Il professor Andrew Ng, noto esperto di intelligenza artificiale e docente alla Stanford University, ha recentemente condiviso una riflessione interessante sul suo approccio all’interazione con i modelli linguistici di grandi dimensioni (LLM). Secondo Ng, non sempre è necessario fornire stimoli complessi o dettagliati per ottenere risultati efficaci. Al contrario, suggerisce che anche “gli stimoli pigri”, ovvero input semplici e diretti, possono essere una strategia altrettanto valida.
In un post su X (ex Twitter) datato 4 aprile, Ng ha sottolineato che “l’inserimento di informazioni dettagliate nel prompt dovrebbe essere effettuato solo quando strettamente necessario”, e che talvolta un input più semplice, privo di istruzioni complicate, può effettivamente produrre risposte migliori. Questo approccio, che il professor Ng definisce “suggestione pigra”, consiste nel trasmettere informazioni all’IA senza contesti complessi o dettagli inutili.
Tradizionalmente, quando si utilizzano modelli linguistici avanzati, si consiglia di fornire istruzioni chiare e informazioni di base sufficienti per orientare il modello. Tuttavia, Ng sostiene che i modelli moderni siano ormai abbastanza sofisticati da comprendere l’intento dietro gli input, anche senza una guida esplicita. Ad esempio, ha spiegato che spesso gli sviluppatori copiano e incollano lunghi messaggi di errore nei modelli di linguaggio per cercare di capire dove risiede il problema, senza aggiungere spiegazioni aggiuntive. Nonostante ciò, gli LLM sono abbastanza intelligenti da rilevare che l’utente sta cercando una soluzione e, quindi, riescono a suggerire risposte appropriate anche con informazioni minime.
Questa osservazione evidenzia come i modelli IA si stiano evolvendo non solo per eseguire istruzioni dirette, ma anche per dedurre e comprendere meglio le intenzioni dell’utente. Gli sviluppatori di intelligenza artificiale, infatti, stanno continuamente migliorando la capacità dei modelli di inferire e ragionare, rendendo sempre più naturale l’interazione con l’IA.
Tuttavia, il professor Ng mette in guardia sull’uso universale di questa strategia. I “suggerimenti pigri” funzionano solo in particolari condizioni. Innanzitutto, gli utenti devono avere la possibilità di iterare e testare rapidamente le loro richieste tramite un’interfaccia facile da usare, come quella di un’app o di una piattaforma web. Inoltre, è fondamentale che il modello possieda un alto livello di capacità inferenziale, anche con dati limitati. Senza questi due requisiti, i prompt semplici potrebbero non produrre i risultati desiderati.
Ng ha anche sottolineato che i “prompt pigri” non sono sempre efficaci, specialmente quando il modello necessita di un ampio contesto per generare risposte complesse o quando non riesce a rilevare errori potenziali. I prompt vaghi, infatti, possono confondere anche gli utenti esperti, portando a risposte imprecise o fuori contesto. Per evitare questi problemi, è essenziale che gli utenti abbiano familiarità con l’interazione con l’IA e sappiano come perfezionare rapidamente le loro richieste.
Ng, quindi, suggerisce che i “prompt pigri” sono una strategia avanzata, più adatta a utenti esperti che comprendono le capacità di inferenza e ragionamento dei modelli di IA. Per questi utenti, questa tecnica può risultare molto più efficiente, eliminando comandi ridondanti e riducendo il “rumore” che può confondere il modello.