Una de las razones por las que las últimas herramientas de IA generativa son tan prometedoras es porque permiten que las personas interactúen con sus computadoras como lo han hecho con otros humanos durante milenios: con el lenguaje natural.
Dicho de otro modo, ahora puedes decirle a una inteligencia artificial qué hacer simplemente escribiendo una indicación en tu idioma.
Sin embargo, debemos tener algunas consideraciones en cuenta para aprovechar al máximo todo el potencial de la IA generativa:
A continuación, se presentan algunas teorías que pueden ayudar a responder esa pregunta.
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 (L.L.M.) 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 te ayudará a obtener mejores resultados.
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.
China estudiará una ley de inteligencia artificial: ¿qué aspectos regularía?
A menudo es 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 ayuda aportar alguna estructura para las ideas (“haz al menos una divertida y otra formal”).
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, puedes acceder a una enorme biblioteca de indicaciones preescritas y guardar las que desees para no tener que recordarlas.
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 con mayor éxito.
Dicho de otro modo, es mejor pedir primero un resumen de un artículo que quiero entender y luego pedir ideas por separado. Por ejemplo:
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 pruebas una indicación y no funciona, experimenta reformulándola para descubrir qué es lo que resulta bien.
Las comunicaciones 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.
De Harvard Business Review, por Jaime Teevan
(Jaime Teevan es científica informática y ejecutiva de Microsoft, especializada en IA y productividad)
Puedes leer: Las 19 predicciones de Deloitte sobre tecnología, medios y telecomunicaciones para 2024
Suscríbete a la revista y regístrate a nuestros newsletters para recibir el mejor contenido en tu buzón de entrada.
