Basi e Principi utili del Prompt Engineering, l'arte di saper parlare con le AI Generative

Summary

The video script delves into the concept of prompt engineering, which is described as an art more than a science. It emphasizes the importance of communicating effectively with AI, particularly through the design and optimization of prompts. The speaker provides practical advice on how to create detailed and specific prompts to guide AI towards more accurate responses. The transcript also touches on the idea of treating AI like an intern, assigning tasks and gradually increasing complexity to improve the output. The speaker suggests using incremental improvements, providing context, and considering the AI's capabilities and limitations. The video concludes with a discussion on advanced AI functionalities, such as online navigation, code interpretation, and advanced data analysis, while also cautioning about the potential for AI hallucinations and the importance of privacy when using AI tools.

Takeaways

• 📝 **Prompt Engineering** is both an art and a science, focusing on correctly communicating with AI to achieve desired results.
• 💡 **Clarity and Specificity** are crucial when crafting prompts; providing more details helps AI generate more precise responses.
• 🔍 **Context Matters**: AI needs context to generate accurate responses, especially for niche and complex topics.
• 📈 **Incremental Improvement**: It's rare for AI to provide the perfect answer on the first try; start with simpler prompts and build complexity.
• 🔧 **Task Delegation**: Treat AI like an intern; assign tasks that can be automated while focusing on other work.
• 🤖 **AI as a Tool**: Use AI for various tasks, from data transformation to content creation, depending on its capabilities.
• 🌐 **Online Navigation**: AI can navigate online, extract information from links, and perform advanced data analysis.
• 🛠️ **Code Interpreter**: AI can generate computer code, such as for games like Snake, based on provided examples or requirements.
• 🧩 **Data Transformation**: AI can take content and rework it into different formats without changing its meaning.
• 📚 **Learning from Examples**: Providing examples to AI helps it understand and replicate the desired output more effectively.
• 🚫 **Be Cautious with Outputs**: AI can sometimes generate outputs that are not based on objective truth, known as hallucinations; always verify the information.

Q & A

What is prompt engineering?

Prompt engineering is the practice of designing and optimizing prompts, which are the text commands given to generative AIs to obtain desired outputs. It focuses on crafting detailed and context-specific inputs to guide AI responses.

Why is prompt engineering considered more of an art than a science?

Prompt engineering is seen as more of an art because the techniques and practices are still evolving. It requires creativity and experimentation to achieve the best results, rather than relying on fixed scientific principles.

What is the importance of details in prompt engineering?

Details are crucial in prompt engineering because providing more specific information helps the AI generate more accurate and relevant responses. Detailed prompts reduce ambiguity and guide the AI towards better outcomes.

How can context influence AI responses in prompt engineering?

Context is important because the AI's response can be more precise when it understands the specific background or field related to the prompt. Providing context, such as specifying a profession or sector, helps the AI focus on the relevant topic.

What is incremental improvement of the output in prompt engineering?

Incremental improvement involves starting with simpler questions or prompts and progressively building complexity. This step-by-step approach helps refine the AI's responses and achieve more accurate results over multiple interactions.

How can one refine a prompt if the initial response is not satisfactory?

To refine a prompt, you can provide additional context or specify the desired tone or format. Iteratively giving more information or feedback helps the AI adjust its responses to better meet your expectations.

What are some practical examples of tasks that can be automated using AI through prompt engineering?

Examples include revising emails, translating text, generating lists of tasks, creating tabular data, summarizing articles, and producing advertisements. The AI can also transform data formats or write content in different styles or languages.

How can AI handle complex tasks in prompt engineering?

For complex tasks, it's important to provide clear and detailed prompts, break down the task into smaller steps, and continuously refine the input based on the AI's responses. Using examples and giving feedback can also help the AI better understand and execute complex tasks.

What are some limitations of AI in prompt engineering?

AI can sometimes produce errors or hallucinations, which are outputs not based on objective truth. It is important to verify AI-generated content, especially for high-stakes or complex tasks, and not to rely solely on AI without expertise in the relevant field.

