راهنمای کوچکی برای گفت‌وگو با هوش مصنوعی ؛ همه ما این حس را تجربه کرده‌ایم که وقتی با چت جی‌پی‌تی، جمنای، دانیار یا هر چت‌بات هوشمند دیگری حرف می‌زنیم، انگار با یک انسان دیگر ارتباط گرفته‌ایم؛ این است که گاهی به همان راحتی که با یک انسان صحبت میکنیم، سؤالات خود را می‌پرسیم و انتظار داریم جواب‌های خردمندانه دریافت کنیم. اما اگر نحوه عملکرد هوش مصنوعی را بدانید؛ متوجه می‌شوید که این نوع صحبت‌کردن، بعضاً ما را گمراه می‌کند. این است که پرسیدن سوال از هوش مصنوعی یا گفت‌وگو با آن، به رعایت چند نکته نیازمند است.
مهارت سؤال از هوش مصنوعی همان مهارت پرامپت‌نویسی است؟
بله و خیر. اجازه بدهید با مثال بیان کنم. مثلاً در پرامپت نویسی میدجرنی، دستور شما (در حالت پیشرفته و کامل) شامل ۳ بخش نشانی اینترنتی یک تصویر نمونه، توصیف تصویری که در ذهن دارید و در نهایت ارائه پارامترهای مربوط به تولید تصویر نهایی است. این نوع پرامپت ظاهر تکنیکی ای دارد و صرفاً یک صحبت ساده نیست؛ هرچند که میدجرنی پرامپت ساده (بدون تصویر نمونه یا پارامتر) را هم قبول می‌کند.
اما به‌طورکلی در بسیاری از ابزاری هوش مصنوعی، هدف این است که کاربر بتواند بدون نیاز به دانش فنی و صرفاً با ارتباط کلامی ساده، خواسته خودش را به ابزار برساند و این یعنی پرامپت نویسی در بسیاری اوقات محدود به همان مهارت و هنر سؤال پرسیدن است؛ بنابراین می‌توان گفت که اغلب اوقات، مهارت سوال از هوش مصنوعی همان مهندسی پرامپت است.
چگونه از هوش مصنوعی سوال بپرسیم؟
اولین و مهم‌ترین نکته این است که بدانید هوش مصنوعی مثل انسان نیست که بسیاری از مفاهیم بدیهی را به‌صورت پیش‌فرض بداند. این مفاهیم گاهی آن‌قدر بدیهی هستند که ما اکثر اوقات حتی متوجه وجودشان نمی‌شویم و ندانسته به آنها آگاهیم. برای درک بهتر، نگاهی به اصول سوال پرسیدن از هوش مصنوعی داشته باشید.
۱. تعریف دقیق مسئله
ابتدا باید مسئله به شکلی دقیق و شفاف تعریف شود. یک پرسش مبهم یا بدون هدف مشخص ممکن است منجر به پاسخ‌های نامرتبط یا ناکامل شود. برای تعریف دقیق مسئله، باید به سؤالات زیر پاسخ دهید:
- چه چیزی را می‌خواهید بدانید؟
- چه اطلاعات یا داده‌هایی در اختیار دارید؟
- چه قیود یا محدودیت‌هایی برای حل مسئله وجود دارد؟
مثال: به‌جای پرسیدن “این مشکل را چگونه حل کنم؟” بپرسید: “چه الگوریتم‌های بهینه‌سازی برای حل مسئله تخصیص منابع در سیستم‌های توزیع‌شده مناسب هستند؟”
۲. استفاده از اصطلاحات تخصصی
در پرسش‌های فنی، استفاده از واژگان و اصطلاحات تخصصی زمینه مرتبط (مانند هوش مصنوعی، یادگیری ماشین، پردازش زبان طبیعی، و غیره) ضروری است. این باعث می‌شود سیستم بهتر بتواند زمینه پرسش را درک کرده و پاسخ دقیق‌تری ارائه دهد.
- مثال: به‌جای پرسیدن “چه مدلی بهتر است؟” بپرسید: “آیا مدل‌های ترنسفورمر مانند GPT در پردازش زبان طبیعی برای وظایف دسته‌بندی متن بهتر از LSTM عمل می‌کنند؟”
۳. تعریف پارامترها و قیود
تعیین دقیق پارامترها و قیود مسئله باعث می‌شود که سیستم بتواند بهتر پاسخ دهد. این موارد می‌توانند شامل محدودیت‌های زمانی، دقت موردنیاز، نوع داده‌های ورودی، و سایر معیارهای عملکرد باشند.
