Um breve guia para engenharia rápida

1. Apresentação: Olá e bem-vindo a este breve guia para engenharia rápida. Meu nome é David Argument, ou seja, e sou desenvolvedor de software e matemático. Então, por que, do ponto de vista da engenharia, a IA agora é um componente crucial vida ousada ou diária e nossos negócios e as ferramentas de IA de rápido desenvolvimento nos últimos anos tiveram um impacto inevitável em nossas vidas diárias e estão ficando cada vez mais inteligentes e funcionais. Portanto, essa tecnologia alterou a forma como nos comunicamos com as pessoas. De um robô, a comunicação entre humanos e máquinas precisará melhorar à medida que essa evolução progride. Isso pode nos levar um passo mais perto de realizar todo o potencial da IA se compreendermos adequadamente como interagir com ela. E, como teóricos, seremos capazes de obter novos insights e extrair melhores informações, aumentando nosso conhecimento sobre uma variedade de tópicos. Portanto, entender a engenharia orgulhosa é crucial para obter esses benefícios. 2. O que é engenharia rápida?: Então, o que é engenharia rápida? A capacidade de se comunicar com a IA forma eficaz é crucial conforme definimos. Isso envolve escrever Prout's que servem como comandos para a IA. E a engenharia rápida é o processo de criar entradas que lembram a saída de um modelo de linguagem, Lake Chad, TBT. E para obter bons resultados, é importante fornecer insumos de alta qualidade. Por outro lado, somente as instruções detalhadas podem levar a respostas imprecisas ou negativas. engenharia rápida abrange uma ampla variedade de aplicativos, como chatbots, criação de conteúdo, ferramentas tradução de idiomas e assistência virtual. No entanto, você pode estar curioso sobre as técnicas utilizadas pela tecnologia de IA para produzir suas respostas. Então, vamos aprender como esses modelos funcionam. 3. O que são LLMs?: Então, o que alguns vão citar é que a Microsoft aqui é tensa, somos um modelo de linguagem grande. E esse é um termo que se refere a modelos de IA que podem gerar textos em linguagem natural a partir de grandes quantidades de dados. A ampliação de modelos de linguagem redes neurais profundas, como transformadores, para aprender com bilhões ou até trilhões de palavras e gerar impostos sobre qualquer tópico ou domínio. Modelos de linguagem grandes também podem realizar várias tarefas de linguagem ventral, como classificação , resumo, tradução, geração e diálogo. E temos exemplos aqui. O mais famoso é o GPT-3, mas existem outros, como ovos de pássaros que permitem Excel net e um pouco, um pouco a. Não tenho certeza se pronunciei isso corretamente, mas sim, o L significa grande. No caso do LLM, isso significa que é muito, muito grande, pode sair milhões , bilhões ou até trilhões. O L significa linguagem, que se refere ao fato de que a palavra frases por respiração deixa a essência de como esse tipo de IA semântica funciona, ou seja, modelos. E são representações matemáticas dimensionais de alto crescimento representações matemáticas de uma grande quantidade de informações escritas. Então, o que tende a ser d tem a ver com LLM, ok, já estabelecemos essa conexão lá. O chat, normalmente o sistema é alimentado por um modelo LLM AI, inventou a IA aberta com base no modelo GPT-3. Então, o modelo aqui é na verdade GPT-3. E agora temos GLUT4, certo? E o chat GBD é apenas o aplicativo que a Open AI criou. Portanto, você pode pensar no chat TBD como um aplicativo desenvolvido com base nesse LLM. Que foi especificamente ajustado para engajar os bate-papos com diretores rurais. 