As pessoas costumam dizer que é a máquina que pensa. Na verdade, não é tão simples assim. O ponto-chave não está na própria IA, mas em todo o ecossistema em que ela está inserida. Que tipo de prompts você fornece, qual o contexto, quais cenários de uso — esses ambientes criados pelo homem são os verdadeiros fatores que determinam a saída final do LLM. Em outras palavras, é o conjunto de estruturas que construímos e o espaço de interpretação ao redor que impulsionam o "pensamento" do modelo. A máquina está apenas atuando neste palco.
Ver original
Esta página pode conter conteúdos de terceiros, que são fornecidos apenas para fins informativos (sem representações/garantias) e não devem ser considerados como uma aprovação dos seus pontos de vista pela Gate, nem como aconselhamento financeiro ou profissional. Consulte a Declaração de exoneração de responsabilidade para obter mais informações.
11 gostos
Recompensa
11
3
Republicar
Partilhar
Comentar
0/400
StablecoinAnxiety
· 01-15 15:16
Falou bem, a estrutura decide tudo. Estamos apenas alimentando dados, montando o palco e depois ficamos surpresos com a "inteligência" da máquina, é engraçado
A engenharia de prompts é a verdadeira alquimia, entende ou não?
Ver originalResponder0
BoredStaker
· 01-15 15:05
Não poderia concordar mais, a engenharia de prompts é a verdadeira tecnologia de ponta, enquanto o próprio modelo é na verdade uma marioneta
Ver originalResponder0
nft_widow
· 01-15 14:51
Diz algo interessante, mas acho que assim a questão ainda é simplificada demais. Por mais sofisticada que seja a palavra-chave, dados ruins continuam a gerar saídas ruins. O que realmente determina tudo é aquele sistema de treinamento, afinal, o que estamos alimentando no modelo?
As pessoas costumam dizer que é a máquina que pensa. Na verdade, não é tão simples assim. O ponto-chave não está na própria IA, mas em todo o ecossistema em que ela está inserida. Que tipo de prompts você fornece, qual o contexto, quais cenários de uso — esses ambientes criados pelo homem são os verdadeiros fatores que determinam a saída final do LLM. Em outras palavras, é o conjunto de estruturas que construímos e o espaço de interpretação ao redor que impulsionam o "pensamento" do modelo. A máquina está apenas atuando neste palco.