- مثال: “چه الگوریتم یادگیری ماشینی برای داده‌های با حجم بزرگ و با توزیع غیرهمگن مناسب‌تر است و چه زمانی از شبکه‌های عصبی عمیق به‌جای درخت تصمیم استفاده کنیم؟”
۴. استفاده از متدهای علمی
برای گرفتن پاسخ دقیق‌تر و علمی، بهتر است از روش‌ها و متدهای شناخته‌شده و معتبر در حوزه موردنظر استفاده کنید. به‌عنوان‌مثال، در حوزه هوش مصنوعی، استفاده از تکنیک‌های خاص مانند Cross-Validation برای ارزیابی مدل‌ها، یا ذکر معیارهای ارزیابی (مانند دقت، فراخوان، و F1-score) در پرسش‌ها می‌تواند مفید باشد.
- مثال: “چگونه می‌توان با استفاده از روش‌های افزایشی (Incremental Learning) یک مدل یادگیری ماشین را با داده‌های جدید به‌روزرسانی کرد بدون اینکه دچار مشکل فراموشی فاجعه‌بار شود؟”
۵. ساده‌سازی سؤال به گام‌های کوچک‌تر
اگر مسئله پیچیده است، بهتر است آن را به گام‌های کوچک‌تر و قابل‌فهم تقسیم کنید و هر گام را به‌صورت جداگانه بپرسید. این کار به هوش مصنوعی اجازه می‌دهد که پاسخ‌ها را به شکل گام‌به‌گام ارائه دهد.
مثال:
- “چه روش‌هایی برای جمع‌آوری داده‌های آموزشی به‌صورت خودکار از وب وجود دارد؟”
- “چگونه می‌توان این داده‌ها را برای استفاده در یک مدل یادگیری عمیق پیش‌پردازش کرد؟”
۶. استفاده از اطلاعات پیش‌زمینه
اگر اطلاعاتی دارید که می‌تواند در پاسخ به شما کمک کند، حتماً آنها را در سؤال خود بیاورید. این کار کمک می‌کند که هوش مصنوعی بهتر بتواند به زمینه مسئله شما دسترسی پیدا کند.
- مثال: “در یک پروژه پردازش زبان طبیعی که از مدل‌های مبتنی بر شبکه‌های عصبی استفاده میکنیم و داده‌های نامتوازن داریم، چگونه می‌توان به بهبود عملکرد مدل کمک کرد؟”
۷. بازخورد و اصلاح سؤالات
پس از دریافت پاسخ، اگر به نتیجه دلخواه نرسیدید، سؤال خود را اصلاح کنید یا جزئیات بیشتری ارائه دهید. این فرایند تعامل با سیستم هوش مصنوعی باعث می‌شود که پاسخ‌های بهتری دریافت کنید.
- مثال: “باتوجه‌به اینکه مدل پیشنهادی شما دقت کافی ندارد، آیا می‌توان از تکنیک‌های داده‌افزایی برای بهبود عملکرد استفاده کرد؟”
سؤال پرسیدن از جمنای، هوش مصنوعی گوگل
برای سوال از هوش مصنوعی رایگان جمنای، موارد زیر را به‌صورت نکته‌وار رعایت کنید. همچنین توجه داشته باشید، باتوجه‌به این که گوگل در زمینه جست‌وجو بسیار فعال و قدرتمند است، مدل زبانی‌اش هم گویا کمی از این خاصیت را به ارث برده. مقایسه پاسخ‌های جمنای و چت جی‌پی‌تی نشان می‌دهد که پاسخ‌های جمنای پارامتریک‌تر هستند.
- سؤال خود را واضح و مشخص بیان کنید: هرچه سؤال شما دقیق‌تر و روشن‌تر باشد، جمنای بهتر می‌تواند آن را درک کرده و پاسخ مناسب‌تری به شما بدهد. از عبارات مبهم و کلیشه‌ای پرهیز کنید و سعی کنید سؤال خود را به چند قسمت تقسیم کنید تا هر قسمت به طور جداگانه بررسی شود.
