Apa itu Prompt Engineering? Jenis, Contoh, dan Skill

Artificial Intelligence (AI) semakin mengubah cara kita berinteraksi dengan teknologi di sekitar kita. Dari asisten suara di smartphone hingga rekomendasi produk di platform e-commerce, AI kini menjadi bagian tak terpisahkan dari kehidupan sehari-hari. Di balik kecerdasan AI tersebut, terdapat sebuah teknik yang menjadi kunci kesuksesannya, yaitu prompt engineering.

Apa Itu Prompt Engineering?

Instruksi dalam format teks atau kalimat yang diberikan kepada AI disebut sebagai prompt. Prompt engineering adalah cara merumuskan prompt secara efektif untuk menghasilkan respons dari AI sesuai dengan keinginan dan tujuan kita. Dengan kata lain, prompt yang dirumuskan dengan baik akan menghasilkan respons yang diinginkan, sementara prompt yang kurang efektif dapat menghasilkan respons yang tidak sesuai (garbage in, garbage out).

Menurut Akin (2023), prompt yang efektif harus jelas, fokus, dan relevan. Hal ini berarti kita perlu menghindari prompt yang terlalu banyak informasi, menggunakan jargon atau istilah yang tidak jelas, terlalu umum, dan tidak menyertakan instruksi atau batasan yang jelas.

Dengan membuat prompt yang jelas, fokus, dan relevan, kita dapat memastikan respons AI dapat mengartikulasikan pikiran kita dengan baik, memandu percakapan dengan AI secara efektif, dan menghasilkan respons yang sesuai dengan keinginan kita.

Istilah prompt engineering mulai populer bersamaan dengan popularitas chatbot ChatGPT. Meskipun istilah tersebut mungkin terdengar agak berlebihan karena menggunakan kata “engineering,” penting untuk memperkenalkannya kepada masyarakat, terutama di bidang pendidikan. Prompt engineering adalah teknik untuk memberikan instruksi yang jelas kepada AI agar menghasilkan respons yang optimal sesuai keinginan. Dalam hal ini, prompt engineering mirip dengan mengetikkan kata kunci di mesin pencari untuk mendapatkan hasil yang diinginkan.

Proses ini melibatkan pemilihan kata atau petunjuk yang tepat untuk membimbing model AI dalam membuat keputusan atau memberikan respons. Dengan prompt engineering, kita tidak hanya memberikan data kepada AI untuk menghasilkan respons terbaik, tetapi juga mengoptimalkan cara AI memahami dan bertindak berdasarkan data tersebut.

Dalam analogi sederhana, model AI dapat dianggap sebagai seseorang yang sangat pintar tetapi terkadang terlalu literal. Model ini akan melakukan apa yang dikatakan, tetapi tidak selalu sesuai dengan maksud kita. Oleh karena itu, prompt engineering memainkan peran penting dalam mengajari AI untuk memahami konteks, nuansa, dan memberikan respons yang lebih akurat.

Jenis-Jenis Prompt Engineering

Untuk mendapatkan hasil yang optimal, ada beberapa strategi untuk berkomunikasi dengan AI, yang dibagi menjadi beberapa jenis prompt. Setiap jenis prompt ini akan memberikan respons yang berbeda-beda, dengan tingkat detail yang juga berbeda.

1. Direct Prompt

Jenis prompt ini merupakan yang paling dasar, melibatkan instruksi atau pertanyaan langsung kepada model AI. Baik untuk mendapatkan informasi maupun mengajukan pertanyaan spesifik, direct prompt memberikan petunjuk yang jelas bagi AI untuk langsung menghasilkan respons sesuai perintah yang Anda berikan. Contohnya, “Berikan informasi terupdate seputar bams 2024.”

2. Role-playing Prompt

Untuk skenario ketika kamu ingin memberikan karakter tertentu pada AI agar tool ini menghasilkan respons sesuai peran yang ditentukan, ada yang namanya role-playing prompt. Jenis prompt ini menambahkan narasi dan konteks yang lebih lengkap pada output yang diberikan AI, sehingga menghadirkan elemen yang lebih personal dalam interaksi. Misalnya, “Berikan tutorial lengkap sebagai seorang arsitek yang menjelaskan cara membuat desain rumah dengan aplikasi AutoCAD.”

