Engenharia de prompt é uma profissão?

Este artigo procura dar uma visão geral da área de Engenharia de prompt, sua importância e aplicação no melhoramento das respostas obtidas por ferramentas de Inteligência Artificial Generativa, bem como analisa a sua transformação em profissão.

Sumário

1. Introdução

2. Os prompts no contexto da IA

3. A profissão de Engenheiro de prompt

4. Considerações finais

5. Referências

1 – Introdução

A Inteligência Artificial (IA) já era estudada nos anos 50, mas desde o lançamento do ChatGPT, em novembro de 2022, o termo voltou com força e diversas ferramentas de IA têm sido lançadas regularmente, por várias empresas. As IAs generativas são as mais impressionantes, pois elas geram conteúdo a partir de comandos textuais de entrada, digitados por usuários humanos.

A comunicação com um modelo de IA generativa, principalmente os LLMs (”Large Language Models”) é feita por meio destes comandos de texto, chamados “prompts”. O objetivo de um prompt é dar instruções claras à ferramenta para que ela gere conteúdo de resposta mais próximo do que se deseja.

A Engenharia de prompt é o processo de criação e refinamento de textos usados para se comunicar com um modelo de IA generativa de forma assertiva de modo a receber respostas mais relevantes, corretas e criativas possíveis, garantindo a clara intenção do usuário ao modelo.

2 – Os prompts no contexto da IA

Segundo USPENSKYI [1], quanto melhor a qualidade do prompt, melhor será a qualidade da resposta obtida do modelo de IA, portanto, é sempre bom gastar um tempo no refinamento, ajuste e revisão do prompt a ser usado.

Os componentes essenciais para a construção de um bom prompt são:

· Agenda – comece com uma introdução concisa e forneça um background, para criar um contexto e dar um diálogo focado e coerente;

· Instrução – liste claramente as tarefas que você quer que o modelo execute;

· Gatilho - forneça exemplos específicos para orientar o modelo nas respostas que você deseja;

· Formato – descreva o formato tipo de saída desejado, se é lista com bullets, código, tabela etc.

PRINCÍPIOS DA ENGENHARIA DE PROMPT EFICAZ

Para garantir a eficácia e a eficiência das interações entre usuários e modelos de IA, um prompt eficaz envolve algumas diretrizes e melhores práticas:

· Clareza – um prompt claro e específico evita ambiguidades ou confusões;

· Relevância – ele deve ser relevante para o contexto e o propósito da interação;

· Progressão – usar progressão lógica da conversa, partindo de perguntas gerais para detalhes mais específicos, abordando tópicos relevantes de forma sistemática.

· Concisão – deve-se evitar prompts verbosos, preferindo ser conciso e direto;

· Abertura – respostas abertas permitem flexibilidade e criatividade na conversa;

· Adaptabilidade – um prompt deve ser adaptável a diferentes contextos e preferências dos usuários;

· Feedback - o prompt deve incorporar feedback contínuo para avaliar a eficácia da interação e ajustar conforme necessário.

ENGENHARIA DE PROMPT: EXEMPLOS DE USO

Os modelos de IA estão promovendo avanços desde visão computacional até modelos preditivos, gerando expectativa de crescimento do mercado bilionário nos próximos anos. Estas são algumas áreas onde a engenharia de prompt tem sido usada fortemente:

· Tarefas de PLN - técnicas de processamento de linguagem natural (PLN) para compreender e analisar textos de forma eficaz;

Chatbots e Assistentes de IA – são atualizados com informações relevantes, integrando dados de bancos de dados vetoriais;

· Geração de Conteúdo - geração precisa de conteúdo, que pode ser adaptado a formatos e estilos específicos;

· Sistemas de Perguntas e Respostas - Desenvolvedores de IA capacitam modelos de linguagem a responder eficientemente às consultas dos usuários;

· Sistemas de Recomendação – Os modelos de linguagem são fundamentais na criação destes sistemas, que são personalizados para os consumidores;

· Análise de Dados e Insights - Modelos de IA generativa oferecem insights valiosos para empresas que buscam análises de dados avançadas.

E estas são as melhores práticas para uso de prompts:

· Definir claramente o escopo - defina o escopo das respostas desejadas, especificando os objetivos dentro das capacidades da IA;

· Seja Específico e Explícito - por exemplo, para integrar o ChatGPT em um site, é preciso dar instruções específicas aos desenvolvedores;

· Equilibrar simplicidade e complexidade - encontrar o equilíbrio certo entre prompts excessivamente simplistas e aqueles excessivamente complexos;

· Iterar e experimentar - teste diferentes variações de prompts para avaliar as respostas da IA e itere com base nos resultados. Os prompts devem ser otimizados continuamente com base na precisão, relevância e eficiência, ajustando o tamanho e o conteúdo conforme necessário para melhorar a qualidade da saída;

· Treinar e avaliar. Se o desempenho da IA não estiver satisfatório, considere treinamento adicional para ajustar os modelos e adaptá-los a requisitos específicos. Utilize modelos treinados em conjunto com uma biblioteca de prompts para agilizar e melhorar as interações com a IA de forma eficaz.

