En la era de la inteligencia artificial (IA), el "Prompt Engineering" emerge como una disciplina esencial que permite una interacción efectiva y creativa con modelos de lenguaje avanzados. Este ensayo explora el concepto de "Prompt Engineering", sus técnicas fundamentales y su aplicación en el ámbito educativo para enriquecer la experiencia de aprendizaje en diversas disciplinas.
El "Prompt Engineering" se refiere al proceso de diseñar y formular indicaciones o preguntas (prompts) para guiar a los modelos de IA, especialmente los modelos de lenguaje, a generar respuestas útiles, informativas o creativas. La importancia de esta disciplina radica en su capacidad para optimizar la interacción con la IA, permitiendo que los usuarios obtengan resultados más precisos y relevantes según sus necesidades específicas.
Características técnicas de un prompt efectivo
Especificidad: Ser específico en el prompt ayuda a restringir el enfoque de la IA, lo que resulta en respuestas más precisas. Por ejemplo, en lugar de preguntar "¿Cómo funciona un motor?", un prompt más específico sería "¿Cómo funciona un motor de combustión interna de cuatro tiempos?"
Contextualización: Proporcionar contexto al modelo de IA permite generar respuestas más pertinentes. Un ejemplo sería "En el contexto de la física newtoniana, ¿cómo se calcula la fuerza de gravedad entre dos objetos?"
Creatividad: Fomentar la creatividad en los prompts puede llevar a respuestas innovadoras. Por ejemplo, "Imagina un mundo donde la gravedad es la mitad de fuerte. Describe cómo cambiarían las actividades diarias".
Iteración: La iteración implica ajustar y refinar el prompt basándose en las respuestas previas del modelo para mejorar la precisión y relevancia. Por ejemplo, comenzar con "¿Cuáles son los síntomas de la gripe?" y luego especificar "¿Cómo difieren los síntomas de la gripe en niños y adultos?"
Utilizaremos una clase de filosofía como ejemplo. Con ayuda de la IA exploraremos diferentes perspectivas filosóficas, que examinen teorías éticas aplicadas a dilemas morales contemporáneos.
Ejemplo de prompt aplicando las dos primeras técnicas para la generación de prompts efectivos: Especificidad y Contextualización:
“Analiza el dilema moral de la inteligencia artificial en la toma de decisiones autónomas, como en el caso de los vehículos autónomos. ¿Cómo se aplicarían las teorías éticas de utilitarismo, deontología y ética de la virtud a este dilema? Discute las implicaciones de cada enfoque ético y evalúa cuál ofrece la solución más justa y equitativa. Considera los posibles conflictos entre los principios éticos y las consecuencias prácticas de su aplicación”
El resultado emitido por ChatGPT4 se muestra en otro font para distinguir su contenido y longitud:
“El dilema moral de la inteligencia artificial (IA) en la toma de decisiones autónomas, especialmente en el caso de los vehículos autónomos, plantea cuestiones éticas complejas. Veamos cómo se aplicarían las teorías éticas del utilitarismo, la deontología y la ética de la virtud a este dilema.
Utilitarismo: Esta teoría ética se centra en las consecuencias de las acciones y busca maximizar la felicidad o el bienestar general. En el contexto de los vehículos autónomos, un enfoque utilitarista podría priorizar la minimización del daño total. Por ejemplo, en una situación donde un accidente es inevitable, el vehículo podría tomar una decisión que resulte en el menor número de lesiones o muertes. Sin embargo, esto plantea el desafío de cómo cuantificar y comparar el valor de diferentes vidas o daños.
Deontología: Esta teoría se centra en el cumplimiento de deberes y principios morales, independientemente de las consecuencias. Desde una perspectiva deontológica, los vehículos autónomos deberían seguir reglas éticas claras, como no causar daño intencionado a los seres humanos. Esto podría traducirse en programar al vehículo para que siga estrictamente las leyes de tráfico y proteja la vida humana por encima de todo. Sin embargo, esto puede llevar a dilemas cuando se enfrentan a situaciones donde no hay una opción claramente correcta o donde seguir una regla podría resultar en un mayor daño general.
Ética de la virtud: Esta teoría se centra en el carácter y las virtudes de un agente moral, más que en reglas o consecuencias. Aplicada a los vehículos autónomos, podría implicar desarrollar sistemas de IA que encarnen virtudes como la prudencia, la justicia y la compasión. Esto podría significar que los vehículos tomen decisiones que reflejen un equilibrio entre proteger a los pasajeros y peatones, y actuar de manera justa y compasiva en situaciones complejas. Sin embargo, programar virtudes en una IA plantea desafíos técnicos y filosóficos significativos.
Evaluación de las soluciones: El utilitarismo ofrece una solución pragmática que busca minimizar el daño, pero puede ser criticado por tratar las vidas como intercambiables y por la dificultad de predecir todas las consecuencias de una acción.
La deontología proporciona reglas claras y principios éticos, pero puede ser inflexible en situaciones donde seguir una regla podría resultar en un mayor daño.
La ética de la virtud se centra en el desarrollo de un carácter moral, pero su aplicación práctica en la programación de IA es compleja y aún está en desarrollo.
En conclusión, cada enfoque ético ofrece perspectivas valiosas, pero también enfrenta desafíos significativos. La solución más justa y equitativa podría requerir una combinación de estas teorías, adaptada a las circunstancias específicas y evolucionando a medida que avanzamos en nuestra comprensión de la IA y la ética. Además, es crucial involucrar a diversos grupos de interés en el desarrollo y la regulación de la IA para garantizar que se consideren múltiples perspectivas y valores.”
Como nota interesante, tomó 7 segundos la generación de la respuesta anterior.
El "Prompt Engineering" es una herramienta poderosa que permite maximizar el aprovechamiento de las Inteligencias Artificiales más comunes. Nos ofrece amplias posibilidades para la educación prácticamente en cualquier ámbito, desde la ingeniería hasta la ética, incluso en la música y la medicina. Al comprender y aplicar sus técnicas, podemos diseñar bien, múltiples experiencias de aprendizaje, enriquecedoras y estimulantes para nuestros estudiantes en prácticamente cualquier diciplina.
En próximas entregas exploraremos nuevos prompts, compararemos los resultados de aquellos redactados de forma simple, contra aquellos que aplican técnicas efectivas, además de otros consejos útiles.
Brown, T. B., Mann, B., Ryder, N., Subbiah, M., Kaplan, J., Dhariwal, P., ... & Amodei, D. (2020). Language Models are Few-Shot Learners. *arXiv preprint arXiv:2005.14165*.
Rae, J. W., Potapenko, A., Jayakumar, S. M., & Lillicrap, T. P. (2021). Scaling Language Models: Methods, Analysis & Insights from Training Gopher. *arXiv preprint arXiv:2112.11446*.
Bengio, Y., Lecun, Y., & H
Sobre el autor.
El Maestro Raúl González se ha desempeñado como administrador de proyectos de tecnologías de la información y ha implementado oficinas de administración de proyectos para varias instituciones y empresas. Actualmente es Director de Servicios de Tecnologías de la Información al Cliente en la UDLAP. Es entusiasta del fenómeno humano–tecnología, de sus interacciones, y de cómo se definen y transforman mutuamente.