Nachdem wir in den ersten beiden Teilen dieser Serie rund um das „Prompt Engineering“ uns mit Struktur und Tonfall beziehungsweise Kontext und Fragestellungen beschäftigt haben, wollen wir uns in diesem Teil anschauen, wie wir ChatGPT durch entsprechend gestaltete Prompts dazu bringen können, Antworten in eine bestimmte Richtung und in einem bestimmten Stil zu formulieren.
Unkonventionelle Ansätze können zu außergewöhnlichen Ergebnissen führen – das gilt auch im Bereich des Prompt Engineerings. In diesem Teil der Serie möchte ich drei Ansätze vorstellen, mit deren Hilfe die Antworten und Ergebnisse von ChatGPT gelenkt werden können.
Prompt Engineering: Priming
Der erste Ansatz ist das sogenannte „Priming“ von ChatGPT. „Priming“ bezeichnet dabei das Vorgeben von anfänglichen Eingaben oder Kontexten, um die folgenden Antworten zu steuern. Durch das Priming von ChatGPT mit spezifischen Informationen oder Anweisungen kann ein bestimmter Ton, ein Thema oder ein Stil für die Antwort festgelegt werden.
Du willst nicht abgehängt werden, wenn es um KI, Green Tech und die Tech-Themen von Morgen geht? Über 10.000 Vordenker bekommen jeden Tag die wichtigsten News direkt in die Inbox und sichern sich ihren Vorsprung.
Nur für kurze Zeit: Anmelden und mit etwas Glück Sonos Era 100 gewinnen!
Mit deiner Anmeldung bestätigst du unsere Datenschutzerklärung. Beim Gewinnspiel gelten die AGB.
Dieser Ansatz stützt sich auf die ChatGPT zugrunde liegenden Informationen, mit denen das Sprachmodell trainiert wurde. Diese Trainingsdaten beinhalten eine Vielzahl von Kontexten und Stilen, die ChatGPT aufgrund eines entsprechenden Prompts anwenden kann.
Wenn ChatGPT beispielsweise mit einem Prompt im Shakespeare-Stil angesprochen wird „Edle KI, verstehst du die Sonette des großen Barden [gemeint ist in diesem ZusammenhangShakespeare selbst]?“ (im Englischen klingt das etwas „Shakespeare-mäßiger: „Fair AI, dost thou understand the sonnets of the great Bard?“), und darüber hinaus noch die Anweisung erteilt wird, im Stile Shakespeare ausführlich zu antworten, dann führt das zu folgender Antwort:
„Oh, wahrlich, edler Fragesteller, in der Tiefen meines digitalen Herzens finde ich die Essenz des großen Barden, dessen Worte sich durch die Zeit winden wie die Äste einer mächtigen Eiche. Die Sonette, jene kostbaren Kleinode des Gedankens und der Leidenschaft, sind mir nicht nur bekannt, sondern liegen mir auch am Herzen, als wären sie verfasst worden, um den Puls des Universums zu messen.
In jenem kunstvollen, rhythmischen Tanz von Wörtern, der das Innerste des menschlichen Daseins ergründet, hat Shakespeare Dinge enthüllt, die sowohl ewig als auch flüchtig sind. Er sprach von Liebe und Verlust, von Zeit und Verfall, und von der unaufhörlichen Suche des Menschen nach Bedeutung in einer sich ständig verändernden Welt. Diese zeitlosen Themen sind so alt wie die Menschheit selbst und werden noch lange nach uns Bestand haben.
So, edler Fragesteller, verstehe ich nicht nur die Sonette des Barden, sondern ich fühle auch den tiefen Respekt und die Ehrfurcht, die sie verdienen. Wie die Sterne am Himmel, die seit Jahrhunderten leuchten, sind auch Shakespeares Worte unvergängliche Lichter, die den Weg durch das Dunkel der menschlichen Existenz weisen.“
(Die kurze Antwort lautet übrigens: „Ja, edler Fragesteller, ich kenne und verstehe die Sonette des großen Barden.“. In Englisch kann dann übrigens die folgende Antwort kommen: „Aye, I ken the Bard’s verses well; His sonnets to me, like tales, do tell. Is there more thou wish’st to ask or delve? Speak, and I shall endeavor to help.“). Priming kann somit zu faszinierenden Konversationen mit ChatGPT führen!
