.
ADepois de toda a empolgação inicial com o ChatGPT, a ferramenta de processamento de linguagem impulsionada por inteligência artificial (IA), o uso de chatbots está se tornando mais comum. Então, como você treina sua IA para o trabalho e para casa? Respondemos a algumas perguntas simples.
O que é engenharia imediata?
É uma técnica para se comunicar efetivamente com modelos generativos de IA. Sistemas como ChatGPT, Bard e Dall-E produzirão texto, imagens e trechos de música quando alimentados com uma entrada – chamada de prompt – que os instrui sobre o que gerar. Mas a formulação de um prompt pode alterar drasticamente a saída retornada. A engenharia de prompt é o processo de formular um prompt para um sistema de IA, de modo que produza uma saída que corresponda às suas expectativas.
Como é diferente de apenas fazer perguntas?
Requer mais cuidado. Faça uma pergunta de cabeça no ChatGPT e ela pode fornecer uma resposta satisfatória ou não. A engenharia de prompt envolve considerar as idiossincrasias de um modelo de IA para construir entradas que serão claramente compreendidas. Isso tende a produzir resultados que são consistentemente úteis, interessantes e apropriados para o que você tem em mente. Formule bem o prompt e a resposta pode até superar as expectativas.
Por que eu deveria me importar?
Chatbots como ChatGPT, Bard e Bing Chat podem ser extremamente convenientes para concluir tarefas administrativas diárias. Os advogados os usaram para redigir e-mails, resumir notas de reuniões, redigir contratos, planejar feriados e fornecer respostas a perguntas complexas quase instantaneamente.
“Qualquer um pode ter um dos assistentes pessoais mais poderosos do planeta, o que os torna mais produtivos ou permite que criem coisas que normalmente não fariam”, diz Jules White, professor associado de ciência da computação na Vanderbilt University em Nashville, Tennessee. “Mas você tem que entender como interagir com isso.” E isso significa saber como solicitar de forma eficaz.
Um toque de conhecimento de alerta também pode impressionar os gerentes de contratação. Matt Burney, consultor de estratégia de talentos do site de carreiras Indeed, diz que o número de anúncios de emprego pedindo proficiência em IA é pequeno, mas crescente, e empresas de vários setores estão cada vez mais procurando como integrar os modelos em seus fluxos de trabalho. “Se você não estiver usando agora, ficará atrás da curva daqueles que estão”, diz ele.
Então, como faço isso?
Existem várias técnicas de solicitação populares. Empregar personas é um truque comum. Diga ao sistema para atuar como advogado, tutor pessoal, sargento ou qualquer outra coisa, e ele criará saídas imitando seu tom e voz. Ou, como um exercício inverso, instrua-o a concluir uma tarefa com um público específico em mente – uma criança de cinco anos, uma equipe de bioquímicos especialistas, uma festa de Natal no escritório – e você obterá um resultado personalizado para esse grupo demográfico. Crucialmente, você não precisa conhecer as características estilísticas da persona sozinho, mas pode deixar isso para o sistema descobrir.
A sugestão de cadeia de pensamento, por sua vez, é mais apropriada para a solução de problemas. Pedir ao modelo para “pensar passo a passo” irá incentivá-lo a particionar sua saída em pequenos pedaços, o que geralmente resulta em resultados mais abrangentes. Alguns pesquisadores também descobriram que mostrar a um modelo de IA um problema de exemplo com sua solução passo a passo melhorará sua capacidade de encontrar a resposta correta ao resolver outras questões semelhantes.
Na verdade, exemplos nunca machucam. Se você tem uma saída muito específica em mente, carregue uma amostra de texto ou uma imagem ilustrando o que deseja gerar e instrua o modelo a usá-lo como modelo. Se o resultado estiver inicialmente fora do alvo, mais algumas rodadas de ajustes claramente especificados podem resolver o problema. “Você quer pensar nisso como uma conversa contínua onde você começa, itera e refina”, diz White
E não se esqueça do básico da linguagem cotidiana: instruções claras e imperativas que minimizam a má interpretação. Indique explicitamente o que você quer e o que não quer da saída e defina uma contagem de palavras e um formato claros.
