El papel fundamental de los prompt engineers en la interacción con la IA
La inteligencia artificial ha transformado por completo la forma en que aprovechamos sus capacidades, pero esto no ha estado exento de retos. Sin duda, uno de los mayores desafíos que aún enfrenta la IA es la falta de precisión del lenguaje, la calidad de los datos y los riesgos de enfrentarse a una información no totalmente veraz.
Los modelos de lenguaje, como ChatGPT o Bard, han sido clave en el avance de la inteligencia artificial. Estas herramientas son tan hábiles en la simulación del lenguaje natural que se utilizan con frecuencia para programar chatbots o generar contenidos escritos con una calidad casi equiparable a las habilidades humanas.
Sin embargo, es importante destacar que estas tecnologías no aprenden ni trabajan de manera autónoma. En el trasfondo de su funcionamiento y de los textos e imágenes que generan, subyace un arduo trabajo de desarrollo y prueba de los sistemas, respaldado por individuos que formulan solicitudes para que estos respondan y generen resultados. Esta es la labor de los prompt engineers.
Agustín Cuenca, CEO & Founder de NeuroK.es, explica que «el objetivo de los prompt engineers es aprender a hablar con la inteligencia artificial. Esto se hace a través de los prompts, que son instrucciones que se le da al sistema de IA, como un modelo de lenguaje, para generar una respuesta.»
Durante una jornada sobre Inteligencia Artificial y Prompt Engineers, organizada por IMMUNE Technology Institute, tanto Cuenca como Javier Recuenco, experto en Inteligencia Artificial en IMMUNE Technology Institute y CSO & Founder de Singular Solving, hablaron sobre qué modelos utilizar para hablar con la IA y las limitaciones que esta sigue teniendo.
«ChatGPT sigue teniendo limitaciones, como pueden ser la escasez de datos, el tamaño del prompt con el que se le pregunta o la calidad de la información con la que ha sido enseñado. Asimismo, también influyen variables como el sesgo de género, que se ha denunciado en varias ocasiones. Si los datos de entrenamiento tienen sesgos de género, es posible que las respuestas generadas por ChatGPT también muestren esos sesgos», explicaba Javier Recuenco.
«La comunicación entre el individuo y estos sistemas es vía lenguaje natural y el lenguaje natural es ambiguo», añadía Recuenco. Se ha comprobado que, cuando se le aplica algún tipo de connotación emocional a la pregunta o demanda, la herramienta devuelve resultados más elaborados.
IMMUNE Technology Institute ha establecido una serie de pautas clave para hablar con herramientas de IA como ChatGPT o Bard, y sacarle el máximo partido posible:
Preguntar de manera clara y específica: cuanto más clara y específica sea la pregunta, más fácil será para el sistema proporcionar una respuesta útil y precisa. Evitar preguntas ambiguas y tratar de ser lo más detallado posible.
Proporcionar contexto: si la pregunta o solicitud depende del contexto, es clave proporcionar información relevante sobre este. Esto ayuda a las herramientas a entender mejor la situación y a ofrecer una respuesta más adecuada.
Dividir preguntas complejas: si se trata de una pregunta compleja, se recomienda dividirla en partes más pequeñas. Esto facilita el procesamiento y la respuesta a cada componente de la pregunta, evitando confusiones.
Especificar el formato de respuesta que se desea: cuando existen preferencias sobre el formato de la respuesta (por ejemplo, un resumen, una lista de consejos o una explicación en modo coloquial), se le debe indicar para que pueda adaptarse a las necesidades de quien solicita la información.
Revisar y ajustar: después de recibir una respuesta, es necesario tomarse un tiempo para revisarla y, si es necesario, proporcionar aclaraciones adicionales o ajustar la pregunta para obtener una respuesta más precisa. Eso ayudará a aprender al sistema y le permitirá ser más preciso las próximas veces.
Aun así, existen todavía varios retos que los prompt engineers tienen por delante para mejorar el funcionamiento de los sistemas de IA como ChatGPT. «Una de las grandes demandas que actualmente se les hace a estos sistemas de inteligencia artificial es que permitan prompts más grandes, que aporten una mayor precisión al lenguaje. También una mayor automatización, un aumento de la calidad de los datos y, sobre todo, un aumento de la confianza. Reducir al mínimo los riesgos de que estos programas se puedan inventar la información es esencial para avanzar y que el usuario pueda fiarse», concluye Javier Recuenco.
