Bagaimana Anjuran Rantai Pemikiran Meningkatkan Output ChatGPT Anda

Google menindak penyalahgunaan konten berskala besar . Namun itu tidak berarti Anda harus berhenti menskalakan mesin konten Anda. Ini tidak berarti Anda harus berhenti menggunakan AI untuk mendukung penskalaan. Ini berarti Anda tidak dapat mengandalkan konten yang berisi spam dan tipis untuk bersaing.

Jadi, bagaimana Anda menggunakan AI untuk meningkatkan volume konten Anda tanpa terkena sanksi?

Sederhana saja: gunakan AI sebagai alat augmentasi — bukan pengganti pencipta manusia.

Salah satu cara untuk meningkatkan upaya pembuatan konten Anda adalah dengan menggunakan taktik AI baru seperti rantai pemikiran yang mendorong untuk membuat konten berkualitas lebih tinggi dengan lebih cepat.

Mari selami lebih dalam dunia CoT dan bagaimana hal itu dapat membantu Anda meningkatkan mesin konten Anda.

Apa yang dimaksud dengan Anjuran Rantai Pemikiran?

Chain of thought prompting (CoT) adalah teknik yang digunakan untuk meningkatkan kemampuan penalaran model bahasa besar (LLM). Ide intinya adalah untuk mendorong model untuk memecah masalah yang kompleks menjadi langkah-langkah yang lebih kecil dan lebih mudah dikelola, memberikan rantai penalaran eksplisit yang mengarah pada jawaban akhir.

Ini mirip dengan cara Anda mempelajari cara memecahkan masalah matematika atau penalaran di sekolah. Berikut ini versi cepat (yang sangat disederhanakan) cara kerjanya:

• Transformasi Masalah: Daripada hanya menyajikan tugas atau pertanyaan ke LLM, rangkaian pemikiran segera merestrukturisasi masukan untuk menyertakan frasa, “Mari kita berpikir langkah demi langkah.”Isyarat ini memberi sinyal pada model untuk menghasilkan langkah-langkah penalaran perantara.
• Penalaran Menengah: Model didorong untuk memaparkan proses pemikirannya secara eksplisit, langkah demi langkah, yang mengarah ke solusi.Ini mungkin melibatkan perhitungan, deduksi logis, atau mengingat informasi yang relevan.
• Jawaban Akhir: Model sampai pada jawaban akhir, idealnya didukung oleh rantai penalaran transparan yang dihasilkannya.

Jenis perintah ini dapat disampaikan dalam satu perintah, seperti yang ditunjukkan pada contoh di bawah, atau Anda dapat membagi langkah-langkah menjadi beberapa perintah berurutan yang saling melengkapi (lebih lanjut tentang ini nanti).

Pendekatan ini pertama kali diciptakan oleh Jason Wei dan tim ahli dari Google Research Brain Team dalam sebuah makalah pada tahun 2022 . Contoh di bawah ini berasal dari makalah yang memperkenalkan CoT:

• Prompt standar berisi contoh masalah dan solusi, serta pertanyaan yang perlu dijawab oleh AI.
• Prompt CoT mencakup rangkaian solusi masalah yang sama,serangkaian langkah yang menguraikan bagaimana solusi tersebut dicapai, dan kemudian pertanyaan baru yang harus dijawab oleh AI.

Seperti yang Anda lihat, model tersebut gagal menjawab masalah pertama dengan benar tetapi berhasil ketika diminta untuk menelusuri “rantai pemikiran” untuk sampai ke sana.

Makalah ini mengidentifikasi beberapa manfaat utama dari taktik rekayasa cepat ini terhadap sejumlah masalah penalaran yang berbeda:

• Proses langkah demi langkah memaksa AI untuk berpikir lebih teliti dan menghindari lompatan logika, sehingga membantu meningkatkan hasil.
• CoT memberikan gambaran mengenai proses pengambilan keputusan AI, memberikan pengguna dan perancang model lebih banyak wawasan tentang cara kerja model ini.
• Dengan memerlukan penjelasan mengapa AI memilih keluaran tertentu, CoT berpotensi mengurangi beberapa bias yang rentan terjadi pada LLM.
• Pengguna AI dapat meningkatkan hasil hanya dengan menyertakan pernyataan seperti “mari kita lakukan langkah demi langkah” atau “jelaskan alasan Anda”, serupa dengan taktik pemicu emosi .

Yang terpenting, taktik ini berpotensi meningkatkan hasil tugas berbasis bahasa apa pun yang Anda masukkan ke ChatGPT , Gemini, Jasper , atau AI berbasis LLM lainnya. Faktanya, Google telah melatih modelnya dengan CoT sejak tahun 2022:

Pathways Language Model (PaLM) adalah model AI canggih baru yang menggunakan teknik yang disebut rantai pemikiran yang mendorong untuk melakukan tugas-tugas kompleks seperti memecahkan soal kata matematika — dan bahkan menjelaskan proses penalarannya langkah demi langkah. #GoogleIO pic.twitter.com/YHLsnqNemv

— Google (@Google) 13 Mei 2022

Oke, sekarang setelah Anda mengetahui lebih banyak tentang rangkaian pemikiran, mari kita bahas cara menggunakannya untuk meningkatkan efisiensi pembuatan konten Anda.

