موضوع مقاله

پرامپت نویسی

این روزها استفاده از ابزارهای هوش مصنوعی رونق فراوانی پیدا کرده است. این ابزارها انجام بسیاری از کارها را برای ما ساده کرده‌اند. اما هنوز هم برخی از افراد هستند که نمی‌توانند نتیجه درستی را از این ابزارها بگیرند و شاکی هستند که هوش مصنوعی نمی‌تواند به درخواست آنها به گونه دلخواهشان پاسخ دهد. مهم‌ترین دلیل بروز این مشکل عدم درست‌نویسی دستور یا پرامپت است. پرامپت همان درخواستی است که به هوش مصنوعی ارسال می‌کنیم تا به ما پاسخ دهد. پرامپت نویسی اکنون به یک دانش تبدیل شده است و اگر بتوانید این کار را درست انجام دهید، می‌توانید به درستی از چت‌بات‌های هوش مصنوعی و این ابزارها استفاده کنید. در این مقاله قصد داریم به بررسی پرامپت نویسی بپردازیم. با ادامه این مطلب ما را همراهی کنید.

پرامپت چیست؟

پرامپت دستوری است که به هوش مصنوعی ارسال می‌کنیم تا به خواسته‌های ما پاسخ دهد. ابزارها و چت‌بات‌های هوش مصنوعی مانند چت GPT مجهز به NLP یا سیستم پردازش زبان طبیعی هستند. یعنی آنها می‌توانند از نوع حرف زدن و نوشتن ما یاد بگیرند و به سؤالات و درخواست‌های ما پاسخ دهند. با این وجود ما هم باید بدانیم که چطور درخواست خود را بیان کنیم تا بهترین نتیجه را بگیریم. درست نوشتن پرامپت می‌تواند باعث شود تا اطلاعات درستی را از هوش مصنوعی یا چت بات دریافت کنیم و با پاسخ‌های بی سر و ته و نامرتبط مواجه نشویم. به فرایند انجام این کار پرامپت نویسی گفته می‌شود.

پرامپت نویسی چیست؟

اکنون پرامپت نویسی و درست نوشتن دستورات تبدیل به یک هنر شده است. با طراحی دقیق دستورات، می‌توانیم رفتار و خروجی این مدل‌ها را برای دستیابی به وظایف خاص یا تولید پاسخ‌های هدفمند تنظیم کنیم. مهندسی پرامپت یا پرامپت نویسی به فرایند ایجاد، آزمایش و اصلاح دستورات مناسب هوش مصنوعی گفته می‌شود.

درست است که ابزارهای هوش مصنوعی مولد مانند ChatGPT، Google Bard، Bing و Claude.ai در انتشار سریع محتوا عالی هستند، اما یک اشکال بزرگ این ابزارها این است که می‌توانند اطلاعات نادرست، منقضی شده یا نامربوط هم ارائه دهند.

پرامپت نویسی یافتن مناسبترین کلمات برای رسیدن به یک نتیجه درست از هوش مصنوعی است.

در اصل، پرامپت نویسی فرایند یافتن مؤثرترین ترکیب کلمات برای به دست آوردن نتیجه موردنظر از یک ابزار هوش مصنوعی مولد است. هر یک از ما سعی می‌کنیم در زندگی روزمره خود ترکیب مناسبی از کلمات را پیدا کنیم تا منظورمان را به درستی به دیگران برسانیم.

به عنوان مثال، می‌توانید از کسی بپرسید: بهترین صندلی کدام است؟ پس از این پرسش نیز هیچ اطلاعات دیگری به فرد ندهید. ترجیحات رنگی، هزینه، نوع میزی که می‌خواهید برای آن صندلی بخرید و… را به وی نگویید. در چنین شرایطی فرد احتمالاً پاسخی مبهم و کلی به شما خواهد داد. ابزارهای هوش مصنوعی هم چنین هستند. اگر شما با آنها به طور مبهم حرف بزنید، جواب مبهم و احتمالاً نامرتبطی دریافت خواهید کرد. به همین دلیل افرادی که از این ابزارها به طور جدی استفاده می‌کنند، باید نوع نوشتن دستور یا پرامپت را یاد بگیرند.

