Domine a IA generativa e engenharia de prompts usando o ChatGPT

1. Introdução ao curso: Oi, pessoal. Bem-vindo ao meu curso engenharia rápida para o ChatGPT Meu nome é TamoyKumar Das. Só para dar uma ideia sobre mim, sou um ex-funcionário do Google com 16 anos de experiência em publicidade paga, ensino publicidade paga há mais de dez anos e ensino para muitos jovens profissionais, empreendedores e especialistas que desejam entrar nesse campo. Eu queria aproveitar esta oportunidade hoje para você saiba o que aprenderemos neste curso. Então, vamos analisar a compreensão das capacidades da IA genética Aplicativos e várias ferramentas de IA genitiva, incluindo o Hat GPT, como podemos usá-los para vários casos de uso Em seguida, entenderemos as instruções, que podemos fornecer especificamente no Chat GPT, que serão diferentes tipos de padrões de solicitação que podemos ter Vou mostrar vários exemplos desses padrões de alerta, que você pode aplicar nesse GPT e obter resultados realmente excelentes Espero que até o final deste tribunal, você entenda como usar engenharia rápida de forma eficaz no Chat GPT como uma ferramenta Obrigado mais uma vez, pessoal, por se matricularem neste curso, e estou muito animado em ver vocês dentro do curso 2. Por que a IA generativa é importante: Oi, pessoal. Bem-vindo a esta sessão. Nesta sessão, entenderemos por que devemos aprender sobre o genitivo A. Se você observar, o AA genitivo está na mente de todos os líderes da organização no Empresas, governos e, com interesse, surgem oportunidades. As organizações estão procurando especificamente pessoas que entendam a tecnologia e, o mais importante, tenham as habilidades para aplicá-la na prática no dia a dia de trabalho. Agora, ao contrário de muitas das tecnologias de tendências anteriores, IA genitiva desempenha quase todas as funções em todas as profissões no Agora, por causa disso, espera-se que as habilidades genéticas de IA se tornem mais importantes no futuro próximo, não apenas para cientistas da computação, para todos, e é por isso que elas serão essenciais como processamento de texto, planilhas e até mesmo alfabetização espera-se que as habilidades genéticas de IA se tornem mais importantes no futuro próximo, não apenas para cientistas da computação, para todos, e é por isso que elas serão essenciais como processamento de texto, básica Agora, há muitos novos interesses acontecendo agora em IA e as empresas estão olhando além da IA do cliente, da IA do consumidor. Uma interface de fórum de bate-papo é uma ótima maneira de demonstrar o potencial generativo da IA Agora, casos de uso da vida real estão incorporando a IA generativa nos processos existentes e tornando-a uma função integral de quase todos os fluxos de trabalho de negócios As habilidades que você adquirirá como parte desses programas devem ajudá-lo em sua carreira e ser muito aplicáveis instantaneamente ao seu trabalho. Há muitos pontos positivos aprender sobre IA genitiva porque isso será útil não apenas no seu trabalho profissional diário, mas também pessoalmente. Você também pode usar essas ferramentas de IA para resolver muitos problemas, perguntas e dúvidas que possa ter As ferramentas ajudam a chegar às soluções reais e também fornecem etapas práticas. Assim, você pode instruir a ferramenta dessa maneira. Você pode solicitá-lo de uma maneira que forneça as saídas que você está realmente procurando Portanto, faz muito sentido aprendermos sobre IA generativa entendermos como usar essas ferramentas de IA em diferentes esferas de trabalho Neste curso específico, veremos como isso ajudará em nossas funções de vendas na profissão de vendas. 3. Introdução à IA generativa: Oi, pessoal. Bem-vindo às sessões. E nesta sessão, falaremos sobre a IA genética, entendendo sua visão geral , seus antecedentes Se você observar, a inteligência artificial ou IA existe há anos, moldando quase todas as esferas de nossas vidas e revolucionando a forma como vivemos e trabalhamos Em sua essência, a IA pode ser definida como a simulação da inteligência humana por máquinas. Os modelos de IA aprendem com grandes quantidades de dados existentes. Existem duas abordagens fundamentais que são a IA discriminativa e a IA generativa Agora, a IA discriminativa é uma abordagem que aprende a distinguir entre diferentes classes de dados Um modelo discriminativo de IA recebe um conjunto de dados de treinamento em que cada ponto de dados é rotulado com sua classe O modelo então prevê a classe de um novo ponto de dados encontrando o lado do limite de decisão em que o ponto de dados se enquadra Os modelos discriminativos de IA usam algoritmos avançados para diferenciar, classificar, identificar padrões e tirar conclusões com base nos dados No entanto, eles não conseguem entender o contexto nem gerar novos conteúdos com base na compreensão contextual dos dados de treinamento É aqui que a IA generativa, inteligência ou a IA generativa entram em cena Os modelos GentiVi aprendem a gerar novos conteúdos com base nos dados de treinamento Eles podem capturar a distribuição subjacente dos dados de treinamento e gerar novas instâncias de dados. O GenTi começa com um prompt. Isso pode ser texto, imagem vídeo ou qualquer outra entrada que o modelo possa processar. Como saída, o modelo gera novos conteúdos, incluindo texto, imagens, vídeo, áudio, porta e dados. Gent pode produzir resultados na mesma forma em que o prompt é fornecido. Por exemplo, texto para texto ou em um formato diferente do prompt, como texto para imagem ou texto para vídeo. Agora, os modelos generativos podem pegar o que aprenderam e criar conteúdo totalmente novo com base nessas informações Tanto os modelos discriminativos quanto os generativos são criados usando técnicas de aprendizado profundo aprendizado profundo envolve o treinamento redes neurais artificiais para aprender com grandes quantidades de dados. Uma rede neural artificial é uma coleção de unidades de computação menores chamadas neurônios, agora, que são modeladas de maneira semelhante à forma como o cérebro humano processa As habilidades criativas da IA genética vêm de modelos generativos de IA , como redes adversárias generativas, órgãos, codificadores automáticos variacionais ou VAE ou transformadores . Esses modelos podem ser considerados os alicerces da IA generativa Agora, se você observar a evolução da IA generativa, ela começou na década de 1990 quando a origem do aprendizado de máquina começou, e então eles começaram explorar a criação de dados aritméticos A partir daí, na década de 1990, as redes neurais surgiram com recursos avançados de IA genética Em 2010, o aprendizado profundo começou com grandes conjuntos computação acelerou a IA generativa Então, em 2014 e nos anos seguintes, Gans, sobre os quais falamos, e outros modelos regularizaram toda a IA genética Agora, se você observar os modelos básicos, os modelos de EI com amplos recursos adaptados para criar modelos ou ferramentas especializados e avançados Surgiram grandes modelos de linguagem que podiam processar e gerar texto. partir de 2018, surgiram vários tipos de LLMs, como Open AI, série GPT N, começando com GPT um, GPT dois, três, Então também surgiu o Google Palm, Lama surgiu no próprio 18, também há geração de imagens generativas de IA iniciada com difusão estável e Se você observar as ferramentas generativas de IA atualmente, que podem ser usadas por vários motivos, We One está sob geração de texto, existe o trágico PT Na geração de imagens, há o Dali two, meio da viagem, que podemos usar Na geração de vídeo, há síntese e, em geração de código, há o código Po Pilot e o código Alpha Espero que isso faça sentido. Espero que você consiga entender a evolução da IA generativa, que aconteceu ao longo do tempo 4. Evolução da IA generativa: Oi, pessoal. Bem-vindo a essas sessões. Nesta sessão, discutiremos a evolução do VI genético ao longo dos anos Se você observar, o GenetiveEI começou a evoluir paralelamente ao avanço do Ele permaneceu inativo por mais de 20 anos, mas depois foi impulsionado especificamente por GANs e VAEs, e agora está pronto para moldar o futuro Portanto, houve um progresso significativo na criação de conteúdo. Portanto, com os avanços, os primeiros modelos Geni tiveram alguns problemas de coerência e qualidade Está bem? Então, GPT três, GPT quatro, Dali, eles forneceram saídas sofisticadas de texto e imagens e aprimoraram a criatividade e a automação Agora, se você observar as capacidades genitivas, elas agem como um gênio criativo Ele pode criar imagens, escrever histórias, inventar novas ideias para nós Será baseado em um mecanismo baseado em regras. São sistemas restritos a contextos e regras predefinidos. Agora, modelos estatísticos e de aprendizado de máquina são usados para identificar padrões em conjuntos de dados com base em aprendizado semisupervisionado, supervisionado ou por reforço . Agora, também existem outras coisas. Ao longo do período, os VAs começaram a aprender padrões para gerar resultados semelhantes Os fãs produzem imagens e arte altamente realistas. Modelos autorregressivos foram usados para gerar conteúdo passo a passo, ideais para modelagem de linguagem Então, surgiu o aprendizado profundo e a rede neural , que podiam detectar padrões nos dados com recursos avançados. Também foi capaz de lidar com dados formativos não estruturados Então, o GAS, que são redes adversárias generativas, marcou o início de uma nova era de ferramentas de IA, onde poderia criar novos Além disso, foram usados LSTM e RNNs, que ofereceriam recursos avançados, ofereceriam recursos avançados, manipulavam dados não estruturados e podiam processar dados de séries e podiam Agora, se você observar a diferença entre a IA generativa e a IA tradicional, IA tradicional analisa ou prevê usando dados existentes A tarefa comum pode ser classificação, recomendação urigreon. Enquanto a IA genitiva usa modelos GAS e transformadores, ela é capaz de criar novos dados que se assemelham aos dados que se assemelham Agora, se você observar inteligência artificial ou a IA tradicional, ela evoluiu do nível de ordem básico para o preditivo, enquanto a IA generativa cria resultados de qualidade humana usando Portanto, se você observar que, desde 2017, uma nova era de tarefas generativas evoluiu, aproveitando os modelos GPT de código aberto Ele utilizou modelos pré-treinados para grandes conjuntos de dados e modelos de ajuste fino para tarefas específicas Então, no geral, se você ver a principal diferença, a IA tradicional segue instruções específicas, enquanto a IA genitiva inventa e cria sozinha 5. Recursos de IA generativa: Oi, pessoal. Bem-vindo a essas sessões. Nesta sessão, falaremos sobre as capacidades da IA genética Se você observar os recursos que a API genética tem agora, ela vai desde a geração de texto, geração de imagem, geração de áudio, geração de vídeo, geração código agora, geração de dados e recursos aumentados que ela tem agora, além e recursos aumentados que ela tem agora ajudar na criação de mundos virtuais imersivos que ela também é capaz Agora, se você observar especificamente os recursos de criação de texto, existem vários LLMs que fornecem isso, que são treinados em grandes conjuntos e podem gerar texto semelhante ao humano Não, eles também são capazes de aprender padrões e estruturas de conjuntos de dados e gerar conteúdo e mensagens de texto, textos ou respostas, conversas, explicações e resumos contextualmente relevantes textos ou respostas, conversas, explicações Alguns dos exemplos de recursos de geração de texto podem vir do OpenAI, do hat GBT e do Gemini do Google Agora, se você observar especificamente os recursos de geração de imagens no momento, os modelos generativos de IA utilizam técnicas de aprendizado profundo, como Gans, que são redes adversárias generativas e Com a ajuda deles, eles são capazes de gerar imagens de IA que são texturas realistas, cores naturais e detalhes refinados Agora, alguns dos exemplos de geração de imagens vêm da Style gan, que produz novas imagens de alta qualidade e alta resolução. Depois, há a arte profunda, que produz esboços de arte complexos e detalhados, partir de um esboço específico. E depois há Dali Dali produz novas imagens com base nas descrições textuais que fornecemos Da mesma forma, atualmente existem recursos de geração de áudio com IA generativa, na qual ela é capaz de gerar composições musicais, conversão de texto em fala, áudio, vozes sintéticas e fala com som natural Alguns dos exemplos podem ser o Wave gan, que produz formas de onda de áudio brutas, sons realistas, fala, música e ruídos ambientais Existe uma usenet de IA aberta, que é capaz de gerar músicas originais em vários gêneros e instrumentações, e também pode criar composições clássicas para composições clássicas Há também o tachotron two do Google, que é capaz de produzir DTS avançado e produzir fala, tom, tom, tom, modulação, pronúncia, ritmo e expressões sintéticos altamente realistas tom, modulação, pronúncia, ritmo Existem muitas capacidades generativas, que aconteceram no passado e estão aumentando continuamente agora neste momento 6. Aplicações de IA generativa: Oi, pessoal. Bem-vindo às sessões. Nesta sessão, falaremos sobre a aplicação da IA generativa em diferentes setores do trabalho Na primeira, vamos analisar a aplicação do gerador de IA em TI e DevOps Então, aqui, ele realmente melhora os processos de entrega de software e o gerenciamento da infraestrutura. Os recursos de geração de código da IA genitiva reduzem esforços manuais de codificação e o tempo gasto em Por exemplo, o Git Hub, copilot e o SNIC Deep code ajudam a criar repositórios de Ele pode examinar isso, eu posso examinar os padrões de codificação. Também ajuda a gerar casos de teste sintéticos e dados de teste. Com isso, você pode simular o comportamento, o impacto, a eficiência, a confiabilidade e a robustez do software Também existem ferramentas como ferramentas e testes APLA, que podem garantir uma cobertura adequada dos testes, aumentando a profundidade e a diversidade dos conjuntos de dados Além disso, você pode monitorar e detectar anomalias como IBMs, Watson AIOps e Mok soft AIOps Ele pode analisar registros, métricas e outros dados do sistema, como manutenção proativa Isso pode ajudar a diminuir o tempo de inatividade e também evitar falhas críticas Agora, se você observar a aplicação da IA generativa no entretenimento, na arte e na criatividade, ela pode ajudar a gerar conteúdo sintético, como músicas, roteiros, histórias, vídeos, filmes e videogames No desenvolvimento de jogos, existe o Houdini by Side Effects, que pode criar jogos, animações, experiências de AR e VR, personagens únicos com comportamento único Além disso, também existem influenciadores e avatares virtuais, que surgiram ao longo do tempo, capazes de interagir com os usuários e criar usuários e Depois, há a aplicação da IA generativa na educação, como geração de conteúdo, experiências de aprendizado personalizadas e adaptáveis, aprendizado experimental simulado, tudo o que Ele pode ajudar a fornecer tradução de idiomas como tornar o conteúdo acessível a pessoas diferentes, avaliar tarefas, fornecer feedback instantâneo, criar jornadas de aprendizado e estratégias de avaliação para apoiar o ritmo e estratégias de avaliação para apoiar os pontos fortes dos alunos, gerando taxonomias que podem ser o desempenho e gerando taxonomias que , como tornar o conteúdo acessível a pessoas diferentes, avaliar tarefas, fornecer feedback instantâneo, criar jornadas de aprendizado e estratégias de avaliação para apoiar o ritmo e os pontos fortes dos alunos, gerando taxonomias que podem ser o desempenho e as preferências dos alunos. Além disso, algoritmos generativos também são usados na educação para detectar necessidades especiais e dificuldades de educação para detectar aprendizagem, criar planos de aula específicos acompanhar o progresso dos alunos ao longo Você também pode fazer o rastreamento de conhecimento em que o ritmo de escrita e o conteúdo para necessidades individuais podem ser feitos Suporte de tutoria pode ser fornecido. Ambientes virtuais e simulados podem ser criados. A educação inclusiva pode ser feita. O exemplo, ferramentas que são nulas J. É um aprendizado eletrônico gerado por IA, que pode ser feito em minutos para o tópico alvo, que pode ser vídeos interativos, glossários, resumos, tudo o que pode ser feito com Espero que isso faça sentido. Espero que você entenda as várias aplicações da IA generativa em diferentes setores do trabalho 7. Ferramentas para geração de texto: Oi, pessoal. Bem-vindo a essas sessões. Nesta sessão, veremos várias ferramentas que podemos usar para geração de texto em LLMs Se você observar, grandes modelos de linguagem são baseados em padrões e estruturas aprendidos durante o treinamento. Esses LLMs interpretam contexto, gramática e semântica para gerar coerente Traçar relações estatísticas entre palavras e frases permite que esses LLMs adaptem estilos de escrita criativa para qualquer contexto Os LLMs são a base de muitos modelos de geração de texto. Dois desses exemplos são transformador generativo pré-treinado ou GPT e Gemini AI Os modelos evoluíram modelos multimodais que oferecem vários recursos Vamos aprender sobre os recursos desses modelos por meio de duas ferramentas populares no momento, que são o SATGPT e o Google Gemini Se você observar os ATGPTs baseados em um GPT como um grande modelo de linguagem e usar processamento avançado de linguagem natural ou PNL, Bem, originalmente, o HGPT só usava solicitações de texto como entrada para gerar novos conteúdos Com a versão mais recente, ele pode receber entradas de imagem e O ChagPT oferece diversos recursos para geração de texto. Também é capaz de conversas suaves e baseadas em contexto. Agora, da mesma forma, se você observar, o Google Gemini é alimentado pelo modelo Gemini AI do Google Ele apresenta uma nova família de modelos de IA multimodelo e aprimora o raciocínio, a compreensão Ele também garante eficiência e escalabilidade e otimiza a interação multimodal perfeita Ele também é capaz de lidar com diversos dados e tarefas. Vamos ver um exemplo prático de como isso vai ser. Essa será a interface do Cha GPT onde podemos entrar e vamos dar uma dica geral na qual estou dizendo que ouvi falar sobre IA generativa e quero aprender Ela vai me dar muito contexto sobre o que é IA generativa. Como isso funciona? LLMs. nos dará muitas informações relacionadas, que são bastante informativas e fornecem as informações corretas sobre Agora, além disso, posso me aprofundar onde posso dizer como posso usar IA nativa para melhorar especificamente minhas habilidades de contar histórias Então, agora eu quero desviá-lo para um requisito de categoria específica, que é a habilidade de contar histórias Então, agora isso vai me dar ideias desenvolver personagens mais profundos, melhorar a escrita de diálogos usar a IA para debater melhores ideias de histórias Ok, então está me dando algumas informações práticas que eu realmente posso usar para melhorar minhas habilidades de contar histórias Da mesma forma, também posso perguntar uma coisa separada. Digamos que eu esteja pedindo que você me ajude a criar slides para demonstrar os recursos de uma plataforma de aprendizado. Digamos que eu queira criar determinados slides de vendas. Então, isso vai me dar uma estrutura muito boa, que se divide em slides, título, subtítulo, inclusão e, em seguida, o problema que resolvemos O foco é dado no contexto, que é a plataforma de aprendizagem. Então, está me dando todos os pontos necessários para isso. É assim que podemos torná-lo útil. Outro ótimo uso é que você pode usá-lo para aprender idiomas. Tudo isso é possível para que você possa converter qualquer idioma inglês para qualquer outro idioma que desejar, e o Chachi P pode fazer isso facilmente por nós Da mesma forma, vamos dar uma olhada no Google Gemini, que você também pode usar para dar uma solicitação Digamos que eu esteja pedindo que você forneça um resumo das últimas notícias sobre a guerra na Ucrânia. Então, ele vai me dar todas as informações relacionadas a isso. Você pode ver aqui todas as informações, as informações mais recentes que podemos obter. Da mesma forma, se eu quisesse criar uma estratégia para fazer uma campanha de marketing digital para uma marca de moda, isso também pode me ajudar com isso. Então, agora estamos pedindo que ele forneça uma estratégia de marketing digital. Então, experiências imersivas e orientadas por IA, estratégia de conteúdo, autenticidade ou estética, tudo bem, comércio social e Então você pode ver que está me dando algumas estratégias específicas sobre marketing digital, que eu posso usar praticamente para promover uma determinada marca. Então, é assim que vamos usar as duas ferramentas especificamente falando. E então, se você olhar mais longe, usar o CHAPT e o Gemini, isso traz muitos benefícios exemplo, ele fornece solução de problemas por meio de matemática e estatística básicas , análise financeira, pode fazer pesquisas de investimento, orçamentos, tudo o que pode fazer Também pode