Guia Prompt Engineering

É amplamente reconhecido que para obter resultados eficazes com o ChatGPT ou qualquer outra inteligência artificial generativa, é fundamental formular prompt de qualidade, ou seja, saber como solicitar informações à IA de forma adequada. Embora muitas pessoas compartilhem ideias de prompt, é surpreendente a falta de referências a pesquisas sobre o assunto. Este artigo tem como objetivo explorar técnicas que foram estudadas e comprovadamente proporcionam resultados notáveis.

Neste artigo, basearemos nossa discussão em um estudo do MIT intitulado “Exploring the MIT Mathematics and EECS Curriculum using Large Language Models”. Neste estudo, os pesquisadores conseguiram alcançar um feito notável, obtendo uma taxa de sucesso de 100% ao utilizar o GPT-4 para responder perguntas de dois cursos de graduação do MIT.

A tabela a seguir apresenta os resultados destacados no referido estudo:

Conforme evidenciado na tabela apresentada, alcançar uma taxa de 100% de sucesso exigiu a combinação de várias técnicas essenciais. O objetivo deste artigo é explorar minuciosamente cada uma dessas técnicas a fim de compreender o papel vital que desempenham na melhoria do desempenho do ChatGPT. Essas técnicas são as seguintes:

• FS = Few Shot
• CoT = Chain of Thoughts
• Self-critique
• Experts

Espero que no fim deste artigo você consiga compreender e aplicar essas técnicas de prompt, podendo aprimorar significativamente seus resultados, tornando a interação com a inteligência artificial generativa mais eficaz e satisfatória.

Few-Shot

Esta técnica de prompt é muito simples, porém altamente eficaz. Antes de formular uma pergunta que você deseja que a IA responda, forneça alguns exemplos de perguntas semelhantes junto com suas respectivas respostas. Isso permite à IA construir uma base sólida para entender o contexto e as expectativas em relação à resposta desejada.

A figura abaixo ilustra uma comparação entre três abordagens: Zero-Shot (sem exemplos), One-shot (um exemplo) e Few-shot (alguns exemplos), demonstrando como essa técnica pode aprimorar significativamente o desempenho da IA:

Chain of thoughts (CoT)

Em português, conhecida como “Cadeia de Pensamento,” essa técnica é considerada uma das mais poderosas, uma vez que promove uma maior reflexão por parte da IA antes de gerar uma resposta. Em essência, ela incentiva a IA a raciocinar de forma passo a passo antes de fornecer uma resposta. Combinar essa técnica com a anterior, que envolve fornecer exemplos, é particularmente eficaz, pois oferece à IA uma estrutura e exemplos para pensar de maneira sequencial.

Aqui estão exemplos comparativos antes e depois da aplicação da técnica CoT:

Você pode observar que o resultado está incorreto no primeiro exemplo. No entanto, com a incorporação da técnica CoT e a apresentação inicial de um exemplo, os resultados se tornam substancialmente mais precisos e coerentes.

Self-Critique

Já aconteceu de o ChatGPT fornecer uma resposta incorreta e, em seguida, pedir desculpas e fazer a correção? Esta é uma característica comum, na qual a IA reconhece seus erros e os corrige. Mas como podemos usar isso a nosso favor?

Uma estratégia eficaz é gerar várias respostas para a mesma pergunta e, em seguida, solicitar que o ChatGPT avalie essas respostas, escolhendo aquela que ele considera mais correta. Essa abordagem contribui significativamente para aumentar a precisão da resposta final, aproveitando a capacidade da IA de autorrevisão e correção de erros.

Expert

Antes de solicitar uma resposta para uma pergunta, uma estratégia eficaz é pedir ao ChatGPT que identifique três perfis de especialistas que poderiam fornecer informações relevantes para a sua consulta. Isso pode ser feito da seguinte maneira:

Você obtém a descrição desses especialistas e, em seguida, solicita que o ChatGPT se comporte como cada um deles, respondendo às perguntas de acordo com o ponto de vista e o conhecimento de cada especialista. Portanto, essa abordagem permite obter respostas mais diversificadas e abrangentes, explorando diferentes perspectivas e conhecimentos especializados.

Combine todas as técnicas de prompt

Para alcançar resultados equivalentes aos obtidos pelo MIT, a combinação de todas essas técnicas é fundamental. Aqui está um guia sobre como fazer isso:

1. Utilize a técnica Expert para criar perfis de especialistas relevantes para o contexto da pergunta.
2. Aplique as técnicas Few-Shot e CoT, instruindo o ChatGPT a se comportar como cada um dos especialistas gerados. Isso pode ser feito para cada especialista individualmente, permitindo que o modelo compreenda e responda de acordo com diferentes perspectivas especializadas.
3. Implemente a técnica Self-Critique para avaliar as respostas geradas pelo modelo e chegar a uma conclusão precisa. Esta etapa é crucial para garantir a qualidade e a precisão das respostas.

Embora esse processo possa demandar um esforço significativo, é importante notar que todos esses passos podem ser automatizados por meio da programação. No entanto, na Programmers, estamos desenvolvendo soluções que combinam técnicas de prompt avançadas com programação para criar produtos digitais que atendem às necessidades dos nossos clientes. Se deseja saber mais sobre nossas soluções, entre em contato conosco e descubra como podemos ajudá-lo a obter respostas precisas e confiáveis com qualquer IA Generativa.

Rafael Dourado é BR Operations Manager da Programmers. Sua principal atuação é garantir a satisfação de ponta a ponta dos clientes para abraçar essa revolução tecnológica. Com 15 anos de experiência atuando no universo de software e analytics, ele é apaixonado por IA por acreditar no seu poder transformador. Nos momentos de lazer, Rafael gosta de praticar xadrez com sua filha.