Zero-shot-oppiminen (Zero-shot prompting)
Zero-shot-oppiminen tarkoittaa tekoälymallin kykyä suorittaa annettu tehtävä pelkän kehotteen pohjalta ilman yhtäkään valmista malliesimerkkiä.
Zero-shot-oppiminen, josta käytetään kehotteiden yhteydessä usein nimeä zero-shot prompting, tarkoittaa tapaa käyttää tekoälymallia siten, että sille annetaan suora tehtävänanto ilman yhtäkään esimerkkivastausta. Tekoäly ei siis saa mallisuoritusta siitä, millaista lopputulosta haetaan, vaan sen on tukeuduttava täysin aiempaan koulutukseensa, kielitaitoonsa ja päättelykykyynsä.
Suomeksi käsite voisi kääntyä nollalaukaus- tai nollayritysoppimiseksi. Käytännön työssä kyse on usein luonnollisimmasta tavasta keskustella kielimallin kanssa: kirjoitat vain komennon, painat enteriä ja odotat vastausta. Nykyaikaiset laajat kielimallit selviytyvät valtavasta määrästä arkisia toimistotöitä ja tiedonkäsittelytehtäviä nimenomaan tämän menetelmän avulla.
Miten zero-shot toimii käytännössä?
Kun kirjoitat mallille kehotteen, se analysoi pyyntösi sanojen merkitykset ja yhdistää ne siihen laajaan tietomassaan, jolla se on koulutettu. Se ei tarvitse erillistä harjoittelua juuri sinun kyseistä tehtävääsi varten. Jos kirjoitat kehotteeksi vaikkapa Käännä seuraava tuotekuvaus selkosuomeksi, malli ymmärtää sekä kääntämisen käsitteen että selkosuomen periaatteet pelkän sanallisen ohjeen kautta.
Zero-shot-kehotteen perusrakenne koostuu yleensä seuraavista osista:
- Toimintoverbi tai tehtävä: Mitä mallin halutaan tekevän (esimerkiksi luokittele, tiivistä, analysoi tai kirjoita).
- Syöteaineisto: Teksti, data tai kysymys, jota tehtävä koskee.
- Reunaehdot: Mahdolliset rajoitukset pituudelle, sävylle tai vastauskielelle.
Esimerkki suomalaisesta arjesta: Asiakaspalautteen lajittelu
Kuvitellaan oululainen paikallisliikennettä tai talvikunnossapitoa hoitava yritys, jonka sähköpostiin tulvii palautetta kaupunkilaisilta lumimyrskyn jälkeen. Asiakaspalvelija haluaa jakaa viestit nopeasti kolmeen koriin: kiireelliset vaaratilanteet, yleiset toiveet ja kiitokset.
Zero-shot-tilanteessa työntekijä syöttää viestin tekoälylle seuraavalla kehotteella: Lue tämä kaupunkilaisen palaute ja ilmoita ainoastaan luokka: Kiireellinen, Yleinen tai Kiitos. Palaute: 'Mannerheimintien ja Kirkkokadun risteyksessä on valtava lumivalli, joka estää näkyvyyden suojatielle.'
Tekoäly vastaa suoraan: Kiireellinen. Se ei tarvinnut kymmentä aiempaa esimerkkiä lumivalleista tai suojateistä ymmärtääkseen, että kyseessä on turvallisuusriski. Mallin yleissivistys ja looginen päättelykyky riittävät ratkaisemaan tilanteen heti oikein.
Milloin zero-shot riittää ja milloin kannattaa antaa esimerkkejä?
Zero-shot on erinomainen ensiaskel lähes mihin tahansa tehtävään, koska se säästää aikaa ja pitää kehotteen lyhyenä. Se toimii erittäin luotettavasti perinteisissä kielellisissä tehtävissä, kuten suorassa tekstin kääntämisessä, oikoluvussa, ideoinnissa ja yleisluontoisessa tiivistämisessä.
Menetelmä kohtaa kuitenkin rajansa tilanteissa, joissa lopputuloksen muoto on tarkkaan määrätty. Jos tarvitset vastauksen erittäin monimutkaisessa taulukkomuodossa, haluat matkia tamperelaisen insinööritoimiston sisäistä raportointijargonia tai vaadit poikkeuksellista koodausformaattia, zero-shot saattaa tuottaa liian yleisluontoisen vastauksen. Tällöin mukaan kannattaa lisätä yksi tai kaksi malliesimerkkiä, jolloin siirrytään niin sanottuun few-shot-kehotukseen.
Yleisimmät sudenkuopat
Suurin virhe zero-shot-kehotteissa on olettaa, että tekoäly lukee ajatuksia. Vaikka esimerkkejä ei anneta, tehtävänannon pitää olla täsmällinen. Jos pyydät mallia tekemään 'hyvän tiedotteen', lopputulos voi olla liian pitkä, väärällä sävyllä kirjoitettu tai täynnä turhaa korulauseketta.
Toinen tyypillinen harha liittyy negatiivisiin käskyihin. Pelkkä ohje 'älä tee liian pitkää vastausta' toimii usein huonommin kuin suora mittasääntö, kuten 'vastaa korkeintaan kolmella virkkeellä'. Zero-shot toimii parhaiten silloin, kun annettu kehote ei jätä tulkinnanvaraa siitä, mitä tavoitellaan, vaikka mallille ei näytettäisikään yhtään valmista vastausmallia.
Usein kysytyt kysymykset
Mitä eroa on zero-shot- ja few-shot-oppimisella?
Zero-shot-kehotteessa tekoälylle annetaan vain toimintaohje ilman esimerkkejä. Few-shot-kehotteessa ohjeen mukana toimitetaan yksi tai useampi malliesimerkki halutusta syötteestä ja vastauksesta.
Voiko zero-shot-menetelmällä saada täsmällistä koodia tai JSON-dataa?
Voi, jos kuvaat vaaditun rakenteen ohjeessa erittäin tarkasti. Jos rakenne on kuitenkin hyvin monimutkainen, muutama esimerkkivastaus nopeuttaa onnistumista huomattavasti.
Miksi tekoäly osaa vastata ilman esimerkkejä?
Kielimalli on esikoulutettu valtavalla määrällä tekstiä, josta se on oppinut kieliopin, käsitteiden väliset yhteydet ja laajan faktapohjan. Se soveltaa tätä valmista ymmärrystä uuteen tehtävään heti pyynnön saatuaan.
