Cómo escribir buenas indicaciones para la IA
Por Michael Krantz
Marketing, Notion
Puedes hacer cosas increíbles con la inteligencia artificial si sabes cómo escribir (y reescribir) indicaciones de IA.
Yo no lo sabía. Así que hablé con mi compañero Theo Bleier, un desarrollador de IA que se pasa el día retocando las indicaciones predefinidas que puedes ver al utilizar la IA de Notion. Gracias a él, ahora sí puedo explicarte cómo puedes utilizar el increíble poder que tiene la IA generativa para mejorar tu trabajo y tu vida desde hoy mismo.
Nota: Todas las preguntas y las respuestas de este artículo se han llevado a cabo en la IA de Notion. No obstante, los principios que analizamos deberían funcionar de forma similar en cualquier gran modelo lingüístico (LLM) estándar.
Empecemos por pensar en cómo funcionan realmente los LLM
Los grandes modelos lingüísticos (LLM), como la IA de Notion, ChatGPT y Llama, utilizan conjuntos de datos que comprenden grandes cantidades de lenguaje: el equivalente a millones de libros, páginas web, etc. Convierten cada palabra (o parte de una palabra) de estos miles de millones de frases en un token y, a continuación, clasifican cada token en función de la frecuencia con la que se utiliza junto a cualquier otro token de ese conjunto de datos.
Cuando se le pregunta a un modelo de IA, utiliza estas clasificaciones para estudiar la indicación y enviar lo que considera una respuesta ideal. Para indicaciones sencillas, este proceso parece bastante sencillo.
La respuesta de la IA
Sin embargo, los LLM se desvían ocasionalmente de sus clasificaciones de tokens para generar una respuesta creativa, de ahí el nombre de «IA generativa». El resultado puede ser... algo espeluznante.
La respuesta de la IA
¿De qué manera la estrategia de clasificación de tokens de los modelos lingüísticos genera un lenguaje complejo y capacidad de conversación? Esa pregunta sigue siendo un campo de investigación activo. No obstante, no tenemos por qué entender completamente este proceso para aprender a manipularlo.
Habla con tu modelo como si fuera humano
Habla con normalidad
Los modelos de IA generativa no son como Siri o Google Assistant, que solo responden eficazmente a frases exactas. Al haber sido entrenado con montones de diálogos conversacionales, tu modelo lingüístico conoce todos los matices de la forma en que la gente habla y se envía mensajes de texto. Háblale como le hablarías a un humano y obtendrás una respuesta mejor (más humana).
Sé conciso
Que tu indicación sea lo más sencilla posible, sin dejar de explicarla con todo detalle (más adelante hablaremos de ello). Cuanto más claro sea tu lenguaje, menos probable será que el modelo malinterprete tus palabras (también hablaremos de ello más adelante).
No utilices frases negativas como «No utilices frases negativas»
Cuando dices: «No hagas...», un LLM podría centrarse en el «hacer» e ignorar el «no», y acabaría llevando a cabo la acción exacta que crees que le has ordenado evitar. Por lo tanto:
MAL:No incluyas listas incompletas.
BIEN:Incluye solo listas completas.
Dile a tu modelo todo lo que necesita saber
Ahora que ya hemos explicado cómo hablar con nuestro LLM, pasemos a ver de qué vamos a hablar. He elegido un proyecto de investigación en el que un analista de mercado típico podría necesitar ayuda, pero puedes preguntarle a la IA sobre cualquier cosa que desees, desde tareas escolares hasta cómo preparar un buen menú para una cena de Nochevieja. Se aplican los mismos principios.
Supongamos que eres analista de mercado de una empresa de artículos deportivos y tienes que redactar un informe sobre las mejores ciudades de Estados Unidos para lanzar una nueva línea de material de acampada. ¿Cómo debes preguntar?
Dale identidad a tu modelo
¿Quieres que tu modelo haga el trabajo de un analista de mercado? Empieza por decir esto:
Sí, es raro, pero funciona. Los LLM se entrenan con el lenguaje humano. Dile a tu modelo que asuma que es un analista de mercado y hará hincapié en los patrones de tokens que están relacionados con los analistas de mercado reales. Si lo piensas en estos términos, darle una identidad a tu modelo no es tan extraño. Decirle que lo haga
antes de que responda a tu indicación sí es raro, y, aparentemente, también funciona.
Sé específico
Los modelos lingüísticos entienden el lenguaje de token en token. Cada uno de esos tokens cuenta (por eso ser conciso es importante), pero tampoco puedes dar por hecho que tu modelo interpretará correctamente una indicación imprecisa.
La respuesta de la IA
Esta respuesta nos señala educadamente que no hemos dado a nuestro modelo suficiente información para que nos pueda ofrecer una respuesta significativa. Hagamos los ajustes pertinentes:
La respuesta de la IA
Vaya, queríamos que nuestro informe especificara ubicaciones:
La respuesta de la IA
¿Notas cómo un pequeño ajuste en una pregunta produce un cambio significativo en la respuesta de nuestra IA? En cierto modo nos hace preguntarnos qué produciría un ajuste mayor.
