Che cos'è l'ingegneria tempestiva? (Fondamenti e migliori pratiche)

In un'epoca in cui l'intelligenza artificiale si integra perfettamente nelle nostre attività quotidiane, l'efficienza delle nostre interazioni con questi sistemi avanzati è diventata fondamentale. Il ponte tra l'intento umano e la comprensione della macchina si costruisce attraverso un processo tanto sottile quanto cruciale: è qui che entriamo nel mondo dell'ingegneria della domanda nell'IA. Si tratta di un campo che combina competenze linguistiche e conoscenze tecniche per ottenere una comunicazione più efficace con l'IA. Approfondiamo questo concetto e comprendiamone l'importanza nel panorama tecnologico moderno.

TL;DR

• L'integrazione dell'intelligenza artificiale nelle attività quotidiane sottolinea la necessità di interazioni efficienti con i sistemi avanzati.
• L'ingegneria della comunicazione automatica fonde le competenze linguistiche con le conoscenze tecniche per una comunicazione efficace con l'intelligenza artificiale.
• Un prompt nell'IA è un'istruzione basata sul testo che aiuta a produrre risultati specifici dai modelli linguistici.
• L'ingegneria tempestiva consiste nel creare input per ottimizzare le risposte dell'IA.
• L'evoluzione di modelli linguistici completi come GPT-3 e GPT-4 ha sottolineato l'importanza dell'ingegneria tempestiva.
• L'ingegneria tempestiva ha portato alla nascita di "ingegneri tempestivi" o "sussurratori di AI".
• Le tecniche essenziali di ingegneria del prompt includono la generazione a zero colpi, a pochi colpi, a catena di pensiero, la generazione di conoscenza generata e la generazione aumentata dal recupero.
• Le applicazioni dell'ingegneria dei prompt variano da semplici prompt di direttiva a complessi prompt didattici e creativi.
• L'ingegnerizzazione dei prompt comporta anche suggerimenti contestuali che assicurano la continuità nell'espansione del testo.
• Le richieste di generazione di immagini in AI convertono descrizioni testuali dettagliate in immagini.
• I diversi tipi di richieste per la generazione di immagini si rivolgono alla visualizzazione di paesaggi, alla concept art di personaggi, ai mockup per il design di prodotti e alla concept art per la narrativa.
• Puoi iniziare a imparare l'ingegneria immediata attraverso il nostro canale YouTube.

Che cos'è il prompt engineering nell'IA?

Il concetto di prompt engineering nasce nell'ambito dell'IA, dove l'input testuale fornito attraverso le linee di comando viene accuratamente elaborato e messo a punto in modo tale che l'IA produca i risultati più efficaci. Ha un'applicazione speciale nelle piattaforme di IA generativa che richiedono input testuali, come i modelli linguistici estensivi, i chatbot coinvolgenti e i modelli di testo-immagine fantasiosi. Per questo motivo, il ruolo dell'ingegnere di prontezza ha preso forma dall'esigenza di un'ingegneria di prontezza competente.

Che cos'è un prompt AI?

Un prompt dell'intelligenza artificiale stabilisce un canale comunicativo tra un utente e un modello linguistico sofisticato, guidando il modello a produrre un tipo specifico di output. Questa interfaccia può manifestarsi come query, voci testuali, estratti di codifica o casi illustrativi.

Come funziona l'ingegneria dei messaggi?

L'ingegneria dei prompt si concentra sullo sviluppo e sul perfezionamento delle direttive impartite a un'IA sotto forma di testo e contesto, assicurando che i risultati dell'IA siano ottimali. La terminologia "prompt" si riferisce in particolare alle istruzioni basate sul testo che vengono impartite a sistemi di IA generativi come i modelli linguistici estensivi (LLM), i chatbot interattivi o i modelli creativi testo-immagine come Midjourney.

Alla luce dell'introduzione di modelli linguistici completi come GPT-3 o GPT-4 e della creazione di sistemi di chatbot come ChatGPT basati su di essi, nonché di solidi modelli testo-immagine come DALL-E, Stable Diffusion o Midjourney, l'importanza dell'ingegneria dei prompt è diventata sempre più fondamentale. Di conseguenza, è emersa una nuova nomenclatura professionale sotto forma di "Prompt Engineer", a cui occasionalmente ci si riferisce con un tono più rilassato come "AI whisperer" o "AI interpreter".