3. Inverse Prompt

Jenis prompt ini meminta AI untuk menghasilkan konten dengan kriteria yang ingin dihindari, memungkinkan kita membimbing sistem AI untuk menghasilkan respons yang disesuaikan. Contohnya, “Berilah petunjuk mengapa pemasaran melalui sosial commerce tidak sesuai untuk produk Bams.”

4. Contextual Prompt

Contextual prompt merupakan prompt yang diberikan dengan mempertimbangkan interaksi sebelumnya atau informasi yang sudah diberikan. Dengan mengintegrasikan konteks, prompt ini mengajarkan AI untuk menghasilkan respons yang tidak hanya akurat, tapi juga relevan dan berkesinambungan. Contohnya, “Berikan petunjuk pemasaran yang dapat diaplikasikan oleh Bams dalam industri konten marketing.”

5. Multi-Turn Prompt

Multi-turn prompt memungkinkan percakapan yang lebih panjang menggunakan serangkaian prompt dan respons. Metode ini memungkinkan interaksi yang lebih dinamis dan berkembang bersama dengan sistem AI. Contohnya, “Buatlah penjelasan secara lengkap untuk memulai konten kreatif dari ide awal sampai dan upload ke website pada setiap tahapannya.”

Contoh Pemanfaatan Prompt Engineering

Dalam pandangan IBM dan Coursera, contoh pemanfaatan prompt engineering dapat dilihat dari beberapa bidang, antara lain:

1. Chatbot dan virtual assistant

Dalam pengembangan chatbot dan asisten virtual seperti Siri atau Alexa, prompt engineering membantu meningkatkan pemahaman dan respons terhadap pertanyaan pengguna.

2. Generasi konten kreatif

Prompt engineering digunakan dalam AI yang menghasilkan konten kreatif, seperti tulisan, puisi, atau musik. Pengguna dapat memberikan prompt khusus untuk menghasilkan karya dengan gaya atau topik tertentu.

3. Analisis dan interpretasi data

Dalam penelitian dan analisis data, prompt engineering membantu AI dalam menginterpretasikan dan menyimpulkan data besar, seperti merangkum laporan penelitian atau menganalisis tren pasar.

4. Penerjemahan bahasa

Prompt engineering digunakan dalam translate AI untuk meningkatkan akurasi terjemahan. Prompt yang tepat membantu AI memahami konteks dan nuansa bahasa.

5. Pendidikan dan pelatihan

Dalam pendidikan, prompt engineering digunakan untuk mengembangkan alat pembelajaran yang disesuaikan dengan kebutuhan siswa, seperti AI tutor yang memberikan penjelasan atau latihan berdasarkan topik tertentu.

6. Rekomendasi produk

Dalam e-commerce, AI dapat menggunakan prompt engineering untuk memberikan rekomendasi produk yang lebih personal dan relevan berdasarkan preferensi dan perilaku pengguna.

7. Analisis sentimen dan media sosial

Prompt engineering membantu dalam memahami dan mengekstrak makna dari teks kompleks, seperti menganalisis sentimen atau umpan balik pelanggan di media sosial.

8. Game dan lingkungan virtual

Dalam industri game, prompt engineering digunakan untuk menciptakan interaksi yang lebih dinamis antara karakter dalam game dan pemainnya, menciptakan pengalaman bermain yang lebih menarik.

9. Penerjemah otomatis

Prompt engineering digunakan dalam penerjemah otomatis untuk menghasilkan terjemahan yang akurat dan alami antara bahasa.

10. Sistem pengenalan suara di mobil

Dalam kendaraan modern, prompt engineering digunakan dalam sistem pengenalan suara untuk memungkinkan pengemudi mengontrol fitur kendaraan dengan perintah suara.

11. Koreksi teks dan tata bahasa otomatis

Prompt engineering digunakan dalam alat pemeriksaan ejaan dan tata bahasa otomatis untuk memberikan saran koreksi yang kontekstual.