What role does privacy play in prompt engineering?

Privacy is a significant concern, as users need to ensure sensitive data is anonymized before being input into AI systems. This involves removing personal or sensitive information to prevent potential misuse or unauthorized access to private data.

Outlines

00:00

😀 Introduction to Prompt Engineering

The video begins with an introduction to prompt engineering, which is described as more of an art than a science. It emphasizes the importance of speaking correctly to AI, particularly through the use of prompts. A prompt is defined as the input or command given to AI to achieve a desired outcome. The speaker suggests that prompt engineering involves designing and optimizing these prompts, which can include textual commands and even files like PDFs or images. The video also discusses the concept of context and how providing more details can lead to more accurate AI responses.

05:00

📈 Tips for Effective Prompt Engineering

The speaker provides advice for using AI effectively, suggesting to treat AI like an intern who needs clear tasks and guidance. They recommend imagining tasks that could be automated and then delegating them to AI. The video outlines useful principles for prompt engineering, such as clarity and specificity, providing appropriate context, and incremental improvement of output. It also gives examples of how to refine prompts for better results, such as correcting an email or translating a message into a different language.

10:02

📊 Advanced Use Cases of AI

The video explores advanced use cases of AI, including data transformation and content creation. It explains how AI can utilize its internal knowledge or perform data transformation based on provided content. The speaker provides examples, such as creating a histogram from YouTube video data and rewriting an article for a different audience. The video also touches on the importance of providing examples to guide AI in producing the desired output.

15:04

🛠️ Trusting AI Outputs and Task Levels

The speaker discusses the concept of task levels when it comes to AI, from low-level tasks like translation and grammar checking to high-level tasks like decision making and content creation. They caution against relying solely on AI for important and complex tasks, suggesting a tiered approach based on the complexity of the task. The video also addresses the issue of AI 'hallucinations,' where the system provides outputs not based on objective truth, and advises viewers to be critical and verify the sources of AI's reasoning.

20:06

🔍 Advanced Features and Privacy Considerations

The video concludes with a discussion on advanced AI features like online navigation and code generation, as well as privacy considerations when using AI. It suggests anonymizing files and text information before inputting them into AI systems and being cautious about the data that is shared. The speaker also provides a list of activities related to prompt engineering, covering a range of use cases from data analysis to creating models and predictions.

Keywords

💡Prompt Engineering

Prompt Engineering refers to the practice of designing and optimizing prompts, which are the textual inputs or commands given to AI models to generate a desired output. It is a key concept in the video, emphasizing the importance of speaking correctly to AI to achieve the best results. The video discusses various principles and practices of Prompt Engineering to guide AI towards more accurate and specific responses.

💡AI Generative Models

AI Generative Models are the systems that create new, original content based on provided prompts. In the context of the video, these models are used to generate responses, perform tasks, and create outputs when given detailed and specific prompts. The video highlights the interaction between humans and these models through the art of crafting prompts.

💡Context

Context is crucial in Prompt Engineering as it helps the AI to focus on a particular topic or aspect. The video stresses the importance of providing context to the AI, especially for niche and complex subjects, to ensure that the generated content is relevant and accurate to the user's needs. For instance, mentioning one's profession or area of interest can help the AI to tailor its response accordingly.

💡Incremental Improvement

Incremental Improvement is the process of starting with simpler prompts and progressively building up the complexity. The video suggests this approach to guide the AI model step by step, allowing for better direction and more refined outputs. It is a strategy to achieve a more accurate and customized result from the AI by refining the prompts over time.

💡Data Transformation

Data Transformation involves providing content to the AI and having it reworked or recreated into a different form without changing the underlying meaning. The video gives an example of transforming a meeting's minutes into a design department email, showcasing how the AI can adapt the form of content to fit various needs while retaining the original message.