TIPOS MAIS COMUNS DE PROMPTS

Os tipos de prompts, também conhecidos como prompts de engenharia GPT, os mais comuns são mostrados a seguir:

· Zero-Shot Learning - Este tipo envolve dar à IA uma tarefa sem nenhum exemplo prévio. Descrevemos o que queremos em detalhes, assumindo que a IA não tem conhecimento prévio da tarefa;

· One-Shot Learning – é fornecido um exemplo junto com o prompt, ajudando a IA a entender o contexto ou formato que se espera como resposta;

· Few-Shot Learning – são dados alguns exemplos para ajudar o modelo a entender o padrão ou estilo da resposta que se procura;

· Chain-of-Thought Prompting – pede-se um detalhamento, passo a passo, do processo de pensamento da IA, muito útil para tarefas de raciocínio complexo;

· Prompting with Iterations - o nosso prompt é refinado com base nas respostas obtidas, guiando lentamente a IA para a resposta desejada ou estilo de resposta. Esta abordagem estruturada parte de consultas amplas para insights específicos. Por exemplo:

· prompt inicial: “Estou pesquisando prevenção de fraudes em viagens. Você pode delinear as áreas-chave para focar?”

· prompt seguinte 1: “Você poderia detalhar os métodos de verificação de identidade para viagens?”

· prompt seguinte 2: “Como o monitoramento de transações pode ser implementado de forma eficaz?”

OS PADRÕES DE PROMPTS (“PROMPT PATTEERNS”)

Segundo PEREIRA [2], os modelos de prompt (Prompt Patterns) são instruções que orientam as respostas da IA para tarefas específicas e são definidos por declarações contextuais básicas que melhoram a precisão e a relevância de um resultado de um LLM.

Conhecer maneiras de se otimizar as perguntas é importante para se manter atualizado e não ser substituído por algorítimos.

Estes são os principais modelos de prompts que podem melhorar as consultas ao Chatgpt, Bard, Copilot, Perplexity.ai e Claude:

· Persona Pattern – Ter uma persona

Permite obter respostas mais alinhadas com uma personalidade ou estilo de comunicação específico definindo uma persona e moldando a interação com base nessa persona. Por exemplo:

1. Aja como a Persona X.

2. Execute a tarefa Y.

· Audience Persona Pattern - focar em quem pergunta

Criação de prompts personalizados para se alinhar com as características e expectativas de um público-alvo específico, gerando respostas geradas mais relevantes e atraentes para esse público. Por exemplo:

1. Explique X para mim.

2. Suponha que eu seja a Persona Y.

· Flipped Interaction Pattern – Padrão de conversa invertida

Exemplo de como criar um contexto:

1. Gostaria que você me fizesse perguntas para alcançar X.

2. Você deve fazer perguntas até que a condição Y seja atendida ou para atingir esse objetivo (alternativamente, para sempre).

3. (Opcional) Faça N perguntas por vez.

· Question Refinement Pattern - pergunta Refinada

Processo iterativo que visa transformar perguntas iniciais em formulações mais precisas e focadas, fornecendo o contexto e as informações necessárias para navegar por uma imensidão de dados, resultando em respostas sob medida. Exemplo:

1. Sempre que eu fizer uma pergunta, sugira uma versão melhor da pergunta para usar.

2. (Opcional) Avise-me se eu gostaria de usar a versão melhor.

· Fact Check List Pattern - verificação de Fatos

visa melhorar a precisão e confiabilidade das respostas geradas, incluindo elementos-chave na lista de verificação de fatos.

1. Gere um conjunto de fatos contidos na saída.

2. O conjunto de fatos deve ser inserido em uma posição definida na saída.

3. O conjunto de fatos deve ser composto pelos fatos fundamentais que podem minar a veracidade do resultado se algum deles estiver incorreto.

· Semantic Filter Pattern - Padrão de filtro semântico

Ajuda a refinar as respostas para que sejam mais precisas e relevantes, filtrando semanticamente as informações fornecidas ao modelo, direcionando o modelo a focar em aspectos específicos da entrada, melhorando a qualidade e relevância das respostas geradas

1. Filtre essas informações para remover certificados X.

· Meta Language Creation Pattern - criação de Meta Linguagem

Orienta o modelo a gerar respostas com base em uma estrutura lógica e coerente, levando em consideração a criação de linguagem e a reflexão sobre o processo de geração de respostas.

