117
00:07:50,600 --> 00:07:57,880
Onthoud wel dat het perfectioneren van je prompt chains echt tijd en oefening kost.
118
00:07:57,880 --> 00:08:02,600
Dus experimenteer met verschillende formuleringen en structuren om te ontdekken wat het beste
119
00:08:02,600 --> 00:08:05,240
werkt voor jouw specifieke taken en doelen.
120
00:08:05,240 --> 00:08:10,160
En met de tijd zul je merken dat je steeds efficiënter en effectiever wordt in het aansturen
121
00:08:10,160 --> 00:08:12,560
van AI modellen voor je werk.
122
00:08:12,560 --> 00:08:16,720
Dankjewel voor het luisteren naar deze aflevering van AIToday live.
123
00:08:16,720 --> 00:08:21,280
Ik hoop dat deze uitleg over prompt chaining, multi-step prompts en chain-of-thought prompts
124
00:08:21,280 --> 00:08:24,720
je helpt om taalmodellen beter in te zetten voor je werk.
125
00:08:24,720 --> 00:08:28,880
Vergeet je niet te abonneren voor meer tips en inzichten over AI.
126
00:08:28,880 --> 00:08:30,080
Tot de volgende keer!
127
00:08:30,080 --> 00:08:32,080
[Muziek]