💡Use Cases

Use Cases are specific scenarios or applications where AI can be utilized. The video discusses various use cases such as creating advertisements from product descriptions, generating code, and extracting key information from texts. Use cases help demonstrate the versatility of AI and how it can be tailored to different tasks and requirements.

💡Task Level

Task Level categorizes the complexity and trustworthiness of different tasks that can be delegated to AI. The video outlines low-level tasks like translation and grammar checking as more reliable, while higher-level tasks like decision-making and creative brainstorming require more caution and human oversight due to their complexity.

💡AI Hallucinations

AI Hallucinations refer to situations where the AI provides outputs that are not based on objective truth or are inconsistent with the input data. The video warns about the potential for hallucinations, especially in complex tasks, and advises users to rely on their expertise to validate the AI's responses, as AI systems attempt to predict the most probable output based on the input.

💡Advanced Features

Advanced Features are capabilities of AI models that go beyond basic text generation, such as online navigation to extract information from web links, code interpretation for creating functional programs, and advanced data analysis. The video highlights these features as ways to leverage the full potential of AI for more complex and specialized tasks.

💡Privacy

Privacy is a concern when using AI, especially with models like OpenAI, where it's unclear what happens to the data entered. The video advises anonymizing files and text information before inputting them into the AI system and using privacy-focused techniques to ensure data security and confidentiality.

💡Creative Writing

Creative Writing is one of the tasks AI can perform, which involves generating original content based on a given prompt. The video mentions the AI's ability to rewrite content for different audiences, create formal emails, and even translate text into different languages, showcasing the AI's versatility in creative tasks.

Highlights

Prompt Engineering is described as more of an art than a science, focusing on the correct way to communicate with AI to achieve desired results.

A prompt is defined as the input or command given to AI, which is fundamental in obtaining a result.

Details are crucial in prompt engineering for obtaining more precise AI responses.

The transcript discusses the concept of treating AI like an intern, guiding it through tasks to prevent errors.

The importance of providing context to AI is emphasized, as it cannot know something if we do not tell it.

Incremental improvement of output is suggested, starting with simpler questions and progressively building complexity.

The transcript provides an example of refining a prompt to correct errors in an email and make it more formal.

Using punctuation and specific language helps AI to focus and understand the task better.

The idea of opening a new chat for specific tasks, like revising a mail with a formal tone, is introduced.

The transcript illustrates how to refine prompts by asking for tasks in different tones or languages.

An example of using AI to create a histogram from a CSV file containing YouTube video data is given.

Providing examples to AI helps it understand the desired output style, as demonstrated with rewriting content for a different audience.

Two main ways of utilizing AI are discussed: tapping into its internal knowledge and using data transformation.

The transcript explains the concept of hallucinations in AI, where it provides outputs not based on objective truth or coherent with input data.

The importance of not relying solely on AI for important tasks unless you have expertise in the subject is advised.

Advanced AI functionalities such as online navigation, code interpreter, image editing, and advanced data analysis are mentioned.

The transcript advises providing an example of the desired output to the AI model and refreshing the conversation if it doesn't work.

Privacy considerations are discussed, recommending anonymizing files and text information inputted into AI systems.

A series of activities for prompt engineering is outlined, covering a range of use cases from data analysis to content creation.

The transcript concludes by encouraging a critical approach to the information provided and inviting feedback and additional tips.

Transcripts

Ciao a tutti amici e amiche Bentornati

oggi parliamo di prompt Engineering

quindi che cos'è questa pratica che è

più un'arte che è una scienza Ovvero

quella di saper parlare correttamente

con le ai generative vedremo In che cosa

consiste un prompt quindi un input il

comando che diamo all ai per ottenere un

risultato e vedremo anche dei consigli

dei Principi utili del prompt

Engineering delle pratiche che possono

aiutarci a ottenere il massimo del

risultato dalle ai Che cosa significa

intanto prompt Engineering significa

appunto parlare correttamente con Lea in

particolare prompt Engineering è una

disciplina che si focalizza sulla

progettazione e

ottimizzazione dei prompt quindi degli

input dei comandi testuali e non solo

che andiamo a inserire all'interno delle

i generative Che cos'è un prompt il

prompt è il comando che diamo all' ai

quindi è l'input fondamentalmente il

prompt Engineering non è una scienza

quindi piccolo disclaimer non è scritto

nella pietra sono ancora delle

tecnologie e delle pratiche che devono

ancora essere messe a punto quindi non è

proprio una scienza ancora è un'arte

quindi dovete prenderla Appunto per

quello che è primo principio utile molto

importante è i dettagli quindi per

ottenere delle risposte più precise

dobbiamo dare più dettagli possibili

all' ai e si connette anche con la parte

di contesto vediamolo subito n nella

pratica il prompt è questo qui questa ad

esempio è chat GPT questa roba qua è il

prompt detta anche finestra di contesto

finestra di input ovvero dove inseriamo

il messaggio il comando per far

funzionare l'i che vedete è testuale

Quindi io posso scrivere il prompt ma

non solo perché posso anche allegarci

dei file con questo tastino qui possono

essere di diverso tipo in questo caso

qua di C GPT ovvero possono essere delle

dei file PDF dei file Excel possono

essere delle immagini ora poi con calma

andiamo a analizzare un consiglio che do

a chi utilizza l'i per lavorare è quello

di immaginarsi l'i come se fosse uno

stagista è il nostro stagista alle prime

armi è molto intelligente ma comunque va

imboccato Va seguito perché altrimenti

lui fa delle cose che non dovrebbe fare

come uno stagista lavora per noi quindi

possiamo delegargli dei Task che lui

andrà a fare mentre noi facciamo

dell'altro vi invito con come Esercizio

mentale di pensare a qualche Task che

avete lavorativamente o di studio

Insomma quello che dovete appunto fare e

pensare a come potreste

automatizzare quel Task o quel processo

particolare più use case più casi d'uso

trovate più potrete delegare con

facilità il vostro lavoro all ai vediamo

quindi i principi utili del prompt e

Engineering Quindi intanto come vi

dicevo prima la chiarezza e la

specificità specificare correttamente le

nostre richieste quindi dare più

dettagli in modo che l'i sia più precisa

nella risposta Un prompt ben definito va

a ridurre diciamo quelle ambiguità e

guida il modello verso una risposta che

è molto più accurata quindi il consiglio

è specificate esattamente quello di cui

avete bisogno in modo che possa

influenzare positivamente la risposta

contesto appropriato l'i non può sapere

qualcosa se non siamo noi a dirgliela

cambia molto se le do quel dettaglio che

lei non conosce il nominare la mia

professione o l'ambito di interesse può

aiutare a andare a focalizzare il

modello su un certo particolare tipo di

topic faccio un esempio sono un full

Stack engineer nel settore Energy È

ovvio che se la mia domanda all' ai non

racchiude il settore l'ai mi darà esempi

magari che non sono in linea con il mio

ambito quindi fornire il contesto è

molto importante soprattutto per gli

argomenti di nicchia e complessi

miglioramento incrementale dell'output è

difficile molto raro che l'i ci dia al

primo colpo la risposta corretta a meno

che non sia molto facile il compito che

l'abbiamo chiesto

se non siamo sicuri che basti un solo

prompt per ottenere un buon risultato il

consiglio è quello di iniziare con

domande più semplici diciamo di

riscaldamento per il modello e poi

andare a costruire progressivamente la

complessità ci serve per dirigere

correttamente il modello passo passo

quindi non F arrivare subito alla

soluzione del modello perché potrebbe