ajudá-lo na geração de código. Agora, se você comparar o CHATPT com o Gemini, CHAPT é eficaz na geração respostas dinâmicas e o fluxo de conversação está presente Já o Gemini é bom, ideal para trabalhos de pesquisa, pesquisas em notícias atuais, informações que você deseja sobre um determinado tópico para todos esses propósitos Também existem outras ferramentas geradoras de texto, que você pode usar com certeza, por exemplo, o Jasper, que é útil para criar conteúdo de marketing para uma marca específica Você também pode usar o escritor como uma ferramenta de IA, que cria conteúdo para blogs, e-mails, SEO, metadados e também anúncios nas redes sociais Há também o copy.ai, que cria conteúdo nas mídias sociais para marketing e descrições de produtos. Também existe o Write Sonic, que ajuda a fornecer modelos específicos para diferentes tipos de texto Também há um currículo que você classifica para gerar resumo de texto, Há também a marca 24, que você pode usar para análise de sentimentos, e depois a Weaver e a Yandex, que podemos usar para É assim que o texto será. A geração de texto será, o que podemos ver aqui, que você pode absolutamente usar em todos esses AItunes 8. Ferramentas para geração de imagens: Oi, pessoal. Bem-vindo às sessões. Nesta sessão, veremos diferentes tipos de ferramentas que podemos usar para geração de imagens. Os modelos de imaginação são basicamente aqueles em que podemos gerar novas imagens , personalizar imagens reais e geradas. Por exemplo, digamos que queremos gerar uma imagem de uma criança com um livro e depois trocar a capa do livro por uma imagem generativa Tudo isso pode ser feito por modelos de geração de imagens. Agora, existem vários tipos disso. Uma é a tradução de imagem para imagem. Você está transformando uma imagem de um domínio para outro. Por exemplo, isso pode ser útil para converter esboços em imagens realistas, converter imagens de satélite em mapas, converter imagens de câmeras de segurança em imagens alta resolução e aprimorar detalhes em imagens aprimorar Agora, outras ferramentas serão transferência de estilo e fusão. Eles são úteis para extrair o estilo de uma imagem e aplicá-lo em outra Um exemplo pode ser converter uma pintura em uma fotografia. Depois, há na pintura. Na pintura, estamos preenchendo as partes que faltam na imagem. Você tem uma imagem e faltam algumas partes , então elas podem ser geradas por IA. Por exemplo, restauração de arte, análise forense, remoção de imagens e objetos de imagem indesejados, mistura de objetos virtuais em cenas do mundo real Depois, há nossa pintura. Pintar é estender uma imagem além de suas fronteiras. Um exemplo pode ser gerar imagens maiores, melhorar a resolução, criar vistas panorâmicas Tudo isso pode ser feito. Então, agora da Open AI, existe o Dali, que é baseado no GPT, que pode fazer tudo isso, pode gerar imagens de alta resolução em vários estilos Ele também pode criar novas versões, pode ser gerado, pode gerar várias variações de imagem. Ele também é usado na pintura de características de pintura. Depois, há uma difusão estável. Este é um modelo de código aberto que pode criar imagens de alta resolução. Ele pode gerar imagens com base em solicitações de texto. É usado para tradução de imagem para imagem na pintura e na pintura externa. Depois, há o estilo gan, que permite um controle preciso para manipular recursos específicos, separa o conteúdo da imagem e o estilo da imagem Eu evoluí para gerar imagens de alta resolução. Existem outras ferramentas, como giz de cera, seleção gratuita e Pick Start, que também estão disponíveis para gerar imagens em diferentes formas Também existem efeitos Photo and Depart, que oferecem vários estilos pré-treinados Também permite estilos personalizados. Depois, há o depart dot IO, que é uma plataforma on-line que transforma fotos em obras de arte E depois há o Mid Journey como uma plataforma, que permite a geração de imagens, o que possibilita comunidades de geração de imagens onde artistas e designers criam imagens usando IA. Também permite explorar as criações uns dos outros. Vamos dar uma olhada em uma dessas ferramentas, que será uma escolha gratuita. Este é o site onde podemos escolher gratuitamente e gerar uma imagem aqui. Digamos que estamos dando uma solicitação simples agora . Com essa solicitação, será a geração de texto para imagem, o que estamos tentando fazer aqui. Agora você pode ver que ele avançou e gerou essa imagem para nós, um barco navegando em um lago calmo ao pôr do sol, cercado por árvores verdes exuberantes e costa enevoada dessa maneira específica Espero que isso faça sentido. Espero que as pessoas entendam agora as várias ferramentas que estão disponíveis agora para geração de imagens com a ajuda dessas ferramentas de IA. 9. Ferramentas para geração de áudio e vídeo: Oi, pessoal. Bem-vindo a esta sessão. Nesta sessão, falaremos sobre as ferramentas que podemos usar para geração de áudio e vídeo. Portanto, nessa IA generativa, recursos de áudio ajudam empresas e indivíduos, iniciantes ou experientes, a simplificar processos dar vida a visões complicadas Agora, ferramentas de geração de fala estão disponíveis aqui, que podem ser ferramentas de conversão de texto em fala treinadas em algoritmos de aprendizado profundo, vastos conjuntos de dados da fala humana Agora, ele também pode decompor e replicar a pronúncia, velocidade, a emoção, a entonação, e a fala com um som mais preciso e natural ajuda pessoas com deficiência visual a velocidade, a emoção, a entonação, e a fala com um som mais preciso e natural ajuda pessoas com deficiência visual, barreiras linguísticas e dificuldades de leitura. Existem ferramentas de criação de música que você pode usar para escrever melodias ou riffs curtos, sugerir ou adicionar instrumentos, compor uma nova música, criar uma trilha sonora para vídeos do YouTube ou Instagram Você pode mixar, masterizar e publicar plataformas de streaming. Além disso, existem ferramentas de aprimoramento de áudio, que podem identificar sons específicos, adicionar ou remover sons indesejados, como, por exemplo, DScript ou Audo Também haverá ferramentas de vídeo, ferramentas geração de vídeo que você pode usar, como o runway, que podem transformar o vídeo em novos estilos Ele usa texto, imagem ou vídeo como entrada. Agora, também existe o Es US, onde você pode fazer upload de fotos ou usar instruções de texto para gerar vídeos Então, essas ferramentas de vídeo podem gravar uma narração, aprimorar o áudio e converter o formato do arquivo Eles também podem publicar um vídeo, e existem ferramentas como a Synthesia, que podem criar avatares personalizados Existem muitos modelos diferentes de geração de áudio e vídeo que você pode usar e ferramentas que você pode usar para gerar vídeos e áudio gerados por AIs . 10. Ferramentas para geração de código: Oi, pessoal. Bem-vindo a esta sessão. Nesta sessão, falaremos sobre várias ferramentas que podemos usar para geração de código. Portanto, os modelos de geração de código geram código com base na entrada do idioma nacional. Com base em aprendizado profundo e NLT, esses modelos compreendem o contexto e produzem código contextualmente Agora, os recursos desses geradores de código são que eles podem gerar um novo trecho de código ou Ele pode prever linhas de código para concluir o código parcial. Eles podem produzir versões otimizadas do código existente. Eles podem converter código de uma linguagem de programação para outra. Eles podem gerar resumos e comentários para o código. Eles também podem recomendar soluções de programação para resolver um problema específico. Da mesma forma, neste AIs aberto GPT como modelo de geração de codificação, se destaca na geração como modelo de geração de codificação, se destaca na geração de texto semelhante à humana, ele demonstra a capacidade imersiva de geração ele demonstra a capacidade imersiva Esses recursos de codificação do GPT são mais longos e códigos mais precisos podem ser A codificação pode ser feita para desenvolver aplicativos, sites ou plug-ins que podem gerar código para imagens Então, se você observar, por exemplo, quando acessamos o Chat GPT especificamente e escrevemos, digamos, um código Python para gerar uma mensagem para cumprimentar uma pessoa , para que possamos obter um código como esse, que ele código Python para gerar uma mensagem para cumprimentar uma pessoa , para que possamos obter um código como esse, Além disso, fornece a explicação de como funciona especificamente. Além disso, você também pode converter o mesmo código em outro idioma dessa maneira específica. Agora, com relação à análise da codificação com o Gemini, ele oferece geração de código em mais de 20 linguagens de programação Ele fornece uma compreensão passo a passo e detalhada de como gerar o código. Também existem certas limitações do Cha PTI e do Gemini para codificação , onde ele não pode gerar códigos grandes ou complexos Eu posso entender programação e sintaxe, mas não semântica Portanto, seu conhecimento é limitado aos dados usados para seu treinamento. Por exemplo, eles ficam desatualizados com novos lançamentos de estruturas e bibliotecas Por exemplo, o conhecimento do GPT 3.5 é limitado até setembro de 2021 Portanto, outras ferramentas como o GitHub co pilot podem ser usadas, o que pode gerar código para várias linguagens de programação e estruturas Ele é alimentado pelo Codex da OpenAI e desenvolve código baseado em soluções Ele é treinado em linguagem natural, texto e código-fonte. Ele pode se integrar a outros editores de código e produzir código aderindo às melhores práticas e aos padrões do setor outras ferramentas, como o poly Também podemos usar outras ferramentas, como o poly coder, que é um gerador de código de IA de código aberto baseado em Ele é treinado nos repositórios do Github, escrito em 12 linguagens de programação e fornece uma biblioteca de modelos predefinidos Ele pode criar, revisar e refinar trechos de código. Além disso, também existe o IBM Code Assistant, que se baseia nos modelos IBM watson.ai Foundation. Ele pode ser integrado com editores de código. Ele produz recomendações em tempo real, recursos de preenchimento automático e reestruturação de código Então, essas são todas as várias ferramentas que podemos usar para geração de código neste momento. 11. IA generativa versus IA agética: Oi, pessoal. Bem-vindo a esta sessão. Nesta sessão, queríamos entender a diferença entre IA generativa e IA agêntica Quando analisamos a IA generativa, eles são sistemas fundamentalmente reativos Eles esperam que você faça alguma coisa. Especificamente, eles esperam que você os avise. E depois de promovê-los, trabalho deles é gerar algum tipo de conteúdo com base no que você solicitou, no aviso que você forneceu Agora eles estão usando padrões que aprenderam durante o treinamento. Certo? Então, agora as coisas que ele pode gerar podem ser algum texto, pode ser uma imagem ou pode ser um trecho de código, pode ser um áudio. Então, eles aprenderam as relações estatísticas entre palavras e entre pixels e entre ondas sonoras. E eles aprenderam isso com grandes conjuntos de dados. Então, quando você fornece uma solicitação, uma IA generativa prevê o que deve acontecer a seguir com base em seu treinamento, mas funciona, o trabalho termina na geração Então, idealmente, seu trabalho termina em geração. Não são necessárias etapas sem mais informações de sua parte Portanto, depende muito do tipo de solicitação que você fornecerá com base na qual ela executará as ações necessárias. Por outro lado, quando analisamos a IA agente, sistemas de IA agentes, eles não são Eles são sistemas proativos. Agora, como uma IA genética, eles geralmente começam com uma solicitação do usuário, mas essa solicitação é usada para perseguir metas por meio de uma série de ações. E um sistema agente basicamente passa por um pequeno ciclo de vida Então, a forma como isso funciona é que, em primeiro lugar, percebe o ambiente, se quiser E uma vez feito isso, ele pode decidir uma ação a ser tomada. Depois de decidir essa ação, ele poderá executá-la. E então, uma vez que a ação tenha sido executada, ela pode aprender com essa saída e, em seguida, dar voltas e voltas com o mínimo de intervenção humana. Agora, essas duas abordagens de IA geralmente compartilham uma base comum. E essa base comum são os grandes modelos de linguagem ou LLMs, que chamamos LLMs servem como a espinha dorsal dos chatbots, mas na verdade existem outras ferramentas que são usadas para algumas dessas coisas generativas, modelos de difusão normalmente Espero que isso faça sentido agora. Espero que você consiga entender a diferença básica entre como uma IA generativa opera e a IA agêntica 12. O que são modelos de linguagem grandes?: Oi, pessoal. Bem-vindo a esta sessão. Nesta sessão, queríamos entender o que são grandes modelos de linguagem. Então, isso vai ser a base dessas ferramentas de IA que vamos analisar hoje. Portanto, LLMs ou grandes modelos de linguagem são basicamente sistemas avançados de IA projetados para entender, gerar e raciocinar com a linguagem humana Então, isso examinará uma grande quantidade de dados de texto. Eles são treinados com base nesses dados específicos, que podem ser livros, artigos , sites, códigos e muito mais. E eles são capazes de prever e gerar uma linguagem semelhante à humana. Então essa é a ideia de base dos LLMs. A parte mais impressionante dessa programação específica nesse tipo de programação de linguagem é que ela é capaz de prever a próxima palavra ou token com base nas palavras ou proms anteriores que você forneceu Ele analisará o baile de formatura que você deu e analisará todos os bailes históricos fornecidos por você e, com base nos quais, predirá a próxima palavra e fornecerá o resultado com base nisso Agora eles aprenderão padrões nos idiomas em termos de gramática, significado e contexto, que foram treinados a eles e com base nos quais os resultados são Agora, eles usam uma arquitetura de aprendizado profundo chamada transformador e com base na qual esses modelos são construídos, e são capazes de dar respostas apropriadas com base nela Agora, outra coisa que acontecerá é que eles também contêm milhões a trilhões de parâmetros, com base nos quais eles também os consideram quando fornecem essas respostas ou com base nas instruções que fornecemos Agora, uma peça impressionante sobre esses modelos LLM, que você verá, é que as saídas também podem ser aleatórias Pode não ser o caso de você obter a mesma saída para o mesmo prompt que está fornecendo. Vamos tentar entender o que estamos tentando dizer aqui. Por exemplo, se eu disser que Mary teve um pouco. Então, sabemos aonde estamos indo com isso. Então, se eu inserir isso como um prompt, ele me dará uma resposta adequada com base nas interações anteriores, nos dados nos quais foi treinado, para que ele saiba a saída correta que deve fornecer. Da mesma forma, se eu disser algo assim. Sabemos qual seria a próxima linha aqui. Então, ele vai ver que , embora seja azul, o açúcar é doce, e assim por diante. Isso é algo que já conhecemos e a ferramenta também é treinada e, por isso, está nos dando a mesma saída. Mas agora você vê que se eu disser, novamente, se eu der o mesmo prompt, ele está dando uma saída um pouco diferente. Vamos fazer isso de novo. Como você pode ver, ele nos fornecerá várias saídas diferentes para o mesmo prompt que estamos fornecendo Portanto, a questão é que grandes modelos de linguagem são treinados em uma grande quantidade de dados com relação a esse GPT, especificamente, ele é treinado até 2021 dados Da mesma forma, existem outros modelos de linguagem que são muito mais novos dessa forma, como Claude também está lá e o copiloto também Então, com base nisso, eles também acessarão o Google Gemini. Então, eles serão treinados com os dados de todos eles provenientes da Internet onde todos esses dados são fornecidos. E com base no que ele vai prever, ele vai prever a próxima palavra com base nos símbolos ou palavras que foram inseridas no Espero que isso faça sentido. Espero que você entenda o básico de como os grandes modelos de linguagem basicamente operam, que é o que vamos usar muito neste curso em particular 13. Como o ChatGPT funciona: Oi, pessoal. Bem-vindo a esta sessão. Nesta sessão, queremos apenas dar uma olhada rápida na ferramenta Chat JBT Vamos tentar entender qual é o potencial dessa ferramenta em particular, ok? Então, para isso, você pode acessar o site da OpenAI, onde você pode acessá-lo Este é o site, a empresa por trás do HatGBT que criou a ferramenta Então você pode chegar aqui, onde você pode encontrar produtos onde você pode ir em frente e acessar o JBT Login Então, onde você pode fazer login e abrir uma conta com eles, ou se tiver a conta, você pode acessá-los diretamente e acessar esta página. Portanto, esta é a página inicial do Chat JBT onde você pode começar a usá-lo especificamente Esta é a coluna de bate-papo em que todos os bate-papos anteriores aparecerão aqui Se você não quiser vê-lo, basta expandi-lo dessa maneira específica e usá-lo. Então, a ferramenta basicamente será onde podemos fornecer uma solicitação para a ferramenta. E com a ajuda dessa solicitação, a ferramenta analisará sua solicitação e fornecerá a saída, os resultados dela. Portanto, existem diferentes versões dele no momento, que estão disponíveis. Esses são os que podemos usar, que é a versão mais recente do GPT four oh, que você pode ver aqui, ok, que é muito útil e muito rápida em relação às tarefas complexas que estamos executando Nas outras, a tarefa de uso diário pode ser feita por meio do Four Oh Mini, e também existe o modelo legado do GPT four Agora, existem várias opções que você obtém se também ver as configurações da ferramenta. Portanto, existem certas configurações que você pode definir aqui, as configurações gerais, como você deseja ver o tema, a aparência e o tema da ferramenta específica também podem ser alterados dessa maneira específica, se você quiser fazer isso. Ok. Além disso, certas personalizações que você deseja fazer também podem ser feitas aqui Agora, a ferramenta funciona de uma forma muito simples na qual podemos dar essas instruções Então, só para mostrar um exemplo do que podemos fazer, digamos que eu tenha dado uma dica específica, que é planejar um que é planejar itinerário para visitar a Caxemira Então, ele me fornecerá rapidamente todo o itinerário diário específico como posso chegar a este lugar, quais lugares posso conferir, todas essas coisas, que ele me fornecerá rapidamente Agora, com base nisso, digamos que eu queira ver algumas imagens dos lugares a visitar na Caxemira, para que também possa fornecer dessa maneira específica, que eu possa ter uma ideia de que é isso que eu seria capaz de ver na Além disso, o que podemos entender é que, digamos, eu quero saber sobre os diferentes tipos de opções de alimentação que vou encontrar. Então, ele também pode fornecer as informações aqui. Se eu quiser ver uma imagem de alguma comida, também posso ver isso muito rapidamente. E então, se eu estiver procurando por algum tipo de atividade divertida que eu queira fazer na Caxemira , posso ver alguns exemplos com imagens dessa maneira Então, rapidamente, tenho uma ideia clara, mais informações sobre quais opções eu tenho antes de visitar qualquer cidade em particular. E, finalmente, também estou analisando o custo, as despesas de visitar o local, para que ele possa me dar uma ideia aproximada dos voos, hospedagem, custos de transporte, refeições, atividades e custos turísticos, todos estimados Portanto, o custo total estimado também posso fazer uma viagem de sete dias ou o número de dias que mencionei. Portanto, esta é uma informação muito valiosa que posso obter agora muito rapidamente. Caso contrário, o que eu teria que fazer é pesquisar muito em diferentes mecanismos de pesquisa. Para obter essas informações, o que pode levar muito tempo. São informações muito mais organizadas, que posso obter rapidamente aqui. Outra forma que pode ser usada para fazer RPT é na minha empresa, onde se trata de criação de prosa Posso dar uma dica como se eu quisesse saber quem sou criador de cursos sobre ii e estou procurando pessoas que estejam dispostas a frequentar quais são os cursos com melhor desempenho que eu possa consultar, que são de alta demanda no momento, e as pessoas estão dispostas a fazer esses Portanto, ele também pode me dar algumas dicas sobre isso. Dessa forma, pode haver inúmeras oportunidades ou maneiras diferentes de obter informações dessa ferramenta e diferentes tipos de solicitações que podemos fornecer, que podem ser úteis para nós e nos fornecerão informações organizadas com base nisso Então, espero que você seja capaz de entender o potencial dessa ferramenta, o que ela pode fazer por nós e nos fornecer soluções para várias coisas que estamos procurando agora. Portanto, nos próximos vídeos, também veremos ideias detalhadas de diferentes cenários, situações em que podemos usar essa ferramenta específica para obter informações organizadas, que podem ser de grande valor. Muito obrigado, pessoal, por ouvirem isso, e nos vemos no próximo vídeo. 