Modelos geradores de inteligência artificial como o ChatGPT estão prestes a transformar radicalmente a forma como as pessoas vivem e trabalham. Mas para obter os resultados precisos e relevantes que você deseja e precisa do seu modelo de IA, é crucial fornecer os tipos certos de informações – e é exatamente esse o papel da engenharia de prompts. Neste guia prático e repleto de exemplos concretos, o cientista de dados James Phoenix e o instrutor de IA generativa Mike Taylor ensinam os meandros da elaboração de prompts baseados em texto e imagem que irão produzir resultados desejáveis.
Siga certos princípios básicos para otimizar o seu modelo de IA.
A engenharia de prompts descreve as técnicas pelas quais um usuário pode desenvolver comandos que estimulem um modelo de IA a gerar um resultado desejável. Prompts bem elaborados fornecem conjuntos de instruções em texto – seja para grandes modelos de linguagem (LLMs), como o ChatGPT, ou IAs de difusão relacionadas a imagens, como o Midjourney. Os resultados de uma boa engenharia de prompts serão resultados substanciais. Em geral, os LLMs são treinados por toda a Internet, mas podem ser refinados por você. Informações genéricas tendem a criar resultados previsíveis, mas instruções cuidadosamente elaboradas podem provocar respostas mais precisas e convincentes.
Os LLMs preveem essencialmente o que acontece a seguir em uma sequência – começando com o prompt. Um prompt – e a engenharia envolvida – leva em conta quatro princípios básicos:
- Clareza do tipo de resposta desejado – Se, por exemplo, você quiser uma lista de nomes de produtos, informe à IA a categoria do produto e forneça qualquer contexto adicional que possa ajudar a aumentar a precisão e a relevância...
James Phoenix ministrou mais de 60 cursos de ciência de dados na General Assembly e por meio da sua empresa, a Vexpower. Mike Taylor criou a agência de marketing internacional Ladder e também ensina IA generativa por meio da Vexpower.
Comente sobre este resumo