essere banale la soluzione parlando di

più col modello quindi

più input è possibile ottenere risposte

più approfondite più customizzate più

personalizzate e specifiche e qua

possiamo fare un piccolo esempio

revisiona questa mail correggendo gli

errori e ha corretto tutti gli errori

che avevo inserito al suo interno della

mail come ad esempio Lorenzo minuscolo

come ad esempio organizzare con 3z la

data la Y

qui era un po' conclusion at un

messaggio lo ha rimesso a posto Vedete

questa cosa qua però è un tentativo

Magari mi piace ma non è esattamente

quello che volevo per migliorare il

risultato dobbiamo parlare di più con

lei e dargli ancora più contesto Ad

esempio se io gli chiedessi creami la

mail con un tono più formale questa cosa

qua magari lui di default non l'ha fatta

ma avendogli laa chiesta in un secondo

prompt otterrò una mail che vedete che è

molto più

ampollosa molto più formale Ok

Addirittura ha messo

contattarla con la L A maiuscola Come

come come i vecchi tempi potrebbe essere

anche un'idea quella di aprirsi una

nuova chat e alla base scrivere

revisione questa mail correggendo gli

errori con un tono formale sembra banale

ma anche la punteggiatura e l'utilizzo

di virgolette parentesi aiuta a mettere

a fuoco con GPT meno ma con altre spesso

si confonde assolutamente anche la

punteggiatura può aiutare con l'i Io ad

esempio sotto questo punto di vista eh A

volte per dargli il messaggio Non so se

l'ho fatto qua ecco vedete Io ad esempio

utilizzo le virgolette Cioè per fargli

capire che revisiona questa mail corago

di Er due punti Ecco i due punti anche

sono importanti lei capisce che deve

andare a revisionare questo pezzo un

altro esempio di rifinitura del prompt è

quello che mi piace la mail che ha

scritto Ok Gliela la faccio tradurre

Quindi scrivi in una certa lingua ad

esempio scrivi in tedesco lui mi andrà a

scrivere la mail che in questo caso

dovrebbe essere quella super formale in

tedesco per capire se l'output è sensato

io non conosco il tedesco ahimè Ok

conosco il francese un pochino ma molto

bene in inglese il tedesco Lo ignoro

completamente possiamo prendere questa

cosa qui e inserirla in Google Translate

Gentile signor Pino mi permetto di

contattarvi per discutere la possibilità

di organizzare un workshop il 16

settembre pa pa pa vedete che ha

tradotto abbastanza buona quindi Questa

è un'idea Ok In realtà non è proprio

l'ideale forse Google Translate Però

diciamo che l'idea è non fidarsi mai mai

dell ai o meglio fidarsi in funzione del

compito che noi vogliamo effettuare poi

lo vediamo con calma poi dopo con i Task

questo è un altro esempio di andare a

rifinire le prompt quindi ho scritto la

mail la voglio in un altro tono o in

un'altra lingua o in dialetto e lui me

lo fa in dialetto Caro signor pincu G

scrivo per scriverle per 16 settembre

Beh non so neanche leggerlo ve informo

che forse dovremmo aggiungere pacchetto

de Pilot al programma appena Poo ve do

più dettagli aspetto sua risposta di

saluti Questa è un altro esempio i miei

colleghi lo fanno con altri dialetti

tipo il napoletano che è super

divertente quindi questo è molto più

intuitivo come utilizzo rispetto che

parto subito col prompt perfetto

Mh difficile è più facile rifinirlo man

mano quindi qua ad esempio io ho chiesto

di crearmi una lista di Task che può

fare lei Ok e di mettermeli in forma

tabellare quindi questo è un'altra cosa

quindi possiamo chiedergli una forma

diversa dell'output questa cosa qua è

molto utile in CoPilot perché in CoPilot

questa roba qua è applicata direttamente

al pacchetto Microsoft vi invito a

vedere il video che ho fatto Ora io ho

caricato all'interno un file csv che è

di fatto un file tabellare ok e contiene

tutti i miei ultimi video di YouTube e

l'ho scaricato direttamente da YouTube

studio quindi ha delle dentro dei dati

gli ho chiesto di creare un istogramma

con dei dati interessanti estratti da

questo cv però vete ha visualizzato Ok

un istogramma che ha in ordinata le

views per centinaia perché io ho scritto

centinaia e l'ha fatto centinaia e in

ascissa ha messo il nome dei video Certo

che è brutto ma l'idea è quella appunto

che non otteniamo subito l'output che

desideriamo Ci vuole un po'

