CURSO PROMPT Engineering para CHATGPT y otros modelos - Aprende las MEJORES prácticas - Nivel BÁSICO

Summary

El curso de 'brom engineering' o ingeniería de prompt para chat GPT se enfoca en mejorar la comunicación con herramientas de inteligencia artificial para obtener mejores resultados. Incluye una definición de chat GPT y los llamados LLM (Modelos de Lenguaje a Gran Escala), principios para una comunicación efectiva, y cómo iterar y mejorar prompts. Aborda las limitaciones, como las 'alucinaciones' de GPT, y cómo evitarlas. El curso también explora aplicaciones prácticas como la generación de resúmenes, inferencias y transformación de información. Se destaca la importancia de ser claro y específico, permitir tiempo para que el modelo 'piense', y entender las limitaciones de la tecnología. Finalmente, se motiva a los usuarios a explorar y utilizar chat GPT y otros LLM en diversos campos, recordando que estas son herramientas en desarrollo constante.

Takeaways

• 📘 Aprender a comunicarte mejor con herramientas de inteligencia artificial como chat GPT para obtener mejores resultados.
• 🔍 Comprender los principios clave de comunicación con modelos de lenguaje a gran escala (LLM): claridad y especificidad en las instrucciones.
• ⏳ Dar tiempo al modelo para procesar la información, evitando respuestas precipitadas que puedan ser incorrectas.
• 🚫 Conocer las limitaciones de chat GPT, como las 'alucinaciones', donde el modelo puede generar información falsa a partir de un contexto parcialmente verdadero.
• 🔄 Iterar sobre los prompts (consultas) para afinar las respuestas, ajustando la longitud, el enfoque y el formato según sea necesario.
• 📝 Conocer las mejores prácticas para resumir contenido, enfocando en la extensión deseada y los puntos clave a destacar.
• 🧐 Utilizar verbos distintos a 'resumir', como 'extraer' o 'sintetizar', para obtener diferentes perspectivas en los resúmenes.
• 🌐 Aprender a transformar información de diversas maneras, incluyendo traducción, cambio de tono, conversión de formatos y revisión ortográfica y gramatical.
• 💡 Entender que los LLM son herramientas valiosas con aplicaciones en múltiples campos, pero no son perfectas y requieren de un uso adecuado y consciente.
• 📈 Mantenerse actualizado sobre las mejores prácticas, limitaciones y fallas de las herramientas de inteligencia artificial para mejorar su uso.
• 🌟 Descubrir y explorar las múltiples aplicaciones de chat GPT más allá de lo cubierto en el curso para ampliar sus posibilidades.

Q & A

¿Qué es la ingeniería de prompt en el contexto de este curso?

La ingeniería de prompt es el proceso de diseñar y mejorar las instrucciones o 'prompts' que se le dan a un modelo de lenguaje a gran escala (LLM), como Chat GPT, para obtener mejores resultados en la comunicación y la generación de texto.

¿Cuáles son los dos principios clave para comunicarse correctamente con un LLM?

Los dos principios clave son: 1) Escribir instrucciones claras y específicas para guiar al modelo hacia el resultado deseado y reducir la posibilidad de respuestas incorrectas o irrelevantes. 2) Darle tiempo suficiente al modelo para 'thinking', es decir, procesar la información y generar una respuesta adecuada.

¿Cómo se puede mejorar la claridad en un prompt a través de delimitadores?

Se pueden utilizar delimitadores como comillas dobles o cualquier otro símbolo que indique claramente las distintas partes del prompt, ayudando al modelo a entender qué parte del texto debe tomar en cuenta para completar la tarea.

¿Por qué es importante proporcionar un ejemplo de respuesta en un prompt?

Proporcionar un ejemplo deseado de respuesta en un prompt ayuda al modelo a entender mejor la estructura y el estilo que se busca, lo que aumenta las posibilidades de obtener una respuesta precisa y esperada.

¿Qué es la 'alucinación' en un LLM y cómo se puede evitar o reducir?

La 'alucinación' es una limitación en la que el modelo LLM puede generar información falsa basada en un contexto parcialmente verdadero. Para evitarlo, se debe pedirle al modelo que primero busque información relevante y luego responda basado en los datos encontrados.

¿Cómo se puede iterar sobre un prompt para mejorar los resultados?

Al notar que el resultado no es el esperado, se toma el prompt, se modifica agregando o ajustando instrucciones específicas, y se prueba de nuevo hasta obtener el resultado deseado. Esto puede incluir ajustes en la extensión de la respuesta, el énfasis en ciertos puntos o el formato deseado.

