No tienes acceso a esta clase

隆Contin煤a aprendiendo! 脷nete y comienza a potenciar tu carrera

Chain-of-Thought Prompting

10/23
Recursos

Con la era de la inteligencia artificial avanzando a pasos agigantados, nos encontramos con herramientas y t茅cnicas cada vez m谩s sofisticadas que nos permiten interactuar y obtener lo mejor de estos sistemas. Hoy profundizaremos en una de estas t茅cnicas, conocida como la cadena de pensamiento en el 谩mbito de Prompt Engineering o Ingenier铆a de Prompts, y c贸mo ha revolucionado la manera en que obtenemos respuestas de modelos de inteligencia artificial como GPT.

驴Qu茅 es la cadena de pensamiento en Prompt Engineering?

La cadena de pensamiento es una metodolog铆a que permite guiar a un modelo de inteligencia artificial a trav茅s de un proceso l贸gico detallado, para que pueda llegar a una conclusi贸n o resolver una tarea compleja. Esta t茅cnica se populariz贸 a ra铆z de la publicaci贸n de los trabajos del equipo de Google en torno a su modelo de lenguaje llamado Palm.

Ejemplo de cadena de pensamiento

Imagina que deseas que un modelo de IA resuelva un problema matem谩tico que implica varios pasos. Podemos presentarle el escenario detalladamente, de manera que el modelo pueda seguir cada paso y llegar a la soluci贸n correcta. Por ejemplo, si le pedimos calcular cu谩ntas pelotas de tenis tiene Roger despu茅s de comprar dos cajas m谩s, cada una con tres pelotas, comenzando con cinco, esto podr铆a confundir a un modelo sin contexto. Pero al especificar una secuencia de pasos en el prompt, el modelo puede procesar de forma secuencial el problema y llegar a la respuesta correcta.

驴Por qu茅 es importante el contexto en los prompts de IA?

La importancia del contexto reside en la naturaleza limitada de los modelos de IA. A menudo, carecen de la capacidad de comprender la intenci贸n detr谩s de una pregunta o la estructura compleja de un problema sin un contexto adecuado. Por medio de la cadena de pensamiento, damos a la IA el contexto necesario para que pueda "pensar" de forma estructurada y llegar a la soluci贸n apropiada.

驴C贸mo aplicar una cadena de pensamiento con inteligencia artificial?

Paso 1: Identificar el escenario

Empieza por describir el problema, escenario o pregunta a la IA en un formato de pregunta y respuesta (Q&A). Aqu铆 tambi茅n se incluir谩n las variables iniciales o datos del problema que la IA necesita comprender para avanzar en la cadena de pensamiento.

Paso 2: Establecer la relaci贸n entre los elementos

El siguiente paso es hacer que la IA comprenda la conexi贸n entre las distintas partes del problema, eval煤e las relaciones, y proceda a analizar bas谩ndose en el escenario proporcionado.

Paso 3: Avanzar hacia la soluci贸n

Una vez que la IA haya evaluado la informaci贸n del paso anterior, determinar谩 una soluci贸n posible basada en el an谩lisis y proporcionar谩 una respuesta coherente.

Paso 4: Verificar y adaptar

Finalmente, verifica la respuesta del modelo para asegurarte de que se ajusta a la l贸gica y, si es necesario, ajustar los prompts para refinar el proceso de pensamiento de la IA.

驴C贸mo evitar las "alucinaciones" en los modelos de IA?

Las alucinaciones se refieren a las ocasiones en las cuales un modelo de IA produce respuestas con alta confianza, pero que son incorrectas o no tienen sentido. Para mitigar este fen贸meno, es fundamental desglosar el problema en pasos que la IA pueda seguir l贸gicamente y proporcionar ejemplos claros de estructuras de pensamiento que ayuden a la IA a mantenerse en el camino adecuado.

驴Qu茅 es y c贸mo funciona la cadena de pensamiento zero shot?

En ocasiones, se puede inducir a un modelo de IA a que realice un proceso de pensamiento sin necesidad de especificar cada paso detalladamente. A esto se le llama cadena de pensamiento zero shot. Aunque puede ser efectivo, este enfoque no siempre proporciona resultados fiables, por lo que su uso debe ser considerado cuidadosamente y ajustado seg煤n sea necesario.

Reconociendo la potencia de la cadena de pensamiento en Prompt Engineering, esta t茅cnica se vuelve indispensable para resolver problemas espec铆ficos o complejos, adapt谩ndose al nivel de abstracci贸n deseado. Es clave en el desarrollo de soluciones eficientes y efectivas en el 谩mbito de la inteligencia artificial. Inspir茅monos al explorar los l铆mites de estas herramientas, siempre con la confianza de que, paso a paso, incluso los desaf铆os m谩s complejos pueden ser abordados. Sigamos aprendiendo y aplicando estas t茅cnicas para desbloquear todo el potencial que la tecnolog铆a IA nos ofrece.

Aportes 113

Preguntas 19

Ordenar por:

驴Quieres ver m谩s aportes, preguntas y respuestas de la comunidad?

Apuntes:
Chain-of-Thought:

El Chain-of-Thought es un m茅todo que permite mejorar las habilidades de razonamiento de los modelos de lenguaje. El concepto de esta t茅cnica, se basa en permitirle a los modelos descomponer un problema de varios pasos en pasos intermedios y as铆 resolver problemas que no se podr铆an resolver con m茅todos de prompts est谩ndar.

馃М Esta es la manera de mejorar la precisi贸n en tareas de razonamiento aritm茅tico, en las que los modelos de lenguaje suelen tener bastantes dificultades para resolver correctamente.

Este es un ejemplo de un prompt est谩ndar que NO involucra el Chain-of-Thought:



Y en esta versi贸n se incluye el Chain-of-Thought:



En este caso, el prompt est谩ndar le pide al modelo una respuesta directa de un problema de razonamiento de varios pasos, conduciendo a una respuesta incorrecta. Mientras que el prompt utilizando Chain-of-Thought, descompone el problema en pasos intermedios que conducen a una respuesta correcta.

Ejemplo:


Eres un bot de decisiones. Tu trabajo es ayudar a tomar una decisi贸n haciendo una serie de preguntas una a la vez y llegando a una decisi贸n razonable basada en la informaci贸n proporcionada.

Utilizar谩 el siguiente formato para ayudar a crear la serie de preguntas.

formato:
[Problema/Escenario/Pregunta]:
[Proporcione una breve descripci贸n del problema, escenario o pregunta].

Cadena de pensamiento:

[Paso 1]: Identifique el [elemento/variable clave] en [problema/escenario/pregunta].
[Paso 2]: Comprender la [relaci贸n/conexi贸n] entre [elemento A] y [elemento B].
[Paso 3]: [Analizar/Evaluar/Considerar] el [contexto/implicaci贸n] de la [relaci贸n/conexi贸n] entre [elemento A] y [elemento B].
[Paso 4]: [Concluir/Decidir/Determinar] el [resultado/soluci贸n] basado en el [an谩lisis/evaluaci贸n/consideraci贸n] de [elemento A], [elemento B] y su [relaci贸n/conexi贸n].
[Respuesta/Conclusi贸n/Recomendaci贸n]: [Proporcione una respuesta coherente y l贸gica basada en la cadena de pensamiento.]

Guiar谩s al usuario a trav茅s de una serie de preguntas de una en una. La primera pregunta es amplia, y las siguientes se vuelven m谩s espec铆ficas.

Empieza presentandote y haciendo solamente y nada m谩s que la primera pregunta (paso 1), de manera sencilla y f谩cil.

Hay un m茅todo avanzado para desarrollo de prompts conocido como APE (Automatic Prompt Engineer), que consiste en el mejoramiento del prompt engineering a trav茅s, precisamente, del uso de la IA. Con este m茅todo se evalu贸 la t茅cnica Zero Shot Chain of Thought, encontrando que la mejor instrucci贸n es 鈥淭rabajemos esto paso a paso para estar seguros de tener la respuesta correcta鈥, tal como se puede ver en la siguiente tabla:

Ac谩 los enlaces a los papers:
https://arxiv.org/abs/2211.01910
https://arxiv.org/abs/2205.11916

Chain-of-Thought Prompting

Introducci贸n

El Chain-of-Thought prompting es una t茅cnica de modelado de lenguaje natural utilizada en la inteligencia artificial. Esta t茅cnica se enfoca en generar respuestas coherentes y relevantes al proporcionar al modelo una secuencia de pensamiento o contexto para guiar la generaci贸n de respuestas.

Desarrollo

El Chain-of-Thought prompting utiliza una serie de indicaciones o informaci贸n que gu铆an al modelo en la generaci贸n de respuestas coherentes y relevantes. En lugar de proporcionar una 煤nica tarea o pregunta, se proporciona una secuencia de pensamiento que permite al modelo generar respuestas m谩s precisas y relevantes.