Bagaimana Anjuran Rantai Pemikiran Membantu Pembuatan Konten

Menggunakan rangkaian pemikiran yang mendorong untuk meningkatkan hasil tugas menulis lebih kompleks daripada matematika sederhana atau penalaran yang masuk akal. Ada aturan khusus untuk soal matematika dan kata yang mengarahkan Anda ke satu jawaban yang benar, tetapi ada banyak cara berbeda untuk mendekati strategi atau pembuatan konten.

Ada seni dalam copywriting SEO , pemasaran konten, dan distribusi. Meskipun demikian, ada banyak alasan yang terlibat dalam tugas-tugas ini, terutama pada skala perusahaan .

Studi CoT asli dari Google menekankan bahwa gaya dorongan ini secara signifikan meningkatkan kemampuan penalaran LLM dengan memberikan pendekatan terstruktur langkah demi langkah yang meniru proses pemecahan masalah manusia.

Alasan penerapannya pada tugas menulis terletak pada sifat menulis sebagai proses yang memerlukan penalaran multi-langkah, perencanaan, pengorganisasian pemikiran, dan pengembangan ide secara koheren dan logis.

Tugas menulis, terutama yang melibatkan pembuatan narasi, esai argumentatif, atau laporan teknis, dapat memperoleh manfaat dari pendekatan CoT yang menguraikan proses berpikir yang mengarah pada pengembangan karya akhir.

Inilah bagaimana prinsip-prinsip dasar dari rangkaian pemikiran yang mendorong — menyusun proses berpikir, memecahkan masalah yang kompleks, dan memandu perkembangan logis — selaras dengan persyaratan penulisan yang efektif.

1) Topik Penelitian

Ruang SaaS B2B penuh dengan ceruk yang sangat teknis — mulai dari infrastruktur cloud, manajemen fitur, hingga AI.

Baik Anda bekerja sebagai pekerja lepas, di agensi, atau bahkan untuk merek besar dengan banyak integrasi API, mencerna topik baru dengan cepat kemungkinan besar merupakan inti dari pekerjaan Anda.

Dorongan rantai pemikiran dapat bermanfaat untuk tugas ini. Saat mencoba memahami topik baru, membagi proses pembelajaran menjadi serangkaian pertanyaan dan jawaban, yang masing-masing dilanjutkan dengan pertanyaan terakhir, dapat membantu secara bertahap membangun pemahaman komprehensif tentang topik tersebut.

CoT dapat memandu model untuk mengeksplorasi berbagai aspek topik secara berurutan, membuat informasi kompleks lebih mudah dicerna dan dipahami.

Katakanlah Anda bekerja di sebuah agensi dan baru saja ditugaskan ke produk infrastruktur cloud seperti Terraform Hashicorp . Untuk memberikan contoh kompleksitas yang Anda hadapi, berikut penjelasan produk dari Wikipedia:

Infrastruktur-sebagai-kode (IaC). Bahasa konfigurasi deklaratif. JSON. Sebenarnya, itu adalah tiga topik yang sangat kompleks.

Mari kita lihat apakah saya bisa mendapatkan ChatGPT untuk mempercepat proses pembelajaran dengan mengidentifikasi konsep paling relevan terkait ketiga kata kunci tersebut.

Dengan menekankan pada “jelaskan alasan di balik konsep yang Anda pilih,” saya (secara teoritis) mendorong ChatGPT dengan cara yang mengarahkannya untuk memberikan jawaban yang lebih disengaja.

Seperti yang Anda lihat di bawah, masing-masing konsep utama IaC disertai dengan penjelasan pentingnya.

Melalui pendekatan ini, Anda belajar bahwa mengetahui tentang alat seperti Terraform dan Ansible tidak hanya penting; penting juga untuk mengetahui bahwa yang pertama bersifat agnostik penyedia dan yang kedua menyediakan manajemen konfigurasi tanpa agen.

Ini adalah jenis konteks yang dapat membantu Anda memecah dan mencerna konteks kompleks dengan lebih cepat — sangat berguna bagi pemula infrastruktur cloud seperti saya.

Sekarang mari kita lihat arah yang akan Anda dapatkan jika Anda hanya memberikan perintah normal tanpa mengarahkan AI untuk menjelaskan “proses berpikirnya:”

Informasi yang terkandung di bawah setiap poin bernomor di sini memang penting, tetapi informasi tersebut tidak memiliki tingkat konteks yang sama.

Jadi, hanya dengan menambahkan pernyataan seperti “jelaskan alasan Anda” atau “jalani langkah demi langkah”, Anda dapat meningkatkan nilai yang Anda peroleh dari setiap interaksi dengan AI Anda.

2) Pembuatan Singkat dan Draf

Sebagai seseorang yang terutama berfokus pada pembuatan konten tertulis berdurasi panjang, saya berpengalaman dalam seluk-beluk (dan kegilaan) proses kreatif. Perjalanan dari sebuah ide hingga menjadi sebuah karya akhir melewati titik-titik pemeriksaan yang sama – perencanaan topik, penelitian, pengarahan, hingga penyusunan – namun jalur di antara titik-titik tersebut lebih berliku bagi beberapa orang dibandingkan yang lain.

Salah satu manfaat terbesar yang saya peroleh dari AI generatif sejauh ini adalah menyederhanakan aspek alur kerja kreatif. AI berguna untuk membuat ringkasan kreatif dan draf kasar, dan dorongan CoT berpotensi membantu lebih banyak lagi.