Ejemplo: Creación de un conjunto de datos de muestra que respete determinadas características

Estrategia de composición del prompt:

• Especifica el dominio de aplicación
• Indica el formato y la estructura de datos deseados (para la estructura tabular, especifica: número de columnas, encabezado, tipo de datos, rango de valores… y define lo que representan).
• Pide a ChatGPT que te proporcione una serie de preguntas a las que responder para caracterizar mejor el contexto.
• Da ejemplos de datos o describir la disposición de los datos [opcional pero recomendado si la estructura es compleja]

Supongamos que está trabajando en el desarrollo de un proyecto con fines de demostración, un caso de uso, para proponerlo a clientes potenciales, pero no dispone de un conjunto de datos apropiado. Si nos interesa generar un número modesto de valores, en su mayoría de naturaleza categórica (no numérica) y con bastante variabilidad, sin duda podemos utilizar ChatGPT para crear un dataset resumido. En el ejemplo siguiente, se establecerá el dominio de aplicación, después se pedirá a ChatGPT que formule una serie de preguntas que considere útiles para comprender mejor nuestra consulta, task y, por último, el conjunto de datos sintético.

Contexto y tarea definidos con la técnica Ask Before Answer. La interacción comienza con la delimitación del contexto de la aplicación y continúa con la indicación de la tarea que debe realizarse, seguida de una petición explícita de que se formulen preguntas adecuadas para aumentar la precisión de la respuesta y, por tanto, tales que guíen al usuario a la hora de especificar todos los detalles pertinentes. A continuación se presentan algunas de las preguntas planteadas por ChatGPT y que constituyen, como podemos adivinar, el corazón de esta estrategia de prompting, capaz de guiar incluso a los usuarios menos expertos en la formulación completa de la solicitud antes de que ésta sea asumida por el modelo.