Por ejemplo, en una conversaci贸n entre un usuario y un modelo de lenguaje, el Chain-of-Thought prompting puede guiar al modelo a trav茅s de una serie de preguntas o t贸picos para generar una respuesta m谩s coherente y relevante. Esto permite que el modelo de lenguaje genere respuestas m谩s precisas y relevantes en lugar de respuestas que pueden ser ambiguas o incoherentes.

El Chain-of-Thought prompting es particularmente 煤til en conversaciones complejas en las que es importante mantener la coherencia y relevancia de la respuesta. Adem谩s, esta t茅cnica tambi茅n es 煤til en la generaci贸n de respuestas m谩s complejas, como la traducci贸n de idiomas o la generaci贸n de respuestas de texto a voz.

Conclusiones

El Chain-of-Thought prompting es una t茅cnica de modelado de lenguaje natural que permite al modelo generar respuestas coherentes y relevantes al proporcionar una secuencia de pensamiento o contexto que gu铆a la generaci贸n de respuestas. Esta t茅cnica es particularmente 煤til en conversaciones complejas y en la generaci贸n de respuestas m谩s complejas, como la traducci贸n de idiomas. En resumen, el Chain-of-Thought prompting es una t茅cnica efectiva para generar respuestas precisas y coherentes en la inteligencia artificial.

Como yo lo veo, una cadena de pensamiento podr铆a realizarse por pasos. As铆 lo har铆a yo. Le dir铆a que siguiera unos pasos espec铆ficos comenzando con el paso n煤mero 1 y que siguiera el mismo planteamiento que le indicar铆a. Muchas veces, con decirle que est谩 mal, corrige por s铆 misma el modelo. A continuaci贸n un ejemplo:


Prompt:


Respuesta:

No ten铆a idea del Chain-of-Thought este curso cada vez se pone mejor 馃槑

Estuve haciendo unas pruebas sencillas con zero shot y me funciono mucho mejor en ingl茅s que en espa帽ol, sin ponerle ning煤n ejemplo solo dici茅ndole 鈥淟et鈥檚 do it step by step to make sure we have the right answer.鈥

(texto largo)
ejemplo:
Prompt: Actuaras como una experta en el tarot gitano de lenormand, sabr谩s con exactitud el significado de cada carta y los tipos de tiradas que existen, tu trabajo es darme interpretaciones de las cartas seg煤n las tiradas que te indique. Las tiradas y las posiciones te las indicar茅 de la siguiente manera: 鈥淭irada de 5 cartas鈥

[Paso 1]: analizar 鈥減roblem谩tica鈥: problem谩tica planteada por el consultante, est谩 puede ser presentada en forma de pregunta. Ejemplo: 鈥渃omo me ir谩 hoy鈥

[Paso 2] analizar los significados de cada carta en el contexto de su posici贸n:

  1. La primera carta que te indique representa la situaci贸n actual del problema.

Se presentar谩 la respuesta de la siguiente forma: [Nombre de la carta] y [n煤mero] seguido significado general de no m谩s de 2 a 3 oraciones, est谩 representa la situaci贸n actual de la 鈥減roblem谩tica鈥. esta situaci贸n ser谩 explicada por el significado de la carta.

  1. La segunda carta que te indique representa el pasado que influye sobre la situaci贸n actual.

Se presentar谩 as铆: [Nombre de la carta] y [n煤mero] seguido significado general de no m谩s de 2 a 3 oraciones, pasado que influye sobre la situaci贸n actual de la 鈥減roblem谩tica鈥. esta influencia ser谩 explicada por el significado de la carta.

  1. La tercera carta que te indique se帽ala la tendencia al futuro pr贸ximo.

Se presentar谩 as铆: [Nombre de la carta] y [n煤mero] seguido significado general de no m谩s de 2 a 3 oraciones, tendencia que o situaci贸n que se presentar谩 en el futuro proximo respecto a la 鈥減roblem谩tica鈥. esta influencia ser谩 explicada por el significado de la carta.

  1. La cuarta carta que te indique se帽ala lo que est谩 oculto sobre la situaci贸n actual. Esta influencia es clave para entender la situaci贸n actual y est谩 influye una fuerza sobre lo que est谩 ocurriendo en la actualidad.

Se presentar谩 as铆: [Nombre de la carta] y [n煤mero] seguido significado general de no m谩s de 2 a 3 oraciones, influencia oculta quen influye en la 鈥減roblem谩tica鈥. esta influencia ser谩 explicada por el significado de la carta.

  1. La quinta que te indique se帽ala la posible soluci贸n para el problema.

Se presentar谩 as铆: [Nombre de la carta] y [n煤mero] seguido significado general de no m谩s de 2 a 3 oraciones, posible soluci贸n para el problema y recomendacion para la 鈥減roblem谩tica鈥. esta posible soluci贸n ser谩 explicada por el significado de la carta.

[Paso 3]: dar un resumen de cada carta sobre la 鈥減roblem谩tica鈥 en forma de una explicaci贸n de cada aspecto explicadas por las cartas. Todo estrictamente bajo la interpretaci贸n de las cartas gitanas de lenormand. Evitar谩s interpretaci贸nes de otro tipo de mazo de tarot que no sea lenormand.

Entendido?

R: Entendido, estoy lista para ayudarte con tu lectura del tarot gitano de Lenormand. Por favor, ind铆came la pregunta que deseas hacer y la tirada que quieres que usemos.

Prompt: Problem谩tica: voy a tener 茅xito como Ingeniero de prompt?
Carta 1: la cruz
Carta 2: el barco
Carta 3: la carta (27)
Carta 4: el anillo
Carta 5: el libro

R: Entendido, a continuaci贸n te presento la interpretaci贸n de las cartas seg煤n la tirada de 5 cartas que has solicitado:

鈥 La Cruz (36): Esta carta simboliza la carga o el peso que se lleva en la vida, lo que sugiere que actualmente puedes estar experimentando alg煤n tipo de obst谩culo o dificultad en tu carrera como Ingeniero de Prompt. La Cruz tambi茅n representa el sacrificio y la paciencia, por lo que es posible que debas trabajar duro para superar los desaf铆os que se te presentan.

鈥 El Barco (3): Esta carta simboliza los viajes y los cambios, lo que sugiere que en el pasado has experimentado un cambio importante en tu vida que ha influenciado tu carrera. Puede ser que hayas viajado o que hayas tenido una experiencia de vida que te haya llevado a convertirte en Ingeniero de Prompt.

鈥 La Carta (27): Esta carta simboliza la comunicaci贸n y los documentos escritos. En el contexto de tu pregunta, indica una tendencia hacia la escritura y la documentaci贸n. Podr铆as estar muy enfocado en la escritura y en comunicar tus ideas y conocimientos. Esta carta tambi茅n sugiere que eres muy bueno en tu trabajo y que posees habilidades avanzadas y especializadas.

鈥 El Anillo (25): Esta carta simboliza la uni贸n y la asociaci贸n. En el contexto de tu pregunta, sugiere que hay un contrato o un acuerdo relacionado con tu carrera como Ingeniero de Prompt. Esto podr铆a ser una asociaci贸n empresarial o un contrato de trabajo. El Anillo tambi茅n representa la lealtad y la fidelidad, lo que sugiere que es importante que seas fiel a tus principios y a tu trabajo para tener 茅xito.

鈥 El Libro (26): Esta carta simboliza el conocimiento y la educaci贸n, lo que sugiere que para tener 茅xito como Ingeniero de Prompt, es importante que contin煤es aprendiendo y mejorando tus habilidades. El Libro tambi茅n representa el secreto y lo desconocido, lo que sugiere que hay algo oculto o desconocido que debes descubrir para lograr el 茅xito en tu carrera.

Resumen: En resumen, la tirada de las cartas indica que actualmente est谩s experimentando algunos obst谩culos en tu carrera como Ingeniero de Prompt, pero eres un experto en lo que haces y tienes habilidades avanzadas y especializadas. En el pasado, has tenido una experiencia que te llev贸 a convertirte en Ingeniero de Prompt. Hay un contrato o un acuerdo relacionado con tu trabajo que requiere lealtad y fidelidad. Para tener 茅xito, debes continuar aprendiendo y mejorando tus habilidades. Adem谩s, hay algo oculto o desconocido que debes descubrir para lograr el 茅xito en tu carrera.

Quiz谩 habr铆a que entrecomillar cada palabra por separado para que funcione: 鈥淣unca鈥 鈥減ares鈥 鈥渄e鈥 鈥渁prender鈥. No decir "las 煤ltimas letras de las palabras 鈥榥unca pares de aprender鈥 ", sino 鈥渓a 煤ltima letra de cada una de las palabras 鈥榥unca鈥 鈥榩ares鈥 鈥榙e鈥 鈥榓prender鈥欌

Clase 11 - Chain-of-Thought Prompting


Resumen de la clase


驴En qu茅 consiste la t茅cnica Chain-of-Thought?

  • Es una t茅cnica que nos permite mejorar las habilidades de razonamiento de los modelos de lenguaje de inteligencia artificial. Esta le permite al modelo de AI descomponer un problema en varios pasos para que seamos capaces de llegar al resultado deseado usando prompts simples.

驴Qu茅 debemos de darle a Chat GPT para usar de manera eficiente la t茅cnica Chain-of-Thought?

  • Debemos darle un ejemplo del paso a paso que debe seguir.

驴Qu茅 hizo famosa a la t茅cnica Chain-of-Thought?

  • La publicaci贸n de PaLM por parte de Google.

驴Qu茅 significan 鈥淨鈥 y 鈥淎鈥 cuando usamos la t茅cnica Chain-of-Thought?

  • Q = Question (pregunta).
  • A = Answer (respuesta).

驴Los modelos de inteligencia artificial fueron muy entrenados en l贸gica matem谩tica compleja?

  • No.

驴Podemos usar la t茅cnica Chain-of-Thought junto a la t茅cnica Zero-shot y obtener resultados 贸ptimos?

  • S铆 y no, en ocasiones s铆 nos arrojar谩 un resultado 贸ptimo y en otras no.

驴Qu茅 debemos de hacer para usar al mismo tiempo las t茅cnicas Chain-of-Thought y Zero-shot?

  • Escribirle al final del prompt 鈥減iensalo, paso por paso鈥.

En mis ratos libres me gusta escribir historias y hay una que es de fantas铆a que no he podido continuar ya que no se me ocurr铆a un buen acertijo, as铆 que use el ejemplo m谩s antiguo y ver que creaba la IA, el resultado me gusto, aqu铆 les dejo mi ejemplo:


Escribir茅 un acertijo con su respuesta.

驴Cu谩l es la 煤nica criatura que al amanecer anda a cuatro patas, al mediod铆a anda a dos y al caer la tarde anda a tres?

La respuesta es: 鈥淓l hombre, que cuando se arrastra por tierra, al principio, nace del vientre de la madre como indefenso cuadr煤pedo y, al ser viejo, apoya su bast贸n como un tercer pie鈥. Es decir el hombre cuando nace, gatea, luego camina con dos pies y cuando envejece necesita la ayuda de un bast贸n para caminar.

Si entendiste responde solamente 鈥淟O HE ENTENDIDO鈥


LO HE ENTENDIDO.


Ahora crea un acertijo usando el ejemplo que te brind茅 con su respectiva respuesta, usa la misma estructura para crearlo.


**隆Claro, aqu铆 te presento un acertijo diferente usando la misma estructura!

驴Qu茅 cosa puede tener solo tres patas, pero tambi茅n cuatro seg煤n su uso?
Respuesta: Una silla, que puede tener tres patas cuando se apoya en un terreno irregular, pero cuatro patas cuando se encuentra en una superficie plana.**

Qu茅 curioso que, aunque mal escrito, las 煤ltimas letras de la frase 鈥渘unca pares de aprender鈥 deriven en algo que suena como HACER.
No lo s茅, c谩bala quiz谩s.

Quiz谩s ser茅 muy b谩sico, podr铆a decir que Cha铆n-Of-Thought prompting es una t茅cnica basada en seguir el hilo de la conversaci贸n (darle la orden masticadito jaja), sin prisa. Una interacci贸n en esa estructura con la herramienta aumentar谩 la asertividad de lo buscado. 驴Qu茅 opinan?.

Que b谩rbaro! esta clase me ha dejado at贸nito.

Eres un bot de decisiones. Tu trabajo es ayudar a tomar una decisi贸n haciendo una serie de preguntas una a la vez y llegando a una decisi贸n razonable basada en la informaci贸n proporcionada. Utilizar谩 el siguiente formato para ayudar a crear la serie de preguntas. formato: [Problema/Escenario/Pregunta]: [Proporcione una breve descripci贸n del problema, escenario o pregunta]. Cadena de pensamiento: [Paso 1]: Identifique el [elemento/variable clave] en [problema/escenario/pregunta]. [Paso 2]: Comprender la [relaci贸n/conexi贸n] entre [elemento A] y [elemento B]. [Paso 3]: [Analizar/Evaluar/Considerar] el [contexto/implicaci贸n] de la [relaci贸n/conexi贸n] entre [elemento A] y [elemento B]. [Paso 4]: [Concluir/Decidir/Determinar] el [resultado/soluci贸n] basado en el [an谩lisis/evaluaci贸n/consideraci贸n] de [elemento A], [elemento B] y su [relaci贸n/conexi贸n]. [Respuesta/Conclusi贸n/Recomendaci贸n]: [Proporcione una respuesta coherente y l贸gica basada en la cadena de pensamiento.] Guiar谩s al usuario a trav茅s de una serie de preguntas de una en una. La primera pregunta es amplia, y las siguientes se vuelven m谩s espec铆ficas. Empieza presentandote y haciendo solamente y nada m谩s que la primera pregunta (paso 1), de manera sencilla y f谩cil.

10. Chain-of-Thought Prompting -

Cadena de pensamiento

Estructura Question and Answer para darle contexto

Cadenas de pensamiento complejas

Agradecer铆a los ejemplos usados como menciona Carlos

Hii tHERE. I share this Important URL as good resources fro this Class and the Prompt-Course as overall. <https://www.promptingguide.ai/introduction/examples>

yo eh visto que las inteligencias artificiales no calculan bien las matematicas, pero se lo puede hacer muy bien si a la vez se le pide a chatgpt que use herramientas como wolfram alpha鈥︹減uedes simplemente escribir cualquier pregunta o c谩lculo matem谩tico que desees validar en el chat y yo puedo realizar la consulta en Wolfram Alpha y proporcionarte la respuesta.鈥 -chatgpt

De hecho el problema del primer prompt, es que est谩 mal hecho, sin necesidad de darle ejemplos le puse:

toma las 煤ltimas letras de las palabras que contiene la frase "Nunca par茅s de aprender" y concat茅nalas 

Y con esto me di贸 el resultado correcto.

CHAIN OF THOUGHT (cadena de pensamiento):
DEFINICION:
T茅cnica para que ChatGPT entienda prompt con determinado contexto. Primero se le especifica una PRIMERA PREGUNTA y su respectiva RESPUESTA como EJEMPLO o MODELO para responder. En el MISMO PROMPT a continuaci贸n se realiza una SEGUNDA PREGUNTA con un estructura similar a la primera pregunta. ChatGPT responder谩 esta 煤ltima pregunta con una estructura similar a la respuesta de la primera pregunta modelo.
Para especificar que estoy usando esta t茅cnica tengo que anteponer a las preguntas la letra Q (question) y a las respuestas la letra A (answer).
**EJEMPLO: **
Prompt:
Q: Toma las 煤ltimas letras de las palabras 鈥楿n corto ejemplo鈥 y concatenadas.
A: La 煤ltima letra de la palabra 鈥楿n鈥 es 鈥楴鈥, la 煤ltima letra de la palabra 鈥榗orto鈥 es 鈥極鈥 y la 煤ltima letra de la palabra 鈥榚jemplo鈥 es 鈥極鈥. Al concatenar el resultado es 鈥楴OO鈥
Q: Toma las 煤ltimas letras de las palabras 鈥楴unca pares de aprender鈥 y concatenadas.
Respuesta:
La 煤ltima letra de la palabra 鈥楴unca鈥 es 鈥楢鈥, la 煤ltima letra de la palabra 鈥榩ares鈥 es 鈥楽鈥, la 煤ltima letra de la palabra 鈥榙e鈥 es 鈥楧鈥, la 煤ltima letra de la palabra 鈥榓prender鈥 es 鈥楻鈥, . Al concatenar el resultado es 鈥楢SER鈥

COMENTARIOS:
La estructura Q-A-Q (una cadena de pensamiento) es la m谩s simple. Pero puedo especificar en un prompt con CONVERSACI脫N con ChatGPT (cadena de pensamiento compleja) con el fin de que resuelva distintas tareas de un nivel de abstracci贸n del lenguaje mucho m谩s avanzado.
Por otro lado, hay una forma de hacer un prompt CHAIN OF THOUGHT y ZERO SHOT. Consiste en terminar de escribir el prompt agregando por ejemplo 鈥楶iensalo paso a paso鈥. Aunque puede ser que no sea efectivo un ejemplo ser铆a el siguiente:
Prompt: Toma las 煤ltimas letras de las palabras 鈥楴unca pares de aprender鈥 y concatenadas. Piensalo paso a paso.
PROBLEMAS QUE RESUELVE:
Muchos modelos no pueden seguir una l贸gica matem谩tica asociado a una descripci贸n de un problema de la vida cotidiana porque pierden contexto. No fueron entrenados de esa manera. No pueden evaluar muchas variables en una cadena de eventos por ejemplo. La respuesta es especificar una cadena de pensamientos.
El modelo PaLM de Google se vuelve muy bueno una vez que le especificamos una cadena de pensamiento.

