اگر از هوش مصنوعی بخواهید «انگلیسی به من یاد بده»، احتمالاً پاسخ بدی دریافت نمی‌کنید؛ اما آیا این پاسخ واقعاً شبیه یک معلم زبان شخصی است؟ معمولاً نه. ممکن است توضیحات زیادی بدهد، تمرین‌های نامتناسب طراحی کند یا بدون توجه به سطح شما سراغ موضوعات پیچیده برود.

مشکل لزوماً از توانایی هوش مصنوعی نیست؛ مشکل از این است که هنوز برای آن مشخص نکرده‌ایم قرار است چه نوع معلمی باشد.

در این مقاله، مرحله‌به‌مرحله می‌بینیم چگونه می‌توان با طراحی یک پرسونا و یک پرامپت دقیق، یک معلم زبان هوش مصنوعی ساخت؛ معلمی که سطح زبان، هدف، شیوه یادگیری و حتی نحوه اصلاح اشتباهات را در نظر بگیرد.

پرسونا در هوش مصنوعی چیست؟

پرسونا در اینجا یعنی مجموعه‌ای از ویژگی‌ها و دستورهایی که مشخص می‌کنند هوش مصنوعی چه نقشی دارد، چگونه رفتار می‌کند و چگونه با کاربر تعامل دارد.

وقتی می‌گوییم «مثل یک معلم زبان رفتار کن»، هنوز چیزهای زیادی نامشخص است. معلم برای چه سطحی؟ با چه روشی؟ چقدر توضیح بدهد؟ اشتباهات را چگونه اصلاح کند؟ آیا باید فارسی توضیح دهد یا انگلیسی؟ آیا باید تکلیف بدهد؟

طراحی پرسونا دقیقاً برای پاسخ دادن به همین سؤال‌هاست.

قدم اول: معلم من قرار است چه کاری انجام دهد؟

قبل از نوشتن پرامپت، باید هدف را مشخص کنیم. فرض کنید می‌خواهیم یک معلم زبان برای تقویت Speaking بسازیم. در این صورت هدف معلم نباید صرفاً آموزش گرامر یا ارائه فهرست لغات باشد.

مثلاً می‌توانیم تعریف کنیم که معلم باید با زبان‌آموز گفت‌وگو کند، اشتباهات مهم را اصلاح کند، عبارت‌های طبیعی‌تر پیشنهاد دهد و به‌تدریج سطح مکالمه را افزایش دهد.

این تفاوت مهم است. وقتی هدف دقیق باشد، رفتار AI نیز قابل کنترل‌تر می‌شود.

قدم دوم: سطح زبان‌آموز را وارد پرسونا کنید

یک معلم خوب با همه زبان‌آموزان به یک شکل صحبت نمی‌کند. کسی که در سطح ابتدایی است، به توضیحات ساده‌تر و واژگان پایه نیاز دارد؛ در حالی که زبان‌آموز پیشرفته می‌تواند با ساختارهای پیچیده‌تر کار کند.

بنابراین در طراحی پرسونای معلم زبان هوش مصنوعی باید سطح زبان‌آموز مشخص شود. حتی بهتر است به AI بگوییم اگر سطح واقعی کاربر مشخص نیست، در ابتدای کار چند سؤال کوتاه برای ارزیابی آن بپرسد.

برای مثال:

«پیش از شروع آموزش، سطح زبان‌آموز را از طریق چند سؤال کوتاه در مکالمه ارزیابی کن. سطح و عملکرد او را در طول جلسات نیز در نظر بگیر و دشواری تمرین‌ها را به‌تدریج تنظیم کن.»

قدم سوم: روش تدریس را مشخص کنید

یکی از مهم‌ترین بخش‌های ساخت معلم زبان با هوش مصنوعی، تعریف روش تدریس است.

اگر فقط بگوییم «یک معلم زبان حرفه‌ای باش»، AI خودش تصمیم می‌گیرد چگونه آموزش دهد. اما اگر روش موردنظر را توضیح دهیم، کنترل بیشتری خواهیم داشت.

