Cara Menggunakan ChatGPT Agar Hasil Lebih Akurat

Показать описание

Cara agar hasil Chat GPT 99% Akurat & Up To Date (tahun 2023).
.
Di contoh experiment ini, saya mengajukan pertanyaan:
- 𝐒𝐢𝐚𝐩𝐚 𝐣𝐮𝐚𝐫𝐚 𝐩𝐢𝐚𝐥𝐚 𝐝𝐮𝐧𝐢𝐚 𝟐𝟎𝟐𝟐.
- 𝐒𝐩𝐞𝐬𝐢𝐟𝐢𝐤𝐚𝐬𝐢 𝐢𝐩𝐡𝐨𝐧𝐞 𝟏𝟒 𝐏𝐑𝐎
- 𝐁𝐚𝐠𝐚𝐢𝐦𝐚𝐧𝐚 𝐬𝐭𝐚𝐭𝐮𝐬 𝐤𝐚𝐬𝐮𝐬 𝐒𝐀𝐌𝐁𝐎 𝐬𝐚𝐚𝐭 𝐢𝐧𝐢.
.
.
Dan AI dapat menjawab dengan benar semua pertanyaan2 tersebut.
.
Dimana secara default, "𝐓𝐈𝐃𝐀𝐊 𝐁𝐈𝐒𝐀 𝐃𝐈𝐉𝐀𝐖𝐀𝐁 𝐂𝐡𝐚𝐭𝐆𝐏𝐓 𝐝𝐚𝐧 𝐃𝐚𝐯𝐢𝐧𝐜𝐢-𝟎𝟎𝟑.
.
.
Itu adalah masalah yang sering kita alami saat menggunakan ChatGPT atau GPT 3.5.
.
AI terkadang memberikan kita output yang kurang tepat, salah atau bahkan NGASAL.
.
.
Bayangin kalau kita minta AI untuk mendiagnosa sebuah penyakit berdasarkan gejala spesifik yang dialami penderita. dan gejala tersebut sebuah gejala baru.
.
AI bisa mendiagnosa secara NGASAL. nah ini bisa bahaya... hehe
.
.
Hal ini terjadi karena sebenarnya Models AI bekerja hanya fokus ke Sequence Linguistic dari dataset yang mereka training dalam mengenerate ouputnya.
.
Hasilnya, AI tidak terlalu peduli dengan "Faktor Kebenaran" atau "Validasi Kebenaran" dari output yang mereka hasilkan. Dan ini sudah BIASA.
.
.
Output yang seperti ini disebut dengan istilah "𝑯𝒂𝒍𝒍𝒖𝒄𝒊𝒏𝒂𝒕𝒊𝒐𝒏 𝑮𝒆𝒏𝒆𝒓𝒂𝒕𝒊𝒗𝒆 𝑶𝒖𝒕𝒑𝒖𝒕".
.
Hal ini juga sudah di infokan oleh ChatGPT.
.
.
.
Bayangin.. AI juga bisa HALUUU... 🤣😂
.
.
Untuk mengantisipasi masalah tersebut, Open AI memberikan option "Fine Tuning" agar AI dapat belajar berdasarkan Spesifik Kasus Kita.
.
.
Namun kalau kita membutuhkan informasi yang luas, tidak spesifik ke topik/bidang tertentu, maka biaya untuk Fine Tune akan sangat mahal. karena dataset yang besar.
.
.
Cara lain adalah dengan menggunakan metode "𝐅𝐞𝐰-𝐒𝐡𝐨𝐭 𝐋𝐞𝐚𝐫𝐧𝐢𝐧𝐠".
.
Biasanya pengguna ChatGPT memberikan instruksi khusus di prompt nya. misal:
Jawablah seolah-oleh kamu adalah ____,, atau kamu adalah seorang yang expert di bidang ____, dll.
.
.
Namun kalau kasusnya seperti contoh diagnosa penyakit diatas,, mau prompt gimanapun,, AI akan memberikan kita "Hallucinate Output".
.
.
Untuk itu disini saya menerapkan sebuah metode yang saya sebut "Micro Supervised Learning".
.
Mirip seperti Fine Tuning, namun masih dalam kategorinya "Few-Shot Learning".
.
.
Caranya dengan membuat sebuah information/knowledge dataset yang di convert menjadi Dimensional Vector menggunakan Model dari Open AI juga.
.
Selanjutnya kita di simpan kedalam sebuah Index Informasi.
.
.
Sederhanya, saya melakukan proses Indexing knowledge yang akan digunakan oleh Model GPT 3.5 untuk learning.
.
.
Alurnya,, saat saya bertanya ke AI.
.
Pertanyaan tersebut akan di kirim ke Index..
.
Index tersebut akan memberikan informasi2 yang relevan dengan pertanyaan tersebut.
.
.
Selanjutnya Model GPT/ChatGPT akan menggunakan Informasi tersebut sebagai acuan dalam mengenerate output.
.
.
Sederhana namun hasilnya cukup memuaskan.
.
.
Cekidooot...

#chatgpt #gpt3