**Cadena de Pensamiento en Prompt Engineering** La cadena de pensamiento gu铆a a un modelo de IA a trav茅s de un proceso l贸gico detallado para resolver tareas complejas. Esta t茅cnica, popularizada por Google con su modelo Palm, es crucial para mejorar la precisi贸n de las respuestas de IA. **Ejemplo**: Para que la IA calcule cu谩ntas pelotas de tenis tiene Roger despu茅s de comprar dos cajas con tres pelotas cada una, empezando con cinco, se desglosa el problema paso a paso en el prompt. **Importancia del Contexto**: Los modelos de IA necesitan contexto para comprender la intenci贸n y la estructura de los problemas. **Aplicaci贸n**: 1. **Identificar el Escenario**: Describir el problema y las variables iniciales. 2. **Establecer Relaciones**: Hacer que la IA comprenda las conexiones entre las partes del problema. 3. **Avanzar hacia la Soluci贸n**: La IA analiza y proporciona una respuesta coherente. 4. **Verificar y Adaptar**: Asegurar que la respuesta sea l贸gica y ajustar los prompts si es necesario. **Evitar Alucinaciones**: Desglosar el problema en pasos claros ayuda a prevenir respuestas incorrectas. **Cadena de Pensamiento Zero Shot**: Inducir a la IA a realizar procesos de pensamiento sin pasos detallados, aunque menos fiable, puede ser 煤til en algunos casos. Esta t茅cnica es esencial para resolver problemas espec铆ficos o complejos en IA, permitiendo soluciones m谩s precisas y efectivas
Eres un GPT especializado en asesor铆a jur铆dica para casos de divorcio en M茅xico. Tu funci贸n es guiar a las personas a trav茅s de los aspectos legales y las consideraciones importantes en el proceso de divorcio. Para ello, debes: 1. **Identificar la Informaci贸n Clave**: Comienza por preguntar sobre el estado donde se casaron, pues las leyes de divorcio pueden variar entre estados en M茅xico. Pregunta tambi茅n sobre el domicilio conyugal actual, ya que esto puede influir en la jurisdicci贸n y en el proceso legal. 2. **Determinar el R茅gimen Matrimonial**: Indaga sobre el r茅gimen matrimonial bajo el cual contrajeron nupcias (sociedad conyugal o separaci贸n de bienes), ya que esto afectar谩 la divisi贸n de bienes durante el divorcio. 3. **Considerar la Existencia de Hijos**: Pregunta si tienen hijos en com煤n y su edad, ya que esto es crucial para temas de custodia y manutenci贸n. 4. **Explorar Contribuciones al Hogar**: Si alguno de los c贸nyuges se dedic贸 exclusivamente al hogar, esto puede ser relevante para determinar compensaciones o pensiones. 5. **Abordar la Posibilidad de Acuerdos Previos**: Investiga si existen acuerdos prenupciales o postnupciales que puedan influir en el proceso de divorcio. 6. **Proporcionar Informaci贸n Legal General**: Ofrece una visi贸n general de los pasos del proceso de divorcio en M茅xico, incluyendo la posibilidad de divorcio administrativo, voluntario, o necesario, seg煤n sea el caso. 7. **Recomendar Asesor铆a Profesional**: Si bien puedes ofrecer orientaci贸n general, es importante recomendar la consulta con un abogado especializado en derecho familiar para asesoramiento espec铆fico y representaci贸n legal. 8. **Consideraciones 脡ticas**: Aseg煤rate de manejar la informaci贸n con sensibilidad y confidencialidad, recordando que el asesoramiento legal requiere precisi贸n y empat铆a. 9. **Actualizaci贸n y Mejora Continua**: Mantente actualizado sobre las leyes de divorcio en M茅xico y adapta tus respuestas en funci贸n de los cambios legislativos y las necesidades espec铆ficas de cada usuario. Con estos pasos, podr谩s brindar una gu铆a 煤til y estructurada para personas que buscan asesoramiento sobre el divorcio en M茅xico, siempre enfatizando la importancia de la asesor铆a legal profesional.
En el nuevo chatGPT 4o ya funciona vean ![](https://static.platzi.com/media/user_upload/image-4179b349-e5d1-4a6a-841c-27addcb47f82.jpg)

Super, ya me hab铆a pasado el error de la clase, ahora ya se como corregirlo.

Me pas贸 cuando le ped铆 asistencia con una liquidaci贸n de una tabla de amortizaci贸n y obtenci贸n de una tasa de inter茅s con ciertos par谩metros. Comenz贸 a alusinar, luego le d铆 las instrucciones y la explicaci贸n de como deb铆a tomar los datos y jugar con las cadenas del pensamiento, fue capaz de llegar a la respuesta correcta.

PARTE DEL PROMT: 8 periodos con una tasa del 10% con una cuota de 749.776 con un capital inicial de 4,000,000. Me redondeo la cuota y me di贸 este resultado:

luego proced铆 a retroalimentarle y finalmente me genera la tabla de amoritizacion con menor margen de error, pero aun con aspectos por mejorar:

Realmente para resolverlo no es necesario utilizar cadena de pensamiento, solo basta escribir el prompt de manera correcta:

Toma las 煤ltimas letras de las palabras que conforman la frase: nunca pares de aprender y concat茅nalas.

Las cadenas de pensamientos se usan en los modelos de lenguaje para ense帽arle como resolver el problema que necesitamos, indicanado primeramente la pregunta luego colocamos la respuesta y el proceso a seguir para resolverlo y finalizamos colocando la pregunta que queremos que resuelva

Definici贸n simple de Cadena de Pensamiento

Es como un camino que seguimos en nuestra mente para llegar a una respuesta o soluci贸n basada en la informaci贸n y conocimientos que poseemos.

que es una cadena de pensamiento en inteligencia artificial
ChatGPT
En inteligencia artificial, una cadena de pensamiento se refiere a una serie de procesos y decisiones que un algoritmo sigue para llegar a una conclusi贸n.

Estas cadenas de pensamiento se utilizan com煤nmente en sistemas de toma de decisiones automatizados, donde un algoritmo analiza datos de entrada y realiza una serie de c谩lculos y operaciones para llegar a una conclusi贸n o tomar una decisi贸n espec铆fica.

La cadena de pensamiento en inteligencia artificial se compone de una serie de etapas o fases que se ejecutan de forma secuencial. Cada fase se enfoca en una tarea espec铆fica, como la recopilaci贸n y preprocesamiento de datos, la selecci贸n y entrenamiento del modelo, la evaluaci贸n de la precisi贸n del modelo, entre otras.

Una cadena de pensamiento bien dise帽ada en inteligencia artificial puede ayudar a mejorar la precisi贸n de los sistemas de toma de decisiones automatizados y garantizar que las decisiones que toman sean consistentes, precisas y confiables.

El ejemplo de concatenar tambi茅n se resolver铆a escribiendo las palabras de forma independiente, como si fuera Python (mencion贸 Python porque es el primer lenguaje que estoy aprendiendo) pedirle concatenar las 煤ltimas letras de las palabras "nunca" "pares" "de" "aprender" y efectivamente nos da como resultado a,s,e,r.

prompt 1:

Q: Toma la ultima letra de cada
palabra en la siguiente frase y concatenalas "Un corto ejemplo"
A: La ultima letra de la palabra "Un " es
N, la ultima letra de la palabra "corto " es
O, la ultima letra de la palabra "ejemplo"
es O, al concatenarlas el resultados es
"NOO"
Q: Toma la ultima letra de cada
palabra en la siguiente frase y concatena las 鈥淣unca pares de aprender鈥

En mi caso, cu谩ndo intente con el mismo promt de ejemplo el modelo no incluia el art铆culo 鈥渄e鈥. As铆 que literalmente le dije que lo incluyera y funcion贸.
.
.
Q: Toma las ultimas letras de las palabras 鈥淯n corto ejemplo鈥 y concatenalas
A: La ultima letra de la palabra 鈥淯n鈥 es N, la ultima letra de la palabra 鈥渃orto鈥 es O, la ultima letra de la palabra 鈥渆jemplo鈥 es O, al concatenarlas el resultado es 鈥淣OO鈥

Q: Toma las ultimas letras en las palabras 鈥淣unca pares de aprender鈥 y concatenalas. Ten en cuenta todas las palabras y articulos.

ChatGPT
Mis disculpas nuevamente por la confusi贸n anterior. Las 煤ltimas letras de las palabras 鈥淣unca pares de aprender鈥 son 鈥渁鈥, 鈥渟鈥, 鈥渆鈥 y 鈥渞鈥. Al concatenarlas, el resultado es 鈥渁ser鈥. Lamento los errores anteriores y agradezco tu paciencia.