¿Cuáles son algunas de las aplicaciones comunes de chat GPT que se mencionan en el curso?

Algunas de las aplicaciones comunes incluyen la capacidad de resumir contenido, hacer inferencias sobre sentimientos o temas en un texto, y transformar información a través de traducción, cambios de tono, conversión de formatos y revisión ortográfica y gramatical.

¿Cómo afecta la 'alucinación' la generación de información falsa en un LLM?

La 'alucinación' puede hacer que el LLM genere información falsa de manera convincente, ya que utiliza un contexto parcialmente verdadero para crear respuestas que parecen lógicas y plausibles, lo que puede ser peligroso si no se verifica la información.

¿Por qué es importante entender las limitaciones de un LLM como Chat GPT?

Es importante entender las limitaciones de un LLM porque, aunque son herramientas poderosas, también pueden generar errores o información incorrecta. Conocer sus limitaciones ayuda a utilizarlas de manera más efectiva y a interpretar sus respuestas con escepticismo crítico.

¿Cómo se pueden utilizar verbos distintos a 'resumir' para obtener diferentes tipos de síntesis de un texto?

Se pueden utilizar verbos como 'extraer', 'sintetizar', 'reduci', etc., para indicar al modelo que se busque una síntesis con enfoques ligeramente diferentes, lo que puede ayudar a obtener resultados más variados y adaptados a las necesidades específicas.

¿Por qué es recomendable darle al modelo LLM el tiempo necesario para 'thinking' antes de generar una respuesta?

Darle tiempo al modelo permite que procese la información de manera más completa y estructurada, lo que lleva a respuestas más precisas y menos propensas a errores. Limitar el tiempo o las palabras puede resultar en respuestas superficiales o incorrectas.

¿Cómo se puede mejorar la precisión de una respuesta de Chat GPT al solicitar un resumen o síntesis de un texto?

Se puede mejorar la precisión especificando la extensión deseada del resumen, los puntos o conceptos a destacar y utilizando verbos que indiquen claramente el tipo de síntesis que se busca, como 'extraer', 'sintetizar', en lugar de simplemente 'resumir'.

Outlines

00:00

😀 Introducción al curso de ingeniería de prompts para Chat GPT

Este primer párrafo introduce el curso de ingeniería de prompts para Chat GPT, enfocándose en cómo mejorar la comunicación con herramientas de inteligencia artificial para obtener mejores resultados. Define lo que es Chat GPT y los LLM (Modelos de Lenguaje a Gran Escala), y menciona que el curso abarcará principios de comunicación, limitaciones actuales, iteración de prompts y aplicaciones típicas. Destaca que el curso no es para desarrolladores sino para usuarios de diversas profesiones que buscan aprovechar la herramienta para resolver dudas o tareas específicas.

05:00

📝 La importancia de los buenos prompts

En este párrafo se discute la importancia de crear buenos prompts para obtener resultados deseados al interactuar con la inteligencia artificial. Se entiende que un prompt es una entrada de texto que guía al modelo a generar una respuesta específica. Se enfatiza que la claridad y especificidad en las instrucciones son cruciales para evitar respuestas incorrectas o irrelevantes. Se presentan tácticas como el uso de delimitadores, proporcionar estructura y estilo a la respuesta y permitir que el modelo verifique el cumplimiento de condiciones.

10:01

⏳ Dar tiempo al modelo para 'pensar'

Este párrafo aborda el segundo principio de comunicación con un LLM: dar tiempo suficiente al modelo para procesar la información y generar una respuesta adecuada. Se sugiere evitar que el modelo se precipite en la respuesta y se ofrecen tácticas como indicar pasos a seguir para estructurar el razonamiento y permitir que el modelo genere sus propios resultados antes de concluir si son correctos o no.

15:03

🔍 Limitaciones y mejoras a través de la iteración

Se reconoce una limitación conocida de los LLM llamada 'alucinaciones', donde el modelo puede generar información falsa basada en un contexto parcialmente verdadero. Para abordar esto y otros problemas, se sugiere iterar sobre un prompt, modificandolo para ajustar la extensión de la respuesta, el enfoque de la respuesta y el formato deseado. Se proporcionan ejemplos de cómo se pueden lograr estos ajustes.

20:04

🔄 Aplicaciones avanzadas con Chat GPT

Este párrafo explora diversas aplicaciones avanzadas de Chat GPT, incluyendo la inferencia de sentimientos, la identificación de la inclinación del autor, la obtención de resúmenes y la transformación de información. Se mencionan cuatro tipos de transformación de texto que Chat GPT puede realizar: traducción e identificación de idiomas, cambios de tono, conversión de formatos y revisión ortográfica y gramatical.

