Como a solicitação de cadeia de pensamento melhora seus resultados do ChatGPT

O Google está reprimindo o abuso de conteúdo em grande escala . Mas isso não significa que você precise parar de dimensionar seu mecanismo de conteúdo. Isso nem significa que você precisa parar de usar IA para dar suporte ao dimensionamento. Significa apenas que você não pode confiar em conteúdo superficial e com spam para competir.

Então, como você adota a IA para aumentar o volume de conteúdo sem ser penalizado?

É simples: adote a IA como uma ferramenta de aumento — e não como um substituto para criadores humanos.

Uma maneira de aumentar seus esforços de criação de conteúdo é usar novas táticas de IA, como uma cadeia de pensamento que estimula a criação de conteúdo de maior qualidade com mais rapidez.

Vamos mergulhar fundo no mundo do CoT e como ele pode ajudá-lo a melhorar seu mecanismo de conteúdo.

O que é o estímulo da cadeia de pensamento?

A solicitação de cadeia de pensamento (CoT) é uma técnica usada para melhorar as habilidades de raciocínio de grandes modelos de linguagem (LLMs). A ideia central é encorajar o modelo a dividir um problema complexo em etapas menores e mais gerenciáveis, fornecendo uma cadeia explícita de raciocínio que leva à resposta final.

É semelhante à maneira como você aprendeu a resolver problemas de matemática ou de raciocínio na escola. Aqui está uma versão rápida (altamente simplificada) de como funciona:

• Transformação do problema: em vez de simplesmente apresentar uma tarefa ou pergunta ao LLM, uma cadeia de pensamento reestrutura a entrada para incluir a frase: “Vamos pensar passo a passo”.Essa dica sinaliza ao modelo para gerar etapas intermediárias de raciocínio.
• Raciocínio Intermediário: O modelo é incentivado a expor explicitamente seu processo de pensamento, passo a passo, levando à solução.Isso pode envolver cálculos, deduções lógicas ou recuperação de informações relevantes.
• Resposta Final: O modelo chega à resposta final, idealmente apoiado pela cadeia de raciocínio transparente que produziu.

Esse tipo de prompt pode ser entregue em um único prompt, como mostrado no exemplo abaixo, ou você pode dividir as etapas em vários prompts sequenciais que se complementam (mais sobre isso mais tarde).

A abordagem foi cunhada pela primeira vez por Jason Wei e uma equipe de especialistas do Google Research Brain Team em um artigo de 2022 . O exemplo abaixo é do artigo que apresentou o CoT:

• O prompt padrão contém um exemplo de problema e solução, bem como a pergunta que a IA precisa responder.
• O prompt CoT inclui o mesmo conjunto de solução de problema,uma série de etapas que descrevem como essa solução foi alcançadae, em seguida, uma nova pergunta para a IA responder.

Como você pode ver, o modelo não consegue responder corretamente ao primeiro problema, mas é bem-sucedido quando solicitado a percorrer uma “cadeia de pensamento” para chegar lá.

Este artigo identificou alguns benefícios importantes que essa tática de engenharia imediata traz para vários problemas de raciocínio diferentes:

• O processo passo a passo força a IA a pensar mais detalhadamente e evitar saltos lógicos, o que ajuda a melhorar os resultados.
• CoT fornece uma janela para o processo de tomada de decisão da IA, dando aos usuários e designers de modelos mais informações sobre como esses modelos funcionam.
• Ao exigir uma explicação sobre por que a IA escolhe um resultado específico, o CoT pode potencialmente mitigar alguns dos preconceitos a que os LLMs estão propensos.
• Os usuários de IA podem melhorar os resultados simplesmente incluindo declarações como “vamos dar um passo a passo” ou “explique seu raciocínio”, semelhante à tática de estímulos emocionais .

Mais importante ainda, essa tática tem o potencial de melhorar o resultado de qualquer tarefa baseada em linguagem que você alimenta no ChatGPT , Gemini, Jasper ou outras IAs baseadas em LLM. Na verdade, o Google vem treinando seus modelos com CoT desde 2022:

Pathways Language Model (PaLM) é um novo modelo avançado de IA que usa uma técnica chamada cadeia de pensamento, solicitando a execução de tarefas complexas, como resolver problemas matemáticos com palavras - e até mesmo explicar seu processo de raciocínio passo a passo. #GoogleIO pic.twitter.com/YHLsnqNemv

-Google (@Google) 13 de maio de 2022

Ok, agora que você sabe um pouco mais sobre a cadeia de pensamento, vamos ver como você pode usá-la para melhorar a eficiência da criação de seu conteúdo.