14. ChatGPT vs Google: Oi, pessoal. Bem-vindo a esta sessão. Nesta sessão, queríamos dar olhada na compreensão da ferramenta Google Gemini AI e também fazer uma comparação rápida com o Chat GPT uma olhada na compreensão da ferramenta Google Gemini AI e também fazer uma comparação rápida com o Chat GPT. Então, vamos dar uma olhada nisso. Então, como você sabe, o Google também criou sua própria ferramenta de IA, que é o Gemini, você pode pesquisá-la no Google e acessar o site deles para abrir uma conta com eles Assim, você pode ter uma versão gratuita, como você pode ver aqui ou também pode pegar a versão paga, que é o Gemini Advanced Então, aqui, parece muito semelhante ao Chat GPT. Você pode inserir o prompt aqui, fazer upload de qualquer imagem e ouvir. O microfone também está disponível aqui, que você pode usar. Então, aqui podemos colocar o prompt. Então, vamos ver como as respostas saem nesse caso. Dessa forma, podemos fornecer as informações. Então, agora ele vai nos dar todas as informações sobre isso. O bom disso é que a formatação é muito boa, onde você pode destacar as informações importantes dessa maneira, e podemos lê-las sem problemas Então, isso é uma coisa muito boa, muito boa. Além disso, eles também fornecem um artigo de conteúdo relacionado em anexo que você também pode ler, o que justifica com a autenticação do conteúdo fornecido pela IA Além disso, vamos expandir isso ainda mais. Hum, então agora podemos dar um esboço também de um artigo Digamos que queremos escrever um artigo para que possamos obter um esboço sobre ele, que também forneça alguns subtítulos. Portanto, informações fornecidas dessa maneira específica, era dourada, heróis, era moderna, mestres e assim por diante. Portanto, também podemos obter essas informações aqui. Além disso, você pode usar essas informações e também podemos convertê-las em um artigo. R Então, agora estamos pedindo para escrever o artigo. Então, aqui está produzindo o artigo com base no esboço fornecido acima Então, dessa forma, podemos obter as informações. Portanto, as informações são bem diretas, simples. Podemos entender que o idioma é muito bom. Você pode ver que O legado é uma história tecida com ouro, uma saga de domínio incomparável que já definiu o esporte no cenário global Portanto, a linguagem é muito sofisticada, muito avançada e profissional, o que podemos ver por meio do Google Gemini AI two Vamos tentar comparar os mesmos prompts com o ChangePT agora e ver que tipo de respostas obtemos lá Então, vamos usar os mesmos bailes. Então, estamos perguntando ao mesmo baile, ele nos dará as informações, para possamos ver que está usando o mesmo tipo de informação, que obviamente é a mesma pessoa que vimos aqui também, que está nos dando agora Vamos ver também as outras instruções. Então, agora está nos dando um esboço para um artigo aqui, da mesma forma, a introdução Dancheno Bulwsing agora aborda os jogadores específicos, suas especialidades específicas e sua história que está sendo compartilhada aqui, o que é sendo compartilhada Informações muito específicas. Por outro lado, se você olhar o CHAT GPT, há informações um pouco mais genéricas sobre a evolução do hóquei, o hóquei indiano nos últimos anos, nas Portanto, essa é uma informação mais precisa que obtemos aqui. Vamos dar uma olhada no artigo também. Então, agora, agora estamos pedindo para fornecer um artigo também, então ele está nos dando essa informação. Então, o bom é que, novamente, criar uma estrutura no artigo, como uma introdução, depois falar sobre cada um dos atores importantes dessa maneira específica, veremos. Já no caso do Google Gemini, ele fornece informações gerais sobre toda a era e o tópico que estamos abordando aqui Aqui, o artigo é mais estruturado em termos de menosprezar cada um dos jogadores especiais e falar sobre eles. Então, no geral, se você perceber que a experiência com os dois é decente. Pessoalmente falando, acho o Chat GPT muito mais específico do que Chris, e nos fornece informações mais precisas em termos das informações específicas que estamos procurando comparativamente Espero que isso faça sentido. Agora você entende como essas duas ferramentas funcionarão para nós. Nos próximos vídeos, teremos uma seção específica na qual os dedicaremos apenas a ver como o Chat GPT funciona em diferentes cenários Em seguida, também entraremos nos cenários do Google Gemini , onde veremos como essa ferramenta pode ser usada Muito obrigado, pessoal, por ouvirem isso e nos vemos no próximo vídeo. 15. Interface e layout do ChatGPT: Oi, pessoal. Bem-vindo a esta sessão. Nesta sessão, veremos o layout do Chat GPT e a interface, como ele se parece para todos Então, depois de fazer login no Chat GPT, é assim que a interface ficará Você pode ver no canto superior esquerdo, podemos ver um painel esquerdo aqui, que você pode exibir e ver todos os detalhes Ou, se quiser ocultá-lo, você também pode ocultá-lo dessa maneira específica. Então, este será um painel onde você poderá ver várias coisas agora. Se você olhar a página principal, é aqui que enviaremos uma solicitação ao GPT e, com base na qual, ele nos fornecerá as respostas Agora, a versão do Chat GPT, você pode ver aqui e no canto superior esquerdo. Atualmente, sou membro do Chat GPT plus, então estou usando o GPT quatro agora, mas você também pode ver os outros modelos disponíveis, para os quais você também pode mudar A partir daqui, podemos dar a solicitação e, em seguida, você pode prosseguir com ela. À esquerda, aqui, você terá as opções para explorar outros GPTs criados pela OpenAI e pela comunidade que Você pode vir aqui e pesquisar diferentes GPTs que gostaria de usar e adicioná-los ao painel esquerdo e depois usá-los Além disso, você também pode ver os bate-papos específicos anteriores que fizemos com o Chat GPT aqui. Idealmente, se você clicar em qualquer um deles, certamente também poderá dar uma olhada Dessa maneira específica, ele fornecerá as respostas aqui. Agora, depois de receber uma resposta, há várias coisas que você pode fazer com ela. Uma é que você certamente pode compartilhar essa resposta específica com alguém. Você pode compartilhar isso aqui no canto superior direito, onde você pode criar o link e compartilhar o link com seus usuários com seus amigos. Além disso, uma vez que a resposta é gerada, ChagPT oferece várias opções para lê-la em voz alta para você lê-la em voz alta para Você pode fazer uma cópia para poder usá-la em algum lugar. Você pode dar um polegar para cima ou para baixo com base na resposta, ou pode pedir que ele se Essas opções também surgirão aqui. Agora, além disso, se você quiser ir para um novo bate-papo, você pode entrar dessa maneira específica onde você terá várias opções, como anexar um arquivo aqui e entregá-lo ao Chat GPT para analisá-lo e seguida, dar respostas com base nisso Você também pode usar a parte de inteligência qual pode pedir que ele entre no modelo onde ele pensa sobre sua consulta, sua solicitação e, em seguida, uma resposta com base nisso. Isso será pesquisar na web, para que você possa conectá-lo à web e à Internet on-line e , em seguida, pesquisar e fornecer os resultados com base nas pesquisas feitas na Internet. Além disso, há outras ferramentas, que agora estão integradas ao Chat GPT, que é o Dali, que é uma plataforma de ferramentas de IA para geração de texto em imagem, que você pode usar pesquisa novamente está disponível e pense no que estamos vendo. Essas são todas as opções que você certamente encontrará aqui em relação às quatro, que temos aqui. Agora, além disso, o que estamos vendo aqui é se você também pode ver os planos aqui, em qual plano estamos, então se você quiser atualizar seus planos, você pode fazer isso aqui especificamente. Agora, além disso, o que vemos são as tarefas que estão surgindo agora. Você também pode começar a criar tarefas, que podem ser fornecidas ao Chat GPT, e ele executará essas tarefas regularmente, com intervalos regulares definidos por você Além disso, você pode ver seu próprio GPT que você criou. Se você criou uma GPT específica para uma finalidade específica, todas elas serão listadas nessa seção específica da conta Agora, personalizar o GPT será um caso em que poderemos dizer como o HGPT deve chamar você? Você pode dar seu nome. Todas essas são informações que você está dando sobre você, seus interesses, desgostos e desgostos, que você pode contar aqui para que o JAGPT agora forneça respostas com base em suas próprias entradas, suas próprias entradas que você pode contar aqui para que o JAGPT agora forneça respostas com base em suas próprias entradas, suas próprias entradas pessoais. O que você faz? Quais características o TAGVT deve Todas essas coisas que você pode inserir aqui? Além disso, fornece algumas sugestões que você pode adicionar aqui. Algo mais? O Chat GPT deve saber sobre você Você pode fornecer todas essas informações, seu histórico, sua experiência profissional, tudo o que seu histórico, sua experiência profissional, você pode inserir aqui para que agora, sempre que as respostas chegarem, elas venham tendo tudo isso em mente. Isso é muito bom porque isso realmente personalizará e personalizará as respostas para o trabalho que você está fazendo Essa será a parte da personalização. Se você acessar as configurações , também há outras coisas configurações gerais nas quais você pode alterar o tema das notificações de aparência e comportamento estão disponíveis se você quiser personalização, sobre a qual falamos, também a fala Controles de dados, você deve verificar se deseja excluir a conta, caso o perfil do Builder seja quando você estiver criando seu próprio Chan GPT, como você deseja que ele seja mostrado às pessoas, você deseja nomeá-lo de certa maneira Você quer dar seu próprio site aqui, você também pode dar isso. Você também pode conectá-lo a outros aplicativos, se quiser. Que pode ser um Google Drive, Microsoft One Word ou um drive ou um drive de trabalho ou escola, você também pode conectá-lo para poder obter detalhes de lá com muita facilidade. Com relação à segurança, você pode ver que uma autenticação multifatorial está ativada, essa assinatura, que está lá, você pode gerenciá-la, removê-la, tudo o que é possível Agora, depois de clicar no ícone específico acima, você acessa o novo bate-papo aqui e, em seguida, pode iniciar o bate-papo especificamente Dessa maneira particular. Agora, olhando para isso, o Chat GPT fornecerá a resposta com base nela e, em seguida, você também poderá ajustá-la se quiser alterá-la Tudo isso será possível. Agora você pode ver que recebeu a resposta do Chat JPT. Agora, se você quiser, pode novamente modificar isso de acordo com sua necessidade. Agora você pode modificar isso facilmente e obter a resposta. Digamos que você queira uma determinada resposta Se quiser interromper a resposta, você também pode pará-la no meio do caminho Dessa forma, a resposta será interrompida no meio do caminho e você poderá coletar todas as informações, se quiser Esses são todos os recursos da ferramenta que você obterá idealmente. Você também pode pesquisar determinados bate-papos que você fez no passado Talvez você possa simplesmente procurá-lo dessa maneira específica. E acesse esses bate-papos muito rapidamente dessa maneira específica Você também pode usar a opção de pesquisa. Espero que isso faça sentido. Você entende a interface, agora, como será a interface Hat JPT para todos nós Deixe-me mostrar os outros modelos também. Se você estiver usando o GPT G four, a versão gratuita, é dessa maneira específica que você pode usá-lo Espero que isso esteja claro para todos. Todo mundo entende agora a interface e a interface do usuário, o layout desse JPT Muito obrigado pessoal por ouvirem isso e nos vemos no próximo vídeo. 16. Recursos do ChatGPT Plus: Oi, sim. Bem-vindo a esta sessão. Nesta sessão, queríamos apenas verificar quais são os recursos positivos que o Chat JVT oferece em seu modelo Então, uma vez que você está na ferramenta e está no recurso positivo, há algumas coisas adicionais que o Chat JPT está oferecendo A primeira obviamente será a parte da inteligência. Você pode usar mais inteligência. Então, aqui, o Chat JBT começará a pensar mais e fornecerá informações mais precisas Portanto, isso é algo adicional que você obtém no recurso positivo. Então, vamos dar uma olhada nisso, como isso vai funcionar. Dessa forma, quando você dá uma pergunta, ela começa a pensar na resposta que precisa dar ao discipulado, que você possa ver, e então ela lhe dará a resposta Esse será um recurso que realmente ajudará a obter resultados de informações mais precisos com base nos quais você poderá usá-los em seu próprio trabalho. Isso é muito bom, o que você certamente pode usar aqui. Além disso, os recursos adicionais que você pode ver aqui são você poderá anexar arquivos de diferentes tipos aqui, que podem ser um código, que podem ser imagens, e então você pode pedir ao TragiPT que os analise e forneça respostas com base nisso e forneça respostas com base Vamos ver alguns exemplos disso. Digamos que queremos que o Tragic PT depure um código, para que possamos fornecer um código dessa maneira específica e solicitá-lo dessa maneira específica e solicitá-lo . Ele examinará a imagem especificamente e tentará analisar o que há de errado com o código e , em seguida, nos dar algumas etapas de depuração Você pode ver que ele também está nos fornecendo um código recomendado dessa maneira específica. Esse é um dos recursos disponíveis. Além disso, digamos que você queira decifrar ou simplificar uma imagem complexa Também podemos investigar isso. Então, digamos que esta é a imagem que estamos dando e queremos que ela explique a imagem, cívculo que demos essa imagem e estamos pedindo que ela a explique de maneira simples Então, agora ele nos deu uma descrição simples da imagem também dessa forma específica. Esses são recursos adicionais que você está vendo, que você obtém em uma versão plus, especificamente falando. Além disso, se você ver aqui, as coisas adicionais que você obterá aqui serão a parte do código. Além da versão gratuita, todas as outras coisas estão disponíveis na versão gratuita, mas na versão paga, especificamente, você obterá a parte do código na qual poderá solicitar que ele escreva uma função ou simplifique qualquer código. Você pode me ajudar a aprender Python. Também pode haver várias maneiras de pedir que ele escreva um código. Agora, ele vai seguir em frente e fazer isso por nós também. Você pode ver que ele nos deu um código Python aqui. Essas são as peças adicionais que obteremos com o ATGPTplus. Espero que isso faça sentido. Agora você entende os recursos adicionais da versão plus da ferramenta. Muito obrigado, pessoal, por ouvirem isso, e nos vemos no próximo vídeo. 17. Tokens e janelas de contexto: Oi, como. Bem-vindo a esta sessão. Nesta sessão, queremos falar sobre os tokens hA GPT que você pode ver aqui Os tokens são que você pode considerar grandes pedaços de palavras que estão sendo usados e contados aqui. Quando você envia uma solicitação específica, os tokens são gerados e as diferentes versões do HGpt têm limites diferentes, limites token existentes Por exemplo, o HagPE 3.5 tinha um limite de tokens de 4.096 tokens, e o ChagPT quatro mais tarde E agora que temos novas versões, há um número muito maior de tokens que obtemos aqui. Funciona assim: sempre que houver um prompt que você envia para o GPT, o prompt pegará alguns dos tokens de lá Digamos que você dê um aviso muito longo para o GPT 3.5, em que ele usa até 4.096 tokens Agora, restam apenas 96 tokens para que o GPT responda sua entrada quanto a saída GPT Tanto sua entrada quanto a saída GPT são consideradas no valor total do token, o limite que temos aqui É por isso que você pode ver certos momentos está tendo uma longa conversa com esse GPT no último estágio, as respostas podem não ser tão precisas, podem não ser as informações sensatas que você está recebendo Nesse cenário, o chapéu em que você pode pensar é iniciar um novo bate-papo. Ou o que você pode fazer é resumir a conversa completa, pedir ao GPT que resuma toda a conversa de forma concisa e resumir a conversa completa, pedir ao GPT que resuma toda a , em seguida, copiá-la em um novo bate-papo e começar a partir daí novamente para que você tenha o novo número de tokens gerados novamente para o novo gerados novamente para Portanto, também existem maneiras diferentes descobrir quantos tokens um determinado prompt ocupará. Então, também temos ferramentas como um tokenizador com ferramentas que você pode usar aqui Então, primeiro, vamos ver como a Open AI define tokens em sua plataforma. Os tokens podem ser considerados como pedaços de palavras que eles têm. Você pode ver que um token é quase igual a quatro caracteres em inglês, uma a duas frases se tornam aproximadamente 30 tokens, um parágrafo, aproximadamente 100 tokens e assim por diante. Aqui você pode ler sobre os limites dos tokens, os preços dos tokens e até mesmo explorar os tokens. Aqui você pode ver que cada palavra em particular recebe um token específico. Por exemplo, M é três triplo seis. A cor é 312, quatro, depois o vermelho é 2266 Agora, se você observar o período, período é 13, que permanece o mesmo em todos os lugares. O segundo, também, o período é dado como 13. No entanto, se você observar o vermelho em minúsculas é 2266, enquanto o vermelho com maiúsculas é Assim, é diferente e é assim que você pode ver que os tokens são usados em nossos prompts. Agora, se você quiser calcular uma solicitação específica, consideraremos a quantidade de tokens. Você pode usar o tokenizer aqui. Você pode ver que essa frase em particular ocupará cerca de sete tokens. Os caracteres são 28. Se escolhermos um texto maior, digamos que estamos pegando esse texto grande. Nesse caso, ele está usando 81 símbolos e os caracteres são 371 Cada um deles foi codificado por cores agora dessa maneira, você pode entender Essa é a ideia por trás tokens que precisa ser levada em consideração. Sempre que você estiver usando o CHAPT por motivos diferentes, isso em mente para que você esteja ciente disso e possa otimizá-lo adequadamente para obter melhores respostas Muito obrigado, pessoal, por ouvirem isso, e nos vemos no próximo vídeo. 18. Recurso do SearchGPT: Oi, pessoal. Bem-vindo a esta sessão. Nesta sessão, queremos falar sobre o recurso de pesquisa GPT, lançado recentemente pelo Chat GPT O SarchPT é um recurso específico que usa o Bing para fornecer informações ao vivo da Internet e fornece todos os dados atualizados Ele ativa as necessidades em tempo real. Search GPT detecta quando sua pergunta precisa de informações atuais, por exemplo, notícias ou Ele recuperará dados via Bing. Ele reúne dados confiáveis do Bing, resume várias fontes em uma resposta clara Ele também fornece links. Cada resposta inclui links para que você possa verificar as informações com muita facilidade. O uso da localização também existe em que os dados gerais de localização são baseados em seu endereço IP, para que as respostas GBT do Chat sejam personalizadas de acordo com Além disso, veja a disponibilidade, o recurso HatGPT Search GPT está disponível para usuários do GPT 40 nos planos plus O Search GPT é otimizado para dados gerais. Ele carece de informações hiperlocais e também está disponível apenas para usuários do GPT 40 A privacidade ainda é prioridade aqui. Agora, quando você olha quais são os novos recursos na pesquisa GPT, você pode ver suas informações em tempo real Ele extrai os dados mais recentes da web para obter respostas de dados atualizadas Ele resume as respostas, fornece respostas claras e concisas em vez de fornecer links de listagem Além disso, as fontes são transparência. Ele cita as fontes com cada resposta para facilitar a verificação acompanhamento contextual mantém o contexto, permitindo perguntas de acompanhamento naturais e formatos flexíveis Ele pode apresentar dados em tabelas, listas ou marcadores para facilitar Então, vamos dar uma olhada nesse recurso GBT no Char GPT two. Então, uma vez que você está no Chan GPT, estamos na versão mini do Char GPT 40 Você pode ver que esta é a pesquisa, a opção da web que obtemos. Agora, aqui, você pode prosseguir e pesquisar qualquer informação. Digamos que estamos dizendo RichelObama, agora ele pesquisará na web, examinará artigos diferentes e, com base nos quais, obterá as informações de lá Agora você pode ver que também nos deu algumas notícias recentes sobre o assunto. Portanto, também podemos ver artigos diferentes daqui. As fontes são fornecidas. Portanto, se quiser, você também pode ver as fontes aqui e de onde elas coletaram as informações. Isso é realmente ótimo porque verifica as informações para nós a partir de links confiáveis e isso autentica e dá mais crédito às informações que a ferramenta Chan GPT Então é assim que vamos usar o recurso de pesquisa GPT lançado recentemente no Chan Muito obrigado pessoal por ouvirem isso e nos vemos no próximo vídeo. 