Domine o ChatGPT aprendendo engenharia imediata.
A maioria de nós usa o ChatGPT de maneira errada.
Não incluímos exemplos em nossos prompts. Ignoramos que podemos controlar o comportamento do ChatGPT com funções. Deixamos o ChatGPT adivinhar as coisas em vez de fornecer algumas informações.
Isso acontece porque usamos principalmente prompts padrão que podem nos ajudar a realizar o trabalho uma vez, mas não o tempo todo.
Precisamos aprender como criar prompts de alta qualidade para obter melhores resultados. Precisamos aprender engenharia imediata! E, neste guia, aprenderemos 4 técnicas utilizadas na engenharia imediata.
Alguns prompts padrão de tiro
Poucos prompts padrão são os prompts padrão que vimos antes, mas com exemplos da tarefa neles.
Por que exemplos? Pois bem, se você quiser aumentar suas chances de obter o resultado desejado, é necessário adicionar exemplos da tarefa que o prompt está tentando resolver.
Os prompts padrão de poucas tentativas consistem em uma descrição da tarefa, exemplos e o prompt. Neste caso, o prompt é o início de um novo exemplo que o modelo deverá completar gerando o texto que falta.
Aqui estão os componentes de alguns prompts padrão de tiro.
Agora vamos criar outro prompt. Digamos que queremos extrair códigos de aeroporto do texto “Quero voar de Orlando para Boston”
Aqui está o prompt padrão que a maioria usaria.
Extraia os códigos do aeroporto deste texto: “Quero voar de Orlando para Boston”
Isso pode resolver o problema, mas às vezes pode não ser suficiente. Nesses casos, você deve usar alguns prompts padrão.
Extraia os códigos do aeroporto deste texto:
Texto: “Quero voar de Los Angeles para Miami.” Códigos do aeroporto: LAX, MIA
Texto: “Quero voar de Nashville para Kansas City.” Códigos do aeroporto: BNA, MCI
Texto: “Quero voar de Orlando para Boston” Códigos do aeroporto:
Se tentarmos o prompt anterior no ChatGPT, obteremos o código do aeroporto no formato que especificamos no exemplo (MCO, BOS)
Lembre-se de que pesquisas anteriores descobriram que as respostas reais nos exemplos não são importantes, mas o labelspace é. Um labelspace são todos os rótulos possíveis para uma determinada tarefa. Você pode melhorar os resultados de seus prompts fornecendo rótulos aleatórios do labelspace.
Vamos testar isso digitando códigos aleatórios de aeroporto em nosso exemplo.
Extraia os códigos do aeroporto deste texto:
Texto: “Quero voar de Los Angeles para Miami.” Códigos do aeroporto: DEN, OAK
Texto: “Quero voar de Nashville para Kansas City.” Códigos do aeroporto: DAL, IDA
Texto: “Quero voar de Orlando para Boston” Códigos do aeroporto:
Se você tentou o prompt anterior no ChatGPT, ainda obterá os códigos de aeroporto corretos MCO e BOS.
Quer seus exemplos estejam corretos ou não, inclua rótulos aleatórios do labelspace. Isso o ajudará a melhorar os resultados e instruirá o modelo sobre como formatar a resposta ao prompt.
Solicitação de função
Às vezes, o comportamento padrão do ChatGPT não é suficiente para conseguir o que deseja. É quando você precisa definir uma função para ChatGPT.
Digamos que você queira praticar para uma entrevista de emprego. Ao dizer ao ChatGPT para “atuar como gerente de contratação” e adicionar mais detalhes ao prompt, você poderá simular uma entrevista de emprego para qualquer cargo.
Como você pode ver, o ChatGPT se comporta como se estivesse me entrevistando para um cargo.
Assim, você pode transformar o ChatGPT em um professor de idiomas para praticar uma língua estrangeira como o espanhol ou em um crítico de cinema para analisar qualquer filme que desejar.
Adicione personalidade às suas solicitações e gere conhecimento
Essas duas abordagens de prompt são boas quando se trata de gerar texto para e-mails, blogs, histórias, artigos, etc.
Primeiro, por “adicionar personalidade aos nossos prompts” quero dizer adicionar um estilo e descritores. Adicionar um estilo pode ajudar nosso texto a obter um tom específico, formalidade, domínio do escritor e muito mais.
Escreva [tópico] no estilo de um especialista em [área] com mais de 10 anos de experiência.
Para personalizar ainda mais a saída, podemos adicionar descritores. Um descritor é simplesmente um adjetivo que você pode adicionar para ajustar seu prompt.
Digamos que você queira escrever uma postagem de 500 blogs sobre como a IA substituirá os humanos. Se você criar um prompt padrão com as palavras “escreva uma postagem de 500 blogs sobre como a IA substituirá os humanos”, provavelmente obterá uma postagem muito genérica.
No entanto, se você adicionar adjetivos como inspirador, sarcástico, intrigante e divertido, o resultado mudará significativamente.
Vamos adicionar descritores ao nosso prompt anterior.
Escreva uma postagem espirituosa de 500 pessoas no blog sobre por que a IA não substituirá os humanos. Escreva no estilo de um especialista em inteligência artificial com mais de 10 anos de experiência. Explique usando exemplos engraçados
No nosso exemplo, o estilo de um especialista em IA e adjetivos como espirituoso e engraçado dão um toque diferente ao texto gerado pelo ChatGPT. Um efeito colateral disso é que nosso texto será difícil de ser detectado pelos detectores de IA (neste artigo, mostro outras maneiras de enganar os detectores de IA).
Finalmente, podemos usar a abordagem do conhecimento gerado para melhorar a postagem do blog. Consiste em gerar informações potencialmente úteis sobre um tema antes de gerar uma resposta final.
Por exemplo, antes de gerar o post com o prompt anterior poderíamos primeiro gerar conhecimento e só depois escrever o post.
Gere 5 fatos sobre “A IA não substituirá os humanos”
Assim que tivermos os 5 fatos, podemos fornecer essas informações ao outro prompt para escrever uma postagem melhor.
# Fato 1 # Fato 2 # Fato 3 # Fato 4 # Fato 5
Use os fatos acima para escrever uma postagem espirituosa de 500 blogs sobre por que a IA não substituirá os humanos. Escreva no estilo de um especialista em inteligência artificial com mais de 10 anos de experiência. Explique usando exemplos engraçados
Caso você tenha interesse em conhecer outras formas de melhorar suas postagens usando o ChatGPT, confira este guia.
Solicitação de cadeia de pensamento
Ao contrário da solicitação padrão, na solicitação em cadeia de pensamento, o modelo é induzido a produzir etapas intermediárias de raciocínio antes de dar a resposta final a um problema. Em outras palavras, o modelo explicará seu raciocínio em vez de dar diretamente a resposta a um problema.
Por que o raciocínio é importante? A explicação do raciocínio geralmente leva a resultados mais precisos.
Para usar a cadeia de pensamento, temos que fornecer alguns exemplos onde o raciocínio é explicado no mesmo exemplo. Desta forma, o processo de raciocínio também será mostrado ao responder ao prompt.
Aqui está uma comparação entre o padrão e a cadeia de pensamento.
Como podemos ver, o fato de o modelo ter sido induzido a explicar seu raciocínio para resolver esse problema matemático levou a resultados mais precisos na cadeia de pensamento.
Observe que a estimulação da cadeia de pensamento é eficaz para melhorar os resultados em tarefas de aritmética, bom senso e raciocínio simbólico.