IA generativa per testi e modelli linguistici

Il metodo LSTM (Long Short-Term Memory) è un software esistente dal 1995 che serve a riconoscere determinati modelli nei dati. In questo modo, il software è in grado di ricordare informazioni precedenti e riutilizzarle all'occorrenza.   

Affinché questa tecnica funzioni, l'LSTM utilizza una rete neurale speciale, la cosiddetta rete neurale ricorrente (RNN), che lavora con processi ripetitivi. Ciò significa che il software è in grado di elaborare le informazioni passo dopo passo.

Tuttavia, l'LSTM ha anche i suoi limiti. Poiché elabora le informazioni in sequenza, non è in grado di gestire grandi quantità di dati e tende a trascurare le informazioni più lontane.

Nel 2017 Google ha presentato il documento scientifico «Attention is All You Need»(apre una nuova finestra). In esso gli autori suggeriscono che nuovi meccanismi di attenzione possono aumentare significativamente la qualità e l'efficienza dei modelli esistenti per le reti neurali:

Il team di ricerca propone una «architettura di rete semplice, il Transformer, basato esclusivamente su meccanismi di attenzione […]»(apre una nuova finestra). Questo Transformer utilizza meccanismi innovativi per comprendere meglio il contesto ed elaborarlo in modo più efficiente. Sono stati effettuati esperimenti con compiti di traduzione automatica.

Il Transformer ha notevolmente accelerato lo sviluppo dell'IA generativa per il testo. Poiché è in grado di gestire meglio le dipendenze lunghe nei testi e può essere addestrato in modo più efficiente, è ideale per compiti come la generazione di testi, i chatbot e altre applicazioni che richiedono la produzione o la comprensione del linguaggio naturale. Non sorprende quindi che tutte le IA testuali conosciute oggi siano basate sull'architettura Transformer.

Cosa vuoi sapere esattamente? Se fai domande imprecise, l'IA fornirà risposte vaghe. Ma tu vuoi una risposta concreta e utile per il tuo caso specifico, giusto?

In quale stile di scrittura deve rispondere l'IA? È meglio assegnarle un ruolo, in modo che possa adottare il tono desiderato, ad esempio: «Rispondi come un'insegnante» o «Spiega in modo che un bambino di 10 anni possa capire».  

Consiglio per i compiti di scrittura: fai eseguire all'IA un'analisi stilistica di un testo esistente, in modo che possa imparare lo stile desiderato. Solo dopo le assegni il compito vero e proprio, che desideri che ti venga svolto nello stile appena appreso.

In che forma deve essere fornita la risposta? Ad esempio come testo continuo con sottotitoli o come tabella con le colonne «Luoghi», «Attrazioni», «Ristoranti»? O forse anche come grafico o codice? Fornisci le indicazioni all'IA.

Un'IA capisce e risponde meglio se le dai un compito chiaro per ogni prompt. Se vuoi saperne di più, continua a chiedere. Durante la conversazione, l'IA acquisisce gradualmente il contesto completo e puoi ottenere una risposta a tutte le tue domande poco a poco.

Per compiti più complessi, può essere utile chiedere all'IA di spiegarti le cose passo dopo passo o di illustrarti il suo ragionamento.

Se desideri ricevere informazioni con una struttura specifica, sottoargomenti a un determinato livello di approfondimento o in uno stile predefinito, fornisci all'IA un esempio nel tuo prompt in modo che possa capirti. In questo modo risparmierai lunghe spiegazioni e otterrai risultati migliori con maggiore facilità.

Chattare con un modello linguistico significa sempre ricevere risposte poco utili. A volte l'IA potrebbe anche fraintenderti. Può succedere. Riformula la tua domanda, magari suddividendo il compito in due passaggi. Interagisci con l'IA e segnalale eventuali fraintendimenti, indicandole cosa dovrebbe fare invece.

Un modello linguistico funziona in modo tale da trovare sempre le parole o le risposte più probabili. Ciò non significa però necessariamente che tali informazioni siano corrette. La maggior parte dei modelli linguistici avverte quindi giustamente (di solito vicino al campo di immissione): «Potrei commettere degli errori. Controlla le mie informazioni». Segui questa indicazione.

Un'IA non solo è in grado di integrare metafore nelle risposte, ma può anche variare il tono e il livello di complessità di una spiegazione. Sfrutta questa caratteristica per ottenere spiegazioni su un argomento da diverse prospettive.  

