1
resposta

Faça como eu fiz: princípios fundamentais

Interessante, acho que do tempo em que o curso foi gravado para agora a IA foi aprimorada para responder a esses joguinhos. Ainda com o primeiro prompt a resposta da Le Chat foi:
Insira aqui a descrição dessa imagem para ajudar na acessibilidade

1 resposta

Olá, Nayara. Como vaií?

Que excelente observação! O seu post traz um insight fundamental sobre a evolução das ferramentas de Inteligência Artificial Generativa.

Você tocou no ponto central: o mercado de modelos de linguagem se move em uma velocidade assustadora. Da época em que o curso foi gravado para os dias de hoje, a arquitetura dos modelos (incluindo o Mistral Le Chat, o ChatGPT, o Gemini, entre outros) passou por atualizações profundas. A capacidade de raciocínio lógico estruturado e o processamento de inferências cruzadas (como ligar o Coronel Mostarda ao castiçal por eliminação de espaço) foram aprimorados drasticamente através de técnicas como o alinhamento por feedback humano (RLHF) e o treinamento focado em Cadeias de Pensamento (Chain of Thought).

Isso significa que muitos dos problemas de lógica simples que antes exigiam prompts altamente complexos e cheios de restrições para não falharem, hoje são resolvidos pelos modelos com instruções diretas de primeiro nível.

Para enriquecer o debate no seu post e trazer um panorama técnico sobre essa evolução dos prompts, separei duas reflexões importantes para você levar para o seu dia a dia:


1. O fenômeno da "Mudança de Linha de Base" (Baseline Shift)

Na engenharia de prompts, o que você presenciou é chamado de mudança de linha de base. Conforme as IAs ficam mais inteligentes, as técnicas necessárias para interagir com elas mudam:

  • No passado (Modelos mais antigos): Para resolver o mistério do Coronel Mostarda, o modelo precisava que o usuário aplicasse um prompt do tipo Few-Shot (dando exemplos parecidos de jogos de lógica) ou forçasse o raciocínio explícito mandando a IA escrever o passo a passo antes de dar o veredito.
  • No presente (Modelos atuais): Os modelos já realizam esse "passo a passo" mentalmente de forma nativa nas suas camadas ocultas de processamento antes de cuspir o primeiro caractere, gerando respostas diretas e corretas logo de primeira.

2. Por que ainda precisamos estudar Engenharia de Prompt se a IA está tão inteligente?

Essa é uma dúvida muito comum quando os estudantes percebem que a IA já resolve jogos lógicos com facilidade. A resposta é que o foco da engenharia de prompt subiu de nível.

Hoje em dia, nós não estruturamos prompts complexos apenas para a IA "não errar a matemática" ou "não errar a lógica" de problemas simples. Nós estruturamos prompts para:

  • Garantir Formatação Rígida: Forçar a IA a responder estritamente em um formato de dados específico (como uma tabela Markdown limpa, um arquivo JSON para integração de sistemas ou tags XML).
  • Controlar o Escopo de Negócios: Impedir que ela invente informações fora das regras de uma empresa (regras de conformidade/compliance).
  • Resolver Problemas Multivariáveis: Cruzar cenários de mercado complexos onde não existe apenas uma resposta "certa ou errada", mas sim uma escolha estratégica baseada em pesos e vantagens (trade-offs).

O seu teste com a Le Chat comprova na prática que os modelos estão virando excelentes copilotos de raciocínio. Parabéns por manter esse olhar atento e crítico sobre as atualizações das tecnologias! Continue compartilhando suas percepções com a comunidade do fórum.

Espero que possa ter lhe ajudado!