Ingeniería de indicaciones práctica: escribe indicaciones que realmente funcionen

1. Introduccion: Y bienvenidos a mi clase de incitación de IA. Entonces, en esta clase, compartiré contigo los mejores consejos para incitar IA que he aprendido más de cientos de horas de experimentar, probar, hacer cursos de algunos de los principales proveedores, todo eso destilado en esta clase aquí, todo con el objetivo de sacar lo mejor de los últimos modelos de idiomas más grandes que tenemos disponibles en este momento Así que he pasado por muchas cosas, así que no tienes que hacerlo de cursos completos de proveedores como Google, Open AI, Anthropic Así que he pasado por muchos videos de YouTube, podcasts, artículos, y básicamente he destilado todos los mejores bits de esta clase, para que no tengas que pasar por todo el proceso por el que pasé, en términos de lo que funciona, en términos de lo que funciona, prácticamente y lo que no me llama es Hans, creador de contenido, inversionista inmobiliario y ex ingeniero. Y como mucha gente, uso un lenguaje más amplio todos los días, en todos los ámbitos de mi vida. Y no es exagerado decir que esta es una revolución que estamos viendo justo frente a nuestros ojos Así que la mayoría de nosotros usamos modelos de lenguaje grandes todos los días, ya sea Gemini o JAPT o Claude, pero muy pocos de nosotros nos detenemos y pensamos en lo significativo que es este invento en realidad y cuánto está cambiando nuestras vidas Cuando se piensa en ello en el contexto de la historia. Entonces solo para ponerlo todo en perspectiva, si nos fijamos en algunos de los actores más importantes históricamente en cuanto a la techne y cuánto tardaron en llegar a 1 millón de usuarios activos, vemos que Netflix tardó 3.5 meses en llegar a 1 millón de usuarios Es una hazaña impresionante en sí misma. Facebook, cuando se lanzaron tardó diez meses. Ya sabes, conseguir 1 millón de usuarios activos en cualquier plataforma es una hazaña realmente grande ¿Y qué pasa con ChatGPT en su lanzamiento? Lo hizo en apenas cinco días. Y es aún más loco, si nos fijamos en los plazos para las empresas lleguen a los 100 millones de usuarios activos, lo que solo unas pocas élites seleccionan parte de las empresas tecnológicas alguna vez hacen a este número de usuarios activos Y ChatGPT llegó a este hito en tan solo 2.5 meses. Es absolutamente ridículo esto lo grande que es este cambio para la vida de todos. Y en el futuro, probablemente seguirá siéndolo. Así que Dums Habies el fundador de Google Deep Mind AI, dice que esta es una de las batallas más feroces que jamás existieron en la Y estoy completamente de acuerdo con él. Esta tecnología tiene implicaciones de gran alcance y está cambiando casi todas las industrias. Nada está siendo inafectado por esto. Y aunque casi todo el mundo usa la IA hoy en día básicamente a diario, pero muy pocos realmente se detienen y piensan cuál es pero muy pocos realmente se detienen y piensan cuál es la forma óptima sacar lo mejor de este modelo de lenguaje grande, tanto potencial sin explotar y la gente no los está usando correctamente o usando las mejores prácticas Y estoy seguro de que la habilidad de entender realmente modelos de lenguaje más grandes y la capacidad de sacarles lo mejor en comparación con todos los demás será una habilidad realmente clave en los próximos cinco años en adelante. Y realmente te pondrá por delante porque después de todo, si miras la interfaz de usuario del modelo promedio de IA LLM, básicamente parece una búsqueda pero debajo del capó, ni siquiera está en el mismo estadio de béisbol Son cosas muy, muy diferentes, pero la mayoría de la gente todavía lo usa como un buscador glorificado Al final de esta clase, estoy seguro que subirás de nivel tu juego de incitación, ya sea que no hayas buscado nada en respecta a las indicaciones o hayas mirado algunos artículos y consejos, estoy seguro de que todos podrán marcharte y recoger algo que prácticamente puedas usar en tu vida cotidiana Y no sólo los últimos consejos y trucos, sino que te voy a dar un marco de pensamiento, una filosofía de cómo ser una buena ingeniería rápida en tu núcleo, porque muchos de los consejos y trucos que aprendí hace dos o tres años ya están desactualizados, como el ritmo de la IA. Pero poder pensar desde los primeros principios, cómo aplicar estas técnicas tendrá aplicaciones en el futuro. Y lo interesante de esta clase es que a pesar que se trata específicamente de LLM de IA, muchas de las habilidades que aprenderás aquí tendrán aplicaciones de gran alcance en todos los ámbitos de la vida porque lo que enseñamos aquí no es solo específicamente cómo impulsar la IA Es cómo romper una lógica problemática cómo comunicarse con mucha claridad. Así que estoy seguro que definitivamente recogerás algo, y estoy muy emocionada de compartir contigo algunos de mis mejores consejos. Te veo del otro lado. 2. Bienvenida + proyecto de clase: Bienvenida a bordo. Estoy muy emocionada de tenerte en esta clase aquí. Entonces vamos a estar pasando por mucho en esta clase. Y la forma en que lo he diseñado es que todo está destinado a ser súper práctico porque creo que es la mejor manera de aprender, no sentándose aquí y simplemente tomando las cosas pasivamente Pero quitártelo, probando todo tú mismo, para ayudarte realmente a internalizarlo y experimentar y ver qué geles contigo personalmente Entonces, solo para darte una visión rápida de esta clase, estaremos pasando desde el principio en términos de cómo funcionan los LLM en alto nivel, bajo el capó. Entonces te da un poco de perspectiva de fondo y también cuáles podrían ser algunas de las limitaciones. Y una vez que hayamos tenido alguna conexión a tierra, pasaremos por los cimientos de lo que hace un buen prompt Así que tendremos una estructura fundacional que básicamente estarás siguiendo con cada prompt Así que esa será nuestra base de pan y mantequilla, y luego algo sobre lo que puedas construir con las técnicas más avanzadas. Veremos cómo puede obtener mejor la IA para adaptar las respuestas a usted personalmente. Algunos de los mayores conceptos erróneos y errores que cometen las personas al usar LLM Después veremos algunos de los temas más avanzados. Por lo que esto se basa en los últimos consejos de ingenieros de IA que están trabajando en estas grandes empresas de modelos. Temas como instrucciones personalizadas, pocas sugerencias de tiendas, uso del LLM para mejorar sus propias respuestas y cómo iterar sus propias indicaciones. Entonces eso es mucha información. Te voy a estar tirando a ti. Y a medida que lo atraviesas, no hay mejor manera de internalizarlo teniendo un proyecto de clase práctica que es algo en lo que puedes usar tus nuevos conocimientos inmediato y no dejar que de inmediato y no dejar que se siente en tu cabeza, crees que lo entiendes, y luego avanzaste y luego las cosas se desvanecen. Esa es la filosofía que estamos tomando para aprender aquí. Y además, si continuamente estás probando cosas a medida que avanzas, mucho menos probable que te abrumes con la carga de información que te ayuda a digerirla Entonces el proyecto de clase está muy cerca de mi corazón como creador de contenido. Entonces el proyecto es construir tu propio creador de contenido sea pilot prompt. En cuanto a plataforma, realmente no importa. Entonces podría ser un para un canal de YouTube, podría ser para un boletín, Instagram, no demasiado preocupado por la plataforma exacta. Lo que quiero que puedas hacer es al final de este curso, quiero que uses la IA para ayudar a definir tu nicho y también para escribir cinco piezas de contenido que esté altamente adaptado a ti. Entonces, si es YouTube, serán cinco scripts de video utilizables en tu nicho específico, eso es altamente personalizado. Entonces, un poco de vista previa por delante, aprenderás a construir indicaciones usando el marco de contexto, tarea y tono, que cada prompt en el futuro, seguirá esta estructura, seguirá esta estructura, con la IA de tal manera que puedas eliminar todas las suposiciones, lo que sin darse cuenta también reduce el nivel de alucinaciones para Y puedes darte una información muy específica sobre la tarea en cuestión. Por ejemplo, en el proyecto de clase, sé quién es tu audiencia, cuál es tu nicho. Entonces a la hora de generar el contenido, no solo será un script muy genérico que cualquiera podría haber escrito. Entonces, una gran manera de usar la IA como creador de contenido, además de pedirle que haga tareas es algo de lo que rebotar ideas. Entonces un tema interesante que escucho a mucha gente decir con IA es, ya sabes, ¿cuándo va a reemplazar a los humanos? ¿Qué puede hacer que los humanos no puedan hacer? Y siento que esta conversación mayor parte del tiempo está perdiendo el punto. Entonces me recuerda a esta entrevista de Steve Jobs que he escuchado años y años atrás, donde está comparando la eficiencia energética de la locomoción, básicamente, la eficiencia energética de muchos animales diferentes en el reino animal un kilómetro por unidad de peso corporal Entonces se normaliza por unidad de peso corporal, y hay muchas cosas ahí. Hay como caballos, hay ratones, hay humanos, muchas cosas. Y si miras dónde están los humanos solo de la eficiencia energética de caminar un kilómetro, los humanos les va bastante bien, pero no a los mejores. Hay otros animales que son más eficientes en el movimiento que nosotros. Como, por ejemplo, cuando corriges el peso corporal, los caballos o el salmón son mucho más eficientes en el movimiento que nosotros. No obstante, si tomas a ese humano y lo pones en bicicleta, ese nivel de eficiencia simplemente se dispara y nada se le acerca en todo el