19. O que é engenharia de propostas: Oi, sim. Bem-vindo a esta sessão. Então, nesta sessão, falaremos sobre engenharia rápida. Entendendo detalhadamente a engenharia imediata como isso realmente funciona na ferramenta Chat GBT Então, o que é engenharia rápida? Então, vamos ler isso e entendê-lo claramente. A engenharia rápida é um processo de criação e otimização de solicitações usadas em modelos de processamento de linguagem natural , como hat GPT ou Isso envolve a elaboração de instruções claras, concisas e eficazes para obter o resultado desejado Por exemplo, a engenharia rápida é criar uma isca de pesca eficaz, assim como uma isca bem projetada tem maior probabilidade de capturar o peixe Um prompt bem elaborado também terá maior probabilidade de nos fornecer os resultados desejados Há três princípios principais de engenharia rápida que você deve ter em mente ao trabalhar com essa ferramenta. A primeira pode ser específica. Quanto mais critérios você fornecer, mais focada será a saída. Quanto mais informações específicas fornecermos à ferramenta Chat GPT, elas nos fornecerão respostas estruturadas e muito mais desejadas com base nisso Trabalhe em etapas. Portanto, temos que dividir uma tarefa em partes menores da tarefa que atribuímos Não podemos pedir ao ChagPT que escreva um livro para nós. Então, temos que estruturá-lo em pequenos passos. Então, talvez discutindo sobre o tópico do livro, qual será o tópico do livro? Depois, pensando na tabela de conteúdo. Quais serão os tópicos, Capítulo um, Capítulo dois. Quais serão os capítulos para isso? Em seguida, trabalhando em cada um dos capítulos, um após o outro. Trabalhar em etapas realmente ajuda a obter respostas muito melhores dos dois. Outra coisa que você pode ter em mente é iterar e melhorar Então, depois de receber uma resposta do Chat IPT, também podemos retrabalhar as entradas que estamos fornecendo Além disso, podemos melhorar os resultados que o Chat JBT está nos fornecendo Podemos seguir em frente e modificar isso. Podemos perguntar de uma maneira diferente. Podemos lançar diferentes versões da saída que obtivemos e pedir novamente que improvisemos sobre ela Todas essas coisas precisam ser um processo contínuo. Portanto, é assim que sua engenharia rápida evoluirá e melhorará ao longo de um período de tempo Agora, o que torna uma boa solicitação? Todas as ótimas instruções se resumem aos dados nos quais o modelo foi treinado Os dados GPT do Chat, que estão no back-end que eles estão coletando, todos baseados nos dados que eles coletaram e agora, com base nisso, estão nos dando as respostas São parâmetros, boas instruções. Como só podemos controlar um deles, veja como é a boa solicitação Portanto, a boa sugestão, devemos ter em mente uma linguagem clara e concisa. Isso é direto e inequívoco. Qualquer solicitação que você esteja dando à ferramenta deve ser muito clara e concisa, a ponto de instruções vagas produzirem respostas Então, só precisamos seguir em frente e ter isso em mente. A pessoa para a qual você foi designada para esse GPT, também conhecida como a pessoa com a qual ela atuará no prompt, pode haver um aspecto falaremos sobre isso onde você puder. Você pode pedir ao CHAPT que aja de uma certa maneira, como um filósofo, talvez um médico ou um engenheiro Então, dessa maneira, você pode pedir ao HAG que aja de uma determinada maneira e dê as respostas A outra coisa são as informações e os exemplos que você fornece, também conhecidos como sua entrada. Quanto mais exemplos, informações específicas você fornecer em sua opinião, as respostas serão muito boas. Respostas de alta qualidade que você receberá. Uma tarefa específica que você está solicitando que o CHATPT conclua, também conhecida como saída desejada Temos que ter certeza de que precisamos solicitar uma tarefa específica que só então possamos esperar obter o resultado desejado. Refinamento conforme necessário quando você recebe sua primeira resposta, também conhecida como reeração até receber a Novamente, isso é um refinamento das saídas que estamos obtendo e, novamente, solicitando de uma maneira diferente obter melhores resultados do Agora, principais etapas de solicitação, o que você pode ter em mente é definir o problema ou a meta de forma clara articular claramente o que você deseja que o GBD o ajude a usar palavras-chave e frases relevantes No prompt, você precisa inserir os termos mais úteis relacionados ao setor e ao tópico no baile para obter o resultado desejado . Escreva o prompt Elaborar um formulário conciso que comunique claramente as informações e tarefas que devem ser executadas Além disso, além desse teste, seu processo de iteração do processo de avaliação deve fazer parte dele Gere respostas com o Ctrip. Depois de obter as respostas, você avalia os resultados. Você repete e pede melhorias, modifica isso e pergunta de uma maneira diferente à tragédia para obter as respostas desejadas Isso é o que vai ser engenharia rápida. Como você dá seu baile de formatura à ferramenta, que definirá as respostas gentis que você obterá dela. Espero que isso faça sentido. Você entende a engenharia rápida agora. Muito obrigado, pessoal, por ouvirem isso, e nos vemos no próximo vídeo. 20. Intuição por trás de propostas: Oi, pessoal. Bem-vindo a esta sessão. Nesta sessão, queremos discutir sobre a intuição por trás das instruções Então, quando você começa a dar instruções aos modelos LM ou à ferramenta, a intuição ou o padrão que você está tentando acessar faz muita diferença Portanto, depender da solicitação que você está dando e do tipo de referência que a ferramenta tem a partir dos dados anteriores, faz muita diferença. Portanto, qualquer aviso que você dê a cada palavra, se ela era comum e tinha muitos padrões no passado ou não, fará muita diferença no tipo de saída que você obterá aqui. Portanto, faz muita diferença que a intuição por trás da solicitação seja muito clara e isso defina o tipo de resposta que você obterá dessas solicitações Para dar um exemplo simples do que queremos dizer com isso. Então, digamos que eu dê uma solicitação simples para o Had GPT, onde eu digo para completar esta história, que é Mary Had a little Agora, essa frase em particular Mary Had Little é um padrão que é bem conhecido, que é bem conhecido e, possivelmente, na Internet, há uma grande quantidade de conteúdo sobre Mary had little lamb e todo o poema está Portanto, existem muitas referências nas quais a ferramenta foi treinada. Portanto, ele já tem muitos dados sobre isso. E por isso, ele fornecerá respostas da mesma maneira porque os pontos de dados que foram treinados são encaixados nele, para que ele possa recuperar esses dados e fornecer algumas informações sobre Portanto, isso será muito específico para os dados nos quais ele foi treinado. Portanto, você pode ver que esse padrão é extremamente comum, comum, conhecido e repetitivo em todos os aspectos Por outro lado, se eu der uma dica específica, que completa a história, uma garota chamada Mary tinha um microscópico Agora, quando eu faço isso, quando eu adiciono microscópico, isso se torna muito específico Possivelmente, a ferramenta não foi treinada no número de padrões em torno disso . A ferramenta não é treinada, não tem muitas referências a ela. Uma garota chamada Mary é genérica, possivelmente tem muitas referências para isso, mas microscópica será algo muito específico Neste caso, agora, como não tem essas referências, ele vai se basear nisso e tentar gerar a próxima palavra. À medida que a ferramenta for treinada, ela examinará a palavra e criará uma história. Como você pode ver aqui. É assim que queremos ter certeza sempre que enviarmos alguma solicitação a essas ferramentas de IA, qual é o padrão Existe um padrão na solicitação que você está dando? O padrão é bem conhecido ou muito específico? Isso definirá o tipo de saída que você obterá da ferramenta. Portanto, ter isso em mente faz muita diferença, pois é assim que você pode personalizar a ferramenta para dar respostas de acordo com suas necessidades. Se você estiver lidando com um cenário específico em que deseja uma solução específica , precisamos fornecer avisos em que o padrão seja bem conhecido e estejamos procurando a saída desejada Mas se estamos trabalhando em um projeto específico em que queremos ver o que é possível, quais são as possibilidades e há coisas novas que queremos experimentar, então talvez o padrão que queremos seguir seja muito específico. Podemos fornecer algumas palavras raras, palavras únicas como essas, que não têm muitas referências do passado, e a ferramenta pode simplesmente fornecer novas ideias sobre isso. Espero que isso faça sentido. Espero que você entenda como precisamos analisar as instruções e a intuição por trás delas e como precisamos escolher nossas palavras que possam definir os resultados que obtemos delas 21. Todos podem programar com prompts: Oi, pessoal. Bem-vindo a esta sessão. Nesta sessão, queríamos entender que, com o Chat JBT agora, todos podem prosseguir e programar com instruções O que queremos dizer com isso é que você pode treinar a ferramenta para responder de acordo com suas necessidades. Agora, isso pode ser muito útil e é assim que você pode dizer que um assistente ideal funciona. Em que você dá um determinado treinamento específico e deseja um determinado tipo de resultado de seu assistente, com base no qual ele fornecerá essas respostas Então, agora todos podem simplesmente dar essas instruções para programar o Chat GPT ou qualquer outra ferramenta de IA para dar respostas de acordo com suas necessidades Para ver isso na prática, o que queremos dizer com isso é. Digamos que, pela primeira vez, estou estabelecendo algumas expectativas com a ferramenta em que, sempre que você gerar uma saída, sempre que você gerar uma saída, transforme-a em uma lista de valores separados por vírgulas Essa é uma configuração de expectativa que eu fiz, que ela reconhece, e agora estou fornecendo meu ponto de dados Onde estou dizendo que meu nome é Tami Das e estou ministrando um curso sobre IA generativa para profissionais de RH Então, agora que defini essa expectativa mais cedo, ela está me dando a resposta dessa forma específica Então, agora, quando me dá isso, eu quero ajustar isso Quero mudar isso e dar mais regras à ferramenta Cha GBT para ser treinada Então, estou dizendo que, a partir de agora, as colunas da lista de valores separados por vírgula devem ser nome, curso e função, outra expectativa de configuração Então, isso também será lembrado e, em seguida, ele me dará a saída. Então, ele me dá automaticamente. Portanto, a grande parte disso não é que eu não precise fornecer o ponto de dados novamente. Ele já levou isso em consideração e agora vai imediatamente para a saída, que é pegar as colunas específicas como nome, curso e rolo, e me fornece e agora vai imediatamente para a saída, que é pegar as colunas específicas como nome, curso e rolo, e me fornece essa saída corretamente. Então, isso é realmente ótimo. Está sendo programado. A ferramenta está sendo programada ou treinada as diferentes regras ou expectativas que você está definindo com ela Além disso, novamente fazendo algumas alterações em que estou dizendo que , além de tudo o que eu digito, gere exemplos adicionais que se encaixem no gere exemplos adicionais que formato do DCS felist Agora, novamente, eu não preciso fornecer exemplos sozinho. Ele está criando automaticamente esses exemplos no mesmo formato. No mesmo formato que estou fornecendo aqui. Agora você vê, seguindo todas essas etapas, programamos a ferramenta Chat GPT para responder de uma determinada maneira Agora, quando eu dou um prompt simples como esse, ele imediatamente me dá a saída dessa maneira específica, porque agora, ele já está treinado agora, ele já está Ele sabe que tem que considerar essas três colunas. Ele deve fornecer a primeira saída e, em seguida, fornecer exemplos adicionais. Então, tudo isso vem junto de uma só vez. Assim, você entende como a ferramenta vai funcionar, em que, se quiser um tipo específico de resposta ou saída para sua empresa, para seu trabalho, a ferramenta pode ser programada Qualquer pessoa pode programar a ferramenta acordo com suas necessidades, definindo essas expectativas, fornecendo essas regras, e então você começa seu trabalho, dá suas instruções e obtém os resultados desejados 22. Primeira apresentação de propostas: Oi, pessoal. Bem-vindo a esta sessão. Então, nesta sessão, falaremos sobre preparação rápida. Portanto, a preparação rápida é um conceito que se refere à prática de fornecer alguma entrada inicial ao modelo para a ferramenta hat GPT antes de gerar qualquer tipo de Portanto, essa entrada inicial realmente ajuda a orientar a ferramenta para gerar uma resposta mais relevante e personalizada para você. Portanto, a entrada pretendida pelo usuário. Portanto, é muito importante e crucial que, sempre que enviarmos instruções à ferramenta HatGPT, forneçamos algum contexto, algum contexto, algum histórico do que exatamente você está procurando Por exemplo, sem preparação, digamos, estou dizendo, para onde devo ir nas minhas próximas férias Agora, isso é algo super genérico. Agora, o HattPT o achará extremamente genérico como entrada fornecida e fornecerá uma resposta muito genérica a Isso me dará todos os tipos de lugares ao redor do mundo, ok, e informações sobre isso. Mas agora pense nisso se eu der algum contexto por trás disso, ok? Então, digamos que eu esteja dizendo que gostaria ir nas minhas próximas férias. Vou fazer uma viagem com minha esposa e filhos. O local deve ser tropical. Eu adoraria ir à praia. Eu gostaria de um voo direto da minha casa para o LAX e tenho um orçamento de viagem de $5.000 Onde devo ir nas minhas próximas férias? Então, agora o que acontece? Eu dei um pouco de contexto. Eu dei alguns cenários, coisas específicas que estou procurando, meus interesses, meus gostos e desgostos, tudo o que eu contextualizei E agora, por causa disso, a resposta será muito melhor, muito mais relevante e personalizada de acordo com minha necessidade específica. Então, isso é o que chamamos de preparação rápida. Vamos ver mais um exemplo. Digamos que eu esteja dizendo: por favor, crie três títulos potenciais do meu novo curso on-line que ensina as pessoas a usar a IA. Agora, novamente, isso é super genérico porque o Chat GPT vai me dar todos os tipos de títulos possíveis, o que serve a esse propósito Mas agora, se eu der um pouco de contexto, onde estou dizendo isso, crie três títulos em potencial para meu novo curso on-line que ensina as pessoas a usar a IA. Aqui está um exemplo de alguns títulos de cursos recentes. Por favor, emule o estilo e o formato escrito deles. Digamos que eu esteja dando um pouco de contexto, nomes dos meus cursos atuais são masterclass de edição de vídeo Edite seus vídeos como uma aula profissional de cinematografia, do tipo completo de videografia Agora, quando eu der um contexto como esse, os resultados serão muito melhores A ferramenta emulará o estilo de escrita nesses exemplos específicos que compartilhei e me dará respostas com base nisso Portanto, é assim que você deve ter em mente que, sempre que estiver enviando uma solicitação ao GPT, também precisamos fornecer informações de contexto para que você obtenha a resposta mais específica desejada 23. Propostas de raiz: Oi, pessoal. Bem-vindo a esta sessão. Nesta sessão, queríamos entender o conceito de prompts raiz que esses modelos de IA têm Então, normalmente, o que vai acontecer é que eles terão alguns prompts básicos de back-end raiz que estão sendo encaixados neles, o que define as regras básicas sobre como as saídas chegarão Portanto, também faz sentido para nós identificar e configurar essas regras básicas para obter um tipo específico de resposta. Assim, você pode usar a ferramenta pneumática de forma que possa treiná-la para ter essas regras básicas em mente sempre que elas emitirem qualquer tipo de saída. Talvez você pertença a um setor específico e precise de respostas personalizadas para esse setor. Assim, você pode inserir essas informações na ferramenta para que ela tenha isso em mente o tempo todo sempre que estiver dando qualquer tipo de resposta. Portanto, isso realmente ajuda a personalizar as soluções de acordo com suas necessidades, e há maiores chances de chegar à solução muito mais rapidamente. Então, só para dar um exemplo prático do que estamos nos referindo, digamos que vamos dar um exemplo em que estamos estabelecendo a regra básica com a ferramenta de IA, onde dizemos que você é meu assistente pessoal. Sempre que você fornecer resultados, certifique-se de fornecer as recomendações mais eficientes em termos de tempo, recomendando apenas coisas que me pouparão tempo. Não sugira coisas que não economizem tempo. Está bem? Então, essas são minhas expectativas, e você pode ver que diz receita economizada atualizada, memória. Está bem? Então, o que ele está fazendo é, no back-end, salvando na seção de memória que é assim que as respostas devem sair daqui para frente. Então, agora vamos dar um exemplo. Eu digo que preciso ir às compras. O que você sugere que eu faça para comprar minhas compras? Se você ver que todas as respostas que ele vai dar agora serão com essa regra básica específica em mente, ok? Como a opção mais rápida, faça o pedido online e com entrega em domicílio. Economiza tempo, ok? Reordenar itens anteriores, dois a 5 minutos no total, será necessário Então, sem viagens, sem pistas. Então, novamente, referindo-se ao mesmo ponto em que isso nos poupará muito tempo. OK. Se precisar ir fisicamente, mínimo de tempo necessário, você pode abrir um aplicativo do Notes fazer uma lista restrita do que deseja comprar. Portanto, não há outras coisas que você esteja comprando. Vá até a loja mais próxima, não a mais barata. Ok, você economiza muito tempo. Pegue itens de coleta em um único passe, certo? Você mesmo faz o checkout ou o cartão, UPI economiza seu tempo, saia imediatamente Agora você vê que todas as respostas atenderão a essa expectativa que estabeleci com a ferramenta Da mesma forma, digamos que em outro cenário, eu preciso comprar um carro novo. O que você sugere que eu faça? Está bem? Portanto, lembre-se de que, também, liste apenas dois carros. Está bem? Um agregador, que você pode filtrar por orçamento , tipo de corpo e ponto final em duas opções Eu é igual a perda de tempo. Está bem? Portanto, continue se referindo ao fato de que precisamos economizar tempo o máximo possível em cada resposta. Bloqueie o orçamento e o EMI. Assim, você pode ver que as respostas agora serão totalmente personalizadas de acordo essa expectativa definida Portanto, configurar esses proms raiz com antecedência, antes de usar as ferramentas de IA, ajuda muito a obter soluções muito mais personalizadas para nossas consultas, que resolverá com eficácia muitos problemas com muito mais rapidez 24. Limitações de tamanho de propostas: Oi, pessoal. Bem-vindo a esta sessão. Nesta sessão, queremos falar sobre limitações de tamanho do prompt. Portanto, como entendemos que as ferramentas de IA estão se desenvolvendo ao longo de um período de tempo , as limitações de tamanho do prompt também estão aumentando. Não serão os anteriores, como 3.5, 4.1 com versões AGBT No momento, estamos sentados no Tra GBD 5.2. Portanto, essas limitações de tamanho do prompt também aumentaram. No entanto, tendo isso em mente, ainda não faz sentido despejar todas as informações possíveis no Chat GPT e apenas pedir que ele analise e encontre soluções Então, apenas para lhe dar uma ideia de como isso mudou ao longo de um período de tempo. Então, atualmente, se você ver quando o GPT 3.5 começou, ele tinha aproximadamente 16.000 tokens que poderia levar em consideração E então, uma vez que o GPT quatro entrou na figura quatro, oh, esses números aumentaram Certo? Então, com o passar do tempo, isso se tornou muito melhor. Então, quando analisamos especificamente os atuais, digamos, que temos, o GPT 5.2 também tem um limite específico de tamanho de prompt, que é muito alto, que é aproximadamente 400 mil tokens que podemos fornecer, o que basicamente significa que você pode colar documentos muito longos, que podem ser livros inteiros, grandes bases de código, contratos legais longos, tudo isso pode ser incluído facilmente sem separá-los. Dessa forma, os tokens, os limites específicos, o tamanho do baile funcionarão Dito isso, a ideia, a maneira correta de fazer isso será se você tiver um documento enorme que deseja TragPT analise e forneça soluções para uma maneira melhor de fazer isso, em vez de despejar o documento inteiro na ferramenta escolhendo seções específicas do Pegar as seções específicas de um documento e entregá-las a Cha GPT para resumi-las para revelar sua essência ou colocá-las em diferentes indicadores, descobrindo uma Dessa forma, você poderá usar a ferramenta de uma maneira muito mais eficaz. Então, o que você pode fazer é, digamos que você tenha um documento de 1.000 palavras, você pode escolher segmentos específicos. Digamos que haja cinco segmentos desse documento, você pode escolher um por um e pedir que Cha JPT resuma e, em seguida, você terá cinco resumos diferentes, que podem ser reunidos de forma concisa, novamente com a ajuda do Cha GPT, e então você pode usá-los em novamente com a ajuda do Cha GPT, e então você pode usá-los Portanto, essa será a abordagem correta que você deve usar quando estiver lidando com uma grande quantidade de dados e quiser que o Cha GBT os analise Portanto, o ponto básico é que, se você tiver uma grande quantidade de dados, poderá descobrir qual é a parte mais importante desses dados específicos, que fornecerá a saída certa. Portanto, você tem uma tarefa específica a ser concluída para realizar essa tarefa específica. Qual aspecto desse documento é o mais importante, que somente você pode fornecer ao CHAGPT para analisar e obter a solução a partir dele Espero que isso faça sentido. vai realmente ajudá-lo, porque então o que vai acontecer é que você está usando a ferramenta de uma maneira muito eficaz, indo até o ponto crucial e entendendo qual é a área principal e quais informações específicas são mais valiosas para o HAGPT obter as respostas certas. 