مثلاً می‌توانیم بگوییم آموزش بر پایه مکالمه باشد، در هر جلسه یک موضوع مشخص مطرح شود، زبان‌آموز فرصت کافی برای پاسخ دادن داشته باشد و بعد از هر پاسخ، فقط خطاهای مهم اصلاح شوند.

این دستورها، پرسونا را از یک عنوان ساده به یک سیستم آموزشی قابل استفاده تبدیل می‌کنند.

قدم چهارم: نحوه اصلاح اشتباهات را تعیین کنید

فرض کنید زبان‌آموز می‌گوید:

«Yesterday I go to university.»

معلم هوش مصنوعی می‌تواند فقط بگوید «اشتباه است» یا اینکه توضیحی طولانی درباره زمان گذشته ارائه دهد. هیچ‌کدام الزاماً بهترین واکنش نیستند.

می‌توان در پرسونا مشخص کرد که ابتدا شکل طبیعی جمله ارائه شود و سپس یک توضیح کوتاه داده شود:

«Yesterday, I went to university.»

و بعد:

«چون درباره گذشته صحبت می‌کنیم، go باید به شکل گذشته یعنی went استفاده شود.»

این نوع اصلاح، هم اشتباه را برطرف می‌کند و هم جریان مکالمه را متوقف نمی‌کند.

قدم پنجم: لحن و شخصیت معلم را طراحی کنید

پرسونا فقط درباره وظایف نیست؛ شخصیت و لحن نیز اهمیت دارند.

آیا معلم باید جدی و دانشگاهی باشد یا دوستانه؟ آیا باید اشتباهات را خیلی مستقیم اصلاح کند یا ابتدا نکته مثبت پاسخ را بگوید؟ آیا باید زبان‌آموز را تشویق کند؟ آیا استفاده از شوخی مناسب است؟

مثلاً می‌توان تعریف کرد:

«لحن تو دوستانه، صبور و حرفه‌ای باشد. اشتباهات را بدون ایجاد حس منفی اصلاح کن. پاسخ‌ها را متناسب با سطح زبان‌آموز نگه دار و از توضیحات طولانی مگر در صورت نیاز خودداری کن.»

همین چند جمله می‌تواند تجربه کار با AI را کاملاً تغییر دهد.

قدم ششم: قوانین تعامل را اضافه کنید

حالا باید مشخص کنیم معلم در طول مکالمه چگونه رفتار کند. مثلاً اگر هدف تقویت Speaking است، نباید بعد از هر جمله زبان‌آموز یک پاراگراف آموزشی طولانی تولید کند.

می‌توانیم بگوییم: «اجازه بده زبان‌آموز ابتدا پاسخ خود را کامل کند. سپس اصلاحات ضروری را ارائه بده. در هر جلسه بیش از سه نکته جدید آموزش نده. در صورت نیاز، سؤال بعدی را برای ادامه مکالمه مطرح کن.»

این قوانین ساده باعث می‌شوند معلم زبان هوش مصنوعی رفتاری منظم‌تر و شبیه‌تر به یک جلسه واقعی آموزش داشته باشد.

حالا همه چیز را در یک پرامپت جمع کنیم

بعد از تعریف اجزای مختلف، می‌توان آن‌ها را در یک پرامپت اصلی ترکیب کرد:

«تو معلم شخصی زبان انگلیسی من هستی و هدف اصلی تو تقویت مهارت مکالمه من است. سطح زبان من را در ابتدای تعامل و بر اساس عملکردم ارزیابی کن. با من به زبان انگلیسی و متناسب با سطح من صحبت کن. اگر برای فهم یک نکته نیاز به توضیح فارسی بود، توضیح را کوتاه و روشن ارائه بده. پس از هر پاسخ من، خطاهای مهم را اصلاح کن و در صورت مناسب بودن، شکل طبیعی‌تر جمله را پیشنهاد بده. در هر جلسه حداکثر سه واژه یا عبارت کاربردی جدید آموزش بده. بیشتر زمان جلسه را به مکالمه اختصاص بده و از توضیحات طولانی غیرضروری پرهیز کن. لحن تو دوستانه، صبور و حرفه‌ای باشد. موضوعات مکالمه را از زندگی روزمره، محیط کار و علایق زبان‌آموز انتخاب کن و به‌تدریج سطح دشواری را افزایش بده. در پایان هر جلسه، نقاط قوت، خطاهای مهم و پیشنهاد تمرین بعدی را کوتاه بیان کن.»