1. Quando digo X, quero dizer Y (ou gostaria que você fizesse Y).

ENGENHARIA DE PROMPT PARA O DESENVOLVIMENTO DE SOFTWARE

De acordo com YORK [3], as ferramentas de IA para desenvolvedores podem tornar seu trabalho muito mais simples. Veja as áreas:

· Assistência na Revisão de Código – Por exemplo, pode ser pedido para a IA gerar uma lista de verificação para revisão de código para uma aplicação de automação de processos robóticos (RPA) construída usando Python, focando especialmente na legibilidade e na segurança empresarial;

· Documentação Técnica – Por exemplo, pode ser pedido para a IA escrever um guia abrangente sobre a implementação do OAuth 2.0 em uma aplicação web usando Node.js, incluindo instruções passo a passo e trechos de código para cada etapa;

· Correção de Bugs – Um possível prompt pode ser: “Descreva uma abordagem sistemática para identificar e corrigir vazamentos de memória em uma aplicação Java, incluindo ferramentas a serem usadas e áreas comuns a serem verificadas.”

ÚLTIMOS DESENVOLVIMENTOS NA ENGENHARIA DE PROMPT

Segundo CRABTREE [4], a área da engenharia de prompt evolui rapidamente, refletindo a natureza dinâmica da IA e suas aplicações. Avanços recentes influenciaram significativamente a forma como interagimos com modelos de IA, particularmente os LLMs. Os principais são listados abaixo:

· Compreensão Contextual Aprimorada - Avanços recentes, especialmente em modelos como o GPT-4 e além, mostraram melhorias notáveis na compreensão de contexto e nuances;

· Técnicas de Prompt Adaptativas – Tendência emergente onde os modelos de IA estão sendo desenvolvidos para ajustar suas respostas com base no estilo e nas preferências de entrada do usuário, objetivando tornar as interações com a IA mais naturais e amigáveis. Elas podem melhorar a experiência do usuário em aplicações de IA, como assistentes virtuais e chatbots;

· Engenharia de Prompt Multimodal - A integração de capacidades multimodais em modelos de IA abriu novas fronteiras na engenharia de prompt. Eles podem processar e responder a prompts que incluem uma mistura de texto, imagens e, às vezes, até entradas de áudio;

· Otimização de Prompt em Tempo Real – Agora os modelos de IA podem fornecer feedback instantâneo sobre a eficácia dos prompts, avaliando a clareza do prompt, o potencial de viés e a alinhamento com o resultado desejado, oferecendo sugestões para melhorias;

· Integração com Modelos Específicos de Domínio - Estes modelos especializados são treinados com dados específicos da indústria, permitindo respostas mais precisas e relevantes aos prompts em áreas como medicina, direito e finanças, melhorando a precisão e a utilidade da IA em áreas especializadas.

3 - Engenharia de prompt é mesmo uma profissão?

HERMANSEN [5] levanta uma perspectiva crítica sobre a profissão de engenheiro de prompt, destacando os desafios e as limitações dessa função no contexto de um campo tecnológico em rápida evolução.

Ele argumenta que, embora a engenharia de prompt seja uma habilidade útil no contexto atual de modelos de linguagem, ela pode não se sustentar como uma carreira independente a longo prazo.

Esta visão se apoia nos seguintes pontos:

· Automatização da Criação de Prompts - a criação de prompts eficazes pode ser automatizada. Isso já aconteceu em outras áreas da tecnologia, como no desenvolvimento de software, muitas tarefas que antes exigiam habilidades especializadas agora são realizadas por ferramentas automatizadas;

· Evolução das Ferramentas de IA - essas ferramentas estão se tornando cada vez mais intuitivas e capazes de entender comandos naturais, de forma que a complexidade da criação de prompts pode diminuir à medida que os modelos de IA se tornam mais sofisticados;

· Habilidades Transferíveis - as habilidades envolvidas na criação de bons prompts não são exclusivas dessa função e podem ser aprendidas por profissionais de outras áreas, como desenvolvedores de software e cientistas de dados;

· Comparação com Outras Profissões – comparando a engenharia de prompt com outras profissões que surgiram com o avanço da tecnologia, mas que eventualmente se tornaram obsoletas ou foram integradas a outras funções, por exemplo, os operadores de telefonia, que eram essenciais, mas foram substituídos por sistemas automatizados;

Apesar de seu ceticismo sobre a viabilidade a longo prazo da profissão, o autor reconhece a importância atual da engenharia de prompt, admitindo que a criação de prompts eficazes é crucial para obter respostas precisas e úteis de modelos de linguagem. No entanto, ele acredita que essa importância diminuirá à medida que as ferramentas de IA evoluírem e se tornarem mais autossuficientes.