4. Aprendizado sem supervisão: Portanto, mergulhando um pouco mais no aprendizado de máquina e na inteligência artificial em geral, existem dois métodos principais de aprendizado baseados no modelo de linguagem. Aprendizagem supervisionada e não supervisionada. Aprendizagem supervisionada em lâmpadas usando um conjunto de dados rotulado contendo dados com a resposta certa. Embora o aprendizado não supervisionado seja composto por seus próprios dados rotulados, o modelo exige que o modelo analise respostas precisas e indeterminadas. Então, normalmente quatro ou GPT-3 dependem do aprendizado não supervisionado para gerar respostas. É por isso que eles nem sempre têm os dados corretos ou a resposta correta, porque não são treinados com as respostas corretas. A modelagem de linguagem é um componente fundamental dos vários aplicativos de linguagem de IA que permite que um modelo crie textos de acordo com o prompt fornecido. E aqui temos uma imagem do aprendizado de máquina clássico. Temos o aprendizado supervisionado, classificação e a regressão, ou seja, as economias de urina. Matemático ou engenheiro, você deve ter ouvido falar de regressão linear. Então, isso é, na verdade, um aprendizado supervisionado. Você está fazendo aprendizado de máquina. Estamos em Nova York fazendo regressão e aprendizado não supervisionado no sentido clássico. Você pode ver essa redução da dimensionalidade da associação de agrupamento. Na verdade, essa é uma explicação muito simplificada do aprendizado supervisionado versus não supervisionado. 5. Informação buscando prompts: Então, agora vamos dar uma olhada nas diferentes categorias de solicitações que temos. Portanto, a mais básica é a solicitação de busca de informações. E esses problemas são projetados especificamente para coletar informações. E os bailes de formatura responderam principalmente às perguntas “o que” e “como”. É como se estivéssemos usando o Google. Então, temos alguns exemplos aqui. Quais são as atrações turísticas mais populares no Equador? Como me preparo para a revisão da literatura de emprego do React. Quais são os tipos mais comuns de ataques cibernéticos e como indivíduos e organizações podem se proteger contra eles? Então, veja, esse prompt é um pouco mais detalhado do resultado que queremos e falaremos sobre isso mais tarde. Qual é a história dos Jogos Olímpicos e quão ácida é a aposentadoria. Portanto, todas essas solicitações são o resultado de solicitações de busca de informações. 6. Avisos baseados em instruções: Agora que temos instruções baseadas em instruções e você as usa há alguns anos, é para dar instruções ao modelo para realizar tarefas específicas. Um bom exemplo dessas promessas é o uso do Siri Alexa ou do Google Assistant. Portanto, o Chad DBT é muito recente, mas você usa instruções baseadas em instruções há alguns anos. Por exemplo, quando você diz a um léxico que recebe um prompt baseado em estrutura. E ele viu Tell Tap DPT chamado assim. Obviamente, não vai saber quem é esse. E também não conseguirá fazer uma ligação telefônica. No último episódio do meu programa de TV favorito, novamente, Chad DBT não poderá reproduzir os episódios mais recentes do seu programa de TV favorito porque ele não está conectado a uma TV. Mas Ted TBT pode responder. Os outros exemplos fornecem instruções passo a passo para montar uma peça de mobiliário para crianças com encosto plano, como a cômoda ikea. Isso é algo que Chad GPT, posso te dar a resposta? Certo? Um tutorial sobre como usar programas de software populares, como o Adobe Photoshop ou o Microsoft Excel para uma tarefa ou projeto específico. E F. Mas aqui para uma tarefa ou projeto específico, porque se você contar a beleza do chat, me dê um tutorial de Adobe Photoshop que será muito geral. Você precisa fornecer. O que você quer aprender? Especificamente? Porque aprender o Adobe Photoshop é muito complexo, certo? O guia para praticar técnicas de relaxamento, como meditação consciente ou respiração profunda, para reduzir o estresse e promover o bem-estar mental. Esse também é um exemplo de prompt de bits de instrução. 7. Contexto que fornece instruções: Agora temos contextos que fornecem instruções, um determinado contexto e exemplos para a IA são muito importantes. Essas solicitações fornecem informações à IA para ajudar você a entender melhor o que o usuário precisa servir. Falso. Aqui temos um exemplo. Se você está planejando uma festa e precisa algumas ideias e atividades de decoração para os participantes, você pode estruturar sua solicitação dessa forma e planejar uma festa para meu filho. Quais são algumas ideias e atividades de decoração que ainda existem, e essas podem servir para torná-las agradáveis e memoráveis. Então, qual é o contexto aqui? Na primeira frase, estou planejando uma festa para meu filho. Esse é o contexto. Agora, a IA sabe que você está fazendo uma festa, certo? E isso pode lhe dar uma resposta melhor. 