L'ingegneria dei prompt ha guadagnato slancio in quanto l'essenza dell'output generato dall'IA è intimamente legata alle direttive e alle linee guida testuali fornite dalle interfacce a riga di comando. Affinché l'intelligenza artificiale comprenda correttamente l'incarico e fornisca le informazioni e il contesto necessari per portare a termine il compito, è indispensabile che si allinei alle aspettative dell'utente e che sia di reale utilità. L'ingegneria di precisione si sta evolvendo rapidamente in questo campo dinamico e fiorente.

Come si impara l'ingegneria immediata?

Le competenze o l'esperienza nel campo dell'apprendimento automatico possono essere utili per il tuo lavoro di prompt engineer. Ad esempio, l'apprendimento automatico può essere utilizzato per prevedere il comportamento degli utenti in base a come questi hanno interagito con un sistema in passato. Gli ingegneri di prompt possono quindi perfezionare le modalità di prompt di un LLM per generare materiale per le esperienze degli utenti.

In alternativa, puoi iniziare a imparare l'ingegneria dei prompt attraverso il nostro Canale YouTube. Offriamo diversi video che ti insegnano a creare prompt efficaci per gli LLM.

Migliori pratiche di ingegneria tempestiva

Crea istruzioni dirette e comprensibili

Assicurati che le tue indicazioni siano precise e comprensibili. Quanto più chiaramente articolerai le tue esigenze, tanto meglio il modello potrà servirti. Per risposte sintetiche, richiedi la brevità. Per i discorsi più avanzati, specifica la richiesta di contenuti di livello esperto. Se il formato non è adatto, fornisci un esempio da emulare. Le istruzioni dirette aumentano la probabilità di ottenere il risultato desiderato.

Fornisci riferimenti sufficienti

Tieni presente che i modelli linguistici dell'intelligenza artificiale sono in grado di produrre informazioni imprecise, soprattutto nel caso di argomenti oscuri o quando vengono richieste le fonti. Così come gli appunti possono migliorare le prestazioni di uno studente agli esami, dotare il modello di testi di riferimento, URL o documenti può ridurre significativamente le possibilità di ottenere informazioni errate.

Suddividi le attività complesse

Affronta le richieste complesse in modo strategico, suddividendole in parti più piccole e gestibili. Questo rispecchia le migliori pratiche dell'ingegneria del software, dove i sistemi vengono costruiti in modo modulare. La semplificazione del compito aumenta l'accuratezza del modello e consente di creare un flusso di lavoro graduale, in cui ogni fase si basa su quella precedente.

Testa i tuoi suggerimenti in modo sistematico

Per ottenere un miglioramento costante delle prestazioni, è indispensabile testare i prompt in modo sistematico. A volte una modifica può migliorare un singolo caso ma potrebbe essere dannosa se applicata in modo generalizzato. Si consiglia di valutare continuamente i prompt in vari scenari, stabilendo il sito templates per i prompt che danno costantemente le risposte più accurate e utili.

Esempio di richiesta di qualità: 

Crea un riassunto conciso scritto in tono professionale sul tema delle soluzioni energetiche sostenibili. Il riassunto non deve essere più lungo di 300 parole. Ti preghiamo di includere le ultime tendenze dell'energia solare ed eolica e di assicurarti di citare le statistiche recenti del rapporto 2023 dell'AIE (Agenzia Internazionale per l'Energia). Il formato di output deve essere un elenco puntato.

Analisi di questa richiesta:

Crea un riassunto conciso scritto in tono professionale sul tema delle soluzioni energetiche sostenibili. (Istruzioni chiare che definiscono il tono e l'argomento). Il riassunto non deve essere più lungo di 300 parole (Stabilisce un requisito di lunghezza specifico). Ti preghiamo di includere le ultime tendenze dell'energia solare ed eolica e di assicurarti di citare le statistiche recenti del rapporto 2023 dell'AIE (Agenzia Internazionale per l'Energia). (guida il modello a includere contenuti specifici e a utilizzare riferimenti fattuali per migliorare l'accuratezza). Il formato di output dovrebbe essere un elenco puntato (indica chiaramente il formato preferito)

Tecniche di ingegneria tempestive

Ora che hai una conoscenza dell'ingegneria dei prompt e del progetto pratico su cui lavorerai, è il momento di approfondire alcune tecniche comuni di ingegneria dei prompt. In questa sezione imparerai ad applicare le seguenti tecniche ai tuoi prompt per ottenere l'output desiderato dal modello linguistico.