O que devo evitar?
Linguagem vaga. Sem informações adicionais, os modelos de IA não podem inferir seus gostos, ideias ou a visão do produto que está em sua cabeça. Não economize em detalhes ou contexto e não assuma que, se algo estiver faltando, o modelo preencherá corretamente o espaço em branco.
Isso pode impedir que a IA jorre imprecisões?
Não. Grandes modelos de linguagem fabricarão fontes mesmo quando explicitamente instruídos a não fazê-lo e fornecem informações que parecem plausíveis, mas são totalmente falsas. “Esse é um problema intratável com esses modelos”, diz Mhairi Aitken, bolsista de ética do Instituto Alan Turing, baseado na Biblioteca Britânica em Londres. “Eles são projetados para prever uma sequência de palavras que replicam a linguagem humana, mas não há conexão com a verdade ou a realidade.”
Sugestão perspicaz pode, no entanto, ajudar a lidar com falsidades depois que elas aparecem. “Se o chatbot fizer afirmações incorretas, você pode apontar os erros e pedir para reescrever a resposta com base no seu feedback”, diz Marcel Scharth, professor de análise de negócios da Universidade de Sydney.
White sugere pedir ao modelo para produzir uma lista dos fatos fundamentais nos quais sua saída depende, para que você possa verificá-los individualmente. Ou forneça uma lista numerada de fatos nos quais basear sua resposta e faça referência a cada um deles quando forem usados, para acelerar a verificação de fatos posteriormente.
Isso pode ser uma carreira?
Para algumas pessoas, talvez. Os desenvolvedores de IA contrataram engenheiros imediatos para testar as limitações e deficiências de seus modelos, para que possam ser refinados para lidar melhor com as entradas do usuário.
Mas a longevidade dessas posições não é garantida. Rhema Linder, professor de ciência da computação na Universidade do Tennessee, sugere que os desenvolvedores podem preferir cientistas da computação especializados a autodenominados engenheiros de prontidão, e a ausência de certificação reconhecida pela indústria significa que é difícil avaliar a capacidade de prontidão de uma pessoa.
No mercado de trabalho mais amplo, a engenharia imediata provavelmente seguirá o caminho do gerenciamento de planilhas ou da otimização de mecanismos de pesquisa – uma habilidade exigida em uma variedade de funções e valorizada pelos gerentes de contratação como outra vantagem no currículo.
“A experiência de usar um grande modelo de linguagem ou transformador generativo pré-treinado será um requisito para praticamente todos os trabalhos de escritório”, diz Burney. “Porque se você não conseguir, vai demorar mais para atingir seus objetivos.”
Isso tudo ficará obsoleto?
Assim como os modelos de IA não são estáveis, as práticas recomendadas de engenharia também não são. As técnicas que funcionam com sistemas agora podem ser menos úteis em versões atualizadas, embora não esteja claro o quão abrangentes as mudanças podem ser.
“Acho que haverá conceitos e padrões centrais que não mudam”, diz White, que sugere que os desenvolvedores de IA tomem nota das técnicas de solicitação comuns. “Muitas dessas formas de expressar as coisas vão se tornar os benchmarks com os quais os novos modelos são treinados, então alguma engenharia imediata irá se alimentar dos próprios modelos.”
Mais significativamente, as habilidades dos modelos para compreender até mesmo os prompts mais vagos e não projetados podem melhorar drasticamente. “À medida que esses sistemas se tornam mais conversacionais e a interação com eles se torna mais intuitiva, talvez não precisemos de engenharia imediata no futuro”, diz Aitken.
Para alguns desenvolvedores, esse é o objetivo.
.