🎓 Conclusión del curso

Finalmente, se resume lo aprendido a lo largo del curso, destacando la naturaleza de los LLM y características específicas de Chat GPT, los principios clave para una comunicación eficaz, la limitación de las 'alucinaciones', la importancia de la iteración en prompts y las mejores prácticas para resúmenes y transformaciones de texto. Se recalca la responsabilidad de utilizar estas herramientas de manera informada y crítica, teniendo en cuenta que las respuestas no son necesariamente la verdad absoluta.

Keywords

💡Brom Engineering

Es el nombre del curso presentado en el video, el cual se enfoca en la ingeniería de prompts para mejorar la comunicación con herramientas de inteligencia artificial como Chat GPT. Se relaciona con el tema central del video al ser el eje central de la discusión y los ejemplos proporcionados.

💡Chat GPT

Es un modelo de lenguaje a gran escala (LLM) desarrollado por Open AI que utiliza algoritmos para analizar y generar texto. Es fundamental para el video ya que se discute cómo mejorar la interacción con él a través de la ingeniería de prompts.

💡LLM (Modelo de Lenguaje a Gran Escala)

Un modelo de inteligencia artificial que utiliza grandes conjuntos de texto para analizar y generar texto. Es clave en el video ya que Chat GPT es un ejemplo de este tipo de modelo y se explora cómo se puede utilizar de manera efectiva.

💡Prompt Engineering

El proceso de diseñar y perfeccionar las entradas de texto (prompts) para obtener respuestas deseadas de modelos de lenguaje como Chat GPT. Es central en el video, donde se enseña cómo crear y mejorar prompts para obtener mejores resultados.

💡Claridad y Especificidad

Principios clave en la comunicación con modelos de lenguaje que se destacan en el video como esenciales para obtener respuestas precisas y útiles. Se ilustra cómo la falta de claridad puede llevar a malentendidos y cómo la especificidad ayuda a obtener resultados más precisos.

💡Alucinaciones

Un término utilizado para describir una limitación de los modelos de lenguaje donde el modelo genera información falsa basada en un contexto parcialmente verdadero. En el video, se discute cómo evitar o reducir estas alucinaciones al interactuar con Chat GPT.

💡Iteración

El proceso de modificar y ajustar un prompt para mejorar la calidad de la respuesta del modelo de lenguaje. Es un tema recurrente en el video, donde se muestra cómo iterar sobre prompts para resolver problemas específicos y ajustar la respuesta al deseado.

💡Resúmenes y Síntesis

Una de las aplicaciones mencionadas en el video donde se puede utilizar Chat GPT para crear resúmenes o síntesis de contenido. Se explora cómo se pueden obtener resúmenes adecuados a través de la ingeniería de prompts.

💡Inferencias

La capacidad de Chat GPT para sacar conclusiones a partir de un texto dado, como determinar los sentimientos reflejados en un texto o la inclinación del autor. En el video, se menciona cómo se puede utilizar esta capacidad para obtener análisis más profundos de los textos.

💡Transformación de Información

El proceso de cambiar la forma o el contenido de la información utilizando Chat GPT, como la traducción, cambio de tono, conversión de formatos y revisión ortográfica y gramatical. Estas transformaciones son ejemplos de cómo se puede utilizar Chat GPT para diferentes propósitos prácticos.

💡Limitaciones

Características o problemas inherentes a los modelos de lenguaje que se deben tener en cuenta al utilizarlos, como las alucinaciones. En el video, se abordan las limitaciones de Chat GPT y cómo pueden ser manejadas o superadas.

Highlights

Bienvenidos al curso de 'brom engineering', donde aprenderemos a mejorar la comunicación con herramientas como Chat GPT.

El curso comienza con la definición de Chat GPT y los LLM (Modelos de Lenguaje a Gran Escala).

Se abordan principios clave para la comunicación efectiva con modelos de lenguaje, como claridad y especificidad.

Se destaca la importancia de iterar y mejorar los 'prompts' para obtener mejores resultados.

Se mencionan las limitaciones de los LLM, incluyendo la generación de 'alucinaciones' o información falsa.

Se ofrecen tácticas para evitar alucinaciones, como verificar la información antes de responder.

El curso no está destinado a desarrolladores sino a usuarios que buscan aprovechar la herramienta en diversas profesiones.

Se destaca que Chat GPT es un modelo de IA que utiliza algoritmos para analizar y generar texto.