Prompting a colpo zero

Porre al modello linguistico una normale domanda senza alcun contesto aggiuntivo. Nota che nella domanda precedente non abbiamo fornito al modello alcun esempio di testo insieme alle relative classificazioni: l'LLM capisce già il "sentiment", ovvero le capacità di zero-shot. Quando lo zero-shot non funziona, è consigliabile fornire dimostrazioni o esempi nel prompt, il che porta al prompt a pochi colpi. Nella prossima sezione mostreremo il prompt a pochi colpi.

Esempio di input: "Qual è il sentimento del seguente testo: 'Mi viene voglia di ballare ogni volta che sento questa canzone!'".

Esempio di output: "Il sentiment del testo è positivo".

Prompting a pochi colpi

Condizionare il modello su alcuni esempi per aumentarne le prestazioni. Sebbene i modelli di grandi lingue dimostrino notevoli capacità di apprendimento a zero colpi, non sono ancora all'altezza di compiti più complessi quando si utilizza l'impostazione a zero colpi. Il prompt a pochi colpi può essere utilizzato come tecnica per consentire l'apprendimento nel contesto: forniamo dimostrazioni nel prompt per guidare il modello verso prestazioni migliori. Le dimostrazioni servono come condizionamento per gli esempi successivi in cui vorremmo che il modello generasse una risposta.

Esempio di input: "Genera una recensione del prodotto per questo nuovo telefono basandoti su questi esempi positivi e negativi: Positivo: Mi è piaciuta molto la fotocamera del telefono, scatta foto fantastiche! Negativo: La durata della batteria di questo telefono è terribile, non dura abbastanza".

Esempio di output:"La fotocamera di questo telefono è fantastica! Le foto sono sempre nitidissime e hanno colori vivaci. Tuttavia, la durata della batteria non è eccezionale e dura solo poche ore".

Prompting a catena di pensieri

Introdotto in Wei et al. (2022), il prompt a catena di pensieri (CoT) consente di ottenere capacità di ragionamento complesse attraverso fasi di ragionamento intermedie. Puoi combinarlo con il prompt a pochi colpi per ottenere risultati migliori nei compiti più complessi che richiedono un ragionamento prima di rispondere.

Conoscenza generata Prompting

La richiesta di conoscenza generata consiste nello sfruttare basi di conoscenza esterne o contenuti generati per migliorare le risposte del modello. Incorporando le informazioni rilevanti nelle richieste, i modelli possono fornire risposte dettagliate e accurate o generare contenuti basati sulle conoscenze acquisite.

Vediamo come funziona in pratica nel seguente contesto:

Contesto:
La psicologia dell'educazione ha esaminato a lungo l'impatto dei dispositivi mnemonici sull'apprendimento e sulla memoria. Sorge spontanea una domanda: L'utilizzo di dispositivi mnemonici può migliorare la ritenzione delle informazioni negli studenti?

Prompt iniziale:
L'uso di dispositivi mnemonici nell'istruzione aiuta gli studenti a conservare meglio le informazioni?

Prompt di conoscenza generati:

Ingresso: I dispositivi mnemonici sono strumenti che aiutano le persone a ricordare le informazioni.

Conoscenze: I dispositivi mnemonici sfruttano schemi di lettere, idee o associazioni che aiutano il processo di memorizzazione. Le strategie mnemoniche efficaci includono la creazione di acrostici, la suddivisione delle informazioni e il metodo dei loci. Queste tecniche coinvolgono sia i sistemi di memoria linguistica che quelli spaziali e possono migliorare la conservazione delle informazioni.