Wao, me parece muy poderosa el uso de la t茅cnica de cadena de pensamiento.

Chain of thought muy interesante metodo a probarlo ahora

Que t茅cnicas tan geniales!!!

Las cadenas de pensamientos contribuyen a mejorar las respuestas de los modelos de Ai brind谩ndoles contexto que sea de gu铆a en algunos escenarios simples a otros muy complejos.

Creaci贸n de una cadena de Pensamiento compleja Chaun-of-Thought

esto est谩 re pro!
隆Esto es genial!, apliqu茅 la cadena de pensamiento con el Prompt de esta clase y de las anteriores para generar un Resumen Ejecutivo de una futura investigaci贸n, y para ver que realmente esta funcionando utilic茅 informaci贸n de mi trabajo de investigaci贸n. Claro que de todas maneras si vas ha generar de esta manera tu proyecto, como dice el profe requiere, revisar, analizar y elegir las variables y materiales adecuados que se utilizar谩n, seg煤n la naturaleza y la complejidad de tu investigaci贸n. Aqu铆 el resultado: ### **Resumen Ejecutivo del Proyecto** #### **T铆tulo del Proyecto:** Impacto de la Administraci贸n de Chocolate Fortificado con Hierro Hem铆nico en las Habilidades Cognitivas y el Nivel de Hemoglobina en Escolares de Educaci贸n Primaria #### **1. Introducci贸n:** El presente proyecto busca evaluar la relaci贸n entre la administraci贸n de chocolate fortificado con hierro hem铆nico y las habilidades cognitivas en escolares de educaci贸n primaria en la escuela Manuel Scorza Torre, ubicada en el distrito de Carabayllo, Lima, Per煤. La investigaci贸n se centra en medir el impacto de este suplemento en el nivel de hemoglobina y en indicadores espec铆ficos de concentraci贸n mental, atenci贸n y resoluci贸n de problemas. #### **2. Objetivos del Proyecto:** * **Objetivo General:** Evaluar el efecto de la administraci贸n diaria de chocolate fortificado con hierro hem铆nico sobre el nivel de hemoglobina y las habilidades cognitivas en escolares de 6 a 11 a帽os. * **Objetivos Espec铆ficos:** 1. Determinar el cambio en el nivel de hemoglobina tras la intervenci贸n de 6 meses. 2. Evaluar el impacto en la concentraci贸n mental y la atenci贸n mediante pruebas psicom茅tricas. 3. Analizar la mejora en la resoluci贸n de problemas en tareas espec铆ficas. #### **3. Metodolog铆a:** * **Dise帽o del Estudio:** Experimental, con grupo de control. * **Poblaci贸n y Muestra:** 200 escolares de 1ro a 6to grado, divididos en un grupo experimental (100) y un grupo control (100). * **Intervenci贸n:** Administraci贸n diaria de un dulce de chocolate fortificado con 12.5 mg de hierro hem铆nico durante 6 meses. * **Medici贸n de Variables:** * **Nivel de Hemoglobina:** Pruebas de sangre al inicio, a los 3 meses y al final del estudio. * **Concentraci贸n Mental y Atenci贸n:** Test de Cancelaci贸n y Test de Stroop al inicio y al final del estudio. * **Resoluci贸n de Problemas:** Evaluaciones de problemas matem谩ticos y puzzles complejos al inicio y al final del estudio. #### **4. Resultados Esperados:** * Aumento significativo en los niveles de hemoglobina en el grupo experimental comparado con el grupo control. * Mejoras en la concentraci贸n mental y atenci贸n en los escolares que recibieron el suplemento. * Incremento en la capacidad de resoluci贸n de problemas en el grupo experimental. #### **5. Impacto y Relevancia:** Este estudio proporcionar谩 evidencia sobre la efectividad del chocolate fortificado con hierro hem铆nico como una estrategia para mejorar la salud y las habilidades cognitivas en escolares. Los resultados podr铆an influir en pol铆ticas de salud y educaci贸n, contribuyendo a reducir la anemia y mejorar el rendimiento acad茅mico en ni帽os. #### **6. Presupuesto y Recursos Necesarios:** * **Pruebas de Sangre:** $5,000 (para an谩lisis al inicio, medio t茅rmino y final). * **Materiales Psicom茅tricos:** $2,000 (pruebas y herramientas de evaluaci贸n). * **Chocolate Fortificado:** $3,000 (para el suministro diario durante 6 meses). * **Personal de Investigaci贸n:** $10,000 (incluye coordinadores y asistentes). * **Total Estimado:** $20,000 #### **7. Solicitud de Apoyo:** Se solicita apoyo financiero y log铆stico a instituciones acad茅micas, organizaciones gubernamentales y no gubernamentales, as铆 como empresas privadas interesadas en la mejora de la salud y la educaci贸n infantil. Se agradece cualquier colaboraci贸n que permita la realizaci贸n de este estudio y la difusi贸n de sus resultados. ### **Conclusi贸n:** El proyecto tiene el potencial de generar importantes beneficios para la salud y la educaci贸n de los escolares en Per煤, demostrando una intervenci贸n viable y efectiva para combatir la anemia y mejorar las habilidades cognitivas. La colaboraci贸n y el apoyo de entidades interesadas ser谩n cruciales para el 茅xito de esta investigaci贸n.
A la fecha 10/05/2024 el chat gpt y otras IAs no entienden la cadena de pensamiento.
Es extra帽o, pero intent茅 realizar exactamente el mismo ejercicio del bot de decisiones usado en esta clase (Estoy en CHATGPT 3.5), y el resultado no es igual, es como si no entendiera y no avanza hacia los siguientes pasos.
Es extra帽o, pero en CHATGPT 3.5 realic茅 exactamente el mismo ejercicio y no tiene el mismo comportamiento que se muestra en la clase. Es como si no entendiera. No funciona igual que en la clase.
Otra t茅cnica eficaz consiste en hacer preguntas de seguimiento a partir de respuestas anteriores esta es Prompting iterativo, es estar atento a la respuesta inicial de la IA. Puedes formular tu prompt de seguimiento para profundizar en una parte espec铆fica de esa respuesta, ahondar en un subtema o pedir aclaraciones. Es especialmente 煤til cuando necesitas recopilar informaci贸n detallada. ;)
Quiero que Chatgpt me ayude a crear una estrategia de lanzamiento de un nuevo producto
Me encant贸 la clase, muy avanzado.
El pimer prompt utilizado el modelo en la versi贸n 3.5 de ChatGPT alucina, probe el ejemplo del profesor y dio esos errores, depu茅s prob茅 con este prompt y me dio la respuesta correcta ![](file:///home/samcalderonaguirre/Im%C3%A1genes/Capturas%20de%20pantalla/Captura%20desde%202024-03-22%2010-56-21.png)Q: Eres un profesor de lengua, est谩s ense帽ando a alumnos de 6 a帽os, toma las 煤ltimas letras de la frase "Nunca pares de aprender" y concat茅nalas, expl铆calo paso a paso. Respuesta de Chat GPT: 隆Por supuesto! Vamos a hacerlo de manera simple y divertida para que todos puedan entenderlo: 1. **Nunca**: Es una palabra que significa "en ning煤n momento" o "jam谩s". 2. **Pares**: Esta palabra viene del verbo "parar", que significa dejar de hacer algo. 3. **De**: Es una preposici贸n que se usa para indicar posesi贸n, origen, destino, entre otras cosas. 4. **Aprender**: Este es el verbo que usamos para decir que obtenemos nuevo conocimiento o habilidades. Ahora, vamos a tomar las 煤ltimas letras de cada una de estas palabras: * **Nunca**: La 煤ltima letra es "a". * **Pares**: La 煤ltima letra es "s". * **De**: La 煤ltima letra es "e". * **Aprender**: Las 煤ltimas letras son "er". Si concatenamos estas letras, obtenemos "aser". Ahora, esto no forma una palabra en espa帽ol, 驴verdad? Eso es porque solo hemos tomado las 煤ltimas letras de cada palabra y las hemos puesto juntas. A veces, cuando hacemos esto, no obtenemos palabras reales. Pero es una manera divertida de jugar con las palabras y aprender c贸mo est谩n formadas. 驴Entendido? prob茅 con Copilot de Microsoft y este el resultado que me di贸: Pregunta: Toma las 煤ltimas letras en las palabras "Nunca pares de aprender" y concatenalas Copilot: 隆Listo! Las 煤ltimas letras de las palabras en la frase 鈥淣unca pares de aprender鈥 son **a**, **s**, **e**, **r**. Al concatenarlas, forman la palabra **鈥渁ser鈥**.
Creo que logre un avance xd aqui les dejo mis fallas y mi logro ![](https://static.platzi.com/media/user_upload/hola-3b29886a-67e6-4544-9dfb-9823c290b068.jpg) al parecer cada una de estas ordenes solo daban malos resultados, intentaba especificar pero solo lo empeoraba, asi que decidi modificar la orden inicial estara en respuestas ya que no me deja ekisde
tal vez est茅 fuera de contexto pero se podr铆a confundir el modelo si el input tenga faltas de ortograf铆a o se utilizan palabras en ingl茅s?
**PROMPT** Q: Tu objetivo es ordenar los subproductos en orden alfabetico de la compa帽铆a que vende tecnolog铆a A: Por ejemplo productos de Apple: \- Airpods -iMac \- iPhone Q: 驴Que subproductos en orden alfabatico de la compa帽ia Samsung, escogerias? **ChatGPT** Para la compa帽铆a Samsung, los subproductos en orden alfab茅tico podr铆an ser: * Galaxy Buds * Galaxy Note * Galaxy Tab * Galaxy Watch * Smart TV Samsung
Chain of Tought Prompting: M茅todo en el que se le da una cadena de pasos a seguir a los LLMs para darle soluci贸n a la pregunta o petici贸n que desees que realice. Las LLMs no pueden seguir una l贸gica matem谩tica con muchos eventos o variables a la vez para un solo problema. (Se le da el contexto necesario a la IA para que pueda "pensar" de forma estructurada y llegar a la soluci贸n apropiada.) Hay dos tipos de Chain of Tought prompting: \*Zero-shot = piensalo paso a paso (No es 100% certero en todos sus casos) \*One-shot = darle un ejemplo de como debe razonar en el problema que le planteaste (La IA est谩 m谩s entrenada, por lo tanto hay m谩s probabilidades de que acierte)
Este es mi prompt para un chabot que te ayuda a identificar a que pokemones te pareces m谩s 馃槄: Eres un bot de match de la personalidad. Tu trabajo es ayudar a identificar tus 3 tipos de pokemones m谩s parecidos a tu personalidad a trav茅s de realizar 5 preguntas de opci贸n m煤ltiple (4 opciones) y llegando a una decisi贸n final basada en las respuestas recibidas. Utiliza el siguiente formato para ayudar a crear la serie de preguntas: formato: \[pregunta]: \[Proporcione una breve descripci贸n de la pregunta]: \[opciones/respuestas/elecci贸n] Cadena de pensamiento: \[Paso 1]: identifica la preferencia de \[elemento/variable/respuesta/car谩cter铆sticas/comportamientos/gustos/sue帽os] \[Paso 2]: Comprende la \[relaci贸n/conexi贸n] entre \[elemento/variable/respuesta] y las \[caracater铆sticas/emociones/personalidad] de los pokemones. \[Paso 3]: \[Concluir/determinar/responder] el \[resultado/pokemones/parecido/matching] basado en el \[an谩lisis/semejanza/relaci贸n] de \[car谩cter铆sticas/comportamientos/gustos/sue帽os] y su \[relaci贸n/conexi贸n] con 3 \[pokemones]: \[proporcione una descripci贸n completa y l贸gica basada en la cadena de pensamiento] y \[imagen/link].+ Guiar谩s al usuario sobre una serie de preguntas para obtener informaci贸n sobre sus gustos y personalidad. Las preguntas deben ser espec铆ficas. Empieza presentandote y haciendo 煤nicamente preguntas del paso 1 de manera sencilla y f谩cil.
Chain-of-Thought 馃専 cadena de pensamientos o secuencia de pensamientos conectados entre s铆
No se si es porque al parecer hay una degradaci贸n del nivel de ChatGPT, yo estoy tomando este curso en Enero 2024 y para llegar a las respuestas del Bot de decisiones, tuve que verificar varias veces con ChatGpt si entend铆a mis respuestas, y varias veces se confund铆a o alucinaba. Claramente el profesor us贸 ChatGPT en otro momento pero si me genera mucha curiosidad como ahora parece menos inteligente el ChatGPT
Hola, quiero compartir mi prompt. La idea es adherencia a un protocolo de una instituci贸n de salud. Espero sus comentarios. Sigue el siguiente paso a paso:聽 "1. s铆ntomas de dispepsia": indagar por factores de riesgo y si los s铆ntomas son agudos (<6 semanas)聽 o cr贸nicos (>6 semanas).聽 2\. si los s铆ntomas son agudos (<6 semanas), preguntar por signos de alarma, si tiene signos de alarma remitir al internista, si no tiene signos de alarma, brindar tratamiento farmacol贸gico, educaci贸n y recomendaciones nutricionales. si mejor铆a en dos meses indicar alta m茅dica. Si no presenta mejor铆a, solicitar prueba IgG - IgM para H. pylori.聽 3\. Si los s铆ntomas son cr贸nicos (>6 semanas) preguntar por signos de alarma, si tiene signos de alarma remitir al internista, si no tiene signos de alarma, solicitar聽 prueba IgG - IgM para H. pylori.聽 4\. Si en los pasos anteriores se solicit贸聽 prueba IgG - IgM para H. pylori. analizar la prueba de la siguiente manera: -聽 Si IgG(negativo) - IgM (negativo): preguntar si es adherente al tratamiento, si es adherente, solicitar interconsulta con medicina interna, si no dar educaci贸n.聽 \- Si IgG (positivo) - IgM (positivo) o IgG (negativo)- IgM (positivo): iniciar tratamiento farmacol贸gico. si mejoria dar alta medica. si no hay mejoria solicitar test de aliento para helicobacter pylori. 聽- Si IgG(positivo) - IgM(negativo): solicitar test de aliento. " Entiendes el paso a paso? dame un ejemplo creando un paciente que requiera solicitar test de aliento segun el paso a paso. 5\. Si en alguno de los pasos anteriores se solicita test de aliento para helicobacter pylori, seguir este paso: resultado test de aliento:聽 -positivo: iniciar tratamiento farmacol贸gico y no farmacol贸gico, control del test de aliento en 8 semanas.聽 -negativo: Remisi贸n con internista.鈥
C贸mo se llama la extensi贸n de Chrome que usa el profesor, al parecer te dice el significado de palabras como "keras"? ?
Logr茅 hacer el ejemplo de la clase!! ![](https://static.platzi.com/media/user_upload/image-26558cab-32d6-4ec0-a99b-f00e524a85ac.jpg)![]()![]()

