الكتابة والرسم هما مثالان لما يمكن أن تفعله أدوات الذكاء الاصطناعي التوليدي، ولكن هناك العديد من مجالات الاستخدام حيث يمكن للذكاء الاصطناعي أن يجعل العمل أسهل، وهناك أدوات يمكنها إنشاء موسيقى، وتجميع مقطع فيديو، وتحسين تسجيل البودكاست، وملء مدونة شخصية بالمحتوى المناسب.
تعتمد هذه الأدوات المختلفة عادةً، على الذكاء الاصطناعي التوليدي. هذا يعني، أنه يمكنك استخدام الذكاء الاصطناعي في إنشاء شيء (جديد)، بناءً على البيانات التي تعلمتها الأداة، والعديد من هذه الأدوات أصبحت متاحة للجمهور، مثل ChatGPT. عند استخدامه، من السهل الشعور بأنه ذكي وأن هناك بعض التفكير وراء ما يقدمه وأن التكنولوجيا مصممة بدقة لإنشاء نص يبدو معقولًا. Chat GPT هو نموذج لغوي. يتنبأ بالكلمات وهو جيد في تقليد شكل الكتابة البشرية، حيث من السهل أن نصدق أننا نتواصل بالفعل مع ذكاء اصطناعي. أنت تكتب شيئًا ما، ويستجيب الكمبيوتر بسرعة بلغة طبيعية يشعر بها الإنسان.أنت تسأل عن أي شيء، ويستجيب Chat GPT على الفور تقريبًا بطريقة واثقة. يبدو الأمر وكأن الكمبيوتر ذكي، لكنه ليس كذلك.
بهذه الطريقة، أصبح ChatGPT جيدًا جدًا في تجميع نص يشبه النصوص الأخرى وهو جيد في التنبؤ بالضبط بالكلمة التي يجب وضعها بعد كلمة أخرى. والنتيجة هي نص يمكن أن يكون مشابهًا جدًا لتقرير بحثي، أو رواية رومانسية، أو أي شيء يحتوي على أحرف. لكن المحتوى لا يتعلق بالضرورة بالواقع. وفي حين أن أدوات الذكاء الاصطناعي قوية، لا يمكنك فقط إدخال البيانات في تطبيقات الذكاء الاصطناعي التوليدية وتوقع نتائج رائعة. تحتاج إلى استخدام الإدخال الصحيح للحصول على الإخراج الذي تريده.
هذه العملية تسمى هندسة التوجيه، هندسة التحفيز أو هندسة الأوامر، وهي باختصار العنصر الرئيسي للنجاح عندما يتعلق الأمر باستخدام أدوات محادثة ونماذج لغة حديثة مثل Chat GPT وGPT-3. حيث أن الطريقة التي يعمل بها الذكاء الاصطناعي هي بناء شيء يشبه إلى حد ما "الدماغ الرقمي"، أي يمكننا بشكل أساسي تدريب النموذج وجعله يتعلم تقريبًا مثلما يمكن أن يتعلم الدماغ البيولوجي لدى البشر، وهو أمر مذهل حيث تُستخدم الموجهات لتوجيه النموذج والتحكم فيه، من خلال وصف المهمة التي يجب أن يؤديها وما يجب أن يولده كمخرجات - كل ذلك باستخدام لغة بشرية طبيعية.
المهارة الحقيقية في هندسة التوجيه، هي كتابة المطالبات، إنه فن صياغة بيان أو سؤال يعطي نتائج دقيقة وقيمة، أو فن تعلم الكتابة بذكاء للذكاء الاصطناعي للوصول إلى أفضل النتائج. اعتمادًا على حالة الاستخدام، يمكن أن يكون إنشاء مطالبات أو أوامر فعالة عملية صعبة. تتضمن عملية كتابة المطالبات صياغة تعليمات أو استفسارات واضحة ومحددة لاستنباط الردود المرغوبة من نموذج اللغة.
من خلال إنشاء المطالبات بعناية، يمكن للمستخدمين توجيه ناتج Chat GPT نحو أهدافهم المقصودة وضمان استجابات أكثر دقة وفائدة، حيث يساعد تقديم أوامر واضحة في بداية كتابه الموجه في تعيين السياق وتحديد مهمة النموذج.
قائمة الأمور التي يجب التفكير فيها قبل استخدام الهندسة الموجهة
1. اختر نموذج AI الصحيح
البحث وتحديد نماذج الذكاء الاصطناعي ذات السمعة الطيبة التي تدعم معالجة اللغة العربية. ضع في اعتبارك عوامل مثل دقة النموذج وإتقان اللغة والتوافق مع المتطلبات الصحفية.