این پرامپت فقط یک نمونه است. ارزش واقعی زمانی ایجاد می‌شود که آن را با هدف و شرایط زبان‌آموز واقعی تطبیق دهید.

پرسونا را یک‌بار بسازید و دائماً اصلاح کنید

یکی از اشتباهات رایج این است که تصور کنیم طراحی پرسونا یک کار یک‌باره است. در عمل، بعد از چند جلسه متوجه می‌شوید چه چیزهایی خوب کار می‌کنند و چه چیزهایی نیاز به اصلاح دارند.

مثلاً شاید متوجه شوید AI بیش از حد توضیح می‌دهد. در این صورت یک قانون اضافه می‌کنید: «پاسخ‌های آموزشی را کوتاه نگه دار.» یا شاید اصلاح اشتباهات مکالمه را زیاد قطع می‌کند؛ پس می‌نویسید: «در حین صحبت، فقط خطاهای مهم را اصلاح کن و اجازه بده کاربر منظور خود را کامل کند.»

این همان بهینه‌سازی پرامپت است؛ یعنی پرامپت را بر اساس خروجی واقعی به‌تدریج بهتر کنیم.

اگر نمی‌خواهید همه این اجزا را از صفر طراحی کنید، می‌توانید از پرامپت خلق دستیار (پرسونا) برای ساخت نسخه اولیه پرسونا استفاده کنید و سپس آن را متناسب با نیاز خود اصلاح کنید.

از معلم زبان تا هر دستیار تخصصی دیگر

جالب اینجاست که همین روش فقط برای آموزش زبان کاربرد ندارد. می‌توانید با همین منطق یک دستیار پژوهشی، مربی مطالعه، دستیار تولید محتوا، مشاور برنامه‌ریزی یا دستیار کاری طراحی کنید.

فرمول کلی تقریباً یکسان است: نقش را مشخص کنید، هدف را تعریف کنید، مخاطب و سطح او را بشناسید، روش تعامل را تعیین کنید، قواعد رفتاری و قالب خروجی را مشخص کنید و سپس با استفاده از نمونه‌های واقعی، عملکرد سیستم را اصلاح کنید.

اگر به طراحی چنین سیستم‌هایی علاقه‌مندید، یادگیری اصول طراحی پرسونا و مهندسی پرامپت در آکادمی پرامپت می‌تواند قدم بعدی باشد؛ چون هرچه نیاز شما تخصصی‌تر شود، طراحی یک دستور دقیق اهمیت بیشتری پیدا می‌کند.

جمع‌بندی

برای ساخت معلم زبان شخصی با هوش مصنوعی لازم نیست برنامه‌نویس باشید. بخش مهم کار، طراحی دقیق نقشی است که می‌خواهید AI بر عهده بگیرد.

یک پرسونا خوب مشخص می‌کند معلم چه هدفی دارد، با چه سطحی از زبان‌آموز کار می‌کند، چگونه آموزش می‌دهد، اشتباهات را چگونه اصلاح می‌کند و چه لحن و رفتاری دارد.

در نهایت، تفاوت میان «هوش مصنوعی که درباره انگلیسی پاسخ می‌دهد» و «معلم زبان هوش مصنوعی» در همین طراحی نهفته است. هرچه دستورها، قواعد و هدف آموزشی دقیق‌تر باشند، تجربه تعامل نیز شخصی‌تر و کاربردی‌تر خواهد شد.