In che modo la catena di pensieri migliora gli output ChatGPT

Google sta reprimendo l'abuso di contenuti su larga scala . Ma ciò non significa che devi smettere di ridimensionare il tuo motore di contenuti. Ciò non significa nemmeno che devi smettere di usare l'intelligenza artificiale per supportare la scalabilità. Significa solo che non puoi fare affidamento su contenuti scarsi e contenenti spam per competere.

Quindi, come abbracciare l'intelligenza artificiale per aumentare il volume dei contenuti senza essere penalizzati?

È semplice: abbraccia l'intelligenza artificiale come strumento di potenziamento, non come sostituto dei creatori umani.

Un modo per aumentare i tuoi sforzi nella creazione di contenuti è utilizzare nuove tattiche di intelligenza artificiale come la stimolazione della catena di pensiero per creare contenuti di qualità superiore più velocemente.

Facciamo un tuffo nel mondo di CoT e come può aiutarti a migliorare il tuo motore di contenuti.

Che cosa stimola la catena di pensiero?

La catena di suggerimenti del pensiero (CoT) è una tecnica utilizzata per migliorare le capacità di ragionamento dei modelli linguistici di grandi dimensioni (LLM). L’idea centrale è quella di incoraggiare il modello a scomporre un problema complesso in passaggi più piccoli e più gestibili, fornendo una catena esplicita di ragionamento che porti alla risposta finale.

È simile al modo in cui hai imparato a risolvere problemi di matematica o di ragionamento a scuola. Ecco una versione rapida (altamente semplificata) di come funziona:

• Trasformazione del problema: invece di presentare semplicemente un compito o una domanda al LLM, una catena di pensieri ristruttura l'input per includere la frase "Pensiamo passo dopo passo".Questo segnale segnala al modello di generare passaggi di ragionamento intermedi.
• Ragionamento intermedio: il modello è incoraggiato a esporre esplicitamente il proprio processo di pensiero, passo dopo passo, che porta alla soluzione.Ciò potrebbe comportare calcoli, deduzioni logiche o il richiamo di informazioni rilevanti.
• Risposta finale: il modello arriva alla risposta finale, idealmente supportato dalla catena di ragionamento trasparente che ha prodotto.

Questo tipo di prompt può essere fornito in un unico prompt, come mostrato nell'esempio seguente, oppure è possibile suddividere i passaggi in una serie di prompt sequenziali che si sviluppano l'uno dall'altro (ne parleremo più avanti).

L'approccio è stato coniato per la prima volta da Jason Wei e da un team di esperti del Google Research Brain Team in un articolo del 2022 . L'esempio seguente è tratto dal documento che ha introdotto CoT:

• Il prompt standard contiene un problema e una soluzione di esempio, nonché la domanda a cui l'IA deve rispondere.
• Il prompt CoT include lo stesso insieme di soluzioni al problema,una serie di passaggi che descrivono come è stata raggiunta tale soluzionee quindi una nuova domanda a cui l'IA deve rispondere.

Come puoi vedere, il modello non riesce a rispondere correttamente al primo problema ma riesce quando viene richiesto di percorrere una “catena di pensiero” per arrivarci.

Questo documento ha identificato alcuni vantaggi chiave che questa tattica di ingegneria tempestiva apporta a una serie di diversi problemi di ragionamento:

• Il processo passo dopo passo costringe l’intelligenza artificiale a pensare in modo più approfondito ed evitare di fare salti logici, il che aiuta a migliorare i risultati.
• CoT fornisce una finestra sul processo decisionale dell'intelligenza artificiale, offrendo agli utenti e ai progettisti di modelli maggiori informazioni su come funzionano questi modelli.
• Richiedendo una spiegazione sul motivo per cui l’intelligenza artificiale sceglie un output specifico, CoT può potenzialmente mitigare alcuni dei pregiudizi a cui sono inclini gli LLM.
• Gli utenti dell'intelligenza artificiale possono migliorare i risultati semplicemente includendo affermazioni come "facciamo passo dopo passo" o "spiega il tuo ragionamento", simile alla tattica delle emozioni .

Ancora più importante, questa tattica ha il potenziale per migliorare il risultato di qualsiasi attività basata sulla lingua fornita a ChatGPT , Gemini, Jasper o altri IA basati su LLM. Infatti, Google addestra i suoi modelli con CoT dal 2022:

Pathways Language Model (PaLM) è un nuovo modello di intelligenza artificiale avanzato che utilizza una tecnica chiamata catena di pensiero che spinge a svolgere compiti complessi come risolvere problemi di parole matematiche e persino a spiegare il suo processo di ragionamento passo dopo passo. #GoogleIO pic.twitter.com/YHLsnqNemv

— Google (@Google) 13 maggio 2022

Ok, ora che sai qualcosa in più sulla catena del pensiero, vediamo come puoi usarla per migliorare l'efficienza della creazione dei tuoi contenuti.

