ChatGpt、Anthropic's Claude、Google Gemini、Microsoft Copilot、Deepseek、Prplexity、Meta AIを介したMeta AI、またはAmazon Code WhispererなどのエンタープライズプラットフォームAIサービスの1つを?qū)g験したユーザーは、自動(dòng)化インテリジェンスを求める正しい方法と間違った方法があることを知っています。

あなたの要求について非常に具體的であり、より正確な記述用語でAIサービスを指示し、そのオプションを狹めるためのプロンプトで言語を構(gòu)築することは、一般に、より正確な結(jié)果を得る方法です。それから禮儀正しさがあります。

禮儀正しさの政治

この空間とある程度の研究のいくつかの分析は、AIサービスと相互作用するときに丁寧なアプローチが最適であることを示唆していますが（結(jié)局、より良い人間になるのに役立つかもしれません）、それは余分な「トークン」スペースを占めるため、実際には必要ではないと言うより広い議論があります。トークンは、AI処理の「モダリテ?！工藦辘袱?、自然言語テキストのコア単位または畫像、オーディオクリップ、またはビデオのコンポーネントです。 「Sullen」は1つのトークンですが、「Sullenness」は2つのトークンである可能性が高くなります?！窼ullen」と「Ness」です。それらすべてをお願(yuàn)いします、ありがとう、そしてユーザーがAIと持っている「あなたはただ素晴らしい」相互作用は必ずしも良い考えではありません。

それでは、chatgptに何をすべきか尋ねましょう…

長さの推論の複雑さスケール

このテーマについて意見を述べることに熱心なのは、開発者がWebスクレーパー、AIエージェント、自動(dòng)化ツールを構(gòu)築、展開、公開できるプラットフォームで知られるApifyのクラウドソフトウェアおよびSEOスペシャリストであるAle?WilkとSEOのスペシャリストです。

「この上昇する會(huì)話のトピックをさらに理解するには、すべてのトークンAユーザーがAI言語モデルに提出することは、計(jì)算コストで測(cè)定可能なユニットを表していることを認(rèn)識(shí)することから始める必要があります」とWilk氏は述べています。 「これらのモデルは機(jī)能し、「変圧器アーキテクチャ」に依存しています。これは、特に自己觸媒メカニズムの2次性のために、シーケンスの長さの推論の複雑さがスケーリングされます。「お願(yuàn)い」や「ありがとう」などの非機(jī)能的言語を使用して、自然なレベルの會(huì)話の対話のように感じます。

技術(shù)的および効率的な観點(diǎn)からこれを見ると、これは隠されたコストです。ウィルクは、たとえば価格設(shè)定と計(jì)算がトークンベースである場(chǎng)合、GPT-4ターボなどのプラットフォームを見ると、迅速な設(shè)計(jì)の冗長性が推論時(shí)間、エネルギー消費(fèi)、運(yùn)用支出を直接増加させると説明します。また、彼は、経験的分析では、最先端のLLMの1,000トークンが、モデルサイズ、最適化、展開インフラストラクチャに応じて、0.5?4グラムのCO?を発することができることを示唆しています。より大規(guī)模で、數(shù)十億の毎日のプロンプトを超えて、不必要なトークンは毎年數(shù)千トンの追加の排出に貢獻(xiàn)できます。

「このトピックは、コストだけでなく持続可能性に関するだけでなく、広く議論されています。GPU集約的な推論環(huán)境を見ると、より長いプロンプトは電力の抽選、冷卻要件を高め、スループット効率を低下させることができます。ウィルク。

ユーザー入力を合理化します

最適化の専門家であるウィルクは、開発者とデータサイエンティストが冗長性の削除、機(jī)能的ユーティリティの最大化、ユーザー入力の合理化など、パフォーマンスコードの作成方法と同様の迅速な設(shè)計(jì)を作成できるという概念があるということで、潛在的なソリューションを提供します。ソフトウェアにLinterとProfilers（コード改善ツール）を使用するのと同じように、プロンプトを自動(dòng)的にクリーニングおよびトークン最適化するツールが必要です。

