گاهی از هوش مصنوعی دقیقاً همان چیزی را می‌خواهیم که در ذهن داریم، اما چیزی که تحویل می‌گیریم با انتظارمان فاصله زیادی دارد. متن بیش از حد رسمی است، پاسخ خیلی کلی است، مثال‌ها مناسب نیستند یا خروجی اصلاً برای کاری که در نظر داشتیم قابل استفاده نیست.

در این شرایط، اولین واکنش معمولاً این است که فکر کنیم هوش مصنوعی نتوانسته درخواست ما را بفهمد. اما در بسیاری از موارد مسئله چیز دیگری است: ما منظور خود را به اندازه کافی دقیق منتقل نکرده‌ایم.

هوش مصنوعی برخلاف یک همکار که ممکن است زمینه کاری و سلیقه شما را بشناسد، بسیاری از اطلاعاتی را که برای شما بدیهی است نمی‌داند. بنابراین کیفیت دستوری که به آن می‌دهید، نقش مهمی در کیفیت پاسخ دارد. اینجاست که اصول پرامپت نویسی اهمیت پیدا می‌کند.

چرا هوش مصنوعی همیشه منظور ما را متوجه نمی‌شود؟

وقتی با یک انسان صحبت می‌کنیم، معمولاً بخش زیادی از منظورمان را مستقیم بیان نمی‌کنیم. مثلاً اگر به همکارمان بگوییم «یک گزارش برای جلسه آماده کن»، احتمالاً می‌داند منظورمان چه گزارشی است، جلسه با چه کسانی برگزار می‌شود و چه اطلاعاتی برایمان اهمیت دارد.

اما هوش مصنوعی چنین شناختی از شرایط شما ندارد؛ مگر اینکه اطلاعات لازم را در اختیارش قرار دهید.

برای مثال، عبارت «یک مقاله درباره مدیریت بنویس» بسیار کلی است. مشخص نیست مقاله برای دانشجو نوشته می‌شود یا مدیر، موضوع آن مدیریت منابع انسانی است یا مدیریت بیمارستان و قرار است آموزشی باشد یا تحلیلی.

اما اگر بگویید «برای مدیران بیمارستان، یک مقاله آموزشی درباره اهمیت مدیریت منابع انسانی بنویس؛ مخاطبان با اصول مدیریت آشنا هستند و متن باید کاربردی و ساده باشد»، مسیر تولید پاسخ بسیار روشن‌تر می‌شود.

پس اولین اصل در نوشتن دستور برای هوش مصنوعی این است: اگر اطلاعاتی برای رسیدن به نتیجه ضروری است، آن را در پرامپت بیان کنید.

قبل از نوشتن پرامپت، هدف خود را مشخص کنید

بسیاری از پرامپت‌های ضعیف قبل از اینکه نوشته شوند، در ذهن کاربر شکل مبهمی دارند.

مثلاً فرد می‌داند «یک چیزی درباره بازاریابی می‌خواهد»، اما هنوز مشخص نکرده است که هدفش یادگیری است، تولید محتواست، طراحی استراتژی است یا تحلیل یک بازار.

بنابراین قبل از اینکه از هوش مصنوعی درخواست کنید، یک سؤال ساده از خودتان بپرسید:

«دقیقاً می‌خواهم هوش مصنوعی چه چیزی برای من تولید یا حل کند؟»

برای مثال، به جای اینکه بنویسید «درباره بازاریابی محتوا توضیح بده»، می‌توانید بگویید: «مفهوم بازاریابی محتوا را برای صاحبان کسب‌وکارهای کوچک توضیح بده و نشان بده چگونه می‌توانند بدون بودجه تبلیغاتی زیاد از آن استفاده کنند.»

در این حالت، هدف، مخاطب و کاربرد پاسخ مشخص شده است.

زمینه مناسب را در اختیار هوش مصنوعی قرار دهید

یکی از مؤثرترین راه‌ها برای افزایش کیفیت پاسخ، ارائه زمینه یا Context است.

فرض کنید می‌خواهید یک متن معرفی برای یک شرکت بنویسید. اگر فقط بگویید «متن معرفی شرکت بنویس»، هوش مصنوعی اطلاعات زیادی درباره شرکت ندارد.

اما اگر توضیح دهید که شرکت در حوزه فناوری سلامت فعالیت می‌کند، مشتریان آن مدیران بیمارستان هستند، هدف متن معرفی خدمات شرکت است و لحن باید حرفه‌ای و قابل اعتماد باشد، خروجی به نیاز شما نزدیک‌تر خواهد شد.