25. Apresentando novas informações ao LLM: Oi, pessoal. Bem-vindo a esta sessão. Nesta sessão, entenderemos outra abordagem que você pode usar com esses modelos de LLM, que apresentará novas informações a eles. O que vai acontecer é que muitas das informações fornecidas foram fornecidas até uma determinada data e hora, certo? Então, agora, por causa disso, ele tem muitas informações nas quais é treinado, mas não podemos dizer que é uma informação completa que eles têm. Portanto, pode haver muitas informações das quais eles não estão cientes. Então, a melhor parte é que, quando você usa essas ferramentas, podemos adicionar essas informações. Podemos apresentá-los a essas novas informações, e a ferramenta levará isso automaticamente em consideração ao fornecer o resultado. Então, isso vai ser muito poderoso , porque então você pode usá-lo em vários formatos. Então, por exemplo, se você está trabalhando nisso para sua empresa, você pode fornecer informações básicas sobre sua empresa. Você pode dizer quantos funcionários você tem, que tipo de produtos você vende, quais são seus produtos vencedores e perdedores. Você pode fornecer muitas informações e depois pedir que forneça a descrição do problema. Portanto, ele levará em consideração as informações que você forneceu ao fornecer a solução de Yoga. Da mesma forma, você pode fornecer relatórios, você pode fornecer análises de dados. Você pode fornecer pesquisas do passado. Você pode fornecer informações sobre o comportamento do seu cliente. Pode haver muitas informações que você pode fornecer da sua parte à ferramenta e , em seguida, ela levará isso em consideração e fornecerá a saída de acordo com suas necessidades. Dê um exemplo prático do que estamos nos referindo aqui. Digamos que eu dê um aviso, apenas um aviso que diga, voltando ao exemplo anterior quantos pássaros estão fora da minha casa? Agora, a ferramenta praticamente não pode nos dar uma saída para isso. Então está nos dando uma resposta curta , ou seja, não tenho ideia, é de manhã cedo e me dá uma ideia básica, não tem informações suficientes para nos dar uma resposta para isso. Agora, o que estou fazendo é fornecer alguns pontos de dados. Digamos que eu esteja dizendo que a observação histórica de pássaros comuns fora da minha casa foi de janeiro de 120, fevereiro de 150 e assim por diante. Eu lhe dei alguns dados. Então, vamos levar isso em consideração e agora está chegando a uma produção que, como estamos em janeiro , será em torno de 120. Então, agora, devido essas informações que você forneceu, ele as escolheu e nos deu uma solução de saída para isso. Agora, se eu construir sobre isso, digamos que eu construa sobre isso e forneça mais informações, digamos que minha casa esteja coberta por uma cúpula de vidro Agora os animais podem entrar e sair. Todos os animais vivem para sempre dentro da cúpula de vidro, e então eu faço a pergunta Então, ele vai levar isso em consideração novamente. Então, você pode ver que isso transforma em um problema lógico, não um problema previsível. OK. Vamos reafirmar as restrições aqui A casa está sob uma cúpula de vidro selada, ok? Assim, levará em consideração as informações adicionais para criar solução personalizada ou uma resposta para sua solicitação Portanto, a ideia é que, a partir daqui, o que precisamos entender é que, ao usar a ferramenta, você possa fornecer as informações que você tem em vigor. E como documento de apoio, como recurso de apoio, ao qual ele pode se referir e, com a ajuda dele, fornecerá os resultados desejados. Espero que isso faça sentido. Espero que você entenda a estratégia, como você pode usar a ferramenta de uma maneira muito eficaz fornecendo todas essas informações adicionais de sua parte. 26. 30 propostas simples para iniciantes: Oi, pessoal. Bem-vindo a esta sessão. Nesta sessão, eu só queria compartilhar algumas instruções simples que você pode manter à mão. Talvez você possa colocá-lo em seu computador, em seu sistema em algum lugar, o que pode facilmente ajudá-lo a obter algumas informações rapidamente a partir da carga. Então, vamos dar uma olhada nisso. Essas são cerca de 30 instruções que eu descrevi aqui, que são bailes de formatura concisos e simples, destinados a inspirar você e obter informações mais que são bailes de formatura concisos e simples, destinados a inspirar você E é assim que vai ser: talvez, digamos, defina o seguinte termo e forneça uma metáfora Elabore sobre o propósito de algo, crie um modelo para algo, construa um esboço para este podcast Ajude-me a criar um orçamento para as coisas que você deseja. Sugira algumas instruções de redação criativa para eu começar. Pense em dez ideias para melhorar a redação da transcrição Elabore uma lista de capítulos bem pensada para um livro sobre, digamos, um livro que você está escrevendo. Algumas receitas usando esses ingredientes. São cerca de 30 instruções, das quais você pode imprimir, guardar consigo mesmo e usá-las sempre que necessário Espero que isso seja realmente útil , pois assim você poderá obter suas respostas mais rapidamente. Você não precisa pensar muito, basta olhar para isso, escrever e obter as respostas rapidamente. Muito obrigado pessoal, por ouvirem isso, e nos vemos no próximo vídeo. 27. Novas ideias e geração de cópias: Oi, Dice. Bem-vindo a esta sessão. Nesta sessão, veremos algumas das instruções diárias praticamente úteis que examinaremos praticaremos e veremos na ferramenta como ela funcionará para nós Então, essas serão instruções que serão úteis para nosso trabalho diário e nossa concepção Eles são projetados para fornecer uma estrutura prática de estímulo para indivíduos que buscam aumentar rapidamente sua produtividade e produção criativa Então, esses são alguns deles. A primeira que vamos analisar é o brainstorming de novas ideias, onde criamos essa fórmula, na qual dizemos que estou procurando explorar um assunto em um formato específico Você tem alguma sugestão sobre os tópicos que eu posso abordar? Então, vamos dar alguns exemplos disso. Estou interessado em criar uma página no Instagram que cubra viagens. Que ideias você tem sobre tópicos que eu poderia incluir, como destinos econômicos e joias escondidas para visitar Outro exemplo pode ser estou trabalhando em um boletim informativo focado em tecnologia. Você pode recomendar tópicos que seriam envolventes para meu público, como os mais recentes gadgets e atualizações de software Vamos ver isso em ação, como isso vai funcionar para nós. Digamos que estamos pegando esse prompt específico e o usando nesse GPT ver que tipo de resposta ele nos dá Então, agora ele examinará o prompt e nos fornecerá as informações. Então, destinos econômicos, joias escondidas, ok, sobre os quais podemos falar aqui, guias gastronômicos locais Está nos dando desafios de viagem, truques de viagem, histórias de viagens individuais, viagens sustentáveis Esses são todos os diferentes tipos de ideias de página que estamos recebendo agora, que podemos explorar. E agora você pode se aprofundar nisso. Então, digamos que você queira explorar mais histórias de viagens individuais, peça à Tat GPT que expanda ainda mais sobre isso Portanto, é assim que podemos usar essas instruções muito rapidamente e obter os resultados desejados Outro exemplo que podemos dar aqui é a geração de cópias, que é basicamente outro prompt que criamos em que dizemos que estou interessado em um tipo de texto que destaca os benefícios de um determinado assunto. Agora, por favor, escreva um número para mim sobre esse assunto. Agora, digamos que o exemplo seja: eu preciso uma campanha de e-mail que mostre os recursos do meu novo produto Você pode escrever um para mim sobre a facilidade de uso e a acessibilidade do produto Outro exemplo pode ser: estou interessado em uma página do site que descreva os benefícios dos meus serviços de coaching Você pode escrever um para mim sobre a abordagem personalizada e os resultados comprovados do meu programa de coaching Agora podemos ver isso e também como isso vai funcionar. Então, isso nos dará a resposta. Portanto, ele também está coletando informações de bate-papos anteriores e nos fornecendo todas as informações Por que escolher nosso programa de coaching? Estratégia personalizada para sua empresa. Sucesso comprovado com resultados reais, especialistas , orientação, suporte contínuo e otimização para alcançar um crescimento sustentável. Ok, pronto para dominar seus anúncios. Então, agora ele também está dando uma chamada à ação até o final. Forma muito eficaz e muito estruturada de nos dar a resposta que esperamos Então, esses são os tipos de avisos diários, pessoal, que vocês podem começar a ver No próximo vídeo, veremos mais algumas dessas instruções práticas diárias que você pode usar 28. E-mails de clientes e escrita em massa: Oi, pessoal. Bem-vindo a esta sessão. Então, continuando com o vídeo anterior, vamos dar uma olhada em mais alguns cenários diferentes de produções praticamente diárias. Outro cenário pode ser o de atendimento ao cliente e ao cliente. A fórmula rápida que criamos é: eu queria atuar como assistente de suporte ao cliente com eu queria atuar como assistente de suporte ao cliente uma característica específica. Como você responderia a um texto como representante do nosso tipo de empresa? Por exemplo, quero que você atue como assistente de suporte ao cliente, que é analítico? Como você responderia a um cliente que enfrentou um bug ao usar nosso software como representante de nossa empresa de tecnologia inicial? Ou outro exemplo pode ser quero que você atue como um assistente de cliente que personifique confiança e empatia Como você ajudaria um cliente com um problema de cobrança como representante de nossa empresa de serviços financeiros Então, vamos ver alguns exemplos disso. Então, digamos que estamos pegando o primeiro. Agora você pode ver que ele está escrevendo a resposta para nós aqui e solicitando informações específicas sobre o bug, a mensagem de erro exata e a versão do software. Todas as informações necessárias são solicitadas no e-mail. Da mesma forma, vamos analisar outros cenários. Outro cenário pode ser gerar analogias. As analogias podem ser muito úteis quando são tópicos complexos e é difícil entender o conceito Nesses casos, uma analogia realmente ajuda a simplificar o tópico e a entender melhor O aviso que estamos usando aqui é estou tentando entender o conceito de um conceito específico, que me ajudou a entender melhor esse conceito criando uma analogia prática e fácil de entender Por exemplo, estou tentando entender melhor o conceito de fotossíntese Ajude-me a entender melhor esse conceito criando uma analogia prática e fácil de entender Então, vamos dar esse exemplo. Outro exemplo é que estou tentando entender o conceito de otimização de mecanismos de pesquisa. Ajude-me a entender melhor esse conceito criando uma analogia prática e fácil de entender Então, vamos pegar o primeiro e ver isso. Então, estamos tentando entender o conceito de fotossíntese, então aqui está o detalhando. Dessa maneira particular. Divida a fotossíntese em um uso simples de entender Imagine que sua planta é como uma fábrica movida a energia solar. A analogia é que eles estão vendo como uma fábrica. O trabalho da fábrica é fazer comida, mas em vez de usar eletricidade, ela usa a luz solar. Veja como funciona. Agora está dando uma analogia com uma fábrica para explicar o conceito de fotossíntese Isso é muito bom porque simplificará muitos tópicos complexos para entender em todas as esferas de trabalho. Outro exemplo prático sugere que podemos criar cópias em massa Portanto, a fórmula que estamos usando aqui é crie vários conteúdos para um tipo de conteúdo para uma plataforma que inclua algumas referências. Por exemplo, crie oito boletins informativos por e-mail para meu site de investimentos que incluam relatórios do setor e análise de dados. Crie quatro roteiros de vídeo para um canal de marketing do YouTube que inclua opiniões e insights de especialistas sobre tendências de marketing digital. Então, vamos dar uma olhada no último Agora, vamos nos dar quatro roteiros de vídeo. Você pode ver que o roteiro do vídeo é fornecido com segmentos específicos, que são o narrador, a introdução, Tudo isso também é fornecido na Seção dois, na conclusão e, em seguida, no Vídeo dois. roteiro de vídeo específico completo com a estrutura fornecida e as dramatizações específicas também são mencionados de forma muito clara. Então, é assim que esses bailes de formatura diários serão realmente úteis para entender a realização de alguns trabalhos, o que será muito produtivo para nossos negócios Espero que isso faça sentido. Você entende o conceito de instruções diárias, bailes práticos que você pode usar Muito obrigado, pessoal, por ouvirem isso, e nos vemos no próximo vídeo. 29. Modificadores para melhores saídas: Olá, é bem-vindo a esta sessão. Nesta sessão, queremos ver como podemos usar modificadores para melhorar nossos prompts. Pode haver diferentes tipos de modificadores que você pode usar aqui, como qualificadores, palavras como alguns, muitos, todos Eles realmente ajudam a fornecer uma visão mais específica do prompt Adjetivos que também podem descrever, descrever ou modificar substantivos e pronomes, também podem ajudar muito, como vermelho, feliz, grande , excitante Quando você disser que deseja que o Chat ZIP escreva um blog interessante, ele entenderá exatamente o tom em que precisa fornecer a resposta. Da mesma forma, advérbios, verbos que descrevem palavras que modificam os verbos, adjetivos ou advérbios, como rapidamente, bem, em voz alta, intensificadores, que você pode usar aqui, que podem ser extremamente negativos, que podem ser extremamente são muito bons usar porque esses modificadores realmente ajudarão a negar todas as palavras ou frases que você não quer que descrevem palavras que modificam os verbos, adjetivos ou advérbios, como rapidamente, bem, em voz alta, intensificadores, que você pode usar aqui, que podem ser extremamente negativos, são muito bons de usar porque esses modificadores realmente ajudarão a negar todas as palavras ou frases que você não quer que o HazibT forneça, o que pode ser que nunca aconteça. Você os adiciona em seu prompt para que JPT não responda com esses termos específicos Palavras numéricas que você também pode usar É muito melhor dar uma formatura específica em particular do que uma solicitação genérica Por exemplo, você pode dar uma pergunta sobre o que JPT pode ser Você pode listar os dez melhores filmes nos EUA Ou você pode dizer, o que é um aviso muito específico em vez de perguntar quais são os melhores filmes para assistir nos EUA. Dar palavras numéricas pode ser muito útil para obter informações muito específicas. Além disso, você também pode observar palavras temporais, palavras que indicam quando algo aconteceu ou acontecerá. Se você estiver solicitando informações específicas sobre quando a independência dos EUA aconteceu, você pode usar essas instruções e modificadores específicos ali palavras como aqui, Seria muito bom usar palavras como aqui, ali em algum lugar , porque isso também se torna muito específico. Gradue as palavras de forma totalmente leve. Essas são algumas coisas que podem realmente ajudar a obter informações muito específicas do JAGP. A intenção é entender essa A escolha dos modificadores realmente ajuda a melhorar a qualidade das respostas que você obtém deles A ideia é que a ideia principal seria que, sempre que você estiver escrevendo suas solicitações no Chat GPT, tempo e pense em como deseja a resposta, que tipo de resposta você realmente espera do Cha JPT e, em seguida, formule sua solicitação usando todos esses modificadores para obter informações específicas muito personalizadas, que podem ser muito úteis para você. daqui para frente. 30. Propostas de poucos planos: Oi, pessoal. Bem-vindo a esta sessão. Nesta sessão, queremos falar sobre um tipo de estilo de solicitação que é uma solicitação curta solicitação curta é basicamente um conceito em que, ao dar uma solicitação, você também pode fornecer algum tipo de contexto à solicitação para obter informações mais específicas Agora, nisso, pode haver três níveis. O primeiro nível será zero shot, ou seja, como você pode entender pelo próprio nome, em que você está dando uma solicitação sem nenhum contexto, sem contexto, sem dados, sem diretrizes que você fornece ao GPT, e agora que o GPT tem total liberdade para fornecer informações de todas dados, sem diretrizes que você fornece ao GPT, e agora que o GPT tem total liberdade para fornecer sem nenhum contexto, sem contexto, sem dados, sem diretrizes que você fornece ao GPT, e agora que o GPT tem total liberdade para fornecer informações de todas as direções. A segunda pode ser uma foto em que você fornece um dado ou uma diretriz ao Cha GPT e, com base na qual o Chat GBT produzirá a resposta E a terceira, que você também pode usar aqui, é uma solicitação de algumas fotos, na qual você fornece vários dados ou diretrizes, porque espera um tipo muito específico de informação do Cha Então você pode fazer algumas fotos. Por exemplo, em um cenário realista, um prompt zero pode ser escrever um script do YouTube para meu canal de análise técnica. Agora, isso é tão genérico e tão básico que pode ir em qualquer direção possível e o Chat GPT fornecerá todos os tipos de informações aqui Uma foto pode ser usar este exemplo como referência, escrever um script do YouTube para o canal My Tech Review e agora ver algumas fotos. Algumas fotos usarão esses exemplos um, dois e três como referência Escreva uma foto de cinco minutos no YouTube sobre especificações mais recentes da câmera do iPhone para o canal MTechRView Agora, temos que nos tornar mais específicos, porque existem alguns requisitos que queremos cumprir e com base nos quais queremos ver a resposta. Isso é chamado de técnica de solicitação curta , que você também pode usar 31. Proposta de formato tabular: Oi, pessoal. Bem-vindo a esta sessão. Nesta sessão, falaremos sobre outro tipo de estilo de solicitação, que é o formato tabu Você também pode obter respostas em formato de tabela do HAG PT com esse tipo específico de solicitação Essa será uma maneira pela qual você fornecerá uma série de solicitações ao Chat GPT e fornecerá as informações nesse Isso permite que o Chat GPT organize e apresente dados de forma clara, facilitando que os usuários analisem, entendam e compreendam a saída A fórmula será onde você fará a pergunta primeiro e, em seguida, poderá dar a segunda solicitação. Depois de obter a resposta, você pode dar uma segunda solicitação, que é quais são as diferentes categorias nas quais você pode dividir sua resposta. Para obter mais descritividade. Agora, você se aprofunda um pouco e obtém uma resposta relacionada a isso. Depois de receber essa resposta, você dá sua terceira solicitação, que agora é criar uma tabela que inclua sua resposta original com essas categorias separadas em colunas diferentes. Dessa forma, toda a informação é transformada em um formato tabular Vamos ver isso em ação como isso vai ficar. Digamos que estamos respondendo à primeira pergunta: quais são os principais fatores para o crescimento do nosso canal no YouTube? A primeira é que estamos apenas fazendo uma solicitação inicial sem outras coisas adicionais, então estamos recebendo as informações Isso já está em um ponto por ponto *** dado a nós. Você obtém as informações. Agora, o que fazemos é fazer a segunda solicitação pedindo ela divida a resposta em uma forma mais descritiva. Agora você pode ver que está ficando mais descritivo aqui. Depois de ter essa saída com você, você pode solicitar o formato do tableau para essas informações Ele fornecerá todas as respostas no formato de quadro, especificamente com essas informações divulgadas E isso também seria muito mais fácil de entender, compreender e usar Então você pode ver aqui que ele avançou e criou que, para nós, a descrição da subcategoria de categorias Dessa maneira específica, toda a tabela foi criada Esse é o formato de aviso do quadro, pessoal, que você também pode usar para obter suas informações em determinado Se você está muito confortável com o Excel e os dados, você quer fazer muitas análises de dados. Você pode pedir ao Chat GBT que forneça a saída nesse formato específico e, em seguida, fica muito mais fácil trabalhar nisso fica muito mais fácil trabalhar nisso Muito obrigado, pessoal, por ouvirem isso, e nos vemos no próximo vídeo. 