In che modo la catena di pensieri aiuta nella creazione di contenuti

Utilizzare la catena di pensieri per migliorare i risultati delle attività di scrittura è più complesso della semplice matematica o del buon senso. Esistono regole specifiche per i problemi di matematica e di parole che ti portano a un'unica risposta corretta, ma esistono molti modi diversi di affrontare la strategia o la creazione di contenuti.

C'è un'arte nel SEO copywriting , nel content marketing e nella distribuzione. Detto questo, ci sono anche molti ragionamenti coinvolti in queste attività, soprattutto su scala aziendale .

Lo studio CoT originale di Google sottolinea che questo stile di suggerimento migliora significativamente le capacità di ragionamento degli LLM fornendo un approccio strutturato passo dopo passo che imita i processi umani di risoluzione dei problemi.

La logica della sua applicabilità ai compiti di scrittura risiede nella natura della scrittura come processo che richiede ragionamento in più fasi, pianificazione, organizzazione dei pensieri e sviluppo di idee in modo coerente e logico.

I compiti di scrittura, in particolare quelli che implicano la creazione di narrazioni, saggi argomentativi o relazioni tecniche, possono trarre vantaggio da un approccio CoT che delinea il processo di pensiero che porta allo sviluppo del pezzo finale.

Ecco come i principi alla base della catena di suggerimenti del pensiero – strutturare i processi di pensiero, scomporre problemi complessi e guidare la progressione logica – si allineano bene con i requisiti di una scrittura efficace.

1) Ricerca tematica

Lo spazio SaaS B2B è pieno di nicchie altamente tecniche: dall'infrastruttura cloud alla gestione delle funzionalità, fino all'intelligenza artificiale.

Che tu lavori come libero professionista, presso un'agenzia o anche per un grande marchio con molte integrazioni API, digerire rapidamente nuovi argomenti è probabilmente fondamentale per il lavoro.

La stimolazione della catena di pensieri può essere utile per questo compito. Quando si cerca di comprendere un nuovo argomento, scomporre il processo di apprendimento in una serie di domande e risposte, ciascuna basata sull'ultima, può aiutare a costruire gradualmente una comprensione completa di quell'argomento.

CoT può guidare il modello per esplorare in sequenza diversi aspetti dell'argomento, rendendo le informazioni complesse più facili da digerire e comprendere.

Supponiamo che lavori presso un'agenzia e che ti sia appena stato assegnato un prodotto di infrastruttura cloud come Terraform di Hashicorp . Per darti un esempio della complessità con cui hai a che fare, ecco una spiegazione del prodotto da Wikipedia:

Infrastruttura come codice (IaC). Linguaggio di configurazione dichiarativo. JSON. A prima vista, questi sono tre argomenti molto complessi.

Vediamo se riesco a fare in modo che ChatGPT acceleri il processo di apprendimento identificando i concetti più rilevanti relativi a queste tre parole chiave.

Aggiungendo "spiega la logica alla base dei concetti selezionati", sto (teoricamente) spingendo ChatGPT in un modo che lo indirizza a fornire una risposta più deliberata.

Come puoi vedere di seguito, ciascuno dei concetti chiave di IaC è accompagnato da una spiegazione della sua importanza.

Attraverso questo approccio, impari che non è importante solo conoscere strumenti come Terraform e Ansible; è anche importante sapere che il primo è indipendente dal provider e il secondo fornisce la gestione della configurazione senza agente.

Questo è il tipo di contesto che può aiutarti a scomporre e digerire un contesto complesso più rapidamente: molto utile per un principiante dell'infrastruttura cloud come me.

Ora diamo un'occhiata alla direzione che otterresti se dessi semplicemente un normale suggerimento senza chiedere all'IA di spiegare il suo "processo di pensiero":

Le informazioni contenute sotto ogni punto numerato qui sono importanti, sicuramente, ma non hanno lo stesso livello di contesto.

Pertanto, aggiungendo semplicemente un'affermazione come "spiega il tuo ragionamento" o "procedi passo dopo passo", puoi aumentare il valore che ottieni da ogni interazione con la tua intelligenza artificiale.

2) Generazione di brief e bozze

Essendo una persona che si concentra principalmente sulla creazione di contenuti scritti di lunga durata, sono esperto nelle complessità (e nella follia) del processo creativo. Il viaggio da un'idea a un pezzo finito passa attraverso gli stessi punti di controllo: pianificazione dell'argomento, ricerca, briefing, stesura, ma il percorso tra questi punti è più tortuoso per alcuni che per altri.

Uno dei maggiori vantaggi che ho ottenuto finora dall'intelligenza artificiale generativa è la semplificazione degli aspetti del flusso di lavoro creativo. L'intelligenza artificiale è utile per dare il via a brief creativi e bozze approssimative, e i suggerimenti CoT hanno il potenziale per aiutare ancora di più.