reino animal Y siento que la IA es un poco así, pero, ya sabes, se ha levantado hasta un extremo Entonces, en lugar de una bicicleta, es como un cohete. Donde te va a permitir hacer cosas que nunca soñaste posibles sin ella. Pero abre tantas posibilidades. Pero ya sea una bicicleta o un cohete, todavía requiere que un humano lo conduzca. Todavía requiere de esa intuición humana para pilotarlo. De lo contrario, solo te llevará algún lugar donde no sabes a dónde va. Entonces, lo primero que quiero que hagas es que pruebes el proyecto usando las técnicas que ya conoces o cómo usas la IA en este momento. Así que pídete que te ayudes a definir tu nicho, pídele que te escriba cinco piezas de contenido una vez que hayas hecho eso, y solo lo guardamos en un editor de texto, Google Docs no importa. Pero siempre y cuando lo tengas guardado, y el punto de la clase es que lo pasaremos. Seguiremos probando estas diferentes técnicas, y al final de la misma, quiero comparar tus salidas al final con cuando tenías al principio para ver cuáles son las diferencias para ti mismo. Bien, ahora vamos a conseguir 3. Cómo funcionan los LLM y sus limitaciones: Entonces mucha gente llama a herramientas como Gemini, HaTipt Claude, solo IA, lo cual es técnicamente cierto, pero hay una aplicación muy específica de IA llamada modelos de lenguaje grande o LLM Es un dstinction muy importante porque nos ayuda a entender un poco más sobre lo que sucede bajo el capó y nos ayuda a entender en qué es fuerte y cuáles son algunas de sus limitaciones ojalá donde podamos superar Entonces, bajo el capó, imagina que un asistente de IA es algo donde la respuesta ha sido cortada artificialmente, y su trabajo es asignar probabilidades para predecir cuál es la siguiente palabra más probable o más probable token La idea es que le darías una pregunta, y su trabajo es encontrar la respuesta más probable plausible, dada esa pregunta, lo hace es una vez que le has dado una pregunta tener una matriz de todo tipo de palabras diferentes y diversas, y asignará probabilidades a cada una de esas palabras, y va a construir tu respuesta poco a poco partir de esas Ahora, de manera crucial lo que no hace es que no entra en alguna base de datos, y saca un conjunto predefinido de respuestas para ciertas preguntas porque eso no lo haría sonar muy natural en absoluto, y no estaría a la medida de ti Entonces así es como obtienes diferentes respuestas, incluso con cambios muy pequeños en las indicaciones que le das Entonces, aunque digamos que tuviste acceso a esa matriz, y podías ver todas las probabilidades, todavía no podrías, con un 100% de certeza, predecir lo que va a generar Y la forma en que genera estas matrices y asigna estas probabilidades es entrenando en enormes cantidades de datos Entonces, por ejemplo, si nos fijamos en Gemini 3.1, que al momento de filmar es el último modelo Gemini, para que un humano lea todos los datos de entrenamiento por los que ha pasado, si un humano estuviera leyendo 247, tardaría más de 10 mil años en leer todos esos datos de entrenamiento. Entonces es una cantidad increíble entrenar a un LLM moderno. Pero estos LLM realmente avanzados, tal y como los conocemos, solo han existido bastante recientemente La tecnología subyacente detrás de ellos es en realidad muy antigua. Los modelos de lenguaje grande basados en reglas realmente tempranos existían en la década de 1960 Y para la década de 1990, pasó a un modelo estadístico de predicción de texto, que es un poco más similar a lo que tenemos ahora. Pero aún así sabemos exactamente lo que en la actualidad, pensamos en modelos de lenguaje como grandes. Ya sabes, piensa en modelos de predicción de texto en tu textap o en tu Gmail, cosas así Y, ya sabes, cuando escribes algunas palabras e intenta completar tu oración, ese tipo de cosas. Un verdadero avance llegó en 2017 cuando Google inventó el transformador, donde las palabras se pueden tomar en paralelo, lo que le dio la capacidad de comprender el contexto y dar estas respuestas increíblemente personalizadas Y te da esta percepción de que casi entiende lo que estás pensando. Entonces, ¿qué significa prácticamente todo esto de fondo para nosotros? Bueno, ahora que tenemos una visión muy aproximada de lo que sucede en el fondo, podemos entender algunas cosas en términos de sus limitaciones en el hecho de que, ya sabes, si bien suena e imita muy bien en términos de entender lo que piensas, realidad no entiende lo que piensas Todo lo que está haciendo es tomar tu opinión y predecir lo que podría ser una respuesta plausible Todo lo que es es un motor predictivo. Entonces utilizo la analogía de la bicicleta o cohete de la mente, y como que se aplica aquí Básicamente, no le importa o no sabe a dónde vas. Ya sabes, tiene la capacidad de ir muy, muy rápido. Pero no tiene conciencia de hacia dónde va o por qué. Por eso necesita un conductor humano para dirigirlo. Y también, uno de los mayores problemas con estas LLM de IA, ahora que lo conocemos básicamente su objetivo principal es darte la respuesta más plausible, dado el contexto que la has Significa que, en el otro extremo, cuando no le das suficiente información, seguirá intentando generar y porque lo único que está haciendo es intentar hacer el mejor trabajo posible con lo que tiene para dar una respuesta plausible Basado en su matriz de probabilidad. Demos solo un ejemplo de un LLM versus un asistente humano para una tarea bastante simple Entonces aquí está el prompt. Escríbele un correo electrónico a mi jefe pidiéndole una extensión de plazo en el proyecto. Y si miras la respuesta, es bastante educada y es verosímil. Pero si realmente lo lees, faltan una gran cantidad de cosas, y se está tomando muchas libertades en términos de cosas que solo está asumiendo Eso podría no ser cierto. Entonces, por ejemplo, dice, ya terminé pero ¿dónde le dije eso? No se lo dije de todos modos. Es sólo que lo asumí. Entonces, si eso no es cierto y confiaste ciegamente en él y usaste este correo electrónico, podría meterte en problemas Bueno, esto de las tareas restantes, no le hemos dicho que quedan tareas. Entonces puede que no lo sea. Se ha hecho otra suposición. Entonces, aunque este correo electrónico es un poco pequeño, solo está lleno de suposiciones. Cosa. Así que contrástelo a ti mismo. Digamos que eres asistente humano, y es tu primer día en el trabajo y tu jefe te da una tarea similar como esta. No solo te dispararías y lo harías y harías un montón de suposiciones. Se te acercarías y harías mucha clase de preguntas aclaratorias Al igual que, si es tu primer día en el trabajo y no sabes nada, lo harías en lugar de irte y escribir el correo, le preguntarías a tu jefe, bueno, ya sabes, ¿para qué sirve este proyecto? ¿Cuáles son algunas de las implicaciones de llegar tarde? Esto impacta otras cosas, lo urgente que es, y un montón de otras cosas que permiten realmente completar la tarea con éxito dentro del contexto. Pero mientras que si solo siguiéramos la salida de IA sin procesar, nos obligaría a hacer una carga de trabajo extra. Como que estropearía las cosas. Entonces la otra limitación de estos LLM se llama la trampa de la sincofantía Y básicamente solo significa que la IA tiene esta tendencia a estar de acuerdo con lo que digas o reflejar lo que le dices. Indicas cuáles son tus preferencias, es muy poco probable que no estés de acuerdo contigo. Y nuevamente, si volvemos a cómo se entrena la IA, se vuelve mucho más obvio por qué hace esto porque está entrenada en una gran cantidad de datos. Proporciona una salida, y se le da retroalimentación en términos de si los humanos les gustan o no sus respuestas Y es mucho más probable que nos gusten las respuestas que concuerden con nosotros y confirmen frente a alguien que no está de acuerdo con nosotros y nos está dando un amor duro Entonces la forma en que estos LLM son entrenados por naturaleza, son sincofánticos, lo que para muchas aplicaciones, realmente no queremos, y no es un comportamiento deseable Así que tenemos que tener esto en mente y usar un par de técnicas para superarlo, lo que pasaremos más adelante en la clase. Bien, así que eso es un poco de antecedentes y algunas de las limitaciones de la IA. Ahora que sabemos esto, pasemos a la siguiente lección donde miramos la estructura básica de lo que hace a un bien. 4. Tarea, contexto, tono y organización: Bien, entonces en esta lección, vamos a construir la estructura fundacional de nuestro prompt, que todo en el futuro va a estar basado en esto Es el pan y la mantequilla de toda esta clase. Y cada uno de los pronósticos en el futuro debe seguir esta estructura de contexto, tono y tarea. Entonces, comenzando por el contexto, como en el último ejemplo que vimos, literalmente simplemente le dimos una tarea que hacer sin darle ningún contexto. Y el tema es, como viste, solo asumirá muchas cosas, y no va a hacer un muy buen trabajo en absoluto, y no nos fue útil en términos de lo que la p. Y en cierto modo, aunque no era realmente lo que querías decir, tiene sentido lo que hizo porque simplemente siguió tus instrucciones. Acaba de escribir un correo electrónico con lo que le diste con un contexto. Por lo que debemos comenzar cada prompt con un contexto la situación, cualquier información clave que necesite, cualquier trasfondo. Entonces en el último ejemplo, donde le damos contexto cero, así que simplemente llenó los huecos por sí mismo, no podemos dejar que haga eso. Entonces, si volvemos a Eaton donde estamos pidiendo una extensión de plazo, un mejor mensaje de contexto podría ser algo así como, ya sabes, estoy trabajando en un proyecto de ingeniería. Se me ha encargado hacer un reporte de factibilidad