La ingeniería rápida produce algoritmos de lenguaje natural.
En mi estante tengo muchos libros que abarcan temas desde redes hasta inteligencia artificial, seguridad y conceptos básicos. Aunque la mayoría de mis libros de texto universitarios ya no existen, quedan dos: El libro del dragón e Introducción a los algoritmos .
El primero lo guardo por sentimentalismo. He escrito exactamente dos compiladores en mi vida y espero no escribir otro nunca más. Conservo este último porque es atemporal. Los algoritmos, como ves, no están vinculados a ningún sistema operativo ni lenguaje. Son reglas lógicas (patrones) que se siguen para resolver problemas comunes.
Es por esto que a veces digo que hago "Dijkstra" con mis recados cuando salgo a conducir. El algoritmo de Dijkstra es un conjunto de reglas para encontrar el camino más corto, y es aplicable tanto a la ejecución de múltiples tareas como al enrutamiento de paquetes a través de una red.
Con esto en mente, consideremos el espacio en evolución de la ingeniería rápida. Una definición simple es «la práctica de diseñar insumos para herramientas de IA generativa que produzcan resultados óptimos». (McKinsey)
En el transcurso de los últimos meses hemos visto surgir numerosas “técnicas” de ingeniería rápida, cada una de las cuales fue ideada para resolver un tipo específico de problema: cómo producir resultados óptimos a partir de la IA generativa.
Forbes ha estado haciendo un excelente trabajo al poner de relieve estas técnicas:
Hay muchos más, pero todos comparten las mismas características. Cada uno describe un conjunto de reglas o patrones para interactuar con la IA generativa para producir los resultados deseados. Desde una perspectiva de ingeniería, esto no es muy diferente de los algoritmos que describen cómo ordenar un árbol binario, invertir una lista enlazada o encontrar la ruta más corta a través de un gráfico hasta un destino.
Son, en diseño y propósito, algoritmos de lenguaje natural.
Ahora bien, no voy a animar a los ingenieros a convertirse en ingenieros rápidos. Pero, como están descubriendo hoy muchos ingenieros, el uso de algoritmos de lenguaje natural para diseñar soluciones de IA generativa más efectivas funciona. Si lees este blog sobre cómo mitigar las alucinaciones de la IA , verás que, dentro del contexto de la solución, se utilizan múltiples algoritmos de lenguaje natural, incluida la cadena de pensamiento y la IA reflexiva, para guiar las respuestas de GPT de modo que se genere una respuesta óptima.
La razón por la que es importante reconocer esto es que, a medida que surgen técnicas de ingeniería rápida y, finalmente, reciben nombres reconocibles, se convierten en los pilares de soluciones que aprovechan la IA generativa. Las técnicas de ingeniería rápida de hoy son los algoritmos de lenguaje natural del mañana.
Y haríamos bien en no ignorarlos ni descartarlos como menos valiosos que los algoritmos tradicionales, ni ignorarlos como si sólo fueran aplicables a las interfaces de chat utilizadas por familiares y amigos.
Podemos confiar en una API para integrar IA generativa en soluciones, pero los datos que intercambiamos son lenguaje natural, y eso significa que podemos aprovechar esas técnicas de ingeniería rápida (esos algoritmos de lenguaje natural) dentro de las soluciones que estamos construyendo para producir respuestas mejores, más claras y más correctas a partir de la IA generativa.
Esto también significa que los líderes tecnológicos no solo deberían permitir, sino alentar a los ingenieros a dedicar tiempo a interactuar con la IA generativa para descubrir patrones y algoritmos que conducirán a soluciones más óptimas.
Nunca se sabe, tal vez en el futuro uno de tus ingenieros termine teniendo un algoritmo que lleve su nombre.