Ecco qualcosa che mi ha sorpreso quando l’ho imparato per la prima volta.
Puoi rendere l’IA significativamente migliore al ragionamento—non usando un modello migliore, non spendendo più soldi, ma semplicemente aggiungendo cinque parole al tuo prompt.
Quali cinque parole? “Ragioniamo passo per passo.”
Questa tecnica si chiama Chain of Thought Prompting, ed è una delle cose più utili che ho imparato sul lavoro con l’IA.
Il Problema: L’IA si precipita verso le risposte
Per impostazione predefinita, l’IA cerca di saltare direttamente dalla domanda alla risposta. Dai un problema di matematica, sputa un numero. Chiedi un’analisi, ti dà una conclusione.
A volte va bene. Ma per qualsiasi cosa richieda vero ragionamento—indovinelli logici, matematica multistadio, analisi complessa, debugging—questo scorcio porta a errori.
L’IA sa che dovrebbe mostrare il suo lavoro. Semplicemente… non lo fa. A meno che non glielo chieda.
Cosa fa Chain of Thought
Chain of Thought (CoT) Prompting chiede all’IA di mostrare il suo processo di ragionamento prima di dare una risposta.
Invece di:
Domanda → Risposta
Ottieni:
Domanda → Passo 1 → Passo 2 → Passo 3 → Risposta
Questo semplice cambiamento ha effetti profondissimi.
Quando l’IA deve articolare ogni passo, cattura i propri errori. Considera fattori che altrimenti potrebbe saltare. Costruisce verso le risposte invece di indovinarle.
I ricercatori di Google Brain hanno pubblicato un articolo fondamentale su questo nel 2022. Hanno scoperto che il prompting CoT migliorava drammaticamente le prestazioni su compiti aritmetici, ragionamento di buonsenso e logica simbolica—senza alcun addestramento aggiuntivo.
Stessa IA. Stessa conoscenza. Risultati molto migliori. Tutto perché le abbiamo chiesto di pensare ad alta voce.
La versione più semplice: Zero-Shot CoT
Il modo più facile di usare Chain of Thought è francamente semplice.
Basta aggiungere “Ragioniamo passo per passo” al tuo prompt.
Senza CoT:
Una mazza e una palla costano 1,10€ insieme. La mazza costa 1€ più della palla. Quanto costa la palla?
L’IA spesso blurta “0,10€"—il che è sbagliato.
Con CoT:
Una mazza e una palla costano 1,10€ insieme. La mazza costa 1€ più della palla. Quanto costa la palla? Ragioniamo passo per passo.
Ora l’IA ragionerà:
- Chiamiamo il prezzo della palla “x”
- La mazza costa 1€ di più, quindi la mazza è “x + 1€”
- Insieme costano 1,10€, quindi: x + (x + 1) = 1,10
- Questo significa 2x + 1 = 1,10
- Quindi 2x = 0,10
- Perciò x = 0,05€
La palla costa 0,05€ (e la mazza costa 1,05€).
Stessa domanda. Risposta corretta questa volta. Tutto perché abbiamo chiesto all’IA di mostrare il suo lavoro.
Few-Shot CoT: Mostra prima gli esempi
Per risultati ancora migliori, mostra all’IA un esempio del ragionamento che vuoi prima di fare la tua domanda.
Questo si chiama CoT “few-shot”—fornisci uno o più esempi elaborati, poi fai la tua vera domanda.
Esempio prompt:
Q: Roger ha 5 palline da tennis. Compra 2 altri barattoli di palline da tennis.
Ogni barattolo ha 3 palline da tennis. Quante palline da tennis ha adesso?
A: Ragioniamo attraverso questo passo per passo.
- Roger inizia con 5 palline da tennis
- Compra 2 barattoli, ognuno con 3 palline
- Sono 2 × 3 = 6 palline nuove
- Totale: 5 + 6 = 11 palline da tennis
Q: La mensa aveva 23 mele. Ne hanno usate 20 per fare pranzo e ne hanno comprate
6 in più. Quante mele hanno?
A:
L’IA ora seguirà lo stesso formato passo per passo per la nuova domanda.
Few-shot CoT richiede più sforzo per configurare, ma è più affidabile—soprattutto per problemi complessi o insoliti dove “ragioniamo passo per passo” potrebbe non innescare l’approccio giusto.