de costos. Sin embargo, se ha retrasado una semana porque me falta información de proveedores clave. Han tenido problemas con la cadena de suministro y queremos poder recuperar las cotizaciones a tiempo. Por lo tanto, necesito una extensión del plazo de una semana, lo que no debería afectar el proyecto en general. Y al instante, obtienes una respuesta mucho mejor sin tener que modificar la tarea u otras instrucciones con solo darle más información al inicio Entonces ese es el contexto. El siguiente es el tono. tono es, como suena, la forma en la que quieres que responda sea completamente justa, con estos LLM sacados de la caja, su tono predeterminado es realmente muy bueno y tiene una amplia aplicación porque por defecto, están diseñados para un tono amigable y a la vez útil, que se aplica en muchos lugares Pero a veces es posible que desee que responda las cosas de una manera más específica, que es donde se lo dirías. Entonces hay un par de enfoques que puedes tomar. Entonces, el primero es decirle al público objetivo previsto, para que pueda adaptar en términos del lenguaje que utiliza para su producción. Así que imagina si eres maestro de escuela, en vez de solo decir, escríbeme un plan de lecciones para Henry Dime, ¿puedes escribirme un plan de lecciones divertido pero educativo? Eso es interactivo. Eso es sobre la vida de Henry octavo para un grupo de estudiantes de quinto año. Entonces ahora sabe para quién pretende sus respuestas, y las modificará en consecuencia Entonces otra herramienta realmente poderosa para la IA es contarle una situación y también darle un papel que necesita desempeñar. Ahora bien, este es en realidad un punto muy interesante, y este es un punto al que volveremos más adelante en la clase porque este es un consejo que aprendí hace bastante tiempo en términos de darle un papel a la IA. Y llevo muy, mucho tiempo usando este tip , pero el último dispositivo parece haber retocado un poco este consejo, que profundizaremos en un poquito más porque hay algún matiz en cuanto a cómo usas Entonces por ahora basta con decir, digamos que si le estoy haciendo una pregunta a la IA, pídale que responda a la manera de cierto papel Entonces, por ejemplo, me gusta mucho usar la IA como compañera de lectura. Digamos que si estoy leyendo un libro de física y me encuentro con un tema realmente complicado, como, digamos, si es la interpretación de muchas palabras de la física cuántica o algo así, voy a ir hoy y decir, ya sabes, responder a la manera de un profesor de física de primer nivel y explicarme en términos laicos Y luego inmediatamente notas una diferencia en la forma en que responde simplemente dándole esa persona en lugar de solo pedirle que responda de manera predeterminada. Y finalmente, por supuesto, es la tarea. Entonces la tarea es algo que puedes influir en la salida a lo grande con solo tener algunos retoques y ser específico sobre lo que exactamente le dices que haga Entonces, a lo que realmente se reduce es ser específico, evaluar, iterar Entonces, usando el ejemplo de la documentación oficial de Google, en lugar de decir algo así como, escribir sobre el cambio climático, quiere decir, escribir un ensayo persuasivo argumentando a escribir un ensayo persuasivo argumentando la implementación de regulaciones de emisiones de carbono más estrictas carbono Entonces básicamente, solo cuanta más información le des y cuanto más específico seas, mejor. Y ahora no siempre voy a ser súper obvio en cuanto a lo que te estás perdiendo. Entonces es por eso que miras la salida y luego continuamente modificas tu entrada para obtener la mejor respuesta posible Ahora, otro pequeño consejo extra cuando estás dando instrucciones a una IA en términos de hacer una tarea. a veces en lugar de simplemente decirle que haga algo, realmente puede ayudar decir para decirle por qué lo está haciendo, porque la mayor parte del tiempo, si le dices por qué lo está haciendo y le das más comprensión de los antecedentes de por qué está haciendo una tarea, aunque te hayas perdido ciertas cosas, puede que te incite. Como, por ejemplo, si estás escribiendo algún código o un texto para algo, algo así como, no uses ninguna elipses en absoluto en tu respuesta de salida, lo que técnicamente podría funcionar Una mejor respuesta sería algo así como tu respuesta se leerá en voz alta. Por un texto a voz. Así que nunca uses elipses porque el texto a voz no puede pronunciarlos. Entonces, una vez que le has dado ese contexto, tal vez si pones otros caracteres que no están relacionados con elipses, porque sabe que está haciendo una salida de texto a voz, lo marca hacia arriba Entonces ese es el marco, el contexto, tarea, el tono como punto de partida. Entonces, antes de seguir adelante, se trata realmente de entender cuál es el pensamiento para hacer realmente una buena ingeniería rápida. Así que muchas veces, la gente escucha el término ingeniería rápida y luego simplemente se burlan de él porque no parece tan complicado Solo estás escribiendo en un cuadro de texto, y solo necesitas escribir bien Bueno, en realidad no es tan sencillo como eso. Hay muchos escritores realmente buenos que no son buenos de ingeniería rápida. Es un proceso de pensamiento realmente específico en términos de cómo se define un problema y cuáles son los pasos para resolverlo e iterar Entonces volviendo a ese ejemplo de asistente realmente ansioso, solo imagínese si estuviera hablando con un asistente humano, querría darle la mayor cantidad de información posible para hacer la mejor tarea. Cuanta más información dejes fuera, sin dejar de esperar que tu asistente haga la tarea, solo los obliga a hacer más suposiciones, que es exactamente lo que está sucediendo con la IA. Entonces se trata de afirmar las cosas con mucha claridad, tener una comunicación muy clara y definida, y entender la tarea. Entonces la regla es recordar nunca darle a la IA una tarea que un humano muy competente no podría hacer. 5. Regla de honestidad vs. persona: Ahora bien, esta lección trata específicamente sobre el punto en el que mencionamos en la última lección en términos de darle a la IA un papel ficticio para influir en las respuestas de salida que te da Ahora, hablamos sobre el tono y conseguir que la IA responda de una manera que sea más útil para usted. Porque tradicionalmente, cuando me encontré por primera vez con este consejo, creo, hace dos o incluso tres años, siempre es una especie de engañar a la IA, ya sabes, decirle que juegue un cierto papel, darle una situación ficticia, así responde de una manera diferente a lo que normalmente hace Ahora, la premisa principal detrás de este tip era casi engañarlo para que fuera menos perezoso con tus respuestas. Por ejemplo, en la última , en lugar de solo preguntarle acerca de explicar este concepto, explique las muchas palabras interpretación de la física cuántica, digamos, eres un destacado profesor de física en tal y tal Universidad, eres mi amigo. Estamos cenando en una charla junto a la chimenea, bla, bla, bla. Ya sabes, estás construyendo todo este escenario ficticio para conseguir que intente responder a la pregunta original Ya sabes, en vez de sólo decir, dame un plan de lecciones, diciendo: Eres un maestro de escuela. Estás en este escenario, X Y Z, todas estas cosas. Ahora, recientemente, escuché este podcast entre ingenieros antrópicos, diciendo, con el último modelo, en realidad, este no es un gran consejo porque el tema es que, cuando creas estos escenarios falsos, cuando creas estos escenarios falsos, la mayor parte del tiempo, puede confundir a la IA Perro era un lector de pantalla para un microcont No conocemos Estoy bien, así que a mí me gusta eso. Eso es interesante. Actual en esto porque una de las cosas más famosas para pelear es decirle al modelo de Billings que son alguna persona o algún papel Siéntete así un poco mejor. Te veo honesto con la situación de mi mamá. Puede que sea esta experiencia. Derecha. ¿Crees que ese nivel de honestidad en cambio, mentirle a la M o forzándolo a que te voy a dar propina dólares? ¿Hay alguien que prefiera ahí o cuál es tu intuición? Supongo que los modelos son más la gente entiende más del mundo. Supongo que simplemente no lo veo como necesario mentirles. Me gustan las líneas a los modelos, ya sabes, mentiroso general. Pero Party, si estás construyendo un conjunto de valores constructivos para un sistema de aprendizaje automático para un modelo de lenguaje. Eso es muy diferente a construir un cuestionario para algunos niños. Entonces la gente haría cosas como, yo soy maestra tratando de resolver preguntas para quiz. Yo soy como, M sabe lo que son los languaals. Pide te puede decir te pueden dar ejemplos ellos son como, entienden Internet. Entonces estoy likert tareas que tengo. Entonces si eres como lenguaje de valoración de pecho como, no es como yo quiero hacer así que ¿ por qué te atendería? Quiero hacer algunas tareas inéditas o títulos y voy a alguien a trabajar conmigo y soy maestra, y ois como, Oye, ¿ tú eres? Deben ser como. Y cuando escuché esto, fue, como, un momento de bombilla porque definitivamente era cierto. Lo que estaba viendo era cuando continuaba siguiendo los viejos consejos y para darle todos estos escenarios ficticios, estaba dando, como, estas respuestas muy cursis, y estaba desperdiciando mucho contexto interpretar a esta persona ficticia Y tiene sentido completamente, ¿verdad? Porque en términos de la IA, no es seguro si quieres que responda a la pregunta de la mejor manera posible, o si estás tratando de que sea posible jugar a esta persona. Entonces termina encontrando este compromiso entre, como, estas respuestas realmente cursis para jugar hacer este juego