Como Reduzir Alucinações da Inteligência Artificial

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

Isso é causado por vários fatores, como a qualidade dos dados usados para treinar o modelo, a falta de contexto ou a ambiguidade na solicitação. Felizmente, existem técnicas que você pode usar para obter resultados mais confiáveis.

Técnicas para Reduzir Alucinações da IA em Solicitações

Para reduzir as alucinações do modelo de IA, existem algumas práticas recomendadas a seguir, como:

1. Fornecer Solicitações Claras e Específicas

O primeiro passo para minimizar as alucinações da IA é criar instruções claras e altamente específicas. Solicitações vagas ou ambíguas podem levar a resultados imprevisíveis, já que os modelos de IA podem tentar interpretar a intenção por trás da solicitação. Em vez disso, seja explícito em suas instruções.

Em vez de perguntar: “Me fale sobre cachorros“, você poderia perguntar: “Dê-me uma descrição detalhada das características físicas e temperamento dos Golden Retrievers.” Refinar sua solicitação até que fique clara é uma maneira direta de evitar alucinações da IA.

2. Usar a Técnica “De Acordo com…”

Um dos desafios ao usar sistemas de IA é que eles podem gerar resultados substancialmente incorretos, distorcidos ou inconsistentes com suas opiniões ou valores. Isso pode ocorrer porque chatbots de IA são treinados em conjuntos de dados amplos e diversos que podem conter erros, opiniões ou contradições.

Para evitar isso, você pode usar a técnica “de acordo com…“, atribuindo a saída a uma fonte ou perspectiva específica. Por exemplo, você pode pedir ao sistema de IA que escreva um fato sobre um tópico de acordo com a Wikipedia, o Google Scholar ou uma fonte específica de acesso público.

3. Utilizar Restrições e Regras

Restrições e regras podem ajudar a evitar que o sistema de IA gere resultados inadequados, inconsistentes, contraditórios ou ilógicos. Elas também podem ajudar a moldar e refinar a saída com base no resultado desejado e no propósito. As restrições e regras podem ser explicitamente declaradas na solicitação ou implicitamente sugeridas pelo contexto ou pela tarefa.

Suponha que você queira usar uma ferramenta de IA para escrever um poema de amor. Em vez de fornecer uma solicitação genérica como “Escreva um poema sobre o amor“, você pode fornecer uma solicitação mais restrita e baseada em regras, como “Escreva um soneto sobre o amor com 14 versos e 10 sílabas por verso.”

Cinco melhores livros para aprender sobre IA

4. Dividir a Solicitação em Várias Etapas

Às vezes, perguntas complexas podem levar a alucinações da IA porque o modelo tenta responder em uma única etapa. Para superar esse problema, divida suas perguntas em várias etapas.

Por exemplo, em vez de perguntar: “Qual é o tratamento mais eficaz para diabetes?“, você pode perguntar: “Quais são os tratamentos comuns para diabetes?” Você pode então fazer um acompanhamento com: “Qual destes tratamentos é considerado o mais eficaz de acordo com estudos médicos?”

Solicitações de várias etapas obrigam o modelo de IA a fornecer informações intermediárias antes de chegar a uma resposta final, o que pode levar a respostas mais precisas e corretas.

5. Atribuir um Papel à IA

Ao atribuir um papel específico ao modelo de IA em sua solicitação, você esclarece seu propósito e reduz a probabilidade de alucinações. Por exemplo, em vez de dizer: “Me fale sobre a história da mecânica quântica“, você pode perguntar à IA: “Assuma o papel de um pesquisador diligente e forneça um resumo das principais etapas na história da mecânica quântica.”

Essa perspectiva incentiva a IA a atuar como um pesquisador diligente em vez de um narrador especulativo.

6. Adicionar Informações Contextuais

Deixar de fornecer informações contextuais quando necessário é uma armadilha imediata a ser evitada ao usar o ChatGPT ou outros modelos de IA. Informações contextuais ajudam o modelo a entender o histórico, escopo ou propósito da tarefa e a gerar saídas mais relevantes e coerentes. As informações contextuais podem incluir palavras-chave, tags, categorias, exemplos, referências e fontes.

Por exemplo, se você quiser gerar uma avaliação de um produto para um par de fones de ouvido, pode fornecer informações contextuais como o nome do produto, marca, características, preço, classificação ou feedback do cliente.

Pode ser frustrante quando você não obtém o feedback esperado de um modelo de IA. No entanto, ao usar essas técnicas de solicitação, você pode reduzir a probabilidade de alucinações e obter respostas melhores e mais confiáveis.

Lembre-se de que essas técnicas não são infalíveis e podem não funcionar para todas as tarefas ou tópicos. Sempre verifique e verifique as saídas da IA antes de usá-las para qualquer propósito sério.