Ingresso: La psicologia dell'educazione studia come le persone imparano.‍

Conoscenze: La psicologia dell'educazione è un campo interdisciplinare che combina teorie e metodologie provenienti da psicologia, sociologia e filosofia per comprendere i processi cognitivi e affettivi coinvolti nell'apprendimento. Applica questa comprensione alla progettazione didattica, allo sviluppo del curriculum e alla gestione della classe, con l'obiettivo di ottimizzare i risultati dell'apprendimento.

Ora possiamo combinare queste conoscenze generate per rispondere alla richiesta iniziale con un risultato più consapevole.

Prompt integrato basato sulla conoscenza:

"Domanda:L'uso di dispositivi mnemonici nell'istruzione aiuta gli studenti a trattenere meglio le informazioni?

Conoscenza 1: I dispositivi mnemonici utilizzano schemi di lettere, idee o associazioni per aiutare la memoria. Tecniche come l'acrostica, il chunking e il metodo dei loci coinvolgono più sistemi di memoria.

Conoscenza 2: La psicologia dell'educazione cerca di ottimizzare i risultati dell'apprendimento attraverso la comprensione dei processi cognitivi e affettivi dell'apprendimento e l'applicazione di queste conoscenze alle strategie pedagogiche.

Spiega e rispondi".

Risposta:

"Sì, l'uso di dispositivi mnemonici nell'istruzione favorisce una migliore conservazione delle informazioni. Questi strumenti coinvolgono i sistemi di memoria linguistica e spaziale, che la psicologia dell'educazione identifica come processi cognitivi chiave nell'apprendimento. Utilizzando metodi come l'acrostica o il metodo dei loci, gli educatori possono fornire agli studenti strategie per richiamare le informazioni in modo più efficace, portando a risultati di apprendimento più elevati, come è stato studiato e sostenuto nel campo della psicologia dell'educazione."

Questo esempio mostra come la generazione di conoscenze basate su informazioni rilevanti possa fornire una risposta completa e ricca di sfumature a domande educative complesse.

Generazione aumentata di recupero (RAG)

I modelli linguistici standard sono adattabili e possono essere perfezionati per una serie di compiti tipici come l'analisi del sentimento o l'identificazione di entità nominate. Queste operazioni di solito non richiedono l'incorporazione di informazioni fattuali aggiuntive.

Tuttavia, per i compiti più complessi e che richiedono una conoscenza approfondita, si può costruire un sistema utilizzando modelli linguistici che attingono a fonti di informazione aggiuntive ed esterne. Questo approccio migliora l'accuratezza dei fatti, rafforza l'affidabilità delle risposte fornite dal modello e serve a ridurre i casi di "allucinazione" nell'output. Ecco un piccolo esempio di implementazione di RAG su ZenoChat che lavora con un file CSV esterno:

Esempi di ingegneria a tempo determinato

L'ingegneria dei prompt viene applicata in diversi scenari per guidare le prestazioni dell'intelligenza artificiale. In questa sede esamineremo alcuni esempi tangibili che illuminano l'arte e la scienza di strutturare i prompt in modo efficace.

Semplici suggerimenti per le direttive

Per i compiti più semplici, come chiedere al modello di generare un elenco o di rispondere a una domanda diretta, sono sufficienti semplici istruzioni. Questi suggerimenti sono chiari, concisi e diretti al punto.

Input: "Elenca le sette meraviglie del mondo moderno".

Uscita: "Le sette meraviglie del mondo moderno includono: 1. Chichén Itzá in Messico, 2. La statua del Cristo Redentore in Brasile, 3. La Grande Muraglia Cinese in Cina, 4. Machu Picchu in Perù, 5. Petra in Giordania, 6. Il Colosseo Romano in Italia e 7. Il Taj Mahal in India". Il Taj Mahal in India".

Prompt didattici complessi

Quando si tratta di richieste più complesse, come la stesura di un saggio completo o l'ideazione di un algoritmo in più fasi, entrano in gioco richieste di istruzioni complesse. Questi suggerimenti forniscono informazioni dettagliate, stabilendo le aspettative che l'IA deve seguire.

Input: "Scrivi un saggio completo sull'impatto del cambiamento climatico sulla biodiversità marina, includendo almeno tre effetti chiave, potenziali soluzioni e una conclusione".

