Некоторые отличия промпт-инжиниринга от машинного обучения:

Цель и задачи:

• Машинное обучение (ML) — создание алгоритмов и моделей, которые способны обучаться, используя данные, составлять прогнозы, а также принимать решения без программирования. 2 Одна из ключевых целей ML — создание моделей, которые способны выдавать точные предсказания для новых данных, которые ранее не применялись в процессе обучения. 2
• Промпт-инжиниринг — разработка и оптимизация текстовых запросов (промтов) для управления поведением ИИ. 1 Основная задача — формулировать запросы так, чтобы модель предоставляла максимально точные и полезные ответы, что особенно важно при решении задач, требующих учёта множества деталей. 3

Подход:

• Машинное обучение предполагает создание самообучающихся компьютерных систем, для которых разработчики не прописывают конкретные алгоритмы решения задач, а предоставляют подготовленные данные и описывают критерии успешного решения, по которым учатся нейросети. 9
• Промпт-инжиниринг работает путём преобразования одной или нескольких задач в набор данных на основе подсказок и обучения языковой модели с помощью «обучения на основе подсказок» (англ. prompt-based learning) или просто «обучения c подсказками» (англ. prompt learning). 1

Таким образом, машинное обучение фокусируется на самостоятельном обучении систем, в то время как промпт-инжиниринг направлен на структурирование входных данных таким образом, чтобы добиться от модели высокой точности, когерентности и предсказуемости. 1