Mga Artikulo
Ang wika ng Prompt mo ang nagpapasya kung aling parallel universe ng training data ang kausap mo
Huwag nang isalin sa English ang Prompt para lang makatipid ng Token! Bakit habang mas ginagawa mong English ang Prompt, mas madalas sumagot ang AI ng "給到" at "質量"? Pinagsasama ng artikulong ito ang pananaliksik sa language model mula sa ACL at praktikal na karanasan para ipaliwanag kung bakit ang "teknikal na termino sa orihinal + paglalarawan sa sariling wika + malinaw na anchor ng rehiyon" ang pinakamainam na paraan para bawasan ang gastos ng paulit-ulit na pagwawasto.
· 9 minutong basa
Huwag nang isalin sa English ang Prompt: bakit habang mas gusto mong makatipid ng Token, mas madalas sumagot ang AI ng "給到" at "質量"?
TL;DR (pangunahing konklusyon)
Ito ang pinakamainam na pormula sa pagsulat ng Prompt: "teknikal na termino sa orihinal na English + Context ng pangangailangan sa sariling wika ng target na audience + malinaw na pagtukoy sa rehiyon at audience bilang anchor". Hindi nito ginagarantiyang 100% na pinaka-natural ang bawat output, pero malaki ang itinataas nito sa tsansang tumama agad sa unang try, kaya nababawasan ang abala ng paulit-ulit na pag-aayos ng tono at pagpili ng salita.
Maraming engineer at mabibigat na gumagamit ng AI ang may ganitong gawi: para makatipid ng kaunting Token, o dahil narinig nilang "mas maayos ang lohika kapag English ang tanong sa AI", isinasalin muna nila ang pangangailangan sa English gamit ang translation tool bago i-send ang Prompt, at sa dulo ay dinadagdagan ng Please reply in Traditional Chinese.
Ano ang resulta? Nakatipid ka ng ilang sentimo sa Token, pero ang kapalit ay mga pangungusap na puno ng "ang solusyong ito ay makakapag-給到 sa iyo ng magandang karanasan" at "paano i-優化 ang 質量 ng 代碼". Tapos 10 minuto mo pang manu-manong papalitan ang mga salitang iyon ng karaniwang gamit sa Taiwan.
Ang wikang ginamit mo sa pagtatanong ang nagpapasya kung sa corpus ng aling grupo ng mga tao hahanapin ng AI ang sagot.
I. Isang totoong kaso: bakit laging "給到" ang isinusulat ng AI?#
Noong nakaraan, pinagawa ko sa AI ang isang buod ng impormasyon at hiniling kong Traditional Chinese ang output. Maayos ang lohika ng nilalaman, pero may lumabas na pangungusap na may "給到…".
Ang "給到" ay tipikal na salita sa trabaho sa mainland China, at halos hindi ito ginagamit ng mga taga-Taiwan sa pang-araw-araw na usapan.
Hindi ang problema ay hindi nakakaintindi ng Chinese ang AI, kundi na "ang wika ay hindi katumbas ng rehiyon, at ang Traditional Chinese ay hindi katumbas ng Taiwan".
Sa training corpus ng malalaking language model (LLM), mas marami ang datos sa Simplified Chinese kaysa sa Traditional Chinese. Kapag English lang ang gamit mong utos at humihiling ka ng Traditional Chinese, madaling gamitin ng modelo ang pinakamalaking bahagi ng Chinese na datos (karamihan ay galing sa mainland China), at ililipat lang ito sa Traditional na anyo ng karakter.
Ang pagsulat ng Prompt sa sariling wika ay nagtutulak lang sa AI papunta sa lokal na gamit; kailangan mong sabihin nang malinaw ang "rehiyon" at ang "audience" para mapunan ang huling puwang sa konteksto.
II. Bakit direktang binabago ng wika ng tanong ang sagot ng AI?#
Hindi ito misteryo; natural na bunga ito ng pinagbabatayang paraan ng paggana ng mga language model. Mula sa teknikal at pananaliksik na pananaw, may tatlong pangunahing dahilan:
1. Ang pundasyon ng AI ay "conditional probability at next-word prediction"#
Para sa iisang bagay, magkakaiba talaga ang panimulang punto, mga karaniwang pananalita, at pagpapahalaga ng mga tao sa iba't ibang komunidad ng wika. Naka-compress ang lahat ng pagkakaibang ito sa mga weight ng training data. Kapag English ang pagtatanong mo, ang modelo ay magpapatuloy sa corpus ng mundong English; kapag gumamit ka ng mga salitang Traditional Chinese na karaniwan sa Taiwan, saka lang mas madaling mapunta ang modelo sa probability distribution ng konteksto ng Taiwan.
