Colega de Estudos
Uma das minhas formas favoritas de usar LLMS é como uma ferramenta de estudo. Principalmente para explicar termos confusos e criar mini-testes sobre o conteúdo que estou estudando.
Explicando termos
Recentement eu estava lendo um livro sobre Cacti, e eu vi a seguinte frase:
Devido às adaptações às condições xéricas e à presença de **madeiras menos derivadas** em Pereskioideae, a Cactaceae é uma das famílias mais interessantes tanto anatomicamente quanto morfologicamente.
Eu não entendi o significado de madeiras menos derivadas, e o Google retornou somente artigos científicos quando procurei pelo termo. Então eu decidi utilizar o Chat-GPT para descobrir o que isso significa. Eu escrevi o comando a seguir:
Devido às adaptações às condições xéricas e à presença de madeiras menos derivadas em Pereskioideae, a Cactaceae é uma das famílias mais interessantes tanto anatomicamente quanto morfologicamente.
Qual o significado de "madeiras menos derivadas"?
// highlight-start
O termo "madeiras menos derivadas" refere-se a um tipo de tecido de plantas lenhosas que é menos evoluído e diferenciado do que o tipo de madeira encontrado em plantas mais avançadas. Em outras palavras, as Pereskioideae têm um tipo mais primitivo de madeira em comparação com outras plantas lenhosas, o que as torna interessantes do ponto de vista botânico.
//highlight-end
O modelo foi capaz de responder minha pergunta rapidamente e pude continuar com minha leitura.
Criando um mini-teste para você mesmo
Outra maneira de usar LLMs como uma ferramenta de estudo é testar a si mesmo. Se você tiver uma prova de cálculo chegando, poderia simplesmente perguntar:
Gerar 5 perguntas de teste de Cálculo I para mim:
// highlight-start
Claro, aqui estão 5 perguntas de teste de Cálculo I:
Qual é a derivada de f(x) = 2x^3 + 5x^2 - 4x + 3?
Qual é a integral definida de f(x) = 4x - 2 no intervalo [1, 3]?
Determine o limite de f(x) = (3x^2 - 2x + 1)/(2x^2 - 3x + 1) quando x se aproxima de 2.
Encontre a equação da reta tangente à curva y = x^2 - 2x + 1 no ponto (2, 1).
Calcule a área da região delimitada pelas curvas y = x^2 - 1 e y = -x^2 + 1.
//highlight-end
Se você estiver estudando um tópico mais específico, pode ser necessário fornecer informações adicionais ao modelo, como suas anotações de aula!
3/20/2020 2:30 PM
Anotações da Aula de Marketing
Discutidos os 4 Ps do marketing: Produto, Preço, Praça, Promoção
Diferença entre B2C e B2B: B2C é mercado direto ao consumidor, B2B é de empresa para empresa
Diferentes tipos de pesquisa de mercado: Quantitativa e Qualitativa, como pesquisas e grupos focais
Estratégias de Preço: Skimming, Penetração, Concorrência e Valor
Segmentação: segmentar a base de clientes por idade, renda, etc.
4 tipos de segmentação: Demográfica, Geográfica, Psicográfica e Comportamental
Discutidas diferentes ferramentas promocionais: Publicidade, Venda Pessoal, Relações Públicas, Marketing Direto e Promoções de Vendas
Criar cinco perguntas sobre marketing de acordo com as minhas anotações acima:
// highlight-start
Quais são os 4 Ps do marketing?
Qual a diferença entre B2C e B2B?
Quais são os dois tipos de pesquisa de mercado discutidos em sala de aula?
Quais são as quatro estratégias de preço discutidas em sala de aula?
Quais são os quatro tipos de segmentação discutidos em sala de aula?
//highlight-end
Conclusão
Provavelmente existem outras formas de utilizar os LLMs para estudar. Muitas empresas de aprendizado, como Duolingo e Quizlet, estão implementando os LLMs em seus produtos.
Sander Schulhoff
Sander Schulhoff is the CEO of HackAPrompt and Learn Prompting. He created the first Prompt Engineering guide on the internet, two months before ChatGPT was released, which has taught 3 million people how to prompt ChatGPT. He also partnered with OpenAI to run the first AI Red Teaming competition, HackAPrompt, which was 2x larger than the White House's subsequent AI Red Teaming competition. Today, HackAPrompt partners with the Frontier AI labs to produce research that makes their models more secure. Sander's background is in Natural Language Processing and deep reinforcement learning. He recently led the team behind The Prompt Report, the most comprehensive study of prompt engineering ever done. This 76-page survey, co-authored with OpenAI, Microsoft, Google, Princeton, Stanford, and other leading institutions, analyzed 1,500+ academic papers and covered 200+ prompting techniques.
Footnotes
-
Nobel, P. S., & others. (2002). Cacti: biology and uses. Univ of California Press. ↩