Inden for psykologi og det pædagogiske område bruges begrebet prompt især om kommunikative strategier professionelle kan bruge til at få nogen til at handle, ændre adfærd eller tankeprocesser, fx i forbindelse med terapi eller undervisning, og her har timing og frekvens vist sig at være vigtigt ift. at motivere og bevidstgøre deltagerne (Lombard, & Winett, 1995; Thillmann, Künsting, Wirth, & Leutner, 2009).
Begrebet prompt har en anden oprindelse inden for datalogi og relaterede felter. Her refererer det til korte og præcise kommandoer med anvendelse af programmeringssprog eller simpelthen datasæt som processeres som prompts af en algoritme som giver en analyse af data som et output (Khan, 2024, p. 20).
Med generativ AI har brugere uden teknisk ekspertviden mulighed for at kommunikere med AI-understøttet teknologi. Vi kan ’prompte’ teknologien til at generere et output ved at bruge gratis generative AI-modeller der kan processere almindeligt sprog, skrift og/eller tale eller multimodale materialer. På trods af at adgangen til AI er blevet demokratiseret, bør man selvfølgelig være opmærksom på at de teknikker man bruger til at kommunikere med, er afgørende for de outputs man får. Det strategiske arbejde der ligger bag udformningen af et input, såsom en instruks eller forespørgsel, der gives til en AI-model der genererer et output, kaldes for prompt engineering (https://www.ibm.com/topics/prompt-engineering).
De grundlæggende maskinlæringsmekanismer forbundet med generativ AI-systemers processering og produktion af tale og visuelt materiale er beskrevet her, og det er værd at understrege at træningsdata og de specifikke algoritmer teknologien bygger på, inkl. hvordan information vægtes, prioriteres og i hvilken grad teknologien kan tilpasse sig ny information der gives, er afgørende for det output man får (Khan, 2024, p. 25).
Når brugerne kan have en kontinuerlig interaktion med en AI-teknologi som ChatGPT eller Claude.ai, kan man overveje hvorfor det så er anbefalelsesværdigt at træne sig i at anvende promptstrategier. Opgørelser viser at hvert enkelt prompt koster meget energi (ida.dk; videnskab.dk), og derfor kan klimahensyn i sig selv være en grund til at minimere sit forbrug og længden af en tråd om et emne med en AI-teknologi. Khan (2024) peger på at brugernes tilfredshed og tillid med AI-teknologier ikke overraskende stiger når de oplever konsistent at få relevante og præcise svar, og brugerne kan i hvert fald til dels selv øge sandsynligheden for at det sker ved selv at producere prompts der fx anvender præcis terminologi og etablerer en klar kontekst.
Khan (2024) foreslår at man udvikler et prompt-katalog som omhyggeligt er formuleret og testet, og som derefter kan genbruges og modificeres. Forskellige AI-teknologier har forskellige arkitektur ift. hvilke formater man kan bruge som input til at prompte. Nogle platforme kræver at man uploader materiale af en bestemt slags (fx ChatPDF), og der kan være forskel på hvilken tekstformat og -maksimumlængde prompts kan have. Derfor er første skridt at orientere sig på den valgte platform og sætte sig ind i kravene til input (ibm.com).
Når man skal i gang med at udvikle prompts, foreslår Khan (2024, s. 85-87) at følge disse 10 trin:
| Trin | Sådan kan du gøre | |
|---|---|---|
| 1 | Identificer dit formål | Formuler dit formål for dig selv i en enkelt sætning. |
| 2 | Formuler et grundlæggende prompt | Brug din formålsbeskrivelse, og formuler dig kort og klart. |
| 3 | Analyser responsen | Hold særligt øje med afvigelser fra dit formål og output der ikke er som forventet. |
| 4 | Modificer og kontekstualisér | Tilføj specifik information, fx om tid, sted, målgruppe osv. |
| 5 | Afprøv samme input flere gange | Tjek for konsistens. |
| 6 | Rafinér yderligere | Modificer din prompt for at øge præcisionen. |
| 7 | Tilpas indbyggede parametre | Hvis der er indbyggede parametre for outputtet, såsom ”Temperature” (hvor præcist eller varieret sproget skal være) eller hvor lang en tekst der kan genereres, så prøv at skrue på dem, og observer ændringer i outputtet. På platforme som Copilot og ChatGPT er disse i skrivende stund funktioner ikke tilgængelige (men se evt. her om ChatGPT’s parametre: https://medium.com/@mike_onslow/understanding-chatgpts-parameters-getting-started-32ec12b5e51b), så afprøv i stedet at angive i prompten hvilken genre, stil, tekstlængde osv. du ønsker. |
| 8 | Afprøv prompts ud fra andre formål og emner | Udvikl din forståelse ved at afprøve forskellige strategier. |
| 9 | Hold en logbog | Noter prompts og deres resultater for systematisk forbedring. |
| 10 | Saml og del erfaringer | Del dine erfaringer og tips online. |
Sasson Lazovsky, Raz & Kenett (2024) foreslår på baggrund af en sammenligning mellem prompt engineering og viden om spørgsmålsformuleringer og deres funktioner inden for det psykologiske felt at man strategisk arbejder med prompts ift. vidensniveauer. Til dette formål trækker de på Blooms taksonomiske niveauer for viden, mentale færdigheder og processer som er opdelt efter om formålet er 1) at huske, 2) forstå, 3) anvende, 4) analysere, 5) evaluere eller 6) skabe. Til hvert formål knytter Sasson Lazovsky, Raz & Kenett (2024: 10) en række centrale termer og eksempel-prompts som gengives neden for.
Arbejder man strategisk med udvikling af prompts, kan man således integrere denne tænkning i det strategiske arbejde med at bevidstgøre sig om formål med at inddrage AI-teknologier i aktiviteter og i at inkorporere dette i formuleringen af sine prompts.
Visualiseringer af relationer mellem AI-teknologi og mennesker ift. vidensniveauer, inkl. konkrete aktiviteter der involverer digital teknologi, kan du finde i Claus Scheuer-Larsen og Per Størup Lauridsens artikel Blooms taksonomi i samspillet mellem kunstig intelligens og menneskelig læring.
Man kommer ikke uden om etiske problemstillinger såsom bias (se side om AI-etik) når man anvender AI-teknologier. For at adressere dette opstiller Khan (2024) en række etiske retningslinjer man kan være opmærksom på når man formulerer prompts:
Arbejder man professionelt med prompt engineering, rådes man desuden til at teste sine prompts kontinuerligt, inddrage brugere med forskellige baggrunde for at blive opmærksom på biases og samarbejde med eksperter i etiske spørgsmål.
Khan, I. (2024). The Quick Guide to Prompt Engineering : Generative AI Tips and Tricks for ChatGPT, Bard, Dall-E, and Midjourney: Wiley.
Lombard, D. N., Lombard, T. N., & Winett, R. A. (1995). Walking to meet health guidelines: the effect of prompting frequency and prompt structure. Health Psychology, 14(2), 164.
Sasson Lazovsky, G., Raz, T., & Kenett, Y. N. (2024). The Art of Creative Inquiry—From Question Asking to Prompt Engineering. The Journal of Creative Behavior, 1-16.
Thillmann, H., Künsting, J., Wirth, J., & Leutner, D. (2009). Is it merely a question of “what” to prompt or also “when” to prompt? The role of point of presentation time of prompts in self-regulated learning. Zeitschrift für Pädagogische Psychologie, 23(2), 105-115.
Læs om hvordan man vurderer AI-genereret skriftsprog