Se describe cómo Chat GPT puede recordar el contexto de la conversación como un ser humano.

Se menciona el acceso abierto de Chat GPT y la disponibilidad de modelos gratuitos y de suscripción.

Se enfatiza la importancia de escribir buenos 'prompts' para obtener resultados precisos.

Se explica el concepto de 'prompt' en programación y su equivalencia en la comunicación con IA.

Se presentan estrategias para mejorar los 'prompts', como el uso de delimitadores y la especificación de estructuras y estilos.

Se discuten aplicaciones prácticas de Chat GPT, como resumir contenido, hacer inferencias y transformar información.

Se ofrecen spoilers del curso, incluyendo la estructura del contenido y lo que los estudiantes aprenderán.

Se destaca la capacidad de Chat GPT para generar respuestas detalladas y extensas, dependiendo de la complejidad del 'prompt'.

Se abordan técnicas para permitir que el modelo verifique el cumplimiento de condiciones antes de proporcionar una respuesta.

Se describe cómo darle tiempo al modelo para 'thinking' puede mejorar la calidad de las respuestas.

Se sugieren tácticas para estructurar el razonamiento del modelo y generar respuestas propias antes de concluir si algo es correcto.

Se concluye destacando la valiosidad de las herramientas como Chat GPT y la importancia de su correcta utilización y actualización.

Transcripts

[Música]