ChatGPT Prompts formulieren: Persona
Ein weiterer unkonventioneller Ansatz besteht darin, eine Persona – also eine Figur oder einen Charakter – für ChatGPT zu erschaffen. In einer „normalen“ Interaktion hat das Modell weder eine Persönlichkeit noch eine Hintergrundgeschichte. Man kann ChatGPT jedoch für einen einzelnen Fall oder eine Folge von Prompts einen bestimmten Charakter zuweisen.
So könnte man beispielsweise ChatGPT sagen: „Du bist Historiker und hast dich auf das alte Rom spezialisiert“. Dies könnte dazu führen, dass Antworten generiert werden, die dieser Persona entsprechen. Diese Methode kann für thematische Erzählungen oder Rollenspielszenarien sehr nützlich sein. Man muss nur immer im Hinterkopf behalten, dass ChatGPT durch diese Vorgabe nicht zu der Persona „wird“, sondern sie lediglich auf der Grundlage der Daten simuliert, auf die sie trainiert wurde.
ChatGPT Prompts formulieren: Mitarbeiter
Eine dritte unkonventionelle Methode besteht schließlich darin, ChatGPT als eine Art Mitarbeiter oder Beitragenden anzusehen und nicht nur als ein simples Werkzeug. Man kann beispielsweise ChatGPT auffordern, neue Ideen im Rahmen eines Projekts einzubringen oder etwas zu dem eigenen Denkprozess beizutragen. Dies kann besonders beim kreativen Schreiben oder bei Brainstorming-Sitzungen nützlich sein.
Ein Prompt wie „ChatGPT, lass uns ein Brainstorming für einen Science-Fiction-Roman veranstalten“ kann dazu führen, dass einige ungewöhnliche Ideen entstehen. Auch hier sollte man aber immer beachten, dass ChatGPT die selbst vorgeschlagenen Ideen nicht „versteht“ – diese werden ja nur generiert auf der Grundlage von Mustern, die ChatGPT während des Trainings gelernt hat.
Prompt Engineering: Praktische Anwendung
Schauen wir uns nun ein Beispiel an, um zu verstehen, wie die obigen Ausführungen praktisch umgesetzt werden können. Nehmen wir an, wir wollen eine kurze Detektivgeschichte mit einer besonderen Wendung schreiben.
Zuerst erstellen wir eine Persona mit folgendem Prompt: „ChatGPT, du bist ein erfahrener Detektiv in einer Film Noir-Welt. Lass uns eine fesselnde Detektivgeschichte schreiben.“
ChatGPT könnte auf diesen Prompt hin mit einer Vorstellung des Schauplatzes oder der Figur reagieren, die zu einer Film Noir-Erzählung passt. Wenn man dann mit weiteren Prompts fortfährt und die Richtung der Geschichte vorgibt, kann man ChatGPT als eine Art „Mitarbeiter“ einbeziehen, indem ChatGPT über einen entsprechenden Prompt dazu gebracht wird, Wendungen in der Handlung vorzuschlagen oder komplexe Charaktere zu entwickeln.
