Basi e Principi utili del Prompt Engineering, l'arte di saper parlare con le AI Generative
Summary
TLDRThe 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
😀 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.
📈 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.
📊 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.
🛠️ 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.
🔍 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.
Mindmap
Keywords
💡Prompt Engineering
💡AI Generative Models
💡Context
💡Incremental Improvement
💡Data Transformation
💡Use Cases
💡Task Level
💡AI Hallucinations
💡Advanced Features
💡Privacy
💡Creative Writing
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]
浏览更多相关视频
The Perfect Prompt Generator No One Knows About
Discover Prompt Engineering | Google AI Essentials
Unleash ChatGPT Potential with the SCRIBE Method
Beginner to Pro with ChatGPT in One Video!
Using AI in Software Design: How ChatGPT Can Help With Creating a Solution Architecture | R. Müller
2024年から始めるChatGPTの使い方超入門
5.0 / 5 (0 votes)