چرا یادگیری پرامپت نویسی مهم است؟

وقتی ابزارهای هوش مصنوعی معرفی شدند، با سرعتی زیاد در بین مردم جا افتادند. اکنون هم اکثر افراد با اهداف مختلف از این ابزارها استفاده می‌کنند. مسلماً چنین چیزی که زندگی انسان‌ها را ساده می‌کند، روز به روز محبوب‌تر می‌شود و پیشرفته‌تر هم خواهد شد. در نتیجه، کسب دانش در این زمینه حیاتی است. با یادگیری پرامپت نویسی می‌توان از این ابزارها به بهترین شکل ممکن استفاده کرد.

از طرفی هم درست است که هوش مصنوعی سرعت انجام کارها را افزایش می‌دهد، اما در صورتی که پاسخ‌هایی پرت و نامرتبط به شما بدهد یا محتوای آن نیاز به بازبینی و بازنویسی زیاد داشته باشد، هیچ تأثیری در تسریع روند کارها نخواهد داشت.

با حفظ کیفیت دستور می‌توان کیفیت و لحن پاسخ‌ها را هم ارتقا بخشید. از آنجایی که هوش مصنوعی از لحن و نوع جملات شما یاد می‌گیرد و به همان نحو پاسخ می‌دهد، در طول زمان نیز نتایج بهتری به شما ارائه خواهد کرد. به گونه‌ای که اگر درخواستی در ابزاری مثل ChatGPT وارد کنید، دقیقاً نتیجه‌ای را کسب می‌کنید که دنبالش بودید.

عناصر مهم پرامپت نویسی

ممکن است یک پرامپت در ظاهر بسیار ساده به نظر برسد. اما باید به تمامی عناصر مهم آن توجه شود تا پاسخی باکیفیت دریافت کنید. یک دستور یا پرامپت از چند بخش تشکیل شده است:

هدف یا Task

هدف اصلی پرامپت تسک نامیده می‌شود. به عنوان مثال، ممکن است هدف اصلی دستور مدنظر شما تولید محتوا یا پاسخ به یک پرسش باشد.

دستورالعمل‌ها

وقتی هدف از درخواست را مشخص کردید، باید دستورالعمل خود را به صورت دقیق اعلام کنید تا بتوانید به آن هدف برسید. دستورالعمل شرحی از کاری است که باید انجام شود. هر چه دقیق‌تر باشد، نتایج بهتری به دست می‌آید. فرض کنید هدف یا تسک شما تولید محتوا برای اینستاگرام باشد. حال باید مشخص کنید که محتوا را برای کدام بخش اینستاگرام می‌خواهید. می‌خواهید چند کلمه باشد. کلمه کلیدی محتوا چه باشد و… .

زمینه

زمینه اساساً به دلیل درخواست شما اشاره دارد. این که چرا می‌خواهید چنین درخواستی دهید. این بخش می‌تواند شامل توضیحی در مورد مخاطبان هدف برای تولید یک محتوا، جزئیاتی در مورد یک کمپین تبلیغاتی بزرگ یا حتی فرمت کار باشد. فرض کنید می‌خواهید ایمیلی برای مخاطبان خود ارسال کنید. در اینجا هدف از ارسال ایمیل، لحن بیان و مخاطبان هدف، زمینه یا Context دستور محسوب می‌شوند. همه این موارد باعث می‌شود تا نتایج محدود به آنچه شوند که شما درخواست کرده‌اید.

داده‌های ورودی

این بخش نیز به زمینه درخواست شما مربوط می‌شود. داده‌های ورودی به محتوای واقعی اشاره دارد که هوش مصنوعی کار خود را مستقیماً بر اساس آن استوار می‌کند. فرض کنید شما می‌خواهید سؤالی را در مورد یک متن 200 کلمه‌ای بپرسید. در این شرایط باید این متن را نیز به درخواست خود وارد کنید. نمونه دیگر، تصویری است که نیاز به ویرایش دارد. این تصویر را باید برای ابزار مدنظر ارسال کنید. پیش‌تر ایمیل را مثال زدیم. فرض کنید شما ایمیلی نوشته‌اید، حال می‌خواهید آن را بهتر کنید یا بخش‌هایی را به آن اضافه کنید. در این زمان باید ایمیل خود را هم وارد کنید.

شاخص‌های خروجی

منظور از شاخص‌های خروجی قابل یا ساختاری است که کار باید با توجه به آن انجام شود. این بخش می‌تواند شامل اطلاعاتی مانند تعداد کلمات خاص، تعداد بولت پوینت، نحوه ترتیب دادن اطلاعات و… باشد. فرض کنید درخواست تولید محتوا دارید و می‌خواهید که خطوط آن اندازه خاصی داشته باشند. مثلاً حداکثر 150 کاراکتر در هر خط باشد. این درخواست شما شامل شاخص‌های خروجی می‌شود.

