Una breve guía para la ingeniería rápida

1. Introducción: Hola y bienvenidos a esta breve guía para impulsar la Ingeniería. Mi nombre es David argumento, es decir, y soy un desarrollador de software n matemático. Entonces, ¿por qué desde la ingeniería, IA es ahora un componente crucial de vida audaz o cotidiana y nuestros negocios y las herramientas de IA de desarrollo rápido últimos años han tenido un impacto inevitable en nuestra vida diaria y solo sigue siendo más inteligente y funcional Entonces esta tecnología ha alterado la forma en que nos comunicamos con las personas. Un robot, la comunicación entre humanos y máquinas tendrá que mejorar a medida que avance esta evolución. Puede acercarnos un paso más a la realización de todo el potencial de la IA si comprendemos adecuadamente cómo interactuar con ella. Y una sal teórica, podremos obtener nuevas ideas y extraer mejor información, aumentando nuestro conocimiento de una variedad de temas. Por lo tanto, comprender la ingeniería orgullosa es crucial para obtener estos beneficios. 2. ¿Qué es la ingeniería rápida?: Entonces, ¿qué es la ingeniería rápida? La capacidad de comunicarse con la IA manera efectiva es crucial a medida que nos fijamos. Esto implica escribir Prout que sirvan como comandos para la IA. Y la ingeniería rápida es el proceso de creación de entradas que recuerdan la salida de un modelo de lenguaje, Lake Chad, TBT. Y para lograr buenos resultados, es importante proporcionar insumos de alta calidad. Por otro lado, solo las indicaciones finas pueden dar lugar a respuestas inexactas o negativas. La ingeniería rápida cubre una amplia gama de aplicaciones, como chatbots, creación de contenido, herramientas traducción de idiomas y asistencia virtual. Sin embargo, es posible que tenga curiosidad sobre las técnicas utilizadas por la tecnología de IA para producir sus respuestas. Entonces aprendamos cómo funcionan estos modelos. 3. ¿Qué son LLMs?: Entonces lo que algunos van a citar el Microsoft aquí es tenso eran modelo de lenguaje grande. Y este es un término que hace referencia a modelos de IA que pueden generar textos en lenguaje natural a partir de grandes cantidades de datos. Ampliar modelos de lenguaje es redes neuronales profundas como transformadores, para aprender de miles de millones o incluso billones de palabras y para producir impuestos sobre cualquier tema o dominio. Los modelos de lenguaje grande también pueden realizar diversas tareas de lenguaje ventral como clasificación, resumen, traducción, generación y diálogo. Y tenemos ejemplos aquí. El más famoso es GPT-3, pero hay otros como los huevos de pájaro permiten Excel neto y un poco, un poco No estoy seguro si pronuncié eso correctamente, pero sí, la L significa grande. En el caso de LLM, significa que realmente, realmente grande, puede ser millones, miles de millones, o incluso billones de dólares. La L significa lenguaje, que se refiere al hecho de que las frases de palabras por aliento dejan en el centro de cómo funciona este tipo de IA semántica es que representa modelos. Y son representaciones matemáticas dimensionales de alto crecimiento representaciones matemáticas de gran cantidad de información escrita. Entonces lo que tiende a ser d tiene que ver con LLM, bien, ya establecemos esa conexión ahí. El chat, normalmente el sistema funciona con un modelo LLM AI, inventó Open AI basado en el modelo GPT-3. Entonces el modelo aquí es en realidad GPT-3. Y ahora mismo tenemos GLUT4, ¿verdad? Y chat GBD es solo la aplicación que construyó Open AI. Entonces puedes pensar en el chat TBD como una aplicación construida sobre ese LLM. Que se ha afinado específicamente para involucrar charlas de directores rurales. 