Olá, Ananda. Como vai?
O seu projeto prático ficou excelente e ilustra perfeitamente o poder da técnica de Chain-of-Thought (Cadeia de Pensamentos)! É muito gratificante ver como os modelos de IA, como o Gemini, se comportam quando são estimulados a "pensar alto" antes de entregar uma resposta definitiva.
Quando permitimos ou solicitamos que a IA quebre o problema em etapas (primeiro listando os valores corretos, depois fazendo a soma e, por fim, aplicando a porcentagem), nós mitigamos um dos maiores pontos fracos das IAs generativas, que é o erro por impulso estatístico em cálculos matemáticos.
Para consolidar ainda mais o seu aprendizado sobre essa atividade, vale a pena destacar por que esse comportamento acontece por debaixo dos panos:
O Segredo da Cadeia de Pensamentos
Os modelos de linguagem geram uma palavra (ou token) por vez. Se fizermos uma pergunta complexa e exigirmos apenas o resultado final direto, a IA tentará adivinhar o número de uma vez só, o que frequentemente causa alucinações matemáticas.
Ao estruturar a resposta criando um caminho lógico passo a passo, a IA ganha o que os engenheiros de prompt chamam de "espaço de computação". Cada etapa correta que ela escreve serve de contexto e base para ela acertar a etapa seguinte.
Dica de Boas Práticas: Como forçar esse comportamento?
No seu exercício, o Gemini ativou essa cadeia de pensamentos de forma muito fluida. Caso você vá criar um prompt para automações ou sistemas onde o resultado precisa ser 100% confiável, você pode forçar essa técnica adicionando comandos explícitos no final do seu texto, tais como:
- "Explique o seu raciocínio passo a passo antes de fazer qualquer cálculo."
- "Escreva as etapas do cálculo detalhadamente antes de apresentar o valor final."
Parabéns por concluir a atividade com sucesso e por observar esse comportamento detalhado da inteligência artificial. Dominar a Cadeia de Pensamentos é um divisor de águas para quem trabalha com Engenharia de Prompt!
Espero que possa ter lhe ajudado!