bienvenidos al curso de brom engineering

o ingeniería de prompt para chat gpt o

cualquier otro llm en este curso Vamos a

aprender a mejorar la forma en que nos

comunicamos con estas herramientas para

obtener mejores resultados

el contenido del curso va a iniciar con

la definición de lo que es chat gpt y

los llm en general

seguido de los principios que van a

regir una correcta comunicación con

estos modelos luego vamos a ver las

limitaciones a la que actualmente están

sujetos para seguir con cómo vamos a

poder iterar e ir mejorando nuestros

proms luego vamos a ver algunas de las

aplicaciones más típicas que podemos

utilizar con esta herramienta como

resumir contenido hacer inferencias y

transformar información para finalizar

con el resumen de todo lo que vimos mal

las conclusiones

spoiler del curso Este vídeo no está

pensado para los desarrolladores que

quieran ocupar la aprieta gpt ya sea

para crear aplicaciones o desarrollos

web este curso está pensado para los que

pueden aprovechar esta herramienta ya

sean estudiantes buscando ayuda para

resumir un texto profesores creando la

Pauta de corrección ingenieros tratando

de encontrar una solución a su problema

mecánicos tratando de encontrar la

posible falla de un vehículo cocineros

que están buscando la proporción

Perfecta de ingredientes para una receta

y cualquier otra profesión que se te

ocurra que pudiesen tener una duda

difícil de encontrar a través de un

buscador pero que pueden responder casi

al instante si saben plantear la

pregunta correcta

ahora partamos por lo básico que esta

gpt chat gpt es un large Mode o lllm por

sus siglas en inglés y en español lo

conocemos como un modelo de lenguaje a

gran escala esto es un modelo de

Inteligencia artificial que utiliza

algoritmos para analizar y generar texto

son capaces de entender patrones y

estructuras en grandes conjuntos de

texto y luego generar oraciones y

párrafos ellos mismos el caso de

chasquete Es una herramienta

desarrollada por Open I que tuvo acceso

a cientos de miles de documentos y

archivos en internet por lo que fue

entrenado con grandes cantidades de

información por harto tiempo

su interfaz hace que funcione como si

estuvieras chateando con un robot pero

están avanzado que parece un chat con

otra persona es capaz de recordar el

contexto de la conversación justamente

como si estuvieras chateando con alguien

más la herramienta Es de acceso abierto

es decir cualquier persona con internet

Puede acceder a él y además si bien

tiene un modelo de suscripción para sus

desarrollos más recientes como gpt 4 5 6

o en el que sea que vayan ahora que

estás viendo Este vídeo algunos modelos

aún son muy buenos y gratuitos

si eres de los pocos que aún no conoce

esta herramienta te dejo el link en la

descripción para que inicies chateando y

descubriendo las maravillas que tiene

para ofrecer lo único que hace falta es

hacerse un usuario creándolo o a través

de Google u otra plataforma Así que

pausa el video acceda al link y descubre

tú mismo de lo que estamos hablando

entonces tú que ya conoces este chat y

ya interactuaste con el va a pensar que

necesito aprender si solo es hablar con

un chat qué estoy ofreciendo en este

curso qué es lo que vas a aprender al

terminar este vídeo al finalizar este

video vas a haber aprendido todas las

mejores prácticas actuales de uso de un

modelo de lenguaje a gran escala vas a

saber las mejores estrategias para

lograr los resultados deseados las

respuestas basándonos en los dos

principios de este tipo de tecnología y

además vamos a ir aplicando todo lo que

aprendemos en Casos de uso de manera de

poder mejorar sustancialmente nuestros

proms y con eso las respuestas que

obtenemos

pero probablemente de nuevo te estás

preguntando para qué quiero saber todos

esos principios y estrategias si ya

hablé con gpt y ya le pregunté Cuál era

la capital de Francia y me respondió sin

problema le pregunté también En qué año

se peleó la Segunda Guerra Mundial y

también me respondió sin errores y para

responderte eso necesito que pensemos un

poco más allá y pensemos en plantearle

al chat preguntas mucho más complejas

para poder utilizar todo su potencial ya

sea estés pensando en un ámbito

literario en un ámbito matemático

histórico o cultural

paremos un segundo te he hablado todo el

rato de los famosos prompt y todavía no

te explico el concepto Pero tranquilo

que es súper sencillo en programación un

prompt es simplemente un input de texto

es decir cuando el usuario ingresa

información en este caso el Chrome es el

texto que creamos en el chat lo que le

escribimos a la Inteligencia artificial

es decir lo que ponemos acá y Por qué es

tan importante que sepamos escribir

buenos proms

te lo voy a explicar con un esquema un

buen prompt es igual a buenos resultados

y un mal prompt es igual a malos

resultados Así es simple

spoiler 2 del curso en algunos casos una

buena respuesta requiere muy detallado

ya lo que se traduce en un muy extenso

para ejemplificar lo que puedan ver la

ingeniería en acción les voy mostrando

Cómo van quedando Así que les pido

atención y paciencia y no se espanten

por la cantidad de texto que vamos a ver

tercer spoiler del vídeo yo no estoy

inventando la pólvora con este curso si

bien es algo que hace tiempo tenía ganas

de hacer enseñarles en base a mi

experiencia con el uso de esta

tecnología resulta que hace muy poco la

