Una de las razones por las que esta última generación de herramientas de IA es tan prometedora es porque permiten que las personas ahora puedan interactuar con sus computadoras de la misma manera que han interactuado con otros humanos durante milenios: con el lenguaje natural. Ahora puedes decirle a una IA qué hacer simplemente escribiendo una indicación en lenguaje natural.
¿Qué necesita saber una computadora en una indicación que un humano tal vez no sepa? ¿Cómo puede utilizar esa información para mejorar las indicaciones? A continuación, se presentan algunas teorías que pueden ayudar a responder esa pregunta.
Proporcione más contexto del que proporciona a una persona
La psicolingüística, que estudia los aspectos psicológicos del lenguaje, nos ha enseñado desde hace tiempo el papel fundamental que desempeña la base en cualquier comunicación. En términos generales, la base es el proceso de llegar a un significado mutuamente comprendido a través de la conversación.
El proceso basado en un modelo lingüístico de gran tamaño es diferente del que se realiza con otra persona, ya que el modelo generalmente tiene menos contexto compartido. Hacer explícito ese contexto en la indicación le ayuda a obtener mejores resultados.
Utilice la “sabiduría de la multitud”
La investigación sugiere que las personas pueden capturar la “sabiduría de la multitud” abordando un problema desde diferentes perspectivas; ahora podemos hacerlo con la IA. A menudo encuentro útil pedir al menos tres respuestas (por ejemplo, “genera al menos tres títulos” o “dime tres formas en las que reescribirías este párrafo”), y a veces incluso doy alguna estructura para las ideas (“haz al menos una divertida y otra formal”).
LEA TAMBIÉN: Cinco formas de prepararse para las preguntas situacionales de una entrevista
Confíe en el reconocimiento, no en el recuerdo
Ayudar a las personas a reconocer la indicación que podrían querer, en lugar de tener que desarrollarla desde cero, es un factor motivador detrás de muchas nuevas funciones de IA. En algunos sistemas avanzados de IA, puede acceder a una enorme biblioteca de indicaciones preescritas y guardar las que desee para no tener que recordarlas.
Conviértalo en una conversación, no en una simple solicitud
Un hallazgo clave en la literatura es que dividir solicitudes complejas en múltiples pasos puede ayudar a las personas a obtener lo que quieren de los modelos lingüísticos de gran tamaño (L.L.M., por sus siglas en inglés) con mayor éxito. Descubrí que es mejor pedir primero un resumen de un artículo que quiero entender y luego pedir ideas por separado. Por ejemplo:
Por favor, describa el artículo con viñetas, centrándose en lo que podría interesarle a un ejecutivo de Microsoft (con un interés particular en la investigación).
¿Qué preguntas debería hacer ese ejecutivo sobre el artículo? Incluya respuestas a las preguntas, con citas del artículo con la mayor frecuencia posible.
Si al principio no lo consigue, inténtelo de nuevo (de una manera diferente)
Los L.L.M. son tecnologías relativamente nuevas, y hay muchas cosas que no entendemos sobre ellas. Esto significa que a veces no podemos explicar por qué una indicación redactada de una manera funciona bien y otra redactada de otra manera no. Así que, si prueba una indicación y no funciona, experimente reformulándola para descubrir qué es lo que funciona bien.
Las conversaciones en lenguaje natural son la base de cómo trabaja la gente. Estas conversaciones contienen una gran cantidad de conocimientos que los L.L.M. desbloquearán. Pero las conversaciones no se tratan sólo de hechos y datos, la base y la estructura también son importantes.
Por Jaime Teevan
LEA TAMBIÉN: Harvard Business Review: cómo lidiar con un colega condescendiente
Comienza a destacar en el mundo empresarial recibiendo las noticias más exclusivas del día en tu bandeja Aquí. Si aún no tienes una cuenta, Regístrate gratis y sé parte de nuestra comunidad.
