0 / 0
資料の 英語版 に戻る
クイック・スタート: Prompt Lab を使用したファウンデーション・モデルのプロンプト

クイック・スタート: Prompt Lab を使用したファウンデーション・モデルのプロンプト

このチュートリアルでは、 watsonx.aiの Prompt Lab の使用方法を学習します。 通常、正常な結果を得るために基盤モデルにプロンプトを出す方法は複数あります。 プロンプト・ラボでは、さまざまな基盤モデルのプロンプトを試したり、サンプル・プロンプトを探索したり、最適なプロンプトを保存して共有したりすることができます。 ほとんどのテキスト生成ファウンデーション・モデルのプロンプトを正常に出すには、 プロンプトのヒント を参照してください。

必須のサービス
Watson Studio
Watson Machine Learning

基本的なワークフローには、以下のタスクが含まれます:

  1. プロジェクトを開きます。 プロジェクトは、データを処理するために他のユーザーと共同作業できる場所です。
  2. Prompt Labを開きます。 Prompt Lab では、さまざまなファウンデーション・モデルにプロンプトを表示したり、サンプル・プロンプトを探索したり、ベスト・プロンプトを保存して共有したりすることができます。
  3. プロンプト・エディターでプロンプトを入力します。 プロンプトは、フリー・フォーム・モードと構造化モードのどちらでも入力できます。
  4. 使用するモデルを選択します。 watsonx.aiでサポートされている任意のモデルにプロンプトを送信できます。
  5. 作業をプロジェクト資産として保存します。 作業をプロジェクト資産として保存すると、現在のプロジェクトのコラボレーターが作業を使用できるようになります。

ファウンデーション・モデルのプロンプトの説明を読む

ファウンデーション・モデルは、非常に大規模な AI モデルです。 数十億個のパラメーターがあり、テラバイト単位のデータについてトレーニングされています。 ファウンデーション・モデルは、テキスト、コード、イメージの生成、分類、会話など、さまざまなタスクを実行できます。 ラージ言語モデルは、テキスト関連およびコード関連のタスクに使用されるファウンデーション・モデルのサブセットです。 IBM watsonx.aiには、プロンプトを試すためのツールだけでなく、使用できるデプロイ済みの大規模言語モデルのコレクションがあります。

Prompt Labについて詳しくは、こちらを参照してください。

ファウンデーション・モデルのプロンプトに関するビデオを見る

< このチュートリアルのステップをプレビューするには、このビデオをご覧ください。 ビデオに表示されるユーザー・インターフェースには若干の違いがある場合があります。 このビデオは、作成されたチュートリアルと一緒に使用することを目的としています。

このビデオは、本書の概念とタスクを学習するためのビジュアル・メソッドを提供します。


チュートリアルを試行してファウンデーション・モデルにプロンプトを出す

このチュートリアルでは、以下のタスクを実行します:




  • ビデオ・ピクチャー・イン・ピクチャーの使用

    ヒント: ビデオを開始してから、チュートリアルをスクロールすると、ビデオはピクチャー・イン・ピクチャー・モードに移行します。 ピクチャー・イン・ピクチャーを最大限に活用するには、ビデオの目次を閉じます。 ピクチャー・イン・ピクチャー・モードを使用して、このチュートリアルのタスクを完了する際にビデオをフォローすることができます。 後続の各タスクのタイム・スタンプをクリックします。

    以下のアニメーション・イメージは、ビデオ・ピクチャー・イン・ピクチャーおよび目次機能の使用方法を示しています。

    ピクト・イン・ピクチャーおよび章の使用法

    コミュニティーでのヘルプの利用

    このチュートリアルでヘルプが必要な場合は、 watsonx.ai コミュニティー・ディスカッション・フォーラムで質問したり、回答を見つけたりすることができます。

    ブラウザー・ウィンドウのセットアップ

    このチュートリアルを最適に実行するには、1 つのブラウザー・ウィンドウで Cloud Pak for Data を開き、このチュートリアル・ページを別のブラウザー・ウィンドウで開いたままにして、2 つのアプリケーションを簡単に切り替えることができます。 2 つのブラウザー・ウィンドウを横並びに配置して、見やすくすることを検討してください。

