Эффективное использование языковых моделей (таких как GPT-4, 5) для работы над диссертацией требует навыка правильной формулировки запросов — так называемого промпт-инжиниринга. Под «промптом» понимается текстовое задание или вопрос, который пользователь адресует ИИ-модели, ожидая получить полезный результат. От того, насколько продуманно составлен промпт, напрямую зависит качество и релевантность генерируемого ответа. В научном контексте особенно важно, чтобы модель понимала специфические требования академического стиля: логичность, объективность, ясность и опора на факты.
Существует несколько принципов, позволяющих улучшить результаты взаимодействия с ИИ при подготовке научного текста, рисунок 3.
Раскроем содержание принципов, обобщенных на рисунке 3 подробнее.
Контекст и роль — полезно задавать модели контекст, кто она и какую задачу решает. Например, начать запрос с указания роли: «Представь, что ты академический консультант…», «Ты — эксперт в области экономики…». Это настраивает алгоритм генерировать ответ в соответствующем тоне и глубине.
Конкретика задания — формулировать вопросы максимально четко, избегая двусмысленностей. Вместо общего «Напиши обзор литературы» лучше: «Подготовь обзор 5 основных исследований по теме цифровых экосистем, укажи их цели, методы и главные выводы, в научном стиле».
Ограничение объема и формата — если нужен ответ определенной структуры или длины, стоит явно это указать. Например: «Дай определение понятия X одним абзацем (3—4 предложения), без общих фраз», или «Составь таблицу сравнений теорий X и Y с двумя колонками: принцип и отличия».
Итеративность — сложные задания лучше разбить на несколько запросов. Сначала — получить от ИИ черновые идеи или список пунктов, затем уточнять детали по каждому пункту. Модель не всегда выдаст идеальный ответ с первого раза, поэтому нормальной практикой является диалог: уточняющие вопросы, просьбы перефразировать, углубить или сократить ответ.
Примеры и стиль — чтобы ИИ лучше уловил требуемый стиль, можно привести образец или явно запросить определенный тон. В академическом письме стоит попросить формулировать мысли формально, например: «Ответь сухим научным языком, избегая местоимений от первого лица». Если у модели есть тенденция упростить язык, можно указать: «Используй терминологию по теме, не упрощай понятия».
Ниже представлены типичные задачи, решаемые с помощью языковых моделей при написании работы, и примеры удачных промптов для их выполнения (таблица 2).
Таблица 2 — Примеры промпт-инструкций для ИИ в процессе подготовки диссертации
Приведенные промпты демонстрируют, как конкретизация задачи и указание желаемого формата помогают модели дать более полезный ответ. Стоит избегать слишком общих запросов — от них ИИ склонен генерировать расплывчатые или тривиальные тексты. Также важно проверять полученный результат: соответствуют ли сгенерированные идеи исходному вопросу, нет ли искажений фактов. При использовании мультимодальных возможностей (например, загрузка текста статьи для суммаризации) необходимо следить за объемом: модели обычно имеют ограничения на длину вводимого контента.
Следует подчеркнуть, что промпт-инжиниринг — это итеративный творческий процесс. Студент может экспериментировать с разными формулировками запросов, постепенно обучаясь получать от ИИ ответы, наиболее близкие к потребностям. Опыт показывает, что продуманный промпт не только экономит время, но и улучшает качество черновых материалов, которые затем дорабатываются автором вручную.