apprendimento con esempi perché per

fargli capire il risultato se non glielo

mostriamo un po' come lo stagista se noi

dimostriamo come vogliamo il risultato è

più semplice che lo stagista lo faccia

simile identico funziona l'i in genere

bastano tre o quattro esempi Ok che

possono essere caricati con via chat

oppure con gpts che è più avanzata Forse

ora la vediamo ma qua G ho chiesto di

riscrivere un contenuto per una diversa

audience Ok prendendo un articolo preso

onl sull MIT a tema tecnologia questo

qua è un buon esempio di fornire un

esempio alle ai Quindi qua gli sto

dicendo voglio che tu scriva come è

scritto qui e lei mi crea il contenuto

se io gli fornissi come scrivo io ad

esempio quindi passandole un contenuto

lei potrà andare a scrivere come scrivo

io quindi fornendo degli esempi all ai

l'i ci darà una risposta ok basata su

quell'esempio richieste e automazione

dati ci sono più modi di utilizzare le

ai il primo modo è quello di attingere

alla conoscenza che ha il modello al suo

interno il secondo modo è quello di

utilizzare la data transformation uno

use case super utile quando facciamo

richieste al modello il modello Cosa fa

risponde basandosi su quello che ha

imparato e visto durante l'addestramento

quindi non cerca in un database ma è

molto simile in questo caso gli ho

chiesto scrivi come funziona il machine

learning in breve e lui qua sta

accedendo a quello che ha imparato

nell'addestramento per darmi la risposta

abbastanza attendibile ma non posso

metterci le mani sul fuoco perché sta

creando una risposta è molto probabile

che sia corretta ma ha una dose di

errore che non posso valutare se non

sono esperto in l'ambito che l'ho

chiesto ad esempio in machine Learning

questo significa fare una richiesta che

fa utilizzare al modello la sua

conoscenza di base Altra cosa è invece

la data transformation la trasformazione

dati quindi significa io gli fornisco un

contenuto e lui me lo va a rielaborare

ricreare in un altro modo cambia la

forma del contenuto l'i in questo caso

ma non cambia il significato prendi la

minuta della riunione di oggi Scrivi una

mail per il dipartimento di

progettazione se io faccio partire

questo prompt su diverse chat creerà

diversi tipi di contenuto perché è stata

addestrata per creare diverse varianti

di quel contenuto vedete che alla base

c'è sempre inserimento nel team r& di

Pino cambiamento del project manager che

è Pallino e la creazione delle

presentazioni per seguimento cliente la

forma cambia ma non cambia il contenuto

una un altro use case molto utile prendo

l'esempio del marketing Ok prendere una

scheda prodotto e trasformarla in un ADS

di pubblicità Quindi qua io ho chiesto

di trasformare la descrizione del

prodotto e creare una pubblicità una DV

concentrandoti su i pro di questo

prodotto in questo caso qua io ho dato

come prodotto le novità che ci sono di

Meta ai vedete che qua mi ha creato unad

del prodotto e visto che io ho chiesto

di concentrarsi su i pro mi ha fornito

Avete tutti i pro con l'emoji l'emoji le

ha inserite perché io ho detto che è un

contenuto per LinkedIn assistente

conversazionale avanzato espressione

personale potenziata un universo dei

personaggi ai a studio e piattaforma di

sviluppo Perché scegliere meta ai e ha

messo anche il link struttura estrazione

dati l' stazione dati è quella appunto

che noi gli forniamo un testo come

quello che abbiamo fatto Ado e estraiamo

