18 Dicembre 2023
Ho iniziato a “colloquiare” con ChatGPT, a gennaio del 2023.
Uso "colloquiare" perché questa parola cattura perfettamente la prima sensazione e direi anche l’emozione (e questa non si scorda mai...) e anche perché, naturalmente, spontaneamente, è l'approccio che utilizzo per interrogare i chatbot.
Avevo iniziato a lavorare con l’intelligenza artificiale negli anni 90, partecipando allo sviluppo di quello che, allora, si definiva un sistema esperto, un programma in grado di prendere decisioni apprendendo dall'esperienza. Erano stati anni in cui all’entusiasmo sulle aspettative e sugli annunci si alternava disillusione. Ma poi l’IA ha cominciato, in modo “embedded” e “debole”, a essere sempre più presente nella nostra vita con applicazioni che simulavano funzioni specifiche come interpretare i nostri gusti basandosi su scelte precedenti.
Ma riuscire a instaurare una conversazione è stato solo l’inizio: la vera sfida è riuscire ad ottenere la migliore risposta possibile. Per fare questo, oltre sapere cosa vogliamo, mai scontato, dobbiamo lavorare sulla formulazione della richiesta e per questo abbiamo uno strumento nuovo (ma dal nome antico per chi ricorda il DOS di oltre 40 anni fa…), il prompting.
Non è dato sapere se altre modalità si avvicenderanno (qualcosa si sta già affacciando all'orizzonte) per favorire l’interazione con i Large Language Model (categoria di strumenti a cui ChatGPT, Bard, Claude appartengono) ma sappiamo che dobbiamo aspettarci evoluzioni importanti anche qui.
Per il momento è la miglior tecnica che abbiamo a disposizione per interagire con l’IA generativa: vediamone alcune caratteristiche, in ordine sparso e senza alcuna pretesa di essere esaustivi ma cercando invece di illustrare un metodo di lavoro personale che superi il semplice utilizzo di uno strumento.
Sette cose da sapere
Attraverso delle definizioni, molto semplici e immediate, ragioniamo sulle strategie che possono aiutarci a creare dei prompt efficaci.
1) Il prompting è un’arte
L’arte di formulare richieste efficaci è una competenza necessaria per il colloquio con l'IA. Non dobbiamo, comunque, dimenticare l’altra faccia dell’interazione: la validazione della risposta, che è persino più importante come vedremo tra poco.
Riuscire a far comprendere quello che vogliamo veramente al chatbot non è un’attività banale e molti, ancora, utilizzano formulazioni estremamente generiche simili a “Scrivi un articolo sulla leadership”.
Riuscire a illustrare il contesto di riferimento, il tono che dovrà essere utilizzato nella risposta, la lunghezza, lo stile del testo e mille altri parametri richiede, innanzitutto a noi, la comprensione esatta dei termini di quello che vogliamo proporre all’IA.
2) Non fare una domanda se non sei in grado di capire la risposta
ChatGPT risponde sempre e pur di accontentarti è disposto a tutto…
In quasi un anno di lavoro con ChatGPT mi è già capitato alcune volte di avere indicazioni erronee: le famigerate allucinazioni. Ma per essere sicuri della risposta che viene fornita dall’elaborazione di un prompt è necessario possedere lo stesso livello di conoscenza atteso, altrimenti il rischio è di non comprendere eventuali errori, omissioni, imprecisioni presenti nell’output.
Il validating, l’azione di verifica sull’output prodotto, è più importante della domanda che facciamo e dobbiamo fare molta attenzione a non appoggiarci, sempre e comunque, acriticamente, alle risposte che ci vengono fornite.
Fatevi guidare dall'adagio: "un bel tacer non fu mai scritto". Non usate gli strumenti generativi per colmare le vostre lacune e tentare di esprimere opinioni o produrre contenuti su cose che non conoscete.
3) Il prompt non deve essere bello, ma fare la sua parte
Nella scrittura affidiamoci alla certezza più che all’ eleganza, alla ridondanza più che alla sinteticità: ripetere un vincolo, per esempio: "Il testo è destinato a un pubblico di esperti", serve a rafforzare il suo valore nell’azione compilativa della risposta.
4) Non sono motori di ricerca…
Un motore di ricerca tradizionale si limita a trovare e presentare informazioni esistenti. Gli LLM svolgono il compito più complesso di riorganizzare e reinterpretare la conoscenza. Questi modelli non sono progettati per scovare dettagli specifici come farebbe Google, ma per sintetizzare e generare risposte basate su un'ampia gamma di dati. È come paragonare un bibliotecario che fornisce un libro specifico richiesto, a un saggio che offre una nuova interpretazione su un argomento vasto e complesso.
Gli LLM, quindi, sono meglio utilizzati come motori di conoscenza, strumenti che permettono di esplorare idee, creare nuovi contenuti e approfondire la comprensione, piuttosto che come semplici macchine di ricerca di fatti.
5) Nasce richiesta diventa dialogo
Dopo la prima richiesta, magari basata su un prompt strutturato e complesso, si inizia un vero e proprio dialogo per affinamenti successivi rendendo l'interazione molto più discorsiva, per esempio: "Ok, la risposta va bene, ma riscrivila usando il concetto di equità al posto di eguaglianza", orientando gentilmente la generazione verso la destinazione finale.
6) Non dimenticare che è statistico non logico…
Gli LLM navigano in un oceano di dati, non in un mare di logica. Sono costruiti su modelli statistici, non su catene di ragionamento deduttivo. Questo significa che il loro 'pensiero' è un mosaico di probabilità e correlazioni, non una sequenza di inferenze logiche. Le risposte che generano rispecchiano la vastità e la varietà dei dati su cui sono stati addestrati, ma possono mancare di quel rigor logico che ci aspettiamo dalla deduzione umana.
Ricordiamo, quindi, che quando dialoghiamo con un LLM, stiamo danzando con i numeri, non con Aristotele...
7) Occhio all'ambiente
Un prompt preciso e diretto richiede meno energia per la sua elaborazione, diminuendo l'impronta ecologica del nostro dialogo con l'IA. In questo senso, un buon prompt non solo illumina il percorso verso la risposta desiderata, ma lo fa in modo che sia rispettoso dell'ambiente che ci circonda: ogni interrogazione è un enorme dispendio di energie. Diamogli un senso…
Non possiamo racchiudere uno strumento di comunicazione come il prompting in sette claim ma possiamo utilizzare queste riflessioni come una base di partenza per cominciare a scrivere richieste efficaci.
Cosa che faremo in un prossimo articolo.