4. Aprendizaje no supervisado de Vs supervisado: Entonces, profundizando un poco más en el aprendizaje automático y la inteligencia artificial en general, existen dos métodos de aprendizaje primario basados en el modelo del lenguaje. Aprendizaje supervisado y no supervisado. Aprendizaje supervisado en bulbos usando un conjunto de datos etiquetados que contiene datos con una respuesta correcta. Mientras que el aprendizaje no supervisado es sus propios datos etiquetados, lo que requiere que el modelo analice respuestas indeterminadas y precisas. Por lo general, cuatro o GPT-3 se basa en el aprendizaje no supervisado para generar respuestas. Por eso no siempre tienen los datos correctos ni la respuesta correcta, porque no están capacitados con las respuestas correctas. El modelado del lenguaje es un componente fundamental de las diversas aplicaciones de lenguaje de IA que permite a un modelo crear textos de acuerdo con el prompt dado. Y aquí tenemos una imagen del machine learning clásico. Tenemos el aprendizaje supervisado, clasificación y regresión, es decir, las economías de orina. Matemático o ingeniero, es posible que hayas oído hablar de la regresión lineal. Entonces eso es en realidad como aprendizaje supervisado. Estás haciendo aprendizaje automático. Estamos en Nueva York haciendo regresión y aprendizaje sin supervisión en el sentido clásico. Se puede ver esta asociación de clustering reducción de dimensionalidad. Esta es en realidad una explicación muy simplificada del aprendizaje supervisado versus el aprendizaje no supervisado. 5. Información que busca avisos: Entonces ahora echemos un vistazo a las diferentes categorías de indicaciones que tenemos. Entonces el más básico es el rápido que busca información. Y estos problemas están diseñados específicamente para recabar información. Y los bailes en su mayoría respondían a las preguntas qué y cómo. Es como si estuviéramos usando Google. Entonces tenemos algunos ejemplos aquí. ¿Cuáles son las atracciones turísticas más populares en Ecuador? ¿Cómo me preparo para la revisión de literatura laboral de React? ¿Cuáles son los tipos más comunes de ciberataques y cómo pueden los individuos y las organizaciones protegerse contra ellos? Así que ya ves, este prompt es un poco más de detalle del resultado que queremos y vamos a hablar de eso más adelante. Cuál es la historia de los Juegos Olímpicos y qué ácido tanto del retiro. Por lo que todas estas indicaciones son su salida de indicaciones de búsqueda de información. 6. Indicaciones basadas en la instrucción: Ahora tenemos indicaciones basadas en instrucciones y las has estado usando desde hace bastantes años, es dar instrucciones al modelo para que realice tareas específicas. Un buen ejemplo de tales promesas, el uso de Siri Alexa o Google Assistant. Entonces Chad DBT es muy reciente, pero has estado usando indicaciones basadas en instrucciones bastantes años. Por ejemplo, cuando le dices a un léxico que se te da un mensaje basado en la estructura. Y vio tell tap DPT llamó así. Obviamente, no va a saber quién es ese. Y tampoco va a poder hacer una llamada telefónica. El último episodio de mi programa de televisión favorito, de nuevo, Chad DBT no podrá reproducir los últimos episodios de tu programa de televisión favorito porque no está conectado a un televisor. Pero Ted TBT puede responder. Los otros ejemplos como proporcionan instrucciones paso a paso para ensamblar un mueble para niños con espalda plana como la cómoda ikea. Eso es algo que Chad GPT, ¿te puedo dar la respuesta? ¿Correcto? Un tutorial sobre cómo usar programas de software populares como Adobe Photoshop o Microsoft Excel para una tarea o proyecto específico. Y F. Pero aquí para una tarea o proyecto específico, porque si, si le dirías a charlar la belleza, dame un tutorial de Adobe Photoshop que va a ser demasiado general. Es necesario proporcionar. ¿Qué quieres aprender? ¿Específicamente? Porque aprender Adobe Photoshop es muy complejo, ¿verdad? La guía para practicar unas técnicas de relajación como meditación mindfulness o la respiración profunda para reducir el estrés y promover el bienestar mental. Ese es también un ejemplo de prompt de bits de instrucción. 7. Contexto que proporciona indicaciones: Ahora tenemos contextos que proporcionan prompts, un contexto dado y ejemplos a la IA es bastante importante. Estas indicaciones proporcionan información a la IA para ayudarle a comprender mejor lo que el usuario necesita para servir. Falso. Aquí tenemos un ejemplo. Si estás planeando una fiesta y necesitas algunas ideas de decoración y actividades para los asistentes, puedes estructurar tu pronta así, y planear una fiesta para mi hijo. ¿Cuáles son algunas ideas de decoración y actividades que todavía, y estas podrían hacer para que sea agradable y memorable. Entonces, ¿cuál es el contexto aquí? La primera frase, estoy planeando una fiesta para mi hijo. Ese es el contexto. Ahora bien, la IA sabe que estás teniendo una fiesta, ¿verdad? Y mejor te puede dar una mejor respuesta. 