Bild vom Herausgeber
# Einführung
Auch wenn Giant Language Fashions (LLMs) typischerweise für abgegrenzte, archetypische Rollen wie „E-Mail-Nachrichten schreiben“ oder „als erweiterte Suchmaschinen fungieren“ verwendet werden, bergen sie viel verborgenes Potenzial. Es geht lediglich darum, ihr verborgenes Potenzial zur kreativen Problemlösung aufzudecken und es auf weniger erforschte Gebiete auszudehnen.
Wenn Sie neue Beispiele für solch unkonventionelle Dinge im Zusammenhang mit LLMs entdecken möchten, listet dieser Artikel sieben davon auf und veranschaulicht sie, die weit über die übliche Chat-Oberfläche und Konversationen hinausgehen.
# 1. Den Anwalt des persönlichen Teufels für Entscheidungen spielen
Konversations-KI-Systeme werden sorgfältig darauf trainiert, mit dem Endbenutzer einverstanden zu sein, egal was passiert – sofern ihnen nichts anderes gesagt wird. Wenn Sie das nächste Mal eine ehrliche Entscheidungshilfe benötigen, bitten Sie die KI, Ihre Ideen bei Bedarf systematisch zu widerlegen und zu demontieren und Ihre Logik zu testen, anstatt nach Bestätigung zu streben. Sehen Sie sich zum Beispiel diese Beispielaufforderung an:
„Tragen Sie als rücksichtsloser, aber logischer Kritiker. Sehen Sie sich diesen Projektvorschlag an und identifizieren Sie die drei größten versteckten Risiken oder logischen Irrtümer, die ich übersehen habe.“
# 2. Entschlüsselung arkaner technischer Fehler
Dieser Anwendungsfall besteht darin, einem LLM so etwas wie eine kryptische Protokolldatei oder einen chaotischen, rohen Stack-Hint zur Verfügung zu stellen und ihn zu bitten, diesen „maschinengenerierten Ball der Frustration“ in eine Schritt-für-Schritt-Anleitung in natürlicher Sprache umzuwandeln, um das Downside zu beheben. Eine Eingabeaufforderungsvorlage wie diese (in die Sie das tatsächliche Fehlerprotokoll einfügen und den Teil in eckigen Klammern ersetzen können) könnte die Aufgabe intestine erfüllen:
„Ich erhalte diesen obskuren Systemfehler:
(Einfügefehler)Erklären Sie im Klartext genau, welche Zeile fehlerhaft ist, und geben Sie die Befehle zur Behebung an.
# 3. Navigieren in der privaten Vertrags- und Rechtssprache
Sie sind sich nicht sicher, was Sie in einem Mietvertrag unterzeichnen wollen, und sind nicht bereit, die nötige Energie aufzuwenden, um diese endlosen, undurchsichtigen Seiten voller Klauseln durchzugehen? Wie wäre es, wenn Sie es über ein LLM laufen lassen – aus Datenschutzgründen idealerweise selbst gehostet – und es bitten, Warnsignale zu erkennen?
„Analysieren Sie diesen Mietvertrag. Markieren Sie alle ungewöhnlichen Kündigungsklauseln, versteckten Gebühren oder ungewöhnlichen Haftungsänderungen, die ein Laie leicht übersehen könnte.“
# 4. Simulation historischer Persönlichkeiten oder Expertenpersönlichkeiten
Hier geht es darum, den LLM dazu zu bewegen, den speziellen Kommunikationsstil oder den philosophischen Rahmen einer historischen Persönlichkeit nachzuahmen und so aus dem konventionellen Unternehmensdenken auszubrechen.
„Kritisieren Sie meine moderne Social-Media-Strategie, als wären Sie ein Werbefachmann aus der Madison Avenue der 1960er Jahre. Konzentrieren Sie sich stark auf emotionale Anziehungskraft und Markenpositionierung.“
# 5. Automatisierung des „Rubber Ducking“ für komplexe Logik
Dies ist sehr nützlich, damit das LLM fehlende Schritte in einem komplexen Arbeitsablauf oder komplizierten Logikrätsel erkennen und darauf hinweisen kann. Erklären Sie dem Modell den komplexen Arbeitsablauf oder das Rätsel, um zu überprüfen, ob Ihre mentale Landkarte intestine mit der Realität übereinstimmt. Nehmen Sie diese Beispiel-Eingabeaufforderungsvorlage:
„Ich versuche, einen automatisierten Workflow zu erstellen, der auf der Grundlage dieser drei spezifischen Bedingungen ausgelöst wird:
(Bedingungen auflisten)Wo ist die logische Lücke in dieser Reihenfolge?“
# 6. Erstellen einer hyperpersonalisierten Expertise-Roadmap
Nutzen Sie diese Anregung, um einen maßgeschneiderten Lehrplan zu erstellen, der das, was Sie bereits wissen, weglässt und sich ausschließlich auf Ihre spezifischen Wissens- und Kompetenzlücken sowie auf Nischenbildungsziele konzentriert:
„Ich verstehe bereits die Grundlagen von Python, möchte aber Datenvisualisierung erlernen. Erstellen Sie einen kostenlosen 14-tägigen Lernplan mit täglichen Übungsübungen, die sich nur auf Matplotlib konzentrieren.“
# 7. Überbrückung des kulturellen Kontexts in Echtzeit
Dies ist im Bereich der internationalen Beziehungen sehr nützlich, um den Ton, die Formalität und die kulturelle Etikette in der Auslandskommunikation zu entschlüsseln:
„Übersetzen Sie diese E-Mail von einem neuen internationalen Kunden, erläutern Sie aber auch den Untertext, den Grad der verwendeten Formalität und wie ich meine Antwort respektvoll formatieren sollte, um ihren kulturellen Geschäftsstandards zu entsprechen.“
# Zusammenfassung
Diese sieben Anwendungsfälle kratzen nur an der Oberfläche dessen, was möglich wird, wenn man LLMs nicht nur als einfache Frage-Antwort-Maschinen behandelt.
Ganz gleich, ob Sie Ihre eigene Logik einem Stresstest unterziehen, rechtliches Kleingedrucktes entschlüsseln oder kulturelle Unterschiede überbrücken, der rote Faden ist die bewusste Aufforderung – dem Modell eine bestimmte Rolle, eine klare Einschränkung und ein konkretes Ziel zu geben. Je bewusster Sie Ihre Anfragen formulieren, desto mehr erweisen sich diese Instruments als echte kognitive Associate und nicht als verherrlichte Suchmaschinen.
Iván Palomares Carrascosa ist ein führender Autor, Redner und Berater in den Bereichen KI, maschinelles Lernen, Deep Studying und LLMs. Er schult und leitet andere darin, KI in der realen Welt zu nutzen.