propia empresa de chat gpt Open ahí

lanzó un curso de ingeniering oficial y

en inglés obviamente lo tomé Entonces

ahora en base a mi experiencia y a lo

aprendido en este curso Es que quiero

disponibilizar este material tanto Para

quienes no sepan inglés como para

aquellos que quieren una guía más

concreta

últimos spoiler del vídeo les prometo

que sí

antes de iniciar les quería comentar que

con este vídeo no quiero hacer parecer

compleja una herramienta que no lo es

los creadores de chat gpt quisieron

crear una herramienta que

disponibilizara los beneficios de la

Inteligencia artificial para todos y se

esmeraron en hacer que cualquier persona

pudiese ocuparlo y resultó en un chat

muy amigable y fácil de entender

probablemente puedes obtener muy buenos

resultados simplemente con tu intuición

Y utilizando el sentido común al

comunicarte con estas herramientas pero

si quieres aprender de mejor manera cómo

expresar Cómo pedir lo que quieres y

entender también los errores que pueden

obtener los resultados y cómo evitarlos

Entonces este curso es para ti ahora sí

partamos Con los principios que rigen

las buenas prácticas

los principios que rigen las buenas

prácticas en la comunicación con un llm

y Por ende con Tech gpt son dos el

primero y el segundo fin

una broma para que no se queden dormidos

nomás el primer principio nos dice que

debemos escribir instrucciones claras Y

específicas entendamos Que claro no es

lo mismo que corto este principio no

habla de que debemos tener tanta

especificidad en nuestra instrucción

como sea posible logrando así guiar al

modelo el resultado deseado y reducir la

posibilidad de obtener respuestas

incorrectas o irrelevantes y cómo vamos

a lograr eso a través de varias tácticas

la primera táctica que vamos a utilizar

es usar delimitadores para indicar con

Claridad las distintas partes del prompt

veamos un ejemplo

fíjense la forma en que delimito las

partes de mi primero de una instrucción

de crear un resumen en una línea y le

indique el texto a resumir diciendo que

estaba dentro de comillas doble De qué

me sirve esto le estoy diciendo

claramente la parte de mi Chrome que

quiero que tome en cuenta al hacer el

resumen evitando ambigüedades

interpretaciones que podrían ocurrir si

le doy un prompt como este

fijémonos acá qué Creen ustedes qué es

lo que podría salir mal

miren

lo que editamos al usar delimitadores es

que el texto que entregamos para

realizar la tarea sea interpretado como

otra instrucción que podría interferir

en el resultado deseado volvamos al

anterior

qué es lo que obtuvimos como resultado

de este

veamos que efectivamente captó la

instrucción tal como lo planeamos y

realizó el resumen esperado o no

No si bien identificó el texto a resumir

no siguió nuestra instrucción de en una

sola línea y se les ocurre por qué

bueno la respuesta nos lleva a la

táctica dos para aplicar nuestro

principio de Claridad y especificidad

los proms que es indicar la estructura y

estilo de la respuesta dando ejemplos si

es posible en el ejemplo anterior el

problema es la ambigüedad del formato en

que pedimos la respuesta le pedimos que

el resumen fuera de una línea El

problema es que nuestro modelo no sabe

si es la línea que queremos es esta esta

o esta

qué podemos hacer entonces

simplemente utilizar formatos más

concretos

en caso de que estés buscando una

extensión de texto específica lo mejor

es guiarlo por la cantidad de palabras

si estás buscando un formato específico

como una lista de python un formato

Jason u otro lo mejor es mostrarle un

ejemplo en este caso además de la

instrucción y del texto le indicó un

ejemplo de cómo quiero la respuesta y

esto nos lleva a la respuesta 100%

correcta y esperada

nuevamente tuvimos un error le pedí

explícitamente las palabras que se

repitieran cuatro o más veces en el

texto pero como ya habrán visto incluyó

una que no cumple Esa condición y esto

nos lleva a nuestra Tercera y última

táctica para el principio de claridad

que es permitir que el modelo verifique

el cumplimiento de las condiciones ahora

en español qué quiere decir esto

lo que ocurre tradicionalmente es que

nosotros damos una instrucción nuestro

algoritmo detrás del chat genera la

respuesta y luego la muestra en pantalla

lo que debemos hacer es agregar un paso

adicional donde luego de generar la

respuesta le vamos a pedir que la

verifique si cumple las condiciones

solicitadas y luego va a responder en el

ejemplo anterior sería algo así

agregamos un párrafo donde le pedimos

revisar si se cumple la condición que

solicitamos y en caso contrario que

elimina los valores esto Ahora sí

resulta en una respuesta correcta

vamos ahora con el segundo principio y

nos dice que hay que dar el tiempo

necesario nuestro modelo para pensar Qué

significa esto puede que nuestro modelo

se precipite a entregarnos una respuesta

que puede llevar a resultados

incorrectos o bien puede ser que le

estemos poniendo por ejemplo un límite

de palabras que no permite desarrollar

una respuesta correcta y nos lleva a

malos resultados

estos resultados incorrectos nos llevan

a replantear el razonamiento de manera

de darle espacio suficiente al modelo

para que compute correctamente la

respuesta

Piénsalo Como si le pidieras al mejor

pintor del mundo hacer un retrato de

Jesús pero en 10 segundos

entonces la primera táctica que vamos a

utilizar para aplicar el principio de

