Zero-shot prompting
Zero-shot prompting er en teknik, hvor du beder en AI om at løse en opgave udelukkende med en instruktion og helt uden forudgående eksempler.
Zero-shot prompting er en metode inden for kunstig intelligens, hvor du beder en sprogmodel om at udføre en opgave direkte via en instruktion, uden at give den et eneste eksempel på det ønskede resultat. Begrebet stammer fra maskinlæring, hvor nul skud hentyder til, at modellen ikke får nogen træningsskud eller demonstrationer i selve prompten, men udelukkende trækker på den viden, den allerede har opbygget under sin grundlæggende træning.
Når du åbner en samtale med en AI og skriver: Oversæt denne tekst til tysk eller Skriv et kort resumé af denne mødeprotokol, anvender du i praksis zero-shot prompting. Modellen forstår opgavens natur ud fra sproglig kontekst og leverer et svar ud fra sine generelle færdigheder.
Hvordan fungerer teknikken under motorhjelmen?
Moderne store sprogmodeller er trænet på enorme mængder tekst. Gennem denne træning har de lært mønstre, grammatiske strukturer, fakta og logiske sammenhænge. De forstår derfor allerede, hvad begreber som resumé, oversættelse, korrekturlæsning eller toneleje indebærer.
Ved zero-shot prompting aktiverer din instruktion disse eksisterende mønstre. Hvis du beder modellen om at klassificere en række kundehenvendelser som enten positive, neutrale eller negative, behøver du ikke forklare, hvad en negativ henvendelse er. Modellen genkender sproglige markører for utilfredshed og løser opgaven øjeblikkeligt.
Et lokalt eksempel: Cykelsmeden i Aarhus
Forestil dig en selvstændig cykelsmed på Nørrebrogade i Aarhus, som modtager en længere mail fra en tysk turist. Turistens elcykel er gået i stykker under en cykelferie i Østjylland, og henvendelsen indeholder tekniske termer blandet med bekymringer om rejseplanen.
Cykelsmeden bruger zero-shot prompting ved blot at indsætte teksten i en sprogmodel med følgende prompt:
Find de tre vigtigste tekniske problemer nævnt i denne tyske besked, og forklar dem på kort og letforståeligt dansk.
Her giver cykelsmeden ingen eksempler på, hvordan et teknisk problem ser ud, eller hvordan opstillingen skal formateres. Sprogmodellen løser opgaven alene baseret på sin indbyggede forståelse af tysk, dansk og cykelmekanik. For mange mindre virksomheder og travle fagfolk er dette den hurtigste måde at spare tid i hverdagen på.
Hvornår er zero-shot det rigtige valg?
Zero-shot prompting fungerer fremragende til de fleste standardiserede opgaver, hvor der findes en bred, universel forståelse af, hvad et godt resultat er. Det er særligt anvendeligt til:
- Hurtige udkast og idéudvikling: Når du har brug for overskrifter til et nyhedsbrev eller idéer til en workshop.
- Oversættelser og sprogvask: Rettelser af stavefejl, tegnsætning og formuleringer i en officiel henvendelse til kommunen.
- Tekstforkortelse: Sammenfatning af lange artikler, rapporter eller referater til overskuelige punkter.
- Generel viden og faktaforklaring: Forklaring af komplekse emner i et simpelt sprog, for eksempel rettet mod folkeskoleelever.
Hvornår kommer zero-shot til kort?
Selvom teknikken er bekvem, har den sine begrænsninger. Hvis din opgave kræver en meget specifik intern tone, en fastlåst dataopstilling eller en logik, som kun giver mening i netop din organisation, vil en model ofte gætte forkert.
Hvis en medarbejder i en dansk kommune for eksempel skal journalisere borgersager efter en helt særlig lokal skabelon med specifikke talkoder, slår zero-shot sjældent til. Modellen kender ikke kommunens interne praksis. I sådanne situationer bør man skifte til few-shot prompting, hvor man inkluderer to eller tre færdige eksempler i sin prompt for at guide modellens output i den helt rigtige retning.
Typiske fejl ved zero-shot instruktioner
Den mest udbredte fejl er at formulere sig for vagt. Mange brugere tror, at fordi modellen er klog nok til at forstå opgaven uden eksempler, behøver man heller ikke være præcis i sin ordre. En prompt som Gør denne tekst bedre giver sjældent det resultat, du håber på, fordi bedre kan betyde kortere, mere formelt, mere humoristisk eller mere fagligt.
Gode zero-shot prompts er klare i spyttet. Fortæl hvem målgruppen er, hvad formålet er, og hvilke rammer der gælder for længde og format. Jo tydeligere din overordnede ramme er, desto bedre præsterer modellen på sit allerførste forsøg.
Ofte stillede spørgsmål
Hvad er forskellen på zero-shot og few-shot prompting?
Ved zero-shot giver du kun en instruktion uden nogen eksempler, mens du ved few-shot viser modellen et eller flere konkrete eksempler på input og ønsket output for at styre format og tone.
Hvornår skal man undgå zero-shot prompting?
Du bør undgå teknikken, hvis du har brug for et meget specifikt outputformat, skal overholde en helt særlig intern skrivestil, eller hvis modellen konsekvent misforstår din opgave.
Hvorfor virker zero-shot overhovedet?
Det virker, fordi store sprogmodeller er forhåndstrænet på enorme mængder viden og tekst, hvilket gør dem i stand til at generalisere og genkende opgavetyper ud fra naturligt sprog alene.