نکات مهم در پرامپت نویسی

برای این که بتوانید یک پرامپت مناسب و قوی بنویسید باید به نکاتی توجه کنید. در این بخش به این نکات اشاره می‌کنیم. با رعایت این موارد می‌توانید نتیجه بهتری از درخواست خود دریافت کنید که نیاز به ویرایش زیاد یا پرسش‌های بیشتر نداشته باشد.

آزمون و خطا

برای یادگیری پرامپت نویسی باید تمرین کنید. درخواست‌های متعددی بپرسید. نتیجه را بررسی کنید. سپس دستور را تغییر دهید. دوباره نتیجه را بررسی کنید و ببینید یک تغییر کوچک چه تأثیری بر نتیجه می‌گذارد. تغییرات باید چگونه باشند و… آزمون و خطا به شما کمک می‌کند با نحوه عملکرد هوش مصنوعی مدنظر خود آشنا شوید. به عنوان مثال:

«یک محتوا در مورد خودآگاهی بنویس»

«یک محتوای 300 کلمه‌ای مناسب کپشن اینستاگرام در مورد خودآگاهی بنویس»

«یک مقاله 1500 کلمه‌ای در مورد خودآگاهی برای وبلاگ بنویس. کیورد اصلی آن روش‌های خودآگاهی باشد و 5 بار تکرار شود»

نتایج همه را بررسی کنید و ببینید با تغییر دستور چه تغییراتی در پاسخ ایجاد شده است. حتی می‌توانید دستورات مشابه را در ابزارهای مختلف بررسی کنید. به عنوان مثال، Google Bard می‌تواند پاسخی کاملاً متفاوت از ChatGPT برای همان درخواست بدهد. حتی یک ابزار هم می‌تواند پاسخ‌های متفاوتی به یک سؤال بدهد.

فرمول کردن مسئله

منظور از فرمول کردن مسئله این است که درخواست خود را به ساده‌ترین شکل ممکن بیان کنید. آن را پیچیده نکنید. تنها مواردی را اضافه کنید که به دنبال آنها هستید. مسئله خود را به سادگی توضیح دهید و درخواست‌ها را آهسته آهسته پیش ببرید.

ارائه مثال

هر چه درخواست شما خاص‌تر باشد، نتیجه دریافتی نیز بهتر می‌شود. گاهی با ارائه نمونه می‌توانید نتیجه بهتری دریافت کنید. فرض کنید ایمیل خوبی برای یک کمپین دیده‌اید. حال می‌خواهید ایمیل شما هم به همان شکل باشد. در این شرایط می‌توانید آن ایمیل را به درخواست خود اضافه کنید و حتی به ابزار مدنظر خود بگویید که می‌خواهید ساختار، طول، لحن و… نمونه در ایمیل شما نیز رعایت شود. برخی از ابزارها، مانند Claude.ai، حتی به شما امکان می‌دهند فایل‌های PDF و اسناد دیگر را به عنوان نمونه به درخواست خود پیوست کنید.

زمینه‌سازی

یک راه دیگر برای دریافت پاسخ مناسب این است که پیش‌زمینه‌ای برای سؤال اصلی خود ایجاد کنید. به عنوان مثال، اگر می‌خواهید در مورد تأثیر بازاریابی ایمیلی بر فروش محصولات خانگی بپرسید، ابتدا از هوش مصنوعی بخواهید که بازاریابی، انواع آن و سپس بازاریابی ایمیلی را توضیح دهد. سپس درخواست اصلی خود را بیان کنید.

استفاده از ابزارهای پرامپت نویسی

گاهی ممکن است نتوانید با تلاش‌های مستمر خود به نتیجه دلخواه برسید. در این شرایط می‌توانید از ابزارهای پرامپت نویسی کمک بگیرید. در ادامه به برخی از بهترین ابزارهای پرامپت نویسی اشاره می‌کنیم:

  • AIPRM

  • BetterPrompt

  • tt

  • OpenPrompt1

  • PromptFlow

  • Promptify

  • ThoughtSource

  • Visual Prompt Builder

  • Orquesta AI Prompts

تکنیک‌های پرامپت نویسی

روش‌های مختلفی برای پرامپت نویسی وجود دارد. تکنیک‌ها را باید با توجه به نیاز خود به کار ببرید؛ زیرا به درخواست و پاسخ مدنظر شما بستگی دارد. در این بخش روش‌های مختلف پرامپت نویسی را توضیح می‌دهیم.

