<aside> ➡️ Ao final da trilha, os participantes serão capazes de criar ferramentas para apoiar seus trabalhos em educação utilizando IA Generativa, explorando as possibilidades e limitações dos principais LLMs. Além disso, terão acesso gratuito ao workspace e à rede de professores do Playlab.ai, que integra modelos como GPT-4, Claude e Haiku.
Objetivos específicos:
Carga horária de ~18h em três semanas.
Sessões síncronas:
Público:
| App - Sequências didáticas | bit.ly/planeje_mais_rapido_e_melhor |
|---|---|
| App - Técnicas de Gestão de Sala de Aula | bit.ly/aula_nota10 |
| App - Assistênte HeyCiência | bit.ly/assitente_heyciencia |
| Convite PlayLab Ensina Brasil | enviado depois da confirmação da inscrição |
| PréPrompt - Português | bit.ly/pre_prompt |
| IA Gen | Inteligência Artificial Generativa, que se refere a sistemas de IA capazes de gerar novos conteúdos, dados ou informações que ainda não existem como texto, imagens, música, etc. As IA Gen são modelos treinados com uma enorme quantidade de informações já existentes. |
|---|---|
| LLM | Modelos de Linguagem de Grande Escala (Large Language Models) são algoritmos de IA capazes de entender, gerar e interagir com textos em linguagem natural de maneira coerente. Eles são "treinados em vastos conjuntos de dados de texto e utilizam redes neurais para processar diferentes camadas de conhecimento. Esses modelos aprendem padrões de linguagem, gramática, conhecimento factual, e nuances contextuais. Dependendo da interação, podem acessar diferentes "espaços semânticos" dentro de suas redes, proporcionando respostas especializadas ou gerais, adaptando-se ao contexto solicitado. |
| Espaços semânticos | Essa ideia de espaços semânticos sugere que a IA Gen. pode acessar e utilizar diferentes camadas de conhecimento, dependendo de como a interação é configurada, e que o potencial da IA está na ativação correta desses espaços para gerar respostas mais relevantes e precisas. Esses espaços são multidimensionais e especializados em diferentes áreas, como química, física, biologia, matemática, ou até mesmo habilidades práticas, como andar de skate ou cozinhar. Ao interagir com uma IA como o ChatGPT, a resposta que obtemos depende do espaço semântico ativado. Por exemplo, se perguntarmos "o que é um garfo?", a resposta padrão virá do espaço semântico de senso comum. |
| Prompt | Funciona como uma instrução ou uma questão dirigida à IA. Ele se refere a uma entrada de texto fornecida ao modelo, para incitar, ou "estimular", uma resposta ou geração de conteúdo específico. |
| Pré-Prompt | Um modelo de Prompt para guiar a construção de ferramentas de IA Gen. Um pré-prompt poderia ser uma instrução ou conjunto de informações fornecidas ao modelo para influenciar como ele interpreta e interage com o usuário. Isso pode ajudar a moldar o tom, o estilo narrativo, a perspectiva ou o espaço semântico o modelo deve acionar ao gerar sua resposta. |
| PL - Background | Contexto de aplicação e de comportamento esperado da ferramenta. |
| PL - Your Workflow | Fluxo de trabalho envolve a sequência de passos operacionais, processos, ferramentas e métodos usados para completar o trabalho, desde o início até a conclusão de um projeto ou tarefa |
| PL - Conversation rules / Guardrails | Conjunto de diretrizes ou políticas que orientam a interação entre o usuário e a IA. É aqui também que você pode limitar seu chatbot a escrever somente em português. |
| PL - References | Conjunto de documentos que você pode subir para que seu chatbot use como referência. Caso você não suba nenhuma referência, e não especifique no prompt quando usar-las o seu chatbot vai seguir o espaço semântico genérico, podem desviar muito e começar a criar “alucinações”. |
| PL - Memory | Nessa funcionalidade você pode listar quais informações você quer que seu chatbot guarde para usar durante a interação. Ex: tema que o aluno quer trabalhar no projeto. |
Link dos documentos de apoio e referências.
Aprendizagem assíncrona Playlab