Principais conclusões

  • Avisos claros e específicos são cruciais para minimizar a alucinação da IA. Evite instruções vagas e forneça detalhes explícitos para evitar resultados imprevisíveis.
  • Use a técnica de fundamentação ou “de acordo com…” para atribuir a saída a uma fonte ou perspectiva específica. Isso ajuda a evitar erros factuais e preconceitos no conteúdo gerado por IA.
  • Use restrições e regras para moldar os resultados da IA ​​de acordo com os resultados desejados. Declare explicitamente as restrições ou implique-as por meio do contexto ou da tarefa para evitar resultados inadequados ou ilógicos.

<!-- No repeatable ad for zone: character count repeatable. --><!-- Repeatable debug data: {"injection":"none","adPosition":0,"startingPoint":1,"skipEvery":null,"nbrPlacementFilledEachSkip":0,"nbrPlacementsScanned":0,"ruleCount":10,"degradationStartingPoint":2,"actualCount":240} -->

<!-- No repeatable ad for zone: character count repeatable. --><!-- Repeatable debug data: {"injection":"none","adPosition":0,"startingPoint":1,"skipEvery":null,"nbrPlacementFilledEachSkip":0,"nbrPlacementsScanned":1,"ruleCount":10,"degradationStartingPoint":2,"actualCount":0} -->
<!-- Zone: below first paragraph. -->

Não está obtendo a resposta desejada de um modelo generativo de IA? Você pode estar lidando com uma alucinação de IA, um problema que ocorre quando o modelo produz resultados imprecisos ou irrelevantes.

<!-- Repeatable debug data: {"injection":"before","adPosition":0,"startingPoint":1,"skipEvery":null,"nbrPlacementFilledEachSkip":0,"nbrPlacementsScanned":1,"ruleCount":10,"degradationStartingPoint":2,"actualCount":185} --><!-- Zone: character count repeatable. --><!-- Repeatable debug data: {"injection":"after","adPosition":1,"startingPoint":1,"skipEvery":null,"nbrPlacementFilledEachSkip":1,"nbrPlacementsScanned":1,"ruleCount":10,"degradationStartingPoint":2,"actualCount":0} -->

É causado por vários fatores, como a qualidade dos dados usados ​​para treinar o modelo, a falta de contexto ou a ambiguidade do prompt. Felizmente, existem técnicas que você pode usar para obter resultados mais confiáveis ​​de um modelo de IA.

<!-- No repeatable ad for zone: character count repeatable. --><!-- Repeatable debug data: {"injection":"none","adPosition":1,"startingPoint":1,"skipEvery":null,"nbrPlacementFilledEachSkip":1,"nbrPlacementsScanned":2,"ruleCount":1000,"degradationStartingPoint":2,"actualCount":232} -->
<!-- No winning ad found for zone: native in content! -->

1. Forneça instruções claras e específicas

O primeiro passo para minimizar a alucinação da IA ​​é criar avisos claros e altamente específicos. Solicitações vagas ou ambíguas podem levar a resultados imprevisíveis, pois os modelos de IA podem tentar interpretar a intenção por trás da solicitação. Em vez disso, seja explícito em suas instruções.

<!-- No repeatable ad for zone: character count repeatable. --><!-- Repeatable debug data: {"injection":"none","adPosition":1,"startingPoint":1,"skipEvery":null,"nbrPlacementFilledEachSkip":1,"nbrPlacementsScanned":2,"ruleCount":1000,"degradationStartingPoint":2,"actualCount":498} -->

Em vez de perguntar “Conte-me sobre cães”, você pode perguntar: “Dê-me uma descrição detalhada das características físicas e do temperamento dos Golden Retrievers”. Refinar seu prompt até que fique claro é uma maneira fácil de evitar alucinações de IA.

<!-- No repeatable ad for zone: character count repeatable. --><!-- Repeatable debug data: {"injection":"none","adPosition":1,"startingPoint":1,"skipEvery":null,"nbrPlacementFilledEachSkip":1,"nbrPlacementsScanned":2,"ruleCount":1000,"degradationStartingPoint":2,"actualCount":765} -->

<!-- [if IE 9]> <![endif]--><!-- [if IE 9]><![endif]-->captura de tela da resposta do chatgpt sobre golden retrievers

<!-- Repeatable debug data: {"injection":"before","adPosition":1,"startingPoint":1,"skipEvery":null,"nbrPlacementFilledEachSkip":1,"nbrPlacementsScanned":2,"ruleCount":1000,"degradationStartingPoint":2,"actualCount":1005} --><!-- Zone: character count repeatable. --><!-- Repeatable debug data: {"injection":"after","adPosition":2,"startingPoint":1,"skipEvery":null,"nbrPlacementFilledEachSkip":2,"nbrPlacementsScanned":2,"ruleCount":1000,"degradationStartingPoint":2,"actualCount":0} -->

<!-- No repeatable ad for zone: character count repeatable. --><!-- Repeatable debug data: {"injection":"none","adPosition":2,"startingPoint":1,"skipEvery":null,"nbrPlacementFilledEachSkip":2,"nbrPlacementsScanned":3,"ruleCount":1000,"degradationStartingPoint":2,"actualCount":0} -->

2. Use o aterramento ou a técnica “De acordo com…”

Um dos desafios do uso de sistemas de IA é que eles podem gerar resultados factualmente incorretos, tendenciosos ou inconsistentes com suas opiniões ou valores. Isto pode acontecer porque os sistemas de IA são treinados em conjuntos de dados grandes e diversos que podem conter erros, opiniões ou contradições.

<!-- No repeatable ad for zone: character count repeatable. --><!-- Repeatable debug data: {"injection":"none","adPosition":2,"startingPoint":1,"skipEvery":null,"nbrPlacementFilledEachSkip":2,"nbrPlacementsScanned":3,"ruleCount":1000,"degradationStartingPoint":2,"actualCount":295} -->

Para evitar isso, você pode usar o aterramento ou a técnica “de acordo com…”, que envolve atribuir a saída a uma fonte ou perspectiva específica. Por exemplo, v