de rol que estás tratando de conseguir que haga, además de responder a la pregunta Y básicamente lo que dicen los ingenieros antrópicos de que los últimos modelos son en realidad lo suficientemente inteligentes si le das el verdadero contexto real para entender lo que está pasando y darte las mejores respuestas Entonces después de experimentar un poco, sí estoy de acuerdo con el consejo aquí, porque el problema es con todo el asunto de la persona, fue desperdiciar un montón de fichas solo para desempeñar el papel y darte mucha pelusa en lugar de responder realmente a la pregunta, lo que contamina el chat, que contamina el chat, y simplemente degrada Y sí creo que la mejor política es ser honestos con la IA. No le digas que es profesor cuando no lo es. No le digas que es un maestro de escuela cuando en realidad no lo es. Entonces, habiendo dicho todo esto, ¿eso significa que nos estamos deshaciendo por completo de todo el asunto de la persona que acabamos de mencionar en el último así que la respuesta es no No nos estamos deshaciendo completamente de él porque creo que le sirve de alguna manera, pero solo significa ajustar la forma en que le das esa instrucción y tener algún matiz para Entonces, en vez de decir que eres profesor de física, eres esto, ya sabes, dile la situación exacta. Actualmente estoy leyendo este libro llamado Beginning of Infinity de David Deutsch. Quiero que actúes como mi asistente de IA en términos de entender el libro para rebotar ideas solo para ayudarme a comprender mejor esto Quiero que respondas a la manera de un destacado profesor de física para explicarme ciertos conceptos en términos legos Y aquí está mi primera pregunta. No, la redacción es similar. Simplemente es muy ligeramente diferente. Pero hace una gran diferencia porque ahora no se lo estás diciendo para desempeñar este papel cursi Sé exactamente lo que quieres y lo que en realidad estás tratando de hacer. Porque sabe que no estás tratando de hacer esta cosa rara de los juegos de rol. Su principal objetivo aquí es comprender los conceptos de este libro. Y la IA sabe que su tarea primordial es transmitir estos conceptos. De una manera muy clara. Y, las respuestas son enormemente diferentes. Se puede ver, hay mucha menos pelusa al principio al final Y como siempre, si estás siendo exacto sobre la situación exacta que la estás contando, si estás siendo honesto con ella, puede ser capaz de detectar muchos puntos ciegos que quizás no hayas visto. Ya sabes, por ejemplo, puede decir cosas como, ya sabes, tal vez sea mejor aprender sobre este concepto como precursor o tal vez esta recomendación de libro que sea diferente a la que estás leyendo. En lugar de estar solo hiperfijo en jugar un papel cursi Entonces sí, como política general, no le mientas al LLM, solo lo confundo y no ayuda en la mayoría Derecha. Entonces volviendo al proyecto de clase, ¿tenemos una base o marco en cuanto a cómo estructurar nuestras indicaciones Y hemos aprendido sobre algunas de las limitaciones básicas de los LLM Veamos si puedes volver atrás e implementar lo que has aprendido en nuestro proyecto de clase. Entonces quiero que utilices para estructurar lo que describimos, dándole un poco de contexto sobre tus antecedentes tu audiencia, tu nicho. Entonces para el tono, quiero describir cómo querías responder quién es tu público objetivo para que pueda adaptarlo a ti en detalle. Y luego cuéntale sobre la tarea, dando tantos detalles como puedas, en lugar de solo un genérico haz esta respuesta. Y entonces lo más importante es simplemente seguir iterando. No esperes ser uno y hecho. Mira la respuesta, itérela, mira si puedes retocar más cosas, y ver qué cambios hace eso Ahora, antes de seguir adelante, otro consejo útil que puedes usar el control y dirigir la forma en que la IA responde A veces para decirle cómo formatear las cosas. Lo que generalmente quieres hacer con la IA es en lugar de decirle qué no hacer, decirle qué hacer. Es un poco más efectivo. Así que no digas no uses rebajas en tus respuestas. Entonces, algo así como su respuesta debe comprender párrafos profesionales que fluyen sin problemas. O si encuentras que, como lo hago a menudo, que la IA es simplemente tambalear cargas y cargas cuando solo quieres una respuesta sucinta, no digas, No des una respuesta no digas, No des una Lo que debes decir es que tus respuestas deben ser muy sucintas y van directamente al grano Responde a la manera de un formato de preguntas frecuentes, lo que le da instrucciones muy claras y menos libertad de maniobra de qué asumir de nuevo. Entonces esa es la base. Al hacer las cosas de manera consistente y en un formato estructurado, básicamente te estás asegurando de que estás dando la IA todo lo que necesita para darte la mejor respuesta posible. Así que sí, prueba todas esas cosas con el proyecto de clase, y una vez que estés listo, podemos pasar a algunas técnicas un poco más avanzadas. 6. Sugerencias de pocas tomas: Entonces quiero mostrarles este rápido clip de una clase de informática que fue lanzada por Harvard. Pero pensamos que nos referiríamos a la audiencia aquí, y Brian va a escribir a medida que avanzamos, y todo lo que queremos hacer esta mañana es hacer un sándwich de mantequilla de maní y gelatina Una instrucción a la vez, y cada uno de nosotros acabará de ejecutar lo que escuchamos. ¿Cómo suena eso? Bueno. Bien, si alguien pudiera ser voluntario con la primera instrucción, y Brian la escribirá. Pan abierto que escuchamos. El pan abierto es la primera instrucción. Entonces si quieres ejecutar, abre Pan No, no me mires. Bien. Bien, así que estamos en camino Toma el cuchillo. Pero despega la tapa de la jalea. No hay cubiertas en la nuestra. Pega cuchillo en la botella. Desde arriba. Stick Bien, paso. Nueve. Girar la mano, así que la jalea termina encima. Bien. Gelatina con el lado hacia abajo en el pan. Mala gelatina en el pan. Todo ello. Bien, ahora solo te estás metiendo con nosotros. Esto califica muy bien cómo piensan las computadoras y la cantidad de supuestos incorporados que tenemos en realidad cuando le damos comandos para tareas muy aparentemente simples que damos por sentado en realidad contienen una gran cantidad de suposiciones en las que ni siquiera pensamos la mayor parte del tiempo. Ya sabes, es un video divertido, y muestra que incluso como 20 instrucciones en, realmente no pudieron describir efectivamente cómo hacer un sándwich desde cero. Aunque el profesor y los demás alumnos ya estaban anulando algunas malas instrucciones Y básicamente nos está demostrando que con algunas tareas, está tan arraigado en nosotros que ni siquiera pensamos en algunas de las libertades y suposiciones Haz que descompongamos todos esos pasos explícitamelo explícitamente a una entidad como una computadora que nunca antes había hecho un sándwich. Es muy complicado porque no tenemos que pensar en ellos. Ahora, claro, no es exactamente lo mismo con los LLM, porque los LLM son mucho más inteligentes que los programas informáticos tradicionales donde hay que darle instrucciones explícitas, y solo hace lo que le dices que LLM son un poco más conscientes del contexto y tienen algunos conocimientos previos con sus datos preentrenados para aprovechar Mientras que si tienes un lenguaje de programación tradicional, todo el programa, podría ser de miles de líneas. Podría ser correcto. Pero si pones un punto y coma fuera de lugar, todo el asunto podría no Y aunque los detalles difieran, el concepto general general es el mismo en que se están haciendo suposiciones Y se podría decir que es un arma de doble filo, porque con LLM, son más inteligentes, mientras que el programa seguiría funcionando No dejaría de hacer la tarea solo porque no has especificado algo correctamente, como con el lenguaje de programación tradicional, entonces donde no se ejecutarían. De ella. Pero entonces el otro lado es el que podría introducir puntos ciegos y suposiciones donde no esperabas. Entonces, ¿cuál es realmente una buena manera de contrarrestar al LLM simplemente tomando demasiadas libertades, asumiendo cosas que quizás no quieras? Así que esto nos lleva a la propina número cuatro de cinco consejos de Google para una buena incitación, y se llama Few-Shot Prompting y se llama Few-Shot Suena un poco complicado, pero todo lo que significa es que unas pocas tiendas significan que le estás dando a la IA un par de ejemplos de lo que quieres, ahí que pocas tiendas pidan Por lo que reduce el nivel de suposiciones que hace. Muestras que le das. Cuanto más tiene que salir la IA y tomar menos libertades. Entonces, como ejemplo, digamos que si quisieras algunas ideas de recetas, podrías dar ejemplos de recetas que ya te gustan, puedes tomarlo en cuenta y darte recomendaciones basadas en esas cosas en lugar de simplemente hacer conjeturas lo que te puede gustar de los millones de recetas que existen En AI Studio, puedes pegar enlaces a recetas que realmente te gusten. Solo asegúrate de marcar esta parte donde le permite ir a ver los enlaces salientes. Aunque puedas hacer esto, y es muy conveniente, no es la mejor manera porque recogerá mucha información irrelevante que obstruirá el contexto Entonces la mejor manera es copiar y pegar una receta en texto o rebajas viles para subir Entonces volviendo al proyecto de clase, eres un creador de contenido en un nicho específico y dices que tienes cinco piezas de contenido que ya has escrito, que realmente te gusta, ya sabes, con la ayuda de la IA o lo has escrito tú mismo, realmente te gusta el contenido, pero no sabes qué título de video debería tener para generar más clic e interés y curiosidad. Entonces aquí es donde quieres alimentar a la IA tu guión de