- کلمات کلیدی را مشخص کنید: کلمات کلیدی به جمنای کمک می‌کنند تا بهتر متوجه موضوع سؤال بشود. مثلاً اگر می‌خواهید در مورد هوش مصنوعی سؤال کنید، کلماتی مانند “یادگیری ماشین”، “شبکه عصبی” یا “الگوریتم” را در سؤال خود بگنجانید.
- زمینه سؤال را مشخص کنید: اگر سؤال شما در زمینه خاصی است، بهتر است آن را مشخص کنید. مثلاً اگر می‌خواهید در مورد هوش مصنوعی در پزشکی سؤال کنید، این موضوع را در ابتدای سؤال خود ذکر کنید.
- از سؤالات باز استفاده کنید: سؤالات باز سؤالاتی هستند که جواب آنها یک کلمه نیست و نیاز به توضیح بیشتری دارند. این نوع سؤالات به جمنای کمک می‌کنند تا پاسخ جامع‌تری به شما بدهد. به‌جای اینکه بپرسید “هوش مصنوعی چیست؟” می‌توانید بپرسید “هوش مصنوعی چه کاربردهایی در زندگی روزمره دارد؟”
- سؤالات بیشتری بپرسید: همیشه می‌توانید سؤالات دیگری بپرسید تا اطلاعات بیشتری کسب کنید. سؤال از هوش مصنوعی گوگل مثل یک مکالمه است، آن را ادامه بدهید تا اطلاعات کافی کسب نمایید.
- از جمنای بخواهید که جواب را به زبان ساده یا تخصصی توضیح دهد: بسته به سطح دانش شما، جمنای می‌تواند جواب را به زبان ساده یا تخصصی توضیح بدهد، پس اگر احساس کردید جوابی زیادی سطحی گرفته‌اید، از او بخواهید که تخصصی‌تر توضیح بدهد؛ یا بالعکس.
سؤال پرسیدن از ویرا، دستیار هوشمند فارسی‌زبانان
در بین مدل‌های زبانی بزرگ و سرشناس، یک نمونه فارسی‌زبان هم داریم که توسط مهندسان و دانشمندان ایرانی طراحی و توسعه داده شده که نامش ویراست. ویرا یک دستیار هوشمند اختصاصی برای فارسی‌زبانان است که به‌رایگان در اختیار عموم قرار گرفته و خدمات مختلف هوش مصنوعی را ارائه می‌دهد. بدیهی است که چت بات هوشمند یکی از خدمات اصلی آن است.
برای سؤال پرسیدن از هوش مصنوعی ویرا، ابتدا اپلیکیشن آن را از فروشگاه‌های رسمی مثل کافه‌بازار یا مایکت دانلود و نصب کنید و سپس به برنامه وارد شده، کاشی دانیار را انتخاب کنید. دانیار بزرگ‌ترین مدل زبانی فارسی است که از نظر توانایی عملکرد، تنه به تنه چت جی‌پی‌تی می‌زند (گزارش‌ها موجود هستند).
سؤال پرسیدن از ویرا نیز مثل سایر مدل‌های زبانی وابسته به بیان درست و شفاف موضوع در کنار ذکر جزئیات کافی است. در واقع شما می‌توانید تمام مهارت‌های پرامپت نویسی یا گفت‌وگو با هوش مصنوعی را به کمک ویرا تمرین کنید؛ چرا که این ابزار جامع، مدل تولید تصویر و تغییر صدا هم دارد. تبدیل متن به گفتار و بالعکس نیز جزو توانایی‌های ویرا است و به‌طورکلی، خدمات رایج و محبوب هوش مصنوعی را به بهترین شکل ارائه می‌دهد.
جمع‌بندی
به‌عنوان نکته آخر در نظر داشته باشید که گاهی اوقات پرسیدن سوال از هوش مصنوعی با هدف رسیدن به یک جواب خاص صورت نمی‌پذیرد، یعنی شما می‌خواهید جامع‌ترین پاسخ ممکن را دریافت کنید، در این موارد در نظر داشته باشید که ذکر جزئیات برخلاف خواسته شما عمل می‌کنند، پس بهتر است سؤال را ساده بپرسید و صرفاً ذکر کنید که پاسخی جامع می‌خواهید.
سؤال مهم و تجربی: شما از چت‌بات هوشمند استفاده می‌کنید؟ به نظرتان، کدام یک از مدل‌های زبانی عملکرد بهتری دارند؟
