Ganancias:
- Explicar cómo funciona el modelo de lenguaje grande al predecir la siguiente palabra y qué significa esto para una escritura rápida.
- Puede mostrar por qué Prompt determina tanto la calidad de salida con un ejemplo de su propio trabajo.
- Al distinguir las fortalezas y debilidades del modelo, se puede decidir qué tareas utilizarlo de forma segura.
Introducción a la inteligencia artificial y el aviso: cómo "piensa" el modelo
La mejor manera de aprender realmente a escribir indicaciones es comprender primero cómo funciona la herramienta. En esta unidad, veremos la lógica básica del modelo de lenguaje grande (LLM para abreviar; es decir, el sistema de inteligencia artificial que produce texto), por qué es tan útil en su trabajo diario y dónde tiene sus límites. Las indicaciones escritas sin esta base a menudo conducen a la pregunta "¿por qué a veces producen excelentes resultados y otras veces resultados terribles?" Te deja solo con la pregunta. Esta incertidumbre desaparecerá en gran medida cuando se complete esta unidad.
¿Qué hace realmente un modelo de lenguaje grande?
En su definición más simple, el modelo de lenguaje grande es un sistema que predice la palabra más probable que seguirá al texto que usted proporciona. Al examinar miles de millones de oraciones, el modelo ha aprendido el patrón "qué palabra viene después de qué palabra". Cuando comienzas una oración, el modelo mira lo que se ha escrito hasta ahora y genera la continuación más probable, luego agrega la palabra generada a la entrada y predice la siguiente. Este ciclo continúa hasta que se completa la respuesta.
Aclaremos el término token utilizado aquí: token es la unidad más pequeña en la que el modelo descompone el texto; Tiene aproximadamente el tamaño de una palabra o parte de una palabra. El modelo avanza no palabra por palabra, sino token por token. La consecuencia práctica para ti es que el modelo no es un ser humano que "comprende" tu intención, sino una máquina predictiva muy poderosa que selecciona estadísticamente la continuación más adecuada para el texto que le das.
La implicación más importante de esta definición es que el determinante más poderoso de la dirección de la salida es el texto que usted proporciona como entrada. Entonces tu mensaje. El modelo no extrae una respuesta preparada de una base de datos, no realiza una búsqueda en vivo en Internet y no copia páginas (a menos que se indique específicamente lo contrario). Sólo produce el texto que mejor se adapta al contexto que le proporcionas. Un buen insumo es la condición más decisiva para un buen resultado.
¿Por qué "mismo modelo, resultado diferente"?
El modelo también utiliza un pequeño margen de aleatoriedad al elegir la palabra más probable cada vez; Por lo tanto, cuando haces la misma pregunta dos veces, es posible que no recibas exactamente las mismas oraciones. Esto no es un error, es parte del diseño. Tu trabajo consiste en trazar un marco lo suficientemente claro como para no dejar el resultado al azar. Cuanto más claro sea el marco, más cercanos y útiles serán los resultados de dos experimentos diferentes.
Paso a paso: ¿cómo avanza una solicitud a través del modelo?
- Lee la entrada. Cada palabra que escribes es una pista que guía la predicción. Cuando dices “como un abogado experimentado”, el modelo hace que los textos se acerquen más a ese tono con mayor probabilidad.
- Pesa el contexto. Los antecedentes, las limitaciones y los ejemplos que proporcione reducen la estimación. Si el contexto está vacío, el modelo llena los espacios en blanco con sus propios supuestos.
- Produce palabra por palabra. Cada token que produce se convierte en la entrada para el siguiente; entonces, la dirección que usted da al principio se traslada a toda la respuesta.
- Se detiene. Interrumpe la producción cuando la tarea se completa o alcanza la duración especificada.
Tres minicasos: diferencia inmediata en números
Caso 1: Profesional de marketing, asunto del correo electrónico. Cuando un experto en marketing dijo “sugiere un tema para la campaña”, le salieron 5 títulos generales y no le gustó ninguno; Pasó 20 minutos corrigiéndolo a mano. Al día siguiente, cuando dijo: "El público objetivo son propietarios de PYME de entre 30 y 45 años, el producto es un software de contabilidad en la nube, 6 unidades, cada una con un máximo de 45 caracteres, intrigantes pero discretos", utilizó directamente 4 de los 6 titulares. La duración disminuyó de 20 minutos a 4 minutos.
Caso 2: Recursos humanos, texto publicitario. Un especialista en recursos humanos recibió un texto estándar con el mensaje "escribir un trabajo de desarrollador de software". Cuando agregamos el lenguaje real de la empresa (descripción cultural de 3 oraciones), 4 calificaciones obligatorias y la restricción de "escribir claramente el rango salarial" al mensaje, la tasa de solicitantes no calificados para el anuncio disminuyó notablemente en el siguiente anuncio porque el texto establecía claramente las expectativas.
Caso 3: Contabilidad, resumen del informe. Cuando un ejecutivo contable dijo que "resumió" un informe de gastos de 12 páginas, el modelo omitió elementos importantes. Cuando dijo: "A partir de este informe, las cinco partidas de gastos más altas se tabulan con el cambio porcentual en comparación con el mes pasado", entendió exactamente la estructura que llevaría a la reunión de gestión. El contenido era el mismo, las instrucciones eran diferentes.