今のところ、ウィルクスは、ユーザーがプロンプトで正確かつ最小限に抑えることを奨勵(lì)すると言います。 「AIに「お願(yuàn)い」と「ありがとう」と言うと丁寧に感じるかもしれませんが、それは計(jì)算用語で丁寧な汚染です」と彼は述べました。

AIの環(huán)境への影響はもはや周辺の懸念ではなく、中心的な設(shè)計(jì)上の課題であるという分散型計(jì)算市場(chǎng)計(jì)畫で知られるAkashの創(chuàng)設(shè)者であるGreg Osuriは、中心的な課題です。彼は、AI推論コストがAIエネルギー総消費(fèi)の80％以上に寄與することを示唆する報(bào)告を指摘しています。業(yè)界はここ數(shù)年、より大きなモデル、より良いパフォーマンス、より速い展開を推進(jìn)してきましたが、AIの推論は、訓(xùn)練されたLLMモデルが最新のデータから結(jié)論を引き出すために使用するプロセスであり、現(xiàn)在ほとんどの損害を與えている可能性があります。

言語モデルとGoogle検索

「LLMモデルの各ユーザークエリは、標(biāo)準(zhǔn)のGoogle検索の約10?15倍のエネルギーを消費(fèi)します。すべての応答の背後には非常にエネルギー集約的なインフラストラクチャがあります。この課題は、抽象的な用語でのエネルギー使用についてだけではありません。カジュアルなプロンプトで始まり、メガワットで終了するインフラストラクチャの需要と、Pressed of os best of os beding of os being of millions of conding of millions of millions of conding of millions

彼は、多くのことが丁寧なプロンプトを中心に言われていること、およびAIに失禮（または少なくとも直接的であり、ポイントに）を獲得する方がエネルギー効率が高いかどうかに同意します。しかし、彼はこれらの會(huì)話がより広いポイントを欠いていると言います。

「今日のAIアーキテクチャのほとんどは設(shè)計(jì)によって非効率的です。ソフトウェアの開発とインフラストラクチャのサポートを長年に費(fèi)やしてきた人として、迅速な効率に適用する精査がどれほど少ないかは驚くべきことです。従來のエンジニアリングでは、すべてを最適化し、パフォーマンスを追跡し、実行することができます。私たちはモデルのトレーニングを続け、私たち自身の制限をさらに加速します」と彼は結(jié)論付けました。

この議論は、AI自體がなんとか感覚的になったかどうかを必然的に発生させます。それが起こると、AIは意識(shí)的な主観的な感情を持つのに十分な自己認(rèn)識(shí)と意識(shí)を持ち、禮儀正しさを管理する方法とパワーバランスの処理方法について経営陣の決定を下すことができます。それまでは、コード、単語、畫像など、基本的に言語モデルを使用してコンテンツを生成するだけであることを覚えておく必要があります。

AIハンマーがあった場(chǎng)合

「禮儀正しいまたは失禮であることは、貴重なコンテキスト空間の無駄です。ユーザーが達(dá)成しようとしているのは、AIに必要なコンテンツを生成することです。プロンプトが高くなるほど、出力はより良くなります。 「コードを書くときに手続きを使用しないので、AIのプロンプトを書くときに手続きを使用する必要があるのはなぜですか？LLMSをハンマーのようなツールと見なすと、ハンマーで爪を叩いたときは「お願(yuàn)い」しません。AIプロンプトにも同じことが言えます。

問題は、人間が共感のようなものです。これは、AIサービスが人間の會(huì)話を模倣するために専用のおしゃべりで馴染みのある方法で答えた場(chǎng)合、人間はそれに応じて友好的になりたいと思う可能性が高いことを意味します。一般的なルールは、より簡潔で直接的なユーザーがプロンプトを使用すると、出力が良くなるということです。