i dati Quindi qua vi ho chiesto prendi

questo articolo di Wired estrai le

entities quindi le informazioni o gli

oggetti interessanti all'interno del

testo Fammelo in forma tabellare

risultati obiettivo tecnologi rizzata

considerazioni etiche poi le entities si

dividono in diverse cose comunque dovete

immaginarvi come dati importanti possono

essere semplici eventi date numeri

aziende sono informazioni che sono

contenute intrinsecamente nel testo

sarebbe appunto estrai 5 punti chiave

dal testo qua ad esempio ha estratto i

cinque punti chiave dal contenuto che

prima io ho fornito tecnologia

innovativa potenzialità de rischi

applicazioni machine Learning

preoccupazioni etiche controllare sempre

il risultato non affidiamoci soprattutto

per lavori importanti e molto complessi

solo alle eii perché appun app rischiamo

di avere degli errori dei quali non ci

accorgiamo perché uno dice Cioè In che

in che misura mi posso fidare l'idea è

la divisione per livello dei Task più il

Task è semplice più possiamo fidarci di

quello che lei hai prodotto più il Task

aumenta di complessità più dobbiamo

stare attenti Task di basso livello sono

la traduzione automatica la revisione

grammaticale il riassumere del testo

creazione di tabelle e schemi

riscrittura in diversi stili in diversi

Toni tasche di medio livello sono ad

esempio revisione e consultazione di

documenti Effettuare delle consulenze

come esperto in un settore creazione di

presentazioni per clienti o per reparti

creazione di scenari possibili la

programmazione informatica e il coding

l'abbiamo visto anche nello scorso video

se io qua gli chiedessi ad esempio di

crearci il crea il Gi di Snake in Python

lui andrà a crearmi il codice

informatico per creare uno Snake in

Python funzionante al 100% ho fatto più

volte la prova ci possiamo fidare Sì ma

non è impossibile che l'i faccia degli

errori creando il codice informatico e

poi ci sono i Task di alto livello o

anche detti avanzati Task di alto

livello sono ad esempio il brainstorming

oppure il prendere decisioni

professionali quindi il decision making

la ricerca di idee e contenuti le idee

che generano appunto immagini video

audio sono Task comunque Di livello

avanzato ad esempio crea l'immagine di

un profumo per uomo vedete ha creato fof

ferom voi come valuter reste questo

output buonino Però sicuramente non lo

userei per fare un ADS questo devo

prendere il Prom e rifinirlo magari Qua

abbiamo addirittura il modificare vedete

qua posso dirgli Elimina il liquido qua

vedete ha rimosso l'acqua Qual è il

limite di queste cose qui il limite

Davvero è la vostra immaginazione Non

c'è limite a i tipi di Task che queste

in questo momento possono creare quindi

vi consiglio comunque di continuare a

sperimentare tutti questi tipi di output

ricapitolando più un Task è di basso

livello più è attendibile più è alto più

dobbiamo dobbiamo stare attenti Ora

vediamo appunto la parte di brevemente

di allucinazioni delle eii in

particolare le allucinazioni delle eii

si riferiscono a situazioni in cui

sistema sbaglia e fornisce Un output che

non è basato su verità oggettive o

comunque non coerenti coi dati di input

questa parte qua è la più problematica

perché capire le allucinazioni non è

facile soprattutto se non sia esperti di

quell'argomento un consiglio che posso

darvi è quello di affidarvi alle ai su

cose importanti soltanto se avete un'