8. Avisos comparativos: Agora temos instruções comparativas. Essas ferramentas auxiliam na comparação e avaliação de várias opções apresentadas ao modelo para auxiliar o usuário a fazer uma sessão de ajuste. Então, isso é muito fácil. A venda de madeira é comparada a e B, o que é um melhor investimento como cães ou imóveis em termos de crescimento e estabilidade financeira de longo prazo. E, na verdade, se você fizer essa dica de chá para conversar ou qualquer outra coisa que lhe diga, eu não vou te dar conselhos financeiros. Esses são os prós e os contras. Então isso é muito bom porque ter uma causa próxima é basicamente uma forma de você tomar uma decisão melhor, porque é você quem tomará a decisão no final do dia. Você pode usar os prós e os contras explicitamente no prompt, como neste exemplo, quais são os prós e os contras de usar um cartão de crédito versus um empréstimo pessoal em termos de taxas de juros, taxas e impacto na pontuação de crédito. Novamente, isso lhe dará prós e contras. Não vai te dizer, Ei, essa é a melhor coisa a fazer. Você é, no final do dia, quem toma essa decisão. Quais são as vantagens de um carro híbrido sobre um carro movido a gasolina em termos de eficiência de combustível, retorno ambiental e cosseno. Novamente, o carro híbrido tem prós e contras. Carros movidos a gasolina têm prós e contras. No final do dia, você terá sua própria base de opinião e os prós e os contras. Então, nesse sentido, ferramentas como o Ted são terríveis ou imparciais, muito boas para isso. 9. 09 Parecer procurando prompts: Agora vem o interessante: dicas de busca de opinião. Então, antes de continuar, devo dizer que a IA não tem nenhuma opinião. Lembre-se de que a IA é treinada apenas com muitos dados e esses dados realmente vêm da Internet. Portanto, a resposta será baseada na opinião de outra pessoa. O objetivo dessas instruções é extrair a perspectiva do AIS sobre um assunto específico. Um exemplo é: qual é a sua opinião sobre o uso das mídias sociais por adolescentes? Você o exclui, tem um impacto positivo ou negativo em sua saúde mental como desenvolvimento social. Ao perguntar ao chat DBT, exatamente essas perguntas, veja a resposta. Como modelo de linguagem de IA, não tenho opiniões pessoais, mas posso fornecer informações e insights sobre o tópico com base em pesquisas e estudos. E então ele lhe dará a resposta. Entendi a pergunta, certo. Então, é muito importante saber isso. A API não tem uma opinião. Aqui temos outro exemplo. Na sua opinião, quais são as questões ambientais mais urgentes o mundo enfrenta atualmente? E quais medidas devem ser tomadas para resolvê-las. Ou, na sua opinião, quais são as qualidades mais importantes de uma liderança eficaz e se você acredita que incorpora essa esfera pública ou privada de qualidade. Novamente, devo lembrá-lo a IA não tem uma opinião. São pessoas da Internet, alguma coisa. Portanto, pode haver preconceito, o qual falaremos mais tarde. 10. Avisos baseados em papel: Agora vamos falar sobre as bombas baseadas em funções porque essas são as instruções mais importantes. É tão importante que a API oficial do Chet GPT presume que você usará esse tipo de rota. Então, se você gosta disso, pode ler a documentação da API e descobrir que esses prompts baseados em funções são muito importantes. E, em geral, se você deixar aviso baseado em funções toda vez que estiver bem, porque é muito útil, pois é muito útil, pois funcionou para essa categoria específica, está usando a estrutura de cinco Ws. Cool é o primeiro. Ciência ou função de que você precisa. Os modelos desempenham um papel como professores e de todos os pássaros, e assim por diante. O que isso se refere à ação que você deseja que o modelo realize quando estiver neste cronograma de arte para concluir uma tarefa específica, em que ela se refere à localização ou contexto de uma solicitação específica. E o y se refere aos