Risultati: "Il cambiamento climatico ha avuto un profondo impatto sulla biodiversità marina: l'aumento delle temperature, l'acidificazione degli oceani e l'innalzamento del livello del mare hanno alterato la salute e la distribuzione delle specie marine. Gli effetti principali includono lo sbiancamento dei coralli, gli spostamenti nella distribuzione delle specie e i cambiamenti nei tempi di riproduzione..."

Spunti di concettualizzazione creativa

A volte, l'obiettivo è spingere l'intelligenza artificiale a creare contenuti originali, come storie, poesie o opere d'arte. I suggerimenti di concettualizzazione creativa si basano su un linguaggio evocativo e su descrizioni vivaci per stimolare l'ingegno del modello.

Input: "Crea una storia su un detective in grado di comunicare con gli animali per risolvere i misteri. Inizia con il detective che riceve un messaggio criptico da un pappagallo su un cavallo da corsa pregiato scomparso".

Uscita: "La mattinata della detective Eliza Thornberry fu interrotta dai frenetici starnazzi del suo informatore, un pappagallo scarlatto di nome Pascal. 'Il veloce destriero è scomparso prima dell'alba', ha starnazzato. Conosciuta per la sua capacità unica di comunicare con il regno animale, Eliza sapeva che questo messaggio poteva significare solo una cosa: il famoso cavallo da corsa, Zoccolo di Fulmine, era stato rubato..."

Prompt contestuali di continuazione

Per continuare un testo nello stesso stile o per approfondire un argomento con continuità, si utilizzano i suggerimenti di continuazione contestuali. Questi suggerimenti assicurano che l'intelligenza artificiale riconosca il contenuto precedente e mantenga il filo conduttore nei contributi successivi.

Input: "Continua il seguente testo nello stile di un romanzo di suspense: 'Mentre l'orologio batteva la mezzanotte, un'ombra scivolò attraverso la finestra spaccata. La cassaforte, che si pensava proteggesse il segreto secolare della famiglia, era ora spalancata."

Uscita: "La stanza, un tempo tranquilla, vibrava della tensione della nuova breccia. Il cuore batteva forte, gli occhi dell'intruso scrutavano l'interno scarsamente illuminato, con la luce della luna che luccicava sul contenuto della cassaforte in metallo. Con la storia proibita della famiglia a portata di mano, il mistero era sul punto di essere svelato. Non sapevano che un altro paio di occhi osservavano dall'oscurità, testimoni della cospirazione in atto."

Questi sono solo alcuni esempi di come l'ingegneria tempestiva modella il dialogo tra gli esseri umani e l'IA, influenzando in ultima analisi l'efficacia dei risultati dell'algoritmo.

In qualità di prompt engineer, padroneggiare queste tecniche e riconoscere quando applicarle può migliorare significativamente l'interattività e l'utilità dei contenuti generati dall'intelligenza artificiale.

Prompt per la generazione di immagini

I suggerimenti per la generazione di immagini guidano l'intelligenza artificiale a convertire le descrizioni testuali in immagini convincenti. La chiave è fornire abbastanza dettagli per aiutare il modello a immaginare e a rendere il concetto in modo accurato.

Prompt di visualizzazione illustrativi

Input: "Crea un'immagine di un paesaggio sereno con un piccolo cottage in riva a un lago, con le montagne sullo sfondo avvolte dalla nebbia, durante l'ora d'oro del tramonto".

Promesse di concept art del personaggio

Input: "Crea un'immagine del concetto di personaggio per un inventore steampunk, completo di abiti dell'epoca vittoriana ornati da gadget in ottone, con in mano una chiave inglese fatta su misura e con gli occhialini appoggiati sul cappello".

Prompt per il mockup del design del prodotto

Input: "Genera un'immagine di uno smartphone dal design elegante e moderno, con un display in vetro curvo, uno schermo senza cornici e un assistente AI interattivo sul display".

Concept Art per i prompt di narrativa

Input: "Rappresenta l'immagine di un vivace mercato alieno ambientato su una stazione spaziale, con varie specie intergalattiche che commerciano merci esotiche sotto insegne al neon in una serie di scritture aliene".