Uneori, AI-ul primește informațiile necesare și respectă cererea, dar rezultatul tot nu ne ajută. Se poate întâmpla să cerem un rezumat când avem nevoie de o explicație sau o comparație când vrem să alegem între două variante. Înainte să schimbăm formularea promptului, merită să verificăm dacă am cerut operația potrivită.
Ai un text și vrei să înțelegi mai bine ce spune. Îl oferi modelului, ceri un rezumat și primești o versiune mai scurtă. Informațiile principale sunt acolo, dar nelămurirea ta rămâne. Textul vorbește despre o problemă, iar tu voiai să înțelegi de ce a apărut și ce a contribuit la ea.
Modelul poate să fi rezumat corect. Totuși, rezumatul nu răspunde întrebării pe care o aveai în minte.
Asemenea situații apar deoarece folosim uneori cereri apropiate ca și cum ar însemna același lucru. „Rezumă”, „explică”, „analizează” și „evaluează” pot porni de la același material, dar urmăresc rezultate diferite.
În titlu apare cuvântul task, folosit frecvent în discuțiile despre AI. Aici înseamnă sarcină: operația pe care îi cerem modelului să o realizeze. Alegerea ei influențează ce informații păstrează, ce legături urmărește și ce livrează.
Același text, trei rezultate diferite
Putem observa diferența pe un material scurt:
„Întâlnirea era programată sâmbătă, la ora 10. Două persoane au anunțat că pot ajunge abia la 11. Organizatorul a mutat întâlnirea la 11, dar a trimis mesajul doar unei părți dintre participanți. Ceilalți au venit la ora inițială.”
Dacă cerem „Rezumă ce s-a întâmplat”, un răspuns potrivit ar putea fi:
„Ora întâlnirii a fost schimbată, dar nu toți participanții au fost anunțați, așa că unii au venit la ora inițială.”
Rezumatul comprimă materialul și păstrează întâmplarea principală.
Dacă cerem „Extrage ora inițială și ora nouă”, rezultatul este mult mai restrâns:
„Ora inițială: 10. Ora nouă: 11.”
Extragerea caută anumite informații în text. Nu este nevoie să povestească situația.
Dacă cerem „Analizează de ce participanții au ajuns la ore diferite”, răspunsul trebuie să urmărească relația dintre evenimente:
„Schimbarea orei a fost comunicată numai unei părți dintre participanți. Cei care nu au primit mesajul au urmat programul inițial. Textul nu precizează de ce au fost omiși din comunicare.”
Acestea sunt exemple ilustrative de rezultate. Materialul de pornire este același, însă fiecare cerere selectează și folosește informația altfel.
Alegerea sarcinii stabilește ce trebuie să facă modelul cu materialul, nu doar cât de lung să fie răspunsul.
Când ai nevoie de un rezumat și când de o analiză
Rezumarea este utilă când materialul este prea lung și vrei să vezi ideile importante. Te ajută să afli ce spune textul fără să parcurgi toate detaliile.
Analiza devine utilă când vrei să înțelegi relații: ce a contribuit la o problemă, ce argumente susțin o concluzie sau unde se contrazic informațiile.
În exemplul întâlnirii, rezumatul arată pe scurt ce s-a întâmplat. Analiza explică legătura dintre comunicarea incompletă și sosirea participanților la ore diferite.
Totuși, analiza trebuie să respecte limitele materialului. Din pasaj nu putem afla dacă organizatorul a uitat unele persoane, a folosit o listă incompletă sau a întâmpinat o problemă tehnică. Acestea sunt posibilități, nu explicații confirmate.
Poți cere: „Separă ceea ce rezultă din text de explicațiile posibile care ar necesita informații suplimentare.”
O analiză bună arată ce putem susține și ce încă nu știm. Mai multe explicații nu înseamnă automat o înțelegere mai corectă.
Comparația te ajută să vezi diferențele; evaluarea te ajută să le judeci
O altă confuzie apare atunci când ai două variante și vrei să alegi.
Dacă îi ceri modelului să le compare, poate descrie asemănările și diferențele. Pentru ca rezultatul să fie util, variantele trebuie privite după aceleași criterii.
În cazul a două explicații, poți cere: „Compară-le după claritate, informațiile incluse și termenii care ar putea fi greu de înțeles.”
