Seiring dengan berkembangnya teknologi Artificial Intelligence (AI), konsep Generative AI telah mengalami kemajuan pesat, terutama dalam menghasilkan konten kreatif seperti teks, gambar dan musik. Salah satu komponen utama dalam pengembangan aplikasi Generative AI adalah prompting. Prompting adalah teknik untuk memberikan instruksi atau input kepada model AI agar menghasilkan output sesuai yang kita inginkan.  

Prompting pada dasarnya melibatkan pemberian instruksi berbentuk teks atau perintah yang dapat dimengerti oleh Large Language Models (LLM), seperti GPT-4 atau ChatGPT, untuk menghasilkan output sesuai dengan kebutuhan kita.  

Metode Prompting 

Ada berbagai pendekatan dalam prompting yang sering digunakan dalam pengembangan Generative AI, termasuk: 

  1. Zero-shot Prompting: Teknik ini digunakan untuk mengarahkan model AI untuk menghasilkan output tanpa memberi contoh khusus. Model akan mengandalkan pemahaman umum terhadap konteks atau domain yang diminta. 
  2. One-shot Prompting: Dalam teknik ini, satu contoh diberikan kepada model untuk membantu memperjelas jenis output yang diinginkan. Ini membantu model dalam memahami nuansa dan konteks lebih baik dibandingkan dengan zero-shot.
  3. Few-shot Prompting: Teknik ini lebih canggih dan melibatkan pemberian beberapa contoh yang relevan untuk membantu model mempelajari pola yang lebih mendalam tentang bagaimana menghasilkan output yang diinginkan. 

 Prinsip-Prinsip Prompting yang Efektif 

Untuk mendapatkan hasil yang optimal, ada beberapa prinsip prompting yang perlu kita pahami: 

  1. Spesifik dan jelas  

Berikan instruksi yang jelas dan terperinci untuk mengurangi kemungkinan terjadinya interpretasi yang salah oleh model. Misalnya, daripada hanya meminta model untuk membuat puisi, sebaiknya instruksi tersebut mencakup tema, gaya bahasa, dan banyak bait. 

2. Berikan konteks dan detail 

Menyediakan konteks tambahan atau informasi pendukung dalam prompt dapat meningkatkan relevansi dan kualitas output. Dalam beberapa kasus, memberi informasi latar belakang akan membantu model menghasilkan respons yang lebih sesuai dengan harapan. 

3. Evaluasi hasil prompting 

Teknik prompting yang efektif sering melibatkan iterasi berulang, di mana prompt diperbaiki berdasarkan evaluasi dari hasil sebelumnya. Ini membantu dalam menyempurnakan hasil dan meningkatkan akurasi generasi model AI. 

4. Menggunakan format yang tepat 

Penggunaan format yang sesuai dengan tipe model juga penting. Misalnya, untuk model yang mengerjakan teks, menggunakan format seperti daftar atau pertanyaan dapat menghasilkan respons yang lebih terstruktur dan informatif. 

 

Prompting tidak hanya berguna dalam menghasilkan teks, tetapi juga dalam bidang lainnya seperti gambar, musik, video dan desain grafis. Misalnya, dalam bidang desain grafis, model DALL-E memanfaatkan teknik prompting untuk menciptakan gambar berdasarkan deskripsi teks yang diberikan oleh pengguna. Di sisi lain, teknik prompting dapat digunakan untuk membuat musik atau video dengan memberikan instruksi terperinci kepada model untuk menciptakan karya yang sesuai dengan tema atau gaya yang diinginkan. 

Meskipun terlihat menjanjikan, teknik prompting dalam Generative AI masih memiliki tantangan seperti ketergantungan pada kualitas data pelatihan, bias dalam model, serta keamanan dan privasi. 

 

Referensi 

  1. Vaswani, A., Shazeer, N., Parmar, N., Uszkoreit, J., Jones, L., Gomez, A., Kaiser, Ł., & Polosukhin, I. (2017). Attention is all you need. Advances in Neural Information Processing Systems, 30.
  2. Brown, T. B., Mann, B., Ryder, N., Subbiah, M., & Kaplan, J. (2020). Language Models are Few-Shot Learners. arXiv preprint arXiv:2005.14165.