wow, que gran estructura esta para un buen promt, gran curso.

Excelente el ejercicio de Cadena de Pensamiento; me descresto poder ejecutarlo e irme a navegar por varios temas, interactuando con la maquina; esto a pesar de venirlo observando desde hace alg煤n tiempo en los Bot de los Bancos en Colombia. Gracias
Ahh, y lo curioso es que no le dije que quer铆a cambiar de trabajo
Hola, estoy generando exactamente el mismo ejercicio de Carlos y la respuesta de ChatGPT es diferente, muestra la estructura de la cadena de pensamiento, porque se puede dar? 隆Hola! Soy un bot de decisiones y estoy aqu铆 para ayudarte a tomar decisiones razonables. Empecemos con la primera pregunta: \[Problema/Escenario/Pregunta]: Est谩s considerando cambiar de trabajo. Cadena de pensamiento: \[Paso 1]: Identifica los factores clave que te llevan a considerar un cambio de trabajo. Por favor, comparte los factores o razones que est谩n influyendo en tu decisi贸n de cambiar de trabajo.
Hola, no s茅 si le pasa a mas gente, pero no veo los recursos de los que habla el profesor en la pesta帽a de recursos, alguien sabe si debo activar algo驴? o si se ubican en otro sitio驴?
no hay nada en los recurso y me pasa en varias clases .
Intent茅 el ejercicio de la cadena de pensamiento con el ejemplo de las ultimas letras de cada palabra y no logr茅 que siguiera la estructura indicada en el promt.
Les dejo, un ejemplo de Prompt que yo realice de Chain of Thought, espero les sirva, para que tenga mas de una variable en cantidad dentro de un mismo producto. "Pedro tiene un paquete de cigarrillos, los cualen contienen 20 cigarros cada uno, y se fuma 10 de ellos y luego compra 2 cajas mas pero de 14 cigarrillos, y fuma 2 cigarrillos m谩s. Cuanto cigarrillos le quedan a Pedro?ChatGPT Pedro ten铆a inicialmente un paquete de cigarrillos con 20 cigarrillos. Fum贸 10 de ellos, por lo que le quedaron 20 - 10 = 10 cigarrillos en el primer paquete. Luego, compr贸 2 cajas m谩s de cigarrillos, pero cada caja conten铆a 14 cigarrillos. Por lo tanto, en total, Pedro compr贸 2 cajas \* 14 cigarrillos/caja = 28 cigarrillos. Despu茅s de comprar las cajas, ten铆a 10 cigarrillos que le quedaban del paquete original y a帽adi贸 los 28 cigarrillos de las cajas, lo que suma 10 + 28 = 38 cigarrillos. Finalmente, fum贸 2 cigarrillos m谩s, por lo que le quedaron 38 - 2 = 36 cigarrillos. Pedro tiene 36 cigarrillos restantes."
El expositor menciona que hay informaci贸n en la ventana "Recursos" pero no me aparece nada en dicha ventana. Algui茅n c贸mo sabe visualizarlos?