8. Indicaciones comparativas: Ahora tenemos indicaciones comparativas. Estas herramientas ayudan a comparar y evaluar diversas opciones presentadas al modelo para ayudar al usuario a realizar una sesión de adaptación. Entonces esto es muy fácil. La venta de madera se compara a y B, lo que es una mejor inversión como perros o bienes raíces en términos de crecimiento financiero a largo plazo y estabilidad. Y en realidad, si haces este chat tip de té o lo que sea que te vaya a decir, no te voy a dar asesoría financiera. Estos son los pros y los contras. Entonces eso es muy bueno porque tener una causa cercana es básicamente una manera que tomes una mejor decisión porque eres tú quien va a tomar la decisión al final del día. Puedes usar pros y contras explícitamente en el aviso, como en este ejemplo, cuáles son los pros y los contras de usar una tarjeta de crédito versus un préstamo personal en términos de tasas de interés, tarifas e impacto en la puntuación crediticia. De nuevo, te va a dar pros y contras. No te va a decir, oye, esto es lo mejor que puedes hacer. Tú eres, al final del día, el que toma esa decisión. ¿Qué ventajas tiene un automóvil híbrido sobre el automóvil de gasolina en términos de eficiencia de combustible, ambiental, espalda y coseno Nuevamente, el auto híbrido tiene pros y contras. Los autos propulsados por gas tienen pros y contras. Al final del día, vas a tener tu propia base de opinión y los pros y los contras. Entonces en este sentido, herramientas como Ted para ser terribles o imparciales, tan buenas para eso. 9. 09 opinión buscando consejos: Ahora aquí viene lo interesante, las indicaciones de búsqueda de opinión. Entonces, antes de continuar, debo decirles que la IA no tiene ninguna opinión. Recuerda, la IA solo se entrena con una gran cantidad de datos y esos datos en realidad provienen de internet. Entonces la respuesta va a estar basada en la opinión de otra persona. El propósito de estas indicaciones es obtener la perspectiva AIS sobre un tema en particular. Un ejemplo es, ¿cuál es tu opinión sobre el uso de las redes sociales por parte de los adolescentes? Lo borras, tiene impacto positivo o negativo en tu salud mental como desarrollo social. Al preguntar chat DBT, estas preguntas exactas, mira la respuesta. Como modelo de lenguaje de IA, no tengo opiniones personales, pero puedo proporcionar información e ideas sobre el tema a partir de la investigación como estudios. Y entonces te dará la respuesta. Tengo la pregunta, bien. Entonces eso es muy importante saberlo. La API no tiene opinión. Aquí tenemos otro ejemplo. En su opinión, ¿cuáles son los temas ambientales más apremiantes que enfrenta el mundo hoy en día? Y qué pasos se deben tomar para abordarlos. O en su opinión, cuáles son las cualidades más importantes del liderazgo efectivo y si cree que encarna esta esfera pública o privada de calidad. Nuevamente, tengo que recordarles, la IA no tiene opinión. Esto es gente de Internet, algo así. Entonces puede haber sesgo, lo que vamos a hablar más adelante. 10. Indicaciones basadas en roles: Ahora hablemos de las bombas basadas en roles porque estas son las indicaciones más importantes. Son tan importantes que la API oficial para Chet GPT asume que vas a utilizar este tipo de rutas. Entonces, si te gusta eso, puedes leer la documentación de la API y encontrarás que estas indicaciones basadas en roles son muy importantes. Y en general, si dejas que prompt basado en roles cada vez que estés bien porque es muy útil en tratado ha funcionado para esta categoría en particular, está haciendo uso del framework de cinco Ws. Cool es el primero. Ciencia o rol que necesitas. Los modelos juegan un papel como un maestro y de todos los pájaros tienen y así sucesivamente. Lo que eso se refiere a la acción que desea que haga el modelo cuando se encuentra en esta línea de tiempo de arte para completar una tarea en particular donde se refiere a la