darle tiempo necesario al modelo para

pensar va a ser indicar los pasos a

seguir para dar la respuesta

simplemente indicarle algo así una serie

de pasos para estructurar su

razonamiento como nosotros queremos y

así llegar a la respuesta que esperamos

en vez de pedirle algo así

pídele algo así

la segunda táctica de este principio es

indicar al modelo que genere sus propios

resultados antes de concluir si algo Es

correcto o no esta táctica es para casos

específicos donde le estamos preguntando

a chat gpt o nuestro Modelo lllm Si algo

Es correcto o no por ejemplo

supongamos que estamos haciendo labores

docentes y Queremos saber si la

respuesta de un estudiante a nuestro

ejercicio es correcta si quieres leer

este ejercicio en detalle pausa el video

pero lo importante es que sepas que la

respuesta que dio el estudiante es

incorrecta y sin embargo chat gpt no

respondió esto para evitar este tipo de

errores apliquemos la táctica de dejar

que el modelo genere sus propios

resultados antes con un prompt como este

indicándole explícitamente que primero

desarrolle una respuesta propia y luego

revise la respuesta del estudiante

logramos el siguiente resultado Esta vez

sí pudo identificar correctamente el

error del estudiante y que tenía una

respuesta incorrecta

ya conocimos Entonces los dos principios

y las tácticas para aplicarlos en tus

proms antes de seguir es súper

importante que mencionemos una

limitación que ya ha sido ampliamente

estudiada y reconocida antes incluso por

sus mismos desarrolladores y que incluso

puede llegar a ser un poco peligrosa y

es lo que han denominado como

alucinaciones te lo explico con un

ejemplo

le pregunté acerca de un modelo de

refrigerador que no existe acabo de

inventar el nombre pero el nombre de la

marca sí existe Es decir le pregunté por

contenido falso pero con algo de

contexto verdadero miren lo que

respondió fíjense todo el texto que

inventó se inventó un montón de

características Aquí les pongo una parte

de la respuesta pero incluso llegó a

hacerme recomendaciones de su uso y lo

planteó como una buena opción de compra

sin siquiera señalar en ningún momento

que todo esto se lo inventó de ahí el

potencial peligro que les comento que

podría presentar esta limitación

entonces muy importante que sepamos Cómo

evitar o Cómo podemos reducir las

alucinaciones de chaquete simplemente en

vez de preguntarle directamente sobre

algo primero hay que pedirle que busque

información relevante del tema y solo

entonces responder en base a lo que

encontró

ahora vamos a hablar de algunos casos

específicos en el uso de proms para

comunicarnos con chat gpt y cualquier

otro llm el primer caso que vamos a

tocar es la iteración sobre un prompt

qué es lo que quiere decir esto cuando

yo utilizo un Chrome y me doy cuenta que

el resultado no es el esperado una

aproximación es tomar el mismo y

modificarlo agregando la instrucciones

especiales de acuerdo a lo que queramos

Cuáles son los posibles problemas que

podemos solucionar iterando sobre un

prompt el primer problema que puede

presentarse Es que la extensión de la

respuesta no es la desea ya sea muy

larga o muy corta y como ya puedes

imaginar la solución es indicar la

extensión deseada en vez de este que

resulta en una respuesta tan larga que

no me cabe en la pantalla

tomar el mismo prompt y agregarle un

límite al largo de la respuesta

el segundo problema que podemos

solucionar iterando nuestro Chrome es

cuando la respuesta hace

énfasis en un punto que no queremos

la solución Es simplemente decirle

aquello que queremos destacar en la

respuesta

comparen el resultado del promp anterior

con este donde agregué el énfasis que

quería dar en la respuesta miren los

resultados

fíjense todo lo que agregó y cómo logra

interpretar perfectamente lo que pedí

y el tercer problema que podemos

solucionar iterando con nuestro mismo

Chrome Es que la respuesta no tiene el

formato deseado o queremos cambiar el

formato Y como ya te imaginarás la

solución Es simplemente pedirle otro

formato

por ejemplo el mismo anterior pero ahora

lo queremos en versos

el segundo caso que vamos a tratar es

que vamos a hablar específicamente de

Cómo obtener los mejores resúmenes y

síntesis a través de un prompt logrando

que el resultado se adecue lo más

posible a lo que queremos este punto

estamos relacionados con aplicar todo lo

que hemos visto hasta el momento que con

cosas nuevas Así que no vamos a ver

nuevos proms ni ejemplos de respuesta

simplemente les voy a contar que cuando

estén intentando obtener un resumen de

algún tema en particular se fijen en

primer lugar enseñarán la extensión del

resumen

con frases como con una extensión de o

con un máximo de en segundo lugar

idealmente indicar los puntos en los

cuales quisieran hacer énfasis con

frases como enfatizando en o destacando

en estos puntos y finalmente les quiero

comentar que también se pueden obtener

algunos resultados interesantes al

variar el verbo que utilizamos en el

prompt por ejemplo podrías Probar con

extraer sintetizar reducir en vez de

resumir

otra de las cosas que podemos realizar

con chat gbd y A mi parecer una de las

cosas más interesantes e impresionantes

es hacerlo inferir cosas logrando que

saque conclusiones a partir de un texto

dado podemos por ejemplo hacerlo inferir

Qué sentimientos se ven reflejados en un

texto

o preguntar acerca de la inclinación que

