Page 235 - Izobraževanje v dobi generativne umetne inteligence
P. 235

Učinkovitost generativne umetne inteligence za personalizirano učenje matematike

             nujni sestavni deli pozivov jasno izraženi cilj, namen in pričakovani rezultat.
             Navedeta tudi naprednejše strategije oblikovanja pozivov; nekaj jih izposta-
             vimo na tem mestu.

                1.  Določanje vloge modela. Jezikovni model postavimo v določeno vlo-
                  go, npr. strokovnjaka ali učenca določene starosti, in tako dialog usme-
                  rimo v smer, ki nam bo dala  zadovoljivejše odgovore. Primer: »Pojasni
                  Pitagorov izrek. Odgovori kot matematik/učenec/dijak.«
                2.  Uravnavanje različnih parametrov, kot so npr. temperatura, maksimal-
                  no število žetonov, kazen za pogostost besed. Ko je govora o temperatu-
                  ri v kontekstu velikih jezikovnih modelov, gre za naključnost odzivov.
                  Višja kot je vrednost tega parametra, ustvarjalnejši in nepredvidljivejši
                  bodo odgovori, nasprotno pa nižja vrednost temperature daje konser-
                  vativnejše in predvidljivejše rezultate. Parameter  maksimalno  število
                  žetonov omeji dolžino odziva, z njim lahko uporabniki odziv naredimo
                  jedrnatejši ali pa »zaukažemo« daljša besedila. Uporaba parametra ka-
                  zen za pogostost besed vpliva na uporabo pogostih in redkih besed, s
                  čimer vplivamo na to, ali je jezik preprostejši ali zapletenejši, in sicer
                  bo višja vrednost tega parametra povzročila uporabo manj pogosto
                  rabljenih besed v tvorjenem besedilu, ki bo zato kompleksnejše in
                  ustvarjalnejše.
                3.  Priprava velikega jezikovnega modela. S podrobnejšim začetnim pozi-
                  vom in nato z več iteracijami uporabnik usmerja model in mu pomaga,
                  da zgradi ustrezen kontekst, kar pozitivno vpliva na kakovost in rele-
                  vantnost generiranega besedila.

               V nadaljevanju natančneje opišemo naslednje strategije pozivov: negativni
             poziv, poziv veriga misli in metapoziv.

             Negativni poziv
             Negativni poziv (angl. negative prompt) se nanaša na specifikacijo lastnosti ali
             rezultatov, ki jih ne želimo pri končnem izdelku ali rešitvi. Gre za način usmer-
             janja GUI stran od določenih napak, napačnih pristopov ali najtipičnejših od-
             govorov. Namesto da bi povedali, kaj želimo, jasno povemo, česa ne želimo.
             To GUI (ali učencu) pomaga izogibati se določenim napakam ali lastnostim, ki
             niso zaželene. Nekateri generatorji slik z UI (npr. Midjourney in Dreamstudio)
             imajo možnost negativnega poziva že predhodno vsebovano kot parameter.
             Safinah Ali idr. (2024) so z dijaki ustvarjali vizualne predstavitve sanj dijakov
             in zaznali izrazit pomen negativnih pozivov. Dijaki so med delavnico »Drea-


                                                                            235
   230   231   232   233   234   235   236   237   238   239   240