زمینه به معنای نوشتن یک داستان طولانی نیست. باید اطلاعاتی را ارائه کنید که درک مسئله و تولید پاسخ را بهتر می‌کند.

این نکته یکی از پایه‌های مهم آموزش پرامپت نویسی است: هر چیزی را که برای شما مهم است، اما هوش مصنوعی از آن اطلاع ندارد، در صورت نیاز وارد درخواست کنید.

مخاطب را مشخص کنید

یکی از جزئیاتی که اغلب در پرامپت‌ها نادیده گرفته می‌شود، مخاطب است.

یک موضوع را می‌توان برای افراد مختلف با زبان و سطح متفاوتی توضیح داد. توضیح هوش مصنوعی درباره «هوش مصنوعی مولد» برای یک دانش‌آموز با توضیح آن برای یک مدیر فناوری اطلاعات یکسان نخواهد بود.

بنابراین اگر تولید محتوا، آموزش یا نگارش متن از هوش مصنوعی می‌خواهید، مشخص کنید مخاطب چه کسی است.

برای مثال:

«این موضوع را برای مدیران غیرمتخصص در فناوری توضیح بده. از اصطلاحات پیچیده استفاده نکن و برای هر مفهوم یک مثال مدیریتی ارائه کن.»

چنین دستوری به هوش مصنوعی کمک می‌کند سطح دانش، نوع واژگان و میزان توضیح را بهتر تنظیم کند.

فقط موضوع را نگویید؛ نتیجه موردنظر را توضیح دهید

تفاوت میان یک پرامپت معمولی و یک پرامپت حرفه‌ای اغلب در همین نکته دیده می‌شود.

«درباره مدیریت تغییر بنویس» فقط موضوع را مشخص می‌کند. اما «یک مقاله برای مدیرانی بنویس که در اجرای تغییر سازمانی با مقاومت کارکنان مواجه هستند و هدف مقاله ارائه راهکارهای عملی برای کاهش مقاومت است» نتیجه مورد انتظار را نیز مشخص می‌کند.

وقتی هدف نهایی را توضیح می‌دهید، هوش مصنوعی بهتر می‌تواند تشخیص دهد کدام اطلاعات مهم هستند و پاسخ را در چه مسیری پیش ببرد.

به بیان ساده، به جای اینکه فقط بگویید «درباره چه چیزی؟»، مشخص کنید «برای چه کاری؟»

شکل خروجی را مشخص کنید

حتی اگر هوش مصنوعی موضوع و هدف شما را بفهمد، هنوز ممکن است پاسخ را در قالبی تولید کند که برای شما مناسب نیست.

اگر به یک گزارش مدیریتی نیاز دارید، این موضوع را بگویید. اگر مقاله می‌خواهید، تعداد کلمات و ساختار آن را مشخص کنید. اگر پاسخ را برای ارائه می‌خواهید، تعداد اسلایدها یا ساختار موردنظر را تعیین کنید.

مثلاً به جای «این موضوع را توضیح بده» بنویسید:

«موضوع را در قالب یک متن آموزشی ۸۰۰ کلمه‌ای توضیح بده و در پایان سه پیشنهاد عملی ارائه کن.»

یا:

«پاسخ را در قالب یک جدول شامل مسئله، علت، پیامد و راهکار ارائه کن.»

قالب خروجی یکی از ساده‌ترین ابزارها برای کنترل بهتر پاسخ هوش مصنوعی است.

محدودیت‌های خود را واضح بیان کنید

گاهی مشکل پاسخ هوش مصنوعی نه محتوای آن، بلکه اندازه یا سبک آن است.

اگر متن باید کوتاه باشد، بگویید. اگر مخاطب مبتدی است، مشخص کنید. اگر نمی‌خواهید از زبان بیش از حد رسمی استفاده شود، آن را بیان کنید.

برای مثال:

«این متن را برای مخاطب عمومی بازنویسی کن. لحن آن دوستانه و حرفه‌ای باشد، جملات کوتاه باشند و متن بیشتر از ۶۰۰ کلمه نباشد.»

هرچه محدودیت‌های مهم را دقیق‌تر بیان کنید، احتمال اینکه مجبور شوید بعداً پاسخ را چندین بار اصلاح کنید کمتر می‌شود.

مثال گاهی از توضیح طولانی مؤثرتر است

اگر سبک یا قالب خاصی در ذهن دارید، مثال می‌تواند یکی از مؤثرترین بخش‌های پرامپت باشد.

فرض کنید می‌خواهید چند عنوان مقاله مشابه عنوانی که قبلاً نوشته‌اید تولید کنید. به جای توضیح طولانی درباره سبک عنوان، می‌توانید یک یا دو نمونه ارائه دهید و از هوش مصنوعی بخواهید عنوان‌های جدیدی با همان الگو ایجاد کند.