    横並びのチュートリアルと UI

    ヒント: ユーザー・インターフェースでこのチュートリアルを完了するときにガイド・ツアーが表示された場合は、 「後で行うこともあります」をクリックします。

    上に戻る


  • Prompt Lab 資産を保管するためのプロジェクトが必要です。

    ビデオを視聴して、サンドボックス・プロジェクトを作成し、サービスを関連付ける方法を確認してください。 次に、ステップに従って、既存のプロジェクトがあることを確認するか、サンドボックス・プロジェクトを作成します。

    このビデオは、本書の概念とタスクを学習するためのビジュアル・メソッドを提供します。

    1. watsonx のホーム画面で、 「プロジェクト」 セクションまでスクロールします。 プロジェクトがリストされている場合は、 タスク 2にスキップします。 プロジェクトが表示されない場合は、以下の手順に従ってプロジェクトを作成します。

    2. 「サンドボックス・プロジェクトの作成」をクリックします。 プロジェクトが作成されると、 「プロジェクト」 セクションにサンドボックス・プロジェクトが表示されます。

    詳しくは、またはビデオを視聴するには、 プロジェクトの作成を参照してください。

    チェックポイント・アイコン 進行状況を確認してください

    以下のイメージは、「プロジェクト」セクションにサンドボックスがリストされているホーム画面を示しています。 これで、 Prompt Labを開く準備ができました。

    サンドボックス・プロジェクトがリストされたホーム画面。


    上に戻る


  • プレビュー・チュートリアル・ビデオ このタスクをプレビューするには、 00:03から始まるビデオをご覧ください。

    プロンプト・テキストをフリー・フォームのプレーン・テキスト・エディターで入力し、 「生成」 をクリックしてプロンプトをモデルに送信できます。 フリー・フォーム・モードで Prompt Lab を使用するには、以下の手順を実行します。

    1. ホーム画面で、 「ファウンデーション・モデルとビルド・プロンプトを使用したテスト (Experiment with foundation models and build prompts)」 タイルをクリックします。

    2. 各チェック・ボックスを選択して確認応答を受け入れ、 「ツアーのスキップ」をクリックします。

    3. 「フリー・フォーム」 タブをクリックして、 「フリー・フォーム」 モードでファウンデーション・モデルのプロンプトを表示します。

    4. 「モードの切り替え」をクリックします。

    5. テキスト・フィールドに以下のテキストをコピーして貼り付け、 「生成」 をクリックして、 「クラス名: 問題」の出力を表示します。

    
    Classify this customer message into one of two classes: question, problem.
    Class name: Question
    Description: The customer is asking a technical question or a how-to question about our products or services.
    Class name: Problem
    Description: The customer is describing a problem they are having. They might say they are trying something, but it's not working. They might say they are getting an error or unexpected results.
    Message: I'm having trouble registering for a new account.
    Class name:
    
    

    チェックポイント・アイコン 進行状況を確認してください

    以下の画像は、フリー・フォーム・モードでプロンプトに対して生成された出力を示しています。 これで、構造化モードでファウンデーション・モデルのプロンプトを出す準備ができました。

    フリー・フォーム・モードのプロンプトに対して生成された出力。


    上に戻る


  • プレビュー・チュートリアル・ビデオ このタスクをプレビューするには、 00:19から始まるビデオをご覧ください。

    プロンプトは構造化形式で入力することができます。 構造化された形式は、プロンプトに複数の例がある場合に、少数回のプロンプトを出すのに役立ちます。 構造化モードで Prompt Lab を使用するには、以下の手順に従います。

    1. 「構造化」 タブをクリックします。

    2. 「モードの切り替え」をクリックします。

    3. 「指示」 フィールドに、以下のテキストをコピーして貼り付けます。 Given a message submitted to a customer-support chatbot for a cloud software company, classify the customer's message as either a question or a problem description so the chat can be routed to the correct support team.

    4. 「セットアップ」 フィールドで、以下のテキストをコピーして各列に貼り付けます。

      「セットアップ」フィールドの値
      入力 出力
      ログインしようとすると、エラーが発生します。 問題点
      プランの価格はどこで確認できますか? 質問
      トライアルとペイゴの違いは何ですか? 質問
      登録ページが破損したため、新規アカウントを作成できません。 問題点
      どの地域がサポートされていますか? 質問
      パスワードを思い出せません。 問題点

    5. 「試行」 フィールドに、以下のテキストをコピーして貼り付けます。 I'm having trouble registering for a new account.