video y pedirle que genere títulos para esos videos, eso se traducirá a una alta tasa de clics. Pero el problema es cuando solo vas en frío así, como en cuando solo le pides que genere títulos basados en el guión, pero mucho tiempo solo generará títulos muy clickbty que no encajen con tipo de todo el ethos, de tu canal o con lo que te gustaría que te encontrara Entonces en vez de solo decir, genéreme títulos de video para estos guiones, lo que podrías hacer es darte ejemplos de canales que realmente te gusten o video o estilos o títulos de video que creas que gel muy bien contigo. Entonces, genéreme tres títulos de video para este video y guión específicos. Y luego aquí están lo que considero buenos y malos títulos. Y luego solo navega por YouTube para un buen ejemplo. Entonces digamos que si estamos dando buenos ejemplos de un canal que realmente te puede gustar, ya sabes, por ejemplo, este, probablemente hayas estado jugando mal el juego de Life. Ese es un buen ejemplo. La máquina más importante del mundo, ¿por qué la gente tiene confianza cuando se equivoca? Todos estos son títulos muy buenos, y luego das ejemplos de títulos malos. Entonces este calendario loco me cambió la vida. Una guía integral de gestión temporal es otro mal ejemplo porque es demasiado académica y simplemente suena como un video aburrido. Nadie quiere hacer clic en eso. Los tres primeros son buenos porque inmediatamente despiertan tu interés al hacerte sentir curiosidad Plantean una pregunta. siembra esa escena en tu cerebro y quieres que se responda Los malos son simplemente demasiado clickbaity o son aburridos y aburridos Y al darle esto a la IA, tiene un contexto muy claro de lo que quieres, lo que consideras bueno, lo que consideras malo, y es mucho mejor capaz de alinear los títulos en función de tu contenido Y si se combina eso con el guión, eso debería mejorar masivamente la salida de la respuesta 7. Cómo gestionar la ventana contextual: Entonces, a medida que nos avancemos más en LLM, nuestro chat va a comenzar a hacerse cada vez más grande porque cuando tienes una tarea realmente compleja, es extremadamente poco probable que vayas a poder poner una solicitud y se haga completamente Va a ser un chat continuo de ida y vuelta, y va a aumentar cada vez más el tamaño de tu chat, la ventana de contexto. Entonces, a pesar de que tenemos nuestro marco de tarea de tono de contexto, es extremadamente improbable que eso vaya a ser. Al igual que, por muy bueno que sea tu aviso, no vas a hacer todo con solo poner esa indicación Entonces, que es donde pasamos a los pasos cuatro y cinco, que es evaluar e iterar. Ahora bien, estos dos pasos son muy clave porque los LLM son básicamente la tecnología de mayor avance como hemos visto, incluso para los estándares tecnológicos Por ejemplo, como lo que solía llevar un año, es mes a mes es diferente. Al igual que, cada una de las principales empresas de IA cada mes, incluso semanalmente, salen nuevas funciones y es extremadamente difícil mantenerse al día con todo. Entonces, lo que significa que si recoges algún tipo de consejos, trucos y peculiaridades, lo que sea que funcione ahora mismo puede que no funcione en el próximo mes, en los próximos seis meses Entonces necesitas tener una manera de poder iterar y seguir este proceso y obtener retroalimentación continua y estar constantemente al día de lo que está funcionando Entonces básicamente solo te permite probar y ajustar continuamente tu enfoque Pero como, por ejemplo, la persona falsa versus honestidad no es un conjunto de trucos que simplemente se quedarán trabajando indefinidamente Se trata constantemente de seguir tratando de ver qué funciona con los últimos modelos. Entonces es más una mentalidad tener. Así que siempre evalúe los resultados y piense, como, ¿cómo puedo ajustar esto para mejorar un poco mejor Como, ¿qué parte de ella no me da gusto? ¿Qué piezas puedo cambiar? Y así antes de que podamos hacer eso, una manera muy sistemática, tenemos que estar muy organizados. Entonces esto se remonta a todo el asunto de ser una buena ingeniería rápida no es solo un buen escritor, porque tenemos que ser muy organizados, muy sistemáticos, para que podamos iterar la retroalimentación, y podamos ver qué funciona y qué no si estás trabajando en una tarea muy compleja con, como, mucha información de fondo o información de referencia, cosas como esta, nunca debes escribir tu preguntar directamente en el cuadro de chat. Lo que debes hacer es tener un archivo de texto separado para almacenar todas tus indicaciones, toda tu entrada antes de copiarlo Entonces no importa si es un archivo de texto o Google Docs, siempre y cuando tengas algún lugar separado para almacenarlo, porque lo primero es muy difícil hacer un seguimiento en el cuadro de texto Pero, en segundo lugar, volviendo a esa cosa de retroalimentación iterada, necesitas tener un registro de cosas que intentaste como línea de base y luego poder editar cosas De lo contrario, podrías estar intentando lo mismo una y otra vez sin saberlo. Es solo generalmente una buena práctica, a menos que estés haciendo, como, una pregunta muy casual, rápida. Siempre haría esto. Y, claro, me gusta fecharlo. Entonces eso es con las indicaciones. ¿Y si tuvieras más información para darle? Entonces volviendo al ejemplo de receta, ¿y si quisieras alimentarlo como 20 ejemplos, ya sea para darte más recomendaciones sobre recetas o para quitarle buenos elementos? Básicamente, si solo tenías cargas y notas de información en documentos PDF de Word, ¿cuál es la mejor manera de hacerlo Esto combinado con tu pronta? Ahora, técnicamente, no hay nada que le impida subir el PDF o el documento de Word directamente al LLM Quiero decir, después de todo, parece correcto. Parece correcto, correcto, porque después de todo, en el entorno laboral profesional, como ejemplo, los PDF son muy utilizados Parecen un buen tipo de archivo confiable. Pero nuevamente, se remonta a cómo funcionan los LLM bajo el capó. Estos son prácticamente los peores tipos de archivos en términos de alimentarlo a la IA, pesar de que te permiten hacerlo, porque con un PDF, diseñado para ser legible por humanos, pero no es así como funcionan los LLM Los LLM procesan la información tomando texto sin procesar. Entonces, cuando pones un archivo PDF, obliga al LLM a tomar todo el texto para tratar de extraer y procesar todos los textos en el PDF Cada vez que la IA lee un PDF, hay muchos textos divididos en diferentes columnas. Se mezcla todo el formato, y muchas cosas le parecen galimatías Y realmente puede confundirlo. Y no sólo eso, desperdicia gran parte de tu ventana de contexto para que solo averiguara lo que está pasando. Entonces, como regla general, con LLM, cuando le das información, especialmente con tipo de información de texto, cuanto más simple sea el archivo, mejor Entonces algo así como un archivo de texto sin procesar o rebajas es como el estándar oro lo que todos usan Entonces, si no te lleva demasiado tiempo, sea cual sea la información clave que tengas en tu PDF, tu documento de Word, pegarlo en un archivo de texto o rebajas, formatearlo correctamente, y luego sabes exactamente cómo aparece en el archivo markdown y text Así lo va a ingerir el LLM . Y entonces de esa manera, sabes que la IA solo está procesando la información pura exactamente lo que estás viendo y no solo un desorden de texto desordenado Ahora, no te preocupes si no eres técnico y nunca has visto un archivo de rebajas bef No es nada difícil. Es literalmente solo un archivo rebajado con algunas anotaciones. Entonces, por ejemplo, si pones un hash, será un encabezado grande, dos hash es un encabezado pequeño. Se tiene si pones dos estrellas, es negrita, muy simple, formateando cosas como esta, pero en su mayoría se basa en texto. Lo que voy a hacer para ayudarte es incluir una hoja de trampa para rebajas, y eso es todo lo que necesitas Sabes, en realidad no hay mucho aprendizaje. Solo necesitas seguir la notación. Debería poder estar en funcionamiento usando archivos Markdown. Solo asegúrate de abrir un editor de texto y guardarlo como un punto d, y eso es literalmente todo. Hemos hablado un poco sobre la ventana de contexto. Por lo que es útil hablar sobre cuál es la longitud máxima de la misma y cuál es realmente la ventana de contexto. ventana de contexto es básicamente la cantidad máxima de información que la IA puede tomar en cuenta en un chat en particular. La cantidad de información que toma es en forma de fichas. Los tokens son un poco como el recuento de palabras, pero no es exactamente el recuento de palabras porque ni una palabra no siempre se mapea en una ficha, sino que solo como una guía muy aproximada, una palabra promedio mapea aproximadamente 0.75 de una ficha. Entonces eso solo te da una idea aproximada. Entonces, cuanto más grande y más larga sea tu chat, más ventana de contexto ocupa. Y si quieres saber cuáles las ventanas de contexto máximas son las ventanas de contexto máximas, simplemente puedes buscarlas. Al momento de filmar sobre el plan gratuito para Gemini y ChatGPT, rondan los 32 mil Entonces piénsalo como un recuerdo de trabajo. Entonces, cuando pones tu prompt, largo sea tu prompt, más de la ventana contextual que ocupa, pero no solo tu prompt, cuando a veces al hacer clic en el menú desplegable y ves lo que está pensando antes de la respuesta. Eso ocupa ventana de contexto, y por supuesto, la salida también la toma, así como cualquier archivo adjuntos que pongas, razón por la que estaba mencionando sobre el uso archivos de texto y tratando de mantener tu ventana de contexto optimizada posible sin poner ningún tipo de información superflua ahí ningún tipo