motivos, motivação ou objetivos de uma solicitação específica. E geralmente inclua informações sobre por que você quer aprender. Precisamos ser específicos sobre isso, a duração do seu período de aprendizado e suas metas de aprendizado imediatamente. Fornecendo mais detalhes, resultaremos em um evento mais personalizado ou rebelde. Faça um ventilador, por favor, certifique-se de ler isso em inglês. Isso não é obrigatório, mas é melhor se você fizer isso em filmes. Em geral, os LLMs funcionarão melhor se você fizer isso em inglês. Você tem ferramentas de tradução que podem ajudá-lo com isso. De novo. Então, vamos ver um exemplo. O gerente de marketing do golpe. O que criará uma nova campanha de mídia social no próximo trimestre, julho, setembro ou qualquer outra coisa, atingir o mercado norte-americano e aumentar o reconhecimento da marca e impulsionar as vendas. Portanto, o prompt pode ser mais ou menos assim. Como gerente de marketing, crie uma nova campanha de mídia social voltada para o mercado norte-americano. Na próxima tentativa de aumentar o reconhecimento da marca e impulsionar as células, você tem os $5 que serão responsáveis pela implementação da campanha. Quais plataformas serão usadas? Quando será lançado? Onde será direcionado e por que é importante para os objetivos da empresa. Então você tem que ser muito específico. Só se você perguntar isso para conversar, com pena, você terá essa resposta, que é bem longa e bem detalhada. E eu acho que isso pode gerar muitos empregos. Portanto, você precisa aprender como estimular esses tipos de efeitos. 11. Perplexity.ai: Agora, um pequeno aviso. É importante sempre, em todas as categorias, em cada solicitação, verificar a precisão das respostas dos modelos. Se você não tiver certeza sobre o assunto em casa, se não conhecia o tópico de antemão, necessário verificar as respostas, pois elas baseiam apenas na saída do modelo podem não corrigir as informações. Como o modelo nem sempre é preciso, certifique-se de cruzar as informações com outras fontes para se preocupar. É curioso. Então, como podemos conseguir isso? O Chat DBT não nos dá as respostas, certo? Portanto, temos essas ferramentas chamadas perplexity.ai. Então você pode ir até o site. E é basicamente como aquelas fontes típicas de d, mas d de z. Também a barra do Google, que é como a competição por bate-papo. Tbt, vou fazer isso, mas não é agora que estou gravando esses vídeos. Não é Bartlett para todos. Então, por exemplo, eu perguntei a Amy se crie bem, me dê cinco sites para pesquisar artigos de psicologia que valem a pena. E isso me deu essas coisas. E é bom porque você também pode clicar nesses links , certo? E se você clicar nesses colchetes aqui, ele vai te dar as fontes de onde essa coisa coletou a correlação, certo? Porque essa ferramenta de perplexidade também pode se conectar à Internet, certo? E isso é útil porque não tem tantos pontos de corte 21, conhecimento, ponto de corte, como conversar para colher uma árvore. 12. Pare de usar o padrão de Pesquisa do Google: Ok, agora vimos todas as solicitações de categorias. Agora, como podemos tornar essas instruções eficazes? Então, primeiro de tudo, fomos ensinados pelo Google porque o Google é uma grande empresa. Está no mercado há muitos anos. E eles aprimoraram seu mecanismo de busca para que ele funcione com menos palavras, certo? Então, na última iteração que chegarmos ao Google, melhor, por exemplo u Dot como Google. Quando ocorreu a Revolução Francesa? Você pergunta a data da Revolução Francesa e pronto. E você também pode colocar aspas para ter correspondências exatas e tudo mais. Mas temos que esquecer totalmente essa maneira de pesquisar informações com PT falante ou outros aplicativos criados com base em LLMs. Porque é completamente o oposto. Nós queremos. Agora, o máximo de informações que podemos fornecer à IA para fornecer contextos. Exemplo, os cinco W's e todas essas coisas. Então, por favor, esqueça pesquisar como se estivesse fazendo com o Google. Então, a primeira coisa, clareza. Se você estiver em um relacionamento, descobrirá que a clareza é muito importante. E em todo tipo de comunicação, na verdade, a clareza é muito importante. Então, como diz aqui, comunicações claras são cruciais em qualquer ambiente, incluindo instigar um convento. Portanto, para criar um produto eficaz, é importante definir claramente seu objetivo, garantir que a IA possa responder com precisão ao seu orgulho. 