Professor explica técnica para extrair melhores resultados de buscas no ChatGPT
James Intriligator

O ChatGPT explodiu em popularidade, sendo usado para produzir artigos e ensaios literários, redigir textos para campanhas de marketing e escrever códigos de computador – ou simplesmente como ferramenta de aprendizado e pesquisa.

No entanto, a maioria das pessoas não entende como o sistema de inteligência artificial generativa funciona ou o que realmente pode fazer. Isso as deixa infelizes com os resultados e impede que extraiam o melhor que o chatbot tem a oferecer.

Como professor de Human Factor Engeenering (engenharia de fatores humanos, em tradução livre), um princípio central no meu campo de atividade nunca é culpar o usuário. Infelizmente, a interface da caixinha de pesquisa do ChatGPT  induz a um  modelo mental errado e leva os usuários a acreditarem que inserir uma pergunta simples leva a um resultado abrangente.

Como funciona a pesquisa no ChatGPT

Mas não é assim que o ChatGPT funciona.

Ao contrário de um mecanismo de pesquisa da internet, que fornece resultados estáticos e armazenados, o ChatGPT não copia, recupera ou procura informações de qualquer lugar. Em vez disso, ele gera cada palavra de novo.

O usuário insere um “prompt” e, com base em seu treinamento de aprendizado de máquina em grandes quantidades de texto, o ChatGPT cria uma resposta original.

Mais importante ainda, cada bate-papo é influenciado pelo contexto da conversa, o que significa que as perguntas feitas e as respostas fornecidas no início serão utilizadas nas respostas geradas em seguida.

Portanto, essas respostas são flexíveis, e o usuário precisa adotar um processo iterativo [de repetição]  para moldá-las na direção de algo útil.

Entender o modelo mental de uma máquina é importante para usá-la de forma eficaz.

Para entender como realizar uma sessão produtiva com o ChatGPT, imagine-a como um planador que o leva a jornadas através do conhecimento e das possibilidades.

Começando a explorar o ChatGPT

Pode-se começar pensando em uma dimensão ou espaço específico acerca de um tópico de interesse.  

Se o tópico fosse chocolate, por exemplo, seria possível pedir ao ChatGPT  para escrever uma trágica história de amor sobre o Kisses da Hershey’s.

O “planador” foi treinado para aprender essencialmente tudo o que já foi escrito sobre o Kisses e, da mesma forma, ele “sabe” como deslizar por todos os tipos de espaços de histórias.

Por isso, ele levará o usuário com confiança em um “voo” pelo espaço Kisses da Hershey’s para produzir a história desejada.

Alternativamente, é possível pedir ao ChatGPT que explique cinco motivos pelos quais o chocolate é saudável e redigir a resposta no estilo de Dr. Seuss [autor infantil americano].

O pedido lançará o “planador” por  diferentes espaços de conhecimento – chocolate e saúde – em direção a um destino diferente: uma história em um estilo específico.

Pilotando o planador para melhorar resultados de pesquisas

Para desbloquear todo o potencial do ChatGPT, é possível  aprender a “pilotar o planador” por  espaços “transversais” – áreas que cruzam vários domínios de conhecimento.

Ao ser guiado por esses domínios, o ChatGPT aprenderá o escopo e o ângulo do seu interesse e começará a ajustar sua resposta para fornecer resultados melhores às pesquisas e solicitações. 

Por exemplo, imaginando um pedido assim:  

“Você pode me dar conselhos sobre como ficar saudável?”

Nessa consulta, o ChatGPT não sabe quem é “você”, nem quem sou “eu”, e nem o que você quer dizer com “ficar saudável”.

Em vez disso, pode-se tentar o seguinte:

“Finja que você é um médico, um nutricionista e um personal trainer. Prepare um plano de alimentação e exercícios de duas semanas para um homem de 56 anos interessado em melhorar a saúde do coração.”

Dessa forma, o planador recebeu um plano de voo mais específico abrangendo áreas de medicina, nutrição e motivação.

Para obter do ChatGPT algo ainda mais preciso, pode-se ativar mais algumas dimensões. Por exemplo, adicione:

“E o homem quer perder algum peso e desenvolver músculos, quer gastar 20 minutos por dia em exercícios, não pode fazer exercícios em barras e odeia tofu.”