Aviso débil / Aviso fuerte
Mismo trabajo, con dos instrucciones diferentes:
Aviso débil:
Resume este texto.[texto]
Potente mensaje:
Resuma la nota de la reunión a continuación para ser presentada a la junta directiva. - Máximo 5 artículos. - Cada elemento debe contener una decisión o acción; Omita los detalles del chat. - Escriba entre paréntesis el nombre de las acciones de las que se conoce al responsable. - Utilice un lenguaje sencillo y formal. Texto: [texto]
El segundo mensaje le dice al modelo qué producir, para quién, en qué formato y qué omitir. El modelo no hace el "pensamiento" sino más bien la producción de la continuación correcta; Dibujas el marco de esa continuación.
Cuatro plantillas copiables
Cuatro plantillas iniciales sencillas para poner en práctica rápidamente la lógica de esta unidad. Complete los paréntesis con su propia información.
1) Marco para fortalecer una solicitud:
Quiero que hagas esta tarea: [tarea]Para quién: [comprador/público]En qué formato: [longitud, estructura]Qué omitir: [lo que no quieres]
2) Comprobación de los límites del modelo (reflejo de verificación):
Si hay afirmaciones objetivas (número, fecha, nombre, fuente) en su respuesta a continuación, extraiga cada una como una lista separada y márquela como "debe verificarse". Respuesta: [salida del modelo]
3) Intenta la misma tarea en dos niveles:
Explique dos veces el siguiente tema: A) A un completo desconocido, en el lenguaje cotidiano. B) A un experto en la materia, en términos técnicos. Tema: [tema]
4) Hacer que el modelo se dé cuenta de la incertidumbre:
Antes de realizar la solicitud que te doy, hazme 3 preguntas sobre los puntos que te faltan o no te quedan claros; luego produzca de acuerdo con mis respuestas. Solicitud: [solicitud]
Fortalezas y debilidades del modelo
Asunto
El modelo es fuerte.
El modelo es débil / precaución
asuntos lingüísticos
Escribir, resumir, traducir, cambiar de tono.
Errores de jerga muy técnica/de nicho
estructura
Convertir texto en tabla, lista, boceto
Mantener la coherencia en textos largos
ideas
Lluvia de ideas, generación de alternativas
Garantizar lo "correcto"
caso
Información general, definición, explicación.
Datos actuales/exactos, número, fecha, fuente
razonamiento
Bueno si se guía paso a paso.
No hagas cálculos complejos mal en silencio
Consejo: vea al modelo no como un "experto sabelotodo", sino como un "asistente que escribe muy rápido, lee mucho, pero todo lo que dice necesita ser verificado". Esta visión ajusta correctamente tanto tus expectativas como tu hábito de control.
Atención: El modelo puede escribir información en un lenguaje muy seguro, pero esto no significa que la información sea correcta. Verifique siempre de forma independiente los detalles fácticos, especialmente el número, nombre, fecha, estatuto y fuente. Volveremos a este tema en detalle en la unidad 11.
Errores comunes
- Confundir el modelo con un humano. Dar instrucciones incompletas diciendo "De todos modos lo entenderán". El modelo no lee su intención; Solo procesa lo que escribes.
- Renunciar en un intento. Si el resultado inicial es deficiente, culpe a la herramienta. Sin embargo, la mayoría de las veces el problema está en las instrucciones y una pequeña corrección puede cambiar el resultado.
- Utilizar hechos sin verificarlos. Aceptar una estadística o fuente producida por el modelo sin cuestionarla es el hábito más riesgoso.
- Introducir datos confidenciales sin pensar. Pegar información sensible sin saber cómo funciona la herramienta. Hay reglas para esto, como veremos en la unidad de privacidad.
- Confundir la aleatoriedad con un error. Interpretar dos resultados diferentes como "el vehículo está averiado"; Sin embargo, cuando aumenta la claridad, los resultados convergen.
En resumen
- El modelo de lenguaje grande funciona prediciendo la palabra (token) que tiene más probabilidades de aparecer a continuación en el texto que usted proporciona; No elige respuestas preparadas.
- El factor más poderoso que determina la dirección de la salida es el mensaje que usted proporciona como entrada.
- Fuerte en lenguaje modelo, estructura e ideación; es cuidadoso con hechos precisos, datos actuales y cálculos complejos.
- Debido a una pequeña aleatoriedad, el mismo mensaje puede dar resultados diferentes; A medida que aumenta la claridad, los resultados se vuelven más consistentes.
- La modelo no es "una experta que es fiel a todo lo que dice", sino "una asistente que es rápida pero que necesita ser verificada".
Tarea de aplicación
Elija una tarea de escritura de su trabajo diario que realice con regularidad (un correo electrónico, un resumen o una lista, por ejemplo). Primero, escriba la versión más simple de una oración, entréguela a una herramienta de inteligencia artificial y guarde el resultado. Luego a la misma tarea; Añade las respuestas a las preguntas "para quién, en qué formato, en qué longitud y qué omitir" y vuelve a preguntarlas. Coloque las dos salidas una al lado de la otra y anote en una oración qué suma mejora más el resultado.
lista de verificación
- [] Me di cuenta de que el modelo estaba "prediciendo la siguiente palabra" y no leyendo mi intención.
- [] Me di cuenta de que la calidad del resultado depende en gran medida de la calidad del mensaje.
- [] Puedo distinguir entre tipos de tareas en las que el modelo es fuerte y débil.
- [ ] Entiendo que necesito verificar detalles fácticos (número, fecha, nombre, fuente).
- [] Puedo explicar por qué el mismo mensaje puede dar resultados diferentes.