13. Contexto e limitações: Que outra coisa está ativa? Dado o contexto e os exemplos, como mostramos na categoria de fornecimento de solicitações de contexto , fornecer informações adicionais pode ser a IA em compreender o objetivo do inquilino do problema, o que fez com que produzisse mais predefinições para sais. O que mais? Estabeleça limitações. Portanto, a IA deve ter limites para operar dentro de sua maior precisão e evitar a irrelevância da provisão. E eu fui te dar um bom truque. Você pode definir limitações embora essa não seja a única maneira de fazer isso, certo? Mas se você colocar t l e dois pontos, o ponto e vírgula, ponto e vírgula no final do prompt. Então você terá uma versão muito longa e não lida do que Jabhat, do que você quer. Então me dê um resumo da Revolução Francesa. A Revolução Francesa obviamente é um grande evento histórico. Portanto, um resumo é muito ambíguo. Pode ter dez páginas de PDF e isso será uma submatriz. Mas se você disser que são muito longos, não li, fornecerá um pequeno parágrafo do que é a Revolução Francesa. 14. Break reformulação e iteração: O que mais é eficaz? Elimine as consultas. Essas consultas vinculam em blocos menores e mais gerenciáveis. A Canon tem a capacidade de IA de lidar com as informações. Ao fazer isso, o modelo é capaz de compreender cada portador da consulta e gerar respostas aprimoradas. Então, o que isso significa? Você não faz muitas perguntas ao mesmo tempo. A IA funcionará melhor se você fizer uma pergunta por vez. Ok? Agora, repita e reformule. Se você não estiver satisfeito com uma resposta de AR, tente reformulá-la e forneça mais contexto ou amostras de Martin para melhorar os resultados. Se você quiser fazer isso, obviamente pode copiar o orgulhoso e colá-lo novamente. Mas, na verdade, no chat deputado, você está usando isso. Você tem esse pequeno botão onde pode editar sua solicitação conforme enviada novamente. Ok? Outra coisa são os pedidos de explicação passo a passo. Se você precisar de detalhes aprofundados uma análise sobre um tópico complicado, você pode enquadrar sua solicitação de uma maneira que direcione a IA a fornecer respostas abrangentes dividindo o estado em polegadas. E isso é realmente muito, muito útil porque os humanos Lee entendem melhor quando recebemos instruções em uma questão de ordem. Portanto, a IA é capaz de fazer isso. Portanto, não hesite em pedir uma explicação passo a passo de algum procedimento ou aprendizado. 15. Priorizar informações importantes: Outra coisa que você pode fazer é priorizar a importação dessa deformação. Destaque as informações mais importantes do produto. Ao fazer isso, você está dizendo a IA desenvolve algumas respostas que são relevantes para o aumento da inflamação da edição, por exemplo, aqui, e faça dela uma lista dos melhores jogadores de futebol. No entanto, os melhores jogadores de futebol são a síndrome dos massacres, Alto, o balé de Maradona, você sabe. Mas estou dizendo que coloquem no topo, os jogadores mais jovens. Então, isso mudará a resposta. Isso fornecerá minha resposta em que os jogadores mais jovens são os melhores policiais e isso me dará apenas dez, posso perguntar mais. E provavelmente não vai listar uma personalidade confusa ou Aldo, porque há mais jogadores mais jovens que são muito bons. Então, o primeiro é o Callen urbano, que agora ele deve ter uns 23 anos. E, novamente, sempre verifique, verifique novamente a resposta. Ele não joga no Borussia Dortmund, nenhum bar. Portanto, essa resposta está parcialmente correta porque Arlene Cowan é a melhor jogadora mais jovem, mas ela não joga em Portugal. Então você matou e depois por um par que ainda está planejando a síndrome da menstruação. E na hora de gravar esse vídeo e esses outros caras, eu não sei muito sobre futebol, então me desculpe. 