Ingénierie rapide en santé: procédures, stratégie et tendances éprouvées
Qu’est-ce que l’ingénierie rapide dans les soins de santé?
L’ingénierie rapide est un processus de dire IA, quoi faire et comment le faire. En utilisant des défis précis et efficaces du langage naturel, les utilisateurs fournissent un ensemble d’instructions LLM sur la façon de terminer la tâche pour générer des réponses précises et utiles. Cela peut inclure le message LLM au lien vers le lien et le format dans lequel l’utilisateur souhaite les informations présentées.
Google note que “l’ingénierie rapide est l’art et la science de la conception et de l’optimisation des défis pour mener l’IA, en particulier LLM, pour générer les réponses requises”. Amazon Web Services indique que les ingénieurs rapides “choisissent les formats, phrases, mots et symboles les plus appropriés que l’IA” et que le processus nécessite une combinaison “d’essais et d’erreurs de créativité plus” pour obtenir les résultats prévus.
Quelles sont les principales procédures éprouvées pour l’IA d’ingénierie rapide dans les soins de santé?
Voici quelques meilleures procédures d’ingénierie immédiates qui doivent être gardées à l’esprit:
Les défis doivent être spécifiques
Les appels d’IA doivent être très spécifiques pour éviter des réactions non pertinentes. Utilisez une langue brillante et brève et dites le format de réponse souhaité par LLM tel que le résumé, le graphique ou la liste. Par exemple, un médecin pourrait demander à LLM de “résumer trois plans de traitement possibles pour un homme de 55 ans diagnostiqué avec le diabète 2. Type et réduire chaque résumé à 300 mots.”
“Dans les soins de santé, vous ne voulez pas que LLM l’approvisionnement en Wikipedia ou le magazine de divertissement pour les recommandations de diagnostic”, explique le Dr Tim Wetherill, directeur clinique de Machinify. “Vous pouvez demander à LLM d’utiliser uniquement des ressources examinées et de partager s’il y a des préoccupations marquées concernant la littérature examinée.”
Fournir un contexte pertinent avec les défis ultérieurs
Les défis ultérieurs fournissent plus de contexte et aident à générer des réponses plus spécifiques. Des mesures ultérieures pour demander le traitement d’un patient diabète pourraient être: “Le patient est immunodéprimé en raison de la transplantation des organes récents. Ajustez le plan de traitement pour être responsable des interactions potentielles et du risque d’infection.”
Wetherill dit que lors de l’expérimentation de défis pour élaborer: “L’une des choses que je fais est de dire LLM pour me poser des questions ou soumettre des suggestions qui amélioreront la production.” Décrit l’ingénierie rapide comme «la moitié de l’art et la moitié de la science. Ce n’est pas un processus en un seul dernier stade. Vous devez être prêt à donner le temps de gagner de la valeur».
EXPLORER: L’IA d’aujourd’hui comprend la gestion des données, la LLM et les efforts pour éviter les biais et les inexactitudes.
Donner des exemples de sorties requises
En ingénierie rapide, les utilisateurs peuvent générer les sorties de démonstration requises de la bonne réponse. L’IA apprend des exemples fournis et peut utiliser ces connaissances pour améliorer constamment les sorties. Un exemple négatif peut également montrer les sorties AI à éviter.
“Plus nous pouvons être spécifiques, moins nous quittons LLM pour inférer quoi faire d’une manière qui pourrait être surprenante pour l’utilisateur final”, explique Jason Kim, ingénieur rapide et travailleur technique d’Anthropic qui a développé Claude AI. “Nous avons des exemples classiques à suivre pour Claude qui déterminent le format et la nature du processus à partir duquel nous voulons construire.”
Considérez les commentaires des utilisateurs
En tant qu’organisation médicale, il s’intègre dans son système LLM, les procédures d’ingénierie éprouvées peuvent évoluer sur la base de la performance de l’IA. Pour analyser le fonctionnement de la LLM, “nous recevons l’évaluation des médecins et des chercheurs”, explique Kim. “Grâce aux commentaires, vous pouvez régler et mettre à jour la proposition pour les défis.”
“L’ingénierie rapide de la santé devrait inclure des tests, une évaluation et une amélioration continues en fonction des commentaires des mesures de performance et de travailleurs de la santé”, ajoute Harper. “Il est important que la sortie soit testée et vérifiée dans un environnement clinique réel avant le déploiement à une échelle.”