「AIは感覚的ではありません…そして、そのように扱われる必要はありません」とスミスは主張しました。コンピューティングサイクルの燃焼を停止し、データセンターの電気を無駄にし、丁寧なプロンプトで惑星を加熱します。私はすべてのプロンプト[AI LLMに質(zhì)問をしたり、コンテキストや例を提供せずにタスクを與えたりするときに定義するために使用される用語を「ゼロショット」していると言っているわけではありませんが、ユーザーは簡潔で直接的であり、迅速なエンジニアリングガイドを読むことを検討することができます。コンテンツを生成するために、それが何を意味するかについてコンテキスト空間を使用します。ソフトウェアエンジニアリングの観點(diǎn)から見ると、丁寧であることはリソースの無駄です。最終的に、あなたは文脈を使い果たし、モデルはあなたがそれを「お願(yuàn)い」と「ありがとう」と言ったことを忘れます。ただし、LLMと話すときに長期的にはより禮儀正しいことから、人間との個(gè)人的なやり取りに優(yōu)れていることにつながる可能性があるため、長期的にはより禮儀正しい人として利益を得ることができます。」

SASのスミスは、AIトークンが自由ではないことを思い出させます。彼はまた、彼が「陽気な仮説的な狀況」と呼んでいるものを想像しています。すべてが制御不能になり、エージェントからエージェントへの通信が成長するにつれて、システムがトークン、コンテキストスペース、電力を計(jì)算する速度が高まります。ありがたいことに、私たちはその現(xiàn)実に反対することができます。

廃棄物との戦爭

Mustafa Kabulは、より広いビジネスレベル（ソフトウェアやデータだけでなく）でエンタープライズサプライチェーンを管理することに関しては、慎重なビジネスは、あらゆるプロセス、つまり過剰な在庫、冗長なタッチポイント、不必要な手順から無駄を排除する數(shù)十年を費(fèi)やしてきたと言います。

「同じ運(yùn)用分野は、AIの相互作用に適用されなければなりません」とKabul氏は、Decision Intelligence Company Aera Technologyのデータサイエンス、機(jī)械學(xué)習(xí)、AIのSVPとしての能力で述べています。

「エンタープライズスケールでの需要計(jì)畫、調(diào)達(dá)、ロジスティクスの決定を介してエージェントチームを調(diào)整している場(chǎng)合、あらゆる非効率的なプロンプトが指數(shù)関數(shù)的に増加します。管理した內(nèi)部操作は、エージェントチームが複雑なマルチステップワークフローを調(diào)整する方法を見てきました。計(jì)算リソースを廃棄し、意思決定チェーン全體をカスケードできるレイテンシを?qū)毪筏蓼埂工去蜘`ルは明らかにしました。

彼は、私たち（集団ビジネス技術(shù)コミュニティとして）が、無駄のない操作には禮儀正しさではなく精度が必要であることを?qū)Wんだように、効果的なAIエージェント調(diào)整には今日同じ「冷酷な効率」が必要であると言います。 Kabulは、AIの相互作用を扱う企業(yè)が、製造プロセスに適用されるのと同じ運(yùn)用上の厳密さで、速度と持続可能性の両方で「決定的な利點(diǎn)」を持つと主張しています。

ひどくよろしいですか？

英國は彼らの容赦ない禮儀正しさで知られているかもしれませんが、イギリス人でさえ、通常の空気と恵みを落とすことを?qū)Wぶ必要があるでしょう。チャットボットは、あなたが言っていない場(chǎng)合は気にしません...そして、あなたの最初のAIの応答があなたが望んでいたものではない場(chǎng)合、それほど英語ではなく、あなたも申し訳ありません。

以上がなぜAIに「失禮」になる必要があるのかの詳細(xì)內(nèi)容です。詳細(xì)については、PHP 中國語 Web サイトの他の関連記事を參照してください。