2. Kinumpirma ng pananaliksik: ang wika ng tanong ang nagti-trigger ng katugmang cultural alignment (Cultural Alignment)#
May pananaliksik na inilathala sa ACL noong 2024 (AlKhamissi et al., 2024, arXiv:2402.13231) na nag-simulate ng mga social survey sa Egypt at United States. Natuklasan ng research team na kapag ang pangunahing wika ng isang kultura ang ginamit sa pagtatanong, mas lumalapit nang malaki ang distribusyon ng sagot ng LLM sa tunay na resulta ng survey sa mga tao roon. Natuklasan din ng pananaliksik na habang mas kaunti ang kinakatawan ng isang grupo at mas sensitibo ang paksa, mas lumalaki ang bias ng modelo.
3. Ang wika at pagpili ng salita ang pangunahing pahiwatig ng AI kung "sino ka"#
Hindi ka kilala ng AI. Kung walang nakaloading na masalimuot na personal na alaala (Memory), ang wikang ginagamit mo, ang mga teknikal na terminong isinisingit mo, pati ang gawi mo sa bantas, ay mga di-tuwirang pahiwatig na ginagamit ng modelo para hulaan ang "background ng nagtatanong" at ang "inaasahang antas ng output".
III. Hindi lang wika: bahagi rin ng Prompt ang "tono"#
Bukod sa pagpili ng tamang wika, nakakaapekto rin sa performance ng modelo ang "antas ng pagiging magalang" na ipinapakita mo sa sariling wika.
Isa pang cross-language na pananaliksik tungkol sa mga Prompt sa English, Chinese at Japanese (Yin et al., 2024, arXiv:2402.14531) ang nagsabing kapag sobrang bastos o magaspang ang pakikitungo sa AI, kadalasang bumababa ang kalidad ng nabubuo; pero hindi rin garantiya ng mas magandang performance ang sobrang magalang at paliguy-ligoy. Mas mahalaga, bawat wika ay may sariling "pinakamainam na antas ng pagkamagalang (Sweet Spot)", ang pinakaangkop na ginintuang balanse, na iba-iba depende sa wika.
Kapag sa sarili mong pinakapamilyar na wika ka sumulat, saka mo lang tumpak na makokontrol ang tono (halimbawa: "diretso ang tono, walang marketing na paligoy"), at maiiwasan mong mawala ang kontrol sa tono at estilo dahil sa matigas na salin sa English.
IV. Decision matrix ng Chinese vs. English na Prompt (kailan dapat gumamit ng English?)#
Hindi dahil idiniin ang kahalagahan ng sariling wika ay kailangan mo nang tuluyang iwanan ang English.
Ngayong sobrang mura na ng Input Token, matagal nang pekeng isyu ang "pagtitipid ng Token". Ang tunay na gastos ay ang "abala ng paulit-ulit na palitan at manu-manong pag-edit". Ang mahalaga ay hindi kung Chinese o English, kundi kung ang hinahabol mo sa sandaling iyon ay "lokal na konteksto" o "purong teknikal na kawastuhan".
Puwede mong gamitin nang direkta ang decision table na ito:
| Sitwasyon ng gawain |
Inirerekomendang wika ng pagsulat |
Pangunahing dahilan at estratehiya |
| Paglikha ng lokal na nilalaman (blog, marketing copy, UI copy ng produkto, sulat sa customer) |
Paglalarawan sa sariling wika + English na termino + anchor ng rehiyon |
Iwasan ang tunog-saling salita at mga gamit na hindi karaniwan sa Taiwan (gaya ng: 「視頻」, 「質量」, 「給到」), at direktang pumasok sa konteksto ng audience sa Taiwan. |
| Multilingual na pagsasalin sa iba't ibang bansa (halimbawa: Chinese papuntang Thai, lokalisadong multilingual na website) |
Utos sa sariling wika + malinaw na pagtukoy sa target na rehiyon at papel |
Iwasan ang paggamit ng English bilang pivot language dahil nagdudulot ito ng dobleng pagkawala ng kahulugan. |
| Purong code generation at Debug (arkitektura ng sistema, algorithm, pag-aayos ng bug) |
Puwede ang Chinese o English (inirerekomenda: lohika sa sariling wika + English na termino at Error Log) |
English talaga ang mga teknikal na keyword (API, PR, Deployment) at ang opisyal na dokumentasyon, kaya ang pag-iwan sa orihinal ay umaayon sa pinakatumpak na teknikal na weight. |
| Paghahanap ng pinakabagong banyagang teknikal na dokumento / akademikong papel |
Pangunahing English |
Karamihan ng orihinal na datos ay English, kaya ang direktang paggamit ng English na keyword sa paghahanap (RAG / Search) ang may pinakamataas na recall. |
V. Praktikal na Checklist: 5 puntong susuriin para makuha ang tumpak na sagot sa isang try#
Sa susunod na magsusulat ka ng Prompt na nangangailangan ng mataas na kalidad na Chinese output, huwag nang magbukas ng translation software. Gamitin agad ang listahang ito:
- Panatilihin sa orihinal ang mga teknikal na termino:
API, PR, Token, Deployment ay hindi dapat pilit isalin sa Chinese.