32. Ideias em cadeia de pensamento: Oi, pessoal. Bem-vindo a esta sessão. Nesta sessão, você deseja examinar outro tipo de estilo de solicitação, que pode ser a solicitação de uma cadeia de pensamento solicitação da cadeia de pensamento é uma técnica simples em que você pode pedir ao CHAIPT que explique a resposta em um formato passo a passo Em vez de ir direto para a resposta, você quer que o HatiPT o guie pelas etapas completas para chegar a essa etapas completas para chegar a Agora, ele trabalhará nisso e fornecerá uma compreensão passo de como chegou e chegou à resposta que você obteve. Então, dessa forma, o entendimento é melhor. Às vezes, quando estamos interessados em um tópico específico, gostaríamos de conhecer o processo, como o item específico foi avaliado. Então, nesses casos, esse tipo de resposta é muito útil. Por exemplo, o formato, a fórmula rápida que podemos usar é que você pode fazer sua pergunta e depois dizer, vamos pensar passo a passo. Agora, o Chat GPT fornecerá a solução em um formato passo a passo Por exemplo, qual é o diâmetro do sol? Qual é o peso de uma molécula de oxigênio? Vamos ver na prática como isso fará a diferença. Então, vamos começar primeiro sem nossa solicitação e ver qual resposta a GPT nos dá Você pode ver simplesmente que passamos direto para a resposta e ela nos deu a resposta de forma muito clara, que está aí Mas agora vamos fazer isso passo a passo. Agora você pode ver que foi passo a passo , começando com a compreensão do tamanho do sol. O sol é uma enorme bola de gás quente e fornece uma definição clara do tamanho do sol. Agora, o que é um diâmetro? Também está definindo o que é o diâmetro como uma unidade a ser medida. Em seguida, medindo o diâmetro do sol. Está vendo agora que eles estão chegando ao ponto em que estão tentando ver o diâmetro do sol como medir. Eles estão dando esse entendimento. Então, o diâmetro do sol, com base nessas observações, é 1,3 milhão. Eles apresentam os números que forneceram e, finalmente, concluem com os laboratórios finais Dessa forma, eles o dividiram em várias partes, definindo cada parte e, em seguida juntando-as todas para chegar à conclusão final. Isso realmente ajuda. Vamos dar uma olhada em outro. Vamos começar com a pergunta. Qual é o peso da molécula de oxigênio? Agora, nesse caso, o que está acontecendo é que ele automaticamente leva em consideração a conversa anterior e nos fornece a saída em um formato passo a passo. Isso é o que esperávamos com a metodologia de solicitação passo a passo. Wherein está nos dizendo a molécula de oxigênio. A composição é a quantidade de massa do átomo de oxigênio, então, convertendo as unidades de massa atômica em quilogramas, acaba sendo essa Agora, estamos obtendo todas as informações em um formato muito passo a passo. Espero que isso faça sentido. Você entende esse tipo de solicitação, que também pode ser usada para entender melhor as respostas recebidas, entender todo o processo, como o ChatGPT processou todas as informações e fornecer Muito obrigado pessoal por ouvirem isso e nos vemos no próximo vídeo. 33. Pergunte antes de resposta: Oi, Ayes. Bem-vindo a esta sessão. Então, nesta sessão, falaremos sobre outro tipo de solicitação, que é perguntar antes de responder Essa é uma técnica em que você orienta HAGBT a pedir esclarecimentos antes de dar uma resposta Isso realmente ajuda a garantir que as respostas do modelo sejam muito mais precisas e específicas quanto possível. Portanto, a fórmula que usamos aqui é a primeira dica que damos dizemos ao ChagPT que você é um especialista na área da indústria Vou lhe pedir algumas tarefas específicas para concluir, mas antes de responder, quero que você faça o seguinte. Se você tiver alguma dúvida sobre minha tarefa ou incerteza sobre fornecer a melhor resposta possível, sempre faça perguntas pontuais para esclarecimento antes de gerar sua Isso está entendido? Este é o primeiro aviso que você dá. Depois de dar isso e o Chat GPT reconhecer, passamos para o segundo baile, o que Minha pergunta é, sua tarefa é esta, por favor, faça qualquer pergunta que você tenha para que eu possa melhorar minha solicitação antes de concluir sua tarefa. Dessa forma, agora ele fará as perguntas relevantes e, em seguida, você poderá responder a essas perguntas para obter informações específicas, precisas e muito personalizadas. Vamos ver isso em ação como isso vai ficar. A primeira coisa que vamos fazer é dar esse pino, o primeiro aviso Digamos que estamos falando uma indústria que é consultoria. Agora ele entende que reconheceu isso, e agora damos o segundo aviso Então, agora, com base nisso, ele nos fará as perguntas. Você pode ver o público-alvo, quem é seu cliente ideal para consultoria? Estratégia atual, quais estratégias de marketing e vendas você está usando atualmente? Consultoria de pôquer, qual é a principal área de consultoria que você oferece? Metas, quais são suas metas de vendas para os próximos seis a 12 meses? Branding e posicionamento, como você se posiciona no mercado Orçamento e recursos, quais orçamentos e recursos estão disponíveis para os esforços de marketing? Funil de vendas, você tem um funil de vendas estruturado? Agora, ele nos fez todas as perguntas relevantes que podemos responder. Podemos começar a responder uma de cada vez, público-alvo Você pode seguir em frente e dar o resto das respostas dessa maneira específica, dar todas as respostas Então, depois de dar suas respostas, ele levará essas respostas em consideração para fornecer a resposta mais personalizada com base nisso. Espero que isso faça sentido. Você entende essa técnica que consiste em perguntar antes de responder à solicitação, que também pode ser usada com tra 34. Revisões de prompt eficazes: Oi, pessoal. Bem-vindo a esta sessão. Nesta sessão, queríamos ver como também podemos melhorar as revisões, os prompts ou os resultados que recebemos do Chat GPT e transmiti-los em um formato A melhor parte do Chat TPT estará em contraste com qualquer mecanismo de pesquisa que temos, o mecanismo de pesquisa convencional, como o Google Chat TPT possui a capacidade de memória, que basicamente significa que ele se lembra das conversas anteriores que tivemos e, com base nas quais, pode fornecer respostas personalizadas Agora, depois de receber qualquer resposta do Chat GPT, você pode fazer um acompanhamento adicional sobre isso e, em seguida, melhorar essas respostas Essas são algumas das maneiras pelas quais você pode fazer isso. Então, por exemplo, depois de receber a resposta do CHGPT, você pode pedir ao HatJPT que coloque as palavras-chave mais importantes em negrito para as palavras-chave mais importantes em que saibamos quais outras palavras-chave importantes Você pode solicitar que ele organize as informações por data, local e preço. Você pode pedir ao ChaJPT que apresente resultados mais novos e incomuns Você pode pedir que ele forneça imagens apropriadas. Digamos que você tenha obtido as informações no formato moeda por ponto e agora queira que elas também tenham os respectivos Imoges relativos O Chat GBT pode fazer isso por nós. Além disso, você pode pedir que ele explique toda a resposta de uma forma semelhante à de uma criança de 5 anos, para que ela possa entender Outras coisas que você pode fazer é transformar todo o prompt, toda a resposta em um formato de tabela Isso também é possível. Você pode pedir à AGBT que reescreva tudo do vista de um especialista do setor Você pode pedir que ele o escreva de maneira formal ou informal. Você pode pedir que eles corrijam a gramática ou qualquer localização e substituição Se quiser substituir certos termos da resposta, você também pode fazer isso. Você pode pedir que ele adicione um pouco de personalidade, um pouco de humor a todo o conteúdo. Eu posso fazer. Além disso, você pode pedir que ele escreva isso da perspectiva ou na voz de seu autor favorito ou de uma celebridade. Ele pode transformar isso dessa forma. Então você pode ver que há muitas coisas que podemos fazer. Você também pode pedir que ele resuma tudo em um único tweet Você pode pedir que ele expanda isso para um resumo de três partes. Ok. Portanto, todas as respostas que você tem podem ser modificadas de várias maneiras diferentes. Você pode pedir que ele compare e contraste as informações mais importantes. E então você pode pedir que talvez apenas liste as melhores, as dez principais conclusões Então, outra coisa que você pode fazer é perguntar do ponto de vista de um especialista. Como você o melhoraria ainda mais? Em seguida, coloque-o em uma lista de marcadores. Há muitas coisas que você pode fazer para revisar suas respostas recebidas do Cha GPT, que pode aprimorar e melhorar ainda mais a qualidade das informações que você está coletando Espero que isso faça sentido. Você entende esse conceito de revisões rápidas, que também pode ser feito com o Cha GPT 35. Aleatoriedade na saída: Oi, pessoal. Bem-vindo a essas sessões. Nesta sessão, queríamos entender a aleatoriedade na saída que obtemos dessas ferramentas de IA Portanto, precisamos entender o fato que, com as ferramentas de IA, como o Chat GPT , as respostas que você obterá da ferramenta não serão as mesmas o tempo todo E também vimos isso na seção anterior : a saída será diferente o tempo todo, e é assim que a ferramenta foi treinada para fornecer respostas. A intenção de tudo isso é que queiramos experimentar e ver diferentes tipos de respostas Então é assim que a ferramenta foi construída, treinada e recebeu dados. E é por isso que toda vez que você vê as respostas serão muito diferentes umas das outras. Agora, é assim que vai funcionar, e precisamos de alguma forma aceitar isso e viver com isso e trabalhar apenas para isso. Esse é o estado atual desses modelos ou ferramentas de LLM que temos, onde a saída será diferente uma da outra Eles podem ser restringidos uma seção específica das respostas que estamos recebendo, mas não serão idênticos As respostas sempre serão um pouco diferentes umas das outras e novas respostas estarão lá porque é isso que queremos ver com as ferramentas de IA, a intenção é sempre ver respostas únicas, algo em que nunca pensamos, e é isso que está enraizado nas ferramentas, e é por isso que as saídas Então, só para dar um exemplo simples de como isso vai ser, digamos, se eu der uma mensagem para Chat GPT, onde eu digo quantos pássaros estão fora da minha casa Agora, esta é uma pergunta muito aberta que estou fazendo sem dar muita informação. Isso vai me dar um tipo de resposta em que obviamente está dizendo que eu não tenho como ver fora de sua casa. Ok, se você quiser fazer uma estimativa rápida , estou me dando algumas etapas aparência e contagem, método som, método de foto. ajuda a contar e descobrir a solução sozinho de várias maneiras me ajuda a contar e descobrir a solução sozinho de várias maneiras. Então essa é uma solução, uma resposta que está dando. Agora, se eu der a mesma solicitação mais uma vez, novamente, é antes de tudo, aceitar que ela pode fazer isso. Mas se você quiser o número, terá que olhar, ouvir ou compartilhar uma foto. Outro tipo de saída. O primeiro foram os passos dados para me descobrir. A segunda é que eu posso compartilhar, olhar e ouvir ou compartilhar um vídeo ou um pé. Da mesma forma. Agora, se der novamente o mesmo aviso, ele admitirá que não pode fazer isso e, no momento, o número de palavras externas é desconhecido. Está apenas me dando a resposta que, desconhecida, ela não sabe até que eu dê uma olhada e me mostre. OK. Então, é assim que as respostas serão em que as saídas serão aleatórias para os mesmos prompts que fornecemos Agora, isso não é uma falha técnica. É a forma como a ferramenta foi construída e treinada para essa aleatoriedade. Agora, há um pró e um contra para isso também. Então, quando estamos tentando descobrir coisas e estamos tentando construir algo, e dessa vez, essa aleatoriedade ou diferentes tipos de respostas realmente são úteis, porque estamos executando nossas ideias e queremos ver algo diferente, então, possivelmente, isso pode ser realmente útil Se estivermos em uma situação que há um trabalho de pesquisa em andamento e você quiser respostas ou soluções específicas para fazer esse trabalho de pesquisa , essa saída aleatória pode não ser muito útil, ok? A única coisa que a ferramenta pode fazer é permanecer no domínio desse tópico específico e fornecer respostas Não serão respostas arbitrárias realmente vagas, mas ele permanecerá nesse domínio e fornecerá respostas dentro desse É assim que precisamos começar a aceitar que a ferramenta se comportará e trabalhará com ela a nosso favor. 36. Dicas para preencher os brancos: Oi, sim. Bem-vindo a esta sessão. Nesta sessão, falaremos sobre o estilo de solicitação de preenchimento do espaço em branco, que você também pode usar Esse é um formato que permite ao usuário se concentrar em um aspecto específico de uma frase ou ideia e incentiva um pensamento mais profundo Então, vamos dar uma olhada na fórmula em si, o que podemos usar aqui. Então, começaremos primeiro com uma solicitação, que será onde diremos ao chat GPT que você é um especialista em criar solicitações que geram as respostas mais concisas e Quais detalhes adicionais posso adicionar ao prompt a seguir para melhorar a saída Meu aviso é que você fornece uma solicitação e, depois de receber a resposta, com base nela, você dá novamente a segunda resposta, que é a segunda solicitação, o que é ótimo. Agora, transforme esses marcadores em um formato de preenchimento em branco no qual eu possa colocar minhas informações Dessa forma, o que estamos fazendo é tentar obter instruções mais relevantes do Cha JBT Estamos pedindo ao próprio Chat GPT que nos forneça algumas instruções mais relevantes, que eu também deveria perguntar ao HAGPT e, em seguida, obter melhores resultados Vamos ver isso em ação como será. A primeira coisa que vamos fazer é dar esse aviso. O aviso que você está usando é tenho $100.000 em economias e em que devo investir Agora, com base nisso, ele vai me dar as perguntas Você está buscando um crescimento de curto ou longo prazo? Tolerância ao risco. Você se sente confortável com um horizonte temporal de alto risco, tipo de investimento preferido Ele me fez essas perguntas agora. Agora, com base nisso, vou dar o segundo aviso pedindo que ele converta isso em um preenchimento no formato em branco, que eu posso então preencher. Agora, ele também me deu o preenchimento no formato preto com exemplos. Eu posso preencher isso e isso se tornará minha informação específica, que eu posso usar mais para obter melhores resultados. Esse é outro tipo de estilo de solicitação, que você certamente pode usar com ChatGPT para obter 37. Prompto de perspectiva: Oi, pessoal. Bem-vindo a esta sessão. Então, nesta sessão, queríamos analisar outro estilo de estímulo, que é o estímulo de uma bomba em perspectiva Agora, o que estamos vendo é essa estrutura basicamente ajuda a ampliar sua compreensão e fornece uma visão mais abrangente do tópico em questão Então, agora o que acontece é que, para um tópico específico, estamos pedindo ao Chat JBT que forneça diferentes perspectivas de como analisar esse tópico específico Então, quando isso acontece, você tem uma ideia holística de informações e clareza sobre esse tópico específico Portanto, o entendimento é muito, muito melhor. Portanto, isso pode ser feito de duas maneiras específicas. Uma é uma perspectiva singular. A outra são as múltiplas perspectivas. perspectiva tão singular é que você pode dar um baile de formatura, seja, escrever sobre um tópico específico da perspectiva de um ponto de vista específico Isso é direto e simples. A outra que você pode fazer são várias perspectivas, nas quais você pede ao HagiPT que escreva um argumento a favor ou contra o tópico do tópico que você tem a partir de várias perspectivas diversas Então, isso inclui os nomes, os pontos de vista de diferentes perspectivas, como também os pontos de vista Vamos ver isso em ação como isso vai acontecer. Então, digamos que estamos vendo o primeiro com uma perspectiva singular. Queremos que Chad GPT escreva sobre kickboxer da perspectiva de um treinador de kickboxing sobre kickboxer da perspectiva de um treinador de kickboxing. Então, agora vamos nos dar a perspectiva de um treinador de kickboxing, melhorando como kickboxer tudo o que pode ser feito, aperfeiçoando seus fundamentos, construindo condicionamento, melhorando sua defesa, desenvolvendo resistência mental, trabalho com os pés e movimento, incorporando perspectiva de um treinador de kickboxing, melhorando como kickboxer tudo o que pode ser feito, aperfeiçoando seus fundamentos, construindo condicionamento, melhorando sua defesa, desenvolvendo resistência mental, trabalho com os pés e movimento, incorporando moderação. Você pode ver que todas essas são sugestões do nosso treinador de kickboxing, certo Agora, a mesma coisa que podemos perguntar de uma perspectiva diferente, quando pedimos a perspectiva de um especialista em anatomia humana Então, vamos ver o quão diferente isso vai ser. Portanto, do ponto de vista de um especialista em anatomia humana, o importante é otimizar sua postura e postura, engajar os músculos centrais, engajar os músculos centrais, entender o papel e os quadris dos quadris em movimento, melhorar a agilidade com o tornozelo e o joelho, a mobilidade e mobilidade Você pode ver como diversas perspectivas podem existir para o mesmo tópico. Isso pode ser infinito. Você pode pedir perspectivas diferentes e, ao final da leitura de tudo isso, terá uma compreensão muito melhor e mais profunda do tópico específico que está abordando. Espero que isso faça sentido. Você também entende esse estilo. Muito obrigado, pessoal, por ouvirem isso, e nos vemos na próxima. 38. Prompts comparativos: Oi, pessoal. Bem-vindo a esta sessão. Nesta sessão, falaremos sobre sugestões comparativas. Portanto, a solicitação comparativa é tão simples quanto destacar as principais semelhanças e diferenças entre vários fatores, que ajudam você a tomar decisões muito mais bem informadas e a obter uma compreensão mais profunda dos pontos fortes e fracos das Então, aqui, o que fazemos é pedir à At GPT compare e contraste os seguintes exemplos de texto, descrevendo as semelhanças, diferenças, características qualitativas, fatores quantitativos, funcionalidade, principais conclusões e outros E então damos as duas peças de contagem. Agora, com base nisso, ele o analisará e fornecerá as informações em formato de tabela para o tipo de conteúdo Isso realmente ajuda a fazer comparações e compreensão de ambas se torna muito melhor Vamos ver isso em ação como vamos fazer isso. Nós vamos dar o primeiro. Este é o primeiro baile de formatura que estamos dando em que nosso conteúdo será esse Agora, ele vai colocá-lo em um formato de quadro, como você pode ver, filosofia de negócios Está bem? Podemos ver a filosofia do design, a estratégia do produto , a imagem da marca, a inovação, tudo isso, que podemos ver aqui agora dado a nós dessa maneira específica. A mesma coisa que você também pode fazer com outro exemplo. Vamos dar uma olhada em outro exemplo. Investir em imóveis versus investir em criptomoedas. Tipo de investimento, natureza do investimento, níveis de risco, ROI, liquidez, volatilidade, dinâmica do mercado, barreiras Podemos ver agora que ele nos deu a diferenciação entre os dois tipos de conteúdo diz respeito às características, aos tópicos que queríamos nos dar Isso é muito útil, fácil de entender, digerir, compreender, e então podemos usá-lo em 39. Prompting inverso: Oi, Gins. Bem-vindo a esta sessão. Nesta sessão, queremos que você veja outro estilo de solicitação, que é a solicitação reversa Solicitação reversa ou engenharia reversa da solicitação. Então, o que estamos basicamente falando aqui é como você pode prosseguir e fazer engenharia reversa de qualquer conteúdo para voltar ao prompt que gerou esse conteúdo. Portanto, a intenção aqui é entender o conteúdo que você recebe, que você vê agora, qual prompt pode gerar esse conteúdo em particular É isso que estamos tentando fazer engenharia reversa aqui. Portanto, criamos duas fórmulas de solicitação que você pode usar aqui para esse propósito específico, nas quais você pode fornecer a solicitação e isso ajudará a fazer engenharia reversa do conteúdo para voltar à solicitação original fornecida para divulgar nas quais você pode fornecer a solicitação e isso ajudará a fazer engenharia reversa do conteúdo para voltar à solicitação original esse conteúdo Portanto, se você ver a primeira pedimos à STIPT que atue como um especialista em engenharia rápida, capaz de fazer engenharia reversa de solicitações com base no texto que é fornecido a você Então, primeiro damos esse aviso específico e configuramos todo o cenário espacial do AGPT para que ele funcione como um prompt de engenharia reversa, um especialista em alertas E então, uma vez que o StratPT o reconheça, podemos fornecer o texto específico a ele, e ele fará a engenharia reversa do prompt e nos dirá o prompt original que foi fornecido para Essa é uma opção. A segunda opção é prompt, pois estamos dando várias instruções diferentes ao GPT para configurar a conversa Claramente, quando dizemos inicialmente que vamos falar sobre engenharia reversa imediata Por engenharia reversa de solicitações, quero dizer criar uma solicitação a partir de um determinado texto. Você pode me dar alguns exemplos simples engenharia de alerta reverso? O Chat GPT nos dará alguns exemplos. Então, diremos: você pode criar um modelo de engenharia reversa muito técnico? O que estamos fazendo é preparar a ferramenta. Preparando a ferramenta especificamente para ter dados históricos de conversas anteriores, para que ela entenda melhor a engenharia reversa imediata E, finalmente, fornecemos ao prompt, que agora é Reverse Prompt Engineer, o texto a seguir, certifique-se de capturar o tom, sintaxe, o idioma e o estilo de escrita do texto Com essas duas abordagens diferentes, possivelmente você poderá prosseguir com a engenharia reversa do prompt e voltar ao prompt original que gerou o conteúdo que você tem agora. A intenção de fazer isso é que, depois de receber o prompt original, você poderá usá-lo em outros produtos Portanto, se você encontrar um conteúdo realmente bom em qualquer lugar, poderá usar o ATGPT para fazer engenharia reversa e levá-lo de volta ao prompt original que pode gerá-lo Agora que você tem a solicitação original com você, pode aplicá-la em outros produtos, também em seus próprios produtos em sua própria empresa. Vamos ver isso em ação como isso realmente vai acontecer. O que vamos fazer primeiro é analisar a primeira opção. Vamos seguir em frente e pegar a primeira solicitação e entregá-la ao ChatPT Diremos que o tipo de conteúdo é, digamos, uma empresa de tecnologia. Descrição do produto. Eu entendi. Ok. E então daremos o segundo aviso. Ótimo o texto, eu gostaria de fazer engenharia reversa, e daremos o exemplo a partir daqui. Digamos que o exemplo seja esse. Este é o conteúdo que temos e o que esperamos do ChachPTS nos dá a solicitação original para isso, que gerará esse tipo Você pode ver que ele também gerou um prompt específico, o que nos ajudará a gerar esse conteúdo, em italiano. Essa é uma abordagem que você pode usar facilmente aqui. A segunda abordagem, vamos dar uma olhada nela também. Na segunda abordagem, começamos a conversa com isso, onde dizemos que ela entende a engenharia reversa imediata, o que é. Em seguida, pedimos ao Chat GPT que nos dê um exemplo de engenharia rápida Isso nos dará alguns exemplos de engenharia rápida, engenharia rápida reversa. No momento, ele ainda está nos dando o resultado da primeira solicitação. Agora estamos perguntando a segunda, pedindo um exemplo de engenharia de alerta reverso. Agora vamos pedir à AratGBT que crie um modelo para engenharia de prompt reverso Estamos preparando a ferramenta. Estamos fornecendo muitos dados para que GPT entenda a partir da engenharia de prompt reverso, porque nossa intenção é pedir que ele crie um prompt específico para o conteúdo original no final Agora, este é o aviso final que queremos dar. Você pode ver que ele está nos dando a resposta para a terceira solicitação no momento. Agora, podemos pedir ao HAGPT que faça engenharia reversa no texto a seguir Digamos que este é um produto que já tem avaliações muito altas, um número de avaliações e uma boa classificação. Queremos fazer engenharia reversa do prompt. Queremos saber o prompt original, que pode gerar esse tipo de título Podemos fazer engenharia reversa para isso. Podemos fazer engenharia reversa para a descrição do produto aqui, várias coisas. Qualquer coisa que seja necessária para sua própria lista de produtos, você pode solicitar que ela faça engenharia reversa e retorne à solicitação original Estou usando a manchete do momento. Eu dei a manchete. E agora estamos pedindo que você faça engenharia reversa texto original que está sendo usado. Agora você pode ver que ele está gerando solicitação de engenharia reversa para nós Isso podemos usar para gerar esse tipo de título daqui para frente Agora, depois de ter o prompt original com você, você pode usá-lo em qualquer produto. Você pode simplesmente alterar o nome do produto aqui e o tom do estilo sintaxe permanecem os mesmos Mas você pode usá-lo em qualquer outro produto próprio para as descrições de seus produtos, e ele será escrito nesse estilo específico. Espero que isso faça sentido. Você entende o conceito de solicitação reversa agora Muito obrigado, pessoal, por ouvirem isso, e nos vemos no próximo vídeo. 40. Estímulo à crítica construtiva: Oi, pessoal. Bem-vindo a esta sessão. Nesta sessão, queríamos ver e analisar um tipo diferente de estilo de estímulo, que é a crítica construtiva Agora, o que queremos é que, neste caso em particular, esse aviso possa fornecer feedback objetivo e especializado sobre sua redação, destacando áreas de melhoria e oferecendo críticas construtivas para ajudá-lo a refinar e aprimorar Então, aqui a fórmula do baile que podemos dar é que queremos Chat JPT atue como um especialista e crítico no assunto de Agora, queremos que ele critique nosso conteúdo, que é fornecido, me convença de que é ruim e me dê uma crítica construtiva sobre como ele deve ser Para contextualizar, ao fornecer detalhes de seu produto e serviço sobre o propósito do meu produto, você fornece sua meta de conteúdo. Vamos pensar passo a passo, e quero que você aborde cada conteúdo individualmente, e aqui está meu conteúdo para criticar. Então, agora a ideia é obter algum feedback sobre nosso conteúdo do Chat GPT como uma crítica e, com base nesse feedback , trabalhar nele e torná-lo Então, vamos ver como você pode usar isso de forma eficaz. Então, digamos que estamos usando esse prompt específico. Depois disso, você pode prosseguir e fornecer o conteúdo que você tem disponível, e ele vai criticá-lo e nos dar todos os feedbacks específicos sobre ele, que você pode então Portanto, essa também é uma ótima maneira de solicitar, que você pode usar para ter alguém que tenha um conhecimento muito melhor sobre o tópico ou serviço e faça críticas construtivas sobre 41. Visão geral de padrões de propostas: Oi, pessoal. Bem-vindo a esta sessão. Nesta sessão, falaremos sobre os padrões de alerta. Portanto, entendemos agora que, quando solicitamos modelos LLM como o CHAPT, o padrão que usamos nele faz muita diferença no tipo de saída que obtemos Portanto, se estivermos procurando por um tipo específico de saída , precisamos ter certeza de que o padrão da escolha das palavras deve ser específico nessa ordem específica. Então, isso controlará o tipo de resposta que você obterá dos modelos LM, as saídas que você espera deles Isso se torna crucial em qualquer tipo de tarefa ou trabalho que você vai fazer e está usando os modelos LLM ou as ferramentas especificamente para um objetivo específico Conhecer os padrões corretamente será crucial ao usar essas ferramentas. Apenas por exemplo, digamos que, quando eu estou dando uma solicitação, algo como Mary teve um pouco, sabemos que pouco, sabemos que temos uma saída específica que esperamos da ferramenta É quando obtemos a saída que você está procurando. Torna-se muito evidente que , para obter uma saída, que é a próxima linha, se o congelamento estava branco como a neve Preciso me certificar de que meu padrão de prompt esteja nesse formato específico. Pois se eu vou dar qualquer outra saída específica, possivelmente, é provável que a saída seja um pouco diferente. Como neste caso, estou dando novamente aqui, então está nos dando a mesma saída. Portanto, você precisa ter certeza de que os padrões que estamos escolhendo e a escolha das palavras que temos em um prompt são muito cruciais e específicos forma que forneçam a saída correta que estamos procurando. É por isso que, daqui para frente, o que veremos são diferentes tipos de padrões neste curso, que fornecerão resultados de uma certa maneira. Espero que isso faça sentido. Espero que você entenda agora a importância e a importância de ter esses padrões específicos em nossas instruções que fornecemos a essas ferramentas 42. Padrão de persona: Oi, pessoal. Bem-vindo a esta sessão. Nesta sessão, discutiremos sobre o padrão de persona. Esse é um dos padrões que podem ser muito eficazes, que você pode usar para usar as ferramentas de IA, os modelos Hat GPT ou LL de uma maneira muito eficaz. O que queremos dizer com padrão de personalidade será um cenário em que, digamos que queremos um tipo específico de conselho de um especialista ou digamos que queremos algum tipo de ajuda ou resposta de um determinado especialista, especificamente, não sabemos qual será a resposta deles, como eles vão falar e quais informações eles têm Nesses casos, por exemplo, digamos eu queira receber alguns conselhos de um dentista. Então, eu não tenho a experiência de ser dentista. Então, eu abordaria essa pessoa e forneceria meus problemas que tenho, e receberei uma resposta com base em sua experiência, e ela me dará conselhos específicos Da mesma forma, podemos usar a ferramenta de IA para nos comportar de uma determinada maneira, sendo uma ferramenta de especialista em um campo específico e nos dar a saída dessa maneira específica. Podemos pedir à ferramenta de IA que atue como especialista específico em um campo específico e obtenha esses resultados Isso é o que queremos dizer com um padrão de personalidade. Assim, a ferramenta pode se comportar em várias pessoas e, em seguida, nos dar a resposta com base nisso Vamos ver isso na prática o que exatamente queremos dizer com isso. Digamos que eu diga à ferramenta de IA que aja como cética, então ela precisa agir como uma cética que seja bem versada Portanto, ele tem um conhecimento de ciência da computação, de como os computadores funcionam e o que quer que eu diga, então ele fornecerá uma resposta cética e detalhada com base nisso Então, agora ele aceitou que responderá como um cético experiente em computadores E agora vamos dizer que, digamos que há uma preocupação de que a IA domine o mundo. Então, esta é minha declaração. Então, isso vai me dar a resposta com ceticismo, ou seja , a IA não é um agente. É uma caixa de ferramentas. Quando as pessoas chamam a IA hoje em dia, ela é uma coleção restrita de sistemas específicos para tarefas, classificadores, preditores, otimizadores e grandes modelos de linguagem Inteligência não é igual a poder ou controle. Portanto, ele nos fornecerá todas as informações com base em. Agora, se você mudar, também poderá alterar essas personas de acordo com sua necessidade Então, digamos que eu vou dizer, novamente, que o vendedor da loja de computadores local está me dizendo que eu preciso de pelo menos 64 GB de RAM para navegar na web Então, novamente, por isso, isso está me dando ceticismo porque eu defini isso Eu estabeleci a expectativa de que ele precisa se comportar como um cético Então, está me dizendo que essa afirmação merece ceticismo imediato por causa de motivos técnicos, é quase certamente um absurdo ou, é quase certamente um absurdo na melhor Então, você pode ver que a ferramenta agora está treinada para ser cética e está se comportando nessa pessoa em particular com um conhecimento sobre ciência da computação e nos dando todas as Vamos mudar isso e podemos ter uma personalidade totalmente diferente Digamos que eu esteja dizendo que aja como um cético de 9 anos. Agora, a personalidade está mudando. Essa é uma pessoa de 9 anos que é cética e tudo o que eu vou dizer a essa pessoa precisa responder da mesma maneira, tendo em mente que essa pessoa Então, quando digo que agora a IA vai dominar o mundo, ela diz: acho que não. Por exemplo, como ele faria isso? A IA é apenas coisas dentro dos computadores. Não pode andar lá fora. Ele não tem braços e nem consegue se conectar à parede. Você pode ver a diferença na resposta. Na resposta anterior, essa pessoa tinha conhecimento sobre ciência da computação ou tinha muitas informações específicas para compartilhar. Mas agora que essa é personalidade de uma pessoa cética de 9 anos, você pode ver que a resposta Isso é realmente eficaz. Isso é realmente poderoso como uma ferramenta que você pede que a ferramenta se comporte de acordo com uma pessoa específica e, em seguida, obtém resultados com base nisso Digamos que eu tenha um requisito específico com relação ao marketing em minha empresa ou, digamos, vendas ou RH. Assim, posso pedir que a ferramenta se comporte como um profissional de RH experiente um gênio do marketing ou, digamos um especialista em vendas e me dê resultados Então, receberei as respostas adequadas, e isso será muito útil para nossos negócios. Espero que isso faça sentido. Espero que você entenda agora como os padrões de personalidade funcionarão 43. Padrão de persona do público: Oi, pessoal. Bem-vindo a esta sessão. Nesta sessão, falaremos sobre outro padrão de alerta que você certamente pode usar será o padrão de persona do público Então, falamos sobre o padrão em que pedimos à HAGPT, a ferramenta de IA atue como uma determinada persona e, em seguida, nos forneça a saída com base nisso Atue como pesquisador, analista de marketing ou diretor de uma empresa específica. Então esse é o padrão de persona sobre o qual falamos. Agora, aqui vamos falar sobre queremos que o HAGPIT nos forneça uma produção específica para um tipo específico de público É por isso que estamos procurando um padrão de persona do público Então, faremos uma pergunta repentina ao JagPit e pediríamos que ele responda, tendo em mente um público específico e, em seguida, formularemos a resposta Então é isso que queremos dizer com um padrão de persona do público. Um exemplo simples pode ser que, digamos que eu queira que o HajiPit explique como o críquete funciona como jogo para uma criança Então, agora o público aqui é uma criança de 5 anos. Portanto, a ferramenta de IA tentará explicar o conceito tendo em mente a mentalidade de uma criança de 5 anos e tentará nos dar o resultado dessa maneira específica Vamos ver um exemplo prático de como isso vai realmente funcionar. Então, quando chegamos ao ha GPT, podemos dar uma solicitação específica Digamos que eu esteja dando um aviso agora mesmo, pedindo que ele explique os grandes modelos de linguagem e como eles funcionam para mim, ou suponha que eu não tenha formação em ciência da computação. Esse é o público que eu defini aqui. Ok. Então, eu não tenho formação em ciência da computação. Não tenho nenhum conhecimento sobre ciência da computação. Portanto, tendo isso em mente, a ferramenta precisa explicar os LLMs para mim e como eles funcionam para nós Então é isso que queremos dizer com padrão de persona do público, que você também pode usar para que a ferramenta seja capaz de nos fornecer o resultado, tendo em mente o público específico ao qual a ferramenta seja capaz de nos fornecer o resultado, está atendendo Então você pode ver agora, então ele está nos dando o resultado aqui, onde diz que grandes modelos de linguagem são máquinas avançadas de previsão de palavras Está tornando os termos leigos muito simples. Está explicando o LLMs para uma pessoa sem formação técnica O que é LLM LLM é um sistema AIS treinado para entender e gerar linguagem humana Agora, normalmente, essa não seria a definição ideal que obteremos para LLMs Obteremos uma definição muito mais técnica que obteremos dela. Mas como definimos um público aqui no primeiro prompt em si, o ChagPT está personalizando-o e nos fornecendo a saída com base nisso 44. Padrão de interação invertido: Oi, pessoal. Bem-vindo a essas sessões. Nesta sessão, queremos falar sobre outro padrão de prompt que você certamente pode usar: inverter o padrão de interação Isso segue um padrão em que geralmente fazemos perguntas, a ferramenta Cha JBT Mas aqui, vamos inverter e pedir a Cha JBT que nos faça perguntas Pode ser útil quando estamos procurando uma determinada resposta, mas não temos muitas informações sobre a solução, como chegar à solução. Para isso, nós mesmos não temos informações suficientes. Nesse caso, pediríamos ao Chat JBT que nos fizesse as perguntas relevantes que também podemos responder e com base nas quais ele poderá nos fornecer a solução Isso é o que queremos dizer com padrão de interação invertido em que invertemos todo o processo da ferramenta de IA fazendo as perguntas e fornecemos as respostas necessárias com base nas quais o resultado final é obtido Vamos dar um exemplo prático para entender como isso vai acontecer. Digamos que eu dê uma dica específica em que digo a Chagp que me faça perguntas sobre metas de condicionamento físico até que você tenha informações suficientes para sugerir um regime de treinamento de força Quando você tiver informações suficientes, mostre-me o regime de treinamento de força. Me faça a primeira pergunta. A primeira pergunta que ele está me fazendo é qual é sua principal meta de condicionamento físico momento e me dando todas as opções. Eu dou a ele, digamos, perda de gordura e ganho muscular. A segunda pergunta é: qual é o seu peso corporal, altura, idade e sexo atuais ? Eu dou a informação. Em seguida, surge a terceira pergunta: qual é o seu nível atual de experiência em treinamento? Eu também forneço isso. Em seguida, surge a quarta pergunta relacionada a isso : você tem alguma lesão, dor nas articulações ou limitações de movimento? Eu também forneço informações sobre isso. Então, finalmente, sobre sua região lombar, ele me faz mais perguntas com base nisso. Assim, podemos chegar ao resultado final, que será um regime de força, especificamente, um plano de rotina, que o TajiPT pode criar para nós com base em todas as respostas que eu dou às suas Portanto, isso pode ser muito útil e nos ajudar a encontrar respostas para perguntas difíceis. Pode haver muitas perguntas, cenários problemas que você pode estar enfrentando profissionalmente, quais você não consegue encontrar a solução com clareza porque não está ciente de todas as informações necessárias Lá, usaremos essa ferramenta de IA para obter ajuda sobre as perguntas que ela pode nos fazer, as perguntas importantes que ela pode nos fazer e podemos fornecer as respostas, que nos ajuda a finalmente chegar à resposta principal. Espero que isso faça sentido. Espero que você entenda agora como o padrão de interação invertido também pode ser usado em nossa engenharia rápida com o HagiPT 45. Padrão de refinamento da pergunta: Oi, pessoal. Bem-vindo a esta sessão. Nesta sessão, queremos discutir sobre um padrão de alerta diferente que você pode considerar como o padrão que você pode considerar como de refinamento de perguntas Esse será um padrão em que pediremos especificamente a Tha JBT que refine nossa pergunta Portanto, estamos pedindo proativamente ao TajiBT que analise nossa pergunta e, possivelmente, sugira uma pergunta melhor Agora, isso vai ser muito útil porque, como você entende, o uso de ferramentas de IA depende puramente do tipo de solicitação que estamos dando, e é aí que também estamos recebendo ajuda do anúncio Portanto, isso pode ser muito útil para obter as respostas certas, possivelmente, que não conseguimos obter com nossas próprias perguntas, que estamos dando como baile de formatura da ferramenta E é aí que o padrão de refinamento de perguntas passa a existir, onde podemos fazer uso dele Portanto, a intenção melhorar a qualidade de nossa pergunta e, em seguida, solicitá-la à ferramenta para que obtenhamos melhores resultados Portanto, esse pode ser um padrão que você pode solicitar, que você pode fornecer de antemão ao Charge Bit para definir as expectativas Aqui dizemos que sempre que faço uma pergunta, sugira uma pergunta melhor e me pergunte se eu gostaria de usá-la ou não Então, aqui estamos fazendo duas coisas. Primeiro, obviamente estamos pedindo a ajuda da IA para melhorar nossa pergunta. Em segundo lugar, também estamos pedindo que ele nos dê a opção de escolher se queremos aceitar escolher se queremos aceitar a nova pergunta dada por ele ou se queremos voltar à nossa pergunta original. Vamos ver como isso funcionará na prática. Uh, então eu aviso sempre que faço uma pergunta, sugiro uma pergunta melhor e me pergunto se eu gostaria de usá-la ou não. Eles atualizaram a memória salva e confirmaram que isso será feito. Agora, digamos que eu faça uma pergunta como devo visitar a China? Agora, quando eu dou essa sugestão, francamente, esta é uma sugestão muito vaga que eu estou dando. Está bem? Não há muita clareza sobre o contexto específico da solicitação, modo que ela não tenha, ainda assim, GPT tentará melhorar a pergunta e também tentar entender e contextualizar a pergunta, além fornecer uma pergunta melhor para fazer que pode ser que visitar a China nos próximos um a dois anos seja próximos um a dois anos uma decisão de viagem de alto ROI para