2.4 — Regola n°3 — Far ragionare l'IA ad alta voce (il « Chain-of-Thought »)
🟢 In parole semplici — invece di chiedere solo la risposta, chiedi all’IA di mostrare il suo ragionamento prima. Come uno studente che scrive il calcolo: esplicitare i passaggi riduce gli errori di distrazione.
Poni un problema di matematica o logica ed esigi la risposta diretta: un modello classico rischia di sbagliare. La soluzione si chiama Chain-of-Thought (CoT), o « catena di pensiero ».
Possiamo vedere queste tre tecniche come una crescita di sofisticazione: dal prompt senza esempio (zero-shot) al prompt con esempi (few-shot), poi al prompt che chiede un ragionamento esplicitato (Chain-of-Thought).
- L’attivatore: aggiungi « Ragiona passo dopo passo » (Let’s think step by step), o chiedi esplicitamente di dettagliare il ragionamento prima della conclusione.
- Perché funziona: invece di sputare una risposta tutta d’un fiato, l’IA espone il suo ragionamento. Come a scuola: scrivere il calcolo sul foglio evita gli errori di distrazione.
✅ In sintesi
- Il Chain-of-Thought fa dettagliare il ragionamento prima della risposta.
- Molto utile sui modelli classici/rapidi (calcolo, logica).
- Sui modelli di ragionamento recenti, è spesso ridondante: punta piuttosto a un obiettivo e criteri chiari.
- CoT (ragionamento) e Few-shot (formato) si combinano senza problemi.
📝 La mia nota
Una formazioneBaxIA