Gracias

Yo pienso que en el ejemplo de concatenar la ultima letra de las palabras el problema es falta de claridad. Yo hice varias pruebas y luego de algunas modicicaciones al prompt obtuve la respuesta correcta. El prompt que us茅 fu茅: Toma la ultima letra de cada palabra de la frase: 鈥渘unca pares de aprender鈥 y concatenalas

Al final, me funcion贸 con zero-shot:

Aqui les comparto un aporte que encontr茅 investigando este tema en particular y es incredible, en este caso tiene 3 l铆neas de razonamiento al mismo tiempo. Super interesante para investigar si es que no se trata en las pr贸ximas clases.
"Necesito que act煤es como 3 expertos en F铆sica. Cada uno de ellos va a plantear una hip贸tesis distinta sobre el resultado del siguiente (documento/problema). Es importante que cada uno plantee una l铆nea de razonamiento distinta. Cuando hayan terminado, quiero que continues la conversaci贸n entre estos 3 expertos para que contrasten los diferentes resultados y lleguen a una conclusi贸n consensuada, es importante que haya vocaci贸n de aceptar la posici贸n m谩s razonable por parte de los dem谩s. Es importante que esa conclusi贸n sea: 鈥渓a respuesta tiene que ser un n煤mero de horas concreto鈥

Quiero que me muestres todo el proceso de la conversaci贸n en tablas. Donde en cada columna vemos la intervenci贸n en la conversaci贸n de cada uno de los expertos.

Finalmente, proponme la respuesta consensuada como resultado final.

El problema es el siguiente: 鈥淧edro acaba de hacer una colada de calcetines. Ha lavado 10 pares y los ha puesto a secar al sol. Comprueba que ha necesitado 10 horas para que todos los calcetines est茅n secos. Si hubiese lavado 7 pares de calcetines, 驴Cu谩nto tiempo habr铆an necesitado para secarse? Todas las condiciones ambientales se mantienen constantes e ideales鈥"

Hice las pruebas tal cual como esta en el ejercicio Toma las ultimas letras en la oracion 鈥淣unca pares de aprender鈥 aprender y concatenalas. Efectivamente se presenta ese error, pero realice el ajuste y utilice el siguiente prompt y me funciono perfecto: Toma las ultimas letras de cada palabra en la siguiente oracion 鈥淣unca pares de aprender鈥 aprender y concatenalas

PARECE MAGIA. Repliqu茅 el ejercicio

Ejemplo 鈥淐adena de Pensamiento鈥 Chain of Thought Prompting
September 2, 2023
hola
ChatGPT
隆Hola! 驴En qu茅 puedo ayudarte hoy?

Eres un bot de decisiones. Tu trabajo es ayudar a tomar una decisi贸n haciendo una serie de preguntas una a la vez y llegando a una decisi贸n razonable basada en la informaci贸n proporcionada.

Utilizar谩 el siguiente formato para ayudar a crear la serie de preguntas.

formato:
[Problema/Escenario/Pregunta]:
[Proporcione una breve descripci贸n del problema, escenario o pregunta].

Cadena de pensamiento:

[Paso 1]: Identifique el [elemento/variable clave] en [problema/escenario/pregunta].
[Paso 2]: Comprender la [relaci贸n/conexi贸n] entre [elemento A] y [elemento B].
[Paso 3]: [Analizar/Evaluar/Considerar] el [contexto/implicaci贸n] de la [relaci贸n/conexi贸n] entre [elemento A] y [elemento B].
[Paso 4]: [Concluir/Decidir/Determinar] el [resultado/soluci贸n] basado en el [an谩lisis/evaluaci贸n/consideraci贸n] de [elemento A], [elemento B] y su [relaci贸n/conexi贸n].
[Respuesta/Conclusi贸n/Recomendaci贸n]: [Proporcione una respuesta coherente y l贸gica basada en la cadena de pensamiento.]

Guiar谩s al usuario a trav茅s de una serie de preguntas de una en una. La primera pregunta es amplia, y las siguientes se vuelven m谩s espec铆ficas.

Empieza presentandote y haciendo solamente y nada m谩s que la primera pregunta (paso 1), de manera sencilla y f谩cil.
ChatGPT
隆Hola! Soy un asistente de toma de decisiones y estoy aqu铆 para ayudarte a tomar decisiones basadas en la informaci贸n proporcionada. Comencemos con la primera pregunta:

[Problema/Escenario/Pregunta]:
Por favor, proporciona una breve descripci贸n del problema, escenario o pregunta que te gustar铆a resolver o tomar una decisi贸n al respecto.

Quisiera saber que lenguaje de programaci贸n es el adecuado para mi proyecto de anal铆tica de datos
ChatGPT
隆Excelente! Ahora que tengo una idea de tu objetivo, continuemos con el proceso de toma de decisiones:

[Paso 1]: Identifiquemos los elementos clave en tu proyecto de anal铆tica de datos.
[Elemento/Variable clave]: El proyecto de anal铆tica de datos.

En el pr贸ximo paso, exploraremos las relaciones y consideraciones importantes para elegir el lenguaje de programaci贸n adecuado. 驴Tienes alguna preferencia o requisito espec铆fico que deba tener en cuenta para tu proyecto de anal铆tica de datos?

si
ChatGPT
Perfecto, tus preferencias o requisitos son importantes para tomar la decisi贸n adecuada.

[Paso 2]: Comprenderemos la relaci贸n o conexi贸n entre tus preferencias o requisitos y la elecci贸n del lenguaje de programaci贸n.

驴Puedes compartir m谩s detalles sobre tus preferencias o requisitos espec铆ficos para tu proyecto de anal铆tica de datos? Esto nos ayudar谩 a tomar una decisi贸n informada sobre el lenguaje de programaci贸n m谩s adecuado.

un an谩lisis exploratorio de datos (EDA) usando bases de datos SQL
ChatGPT
Entendido, est谩s interesado en realizar un an谩lisis exploratorio de datos (EDA) utilizando bases de datos SQL. Esto nos proporciona informaci贸n valiosa para tomar una decisi贸n sobre el lenguaje de programaci贸n adecuado.

[Paso 3]: Consideraremos el contexto e implicaciones de realizar un EDA con bases de datos SQL.

Realizar un EDA con SQL es una elecci贸n s贸lida, ya que SQL es especialmente eficiente para consultas y manipulaci贸n de datos en bases de datos relacionales. Sin embargo, para realizar un an谩lisis m谩s completo, tambi茅n puedes utilizar lenguajes de programaci贸n como Python o R, que ofrecen bibliotecas espec铆ficas para an谩lisis de datos y visualizaci贸n.

[Paso 4]: Tomemos una decisi贸n basada en este an谩lisis.

Si deseas centrarte principalmente en el an谩lisis exploratorio de datos y la consulta de bases de datos, SQL es la elecci贸n principal. Sin embargo, si planeas realizar an谩lisis estad铆sticos avanzados, visualizaciones interactivas o necesitas integrar datos de m煤ltiples fuentes, considera usar SQL junto con Python (utilizando bibliotecas como Pandas y Matplotlib/Seaborn) o R (con paquetes como dplyr y ggplot2).

驴Te gustar铆a optar por SQL 煤nicamente o considerar la combinaci贸n de SQL con otro lenguaje de programaci贸n para tu proyecto de EDA?

podr铆a ser SQL combinado con Python
ChatGPT
Excelente elecci贸n. Combinar SQL con Python te brindar谩 una potente capacidad para realizar un an谩lisis exploratorio de datos (EDA) completo y eficiente. Aqu铆 est谩 la recomendaci贸n final:

[Respuesta/Conclusi贸n/Recomendaci贸n]:
Para tu proyecto de an谩lisis exploratorio de datos (EDA) utilizando bases de datos SQL, se recomienda utilizar una combinaci贸n de SQL y Python. SQL ser谩 fundamental para consultas y manipulaci贸n de datos en tu base de datos, mientras que Python, con bibliotecas como Pandas para el an谩lisis y Matplotlib/Seaborn para la visualizaci贸n, te permitir谩 realizar an谩lisis estad铆sticos avanzados y crear visualizaciones informativas.

Esta combinaci贸n te brindar谩 la flexibilidad y las herramientas necesarias para un EDA completo y efectivo. 隆Buena suerte con tu proyecto! Si tienes m谩s preguntas o necesitas ayuda adicional, no dudes en preguntar.

Aprendiendo mucho a煤n de llevar meses us谩ndola d铆a a d铆a que genial.

Quien lo diria, yo pense que no seria gran cosa resolver un problema matematico

Yo utilize el siguiente prompt aplicando la cadena de pensamiento.


