Przejdź do treści
promptowy.com / Tekoälysanasto / Ajatusketju (Chain-of-thought)
Kehotteet

Ajatusketju (Chain-of-thought)

Ajatusketju on kehotustekniikka, jossa tekoäly velvoitetaan pilkkomaan monimutkainen päättely vaiheittaisiksi välivaiheiksi ennen lopullisen vastauksen antamista.

Ajatusketju, josta käytetään yleisesti englanninkielistä nimitystä chain-of-thought (tai lyhennettä CoT), on tekoälyn kehotusmenetelmä, jossa malli ohjataan avaamaan päättelyprosessinsa vaihe vaiheelta ennen varsinaisen lopputuloksen ilmoittamista. Tavallisen suoran kysymyksen sijaan malli ei hyppää suoraan loppupäätelmään, vaan se muodostaa sarjan loogisia väliaskelia. Tämä tekniikka parantaa huomattavasti tuloksia erityisesti monivaiheisessa matematiikassa, sanallisissa ongelmissa sekä loogista analyysiä vaativissa tehtävissä.

Kielimallit ennustavat aina seuraavaa todennäköistä sanaa aiemman tekstin perusteella. Jos mallilta kysytään suoraan haastavaa lopputulosta, sen on ratkaistava koko ongelma yhdessä ainoassa sanavälissä. Kun malli pakotetaan kirjoittamaan auki välivaiheet, jokainen kirjoitettu askel toimii syötteenä seuraavalle askeleelle. Tämä antaa mallille eräänlaista työmuistia ja aikaa jäsentää ongelmaa luontevasti.

Miten ajatusketjutus toimii käytännössä?

Ajatusketjutuksen perusidea on yksinkertainen: monimutkainen kokonaisuus jaetaan helpommin hallittaviin osiin. Tekoälytutkimuksessa huomattiin varhaisessa vaiheessa, että jo pelkkä kehotteen perään lisätty lause, kuten "ajattele vaiheittain", sai mallit ratkaisemaan huomattavasti vaikeampia loogisia pulmia ilman lisäkoulutusta.

Nykyisin menetelmä jaetaan karkeasti kahteen eri tasoon:

  • Käyttäjän ohjaama ajatusketju: Kehotteessa pyydetään erikseen mallia erittelemään laskutoimitukset, oletukset tai syy-seuraussuhteet ennen vastausta, tai mallille annetaan esimerkkejä, joissa ongelmat on ratkaistu vaiheittain.
  • Sisäänrakennettu päättely: Kehittyneimmät päättelymallit tuottavat automaattisesti piilotetun tai näkyvän ajatusketjun konepellin alla ennen kuin ne kirjoittavat käyttäjälle näkyvän vastauksen.

Käytännön esimerkki: Tamperelaisen leipomon hävikki ja hinnoittelu

Kuvitellaan tilanne, jossa tamperelainen pienleipomo suunnittelee perjantain korvapuustien hinnoittelua ja hävikinhallintaa. Yrittäjä haluaa selvittää, mikä on kannattava kappalehinta, kun otetaan huomioon raaka-aineet, leipurin työtunnit, sähkönkulutus paistamisen aikana ja se, että arviolta kymmenen prosenttia leivonnaisista jää myymättä.

Jos yrittäjä kysyy suoraan: "Paljonko korvapuustin pitää maksaa, jos kulut ovat nämä ja haluan 30 prosentin katteen?", perinteinen kielimalli saattaa arpoa luvun, joka kuulostaa vakuuttavalta mutta perustuu virheelliseen päässälaskuun. Kun yrittäjä pyytää ajatusketjua:

Laske vaiheittain: 1. Laske yhden pellillisen raaka-ainekulut. 2. Jaa kulut puustien määrällä. 3. Lisää työn ja sähkön osuus per puusti. 4. Huomioi kymmenen prosentin hävikki ja lisää lopuksi haluttu kate.

Mallin kirjoittaessa auki jokaisen laskutoimituksen ja välituloksen virheiden määrä putoaa murto-osaan, koska seuraava laskutoimitus nojaa suoraan edelliseen näkyvään lukuun.

Näin otat ajatusketjutuksen käyttöön arjessa

Voit hyödyntää tekniikkaa päivittäisessä työssäsi tai opiskelussasi ilman teknistä osaamista. Tehokkain tapa on muotoilla pyyntö siten, että etenemisjärjestys on yksiselitteinen:

  1. Käske erittelemään oletukset: Pyydä tekoälyä listaamaan aluksi kaikki lähtötiedot ja oletukset, joita se aikoo käyttää analyysissä.
  2. Pyydä väliotsikoita tai numeroituja askeleita: Kehota mallia etenemään kronologisesti tai vaiheittain ennen lopputuloksen esittämistä.
  3. Tarkista päättelyketjun saumat: Lue tekstistä nimenomaan siirtymät vaiheesta toiseen. Jos jokin väliaskel perustuu väärään tietoon, lopputuloskin on virheellinen.

Yleinen sudenkuoppa: Vakuuttava päättely ei takaa totuutta

Vaikka ajatusketju parantaa tulosten luotettavuutta huomattavasti, siihen liittyy merkittävä ansa. Koska kyse on edelleen todennäköisyyksiin perustuvasta tekstin tuottamisesta, malli voi rakentaa täydellisen loogiselta kuulostavan ketjun, jonka alkupäässä on keksitty fakta tai huomaamaton ajatusvirhe.

Ihmissilmälle huolellisesti argumentoitu, pitkä päättelyketju näyttää asiantuntevalta ja vakuuttavalta. Se luo helposti harhan siitä, että tulos on tarkistettu ja tosi. Ajatusketju tekee kuitenkin tekoälyn virheistä helpommin havaittavia: kun näet jokaisen askeleen, huomaat heti sen kohdan, jossa malli lähti väärille raiteille.

Usein kysytyt kysymykset

Mitä 'chain-of-thought' tarkoittaa suomeksi?

Suomeksi termi käännetään useimmiten ajatusketjuksi tai ajatusketjutukseksi. Se tarkoittaa tekoälyn ohjaamista vaiheittaiseen päättelyyn suoran vastaamisen sijaan.

Kannattaako ajatusketjua käyttää kaikissa kehotteissa?

Ei kannata. Yksinkertaisiin tietopyyntöihin, tekstin tiivistämiseen tai kielenkäännökseen se on turhaa ja hidastaa vastausta. Se on parhaimmillaan laskelmissa, logiikkatehtävissä ja päätöksenteon tukiälynä.

Miksi 'ajattele askel askeleelta' toimii tekoälyssä niin hyvin?

Kielimallit ennustavat tekstiä sana kerrallaan. Kun malli tuottaa väliaskeleita, se luo itselleen uutta kontekstia ja tilaa jäsentää ongelmaa, jolloin lopullinen vastaus nojaa valmiiksi pureskeltuihin faktoihin.

← Kaikki tekoälysanaston termit

🛒 Sklep Kinetyka CapCut Pro 460 zł/rok Lovable Pro 450 zł/rok Replit Core 119 zł/rok Zobacz wszystko →
× ‹ powiększenie ›