expertise su quel particolare argomento

in pratica l'i ci risponderà sempre

anche quando non ha risposta perché non

conosce giusto o sbagliato Lei comunque

proverà a dare la migliore previsione

possibile perché vi ricordo che le eii

le possiamo considerare come dei

predittori di parole di immagini di

output Insomma alla fine fanno quello

cercano di prevedere la parola più

probabile da quell' input quindi quel

testo più probabile da quell' input

hanno questa capacità che comunque è

fondamentale l'i si lancia con la

creatività le allucinazioni sono un

effetto collaterale di questa funzione

qui delle ai ed è per questo quindi che

non dobbiamo mai usare le ai come fonte

possiamo chiedere Alli di darci le fonti

sulle quali sta facendo un ragionamento

ma stiamo sempre attenti appunto a Le

fonti da dove arrivano i dati forniti

Ora vediamo quindi le funzionalità

avanzate cioè sicuramente la navigazione

online quindi fornire a cgpt un link

vedete che sta leggendo on sta estraendo

dal mondo online dal link tutte le

informazioni che servono oppure il Codi

Interpreter che è la creazione di codice

informatico ovvero quello che abbiamo

visto prima Cioè ad esempio Snake il

gioco vedete qua io ho fatto creare

Snake immagini e editing come abbiamo

visto prima la creazione del profumo da

uomo e poi abbiamo anche l'advanced data

analysis la capacità dell' ai di

analizzare i dati e per finire consigli

utile finali completi che è quello di

aiutare il modello fornirgli un esempio

dell'output che desideriamo e Nel caso

non funzionasse ricreare quindi

refreshare la pagina e ricreare una

nuova conversazione non accani amci col

modello se quel tipo di sessione non

funziona cerchiamo appunto di refreshare

e fare dell'altro poi c'è una parte di

privacy finale che diciamo questa parte

qua andrebbe molto approfondita perché

non siamo sicuri dei dati che inseriamo

al suo interno cosa ne faccia ad esempio

Open ai quello che vi consiglio è è

quello sempre di andare a

anonimizzare i file e in generale le

informazioni di testo che inseriamo al

suo interno Magari appunto prendiamo il

file togliamo il nome del cliente il

nome del reparto il nome dell'azienda

dati sensibili li rimuoviamo sono poi

delle tecniche per andare a essere più

sicuri con la privacy ad esempio

utilizzare dei server Microsoft che

puntino poi a Open chiaramente non

sappiamo cosa accade ai dati magari Open

ai ha una pipeline all'interno che va a

sicuramente anonimizzare il dato però

non lo sappiamo quindi massima

attenzione Anche lato privacy questa ve

la mostro che è un'ultima cosina qua

sono una serie sempre su prompt

Engineering una serie di attività Ok che

vi lascerò poi in descrizione come link

anche è una serie di attività che potete

fare con appunto Da un lato la

descrizione attività e dall'altro il

prompt e qua ci sono un po' di vari use

case caricare e visualizzare i dati

descrivere i dati spiegare un dataset

identificare i messaggi importanti

mostrare le statistiche di base trovare

i valori mancanti aumentare le righe le

colonne di una tabella creare un grafico

di file fare una previsione avanzata sui

dati fornire istruzioni identificare le

tendenze mostrare 10 punti riepilogo

pulire i dati segmentare i dati rilevare

anomalie dei dati calcolare correlazioni

TR colonne creare un modello di

regressione può davvero fare di tutto

l'i comunque questa era un po'

l'inf molto semplificata Ok del prompt

Engineering Quindi come parlare

correttamente con l'ai Ci sono mille

altre cose che vorrei dire ma mi rendo

conto che è un contenuto molto grosso

grosso disclaimer ovviamente vi ricordo

che

questi contenuti qua sono l'unione tra

quello che ho studiato quello che ho

visto con diciamo colleghi e aziende

esterne sempre sull' ai e quello che

appunto sto facendo negli ultimi mesi e

questo anno e mezzo di sperimentazione

degi non è scritto sulla pietra quindi

vi invito comunque sempre a essere

critici con quello che vi racconto con

quello che vi mostro Anzi sono davvero

curioso di sapere voi Se avete come

abbiamo visto in chat dei tips che non

ho citato e se vi interessa come tipo di

contenuto questa questo percorso che sto

rifacendo indietro con voi nel quale

riprendo le basi delle generative e ve

le porto un po' più strutturate e

provare appunto a fare un condensato

senza perderci in mille cose Grazie per

chi ha seguito fino adesso Un abbraccio

come sempre Cloud Ciao a tutti amici e

amiche e a

presto Y

[Musica]