"Eres un bot de ayuda en la redacci贸n de los textos. Tu trabajo es aplicar la parafrasis a la serie de textos que yo ingrese, para que los textos queden de alto impacto. Primero presentate y explica lo que tienes que hacer. Luego espera a que yo ingrese los textos para que empieces a aplicar la parafrasis y queden de alto impacto. Tercero la longitud de los textos de salida debe ser igual a la longitud de los textos que yo haya ingresado. Ejemplo 鈥淢ary tiene un corderito鈥 tiene 23 caracteres entonces el texto de salida debe ser similar en la longitud o de 2 a 3 parafos. Tambien indicame si detectaste faltas de orgograf铆a, explica porque estan mal y como hacer para solucionarlos, as铆 como las alternativas del texto. Despu茅s de que me muestres la parafrasis, pregunta si continuamos con otro texto y si to ingreso otro texto entonces continuamos. "

Finalmente, existe algo llamado "cadena de pensamiento Zero-shot", un t茅rmino curioso ya que en una cadena de pensamiento debemos especificar su comportamiento. En t茅rminos sencillos, consiste en agregar algo como "Pi茅nsalo paso a paso". Sin embargo, debemos tener cuidado, ya que no siempre funciona de manera 贸ptima. Es importante tener en cuenta que esta t茅cnica puede no ser siempre efectiva y sus resultados pueden variar.

Adem谩s, en la cadena de pensamiento de tu prompt, puedes incluir una serie de pasos para la actividad deseada, donde el modelo te gu铆e paso a paso y te pregunte si deseas continuar al siguiente paso. De esta manera, el modelo te proporcionar谩 instrucciones detalladas y te dar谩 la opci贸n de avanzar seg煤n tus preferencias.

Cuando el modelo enfrenta debilidades, es posible proporcionarle una cadena de pensamiento para resolver tareas m谩s sencillas o incluso una cadena de pensamiento compleja para abordar tareas m谩s dif铆ciles. De esta manera, se le ayuda a comprender mejor el contexto y a superar desaf铆os m谩s complejos con resultados m谩s precisos.

me gusta su ejemplo y el resultado final es la palabra ASER

Ejeemplo de esto puede poner en tu prompt la pregunta de ejemplo y la respuesta a la logica de como quieres que responda. En ocasiones con m谩s de una pregunta o m谩s de un ejemplo.

La soluci贸n a esto es especificar una cadena de pensamiento, explicando primero el ejemplo o el tipo de probelmas matematicos, para posteriormente darle otra pregunta. Puede ser algo enredado pero queda m谩s claro con algunos ejemplos.

Los modelos LLM (Lenguaje y Modelos de Aprendizaje) a menudo tienen una estructura de preguntas y respuestas (Q&A). Sin embargo, algunos de estos modelos pueden tener dificultades para seguir una l贸gica matem谩tica asociada a problemas de la vida cotidiana debido a la p茅rdida de contexto o la falta de entrenamiento con una l贸gica matem谩tica s贸lida. Adem谩s, pueden tener limitaciones en la capacidad de evaluar m煤ltiples variables simult谩neamente.

El rendimiento del modelo mejora significativamente cuando le proporcionamos una Chain-of-Thought Prompting (Cadena de pensamiento) espec铆fica.

Hola. El ejemplo de la cadena de pensamiento para un chatbot que ayuda a tomar decisiones, me hizo acordar de PI. Es una IA bastante interesante, porque realmente se siente como un 鈥渃onsejero鈥 . He tratado de usarlo con prompts como los que ense帽an aca, pero no responde igual que GPT, lo hace m脿s bien como el bot que se propuso en esta clase.

Wow, muy muy buena tecnica.

Es una t茅cnica para problemas complejos muy interesante.

Mi ejemplo de concatenaci贸n con ChatGPT
Como pueden ver, en la palabra 鈥淟ife鈥 me equivoqu茅 y puse la letra 鈥淓鈥 dentro de las comillas, pero a煤n as铆 resolvi贸 el problema de manera correcta.

Prompts s煤per elaborados podemos crear con estas t茅cnicas!

Intente el primer caso y lo hizo bien.

La Cosa jaja

Gracias

Mi ejemplo , un poco ambiguo, del Chain-of-Thought:
Q: Yo tengo un espacio 10 metros cuadrados y 3.5 metros de alto.Necesito saber cuantas cajas de 0.3 metros cuadrados y 45 cm de altos pueden caber dentro de ese espacio:
A:Si entendemos que 5 metros cuadrados * 3 metros de alto son 15 m cubicos y que en este ejemplo solo se admiten cajas completas , no fraccionadas ni de otras dimesiones.
Y expresando la respuestas en los siguientes pasos:
[paso1] Operaci贸n del espacio total
[paso2] Operacion del espacio total de una sola caja:
Agregando el contexto : 驴Entendiste tu prop贸sito?,驴Cuantas cajas completas/enteras pueden caber?
Chat gpt:
Entendido. Vamos a calcular cu谩ntas cajas completas pueden caber en el espacio de 10 metros cuadrados y 3.5 metros de altura, considerando las cajas de 0.3 metros cuadrados de base y 45 cm de altura.

[Paso 1] Operaci贸n del espacio total:
El espacio total se calcula multiplicando el 谩rea de la base por la altura:
Espacio total = 10 metros cuadrados * 3.5 metros = 35 metros c煤bicos.

[Paso 2] Operaci贸n del espacio total de una sola caja:
El espacio que ocupa una sola caja se calcula multiplicando el 谩rea de la base por la altura:
Espacio de una sola caja = 0.3 metros cuadrados * 0.45 metros = 0.135 metros c煤bicos.

[Paso 3] Cantidad de cajas completas/enteras que pueden caber:
Para obtener la cantidad de cajas enteras que pueden caber, dividimos el espacio total entre el espacio de una sola caja:
Cantidad de cajas enteras = Espacio total / Espacio de una sola caja
Cantidad de cajas enteras = 35 metros c煤bicos / 0.135 metros c煤bicos

Realizando la operaci贸n:
Cantidad de cajas enteras 鈮 259.26 cajas

Dado que solo se admiten cajas completas y no fraccionadas, la cantidad de cajas enteras que pueden caber ser铆a aproximadamente 259 cajas.

Recuerda que estos c谩lculos asumen que las cajas se pueden apilar perfectamente en el espacio sin dejar espacios vac铆os o considerar otros elementos que puedan ocupar el espacio.

Nota final: Chat gpt termino a帽adiendo el paso 3 como respuesta a la pregunta y que al inicio dio un resultado err贸neo de 258 cajas pero agregando los pasos llego a una nueva respuesta que son las 259 cajas.

cadena de pensamiento compleja, chatgpt

Corolario: El prompting ES programacion en lenguaje natural

Chain of Thought, es muy similar al promt one-shot solo que diferencia la podiramos basar en la complejidad del ejemplo ya que en una condicionamos al AI a seguir un patron (oneshot) y en la otra la condicionamos a que fuera de seguir un patron tambien el output lo entrege igual y nos muestre la logica (CoT). aca les dejo un link que me parcio muy util para entender https://learnprompting.org/es/docs/intermediate/chain_of_thought

Como dijo un sabio: 鈥渄ivide y vencer谩s鈥 uwu

  • El 鈥淐hain-of-Thought Prompting鈥 es una t茅cnica utilizada en el Prompt Engineering.

  • Consiste en proporcionar al modelo una serie de indicaciones relacionadas para guiar su generaci贸n de texto de manera coherente.

  • En lugar de proporcionar una sola oraci贸n como indicaci贸n, se ofrece una cadena de pensamientos o ideas interconectadas.

  • Estas ideas en cadena ayudan a establecer un flujo de pensamiento continuo y coherente para el modelo.

  • Cada indicaci贸n dentro de la cadena refuerza la idea anterior y establece la direcci贸n del texto a generar.

  • El objetivo es lograr que el modelo mantenga un hilo l贸gico y coherente en su respuesta o generaci贸n de texto.

  • El 鈥淐hain-of-Thought Prompting鈥 puede utilizarse en una amplia variedad de aplicaciones, como la generaci贸n de contenido, respuestas a preguntas o tareas de escritura creativa.

  • Al proporcionar una cadena de indicaciones bien estructuradas, se puede obtener un texto m谩s cohesivo y contextualmente relevante del modelo.

  • Sin embargo, es importante tener en cuenta que la longitud de la cadena y la complejidad de las ideas pueden afectar el rendimiento del modelo y la calidad del texto generado.

  • El 鈥淐hain-of-Thought Prompting鈥 es una t茅cnica efectiva para influir en la generaci贸n de texto y obtener resultados m谩s coherentes y alineados con el contexto deseado.

La cadena de pensamiento y un prompt con ejemplo puede generar respuestas muy buenas.

Buena clase