O ChatGPT fornecerá o resultado levando em conta todas as dimensões ativadas. Cada dimensão pode ser apresentada em conjunto ou em sequência.

O ‘plano de voo’ do ChatGPT 

As dimensões adicionadas através de prompts podem ser aprimoradas a partir das respostas que o ChatGPT deu ao longo do caminho. Aqui está um exemplo:

“Finja que você é um especialista em câncer, nutrição e mudança de comportamento. Proponha oito sugestões de mudança de comportamento para reduzir as taxas de câncer nas comunidades rurais.”

O ChatGPT apresentará oito sugestões. 

Digamos que três das ideias pareçam as mais promissoras. É possível dar prosseguimento com um pedido ao chatbot para dar mais detalhes e começar a colocá-las em um formato que possa ser usado para mensagens públicas:

“Combinar conceitos das ideias 4, 6 e 7 para criar 4 novas possibilidades – crie um slogan para cada uma e delineie os detalhes”.

Agora, imaginando que a possibilidade 2 das quatro sugeridas pareça a mais promissora. Você pode solicitar ao ChatGPT para torná-la ainda melhor:

“Apresente seis críticas sobre a sugestão 2 e depois redesenhe-a considerando as críticas.”

O mecanismo do ChatGPT  faz com que ele desempenhe melhor se o usuário primeiro se concentrar e destacar as dimensões que acha particularmente importantes.

Por exemplo, se o usuário está preocupado com o aspecto de mudança de comportamento do cenário de taxas de câncer em zonas rurais, pode forçar o ChatGPT a ficar mais sutil e adicionar mais peso e profundidade a essa dimensão antes de seguir o caminho das sugestões. 

Isso poderia ser feito solicitando:

 “Classifique as técnicas de mudança de comportamento em seis categorias. Dentro de cada uma, descreva três abordagens e nomeie dois pesquisadores importantes dessa categoria.”

Isso ativará melhor a dimensão de mudança de comportamento, permitindo que o ChatGPT incorpore esse conhecimento em pesquisas e explorações subsequentes.

Existem muitas categorias de elementos de prompt que podem ser incluídas para ativar dimensões de interesse.

Entre elas estão os domínios, como “abordagens de aprendizado de máquina”. Outra é a experiência, como “responda como um economista com inclinações marxistas”.

Outro é a definição do estilo do conteúdo a ser fornecido pelo ChatGPT, como “escreva como um ensaio para a revista The Economist”.

É também possível especificar públicos, como “divida nossos clientes em cinco grandes grupos e faça uma descrição de produto direcionada a cada um”.

Pesquisa no ChatGPT: explorações, não respostas

Ao deixar de lado a metáfora do mecanismo de busca e, em vez disso, abraçar uma metáfora de planador transdimensional, é possível entender melhor como o ChatGPT funciona e navegar de forma mais eficaz em direção a resultados valiosos.

A interação com o ChatGPT é realizada melhor se não for trabalhada como uma sessão de perguntas e respostas simples ou não direcionadas, mas como uma conversa interativa que progressivamente constrói conhecimento tanto para o usuário quanto para o chatbot.

Quanto mais informações o usuário fornecer sobre seus interesses, e quanto mais feedback o ChatGPT receber sobre suas respostas, melhores serão as respostas e sugestões seguintes.

Quanto mais rica a viagem, mais rico o destino.

É importante, no entanto, usar as informações fornecidas adequadamente. Os fatos, detalhes e referências que o ChatGPT apresenta não são retirados de fontes verificadas.

Eles são evocados com base em seu treinamento em um conjunto de dados vasto, mas não sujeito a uma curadoria. O ChatGPT gerará um diagnóstico médico da mesma forma que escreve uma história de Harry Potter – o que quer dizer que é um pouco improvisador.

É preciso sempre avaliar criticamente as informações específicas que ele fornece e considerar sua produção como explorações e sugestões, e não como fatos concretos.

Trate seu conteúdo como conjecturas imaginativas que exigem melhor verificação, análise e filtragem por você, o piloto humano.


Sobre o autor: James Intriligator é professor de Human Factor Engineering na Tufts University (Boston, EUA) e consultor de inovação, marketing e fatores humanos, incluindo o uso de tecnologias baseadas em inteligência artificial. 

Este artigo foi publicado originalmente no portal The Conversation e reproduzido sob licença Creative Commons.