16. Tenha cuidado com o viés: Antes de terminarmos este breve guia, preciso explicar os detalhes e limitações da IA que você deve levar em consideração. O mais importante é definitivamente o preconceito. A precisão do algoritmo de aprendizado de máquina depende dos dados fornecidos por seus dados e pode levar a uma saída tendenciosa, destacando a necessidade de revisar que apenas imprima os dados para possíveis distorções no início do processo. Então, essa imagem resume isso. Se você colocar essa coisa, você vai receber a coisa. É por isso que você ouvirá nas notícias que toda a IA é racista ou discrimina um pouco mais. E isso porque há muitas coisas assim na Internet. Então, não tínhamos controle sobre isso. Não tínhamos controle sobre o que as pessoas colocavam na Internet, certo? Então, não podemos fazer nada sobre isso. Mas há outro tipo de preconceito, que é uma cor bonita, bonita. É importante ter em mente que, ao interagir com uma determinada informação incorreta pode resultar em concordar com você, mesmo que você esteja errado. E isso já aconteceu comigo muitas vezes quando eu acho insanamente que estou correto, mas na verdade não estou. Portanto, é recomendável que eu tenha alguma compreensão do assunto antes de perguntar. Novamente, você precisa verificar as fontes. Se a IA fornecer uma resposta incorreta , pode ser útil reformular a pergunta e fornecer contexto adicional. Então, novamente, temos controle sobre isso. Não pense que você é o garoto mais inteligente, se não tiver certeza de alguma coisa, tente reformular sua sugestão para que Tad tenha pena ou qualquer outra coisa concorde inconscientemente com informações incorretas, se isso fizer sentido. 17. AI não tem sentimentos: Outra coisa óbvia é que preencher a API não tem sentimentos. Talvez você pense que foi porque às vezes Ted TBT diz: Ei, me desculpe, eu peço desculpas. Não está sentindo nada. Por isso, muitas vezes lutei com linguagem complexa e com emoções humanas isoladas, pois ela tem a capacidade de sentir que suas decisões relativas ao comportamento humano típico nem sempre são precisas e confiáveis. Portanto, não se surpreenda se isso causar algum problema absurdo ou de risco de muito frio , pois não levará em consideração os campos. No entanto, isso não significa que você não possa reescrever o tanque com um certo tom. Você pode reler os textos para que pareça feliz. É síndrome, trabalho profissional, mais triste. Então, oito olhos são capazes de fazer isso. Você pode fazer isso com esse quilt bot, que é uma extensão do Chrome. Ou você pode fazer isso dentro do aplicativo TO may, que na verdade é o aplicativo que estou usando. Procreate esses slides. 18. Conclusão: Ok. Então, qual é a conclusão desse breve guia? Bem, eu não sou bom em fazer conclusões. Então, pedi ao chat TBT que escrevesse uma conclusão para um curso on-line sobre geração solicitada. Em conclusão, este curso on-line abordou os aspectos essenciais da engenharia imediata, fornecendo uma compreensão abrangente de como criar alertas eficazes para alertas eficazes obter respostas ilícitas desejadas dos usuários. Isso mesmo. Exploramos os principais elementos dos prompts. Ele não sabia usar linguagem, tempo e contexto, e aprender a adaptar solicitações a diferentes grupos de usuários conforme situações. Por meio de exemplos e exercícios práticos, adquirimos experiência prática em problemas de design que envolvem o usuário e facilitam os comportamentos secundários. Ao concluir este curso, você agora tem uma base sólida em engenharia imediata e está equipado com as ferramentas e o conhecimento para criar sugestões eficazes de engajamento dos usuários do Dr. para alcançar seus objetivos. Se você é o prompt de login de um site ou outra plataforma digital. Os princípios e técnicas abordados neste curso serão ativos valiosos em seu kit de ferramentas. Com prática e experimentação, você pode continuar aprimorando suas habilidades de engenharia imobiliária e criando sugestões ainda mais convincentes que encantem seus usuários e impulsionem o sucesso dos negócios. Muito bom. Espero que você tenha gostado deste breve guia. Nos vemos no próximo curso.