ubicación o contexto de un prompt en particular. Y la y se refiere a las razones, motivación u objetivos para un determinado prompt. Y suelen incluir información sobre por qué quieres aprender. Tenemos que ser específicos sobre eso, esa duración de tu periodo de aprendizaje y tus metas de aprendizaje para el rápido, brindando más detalles resultaremos en un evento más personalizado o rebelde. Haz fan, por favor asegúrate de leer esto en inglés. Esto no es obligatorio, pero es mejor si lo haces en películas. En general, los LLM funcionarán mejor si lo haces en inglés. Tienes herramientas de Traducir que te pueden ayudar con eso. Otra vez. Entonces veamos un ejemplo. El gerente de marketing golpista. Lo que crea una nueva campaña en redes sociales cuando el próximo trimestre, julio, septiembre o lo que sea, donde apuntar al mercado norteamericano y la y aumentó el conocimiento de la marca e impulsó las ventas. Entonces el prompt puede ser algo así. Como gerente de marketing, cree una nueva campaña en redes sociales dirigida al mercado norteamericano. En el siguiente orden para aumentar el conocimiento de marca y las células impulsoras, tienes los $5 allí se encargarán de implementar la campaña. ¿Qué plataformas se utilizarán? ¿Cuándo se lanzará? A dónde se dirigirá y por qué es importante para los objetivos de la compañía. Entonces hay que ser muy específico. Sólo si le pides esto para charlar, a lástima, tendrás esta respuesta, que es bastante larga y es bastante detallada. Y creo que esto puede colocar muchos trabajos. Entonces hay que aprender a incitar este tipo de efectos. 11. Perplexity.ai: Ahora un poco de advertencia. Es importante siempre en todas las categorías, en cada prompt verificar la exactitud de las respuestas de los modelos. Si no estás seguro sobre el tema en casa, si no sabías del tema de antemano, tienes que verificar las respuestas porque se basa únicamente en la salida del modelo puede no delta la información correcta. Dado que el modelo no siempre es exacto, asegúrese de hacer referencias cruzadas la información con otras fuentes para molestarse. Es un curioso. Entonces, ¿cómo logramos esto? Chat DBT no nos da las respuestas, ¿verdad? Entonces tenemos estas herramientas llamadas perplexity.ai. Para que puedas ir allí a la página web. Y es básicamente como tat typic d, pero d de z fuentes. También Google bar, que es como la competencia por el chat. Tdt, va a hacer esto, pero no es ahora mismo en el momento en que estoy grabando estos videos. No es Bartlett para todos. Entonces por ejemplo yo. Preguntó Amy es crear agudo, dame cinco sitios web para buscar artículos de psicología que valgan la pena. Y me dio estas cosas. Y es lindo porque también puedes hacer click en estos enlaces , ¿verdad? Y si haces click en estos paréntesis aquí, te va a dar las fuentes de donde esta cosa recogía la correlación, ¿verdad? Porque esta herramienta de perplejidad también puede conectarse a Internet, ¿verdad? Y eso es útil porque no tiene ese suficiente 21 corte, conocimiento, corte, como charlar para recoger un árbol. 12. Deje de usar el patrón de búsqueda de Google: Bien, ahora hemos visto todas las indicaciones de categorías. Ahora bien, ¿cómo hacemos efectivas estas indicaciones? Entonces, antes que nada, nos enseñaron Google porque Google es una gran empresa. Ha estado en el mercado muchos años. Y han mejorado su buscador para que funcione con menos palabras, ¿verdad? Entonces la última iteración que lleguemos a Google, mejor e.g . u. Dot como Google. ¿Cuándo tuvo lugar la Revolución Francesa? Pides fecha de Revolución Francesa y ya está. Y también puedes poner cotizaciones para que puedas tener coincidencias exactas y todas esas cosas. Pero tenemos que olvidar totalmente esta forma de buscar información con PT hablador u otras aplicaciones construidas sobre LLM. Porque es todo lo contrario. Nosotros queremos. tanta información como podamos proporcionar IA para dar contextos. Ejemplo, las cinco W's y todas estas cosas. Así que por favor olvídate buscar como lo estabas haciendo con Google. Entonces lo primero, la claridad. Si estás en una relación, encontrarás que la claridad es muy importante. Y en todo tipo de comunicación, en realidad, la claridad es bastante importante. Entonces, como dice aquí, las comunicaciones claras son cruciales en cualquier entorno, incluyendo incitar al convento. Entonces, para crear un producto efectivo, es importante definir claramente su objetivo, se asegurará de que la IA pueda precisar respuestas a su orgulloso. 