    6. 「生成」 をクリックして、出力の 「問題」を確認します。

    チェックポイント・アイコン 進行状況を確認してください

    以下の図は、構造化モードでプロンプトに対して生成される出力を示しています。 これで、サンプル・プロンプトを試す準備ができました。

    構造化モードでのプロンプト用に生成された出力


    上に戻る


  • プレビュー・チュートリアル・ビデオ このタスクをプレビューするには、 00:33から始まるビデオをご覧ください。 開始方法が分からない場合は、サンプル・プロンプトを使用して開始できます。 サンプル・プロンプトを使用するには、以下の手順を実行します。

    1. 「サンプル・プロンプト」 アイコン サンプル・プロンプト を開いて、リストを表示します。
    2. リストをスクロールして、 「マーケティング E メール生成 (Marketing email generation)」 サンプル・プロンプトをクリックします。
    3. 選択したモデルを表示します。 サンプル・プロンプトをロードすると、適切なモデルが選択されます。
    4. 「モデル・パラメーター」 モデル パラメータ パネルを開きます。 適切なデコードおよび停止基準パラメーターも自動的に設定されます。
    5. 「生成」 をクリックしてサンプル・プロンプトをモデルに送信し、サンプル E メール出力を確認します。

    チェックポイント・アイコン 進行状況を確認してください

    次の図は、サンプル・プロンプトから生成された出力を示しています。 これで、別のモデルとパラメーターを選択して、サンプル・プロンプト出力をカスタマイズする準備ができました。

    サンプル・プロンプトから生成された出力


    上に戻る


  • プレビュー・チュートリアル・ビデオ このタスクをプレビューするには、 01:04から始まるビデオをご覧ください。 同じプロンプトを別のモデルに送信できます。 JSON、HTML、XML などの特定の構造化された出力で出力を生成する必要がある場合は、構造化された出力を生成するために微調整されたモデルを選択するか、プロンプトでいくつかの例を使用するか、モデルをチューニングします。 別のファウンデーション・モデルを選択するには、以下の手順を実行します。

    1. 「モデル」>「すべての基盤モデルを表示」をクリックします。
    2. モデルをクリックすると、モデルの詳細が表示され、モデル・アーキテクチャー、事前トレーニング・データ、微調整情報、ベンチマークに対するパフォーマンスなどの詳細が表示されます。
    3. 「戻る」 をクリックして、モデルのリストに戻ります。
    4. flan-t5-xxl-11b または mt0-xxl-13b ファウンデーション・モデルを選択し、 「モデルの選択」をクリックします。
    5. モデル出力列の上にカーソルを移動し、 「X」 アイコンをクリックして、前の出力を削除します。
    6. リストから、同じサンプル・プロンプト 「マーケティング E メールの生成 (Marketing email generation)」をクリックします。
    7. 「生成」 をクリックして、新規モデルを使用して出力を生成します。

    チェックポイント・アイコン 進行状況を確認してください

    次の図は、別のモデルを使用して生成された出力を示しています。 これで、モデル・パラメーターを調整する準備ができました。

    別のモデルを使用して生成された出力


    上に戻る


  • プレビュー・チュートリアル・ビデオ このタスクをプレビューするには、 01:28から始まるビデオをご覧ください。

    デコードまたは停止基準パラメーターの変更を試すことができます。 モデル・パラメーターを調整するには、以下の手順を実行します。

    注: モデル・パラメーターは、現在選択されているモデルによって異なります。

    以下の表は、 flan-t5-xxl-11b ファウンデーション・モデルで使用可能なモデル・パラメーターを定義しています。

    モデル パラメータ
    モデル パラメータ 意味
    デコード 常に確率が最も高い単語を選択するには、デコードを 「Gredy」 に設定します。 ワード選択の可変性をカスタマイズするには、デコードを Sampling に設定します。
    温度 生成されるテキストの創造性を制御します。 値が大きいほど、ランダムに生成される出力が多くなります。
    上位 P (中核サンプリング) < 1.0 に設定すると、確率が top_p 以上になる、最も可能性の高いトークンの最小セットのみが使用されます。
    上位 K 上位 k 件のフィルタリング用に保持する可能性が最も高い語彙トークンの数を設定します。 値が小さいほど、モデルがトピックから外れる可能性が低くなります。
    ランダム・シード サンプリングが有効な場合に、生成されたトークンのランダム・サンプリングを制御します。 ランダム・テーブルを各世代で同じ数に設定すると、実験的な再現性が保証されます。
    反復ペナルティ 反復ペナルティーを設定して、プロンプト・テキストを逐語的に繰り返す、またはループに巻き込まれるというモデルの傾向に対抗します。 1.00 は、ペナルティーがないことを示します。
    シーケンスの停止 停止シーケンスを 1 つ以上のストリングに設定して、テキスト生成が出力の一部として生成された場合、または生成された場合に停止するようにします。
    最小トークン数 生成するトークンの最小数を定義します。 生成されるトークンの最小数より前に検出された停止シーケンスは無視されます。
    最大トークン数 生成するトークンの最大数を定義します。