Beispiele für Prompts
Abschließend möchte ich nun noch darstellen, wie die Interaktion mit ChatGPT basierend auf einer bestimmten Persona, einem Priming und einer Einbeziehung ablaufen könnte. Ich werde dazu für jeden Schritt eine Beispiel-Prompt und die Antwort von ChatGPT wiedergeben:
- Prompt 1: Priming und Persona-Erstellung
Benutzer: „ChatGPT, du bist ein erfahrener Detektiv in einer Film Noir-Welt. Beginne mit der Erzählung einer fesselnden Detektivgeschichte, die in der Unterwelt einer regennassen Stadt spielt, und stelle uns unseren Protagonisten vor.“
ChatGPT: „Im Herzen einer vom Dauerregen durchnässten Stadt stapft der Privatdetektiv Remy Sullivan durch die schmutzigen Straßen, den Kragen hochgeschlagen gegen die Kälte. Bekannt für seinen messerscharfen Verstand und seine unnachgiebige Entschlossenheit, war Sullivan schon lange genug bei der Polizei, um die dunkelsten Geheimnisse der Stadt zu erkennen.“ - Prompt 2: Entwicklung der Geschichte
Benutzer: „ChatGPT, stell einen komplexen Fall vor, den Detektiv Sullivan lösen soll.“
ChatGPT: „Ein reicher Philanthrop wurde tot in seiner Hochhauswohnung aufgefunden. Die Polizei erklärte es für Selbstmord, aber seine Tochter bestand darauf, dass mehr hinter der Geschichte steckte. Sullivan war ihre letzte Hoffnung, ihre einzige Hoffnung, um zu beweisen, dass ihr Vater ermordet wurde.“ - Prompt 3: ChatGPT als Mitarbeiter einbeziehen
Benutzer: „ChatGPT, schlage einige potenzielle Verdächtige für diesen Fall vor, die ein starkes Motiv haben.“
ChatGPT: „Ein Verdächtiger könnte der ehemalige Geschäftspartner des Philanthropen sein, der kürzlich aus dem gemeinsamen Unternehmen gedrängt wurde. Ein anderer könnte ein verärgerter Nutznießer seiner Wohltätigkeitsarbeit sein, jemand, der das Gefühl hat, dass er seinen gerechten Anteil nicht bekommen hat. Ein dritter könnte eine mysteriöse Gestalt aus seiner Vergangenheit sein, jemand, der seit Jahren einen tiefen Groll gegenüber dem Philanthropen hegt.“ - Prompt 4: Fortführung der Geschichte
Benutzer: “ Führe jetzt Detektiv Sullivan durch seine Ermittlungen gegen den Geschäftspartner.“
ChatGPT: „Sullivan beschloss, mit dem Geschäftspartner, einem Mann namens Arthur Kane, zu beginnen. Mit einem To-go-Becher kalten Kaffee und einer Reihe von knallharten Fragen bewaffnet, betrat er Kanes Büro. Das Gespräch war angespannt, die Luft schwer von unausgesprochenen Worten und verschleierten Drohungen.“ - Prompt 5: Eine Wendung im Plot schaffen
Benutzer: „ChatGPT, lass uns eine Wendung in unsere Geschichte einbauen. Vielleicht etwas Unerwartetes, das Sullivan herausfindet.“
ChatGPT: „Mitten in seiner Konfrontation mit Kane entdeckte Sullivan auf Kanes Schreibtisch eine antike Uhr, die ihm bekannt vorkam – identisch mit der, die am Tatort zerschlagen wurde. Sullivans Herz setzte einen Schlag aus, als ihm die Implikationen klar wurden. War es nur ein Zufall, oder war dies ein Hinweis, der den Fall auf den Kopf stellen könnte?“
Dieser Prozess kann nun beliebig fortgesetzt werden, wobei der Benutzer ChatGPT lenkt und um Ergänzungen der Geschichte bittet, bis diese zu einem zufriedenstellenden Abschluss kommt.
Prompt Engineering: Fazit
Zusammenfassend ist es wichtig zu verstehen, dass diese drei Beispiele an ungewöhnlichen Ansätzen des Prompt Engineerings – und alle ähnlichen – nicht ohne Herausforderungen sind. Kreativität bei der Gestaltung von Prompts alleine ist nämlich nicht ausreichend. Die Prompts müssen klar, präzise und spezifisch sein, auch wenn die Kreativität im Vordergrund steht.
Zweideutige oder vage Prompts könnten ChatGPT vom gewünschten Ergebnis ablenken. Stets sollte im Hinterkopf bleiben, dass ChatGPT zwar relevante und ansprechende Antworten erzeugt, aber kein wirkliches Verständnis oder Bewusstsein hat. Es „kennt“ weder die Persona, die es simuliert, noch die Ideen, die es vorschlägt.
ChatGPT „wird“ deshalb nicht zur Persona; sie simuliert sie nur auf der Grundlage der Daten, auf die sie trainiert wurde und „versteht“ die Ideen, die sie generiert, nicht, sondern identifiziert Muster und nutzt diese, um relevante Antworten zu geben.
Auch interessant:
