Promptovanie: základy práce s umelou inteligenciou

PROMPTOVANIE ZÁKLADY PRÁCE S UMELOU INTELIGENCIOU 15.10.2025 ZÁKLADY PRÁCE S UMELOU INTELIGENCIOU •Základný prehľad štruktúry •Čo je promptovanie •Najbežnejšie typy promptov •Nepresnosti a halucinácie •Základy promptovacej praxe •Z čoho sa skladá použiteľný prompt ČO JE TO „PROMPTOVANIE“? •Promptovanie (z anglického prompting) znamená zadávanie pokynov alebo otázok umelej inteligencii (napr. ChatGPT), aby vykonala určitú úlohu alebo poskytla odpoveď. Prompt môže byť jednoduchý príkaz, otázka, alebo aj komplexné zadanie. •Príklad: „Napíš anotáciu k diplomovej práci na tému vplyvu umelej inteligencie na vedecký výskum.“ ČO JE TO „PROMPTOVANIE“? •Promptovanie nie je len o zadávaní otázok – je to spôsob, ako štruktúrovane komunikovať s umelou inteligenciou. Čím lepšie sformulujete svoj prompt, tým presnejšiu a užitočnejšiu odpoveď získate. Promptovanie je viac zručnosť ako znalosť NAJBEŽNEJŠIE TYPY PROMPTOV (STRUČNÝ PREHĽAD) •1. Informačné otázky (faktografické promptovanie) •2. Textové výstupy (generovanie obsahu) •3. Štrukturalizované výstupy (zoznamy, tabuľky, prehľady) •4. Prepisovanie, preklad a zjednodušenie textu •5. Kreatívne nápady a brainstorming KOMBINOVANIE PROMPTOV Kombináciou rôznych typov promptov viete vytvárať zložitejšie úlohy. Napríklad: •„Vytvor tabuľku porovnávajúcu 3 vedecké databázy podľa oblasti pokrytia, jazyka, a funkcií. Na záver napíš krátke odporúčanie pre študentov humanitných vied.“ TECHNIKY PROMPTOVANIA •Prehľad niektorých existujúcich rámce promptov, techník a štruktúrovaných prístupov kvytváraniu promptov: •Shot prompting techniky •CLEAR rámec •Google's päť krokový rámec •RGC Prompting •TOCD Prompt Template •... NIEKTORÉ TECHNIKY PROMPTOVANIA Shot Prompting Techniky generovania textu, na základe množstvaposkytnutých referenčných údajov. •Zero Shot: Neposkytnutie žiadnych predchádzajúcich údajov alebo usmernení pred požiadavkou. •One Shot: Poskytnutie jedného údaju alebo usmernenia pre referencie. •Few Shot: Poskytnutie viacerých údajov alebo usmernení pre referencie Z ČOHO SA SKLADÁ PROMPT – ZÁKLADNÝ VZOREC [persóna] + [kontext] + [úloha] / [príklad] + [formát] + [hlas] Inštrukcia Kontext Vstupné údaje Indikátor výstupu Z ČOHO SA SKLADÁ PROMPT •Je dobré brať ohľad na poradie ich dôležitosti prvkov •Nie vždy je nutné využívať všetky prvky vzorca •Dodržanie poradia môže výrazne zlepšiť kvalitu a konzistenciu výstupov z veľkých jazykových modelov Z ČOHO SA SKLADÁ PROMPT – POVINNÉ PRVKY •Úloha: Jasné uvedenie toho, čo chcete, aby umelá inteligencia/jazykový model urobil (napr. vytvorila, podala, napísala, analyzovala). Toto je najdôležitejšia zložka. •Kontext a príklad(y): jazykový model navedú k usporiadaniu a lepšiemu zacieleniu vašej požiadavky. •Príklady alebo rámce slúžia na ilustráciu požadovanej štruktúry, štýlu alebo obsahu výstupu. Z ČOHO SA SKLADÁ PROMPT –JE DOBRÉ ICH MAŤ •Persóna, formát a hlas: tieto zložky nie sú nevyhnutne nutné, vo výsledku je však ich dobre zahrnúť (ak to prompt vyžaduje) •Persóna - špecifikácia úlohy, ktorú má umelá inteligencia prijať, cez ňu ovplyvňuje tón a perspektívu výstupu. •Formát - definuje požadovanú štruktúru alebo rozloženia výstupu (napr. email, tabuľka, odrážky, bloky kódu). •Hlas (tón)- nasmeruje jazykový model k požadovanej emocionálnej alebo štylistickej kvalite výstupu (napr. neformálny, formálny, vtipný, sebavedomý a pod.). Z ČOHO SA SKLADÁ PROMPT Na dosiahnutie dobrého výstupu nepotrebujete všetkých šesť zložiek v každom prompte. Dôležitosť jednotlivých prvkov sa líši v závislosti od konkrétnej úlohy a požadovaného výsledku. Promptovanie je viac zručnosť ako znalosť PRÍKLADY PRÍKLADY PRÍKLADY PRÍKLADY CHATBOTY, MODELY A STRUČNÝ PREHĽAD ChatGPT, ak chcete využiť to najlepšie, čo chatbot môže ponúknuť. Je ľahko použiteľný a veľa funkcií môžete využívať zadarmo. Legacy modely: GPT-4.5; GPT-4.1; GPT-40; o4-mini Aktuálny model: GPT-5 GPT-5 Pozitíva ▪Viac relevantné odpovede ako konkurencia ▪Dobrý v zdrojovaní aktuálnych informácií ▪Výborné deep search a slohové schopnosti ▪Dobrá generácia obrázkov a rozoznávania obsahu obrazového materiálu Negatíva ▪Vysoká cena ▪Niekedy má stále problém s faktami CHATBOTY, MODELY A STRUČNÝ PREHĽAD Ak už používate aplikácie Google, ako sú Docs, Drive, Gmail a Sheets, Gemini je chatbot, ktorý by ste mohli využívať. Vďaka jeho bohatým integráciám je všetko, od generovania e-mailov až po vytváranie zoznamov či generovania ilustrácií. Modely: 2.0 Flash and 2.5 Pro Pozitíva ▪Komplexné uvažovanie, spracovávanie súborov v kombinácií s vyhľadávaním na webe. ▪Robustná integrácia s ostatnými Google aplikáciami ▪Platená verzia zahŕňa 2TB Google One úložného miesta ▪Výborné generovanie videa s audiom ▪Slušná práca s obrázkami (Nano Banana) Negatíva ▪Občas nesprávne odpovede ▪Nejednoznačné zdrojovanie deep search CHATBOTY, MODELY A STRUČNÝ PREHĽAD Copilot, je umelá inteligencia integrovaná s ekosystémom Microsoft. Je to slušná voľba, ak používate predovšetkým webový prehliadač Edge a sadu Microsoft 365. Modely: GPT-4 Pozitíva ▪Konverzačná hlasová interakcia s možnosťou Think Deeper. ▪Aplikácie pre počítače, mobilné zariadenia a web. ▪Generuje kód, obrázky a text. ▪Zhrňuje aktuálne informácie z webu. ▪Obsahuje odkazy na zdroje. ▪Veľa funkcií je zadarmo. Negatíva ▪Niektoré odpovede sú pomalé. ▪Neuspokojivé, nedokonalé ovládanie počítača prostredníctvom aplikácie pre Windows. CHATBOTY, MODELY A STRUČNÝ PREHĽAD Claude je skvelou voľbou, ak máte záujem vyskúšať umelú inteligenciu, ale máte obavy o súkromie. Stojí za to vyskúšať aj v prípade, že chcete vytvoriť aplikáciu bez predchádzajúcich programátorských znalostí. Mnohí vývojári považujú Claude za užitočný pre jeho programovacie schopnosti. Modely: Opus 4 and Sonnet 4 Pozitíva ▪Jednoznačný postoj ohľadom zhromažďovania osobných údajov a ochrane súkromia. ▪Intuitívny dizajn. ▪Pokročilé schopnosti komplexného uvažovania, kreatívneho písania, spracovania súborov a vyhľadávania na webe. ▪Zaujímavá funkcia vytvárania vlastných aplikácií. Negatíva ▪Chýbajúce funkcie, ako napríklad generovanie obrázkov a videí. ▪Menej robustný „deep search“ v porovnaní s konkurenciou. CHATBOTY, MODELY A STRUČNÝ PREHĽAD Grok stojí za vyskúšanie, ak vás viac zaujímajú jedinečné (alebo “dospelé”) funkcie chatbota viac ako jeho vyhľadávacie schopnosti alebo možnosti integrácie. Ak chcete odpovede na otázky zohľadňujúce zdroje z X, Grok vám v tom dokáže pomôcť. Modely: Grok 3 a Grok 4 Pozitíva ▪Unikátne funkcie, ako napríklad virtuálni spoločníci a vyhľadávanie X. ▪Dobré schopnosti komplexného uvažovania, spracovania súborov a vyhľadávania na webe. ▪Utrhnutá z reťaze, dokáže vytvárať aj NSFW obsah, ak máte záujem. Negatíva ▪Nepresvedčivé generovanie obrázkov a videa. ▪Obmedzené schopnosti vyhľadávania a dokladania zdrojov. ▪Občas nesprávne odpovede. CHATBOTY, MODELY A STRUČNÝ PREHĽAD Aplikácia je hostovaná v Číne a nie je jasné, ako sa spracovávajú údaje, ktoré odosielate prostredníctvom DeepSeek, čo predstavuje potenciálny problém v oblasti ochrany súkromia. Ak máte obavy, môžete model naďalej používať v iných aplikáciách, napríklad Perplexity. Modely: DeepSeek V3 a R1 Pozitíva ▪Bezplatný ▪Pokročilý model uvažovania R1 Negatíva ▪Používanie pôvodnej aplikácie môže spôsobiť problémy s ochranou osobných údajov. ĎAKUJEM ZA POZORNOSŤ MICHAL NEMEC [email protected] Elektronické informačné zdroje – SKeLib eiz.cvtisr.sk Webináre: eiz.cvtisr.sk/home-kurzy-a-webinare/webinare/ Generované ChatGPT 5 13-10-2025 BIBLIOGRAFIA •AMRAM, Tess, Robin Goodfellow MALAMUD a Cheryl HOLLINGSWORTH, 2023. Response to “From ChatGPT to CatGPT”. Information Technology and Libraries [online]. 2023, roč. 42, č. 4 [cit. 11.4.2025]. ISSN 2163-5226. Dostupné na: doi:10.5860/ital.v42i4.16983 •BOZKURT, Aras, 2023. Unleashing the potential of generative AI, conversational agents and chatbots in educational praxis: A systematic review and bibliometric analysis of GenAI in education. Open Praxis [online]. 2023, roč. 15, č. 4 [cit. 11.4.2025]. ISSN 13699997. Dostupné na: doi:10.55982/openpraxis.15.4.609 •BOZKURT, Aras, 2024. Tell Me Your Prompts and I Will Make Them True: The Alchemy of Prompt Engineering and Generative AI. Open Praxis [online]. 2024, roč. 16, č. 2 [cit. 11.4.2025]. ISSN 1369-9997. Dostupné na: doi:10.55982/openpraxis.16.2.661 •HAMAD, Faten a Ahmed SHEHATA, 2024. The potential of GPTs for enhanced information access and user services at academic libraries. IFLA Journal [online]. 2024, s. 03400352241298958 [cit. 11.4.2025]. ISSN 0340-0352. Dostupné na: doi:10.1177/03400352241298958 •HO, Eric C. a Xun YAN, 2021. Using community of practice to characterize collaborative essay prompt writing and its role in developing language assessment literacy for pre-service language teachers. System [online]. 2021, roč. 101, s. 102569 [cit. 3.6.2025]. ISSN 0346251X. Dostupné na: doi:10.1016/j.system.2021.102569 •CHEN, Suzhen a Mingyan AND LI, 2024. AI for Cataloging and Metadata Creation: Perspectives and Future Opportunities from Cataloging and Metadata Professionals. Technical Services Quarterly [online]. 2024, roč. 41, č. 4, s. 317–332 [cit. 11.4.2025]. ISSN 0731-7131. Dostupné na: doi:10.1080/07317131.2024.2394919 •CHMIELINSKI, Kasia et al., 2024. The CLeAR Documentation Framework for AI Transparency: Recommendations for Practitioners & Context for Policymakers. Shorenstein Center. Available from: https://shorensteincenter.org/publications/clear-documentationframework-ai-transparency/ BIBLIOGRAFIA •JOHN, Ibrahim, 2023. The Art of Asking ChatGPT for High-Quality Answers: A Complete Guide to Prompt Engineering Techniques. Nzunda Technologies Limited. ISBN 9781234567890, ISBN 1477123456. •KOUSHA, Kayvan, 2024. How is ChatGPT acknowledged in academic publications? Scientometrics [online]. 2024, roč. 129, č. 12, s. 7959–7969 [cit. 14.4.2025]. ISSN 1588-2861. Dostupné na: doi:10.1007/s11192-024-05193-y •LI, LiLi a Kay COATES, 2024. Academic library online chat services under the impact of artificial intelligence. Information Discovery and Delivery [online]. 2024, roč. 53, č. 2, s. 192–205 [cit. 11.4.2025]. ISSN 2398-6255. Dostupné na: doi:10.1108/IDD-11-2023-0143 •LO, Leo S., 2023. The CLEAR path: A framework for enhancing information literacy through prompt engineering. The Journal of Academic Librarianship [online]. 2023, roč. 49, č. 4, s. 102720 [cit. 3.6.2025]. ISSN 0099-1333. Dostupné na: doi:10.1016/j.acalib.2023.102720 •LUND, Brady D. a Ting WANG, 2023. Chatting about ChatGPT: how may AI and GPT impact academia and libraries? Library Hi Tech News [online]. 2023, roč. 40, č. 3, s. 26–29 [cit. 14.4.2025]. ISSN 0741-9058. Dostupné na: doi:10.1108/LHTN-01-2023-0009 BIBLIOGRAFIA •MILLER-NESBITT, Andrea, 2024. ChatGPT not Useful as a Tool to Streamline Library Cataloguing Processes. Evidence Based Library and Information Practice [online]. 2024, roč. 19, č. 2, s. 145–147 [cit. 11.4.2025]. ISSN 1715-720X. Dostupné na: doi:10.18438/eblip30524 •POURAMINI, Ahmad a Hesham FAILI, 2024. Matching tasks to objectives: Fine-tuning and prompt-tuning strategies for encoder-decoder pre-trained language models. Applied Intelligence [online]. 2024, roč. 54, č. 20, s. 9783–9810 [cit. 11.4.2025]. ISSN 1573-7497. Dostupné na: doi:10.1007/s10489-024-05660-2 •TANIGUCHI, Shoichi, 2024. Creating and Evaluating MARC 21 Bibliographic Records Using ChatGPT. Cataloging & Classification Quarterly [online]. 2024, roč. 62, č. 5, s. 527–546 [cit. 11.4.2025]. ISSN 0163-9374. Dostupné na: doi:10.1080/01639374.2024.2394513 •ZAVALIN, Vyacheslav a Oksana L. ZAVALINA, 2025. Are we there yet? Evaluation of AI-generated metadata for online information resources. Information Research an international electronic journal [online]. 2025, roč. 30, č. iConf, s. 732–740 [cit. 11.4.2025]. ISSN 1368-1613. Dostupné na: doi:10.47989/ir30iConf47215 •ZHAO, Biao, Weiqiang JIN, Javier DEL SER a Guang YANG, 2023. ChatAgri: Exploring potentials of ChatGPT on crosslinguistic agricultural text classification. Neurocomputing [online]. 2023, roč. 557, s. 126708 [cit. 11.4.2025]. ISSN 0925-2312. Dostupné na: doi:10.1016/j.neucom.2023.126708 •ZHANG, Guanglu et al. Trust in an AI versus a Human teammate: The effects of teammate identity and performance on Human-AI cooperation. In: Computers in Human Behavior [online]. 2023, roč. 139, s. 107536. ISSN 0747-5632. DOI: 10.1016/j.chb.2022.107536