„Promptowanie” to umiejętność zadawania pytań modelom językowym w taki sposób, aby otrzymać odpowiedzi jak najbardziej zbliżone do naszych oczekiwań. Jest to dynamicznie rozwijająca się dziedzina nauki o sztucznej inteligencji oraz kompetencja coraz częściej poszukiwana przez pracodawców – „inżynier podpowiedzi” (ang. prompt engineer) to oficjalna nazwa stanowiska na rynku pracy, odzwierciedlająca rosnące zapotrzebowanie na specjalistów zdolnych do efektywnego komunikowania się z zaawansowanymi systemami AI. Ta nowa rola zawodowa obejmuje zarówno rozwijanie umiejętności tworzenia precyzyjnych i skutecznych promptów, jak i zrozumienie mechanizmów działania modeli językowych, co umożliwia generowanie odpowiedzi maksymalnie dopasowanych do specyficznych potrzeb i oczekiwań użytkownika.

Pierwszym przykładem efektywnego promptowania może być użycie konkretnych i precyzyjnych pytań, które prowadzą bezpośrednio do pożądanej odpowiedzi. Na przykład zamiast pytania „Jak wygląda sztuczna inteligencja?”, dość ogólnego, lepiej zadać bardziej precyzyjne: „Jakie są główne cechy generatywnej sztucznej inteligencji w kontekście tworzenia treści?”. Drugim przykładem jest dostosowywanie języka i tonu promptu do kontekstu i odbiorcy, co może znacząco wpływać na charakter i formę odpowiedzi. W biznesie prompt może brzmieć bardziej formalnie i zawierać specyficzne terminy branżowe, podczas gdy w edukacji może być bardziej przystępny i zrozumiały dla młodszych użytkowników.

Obecnie na całym świecie obserwuje się wzrost zainteresowania inżynierią podpowiedzi. W niniejszym opracowaniu celowo zwracamy uwagę na ten trend, aby spopularyzować go wśród nauczycieli. Pragniemy, aby zdawali sobie sprawę ze znaczenia tej nowej metody pracy z technologiami AI w szkole.

W kontekście edukacji inżynieria podpowiedzi przydaje się w uczeniu opartym na zapytaniach (ang. prompt‑based learning). Wiedza zdobyta przez wstępnie wytrenowane modele językowe na dużej ilości danych tekstowych jest wykorzystywana do rozwiązywania różnych typów zadań, takich jak klasyfikacja tekstu, tłumaczenie maszynowe, wykrywanie nazwanych elementów, streszczanie tekstu itp.Indeks górny Indeks górny [10]^[10] Indeks górny koniec^{Indeks górny [10][10]} Pod względem metodycznym inżynieria podpowiedzi jest opisywana jako metoda „zadaj pytanie lub zestaw pytań oraz dodaj kontekst*”*Indeks górny Indeks górny [11]^[11] Indeks górny koniec^{Indeks górny [11][11]}. Koncepcja ta polega na optymalizacji opracowywania i dostosowywania pytań, poleceń lub sugestii wejściowych (zwanych „promptami”) w celu uzyskania precyzyjniejszych, użyteczniejszych i zgodnych z oczekiwaniami wyników.

Mając na uwadze powyższe twierdzenia, nauczyciele powinni uczyć zadawania pytań modelom językowym w taki sposób, aby uczeń otrzymał odpowiedzi jak najlepiej rozwiązujące problem, nad którym aktualnie pracuje się z użyciem AI. Przyczyni się to do nabywania przez uczniów umiejętności aktualnie wymaganych w pracy z modelami językowymi.