Prompt Engineering está produzindo algoritmos de linguagem natural
Na minha estante, tenho muitos livros que abordam tudo, desde redes até IA, segurança e noções básicas. Embora a maioria dos meus livros didáticos da faculdade já tenham desaparecido há muito tempo, dois permanecem: o livro do dragão e Introdução aos Algoritmos .
Guardo o primeiro por sentimentalismo. Eu escrevi exatamente dois compiladores na minha vida e espero nunca mais escrever outro. Este último eu mantenho porque é atemporal. Algoritmos, veja bem, não estão vinculados a nenhum sistema operacional ou linguagem. São regras lógicas — padrões — que são seguidas para resolver problemas comuns.
É por isso que às vezes digo que “Dijkstra” minhas tarefas quando estou dirigindo. O algoritmo de Dijkstra é um conjunto de regras para encontrar o caminho mais curto e é tão aplicável à execução de múltiplas tarefas quanto ao roteamento de pacotes por uma rede.
Com isso em mente, vamos considerar o espaço em evolução da engenharia rápida. Uma definição simples é “a prática de projetar entradas para ferramentas de IA generativas que produzirão saídas ótimas”. (McKinsey)
Ao longo dos últimos meses, vimos inúmeras “técnicas” de engenharia surgirem, cada uma delas concebida para resolver um tipo específico de problema: como produzir resultados ótimos a partir de IA generativa.
A Forbes tem feito um excelente trabalho trazendo essas técnicas à tona:
Há muitos outros por aí, mas todos compartilham as mesmas características. Cada um descreve um conjunto de regras ou padrões para interagir com IA generativa para produzir os resultados desejados. De uma perspectiva de engenharia, isso não é muito diferente de algoritmos que descrevem como classificar uma árvore binária, reverter uma lista encadeada ou encontrar o caminho mais curto através de um gráfico até um destino.
Eles são, em design e propósito, algoritmos de linguagem natural.
Agora, não vou incentivar engenheiros a se tornarem engenheiros rápidos. Mas, como muitos engenheiros estão descobrindo hoje, usar algoritmos de linguagem natural para projetar soluções de IA generativa mais eficazes funciona. Se você ler este blog sobre como mitigar alucinações de IA , verá que, dentro do contexto da solução, vários algoritmos de linguagem natural, incluindo cadeia de pensamento e IA reflexiva, são usados para orientar as respostas do GPT de modo que uma resposta ideal seja gerada.
A razão pela qual isso é importante reconhecer é que, à medida que as técnicas de engenharia rápida surgem e, por fim, recebem nomes reconhecíveis, elas se tornam os blocos de construção para soluções que alavancam a IA generativa. As técnicas de engenharia rápida de hoje são os algoritmos de linguagem natural de amanhã.
E faríamos bem em não ignorá-los ou descartá-los como menos valiosos do que os algoritmos tradicionais, nem ignorá-los como aplicáveis apenas a interfaces de bate-papo usadas por familiares e amigos.
Podemos confiar em uma API para integrar IA generativa em soluções, mas os dados que estamos trocando são linguagem natural, e isso significa que podemos alavancar essas técnicas de engenharia rápidas — esses algoritmos de linguagem natural — dentro dessas soluções que estamos construindo para produzir respostas melhores, mais claras e mais corretas da IA generativa.
Isso também significa que os líderes de tecnologia não devem apenas permitir, mas encorajar os engenheiros a dedicar tempo ao envolvimento com IA generativa para descobrir os padrões e algoritmos que levarão a soluções mais otimizadas.
Nunca se sabe, um dos seus engenheiros pode acabar tendo um algoritmo com seu nome no futuro.