Esempio: rispondi alla domanda «Gli smartphone dovrebbero essere ammessi in classe?» dal punto di vista di un insegnante, di uno studente di 10 anni e di sua madre.

Un'IA non solo è in grado di integrare metafore nelle risposte, ma può anche variare il tono e il livello di complessità di una spiegazione. Sfrutta questa caratteristica per ottenere una spiegazione di un argomento da più punti di vista.

Un'IA può anche simulare una discussione assumendo entrambi i punti di vista e trovando argomenti e controargomentazioni a sostegno di una tesi, che poi introduce nella conversazione.

Esempio: simula una discussione tra due esperti di media sulla tesi: «Insegnare la competenza mediatica critica nelle scuole è più importante che trasmettere competenze tecniche». L'esperto A sostiene che il pensiero critico costituisce la base su cui si fondano le competenze tecniche. L'esperto B sostiene invece che senza una solida conoscenza tecnica non sono possibili il pensiero critico e la competenza mediatica. Strutturate la discussione come un dialogo con 3-4 interventi per persona. Tenete conto delle sfide attuali, come i contenuti generati dall'IA, la disinformazione e il filtraggio algoritmico. Entrambi gli esperti devono fornire argomenti ed esempi tratti dalla pratica educativa.

È vero che un'IA non ha sentimenti e talvolta nemmeno un'opinione propria. Tuttavia, può funzionare alla grande come partner per uno scambio di idee o un ciclo di feedback. Richiedi all'IA un processo iterativo e scambia con lei opinioni sui tuoi argomenti in modo digitale, proprio come faresti con un membro del team.

Esempio: prepara l'IA allo scambio informandola: «Tra poco ti presenterò un'idea. Tu mi darai un feedback su come posso svilupparla e ottimizzarla. Io migliorerò la mia idea. Ripeteremo questo processo tre volte».

Un'IA può assumere diversi ruoli e raccontarti storie o scene immaginarie in modo molto realistico. Questo tipo di prompting è perfetto per far rivivere personaggi storici o situazioni del passato.

Esempio: simula una conversazione tra Marie Curie e Albert Einstein nel 1925 sul futuro della fisica. Marie Curie deve difendere la sua ricerca sulla radioattività, mentre Einstein sostiene l'importanza della sua teoria della relatività. Tieni conto delle conoscenze dell'epoca e delle condizioni sociali degli scienziati, in particolare delle donne nel campo scientifico.

Puoi anche chiedere all'IA di valutare la propria risposta su una scala da 1 a 10. Dovrebbe inoltre spiegarti cosa avrebbe potuto fare meglio. Questo ti aiuterà a identificare e classificare i punti di forza e di debolezza della risposta.

Se, ad esempio, desideri pianificare un viaggio e vuoi che l'IA generativa ti suggerisca luoghi da visitare o itinerari, chiedi prima all'IA quali informazioni ha bisogno di sapere per pianificare al meglio. Rispondi a tutte le domande in modo strutturato e fornisci tutti i dettagli necessari (senza dati personali!). In questo modo potrai ottimizzare il viaggio suggerito affinché corrisponda il più possibile alle tue date, ai tuoi desideri e al tuo budget.

Gli schemi di prompt (i cosiddetti framework) come TIDD-EC aiutano a strutturare i prompt. TIDD-EC è composto dalle iniziali inglesi dei suoi componenti: 

• Task Type (tipo di compito): fornisci al modello linguistico un'idea chiara del tipo di compito che deve svolgere.
• Instructions (istruzioni): descrivete i passaggi specifici o le linee guida che il modello linguistico deve seguire.
• Do (eseguire): quali azioni aiutano l'IA a svolgere il compito?
• Don't (evitare): quali elementi deve evitare l'IA quando risponde al prompt?
• Examples (esempi): fornite esempi concreti del tipo di risultati o risposte desiderati.
• Content (Contenuti): fornisci dati specifici (attenzione: solo dati generali, non personali!) con cui l'IA può lavorare, utilizzare o fare riferimento nella risposta. 
  

Esempio: «Spiegami in parole semplici i benefici del tè verde per la salute. Fai riferimento a conoscenze scientifiche e risultati di ricerche recenti. La risposta dovrebbe essere facile da capire e non contenere termini tecnici complicati. Un esempio potrebbe essere: “Il tè verde può aiutare a rafforzare il sistema immunitario”.