این روش در تولید محتوا، بازنویسی، ترجمه و بسیاری از فعالیت‌های دیگر کاربرد دارد.

در مهندسی پرامپت، ارائه نمونه به هوش مصنوعی کمک می‌کند تا فقط توضیح شما را نخواند، بلکه الگوی موردنظر را از نمونه درک کند.

پرامپت خوب را از همان ابتدا کامل نمی‌نویسیم

یکی از مهم‌ترین نکات در کار با هوش مصنوعی این است که تصور نکنیم باید از همان ابتدا یک پرامپت بی‌نقص بنویسیم.

در بسیاری از موارد بهتر است با یک درخواست اولیه شروع کنید، پاسخ را ببینید و سپس مشخص کنید چه چیزی باید تغییر کند.

اگر پاسخ کلی است، زمینه بیشتری اضافه کنید. اگر بیش از حد طولانی است، محدودیت تعیین کنید. اگر مخاطب را درست در نظر نگرفته، مخاطب را مشخص کنید. اگر ساختار نامناسب است، قالب خروجی را تغییر دهید.

این فرایند را می‌توان به شکل ساده زیر دید:

پرامپت اولیه → پاسخ → بررسی → اصلاح پرامپت → پاسخ بهتر

این همان جایی است که پرامپت نویسی از یک مهارت ساده به بخشی از مهندسی پرامپت تبدیل می‌شود.

اگر تبدیل یک درخواست خام به چنین پرامپتی برایتان دشوار است، پرامپت‌ساز هوشمند پرامپت‌نویس می‌تواند به شما کمک کند تا ساختار درخواست را سریع‌تر مشخص کنید و به جای آزمون‌وخطای مداوم، از یک نقطه شروع منظم‌تر استفاده کنید.

یک فرمول ساده برای نوشتن دستور مؤثر

برای شروع می‌توانید از این الگو استفاده کنید:

هدف + زمینه + مخاطب + خروجی موردنظر + محدودیت‌ها

برای مثال:

«به‌عنوان یک مشاور مدیریت، برای مدیران بیمارستان یک مقاله ۱۰۰۰ کلمه‌ای درباره بهبود ارتباط با کارکنان بنویس. مخاطبان مدیرانی هستند که با اصول مدیریت آشنا هستند اما در زمینه ارتباطات سازمانی آموزش تخصصی ندیده‌اند. متن حرفه‌ای و کاربردی باشد و در پایان سه راهکار اجرایی ارائه کند.»

این فرمول قرار نیست پاسخ تمام مسائل را حل کند، اما برای بسیاری از درخواست‌های روزمره نقطه شروع مناسبی است.

آیا برای نوشتن پرامپت باید متخصص هوش مصنوعی باشیم؟

خیر. برای شروع چگونه پرامپت بنویسیم، لازم نیست برنامه‌نویس باشید یا دانش تخصصی درباره مدل‌های هوش مصنوعی داشته باشید.

مهم‌ترین مهارت، توانایی تعریف دقیق مسئله و انتقال روشن خواسته است. هرچه بیشتر با هوش مصنوعی کار کنید، به‌مرور با تکنیک‌های پیشرفته‌تر پرامپت نویسی و مهندسی پرامپت نیز آشنا خواهید شد.

اگر بخواهید این مسیر را ساختاریافته دنبال کنید، یادگیری مرحله‌به‌مرحله در آکادمی پرامپت می‌تواند به شما کمک کند از اصول پایه به سمت تکنیک‌های حرفه‌ای‌تر حرکت کنید.

جمع‌بندی

برای اینکه منظور خود را دقیق به هوش مصنوعی منتقل کنیم، لازم نیست همیشه پرامپت‌های طولانی و پیچیده بنویسیم. کافی است ابتدا هدف خود را مشخص کنیم، زمینه لازم را ارائه دهیم، مخاطب را بشناسیم و شکل خروجی و محدودیت‌های مهم را توضیح دهیم.

اگر نمونه‌ای از نتیجه موردنظر داریم، ارائه آن نیز می‌تواند بسیار مؤثر باشد. مهم‌تر از همه، باید بدانیم که پرامپت نویسی یک فرایند یک‌باره نیست. پاسخ اول را بررسی می‌کنیم، نقاط ضعف را پیدا می‌کنیم و دستور خود را اصلاح می‌کنیم.

در نهایت، پرامپت خوب الزاماً پرامپت طولانی نیست؛ پرامپتی است که ابهام را کم می‌کند و منظور شما را تا حد امکان روشن به هوش مصنوعی منتقل می‌کند.