Como a solicitação da cadeia de pensamento ajuda na criação de conteúdo

Usar a cadeia de pensamento para melhorar os resultados das tarefas de escrita é mais complexo do que a simples matemática ou o raciocínio de bom senso. Existem regras específicas para problemas matemáticos e de palavras que levam você a uma única resposta correta, mas existem muitas maneiras diferentes de abordar a estratégia ou a criação de conteúdo.

Existe uma arte na redação , marketing de conteúdo e distribuição de SEO. Dito isto, também há muito raciocínio envolvido nessas tarefas, especialmente em escala empresarial .

O estudo CoT original do Google enfatiza que esse estilo de estímulo melhora significativamente as habilidades de raciocínio dos LLMs, fornecendo uma abordagem estruturada passo a passo que imita os processos humanos de resolução de problemas.

A justificativa para sua aplicabilidade às tarefas de escrita reside na natureza da escrita como um processo que requer raciocínio em várias etapas, planejamento, organização de pensamentos e desenvolvimento de ideias de maneira coerente e lógica.

As tarefas de escrita, especialmente aquelas que envolvem a criação de narrativas, ensaios argumentativos ou relatórios técnicos, podem beneficiar de uma abordagem CoT que delineia o processo de pensamento que conduz ao desenvolvimento da peça final.

Veja como os princípios subjacentes da cadeia de pensamento - estruturar processos de pensamento, quebrar problemas complexos e orientar a progressão lógica - se alinham bem com os requisitos de uma escrita eficaz.

1) Pesquisa de Tópico

O espaço SaaS B2B está repleto de nichos altamente técnicos – desde infraestrutura em nuvem até gerenciamento de recursos e, bem, IA.

Quer você trabalhe como freelancer, em uma agência ou até mesmo para uma grande marca com muitas integrações de API, digerir rapidamente novos tópicos é provavelmente fundamental para o trabalho.

A estimulação da cadeia de pensamento pode ser benéfica para esta tarefa. Ao tentar compreender um novo tópico, dividir o processo de aprendizagem em uma série de perguntas e respostas, cada uma baseada na anterior, pode ajudar a construir gradualmente uma compreensão abrangente desse tópico.

O CoT pode orientar o modelo para explorar sequencialmente diferentes facetas do tópico, tornando informações complexas mais fáceis de digerir e compreender.

Digamos que você trabalhe em uma agência e acabou de ser designado para um produto de infraestrutura em nuvem como o Terraform da Hashicorp . Para dar um exemplo da complexidade com a qual você está lidando, aqui está uma explicação do produto da Wikipedia:

Infraestrutura como código (IaC). Linguagem de configuração declarativa. JSON. De cara, esses são três tópicos altamente complexos.

Vamos ver se consigo fazer com que o ChatGPT acelere o processo de aprendizagem identificando os conceitos mais relevantes relacionados a essas três palavras-chave.

Ao acrescentar “explique a lógica por trás dos conceitos que você seleciona”, estou (teoricamente) solicitando ao ChatGPT uma forma que o direcione a fornecer uma resposta mais deliberada.

Como você pode ver abaixo, cada um dos conceitos-chave do IaC é acompanhado por uma explicação de sua importância.

Por meio dessa abordagem, você aprende que não é importante apenas conhecer ferramentas como Terraform e Ansible; também é importante saber que o primeiro é independente do provedor e o último fornece gerenciamento de configuração sem agente.

Este é o tipo de contexto que pode ajudá-lo a decompor e digerir contextos complexos mais rapidamente – muito útil para um novato em infraestrutura de nuvem como eu.

Agora vamos ver a direção que você obteria se apenas desse um prompt normal sem direcionar a IA para explicar seu “processo de pensamento:”

As informações contidas em cada marcador numerado aqui são importantes, com certeza, mas não vêm com o mesmo nível de contexto.

Portanto, simplesmente adicionando uma declaração como “explique seu raciocínio” ou “percorra passo a passo”, você pode aumentar o valor que obtém de cada interação com sua IA.

2) Geração de Resumo e Rascunho

Como alguém que se concentra principalmente na criação de conteúdo escrito de formato longo, sou bem versado nas complexidades (e na loucura) do processo criativo. A jornada de uma ideia até uma peça acabada passa pelos mesmos pontos de verificação – o planejamento do tópico, a pesquisa, o briefing e o rascunho – mas o caminho entre esses pontos é mais sinuoso para alguns do que para outros.

Um dos maiores benefícios que obtive com a IA generativa até agora foi a simplificação de aspectos do fluxo de trabalho criativo. A IA é útil para dar o pontapé inicial em resumos criativos e rascunhos, e as solicitações do CoT têm o potencial de ajudar ainda mais.