de información superflua para obstruir las cosas Y luego el otro aspecto realmente importante, tenemos que tener en cuenta no lo pienses como combustible para tu auto, ya sabes, con combustible para tu auto, realmente no importa si es un tanque lleno o es medio tanque o estás a punto de agotarte. El auto funcionará prácticamente exactamente igual. No funciona así para la ventana de contexto en LLM Lo que sucede es que, cuanto más llenes la ventana de contexto, cuanto más se vuelve tu chat, más se degrada la información con el tiempo hasta el punto en que si obtienes una ventana de contexto masiva, comenzará a alucinar A pesar de que está dentro del máximo todavía técnicamente, comenzará a alucinar Voy a luchar por encontrar cosas. Simplemente no voy a rendir tan bien. Entonces, como puedes ver en este benchmark, 128,000 tokens, este modelo funciona con, ya sabes, 84% de precisión Mientras que, si vas a 1 millón, cae a solo 26%, por lo que es una enorme degradación en el rendimiento. Es por ello que la ventana de contexto realmente necesita ser gestionada. Y otra regla es nunca usar el mismo chat, hablar de múltiples temas diferentes porque uno, estás usando hasta la ventana de contexto, y el número dos, realmente estás confundiendo el sombrero de ojos. Digamos si estoy hablando de ideas de recetas. Y luego te pregunto sobre aspiraciones profesionales y metas a largo plazo. Eso es un no no realmente grande porque confunde a la IA y está desperdiciando tu ventana de contexto Así que siempre inicia un nuevo chat para cada tema discreto específico. Y aunque sea el mismo tema, si se alarga demasiado, solo inicia un nuevo chat y resume lo que has hablado Eso realmente puede ayudar, sobre todo si sientes que un chat se vuelve rancio y el rendimiento está empeorando 8. Indicaciones de múltiples pasos: Entonces dijimos antes un par de veces que tu IA es básicamente un poco como un asistente personal demasiado ansioso. Yo que cualquiera que sea la tarea que le des, simplemente se va a salir corriendo y lo hará. Pero la mayor parte del tiempo, si es una tarea más compleja y una tarea importante, en realidad no quieres que haga esto. Quieres tener que ralentizarlo. Ya sabes, no quieres que tu asistente sobre ego solo se escape y trate de impresionarte. Serás como, Bien, solo despacio desglosa la tarea. Haces esto primero. Como, por ejemplo, si tomamos un ejemplo muy extremo como la renovación de tu casa, no quieres decirle a tu constructor o arquitecto o lo que sea, solo tomó, ve y arregla toda mi casa. Como, eso es demasiado genérico. Eso es demasiado amplio. Hay demasiado alcance. Entonces quieres descomponerlo primero. Hagamos el plano de planta. Tengamos un par de maquetas del interiorismo. Echemos un vistazo a los materiales. Vamos a conseguir algunas citas. Quiero descomponerlo. Así que tienes más control general del proceso y puedes guiar a la IA para que haga exactamente lo que quieras. Entonces esto se llama multi-step prompting. Entonces digamos que tenemos esta tarea. Somos creadores de contenido y queremos enviar un correo electrónico a Noon para patrocinar nuestro video. Entonces seguimos lo que aprendimos hasta el momento. Le damos contexto, rol y tarea. Entonces aquí está el aviso. Actualmente soy creador de contenido en el espacio financiero. Tengo 40.000 seguidores. Yo uso Nian durante mucho tiempo en mi contenido, y compartí plantillas con seguidores Eres mi asistente de IA en este chat. Quiero que me ayudes a asegurar el patrocinio de Noon. Escríbele un correo electrónico a Nan, pidiéndoles que patrocinen mi canal. Para ser justos, no es una respuesta publicitaria, si nos fijamos en esto. Te da algunas opciones, y como se esperaba. Es un buen correo electrónico. ¿ Ves cuál es el tema? Simplemente tomará lo que le des, la información sobre los seguidores, lo de la plantilla, y se ha hecho algunas suposiciones, y simplemente está sonando muy genérico y bastante obviamente escrito por AI Entonces queremos unos pasos más porque en este ejemplo, nunca hemos escrito ningún tipo de correo electrónico de patrocinio. Entonces, en lugar de solo hacer el correo electrónico, queremos entender un poco más de la estrategia detrás de esto. ¿Cuáles son los pasos previos a ello antes de que realmente enviemos el correo electrónico Entonces no queremos que haga todo de una sola vez, obligándolo a disminuir la velocidad pidiéndole que primero rompa el problema. Entonces decimos, no escribas primero el correo electrónico. Quiero que sigas unos pasos previos. Paso número uno, me hizo cuatro preguntas aclaratorias que mejorarían la salida del correo electrónico para que esté más adaptado para dar una alta probabilidad de éxito El segundo paso es analizar las respuestas. Si hay alguna pregunta de seguimiento, entonces haremos una lluvia de ideas sobre estrategias para hacerlo mejor Y en el paso tres, una vez que hayamos acordado la estrategia, entonces se puede ejecutar la redacción del correo electrónico. Básicamente, ahora realmente lo estás ralentizando. Estás pidiendo explícitamente a tu asistente demasiado ansioso que disminuya la velocidad. Necesitas un permiso específico del que estoy contento con todos y cada uno de los pasos antes de que puedas pasar al siguiente paso. Porque como vimos en el ejemplo sándwich, si saltamos demasiado adelante, puede llevar a resultados bastante malos. Mientras que si podemos reducir la velocidad y podemos verificar cada paso esto es correcto. Ahora pasa al siguiente paso. Eso puede atrapar muchos errores. Entonces como pueden ver, noten en realidad lo que estamos haciendo aquí. De hecho, estamos apilando algunas de nuestras estrategias que hemos aprendido. Entonces, como siempre, estamos comenzando con nuestra estructura fundacional de tres pasos de la tarea de tono de contexto Estamos describiendo la situación y qué tipo de salida queremos. Estamos pidiendo a la IA que haga la tarea a través de múltiples indicaciones, lo que naturalmente no le gusta hacer Le gusta simplemente hacer todo en un solo prompt. Y lo realmente bueno de esto es que realmente reduce las suposiciones porque en lugar de que la IA asuma o si hubiera algún brinspots y llenando los vacíos, le estás pidiendo que saque explícitamente esas cosas a colación incitación de varios pasos es una que uso muy, muy a menudo, en realidad Creo que es uno de los prompts más poderosos para la IA. Lleva un poco más de tiempo, pero debido a que estás dividiendo tu tarea en múltiples indicaciones, es casi como un pequeño hack porque estás usando, como, potencia de procesamiento adicional para pensar en tu problema en un nivel mucho más profundo Yo diría, y un consejo que puedes tener en cuenta es que como dije, como lo del asistente demasiado ansioso, podría olvidar y saltar adelante, como unas cuantas indicaciones Entonces podrías preguntar en el primer mensaje para decir, Bien, vamos a desglosarlo, asegúrate de obtener instrucciones explícitas antes de seguir adelante. Y a medida que empiezas a responder algunas de las preguntas y a discutir cosas, podría simplemente saltar adelante y hacer la tarea. Entonces yo diría solo para recordarlo de vez en cuando, sólo para decir, ya sabes, no hagas la tarea o no escribas el correo electrónico o lo que sea que sea una tarea hasta que esté contento con las cosas, y luego te doy explícitamente instrucciones para que te asegures de que siga. 9. Chain of Thought Prompting: Entonces otra variación de la técnica se llama cadena de pensamiento. Es otro nombre que suena elegante, pero en realidad es muy sencillo Básicamente, todo lo que es es que le estás pidiendo a la IA que explique su forma de pensar. Entonces, cuando le pides una decisión sobre algo o su opinión, te dará la respuesta y algún razonamiento de muy alto nivel sobre por qué lo está haciendo. Pero a veces puede ayudar pedirle que realmente deletree las cosas. Antes de darte la conclusión final. Entonces esto funcionaría para cosas como lluvia de ideas o si estás tomando una decisión realmente compleja Entonces digamos que si estás eligiendo entre dos trabajos o si estás tomando grandes decisiones en la vida, moviéndote entre lugares, básicamente, es como una decisión compleja que no tiene un claro bien o un mal. Quieres sopesar todos los pros y los contras. Esto es para lo que usarías eso. O digamos si eres un YouTuber en crecimiento y tienes un presupuesto establecido que quieres gastar, y no estás seguro de si lo gastas en, digamos, 10 horas para conseguir un editor para editar tu video o una nueva cámara Sony FX tres Entonces, si solo lo enchufas a la IA, soy un creador de contenido y luego quiero decidir en qué gastar mi presupuesto, bla, bla, bla, bla, te dará una respuesta, y te dará algunas viñetas sobre por qué cada uno Pero, de nuevo, hace muchas suposiciones, y es posible que no solo quieras razones a nivel de superficie que solo se apliquen a todos. Y realmente quieres considerar profundamente por qué está ofreciendo alguna opción y cuáles son algunas de las compensaciones así que ahora si queremos usar esta técnica, similar a la f shop incitando, decimos, No me des una respuesta de inmediato, No me des una respuesta de inmediato, después de que hayas explicado la tarea y cuál es el dilema Le digo a la IA, quiero que sopesen los pros y los contras de cada opción y muestren su pensamiento para cualquier recomendación. Y dilo, quiero que exploren las implicaciones de cualquiera de las dos opciones antes de llegar a la conclusión final. Entonces ahora se centra más en las suposiciones sobre los pros y los contras, lugar de solo enfocarse darte una respuesta al final. Mucho más claro para ver qué implica tomar este proceso de decisión, y se convierte en un proceso mucho más de ida y vuelta entre tú y la IA. Entonces puedes decir, Ashley, esto es bastante importante para mí, pero esto no es tan importante. Nuevamente, se trata de recordar apilar técnicas. Entonces tenemos nuestra estructura fundacional, el contexto, el tono, la tarea Ahora tenemos esta cadena de proceso de pensamiento y pensamiento, y lo apilamos con un prompt de varios pasos para obtener realmente una respuesta más profunda y perspicaz Entonces solo una aclaración rápida porque la incitación de múltiples pasos y la cadena de incitación al pensamiento parecen bastante similares, solo para que quede realmente claro indicaciones de varios pasos, se trata de dividir una tarea realmente compleja en múltiples subpasos para que seguimiento de lo que está sucediendo Mientras que con la cadena de pensamiento que incita, se trata más de tener una decisión compleja en la que quieras asegurarte de haber sopesado todos los factores que intervienen en ella Entonces esa es la diferencia entre estas dos técnicas. 