Промты для учебы, исследований и работы: текст для презентаций

Я обожаю создавать презентации: подбирать фон, рисовать графики. Это меня успокаивает и увлекает. Но вот писать тексты к ним – совсем другое дело. Не люблю я это, потому что получаются либо слишком длинные и нудные, либо полные ошибок и опечаток. Описать суть работы могу, но текст будет ужасным.

Поэтому я с радостью доверяю написание, оформление, пересказ, перефразирование и редактирование текстов искусственному интеллекту. Я работаю над содержанием, а ChatGPT или Gemini превращают его в удобочитаемый и понятный текст.

Задача:
Я написала магистерскую диссертацию в ИТМО по теме климатической политики. Теперь мне нужно сделать презентацию.

Требования:
Четкая и структурированная информация.
Отражение основных моментов диссертации.
Лаконичность (с чем у меня, к сожалению, проблемы).

Решение:
Я составила подробный промпт для Gemini, чтобы он на основе 90 страниц диплома сделал презентацию и речь.

Результат:
В итоге я получила текст для презентации и речь. Вот ссылка на промт и результат.

#Gemini_Google #промты_для_исследований

Люблю делать методички. Буду пополнять и расширять методичку "Советы по ИИ-промтам для социологов".

Общая по промтам: https://docs.google.com/document/d/1beqDsX649w3UXG5B-XB3EA1DsfwFKz8hCv4vpDLCuIs/edit?usp=sharing

Сборник промтов для социологов, рисерчеров: https://docs.google.com/document/d/1Nr81qRq8WqIobgdYJ8IEIZKMZswE0ZMZBNI5ZPnQgng/edit?usp=sharing

#промты_для_исследований

Проблемы открытых данных и генеративного ИИ

В то время как определённые репозитории, такие как Википедия и база данных патентов Google, сыграли важную роль в продвижении генеративного ИИ, многие открытые государственные и исследовательские наборы данных не соответствуют необходимым стандартам для эффективного использования​​.

Основные проблемы, с которыми сталкиваются как поставщики открытых данных, так и платформы генеративного ИИ, включают:

Качество и стандартизация данных:

Эффективность генеративного ИИ для задач, таких как дообучение или инференс, зависит от количества, качества и релевантности данных.

Наборы данных, которые не обладают достаточным объёмом, точностью, глубиной или релевантностью, могут приводить к субоптимальной работе ИИ, проявляющейся в виде неточностей, предвзятости или нерелевантных выводов​​.

Интероперабельность и интеграция:

Открытые данные часто существуют в изолированных хранилищах, каждое из которых имеет уникальные форматы и стандарты, что затрудняет интеграцию различных наборов данных в единый учебный корпус.

Для достижения интероперабельности необходимы согласованные усилия по принятию универсальных стандартов и форматов данных, которые способствуют бесшовному обмену и использованию данных на различных платформах и системах​​.

Прозрачность и информация о происхождении данных:

Прозрачная информация о происхождении данных необходима для поддержания доверия и подотчётности при использовании открытых данных в архитектурах генерации с привлечением данных (RAG) и для контекстного обучения в инженерии подсказок.

Это включает установление надежных рамок, которые не только отслеживают происхождение данных, но и обеспечивают должное признание вкладчиков, где это применимо. Такие рамки могут поощрить больше владельцев данных делиться своими ресурсами, обогащая таким образом экосистему открытых данных​​.

#теория_ИИ