Quando Chain of Thought funziona meglio
CoT non è una bacchetta magica per tutto. Ecco dove brilla davvero:
Matematica e Logica
Qualsiasi cosa con più passaggi. Problemi verbali, calcoli, deduzioni logiche.
Prova: “Calcola l’interesse composto su 10.000€ al 5% per 3 anni. Pensa ogni anno passo per passo.”
Debugging del Codice
Capire cosa fa male il codice richiede di tracciare l’esecuzione.
Prova: “Ecco il mio codice [incolla codice]. Dà l’output sbagliato. Percorri passo per passo cosa succede quando chiamo questa funzione.”
Analisi e Processo Decisionale
Le decisioni complesse hanno molteplici fattori. CoT aiuta a pesarli sistematicamente.
Prova: “Sto decidendo tra queste tre offerte di lavoro [dettagli]. Pensa ai pro e ai contro di ognuno passo per passo prima di consigliarne una.”
Comprensione della lettura
I documenti lunghi con informazioni implicite richiedono un ragionamento attento.
Prova: “Basato su questo contratto [incolla testo], determina chi è responsabile se la consegna è tardiva. Percorri le clausole pertinenti passo per passo.”
Quando saltare CoT
Non tutto beneficia dal pensiero passo per passo:
- Domande semplici: “Qual è la capitale della Francia?” non ha bisogno di ragionamento.
- Scrittura creativa: Le storie e i contenuti beneficiano più di esempi e guida di tono che di passi logici.
- Compiti veloci: Se hai solo bisogno di una lista o una semplice riscrittura, CoT aggiunge lunghezza inutile.
- Modelli più piccoli: CoT funziona meglio con modelli capaci. I modelli di IA più piccoli possono produrre catene di ragionamento incoerenti.
Usa CoT per problemi che implicano ragionamento. Saltalo per tutto il resto.
Cinque Prompt CoT Pronti all’Uso
Copiali direttamente:
1. Problema Verbale di Matematica
[Il tuo problema qui]
Risolvi questo passo per passo. Mostra il tuo lavoro per ogni calcolo
prima di dare la risposta finale.
2. Aiuto al Debugging
Ecco il mio codice:
[incolla codice]
Ecco l'errore:
[incolla errore]
Percorri cosa fa il codice passo per passo, identifica dove
va male, poi spiega la correzione.
3. Analisi Decisionale
Devo scegliere tra: [opzione A] e [opzione B]
Contesto: [la tua situazione]
Analizza questo passo per passo:
1. Elenca i pro e i contro di ogni opzione
2. Considera la mia situazione specifica
3. Identifica i compromessi chiave
4. Fai una raccomandazione con ragionamento
4. Analisi del Documento
Basato su questo documento:
[incolla documento]
Rispondi a questa domanda: [la tua domanda]
Percorri le sezioni pertinenti passo per passo prima
di dare la tua risposta finale. Cita passaggi specifici che
sostengono la tua conclusione.
5. Spiegazione Complessa
Spiega [argomento complesso] a qualcuno che comprende [il loro background].
Scomponilo passo per passo:
1. Inizia con quello che già sanno
2. Costruisci fino al nuovo concetto
3. Usa analogie dove utile
4. Termina con come tutto si connette
Avanzato: Self-Consistency
Per problemi ad alte puntate, c’è una tecnica più sofisticata: l’auto-consistenza.
Invece di generare una sola catena di ragionamento, chiedi all’IA di risolvere il problema più volte (con un po’ di casualità) e poi prendi la risposta più comune.
È come chiedere a cinque esperti di lavorare indipendentemente attraverso un problema. Se quattro di loro raggiungono la stessa conclusione, probabilmente è corretta.
È più difficile da fare manualmente ma vale la pena saperlo per le decisioni critiche.
Il Takeaway
Chain of Thought Prompting è una di quelle rare tecniche che è sia semplice che potente.
Per compiti di ragionamento—matematica, logica, debugging, analisi—spesso fa la differenza tra risposte sbagliate e corrette. E tutto quello che costa sono poche parole in più nel tuo prompt.
La prossima volta che sei frustrato dal ragionamento dell’IA, prova queste parole magiche:
“Ragioniamo passo per passo.”
Potresti essere sorpreso da quello che succede.