10. Mentalidad de copiloto: Entonces en esta lección, vamos a tener un pequeño cambio de ritmo. Entonces, en lugar de hablar de todos los aspectos técnicos y formas en que podemos impulsar una mejor IA, quiero hablar sobre la mentalidad detrás del uso de estos modelos Entonces, en este punto, tenemos un sistema bastante robusto en términos de exprimir el rendimiento del LLM A estas alturas, podemos ver que no podemos tratar a la IA como esta entidad de todo conocimiento que sabe mejor que tú en todo. Y hay que incitarlo de manera muy específica para sacarles el máximo provecho porque sí tienen sus propias peculiaridades individuales Entonces, por ejemplo, es una conversación realmente interesante de DemishSab, el fundador de Deep Mind Google Y al menos al momento de filmar, de todos modos, dice que estos modelos de AI LLM tienen estas áreas de inteligencia realmente dentadas Y lo que quiere decir con eso es, como, en algunas áreas como las matemáticas, como ejemplo, tiene, como, básicamente conocimientos a nivel de doctorado. Pero también, al mismo tiempo, cuando te pides que hagas, cosas muy extremadamente simples como contar manzanas o contar dedos y cosas así, se pone horrendamente mal Y no sólo eso, se equivoca, como, con confianza, ya sabes, cualquier niño de primaria puede hacer Es menos como tener esta entidad de todo conocimiento en tu bolsillo o en tu laptop, pero más como un asistente humano extremadamente inteligente y demasiado ansioso , donde te puede ayudar tanto, pero no puedes simplemente apagarte y tienes que mantener la supervisión en cuanto a todo lo que hace, y se necesita un poco de gestión En cierto modo, creo que es genial porque te quita la carga cognitiva en términos de hacer todas las tareas aburridas. Pero no significa que solo puedas apagarte y no pensar. Es solo que ahora diriges tu pensamiento de una manera diferente. Entonces, como ejemplo para un creador de contenido, puedes usarlo para generar ideas y títulos y cosas así, pero aún así requiere que lo revises y uses tu juicio humano en términos de lo que resuena contigo, lo que va con tu canal lo que realmente quieres hablar Entonces tiene que ser en una zona donde se sepa algo al respecto para verificarlo dos veces. Nunca usarías IA para algo de lo que no sabes absolutamente nada y para hacer una tarea que no puedes verificar porque no funciona así. Podría ser absolutamente lo que sea. Si estás escribiendo un correo electrónico, ya sabes, necesitas poder revisarlo para asegurarte de que lo sabes, se alineará. Si lo estás usando para trabajos legales necesitas verificar manualmente toda la jurisprudencia. Es necesario comprobar que sus argumentos son realmente robustos. Puede hacer mucho por ti, pero sí requiere que verifiques cosas, y nunca lo usarías solo para escribir código, y nunca lo mirarás y solo espero que funcione y todo funcione exactamente como esperas que lo haga. Entonces sí, recordando esa regla de no dar una tarea que un humano no podría hacer, pero también una vez que hace esa tarea para que verifiques todo lo que está hecho, y estás contento con ella. Entonces por eso llamo a esta lección la mentalidad del copiloto. Sigues siendo el capitán y es una entidad súper útil tenerla. Pero se trata de entender realmente cómo trabajar mejor con él en el futuro. 11. Red Team: Ahora bien. Ahora bien, volviendo a nuestra fundación donde hablamos de iteración, este teaming rojo es un paso realmente importante, particularmente si estás haciendo una tarea realmente compleja Entonces, ya sabes, hemos hecho nuestro prompt habitual, el tono, el contexto, la tarea, todas esas cosas realmente buenas. Y vamos de ida y vuelta. Estamos haciendo indicaciones de varios pasos, y todo va muy bien Al igual que, la IA está de acuerdo con lo que decimos. Recuerda, al principio de la clase cuando hablamos de toda la trampa de SinCofancy, este es el tema aquí porque podemos seguir nuestras indicaciones exactamente como Ya sabes, tenemos un prompt de varios pasos. Está de acuerdo y creemos que estamos convergiendo hacia una solución Pero el problema es, como decíamos, la IA, por su propia naturaleza está diseñada para estar de acuerdo contigo y reflejar lo que dices. Entonces como una forma de verificar y superar eso es al equipo rojo lo. Entonces, en pocas palabras, queremos incitar a la IA tal manera que piense que estamos actuando del otro lado, y nuestras preferencias son contrario a lo que realmente queremos. Por lo que nos da otra opinión. Entonces no es parcial sólo estar de acuerdo con nosotros. Entonces, aunque dijimos, en general, es una buena práctica ser siempre honesto con la IA, siento que esta es una de las pocas excepciones en las que tratarías de engañarla porque es un comportamiento tan arraigado de la IA y cómo se Quiero decir, para ser completamente justos, con los últimos modelos, porque este tema lleva tanto tiempo sucediendo y literalmente hay memes y cosas sobre ellos lo han mejorado. Al igual que, los últimos modelos de IA están diseñados para retroceder muy ligeramente contra ti. Pero en mi opinión, simplemente no creo que sea suficiente. Simplemente volverá por defecto a su antiguo comportamiento. Entonces, digamos como ejemplo, estás pasando por un caso judicial. Sabes, crees que alguien te debe dinero. Le das toda la evidencia, tienes una gran charla, pasas por todas las técnicas. Y la IA diciendo, ya sabes, sí, tienes un muy buen caso. Es muy fuerte. La evidencia está a tu favor X Y Z, y, ya sabes, te sientes muy bien contigo mismo. Lo que realmente debes hacer para obtener una visión objetiva es iniciar un nuevo chat específicamente, para que no esté contaminado. Inicia una nueva charla, pero finge que estás del otro lado en la defensa con exactamente las mismas pruebas y pregúntale, ¿qué tan fuerte es mi defensa? Y entonces eso te daría una indicación mucho más clara, porque si está de acuerdo con ambos lados, eso no es muy bueno Pero a pesar de que no es muy bueno, re escoge la evidencia, va a recoger la cereza la evidencia que respalda lo que piensa que quieres que diga. Por lo que va a recoger cereza como, mucha buena evidencia para la defensa. Y la fiscalía. Y entonces puedes sopesar esas cosas de forma independiente y tener una vista mucho más redondeada en lugar de si fuera solo de un lado y casi llega al punto en que es una especie de simplemente iluminación de gas en función de lo que quieres escuchar Entonces esto es realmente muy importante, todo si es una gran decisión si estás pidiendo un tipo de verificación, sobre todo si es una gran decisión si estás pidiendo un tipo de verificación, validación de, ya sabes, como, una gran cosa, como, por ejemplo, ya sabes, un caso legal o incluso un cambio de carrera o decisión de vida o o o si o cualquier cosa donde esté como, realmente matizado y estás buscando alguna validación porque yo Ni siquiera estoy bromeando. Literalmente lo he tenido donde la IA simplemente volteó completamente su conclusión, como cuatro o cinco veces, literalmente en una conversación, y es como, realmente exasperante Ya sabes, dices, Bien, entonces esto es lo que pienso, basado en todas las pruebas y basado en todo el contexto, todo lo que te doy, como, ¿estás de acuerdo? Y es como, Oh, esa es una gran idea. Es realmente perspicaz. Y luego voy a decir, en realidad, no, lo volví a pensar. No creo que sea lo mejor. Y luego dirá, eso es lo más perspicaz que has dicho en toda esta conversación Esta opción es mejor. Y va a seguir balancín, y puede llegar al punto en que en realidad es ridículo. Está mejorando, pero todavía hace esto a veces. Entonces lo que haría es leerme e iniciar un chat completamente nuevo con cada chat diciendo, ya sabes, con cada chat, indicar una IA, tienes una preferencia en sentido contrario en los chats separados, y luego ver qué dice, ver cuánto valida cada una de esas opiniones y ver qué puntos da Y entonces tendrías que sopesar de manera independiente esos más bien además de lo que te está diciendo en el chat. Y entonces eso te da una imagen mucho más redondeada. Entonces sí, este es definitivamente lo que haría para superar todo el asunto de SycaFancy 12. Automatización del contexto (instrucción personalizada): Derecha. Entonces te he arrojado muchas técnicas en esta clase. Y a medida que experimentas con estas técnicas, y cuando empiezas a usarlas en la vida cotidiana en diferentes aplicaciones, ya sabes, haces toda tu estructura fundacional, haces, no sé, tu incitación de múltiples pasos o lo que sea, notas que estás escribiendo los mismos comandos una y otra vez , como, en términos de, como, ciertas señales instructivas