13. Contexto Y limitaciones: ¿Qué otra cosa está activa? Dado el contexto y los ejemplos, como lo mostramos en el contexto proporcionando la categoría de prompts, suministro de información adicional se puede ver es la IA en la comprensión del objetivo inquilino del problema, lo que hizo rendir más presets para sales. ¿Qué más? Establecer limitaciones. Por lo que a la IA se le deben dar límites para operar dentro de sus aumentos de precisión y evitar irrelevantes la provisión. Y fui a darte un buen truco. Puedes establecer limitaciones mientras esta no es la única manera de hacerlo, ¿verdad? Pero si pones t l colon, el punto y coma, punto y coma al final del prompt. Entonces tendrás como el demasiado tiempo no leí versión de lo que Jabhat, de lo que quieres. Entonces dame un resumen de la Revolución Francesa. La Revolución Francesa obviamente es un gran acontecimiento histórico. Entonces un resumen es muy ambiguo. Pueden ser diez páginas de PDF y eso será un sub-array. Pero si dices que los son demasiado largos, no leí te va a dar un breve párrafo de lo que es la Revolución Francesa. 14. Reducir las consultas, rephrase e iterate: ¿Qué más es efectivo? Rastrillar consultas. Estas consultas vinculantes en bloques más pequeños y más manejables. Canon tiene capacidad de inteligencia artificial para manejar la información. Al hacerlo, el modelo es capaz de captar cada portador de consultas y generar mejores respuestas. Entonces, ¿qué significa esto? No haces demasiadas preguntas a la vez. La IA va a funcionar mejor si haces una pregunta a la vez. ¿Bien? Ahora, iterar y reformular. Si no está satisfecho con una respuesta AR, intente reformularla y proporcione más contexto o muestras de Martin por mejorar los resultados. Si quieres hacer esto, obviamente puedes copiar el orgulloso y pegarlo de nuevo. Pero en realidad en el diputado de chat, estás usando eso. Tienes estos pequeños botones donde puedes editar tu mensaje como enviado nuevamente. ¿Bien? Otra cosa son las solicitudes de explicación paso a paso. Si requiere detalles en profundidad fueron un desglose relacionado con un tema complicado, puede enmarcar su mensaje de una manera que dirija a la IA para proporcionar respuestas integrales dividiendo el estado de pulgadas. Y esto en realidad bastante, bastante útil porque los humanos Lee entienden mejor cuando se nos dan instrucciones en un asunto de orden. Entonces la IA es capaz de hacer eso. Así que no dudes en pedir una explicación paso a paso de algún procedimiento o algún aprendizaje. 15. Priorizar la información importante: Otra cosa que puedes hacer es priorizar la importación de esa deformación. Destacar la información más importante del producto. Al hacer esto, le estás diciendo a la IA que te desarrolle algunas respuestas que sean relevantes para la inflamación de edición incrementada, por ejemplo aquí, y conviértela en una lista de los mejores jugadores de fútbol. No obstante, los mejores futbolistas son síndrome de masacres, Alto, ballet Maradona, ya sabes. Pero estoy diciendo poner en la parte superior, los jugadores más jóvenes. Por lo que cambiará la respuesta. Dará mi respuesta donde los jugadores más jóvenes son los mejores de la policía y esto sólo me da diez, puedo pedir más. Y probablemente no va a enumerar un desordenado o persona y Aldo, porque hay jugadores más jóvenes que son muy buenos. Entonces el primero es el urbano Callen, que ahora mismo debe tener como 23 años de edad. Y otra vez, siempre revisa, vuelve a verificar la respuesta. No juega en el Borussia Dortmund, n bar. Entonces esta respuesta es parcialmente correcta porque Arlene Cowan es la mejor jugadora más joven, pero no juega en Portugal. Entonces has matado y luego por pareja que sigue planeando el síndrome de periodos. Y al momento de grabar este video y estos otros chicos, no sé demasiado de fútbol, así que discúlpeme. 