12. Penilaian kinerja karyawan

Dalam penilaian kinerja karyawan, prompt engineering digunakan untuk merancang pertanyaan yang spesifik dan relevan, membantu organisasi mendapatkan informasi yang lebih mendalam tentang kinerja individu.

Pemanfaatan prompt engineering dalam berbagai bidang ini menunjukkan potensi besar konsep ini dalam menghasilkan informasi yang lebih spesifik dan relevan dari model bahasa, serta meningkatkan interaksi antara manusia dan AI dalam berbagai konteks.

Keterampilan yang Diperlukan Sebagai Prompt Engineering

Ada beberapa keterampilan yang diperlukan untuk memulai karier sebagai seorang insinyur prompt:

1. Keterampilan Teknis

Menguasai bahasa pemrograman seperti Python sangat penting untuk scripting dan membangun model AI.
Memahami prinsip-prinsip machine learning penting untuk membuat prompt yang efektif dan meningkatkan respons AI.
Kamu perlu mempelajari NLP untuk memahami bahasa dan konteks dengan lebih baik dalam prompt engineering.
Menggunakan alat populer seperti TensorFlow dan PyTorch dapat membantu dalam pengembangan dan pengoptimalan model AI.

2. Keterampilan Non-Teknis

Kemampuan berpikir kreatif diperlukan saat membuat prompt dan mengevaluasi respons AI secara kritis untuk hasil yang optimal.
Komunikasi yang efektif mempermudah kolaborasi dengan tim lain untuk pengembangan prompt yang berkelanjutan sesuai proyek AI yang sedang dikerjakan.
Karena bidang prompt engineering sangat dinamis, kamu harus memiliki kemauan untuk terus belajar dan adaptasi yang baik.

3. Keterampilan Universal Non-Teknis

Sebagai seorang insinyur prompt, harus pandai memberikan instruksi.
Keterampilan ini tidak selalu berhubungan dengan ilmu komputer, karena sebagai insinyur prompt, kamu bisa membicarakan topik apa pun.
Memiliki kemampuan berbahasa yang baik dalam hal kata kerja, frasa, subjek, dan predikat dapat meningkatkan kinerja AI.
Keterampilan ini penting saat chatbot tidak memberikan informasi yang akurat atau mengalami “halusinasi”.
Berani mencoba hal-hal baru dan bereksperimen dapat membantu teknologi semakin berkembang lebih baik.

Dengan menggabungkan keterampilan teknis dan non-teknis ini, kamu dapat memulai perjalanan karier sebagai insinyur prompt dengan lebih siap dan efektif. Semoga informasi ini bermanfaat ya.

Baca juga:

Referensi

Lin, Z. (2024). How to write effective prompts for large language models. Nature Human Behaviour, 1-5.
Xu, L., Zhang, J., Li, B., Wang, J., Cai, M., Zhao, W. X., & Wen, J. R. (2024). Prompting Large Language Models for Recommender Systems: A Comprehensive Framework and Empirical Analysis. arXiv preprint arXiv:2401.04997.
Liu, Y., Lu, Y., Liu, H., An, Y., Xu, Z., Yao, Z., … & Gui, C. (2023). Hierarchical prompt learning for multi-task learning. In Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (pp. 10888-10898).
Liu, P., Yuan, W., Fu, J., Jiang, Z., Hayashi, H., & Neubig, G. (2023). Pre-train, prompt, and predict: A systematic survey of prompting methods in natural language processing. ACM Computing Surveys, 55(9), 1-35.
Marvin, G., Hellen, N., Jjingo, D., & Nakatumba-Nabende, J. (2023, June). Prompt Engineering in Large Language Models. In International Conference on Data Intelligence and Cognitive Informatics (pp. 387-402). Singapore: Springer Nature Singapore.
Ju, C., Han, T., Zheng, K., Zhang, Y., & Xie, W. (2022, October). Prompting visual-language models for efficient video understanding. In European Conference on Computer Vision (pp. 105-124). Cham: Springer Nature Switzerland.
Brown, T., Mann, B., Ryder, N., Subbiah, M., Kaplan, J. D., Dhariwal, P., … & Amodei, D. (2020). Language models are few-shot learners. Advances in neural information processing systems, 33, 1877-1901.

Post Views: 311