    1. 「上位 K (Top K)」 パラメーターを 10 に変更して、モデルがトピックから外れる可能性を低くします。
    2. 前のモデル出力を削除するには、 「X」 をクリックします。
    3. リストから同じサンプル・プロンプトをクリックします。
    4. 「生成」 をクリックして、新しいモデル・パラメーターを使用して出力を生成します。
    5. 複数のプロンプトを送信してセッション履歴を表示した後、 「セッション履歴」 アイコン セッション履歴アイコン をクリックします。
    6. 任意の項目をクリックして、前のプロンプト、モデル指定、およびパラメーター設定を操作し、 「復元」をクリックします。
    7. プロンプトを編集するか, モデルを変更するか, あるいはデコードおよび停止基準パラメーターを調整してください。
    8. 「生成」 をクリックして、更新された情報を使用して出力を生成します。

    チェックポイント・アイコン 進行状況を確認してください

    以下の図は、さまざまなモデル・パラメーターを使用して生成された出力を示しています。 これで、作業内容を保存する準備ができました。

    別のモデルを使用して生成された出力


    上に戻る


  • プレビュー・チュートリアル・ビデオ このタスクをプレビューするには、 02:15から始まるビデオをご覧ください。

    以下の 3 つの形式で作業を保存できます。

    資産の種類
    資産タイプ 説明
    プロンプト・テンプレート 現在のプロンプトのみを保存し、履歴は保存しません。
    プロンプト・セッション 現行セッションの履歴とデータを保存します。
    ノートブック 現在のプロンプトをノートブックとして保存します。

    作業内容を保存するには、以下の手順を実行します。

    1. 「作業の保存」>「名前を付けて保存」をクリックします。
    2. 「プロンプト・テンプレート」を選択します。
    3. 名前には、 Sample promptsと入力します。
    4. 「保存後にプロジェクトに表示」 オプションを選択します。
    5. 保存 をクリックします。
    6. プロジェクトの 「資産」 タブで、 「サンプル・プロンプト」 資産をクリックして、そのプロンプトを Prompt Lab にロードし、すぐに作業に戻ります。
    7. 「保存されたプロンプト」 保存されたプロンプト をクリックして、サンドボックス・プロジェクトから保存されたプロンプトを表示します。

    チェックポイント・アイコン 進行状況を確認してください

    以下のイメージは、プロンプト・テンプレート資産を含むプロジェクトの「資産」タブを示しています。

    プロジェクトの「資産」タブ

    チェック・マーク・アイコン 以下のイメージは、 Prompt Labに保存されたプロンプトを示しています。

    Prompt Lab に保存されたプロンプト


    上に戻る

次のステップ

これで、以下を行う準備ができました。

その他のリソース

  • 作業の保存

  • Python ライブラリー

  • 詳しくは、 ビデオを参照してください。

  • リソース・ハブでサンプル・データ・セット、プロジェクト、モデル、プロンプト、およびノートブックを検索して、実地体験を得ることができます。

    データの分析およびモデルの作成を開始するためにプロジェクトに追加できる ノートブック・アイコン ノートブック

    プロジェクト・アイコン プロジェクト ノートブック、データ・セット、プロンプト、およびその他の資産を含むものをインポートできます。

    データ・セット・アイコン データ・セット 。これをプロジェクトに追加して、モデルの洗練、分析、およびビルドを行うことができます。

    プロンプト・アイコン プロンプト 。プロンプト・ラボで基盤モデルのプロンプトを出すために使用できます。

    プロンプト・ラボで使用できる モデル・アイコン 基盤モデル

親トピック: クイック・スタート・チュートリアル

生成 AI の検索と回答
これらの回答は、製品資料の内容に基づいて、 watsonx.ai のラージ言語モデルによって生成されます。 詳細