Un muy interesante artículo en IEEE Spectrum, «AI prompt engineering is dead, long live AI prompt engineering«, aclara mucho los conceptos a los entusiastas del llamado «prompt engineering«, que tratan de estructurar textos que supuestamente pueden ser bien interpretados y comprendidos por algoritmos de inteligencia artificial generativa, y apunta a que se trata de una tarea que, cada vez más, llevarán a cabo los propios modelos.

La idea que subyace tras los miles de artículos que pululan por la red a modo de cheat sheets o guías con los supuestamente «mejores prompts» es la de que un buen prompt engineer es alguien «se entiende mejor con los algoritmos», como si los algoritmos hablasen en un idioma determinado. La realidad es que los algoritmos no hablan ningún idioma, son simplemente ecuaciones matemáticas que actúan a partir de correlaciones, y las ocasiones en las que un determinado prompt funciona aparentemente bien son más fruto de la casualidad que de algún tipo de supuesta ciencia.

Obviamente, la experiencia y la soltura en el manejo de algoritmos generativos es un grado, y una persona que los utilice en su trabajo más a menudo tenderá a generar mejores prompts que una que se aproxima a ellos sin experiencia, pero la realidad es que toda la mística que rodea a la idea del prompt engineering tiene más bien poca consistencia, y se basa en correlaciones la mayor parte del tiempo puramente casuales. De hecho, la dirección de la tecnología es al desarrollo de prompts generados automáticamente por los propios algoritmos, capaces de evaluar distintas alternativas de manera competitiva a la hora de formular una petición a un algoritmo, y presentar la mejor de todas ellas en función de parámetros puramente matemáticos como la optimización del modelo.

Este tipo de prestaciones de optimización automatizada se están planteando como incorporaciones a los algoritmos generativos con el fin de reducir su variabilidad y falta de fiabilidad, desde las llamadas «alucinaciones» hasta las ocasiones en las que un algoritmo devuelve resultados subóptimos, y constituirían una segunda etapa en la adopción de este tipo de tecnologías: si la primera tendía a estar dominada por «los brujos de la tribu» que, gracias a unas presuntas habilidades», parecían «entenderse mejor» con los algoritmos generativos, la segunda es mucho más organizada y predecible, y permite que prácticamente cualquiera pueda formular una petición y que esta, tras ser interpretada y optimizada, se convierta en un prompt adecuado que genera los mejores resultados.

Es bastante habitual que, en la fase de adopción de toda tecnología, los primeros que comienzan a utilizarla traten de adquirir algún tipo de «mística» que los diferencia, y el prompt engineering iba claramente por ahí. Ahora, es el momento de intentar entender realmente cómo funciona un algoritmo generativo (momento «destripar el juguete») y olvidarse de «hablar con él» como si fuera una persona que habla un idioma determinado y nos entiende mejor a nosotros que a otros.

Actualmente, la experiencia y madurez en el uso de algoritmos generativos estriba más en el saber cuándo y para qué utilizarlos, y sobre todo, en el nivel de trabajo posterior que hay que llevar a cabo con sus respuestas, que en ninguna «guía mágica» de prompt engineering. Así que si habías pensado en añadir eso como línea a tu curriculum, puedes ir pensando en descartar esa idea.

Nota:https://www.enriquedans.com/