Evitar errores y producir grandes resultados
La forma en que la respuesta de la IA se acerca cada vez más a lo que queremos gracias a la mayor claridad de nuestras instrucciones nos lleva a uno de nuestros consejos más importantes:
Sé minucioso
Hasta ahora nuestras indicaciones han sido bastante breves, pero los LLM son capaces de procesar grandes cantidades de datos. Esto significa que una vez que sepas escribir bien las indicaciones, podrás pedirles mucho más. De hecho, una de las ventajas de la IA de Notion con respecto a los LLM como ChatGPT es que, en lugar de partir de una página en blanco, puedes empezar en una página ya existente y decirle a la IA algo como «Tomando como base las directrices anteriores...» o «Consulta la tabla anterior para ver estadísticas actualizadas sobre estas ciudades».
La respuesta de la IA
Añade líneas que lo alejen de los malos resultados
También puedes añadir frases aclaratorias a tu indicación que anticipen los problemas que podría tener el modelo o las decisiones que podría tener que tomar.
La respuesta de la IA
He aquí un resultado en el que merece la pena detenerse. Nuestra IA eligió cuatro ciudades: Denver, Seattle, Austin y Mineápolis. Cuando añadimos que solo queríamos ciudades que recibieran al menos 15 centímetros de nieve al año, el modelo cambió Anchorage y Burlington por Seattle y Austin, al tiempo que cambiaba su razonamiento para enfatizar la nevada total de cada ciudad.
Pero ¿es esta realmente una lista ideal? Nueva York recibe 58 centímetros de nieve al año; ¿de verdad queremos destacar Anchorage sobre la Gran Manzana para vender nuestro material de acampada?
Tenemos un par de consejos útiles para redactar indicaciones.
Uno es que los modelos lingüísticos pueden ser impredecibles, incluso cometer errores. Nuestra IA nos informa de que Anchorage es «la ciudad con la mayor caída de nieve en los Estados Unidos (con una media de 256 centímetros al año)». Mis búsquedas me dicen que Anchorage tiene una media de 195 centímetros de nieve al año y que la ciudad más nevada de América es Búfalo, en Nueva York, con más de 279 centímetros al año. Y, de hecho, cuando le hago la misma pregunta al modelo unos días después, obtengo un resultado más preciso:
La respuesta de la IA
Los informáticos llaman «alucinación» a la tendencia de los modelos generativos de IA a arrojar periódicamente resultados falsos. Podemos protegernos de la tendencia de nuestro modelo a darnos gato por liebre dirigiéndolo hacia lo que mejor sabe hacer.
Añade un ejemplo de entrada y salida («ejemplo múltiple»)
Hasta ahora hemos pedido a nuestra IA que recopile información de Internet, pero la habilidad más potente de una IA es el lenguaje: entenderlo, trabajar con él, cambiarlo, mejorarlo.
La IA nos ayudó a elegir las ciudades en las que centrar nuestra campaña. Para el informe final, le pediremos que destile la información sobre cada ciudad y la convierta en una conclusión pulida. Le mostraremos lo que tiene que hacer mediante una petición que empiece con un «ejemplo múltiple»: un ejemplo de la entrada que recibirá el modelo y la salida que queremos que produzca. A continuación, añadiremos notas sobre una ciudad de la que queramos que informe:
Nuestra petición
La respuesta de la IA
Muy bien, ¿eh? Nos ha llevado un tiempo, pero hemos descubierto cómo utilizar nuestro modelo para buscar en Internet y hacer sugerencias, y luego extraer la información que seleccionamos y convertirla en un texto con el que podamos trabajar. ¡La IA incluso ha acertado con las cifras de población!
Aunque, al comprobar los datos básicos de la IA sobre Salt Lake City, me he dado cuenta de que no tiene en cuenta que las montañas que rodean la ciudad reciben unos 1270 centímetros de nieve al año. ¿No debería incluirse en el resumen?
Bueno, claro, pero a estas alturas ya estarás pensando en el segundo consejo importante a la hora de redactar indicaciones: ¡que en realidad es mucho trabajo! Los seres humanos llevan decenas de miles de años comunicándose entre sí. Nosotros solo llevamos unos meses estudiando cómo comunicarnos con modelos lingüísticos. ¿Cómo sabemos si lo estamos haciendo bien? ¿No podríamos seguir ajustando las indicaciones indefinidamente?
Sí, podríamos, y esa es una idea importante sobre el trabajo con inteligencia artificial: cuanto más esfuerzo pongas, más beneficios recibirás. La IA no borra nuestro trabajo, sino que complementa nuestras habilidades, nuestros esfuerzos y nos lleva a lugares a los que nunca hubiéramos podido llegar solos.
Y, por supuesto, no hemos hecho más que empezar. ¿Qué maravillas podrá hacer la IA del mañana? El único límite es el cielo. Así que empecemos por aprender a volar.
