ChatGPT ha estado creando olas en los últimos meses. Se ha utilizado en varias aplicaciones, como ser su guía, resolver su tarea, depurar y proporcionarle fragmentos de código o incluso escribir letras de canciones para usted. El cielo es el límite de nuestra creatividad. Llegué un poco tarde a la fiesta y me tomó un tiempo entender este modelo de lenguaje. Aunque fue sorprendente ver la forma en que la modelo respondía las preguntas que publiqué, sentí que hubo casos en los que hubo una brecha entre nuestra comunicación (yo y ChatGPT). Me interesó saber la razón detrás de esto y después de más investigación sobre esto, he entendido que el concepto de ingeniería rápida juega un papel importante aquí.

Ingeniería rápida

En primer lugar, ¿qué es un aviso?

Los avisos son un conjunto de instrucciones (básicamente texto) proporcionadas al modelo que, a su vez, proporciona una salida. El resultado puede ser relevante o irrelevante. La relevancia de este resultado depende de la forma en que diseñemos nuestro indicador, en palabras simples, la forma en que enmarcamos nuestras oraciones.

Un ejemplo simple para explicar esto es, supongamos que un novato en el aprendizaje automático le pregunta a ChatGPT "¿Qué es el aprendizaje automático?" y la respuesta que proporciona se muestra en la Fig.1. Podemos ver que son tres enormes párrafos y es obvio que nuestro novato no podría entender.

Ahora, ¿qué pasa si la oración se reformula y se ajusta de tal manera que el novato pueda entenderla? Se le da un nuevo mensaje al modelo "¿Qué es el aprendizaje automático?, tengo 5 años" y la respuesta proporcionada por él se muestra en la Fig.2. Podemos ver que es solo un párrafo explicado en términos muy simples.

Es obvio que ChatGPT ha ido más allá y este es solo un pequeño ejemplo para dar una visión general de la importancia de la ingeniería rápida.

Prompt Engineering es el proceso para diseñar un conjunto de instrucciones para realizar tareas de generación de lenguaje de manera precisa y confiable. El objetivo principal de las indicaciones es mostrar el camino para que el modelo de lenguaje proporcione un resultado que sea lógico, relevante y coherente en todo momento. Un indicador bien diseñado puede proporcionar la respuesta deseada para el usuario, al mismo tiempo que un indicador mal diseñado puede proporcionar una respuesta nula. Este es un concepto ampliamente utilizado en el Procesamiento del Lenguaje Natural (NLP). Tener este conjunto de habilidades es muy importante para obtener el máximo rendimiento de estos modelos de lenguaje y estas habilidades han dado lugar a una importante oportunidad de trabajo llamada Ingeniero rápido. Esta oferta laboral se basa en el proceso de creación o diseño de prompts para el uso efectivo de modelos de Inteligencia Artificial (IA).

Los objetivos del ingeniero rápido son, primero, comprender de adentro hacia afuera el modelo de lenguaje que se está utilizando. En segundo lugar, la tarea y el resultado esperado esperado también deben ser claros. El siguiente paso es crear indicaciones nítidas y compactas que proporcionen los resultados necesarios. Aquí hay solo dos tipos de resultados, resultados apropiados e inapropiados.

Uno de los mejores recursos que he encontrado para aprender ingeniería rápida se puede encontrar aquí .

Las manos en

Lo que me intrigó recientemente fue una pintura generada por IA que encontré mientras leía un artículo. Conocía bien DALL·E 2 que crea imágenes a partir del texto proporcionado por el usuario. Es una herramienta fantástica, puedes echarle un vistazo aquí .

Pensé en combinar las capacidades de DALL·E 2 y ChatGPT para crear una imagen hermosa. El mismo trabajo también fue probado por Bildea Ana , puedes ver su increíble trabajo aquí.

Me imaginé un paisaje cálido en una playa y quería replicar una imagen similar con la misma sensación usando DALL·E 2

Las indicaciones iniciales que usé fueron:

Un día de verano, playa, cálido, hermoso, irreal, 8K

La imagen producida por el modelo se muestra en la Fig.3. Se parece a la imagen del tipo de playa que quiero, pero no pude obtener la sensación exacta. No pude recordar los adjetivos para describir la visión que tenía en mi mente.

Entonces, le pedí a ChatGPT la lista de adjetivos en un día de verano y me dio una lista de 18 adjetivos que se muestran en la Fig.4.

Seleccioné algunos de esos adjetivos que coincidían con mi visión y los usé como indicaciones.

El conjunto modificado de indicaciones que utilicé fueron:

Un día de verano, playa, soleado, relajante, alegre, sereno, juguetón, escénico, cálido, hermoso, irreal, 8K

Finalmente, obtuve una hermosa imagen que casi se parecía a la imagen que tenía en mi mente que se muestra en la Fig.5. Se siente increíble ver que un modelo creó una imagen que casi coincide con la que tienes en mente y aquí nuevamente son las indicaciones las que me ayudan a lograrlo.

Conclusión

Prompt Engineering es definitivamente una nueva oportunidad para el futuro. Personalmente, creo que hay muchas posibilidades en este campo, especialmente con el auge de ChatGPT. Bueno, solo pensé en brindar mis puntos de vista y aprendizajes que obtuve al leer artículos, documentos, etc. Esta es mi primera publicación en el blog, siéntase libre de dar su opinión y comentarios para que pueda mejorar. Espero que hayas disfrutado leyendo esto tanto como yo lo hice escribiendo esto.

Referencias

[1] Generador de arte
[2] Open AI
[3] DALL·E 2
[4] ChatGPT
[5] Recursos