Prompt e contesto nell'intelligenza artificiale

L'interazione con i modelli di intelligenza artificiale (IA) e negli LLM (Large Language Model) ruota attorno a due elementi essenziali: prompt e contesto. Questi concetti sono la chiave per ottenere risposte precise e pertinenti, ed è importante comprendere come funzionano per migliorare l'interazione con i sistemi IA. Il modo in cui viene formulato il prompt e il contesto offerto possono influenzare notevolmente le risposte dell'IA.

Prompt

Il prompt è la domanda o la richiesta iniziale che viene posta all'IA. Rappresenta l'input diretto dell'utente, che può variare da una domanda semplice a una descrizione dettagliata.

In generale, più un prompt è chiaro e dettagliato, più è probabile ottenere una risposta utile. La precisione del prompt guida l'IA verso una comprensione più accurata della richiesta, riducendo il rischio di ambiguità.

Esempio. Chiedere "Che cos'è la fotosintesi?" fornisce una risposta generica sulla definizione biologica del processo. Se invece si specifica "Spiegami la fotosintesi come se fossi un agronomo", l'IA potrà orientare la spiegazione verso applicazioni agricole, offrendo un dettaglio maggiore.

Contesto

Il contesto include tutte le informazioni che l'IA utilizza per interpretare il prompt e generare una risposta. Questo può derivare dai dati di addestramento dell'IA, da informazioni condivise in una conversazione precedente, o da dettagli forniti dall'utente.

Il contesto permette all'IA di "ricordare" ciò che è stato detto in precedenza, mantenendo coerenza nelle risposte e comprendendo meglio le richieste successive.

Esempio: Se un utente ha già specificato che si occupa di ingegneria termica e poi chiede "Quali sono gli usi più comuni del calore specifico?", l'IA utilizzerà il contesto per offrire una risposta più mirata agli usi ingegneristici, evitando spiegazioni troppo generali.

In generale, il contesto può essere costruito fornendo più informazioni in un singolo prompt oppure avviando una conversazione, con più prompt in sequenza che forniscono maggiori dettagli al LLM.

Prompt generico vs. dettagliato

Vediamo alcuni esempi pratici di prompt generici (privi di contesto) e di prompt dettagliati.

Un esempio di prompt generico potrebbe essere il seguente:

"Descrivi le caratteristiche dei merli."

Nel prompt viene fatta una domanda secca, senza fornire alcuna informazione aggiuntiva su quanto si sta cercando.

L'IA potrebbe fornire come risposta una descrizione degli uccelli chiamati merli, con informazioni di base sulle loro caratteristiche. Per questa è l'accezione più frequente.

Viceversa, un prompt dettagliato come il seguente produce un risultato completamente diverso.

"Sono un architetto, puoi descrivere i merli nelle costruzioni medievali?"

In questo caso viene fornito un contesto all'IA. Si specifica che la richiesta proviene da un architetto e anche l'accezione della parola "merli".

L'IA, riconoscendo il contesto professionale, offrirà una descrizione dei merli come elementi difensivi delle mura medievali, usati nelle fortificazioni.

In particolar modo, in un LLM il contesto migliora l'accuratezza delle risposte in una conversazione continuativa.

Ad esempio, la conversazione inizia con una domanda molto semplice.

"Come funziona la fotosintesi?"

L'IA fornirà in risposta una descrizione generica della fotosintesi, spiegando come le piante utilizzano la luce solare per convertire anidride carbonica e acqua in glucosio e ossigeno.

Il prompt successivo è una domanda che scende nel dettaglio.

"E nelle piante acquatiche?"

Grazie al contesto, l'IA potrà approfondire la spiegazione, specificando le modalità di fotosintesi nelle piante acquatiche, come le alghe e le piante subacquee, evidenziando le differenze rispetto alla fotosintesi nelle piante terrestri, ad esempio adattamenti per l'assorbimento della luce in ambienti sommersi e la diffusione dei gas in acqua.

Tipi di prompt

A seconda di quanto contesto viene fornito, esistono diversi tipi di prompt che influenzano la profondità delle risposte generate dall'IA:

• Zero Shot
  È una richiesta posta senza alcun contesto aggiuntivo. L'IA deve rispondere basandosi esclusivamente sul prompt ricevuto. Ad esempio:

  "Che cos'è la fotosintesi?"

  L'IA fornirà una definizione generale della fotosintesi clorofilliana in natura.
• One Shot
  Nel prompt, ovvero nella domanda, viene fornito un minimo di contesto per migliorare la qualità della risposta. Ad esempio:

  "Sono un insegnante di scienze, puoi spiegarmi la fotosintesi in modo semplice?"

  In questo caso la risposta sarà più focalizzata, con un linguaggio e spiegazioni semplificate adatte a un contesto educativo, magari utilizzando esempi pratici.
• Few Shots
  Nel prompt sono inclusi diversi esempi o dettagli che l'IA può utilizzare per generare una risposta più precisa. Ad esempio:

  "Nel 2024, come viene utilizzata la fotosintesi artificiale per produrre combustibili sostenibili nelle tecnologie energetiche avanzate?"

  L'IA fornirà una risposta approfondita, spiegando come la fotosintesi artificiale imiti il processo naturale delle piante per convertire la luce solare in energia chimica, producendo idrogeno o altri combustibili. La risposta potrebbe includere dettagli su nuove tecnologie sviluppate nel 2024, come i pannelli a fotosintesi artificiale più efficienti, e il loro utilizzo per ridurre le emissioni di carbonio nei settori industriali, nonché i progressi nella catalisi per migliorare la conversione energetica​.

In conclusione, formulare domande chiare e dettagliate è fondamentale per ottenere risposte di qualità da un modello di intelligenza artificiale.

La comprensione del ruolo del prompt e del contesto permette di sfruttare al meglio le potenzialità dei sistemi AI, garantendo risposte mirate e rilevanti

Che si tratti di un insegnante, di un ingegnere o di un curioso, sapere come strutturare la propria richiesta può fare la differenza tra una risposta superficiale e una ricca di dettagli.

Quando interagisci con un'IA, prova a immaginare di parlare con un esperto che non conosce il tuo background. Fornire dettagli rilevanti aiuterà l'IA a capire meglio la tua esigenza e a rispondere con maggior precisione.

Un piccolo sforzo nella formulazione del prompt può ripagare in termini di qualità delle risposte ottenute.