Vei putea observa, de exemplu, că una este mai scurtă, iar cealaltă oferă mai multe exemple. Dar aceste diferențe nu stabilesc singure care este mai potrivită.
Pentru evaluare, ai nevoie și de un scop: „Evaluează care explicație este mai potrivită pentru un începător și justifică alegerea prin exemple din texte.”
Acum modelul trebuie să aprecieze variantele în raport cu publicul. O explicație mai detaliată poate fi utilă, dar poate conține prea multe noțiuni noi. Una scurtă poate fi accesibilă, dar poate omite o legătură necesară.
Evaluarea are nevoie de criterii și de un scop. Fără ele, „mai bun” poate însemna altceva pentru model decât pentru tine.
A crea, a rescrie și a organiza sunt cereri diferite
Diferențele contează și când vrei să obții un text sau câteva idei.
„Propune trei variante de mesaj” cere generare: modelul creează posibilități dintre care poți alege.
„Rescrie acest mesaj într-un ton mai apropiat” pornește de la un material existent. Dacă sensul trebuie păstrat, merită să precizezi acest lucru.
„Transformă aceste notițe într-o listă de lucruri de făcut” cere organizarea informației într-o altă formă. Rezultatul trebuie să păstreze ceea ce apare în notițe, fără să inventeze responsabilități sau termene.
La fel, o listă de idei este diferită de un plan. Ideile arată ce ai putea face. Planul stabilește pașii și ordinea lor, ținând cont de timp și de condițiile disponibile.
Dacă ai primit sugestii interesante, dar încă nu știi cum să începi, poate că următoarea cerere trebuie să fie despre planificare.
O hartă scurtă a cererilor obișnuite
Nu trebuie să memorezi denumirile. Le poți folosi ca repere atunci când rezultatul nu seamănă cu ceea ce așteptai.
Unele operații se pot combina. O comparație poate fi urmată de o evaluare, iar o analiză poate conduce la propuneri. Important este să fie clar ce rezultat aștepți în fiecare moment.
Cercetarea are și o condiție practică: modelul trebuie să poată consulta sursele necesare sau să le primească de la tine. O explicație generată din cunoștințele disponibile nu dovedește că a fost făcută o căutare sau că informația este actuală.
Când cererea conține prea multe lucruri
Poți cere într-un singur mesaj să fie rezumat un text, analizate argumentele și propuse îmbunătățiri. Pentru un material scurt, acest lucru poate funcționa bine.
Separarea devine utilă când vrei să verifici un rezultat înainte să continui. Dacă analiza pornește de la informații extrase greșit, recomandările pot prelua aceeași eroare.
În asemenea situații, poți cere mai întâi extragerea informațiilor relevante, apoi poți verifica lista. După corectare, continui cu analiza.
Nu fiecare operație are nevoie de un mesaj separat. Împarți cererea atunci când oprirea dintre pași îți permite să verifici ceva important sau să iei o decizie.
Vom dezvolta această organizare în articolul despre sarcinile complexe. Pentru moment, merită să observi dacă îi ceri modelului să treacă direct la o concluzie înainte ca informațiile necesare să fie clarificate.
Începe cu ce vrei să primești
Când nu știi ce sarcină să alegi, încearcă să descrii rezultatul în cuvinte simple.
Vrei o versiune mai scurtă a textului? Ai nevoie de un rezumat. Vrei să afli ce anume a dus la o concluzie? Ai nevoie de o analiză. Vrei să alegi între variante? Comparația trebuie legată de criteriile care contează pentru tine.
Poți porni de la formularea: „Am acest material și vreau să obțin…” Dacă poți completa concret a doua parte, alegerea cererii devine mai ușoară.
Înainte să adaugi detalii unui prompt, verifică dacă sarcina cerută produce tipul de rezultat de care ai nevoie.
După ce operația este clară, pot rămâne neînțelegeri despre ton, format sau nivelul de detaliu. Uneori, un exemplu arată mai bine decât o explicație suplimentară ce aștepți.
În articolul următor, „Zero-shot, one-shot și few-shot: cum ghidezi AI-ul cu exemple fără să-i blochezi răspunsul”, vom vedea când merită să îi arătăm modelului un rezultat-model și cum alegem exemplele.
Dacă apreciezi conținutul Omul Digital, susține dezvoltarea proiectului.
