一本書，幫助我們「精準提問、正確下指令」，
和AI對話更有效率，工作和生活都用得到！
自從生成式人工智慧（Generative AI）問世以來，它模仿人類的價值觀、信念和思考，如同人類的分身一樣。
像是ChatGPT這種生成式AI，許多回答看似言之有物卻不盡合理，甚至是捏造、偏頗的內容，讓人不知如何是好。
大型語言模型（LLM，Large Language Model）是生成式AI的核心技術，在進化的學習環境中，大型語言模型透過和人類對話，以及和其他生成式AI與各種應用程式、外部硬體互動，都會提升生成式AI的能力，更能幫助我們解決現實世界的課題。
為了要讓ChatGPT這類大型語言模型發揮最大的能力，身為人類的我們，必須學會如何和大型語言模型溝通，進而善用AI的最大潛力。
本書作者岡瑞起（OKA Mizuki）和橋本康弘（HASHIMOTO Yasuhiro）是日本AI專家，兩人帶領讀者了解「精準提問、正確下指令」的基本知識，並且分析大型語言模型的機制，介紹指令模式、觸發指令，幫助我們掌握與AI對話的技巧和知識。作者也提醒，生成式AI有可能成為人類的AI代理人，我們必須加速了解AI代理人的自律性、社會性和嶄新的資訊生態系。
提問力，是AI時代的生存武器。如果你還沒有準備好如何與AI對話，一定要閱讀這本書！
｜作者簡介｜
岡瑞起（OKA Mizuki）
研究學者，筑波大學資訊系副教授、株式會社ConnectSphere董事長、筑波大學情報學博士。
曾任東京大學知識結構化中心特聘研究員、筑波大學系統情報系助教；專攻人工生命、網路科學。
著作：《AI時代的提問力 Prompt Literacy》（合著）、《ALIFE人工生命：開發更具生命力的AI》、《作動ALIFE：透過實際建置的過程初步了解人工生命模型理論》等。
橋本康弘（HASHIMOTO Yasuhiro）
研究學者，會津大學電腦理工學部副教授。東京大學工學博士。
曾任學術振興會特別研究員、東京大學工學系研究科講師、筑波大學資訊系助教；專攻人工生命、計算社會科學。
著作：《AI時代的提問力 Prompt Literacy》（合著）。
譯作：《網路科學入門》、《人工智慧：圖靈、布魯克斯和辛頓》等。
｜譯者簡介｜
許郁文
輔仁大學影像傳播學系畢業。因對日文有興趣，於東吳大學日本語文學系研究所取得碩士學位。曾擔任日商多媒體編輯、雜誌日文採訪記者，現職為專職譯者。
近期譯作：《AI時代的提問力》、《大谷翔平也在用的曼陀羅思考法》、《向編輯學思考》等書。
｜目次｜
前言
第1章 大型語言模型登場
1-1 蔚為社會現象的ChatGPT
1-2 工作會隨著AI改變嗎？
1-3 與AI共存的必要性
第2章 提示工程
2-1 什麼是提示詞
2-2 輸入提示詞的注意事項
2-3 馴服大型語言模型
第3章 提示模式
3-1 人物誌模式
3-2 受眾人物誌模式
3-3 精緻化詢問
3-4 認知驗證模式
3-5 翻轉互動模式
3-6 少量樣本提示模式
第4章 觸發式提示的威力
4-1 Chain-of-Thought模式
4-2 Chain-of-Verification模式
4-3 退一步提示模式
4-4 後設認知提示模式
第5章 進階發展的技術
5-1 自我一致性模式
5-2 ReAct模式
5-3 RAG（搜尋增強生成）
5-4 LLM-as-Agent
第6章 AI代理人和社會
6-1 AI代理人的自律性
6-2 AI代理人的社會性
6-3 嶄新的資訊生態系
結語
｜前言｜
隨著人工智慧（Artificial Intelligence，AI）的發展，「大型語言模型」這種創新技術也跟著登場，在自然語言領域掀起了全面改革。尤其OpenAI在2022年發表的ChatGPT，更是讓人類與電腦自然對話這件事成為現實，語言處理學會也因此以「ChatGPT是否將終結自然語言處理？」為題召開小組討論。這種讓某個學術領域害怕自己突然消失的創新，不是那麼容易了解的事情。
有鑑於技術出現了突破性的發展，本書將焦點放在我們必須具備的新技巧「提問力」。大型語言模型的確會對我們的各種問題提供再自然不過的回答，但箇中原理到底為何？我們又該如何應該這個現實呢？
本書第1章以俯瞰全局的角度，介紹大型語言模型對社會的影響，以及今後可能帶來的變化，也為了幫助大家大致了解技術方面的重點，會簡單說明大型語言模型運作的機制。
第2章介紹「提示詞」這項概念。所謂的提示詞就是人類以自然語言給予電腦的指令，也是拜託大型語言模型運作時的命令。一如人類在接到不同的委託時，會給予不同的答案一樣，以適當的方式拜託大型語言模型運作，也同樣能夠得到我們想要的答案。這就是所謂的「優質提示詞」，而寫出優質提示詞的創作過程就稱為「提示工程」，這也是本書的核心主題。
第3章之後會具體解說製作提示模式的技術。會帶著大家學習角色扮演模式、翻轉互動模式、少量樣本提示模式，這些由大型語言模型的研究者或是經驗豐富的使用者發現的強力模式。只要懂得組合使用這些模式，就能有效活用大型語言模型。
第4章會討論觸發大型語言模型思考的「觸發提示詞」的威力。目前已知，以Chain-of-Thought模型（思維鏈）為代表的觸發提示詞能夠大幅提升模型的推測能力。了解這個機制與使用方法將更進一步解決進階的問題。
第5章會介紹讓多個模型合作，以及讓大型語言模型擁有記憶的「進階技術」。其中包含ReAct模型、RAG（擷取增強生成）、LLM-as-Agent這類最新的方法，想必這些方法都能讓大型語言模型的潛力大幅提升。
最後一章的第6章雖然有點偏離本書的技術主旨，但準備帶著大家想像AI代理對於我們人類的意義，以及在全新的資訊生態之中，我們人類該具備哪些能力與態度。
本書的目標在於大型語言模型這項嶄新的技術登場後，幫助大家從被動接受的立場轉為積極學習的立場，以及幫助大家學會相關的知識與技巧。
各位讀者透過本書將獲得「提問力」，也一定能親自體會大型語言模型的確是一項全新的知性創造工具，同時也能感受到活用這項工具的喜悅。
話不多說，就讓我們立刻跳進大型語言模型這個全新的世界。
2024年6月
岡瑞起
橋本康弘
｜編輯推薦｜
留言列表