پرامپت Zero-shot

در این روش درخواست شما بدون زمینه یا داده ورودی انجام می‌شود. در واقع تنها یک سؤال را به صورت مستقیم ارسال می‌کنید و پاسخی را با توجه به آن دریافت می‌کنید. این روش شبیه به همان کاری است که در زمان جستجو در گوگل انجام می‌دهید. مثال:

دستورالعمل: Classify the text into positive, negative, or neutral.

متن: “The new software update improved the system performance significantly.”

خروجی: Positive

پرامپت One-shot

در این حالت هم شما درخواست خود را با یک Context یا مثال ارائه می‌دهید. این روش برای زمانی مناسب است که برای تکمیل درخواست خود به یک الگو یا فرمت نیاز دارید تا بتوانید به پاسخ برسید. مثلاً می‌توانید متنی آماده را به هوش مصنوعی بدهید و از آن بخواهید تا آن را به شکل بولت پوینت برای شما خلاصه کند.

پرامپت Few-shot

پرامپت Few-shot شبیه به پرامپت One-shot است با این تفاوت که برای دستور خود باید زمینه و مثال‌های بیشتری را فراهم کنید. در این روش بهتر است یک گفتگو با ابزار AI داشته باشید و این گفتگو را به تدریج شکل دهید. به مرور نمونه‌ها و زمینه‌ها را معرفی کنید و پاسخ‌های باکیفیت‌تری دریافت کنید. مثال:

دستور: Classify the text into positive, negative, or neutral.

متن: “The latest bug fix introduced more issues.”

پاسخ: Negative

دستورالعمل: Classify the text into positive, negative, or neutral.

متن: “The user interface changes are impressive.”

خروجی: Positive

پرامپت Chain-of-thought

تکنیک زنجیره‌ای به مجموعه‌ای از دستورات اشاره دارد که به ابزار کمک می‌کنند تا بهترین پاسخ را ارائه دهد. در این حالت شما باید با ابزار یک گفتگوی مداوم در مورد موضوع داشته باشید. زیرا ابزاری مانند چت جی پی تی مکالمات گذشته شما را به یاد می‌آورد و از این موارد برای پاسخ‌های بعدی استفاده می‌کند. با پرسش و پاسخ‌های متعدد و زمینه‌سازی درست، می‌توانید نتیجه‌ای باکیفیت و حتی بی‌نقص دریافت کنید. این نوع از پرامپت نویسی برای کارهای پیچیده مناسب‌تر است.

پرامپت AMA

این تکنیک روی مکالمه میان کاربر و هوش مصنوعی تأکید دارد. در واقع شبیه به تکنیک Chain-of-thought است. هدف این روش دریافت پاسخ‌های باز است. در واقع، شما می‌توانید سؤالات بازی بپرسید و مکالمه را با هوش مصنوعی ادامه دهید. سپس در حین گفتگو دستورهای خود را اصلاح کنید. نیازی نیست دستورات شما کامل باشند. بلکه با تکیه بر چندین دستور ناقص به نتیجه دلخواه می‌رسید.

سخن نهایی

در این مقاله به بررسی پرامپت نویسی پرداختیم و نحوه ارائه دستور و درخواست به هوش مصنوعی را توضیح دادیم. با یادگیری تکنیک‌های مهندسی پرامپت می‌توانید به راحتی از هوش مصنوعی استفاده کنید و روند انجام کارهای خود را سرعت ببخشید. همچنین می‌توانید پاسخ‌هایی درست از هوش مصنوعی دریافت کنید و زودتر به هدف اصلی خود برسید. نظر شما در این باره چیست؟ آیا شما هم از ابزارهای هوش مصنوعی استفاده می‌کنید؟ لطفاً نظرات، پیشنهادات و تجربیات خود را در بخش دیدگاه با ما در میان بگذارید.

0 0 رای ها
امتیازدهی به مقاله
اشتراک در
اطلاع از
guest
0 نظرات
بازخورد (Feedback) های اینلاین
مشاهده همه دیدگاه ها
0
افکار شما را دوست داریم، لطفا نظر دهید.x