Các phương pháp hay nhất để sử dụng ChatGPT.

Tài liệu do Lê Quang Văn thực hiện.

Đối với sinh viên năm cuối Khoa học Máy tính, các phương pháp hay nhất để sử dụng ChatGPT vượt ra ngoài việc nhận được câu trả lời chất lượng — chúng gồm việc hiểu các sắc thái của mô hình cơ bản, tận dụng lời nhắc nâng cao và tuân thủ các cân nhắc đạo đức. Sau đây là hướng dẫn chi tiết về cách tận dụng tối đa ChatGPT một cách hiệu quả và có trách nhiệm.

1. Hiểu được khả năng và hạn chế của mô hình

a. Khả năng

Tạo văn bản: ChatGPT rất phù hợp để tạo văn bản mạch lạc và phù hợp với ngữ cảnh, cho dù đó là văn bản sáng tạo, mã hay giải thích.

Học Few-Shot và Zero-Shot: Bạn có thể cung cấp các ví dụ trong lời nhắc để cải thiện phản hồi (few-shot) hoặc dựa vào đào tạo trước của mô hình cho các nhiệm vụ mới (zero-shot). Lời nhắc Few shop là lời nhắc có thêm ví dụ để hướng dẫn ChatGPT. Lời nhắc zero shop là lời nhắc không có ví dụ, tự mình ChatGPT tạo đầu ra dựa trên những gì đã học được từ dữ liệu cung cấp.

Cơ sở kiến thức rộng: Mô hình đã được đào tạo trên một bộ dữ liệu đa dạng, làm cho nó hiệu quả cho nhiều chủ đề, nhưng kiến thức này có ngày giới hạn (tháng 9 năm 2021 đối với nhiều phiên bản).

b. Hạn chế

Kiến thức lỗi thời: ChatGPT không biết các sự kiện hoặc tiến bộ gần đây ngoài dữ liệu đào tạo của nó.

Thiên vị và ảo giác: Mô hình có thể phản ánh các thành kiến có trong dữ liệu đào tạo của nó và tạo ra thông tin không chính xác hoặc "ảo giác". Xác minh là rất quan trọng.

Thiếu hiểu biết thực sự: ChatGPT dự đoán từ tiếp theo dựa trên các mẫu đã học hơn là sự hiểu biết hoặc lý luận thực sự.

Thực tiễn tốt nhất: Luôn xác thực các câu trả lời bằng cách tham khảo chéo các nguồn đáng tin cậy, đặc biệt là đối với các nhiệm vụ quan trọng.

2. Xây dựng lời nhắc rõ ràng và chi tiết

a. Cụ thể và phù hợp với ngữ cảnh

Chi tiết rõ ràng: Cung cấp ngữ cảnh và chỉ định loại phản hồi bạn đang tìm kiếm.

Ví dụ: Thay vì nói "Giải thích mạng nơ-ron", bạn có thể nói, "Giải thích kiến trúc của mạng nơ-ron tích chập và các ứng dụng của chúng trong nhận dạng hình ảnh".

Định dạng nhắc nhở: Sử dụng một cấu trúc như [Vai trò / Nhiệm vụ + Hướng dẫn cụ thể] để mang lại kết quả tốt hơn.

Ví dụ: "Bạn là một người hướng dẫn học máy. Giải thích sự khác biệt giữa quá phù hợp và quá phù hợp với các ví dụ."

b. Kỹ thuật kỹ thuật nhắc

Lời nhắc nhập vai: Chỉ định ChatGPT một vai trò cụ thể (ví dụ: "Hoạt động như một chuyên gia an ninh mạng giải thích cách hoạt động của mã hóa RSA") để tạo các câu trả lời tập trung và phù hợp hơn.

Câu hỏi từng bước: Chia các nhiệm vụ phức tạp thành nhiều lời nhắc để tăng cường tính mạch lạc.

Ví dụ: Thay vì yêu cầu một giải pháp hoàn chỉnh trong một lời nhắc, hãy yêu cầu phân tích từng bước và sau đó yêu cầu đoạn mã hoặc chi tiết thêm.

Thực tiễn tốt nhất: Lặp lại lời nhắc của bạn để rõ ràng, chi tiết và cụ thể để đạt được phản hồi tối ưu.

3. Các trường hợp và ứng dụng sử dụng nâng cao

a. Tạo mã và gỡ lỗi

Tạo mã: ChatGPT có thể tạo các đoạn trích, chức năng và thậm chí toàn bộ tập lệnh. Đảm bảo cung cấp thông tin đầu vào rõ ràng, chỉ định ngôn ngữ và chi tiết hành vi dự kiến.

Ví dụ: "Tạo một hàm Python để thực hiện sắp xếp nhanh trên một danh sách."

Hỗ trợ gỡ lỗi: Cung cấp mã bị lỗi và thông báo lỗi để được trợ giúp khắc phục sự cố hiệu quả.

Ví dụ: "Đây là mã Python của tôi và tôi nhận được ValueError. Điều gì có thể gây ra nó?"

Thực tiễn tốt nhất: Tránh sử dụng nguyên văn mã được tạo mà không xem lại. Luôn phân tích đầu ra về hiệu quả, tính đúng đắn và tuân thủ các phương pháp hay nhất.

b. Tối ưu hóa và hướng dẫn thuật toán

Phân tích độ phức tạp: Yêu cầu mô hình phân tích độ phức tạp về thời gian hoặc không gian của các thuật toán

Ví dụ: "Giải thích độ phức tạp về thời gian của thuật toán Dijkstra trong một biểu đồ với n nút và m cạnh."

Phân tích so sánh: Yêu cầu so sánh giữa các thuật toán.

Ví dụ: "So sánh thuật toán của A* và Dijkstra về hiệu quả và tính tối ưu cho việc tìm đường."

c. Thử nghiệm và động não ý tưởng