16. Tenga cuidado con el sesgo: Antes de que terminemos esta breve guía, tengo que decirte el bit AI fulls y las limitaciones que tienes que tener en cuenta. El más importante es definitivamente el sesgo. La precisión del algoritmo de aprendizaje automático depende los datos proporcionados por sus datos puede conducir a una salida sesgada, destacando la necesidad de revisar que solo los datos de impresión para posibles sesgos al principio del proceso. Por lo que esta imagen lo resume. Si metes esta cosa, vas a recibir algo fuera. Por eso escucharás en las noticias que toda la IA es racista o está discriminando un poco más. Y eso es porque hay muchas cosas así en Internet. Entonces no teníamos control sobre eso. No teníamos control sobre lo que gente ponía en Internet, ¿verdad? Entonces no podemos hacer nada al respecto. Pero hay otro tipo de sesgo, que es bonito, bonito color. Es importante tener en cuenta que al interactuar con una información incorrecta dada puede llevar a la que estuve de acuerdo con usted, aunque se equivoque. Y esto me ha pasado muchas veces donde locamente estoy en lo cierto, pero realmente no lo estoy. Por lo que se recomienda tengo algo de comprensión del tema antes de preguntar a la vista. De nuevo, hay que volver a verificar las fuentes. Si la IA proporciona una respuesta incorrecta, podría ser útil reformular la pregunta y proporcionar contexto adicional. Entonces nuevamente, tenemos el control sobre esto. No creas que eres el chico más inteligente si rho, si no estás seguro de algo, que tratar de reformular tu prompt para que Tad se compadezca o lo que sea es mucho inconscientemente estar de acuerdo con información incorrecta, si eso tiene sentido. 17. AI no tiene sentimientos: Otra cosa que es obvia es llenar la API no tiene sentimientos. Podría, podrías pensar que ha sido porque a veces ted TBT te dice, oye, lo siento, te pido disculpas. No es sentir nada. Así que a menudo luchaba con un lenguaje complejo y en emociones humanas aisladas ya que carece de la capacidad de sentir que sus decisiones relacionadas con comportamiento humano típico no siempre pueden ser precisas y confiables. Así que no te sorprendas si te da alguna tontería o problema de peligro muy frío porque no va a tomar en cuenta los campos. No obstante, eso no quiere decir que no se pueda reescribir el tanque con cierto tono. Puedes releer los textos para que parezca que eres feliz. Es síndrome, profesional laboral, más triste. Entonces ocho ojos son capaces de hacer esto. se puede lograr con este bot de colcha, que es una extensión de Chrome. O puedes hacerlo dentro de la app TO may, que en realidad es la app que estoy usando. Procreate estas diapositivas. 18. Conclusión: Bien. Entonces, ¿cuál es la conclusión de esta breve guía? Bueno, no soy bueno para ejecutar terminaciones. Entonces le pedí a chat TBT que escribiera una conclusión para un curso en línea sobre la generación incitada. En conclusión, este curso en línea ha cubierto los aspectos esenciales de la ingeniería rápida, proporcionando una comprensión integral de cómo crear mensajes efectivos que las respuestas ilícitas deseadas por parte de los usuarios. Así es. Hemos explorado los elementos clave de las indicaciones. No podía lenguaje, tiempo y contexto, y aprender a adaptar las indicaciones a diferentes grupos de usuarios como situaciones. A través de ejemplos prácticos y ejercicios, hemos adquirido experiencia práctica en problemas de diseño que involucran al usuario y facilitan los comportamientos secundarios. Al completar este curso, ahora tiene una base sólida en ingeniería rápida y está equipado con las herramientas y el conocimiento para crear indicaciones efectivas de la participación del Dr. usuarios para lograr sus objetivos. Si usted es el mensaje de inicio de sesión para un sitio web u otra plataforma digital. Los principios y técnicas cubiertos en este curso seremos valiosos activos en su kit de herramientas. Con la práctica y la experimentación, puede continuar perfeccionando sus habilidades de ingeniería de propiedades y crear indicaciones aún más convincentes que deleiten sus usuarios e impulsen el éxito empresarial. Bastante agradable. Espero que te haya gustado esta breve guía. Nos vemos en el próximo curso.