- Isulat sa sariling wika ang background at lohika: ipaliwanag nang malinaw ang Context ng pangangailangan sa wikang pinakamadali mong pag-isipan.
- Pilitin ang pagtukoy sa anchor ng rehiyon: huwag lang isulat ang "Traditional Chinese"; isulat nang malinaw ang "gumamit ng Traditional Chinese ng Taiwan at pang-araw-araw na pananalita sa Taiwan".
- Tukuyin ang audience at ang hangganan ng tono: halimbawa, "isulat para sa mga software engineer sa Taiwan", "diretso at obhetibo ang tono, walang pakiramdam ng marketing".
- Mag-spot check at gumawa ng guardrail laban sa mga bawal na salita: pagkatapos ng output, suriin ang isa o dalawang lokal na salita; kung madalas magkamali ang modelo, puwede mong direktang idagdag ang "mga bawal na salita: 給到, 質量, 優化, 視頻, 賦能".
Paghahambing ng halimbawang Prompt#
❌ Maling halimbawa (labis na tiwala sa English + malabong kondisyon):
Write a blog post about prompt language selection in Traditional Chinese. Make it professional.
✅ Tamang halimbawa (konteksto sa sariling wika + termino sa orihinal + anchor ng rehiyon at audience):
Gamitin ang Traditional Chinese na karaniwang ginagamit sa Taiwan, at sumulat ng teknikal na artikulo ng opinyon para sa mga engineer sa Taiwan, na ang paksa ay "Pagpili ng wika ng pagtatanong sa Prompt".
Mga kinakailangan:
1. Panatilihin sa orihinal na English ang mga teknikal na termino (gaya ng Token, Prompt, Context, API), huwag sadyang isalin.
2. Diretso at obhetibo ang tono; ibigay agad ang konklusyon at ang listahang maisasagawa, walang tonong pang-textbook o walang-lamang marketing na salita.
3. Mahigpit na gumamit ng lokal na pananalita sa Taiwan, at iwasan ang mga salitang gaya ng "給到、質量、視頻、代碼".
Mga Madalas Itanong (FAQ)#
Q1: Mas maraming Token ba ang magagamit at mas mabagal ba kapag Chinese ang pagsulat ng Prompt?#
Kapag iisa ang nilalaman, kadalasang mas marami nang kaunti ang bilang ng Token sa Chinese kaysa sa English, pero napakababa ng singil sa Input Token. Kumpara sa kaunting natipid na gastos sa Token, ang oras na nasasayang sa "pag-regenerate" o manu-manong pag-edit dahil mali ang konteksto ang tunay na pinakamahal na nakatagong gastos.
Q2: Bakit kahit hiniling ko na sa AI na gumamit ng "Traditional Chinese", may lumalabas pa ring salitang gamit sa mainland China?#
Dahil para sa modelo, ang Traditional Chinese ay madalas na tumutukoy lang sa "character encoding at anyo ng karakter (Script)", at hindi sa "kultura ng rehiyon (Locale)". Kasama sa Traditional Chinese ang corpus ng Hong Kong at Macau, ng Taiwan, at ng mga kinonvert mula Simplified papuntang Traditional. Kailangang malinaw na tukuyin ang "pananalita sa Taiwan (zh-TW)" at ang "target na audience (hal.: mga engineer sa Taiwan)" para maayos na mapaliit ang pagpili ng modelo ng mga salita.
Kung gusto mo ng sagot na lokal, magtanong ka sa lokal na wika, at ipaliwanag nang malinaw ang rehiyon.
Hindi lang sa pang-araw-araw na tanong at sagot angkop ang lohikang ito; ito rin ang pangunahing pundasyon ng lokalisasyon ng produkto para sa iba't ibang bansa. Sa susunod na artikulo, direkta nating ilalapat ang konseptong ito sa totoong engineering: "Kapag sinusuportahan ng website ang 22 locale, paano papagawain ang AI ng mga salin na tunay na natural at lokal?"