tuvo el autor de un artículo sea esta

positiva o negativa

o podríamos preguntar cuál es el tema

central de un texto pudiendo incluso

este texto ser un link a una noticia de

internet

y así llegamos a la última de las

aplicaciones que vamos a revisar que

pueden realizar con chat gpt y que es

transformar la información en este curso

vamos a mencionar solo cuatro tipos de

transformación pero lo insto a probar Y

averiguar todas las que se le ocurren

la primera que vamos a revisar es

probablemente una de las que se te

vinieron a la cabeza y es la traducción

está entrenado con fuentes de muchos

idiomas y esto le dio la habilidad al

modelo de generar traducciones muy

exactas esto lo puede utilizar tanto

para directamente realizar traducciones

como para identificar el idioma de un

texto o una palabra

en segundo lugar tenemos una de mis

favoritas y también muy útiles en el

entorno laboral y se trata de los

cambios de tonos logrando cambiar la

manera en que se plantea el texto

dependiendo de la audiencia a la cual

queramos enfocarlo

otra aplicación importante dentro de las

transformaciones que podemos realizar es

la conversión de formatos como ya hemos

visto en algunos ejemplos chat gpt es

capaz de realizar conversión entre

formatos y entendiendo formato en el

sentido más amplio que se te ocurra esto

puede ocurrir en un entorno de

programación de escritura de matemáticas

u otro

y finalmente la última aplicación que

está dentro del alcance de este curso

pero que como te dije no es la última

que vas a encontrar es la revisión de

ortografía y gramática de los textos muy

útil también y que puede ahorrar

bastante tiempo

qué es lo que aprendimos en este curso

qué es lo que vimos en este vídeo en

primer lugar aprendimos algunos datos

generales de lo que es un lllm un modelo

de lenguaje a gran escala luego

aprendimos algunas de las

características más importantes de chat

gpt como que es abierto y gratuito que

tiene una interfaz de tipo chat y que es

capaz de acceder a información en

distintos formatos incluso a algunos

artículos de internet a través de links

aprendimos también acerca de sus

principios como lo eran ser siempre lo

más claro y específico posible y también

darle el espacio y tiempo suficiente al

algoritmo para que genere una respuesta

que se adecue a nuestra solicitudes

aprendimos acerca de la limitación que

tiene chat gpt que se denomina

alucinación y que hace que en ocasiones

dado un input que tiene algo de contexto

verdadero puede hacer que chat gpt

genere información falsa que

peligrosamente es difícil de notar luego

aprendimos acerca de cómo ir iterando y

modificando un mismo Trump para obtener

resultados que más se inclinen por lo

que quiero lograr identificando tres

casos principales que se pueden

presentar uno de ellos cuando la

respuesta a nuestro no cumplía la

extensión que queríamos donde lo mejor

es agregar explícitamente el largo de la

respuesta preferentemente en palabras

otro caso cuando la respuesta tiene un

enfoque distinto al que se quería en

cuyo caso hay que indicar los puntos en

los cuales se quiere hacer énfasis y el

último caso cuando la respuesta no está

en el formato deseado debiendo

simplemente indicar el nuevo formato

luego de las iteraciones pasamos a

conocer algunas de las mejores prácticas

para resumir contenido que eran siempre

explicitar en el prompt dos elementos

que eran la extensión deseada y los

temas o conceptos en los cuales hacer

énfasis en el resumen y además ocupar

algunas técnicas como utilizar verbos

distintos a resumir como extraer o

sintetizar para probar resultados

distintos y finalmente aprendimos como

chat gpt y otros llms o modelos de

lenguaje a gran escala pueden ayudarnos

a transformar el texto de cuatro maneras

en primer lugar a través de la

Traducción e identificación de idiomas

ya sea de texto o palabras en segundo

lugar los cambios de tonos Como por

ejemplo el cambio del tono de un texto

informal a uno formal luego la

conversión de formatos y en último lugar

la revisión ortográfica y gramatical

y todo esto nos lleva a concluir que

chat gpd y los lllms en general son

herramientas muy valiosas y con

aplicaciones en un sinfín de Campos

el esfuerzo de los creadores por

disponibilizar para todo la Inteligencia

artificial nos trajo un tiempo en que

las herramientas como test son muy

amigables y con la cual solo con un

conocimiento muy básico de cómo chatear

por ejemplo más del sentido común

cualquier persona puede obtener

resultados buenos

sin embargo también es sumamente valioso

entender Cómo comunicarse de mejor

manera y lograr identificar las

limitaciones y el origen de los errores

de estas herramientas porque como ya lo

vimos tampoco son perfectas hay que

tener claro que esta es una tecnología

que está en constante desarrollo y es

importante tratar de mantenerse

actualizado en todos los puntos que

vimos en el curso ya sean las mejores

prácticas de comunicación el alcance de

esta herramienta sus limitaciones y las

fallas que suele presentar es de

responsabilidad personal darle un

correcto uso a esta herramienta

entendiendo que las respuestas que

obtenemos de ella no son necesariamente

una verdad absoluta por lo que es un

deber asumir que puede haber errores y

finalmente Los invito a utilizar esta

herramienta y a descubrir todas las

cosas que pueden hacer con ella que sin

duda son muchas más de las que vimos en

este curso