o similares, ciertas señales instructivas a o podrías notar que está haciendo ciertas cosas mucho y le estás diciendo que no haga cierta cosa, una y otra vez. Entonces es aquí donde realmente hacemos uso del uso de las instrucciones personalizadas automatizadas que vienen con LLM Entonces recuerda cuáles son tus preferencias. Y así he guardado esta lección hasta bastante tarde en esta clase, porque a estas alturas ya sabes cómo iterar tus prompts, ya sabes cómo hacer lo fundacional Y en general has visto cómo funciona la IA y el razonamiento detrás de ellos. que puedas establecer tus instrucciones personalizadas a tu preferencia incluso si tomas instrucciones personalizadas de mí mismo o de algún lugar que hayas visto en línea, al menos conoces el razonamiento detrás de ellas. Y la razón por la que lo dejé tan tarde es porque aunque técnicamente, sabes, no hay nada vinculante en ellos, siempre puedes cambiarlos. Lo que encontré es sin duda para mí, de todos modos, una vez que puse mis instrucciones desde el principio, es algo que casi, me gusta, olvido y realmente no vuelvo y cambio activamente. Entonces creo que en realidad es bastante importante tener una comprensión y establecer, bastante buenas Instrucciones Personalizadas desde el principio, y luego eso te servirá muy bien en el futuro. Entonces, para acceder a estos, son bastante simples. En Gemini, es como ajustes, instrucción es muy similar en ChatGPT y Claude Es solo en algún lugar del menú de configuración y personalización Entonces, cuando establezcas estos, piensa en estos como una capa invisible que se sienta en el fondo de tu cuenta. Por lo tanto, es un conjunto permanente de, como, pautas y principios generales que quieres que siga para cada chat antes de que incluso mire su mensaje Directamente sacados de la caja, los LLM están diseñados para, por supuesto, tener las aplicaciones más amplias posibles Por lo tanto, están diseñados para ser conversadores, útiles y educados Y solo haremos suposiciones realmente grandes sobre lo que no sabe, solo para que mantenga ese nivel máximo de amabilidad y solo llene los vacíos por sí mismo El gran, gran problema con toda esta persona de ser un asistente realmente útil es todo lo de SincaFancy Simplemente básicamente está de acuerdo y refleja lo que dices. Así que los LLM sacados de la caja son como una muy buena camiseta o vestido Ya sabes, probablemente le quede a la mayoría de la gente. Pero por muy bueno que sea, no va ser tan bueno como algo a medida, que es lo que estamos tratando de hacer aquí. Entonces mucho de lo que pones aquí será personal. Te recomendaría comenzar a usar las técnicas en esta clase, experimentar mucho y establecerte en el método que más te guste. Y luego, naturalmente, encontrarás que hay ciertas cosas le sigues diciendo que haga una y otra vez. Y puedes poner aquí Instrucciones Personalizadas. Pero en fin, lo que he hecho aquí es que te he dado algunos ejemplos de unos que realmente me han funcionado. Entonces el número uno es la adulación r así que la regla anti sincancia es la que siempre ha sido un problema Entonces tengo una regla aquí para obligarlo a dar otros puntos de vista. Entonces digo priorizar verdad objetiva sobre estar de acuerdo conmigo Si presento una estrategia, idea o argumento que tenga fallas, no la valide. Jugar activamente al defensor del diablo, señalar los eslabones más débiles de mi lógica y resaltar pruebas desconfirmarlas, aunque no quiera oírla Entonces como sabemos, por naturaleza, LLM son que actúan sincófánticos o agradables, como, no importa Pero esto lo obliga a dar algunos puntos al contrario, y ojalá te traiga cosas a tu atención, y puedes pedirle que explore más si es un problema. Lo cual podría ayudar a reducir tus puntos ciegos. El número dos es verificar suposiciones. Una de las mayores limitaciones de los LLM es que si tienes un punto muy vago o incluso un prompt muy bien desarrollado sobre un tema realmente complejo que podría faltar algún contexto, solo adivinará y alucinará una Básicamente, está diseñado para decir, si la respuesta que probabilísticamente parece más plausible ser la respuesta con lo que Pero si no das suficiente información, va a ser una muy mala respuesta. Por lo que tenemos que obligarlo a que disminuya la velocidad y haga preguntas aclaratorias Nunca adivine mi intención ni hagas suposiciones si un prompt es vago Carece de restricciones, o le falta un contexto clave. En cambio, detente y hazme una lista con balas de preguntas aclaratorias antes de generar alguna respuesta. Entonces, en mi experiencia, este en particular es acertado o faltado porque la IA, naturalmente, no le gusta diferir hacer la tarea sobre múltiples mensajes Sólo quiere hacer todo en un solo mensaje. Entonces volviendo a lo que estábamos diciendo sobre el asistente demasiado ansioso, solo quiere hacerlo Entonces es útil tenerlo aquí, pero tienes que darte cuenta de que puede que tengas que simplemente decirle manualmente que lo haga a veces. Número tres, el filtro de pelusa y adulación. Entonces no sé por qué, pero esta me molesta más de lo que debería. A veces en realidad es realmente exasperante, sobre todo si hago mis reseñas de libros o lo que sea, cuando LLM, te halaga con solo porquería de toro insincera, por ejemplo, estaré haciendo una reseña de libro con IA haciéndole Y dirá, como, cosas realmente exageradas. Al igual que, esa es una pregunta realmente extremadamente perspicaz que llega al meollo del tema O dirán, como, cosas como esta te muestran realmente pensando tres pasos por delante. Cosas como un humano nunca diría a, como, solo una pregunta básica. Además, agrega mucha pelusa. Eso es solo una pérdida de tiempo. Y me enfurece. Entonces digo, omita todo palpador conversacional Itancy de adulación, introducciones robóticas Nunca empieces una respuesta con ciertamente te puedo ayudar. Centrarse puramente en la sustancia y llegar directo a la respuesta directa. Entonces, me gusta usar esta cotización. Este funciona bastante bien ya que es una instrucción directa a la IA, como un bono agregado a la misma, no siendo molesto. Te ahorra fichas adicionales para cosas más útiles o para obstruir el chat Número cuatro, enfoque intencional. A veces escribimos avisos rápidamente y no usamos las palabras exactas que quieres que la IA, y tú quieres que la IA lea entre líneas Sabes lo que sucede cuando particularmente estás en una conversación casual con tus amigos y tus palabras no tienen sentido. Pero ellos solo se van, Sí, sabemos a lo que te refieres. Algo así para la IA, si eso tiene sentido. Así que concéntrate en mi objetivo subyacente implícito en lugar de una lectura literal estricta de mi pronta. Adapta tu respuesta para resolver mi problema real. Si mi intención o mi intención es ambigua, pídeme explícitamente que aclare Entonces estas son algunas de las sencillas instrucciones que utilizo para ayudar a IA a superar ligeramente algunas de sus limitaciones y obligarla a hacer cosas. Eso está más adaptado a mí. Entonces básicamente es afinar la IA para que sea, un poco más nítida y tomar menos libertades Debido a que solo funcionan en segundo plano, literalmente puedes simplemente configurarlo y olvidarlo. 13. Lección final: Has llegado a la lección final de la clase. Entonces estadísticamente, el 87% de los estudiantes que inician una clase y hacen la primera lección no llegan a la lección final. Estás en un grupo muy selecto, y como recompensa, tengo algunos recursos para ti. Porque hemos pasado por muchas técnicas, y no quiero que te sientas abrumado Entonces este video es solo para redondear las cosas por todas partes. Y en el futuro, será un proceso continuo de experimentación Apenas por la naturaleza de los LLM y lo rápido que están avanzando, es literalmente imposible para ti tener un conjunto de framework o trucos o consejos que seguirán funcionando indefinidamente Es tener ese método, esa mentalidad de pensar constantemente iterando, mejorando constantemente tus respuestas Entonces tengo algunas hojas de trucos solo para resumir todo lo que hemos hablado sobre qué diferentes técnicas hay, cuáles son la mejor manera de mejorarlas, y todo solo para te joden la memoria y para darte un poco de inspiración cuando estás trabajando en un problema realmente duro Entonces, si quieres estar en contacto con futuras clases, desarrollos futuros de IA, y cosas que estoy leyendo, solo intereses generales que tengo, en realidad publico un boletín semanal, así que asegúrate de suscribirte a eso, y tienes todas las últimas actualizaciones sobre las cosas en las que estoy trabajando, así como cotizaciones y otros recursos basados en la inversión. Entonces también voy a tener mucha curiosidad de ver en cuanto al proyecto de clase. Eso ha evolucionado a lo largo de las múltiples indicaciones. Entonces, si estás contento de, ya sabes, no dudes en compartir tus indicaciones. Eso ha funcionado muy bien para ti y cómo eso ha cambiado el resultado de tus respuestas, para que otros estudiantes puedan aprender, puedan tocar. Eso va a ser muy útil. Es un momento realmente emocionante porque esta tecnología es la tecnología de más rápido crecimiento, más emocionante, en mi opinión, de todos modos, que he visto en mi vida, y ser realmente buena y dominarla realmente te dará una ventaja futuro en los próximos, ya sabes, 25 años. Y es un proceso de experimentar y simplemente divertirse con él y probar cosas nuevas Hay tantas aplicaciones, siento que la gente apenas está empezando a rayar la superficie ahora. Todavía es muy, muy temprano. Así que diviértete con tu proyecto de clase, publica la salida de tu contenido y mantente en contacto y disfruta. Muchas gracias.