mim, considerando o custo, a complexidade do visto, conforto da família e a experiência geral Em seguida, ele lhe dará a resposta. Eu sugiro que todos usem esse padrão de antemão onde você definiu a expectativa com o HAGPT e com base no qual tentamos refinar nossas instruções Tentamos refinar nossas perguntas que estamos dando ao HAGBT para obter melhores resultados 46. Padrão de verificação cognitivo: Oi, pessoal. Bem-vindo a esta sessão. Nesta sessão, falaremos sobre outro padrão que você certamente pode usar com esse GPT, que será o padrão verificador cognitivo Portanto, esse será um caso em que os LLMs podem ser realmente úteis quando estamos tentando fazer perguntas específicas. Agora, para melhorar a qualidade de nossas perguntas, podemos solicitar que o Chat GPT divida especificamente nossa pergunta em várias outras perguntas e, em várias outras perguntas e seguida, nos dê a resolução final Dessa forma, o que está acontecendo é que estamos usando a ajuda da IA para melhorar a qualidade de nossa pergunta, dividindo-a em mais perguntas e respondendo-as na totalidade para chegar à solução final ou à resposta que estamos procurando Isso é chamado de padrão verificador cognitivo que podemos usar Isso realmente ajuda porque o que estamos fazendo é dividir nossa pergunta original em partes diferentes. Então, isso dá clareza. Isso dá clareza à pergunta e à resposta real que você está procurando. E por isso, a ferramenta de IA é muito mais capaz de fornecer uma resposta muito melhor. Esta é a solicitação que podemos dar ao Chapit, na qual dizemos que, quando você fizer uma pergunta, siga estas regras Gere várias perguntas adicionais que ajudariam a responder à pergunta com mais precisão. Combine as respostas às perguntas individuais para produzir a resposta final para a pergunta geral, certo? Dessa forma, estamos tentando obter uma resposta melhor melhorando a qualidade de nossa pergunta e usando a ajuda da IA para dividir nossa pergunta em várias perguntas e com base nas quais ela nos dá a resposta. Então, vamos ver isso na prática como isso estaria acontecendo. Então, digamos que primeiro definimos essa expectativa com AlgeBD E agora podemos fazer uma pergunta específica, digamos Então, agora essa vai ser uma pergunta um pouco vaga que estou fazendo OK. E agora, com base nisso, ele vai me dar algumas perguntas. Então, se você ver, para responder a essa pergunta específica, essas são as perguntas que a IA criou, que é em qual cidade e clima você está, certo? Então, o que faz sentido, o que é relevante para obter a resposta. Em que temporada estamos agora? Há água parada por perto, certo? Tamanho aproximado do seu jardim da frente? É urbano, suburbano ou rural? É tarde, noite ou dia? Certo? Você pode entender pelas perguntas em si, essas não são perguntas vagas Eles são absolutamente relevantes para descobrir a resposta adequada para a pergunta que fizemos. É assim que podemos usar o método de solicitação também em que tentamos melhorar nossa solicitação usando a ajuda de uma ferramenta de IA como Cha Gibt, onde pedimos à ferramenta de IA que subdivida nossa solicitação em várias perguntas e, com a ajuda dessas respostas, finalmente obtemos Espero que isso faça sentido. Obrigado por ouvirem isso, e nos vemos na próxima semana. 47. Padrão de receita: Oi, As. Bem-vindo a esta sessão. Nesta sessão, veremos outro tipo de padrão que você pode usar que será o padrão de receita. Esse será um cenário em que você fará uma pergunta específica na ferramenta Chat DPT e não terá a solução completa para Você tem parte da solução em mente, mas o resto, você não sabe, e é aí que você precisa da ajuda da ferramenta de IA para preencher essa lacuna. Isso é o que queremos dizer com um padrão de receita, em que estamos procurando uma solução específica para um problema, mas você tem parte da solução com você, mas precisa da ajuda do AIS para fornecer o resto da solução OK. Então, vamos ver um exemplo prático de como isso vai ser útil. Digamos que eu esteja procurando uma viagem, especificamente, estou fazendo uma viagem de um lugar para outro. Então, eu quero que a ferramenta de IA me diga especificamente. Aqui estou dando o aviso , ou seja, vamos adicionar um recurso. Vou te contar meu destino inicial e final. E você fornecerá uma lista completa de paradas onde eu posso parar, incluindo lugares para parar entre minha partida e destino, e também definirá meus locais de partida e destino. Portanto, estou claro sobre o que é necessário, mas quero a solução completa. Tenho parte da solução comigo, mas estou procurando o resto das informações. Então é isso que o CAPIT faz agora. Está bem? Então está me dando áreas onde eu posso parar, ok? Está me dizendo por que uma parada aqui pois um desvio opcional está sendo oferecido. Está bem? Então, da mesma forma, outras áreas de parada que estão sendo fornecidas. A mesma coisa. Agora eu posso fazer isso, agora também posso usar isso como um modelo de treinamento para outros cenários Para que eu possa dar um começo e um destino. Então, agora está me dando as paradas específicas que eu posso fazer para destinos diferentes. Você pode entender que isso é o que queremos dizer um modelo de receita em que você está procurando uma solução, mas não consegue alcançá-la porque não tem o processo completo como chegar a essa solução Você tem parte da solução com você e está precisando da ajuda da IA para fornecer o restante da solução para que possamos obter o resultado desejado. Esse é o nosso padrão de receita, que você também pode usar no Chat JV. 48. Peça um padrão de entrada: Oi, pessoal. Bem-vindo a esta sessão. Nesta sessão, queremos falar sobre outro padrão que podemos usar, que é o padrão de solicitação de entrada, que você pode usar como um prompt no Chat JBT Portanto, esse é um cenário em que, quando procuramos um tipo específico de solução da ferramenta Chat JBT AI, definimos certas regras Agora, definimos as regras e com base nas quais queremos que elas nos forneçam a saída, o resultado que estamos procurando. Agora, normalmente, o que aconteceria é no momento em que você define as regras, ele fornece uma saída e fornece uma lista de informações sobre o todo. Ok. Isso é o que você não quer. O que você quer fazer é a ferramenta de IA pegue todas as informações, as regras que foram fornecidas e espere, espere que sua opinião chegue, que sua pergunta chegue e, em seguida nos forneça a solução com base , nos forneça a solução com base nas regras definidas. É aí que vamos usar o padrão ask for input. Esse é um padrão em que você define as regras e diz especificamente à ferramenta de IA que mantenha essas regras em consideração e não forneça nenhuma informação extra no momento Quando eu peço uma contribuição, é quando você nos dá a solução com base nas regras fornecidas. Então é isso que queremos dizer com padrão de solicitação de entrada. Vamos ver isso em ação, como isso vai ser. Eu dei uma solicitação específica em que digo que sempre que eu pedir que você escreva uma solicitação para eu realizar uma tarefa, liste qual é a tarefa. Liste abordagens alternativas para concluir a tarefa e, em seguida, escreva uma solicitação para você mesmo para cada abordagem. Então, agora estou definindo que ele não precisa fornecer nenhuma outra informação extra além do que eu defini aqui. Quando terminar, peça-me a próxima solicitação para criar alternativas para. Agora ele salvou isso na memória e agora está me permitindo escrever para escrever um prompt para realizar uma tarefa. Definirei claramente as abordagens alternativas da lista de tarefas, escreverei uma solicitação separada e solicitarei a próxima solicitação. Então, é assim que podemos usar o padrão de solicitação de entrada, que nos ajudará principalmente a impedir que a ferramenta de IA nos forneça informações sobrecarregadas e que podem se tornar difíceis de gerenciar posteriormente Então, vamos abreviá-lo e definir as expectativas definidas, definir as regras e também definir a quantidade de informações que queremos dele. E é aí que esse padrão pode ser realmente útil. 49. Alguns exemplos: Oi, pessoal. Bem-vindo a esta sessão. Nesta sessão, queremos examinar outro padrão de prompt que você certamente pode usar. Serão alguns exemplos curtos. Agora, essa é uma forma rápida em que estamos tentando treinar a ferramenta para nos fornecer um tipo específico de saída Então, como fazemos isso é dar alguns exemplos. Damos a ele uma entrada específica e, com base na qual, fornecemos a ele a saída desejada. Por isso, damos vários exemplos à ferramenta e tentamos treinar. Tentamos treiná-lo para entender o tipo de entrada e, com base nela, nos fornece a saída correta para isso Isso pode ser muito útil quando o que você está fazendo é treinar a própria ferramenta de IA para dar um tipo específico de resposta que seja adequada para seu próprio negócio, para você mesmo. Portanto, esse é outro tipo de solicitação que você certamente pode usar aqui Então, vamos dar um exemplo do que estamos fazendo aqui. Digamos que eu dê uma opinião dizendo que o filme foi bom, mas um pouco longo demais. E o sentimento em torno disso era que a ideia era é uma avaliação neutra que estamos tentando dar Da mesma forma, outra dica que eu dou é que eu realmente não gostei desse livro. Eu não tinha detalhes importantes e acabei não fazendo sentido O sentimento em torno disso é negativo. Da mesma forma, dou uma opinião, que adoro este livro. Foi muito útil para aprender como melhorar minha saúde intestinal. O sentimento é positivo. Agora, forneci essas entradas e a saída para a ferramenta de IA para treiná-la e entender de onde venho e que tipo de saída estou procurando Agora eu dou uma nova opinião, ou seja, eu não tinha certeza do que pensar desse novo restaurante. O serviço foi lento, mas os pratos estavam muito bons e deixo a saída para ser respondida pela ferramenta. Agora, como você pode ver, a ferramenta me fornece uma saída neutra. Isso é o que queremos dizer com alguns exemplos curtos, que você certamente pode usar quando estiver treinando a ferramenta de IA para nos fornecer uma saída de uma maneira específica , com base no tipo de exemplos que você deu para entender de onde você vem e quais são suas expectativas em relação a isso Espero que isso faça sentido. Espero que as pessoas entendam os vários bailes de formatura que estamos tentando aplicar aqui no AGPT especificamente para melhorar o tipo de resultados que obtemos 50. Alguns exemplos de ações: Oi, pessoal. Bem-vindo às sessões. Nesta sessão, veremos alguns outros exemplos de solicitações de algumas fotos, que servem mais para realizar algum tipo de ação Então, entendemos como podemos usar esse tipo de solicitação para treinar o modelo de IA para nos fornecer um certo tipo de saída Então é isso que estamos ampliando aqui analisando outros cenários em que você pode usar esse padrão, o padrão de poucas fotos e obter resultados diferentes, que podem estar mais relacionados a atender a situações diferentes, atender a diferentes ações a serem tomadas em uma Então, vamos ver como podemos usar isso nesse cenário específico. Digamos que eu esteja apresentando uma situação específica. A situação é que estou viajando 60 milhas por hora e vejo as luzes de freio no carro à minha frente Vá lá. A ação deveria ser precisamos parar, parar aí, então ação é frear Acabei de entrar na rodovia uma rampa e estou viajando 30 milhas por hora, então preciso acelerar Então, um cervo saiu correndo na frente do meu carro enquanto eu viajava a 15 milhas por hora e a estrada tem um grande Estamos dizendo quebre e sirva no ombro. Outra situação é que estou saindo da vaga de estacionamento e vejo as luzes de ré acenderem e vejo as luzes de ré no carro atrás de mim. Então, o que precisamos fazer. Isso é o que eu espero como resultado da IA. Então, ele aprendeu a situação e a ação que esperamos e, com base nas quais, está me dando a saída de que precisamos parar imediatamente e esperar Então, você pode ver que agora treinamos a ferramenta de IA para nos dar um tipo específico de resposta com base nas situações fornecidas. Para estender isso ainda mais, podemos pedir à própria ferramenta de IA que nos dê mais exemplos de situações e exemplos de análise de ações que queremos fazer. Então, agora você pode ver que ele também forneceu esses exemplos específicos. Por exemplo, o semáforo fica amarelo e eu estou a três metros do cruzamento Continue dirigindo com segurança, não bata nos freios Está bem? O semáforo fica amarelo e eu estou a 100 metros do cruzamento, então freio suavemente e me preparei Assim, ele também é capaz de nos fornecer várias situações e ações. Portanto, esse pode ser outro caso de uso de alguns exemplos curtos que você pode usar como aviso, que você pode usar, o que pode ajudá-lo a treinar a IA uma maneira específica para nos fornecer os resultados desejados 51. Alguns exemplos de etapas intermediárias: Oi, pessoal. Bem-vindo a esta sessão. Nesta sessão, veremos outro cenário, alguns exemplos curtos que você pode considerar usar quando estiver usando quando estiver solicitando o Cha GPT two Aqui, o que estamos vendo em um cenário em alguns exemplos curtos mostram não precisa ser apenas de dois tipos em que estamos dando uma entrada e obtendo uma saída, uma ação situacional Está bem? Então, aqui, o que também podemos apresentar são algumas etapas intermediárias, o que basicamente significa que quando você apresenta uma situação específica, ela pode seguir determinadas etapas. Ele pode pensar em determinados cenários e, em seguida, agir. Está bem? Isso também pode ser uma possibilidade. Portanto, não precisa ser um formato de entrada e saída curto. Assim, você pode treinar a ferramenta de IA de maneiras diferentes. Portanto, precisamos expandir nossa mente e entender que estamos tentando treinar a IA em diferentes formatos. Esse é um daqueles formatos que apenas uma entrada e uma saída podem não funcionar, e pode ser uma situação complicada em que várias coisas precisam ser levadas em consideração e, em seguida, a saída precisa ser fornecida Então, aqui, vamos incluir algumas etapas intermediárias entre elas e, em seguida, a ação será tomada. Isso realmente será eficaz quando, digamos, em um cenário da vida real, possa ser atender ao atendimento ao cliente, atender às dúvidas dos clientes Assim, você pode treinar uma ferramenta de IA que possa responder. Eu posso fornecer diferentes tipos de resultados, etapas intermediárias que ela pode fornecer aos clientes e, com base nas quais ela tenta resolver suas dúvidas responder e resolver seus problemas Vamos ver um exemplo prático do que estamos tentando dizer aqui. Vamos voltar ao mesmo exemplo, o exemplo anterior no vídeo anterior que vimos. Essa é uma situação que apresentamos. A situação é que estou viajando 60 milhas por hora e vejo as luzes de freio no carro à minha frente, vá lá, certo? Então, acho que agora a etapa intermediária é acho que preciso desacelerar o carro antes de bater no carro à minha frente, certo? A ação tomada seria pressionar o fóton, frear agora, novamente, começo a pensar que o carro não vai parar online Portanto, a ação que posso tomar é verificar se o ombro está largo o suficiente para desviar Então eu começo a pensar que o ombro é largo o suficiente. Então, a ação tomada é desviar para o ombro, certo? Outra situação pode ser que eu acabei de entrar na rodovia de uma rampa e viajo 30 milhas por hora Então, acho que preciso acelerar até o limite de velocidade para não bater e ser atingido por trás. Portanto, a ação é descansar o pé no acelerador. Então eu começo a pensar que atingi o limite de velocidade. Portanto, a ação seria interrompida no acelerador. Da mesma forma, posso dar uma ação uma situação em que estou saindo do estacionamento e vejo as luzes de ré acenderem estacionamento e vejo as no carro atrás Então, qual pode ser a ação? Então, agora está treinado. Uma ferramenta é treinada para nos fornecer a saída nesse formato específico, então ela começa a pensar. O carro atrás de mim também está prestes a dar ré. Nós poderíamos colidir. Portanto, a ação é pressionar imediatamente o freio para parar de reverter Então eu preciso ter certeza de que o outro motorista me vê, certo, é o que eu estou pensando. Portanto, mantenha o freio pressionado e buzine levemente para alertá-los. Então, você pode ver agora que a ferramenta Air está nos dando a saída dessa maneira específica, e está sendo treinada da maneira queremos que ela pense e nos forneça resultados Também podemos pedir que ele gere outro exemplo. Agora é gerado outro exemplo, que é quando estou dirigindo em um cruzamento, semáforo fica amarelo, preciso decidir rapidamente se é mais seguro parar ou continuar na interação Assim, a ação pode ser verificar minha velocidade e distância da linha de parada. Está bem? Agora, digamos que eu tenha dado a ação específica agora. Como você pode ver, a ferramenta está sendo treinada, agora você pode desviar a conversa no formato que quiser Como na última ação, digamos que escaneie para a esquerda e para a direita ao passar e continue dirigindo com segurança quando estiver limpo. Então eu digo isso, digamos que estou ficando sem gasolina. Então, o que vai acontecer? Estou dirigindo e percebo que o gás está quase vazio, então estou ficando sem gasolina, então a ação pode ser tomada. Portanto, você vê que essa é outra tendência de formato de solicitação f shot , que você pode usar quando fornece certas etapas intermediárias que precisam ser levadas em consideração antes de chegar à saída final 52. Como escrever exemplos eficazes de poucas tomadas: Oi, pessoal. Bem-vindo a esta sessão. Nesta sessão, veremos como também podemos escrever algumas instruções curtas eficazes algumas instruções curtas eficazes especificamente no Cha GPT A intenção desta sessão em particular é entender como, às vezes quando damos esses pequenos exemplos de instruções à ferramenta de IA, podemos cometer alguns erros Nesses casos, como podemos corrigir isso e melhorar nossas solicitações. Então, vamos tentar entender como isso vai funcionar. Digamos que eu esteja dando uma solicitação específica no momento, que é esta, que consiste em alguns formatos curtos de prompt, entrada, bloco, saída rígida, travesseiro de entrada, saída flexível, carro de entrada e saída agora necessários, certo? Então, neste caso, a ferramenta de IA está nos dando um aviso o carro é rápido. Agora, como você pode ver, o que está acontecendo aqui baseia na observação da solicitação que fizemos A ferramenta I está tentando entender qual deveria ser a saída ideal e está nos fornecendo a saída o mais rápido possível Agora, por causa disso, o que está acontecendo é que possivelmente não é a saída esperada correta que você está procurando, e isso é nossa culpa. A culpa é nossa , pois não demos uma boa dica à ferramenta de IA O principal problema com esse prompt específico é a falta de informações. Não fornecemos contexto, não fornecemos informações extras. Que tipo de saída estamos procurando? Isso é o que está faltando. É por isso que a ferramenta de IA está nos fornecendo uma saída com base em qualquer informação ou conhecimento limitado que ela possa coletar a partir do prompt que fornecemos. Então é por isso que o que temos que fazer é. Então, fornecemos a saída que não estamos procurando. Estamos procurando saída apenas em macio e duro, ok. Então, fornecemos um contexto de como queremos que a saída seja. Então vem com a saída de que o carro é rígido. Em termos materiais. Está bem? Então, agora, novamente, o que fazemos é, digamos que damos a ele um aviso específico, que fornecemos aqui, o objeto é plano, a velocidade é rápida. Objeto verme, a velocidade é lenta, objeto é carro, a velocidade é rápida Então você entende como queremos que o formato seja. E aqui ele é capaz de fornecer a saída correta. Agora, novamente, o que está acontecendo nesses cenários específicos é o Agora, se você olhar para um cenário específico agora, agora temos dado que o objeto é bola. Está bem? Novamente, um contexto vago que estamos apresentando aqui, idealmente falando, ok? Não vai ser de novo, bola pode ser rápida. No momento, ela está emitindo uma saída tão rápida, mas também pode ser lenta, uma bola que está sendo jogada por uma criança, então pode ser lenta. Então, todas essas coisas possivelmente podem acontecer. Portanto, a ideia é que, sempre que estivermos dando algumas instruções curtas, também tenhamos certeza de que o formato está correto, mas o conteúdo do formato precisa conter informações suficientes, contexto deve ser fornecido adequadamente e só então podemos esperar a saída correta Você precisa fornecer informações suficientes, contexto sobre como deseja a saída, que possamos obter os resultados desejados. 53. Obrigada por participar deste curso!: Oi, pessoal. Eu queria parabenizá-lo por ter chegado ao final desta aula Muito obrigado por fazer este curso. Espero que isso tenha sido útil. Podemos aprender as estratégias e implementá-las em sua empresa daqui para frente. Estou ansioso para ver vocês em breve em uma nova turma, pessoal. Obrigado, pessoal.