Ele conclui dizendo que, embora a função possa ser relevante no curto prazo, ela provavelmente não se consolidará como uma carreira independente a longo prazo. Em vez disso, ele acredita que as habilidades de engenharia de prompt serão integradas a outras funções e que a criação de prompts eficazes se tornará uma tarefa rotineira e automatizada.

4 – Considerações finais

Este artigo procurou dar uma visão geral da área de Engenharia de prompt, sua importância e aplicação no melhoramento das respostas obtidas por ferramentas de Inteligência Artificial Generativa.

Foi dado o conceito da área, e foram mostrados os principais tipos de prompts que levam a respostas mais adequadas ao desejo do usuário.

Também foi mostrada a importância da engenharia de prompt para a área de desenvolvimento.

No final, é questionada a área como uma profissão, que hoje paga muito bem, mas ela poderá ser automatizada no futuro. Além disso, ela não deve ser uma profissão geral, pois o bom entendimento do contexto das respostas de modelos de IA exige que o engenheiro tenha conhecimento de cada área.

Por exemplo, a área de marketing de uma empresa vai exigir conhecimentos muito diferentes da área financeira.

Logo, o engenheiro de prompt de cada uma destas áreas precisa conhecer as regras de negócio de cada uma, não podendo ser uma profissão de conhecimento geral, mas especializado.

Concluindo, eu sou engenheiro eletricista e estudei quase 20 disciplinas teóricas de Cálculo, Física, Estatística e Álgebra e não considero o termo engenheiro de prompt adequado para alguém que só precisa escrever bons textos assertivos para gerar respostas adequadas.

Daqui a pouco, um digitador será chamado de Engenheiro de Manipulação de dispositivo de Entrada e um adolescente que lhe dá a senha do wifi será chamado de Engenheiro de Rede Doméstica!

5 – Referências

[1] Serhii USPENSKYI, Prompt Engineering: Examples and Best Practices. Disponível em: <https://springsapps.com/knowledge/prompt-engineering-examples-and-best-practices>. Acesso em: 15/08/2024.

[2] Fábio PEREIRA, Modelos de Prompt para I.A que você deveria saber. Disponível em: <https://medium.com/@fabio.alvaro/modelos-de-prompt-para-intelig%C3%AAncia-que-voce-deveria-saber-1072d733a214>. Acesso em 15/08/2024.

[3] Alex YORK, Prompt Engineering Examples, Techniques, and Practical Applications. Disponível em: <https://clickup.com/blog/prompt-engineering-examples/?utm_source=google-pmax&utm_medium=cpc&utm_campaign=gpm_cpc_ar_nnc_pro_trial_all-devices_tcpa_lp_x_all-departments_x_pmax&utm_content=&utm_creative=_____&gad_source=1&gclid=Cj0KCQjwiOy1BhDCARIsADGvQnAHde19-Jw8yWIqrcUR6LaczrszpAyIlGGQis35myeoXNvo9G70ieAaAnFZEALw_wcB>. Acesso em 15/08/2024.

[4] Matt CRABTREE, What is Prompt Engineering? A Detailed Guide For 2024. Disponível em: <https://www.datacamp.com/blog/what-is-prompt-engineering-the-future-of-ai-communication?utm_source=google&utm_medium=paid_search&utm_campaignid=21374847033&utm_adgroupid=165153430762&utm_device=c&utm_keyword=&utm_matchtype=&utm_network=g&utm_adpostion=&utm_creative=702515731613&utm_targetid=dsa-2222697810678&utm_loc_interest_ms=&utm_loc_physical_ms=1001622&utm_content=DSA~blog~Artificial-Intelligence&utm_campaign=240617_1-sea~dsa~tofu_2-b2c_3-ptbr-lang-en_4-prc_5-na_6-na_7-le_8-pdsh-go_9-nb-e_10-na_11-na&gad_source=1&gclid=Cj0KCQjwiOy1BhDCARIsADGvQnB3EzG81IPvznW4aI0jre_XZXCBbeYj5cRCIAUxqvzykTqaGusavpoaAmJiEALw_wcB>. Acesso em: 15/08/2024.

[5] Erik HERMANSEN, Sorry, I Don’t Think Prompt Engineer Is a Real Job. Disponível em: https://medium.com/@ErikH2000/sorry-i-dont-think-prompt-engineer-is-a-real-job-bcf5577a2d16. Acesso em: 15/08/2024.