2. تكييف أسلوبك في الكتابة
اجعل الجمل موجزة ومنظمة بشكل جيد لتسهيل الفهم بواسطة نماذج الذكاء الاصطناعي. استخدم لغة واضحة لا لبس فيها لإيصال رسالتك بشكل فعال. تجنب الاستخدام المفرط للمصطلحات أو المصطلحات شديدة التعقيد لتعزيز فهم النموذج.
3. توفير سياق كافٍ
ابدأ النص بمقدمة موجزة أو معلومات أساسية لتوفير سياق لنموذج الذكاء الاصطناعي. حدد بوضوح المصطلحات أو المفاهيم الأساسية التي قد تكون غير مألوفة للنموذج أو القراء.
إذا لزم الأمر، قم بتوفير سياق إضافي داخل النص لمساعدة نموذج الذكاء الاصطناعي على توليد استجابات دقيقة وذات صلة.
5. قدم أمثلة أو مراجع ذات صلة لدعم نقاطك وتحسين فهم النموذج. جرب مطالبات وأمثلة مختلفة لاستنباط الاستجابات المرغوبة من نموذج الذكاء الاصطناعي.
6. مراجعة وتنقيح النص المُنشأ
أفهم أن نماذج الذكاء الاصطناعي قد تنتج مخرجات تتطلب مراجعة بشرية وتحريرًا. راجع النص الذي تم إنشاؤه بعناية للتأكد من دقته وتماسكه والالتزام بالمعايير الصحفية. قم بتحرير وصقل المخرجات حسب الحاجة للتأكد من أن النص النهائي يلبي الجودة المطلوبة والنزاهة الصحفية.
أنواع هندسة التوجيه
لكن هناك العديد من أشكال هندسة التوجيه التي يمكن أن تؤثر على نجاحك. نحن نغطي بعض أنواع هندسة التوجيه التي ستستخدمها عند العمل مع النماذج المولدة للذكاء الاصطناعي. (LLM)
مطالبات إكمال النص
تطلب المطالبات المستندة إلى النص من الذكاء الاصطناعي إكمال جملة أو عبارة. على سبيل المثال، يمكنك إدخال جملة "الكلب ركض بسرعة بسبب" ومطالبة نموذج اللغة بإكمال الجملة.
المطالبات المستندة إلى التعليمات
يستخدم هذا النوع الفوري أوامر أو تعليمات صريحة للمساعدة في توجيه استجابة الذكاء الاصطناعي. على سبيل المثال، يمكنك توجيه الذكاء الاصطناعي للعمل كصحفي متخصص بكتابة الأخبار العاجلة وأخبار الذكاء الاصطناعي باستخدام لغة تشبه اللغة المستخدمة في صياغة الأخبار العاجلة في قناة الـ CNN.
مطالبات الاختيار من متعدد
تساعد هذه المطالبة في تقييد إخراج نموذج اللغة. يتيح لك تقديم خيارات متعددة وطلب النموذج أن يقتصر على إجابة واحدة تقييد المخرجات واختيار الاستجابة الأكثر ملاءمة.
المطالبات السياقية
توفر هذه المطالبات أدلة سياقية لنموذج اللغة. تعتمد هذه السلسلة من المطالبات على بعضها البعض وتوجه قرارات النموذج وتفكيره في اتجاه معين.
مطالبات التخفيف من التحيز
تساعد هذه المطالبات على تحسين المخرجات لتجنب أي تحيز. اختبر المطالبات المختلفة للتحقق من التحيزات المحتملة وإجراء تعديلات لتجاوز تلك المشكلات.
أفضل الممارسات في هندسة التوجيه
الآن بعد أن فهمت أساسيات الهندسة السريعة، كيف يمكنك تحقيق أقصى استفادة من الذكاء الاصطناعي التوليدي؟
هنا أقدم لك العديد من أفضل الممارسات لمساعدتك في إنشاء مطالبات فعالة.
حدد بوضوح الاستجابة المطلوبة
يتم تدريب النماذج اللغوية الكبيرة على الكثير من البيانات، لذلك هناك مجال كبير لإساءة تفسير المدخلات الخاصة بك إذا لم تكن حريصًا. قد يخرج الذكاء الاصطناعي عن المسار ويظهر لك معلومات غير ذات صلة، حتى أنها قد تولد ردود فعل إبداعية وغير صحيحة تُعرف بالهلوسة.
حدد بوضوح نطاق الاستجابة التي تريدها في طلبك
يمكن أن يساعد هذا النموذج اللغوي في حصر نفسه في طلبك وتقديم مخرجات واضحة.
كن محددًا وصريحًا
أنت لا تريد أن تكون غامضًا عند التعامل مع الذكاء الاصطناعي التوليدي؛ لا يفهم في الواقع ما تفكر فيه، لذلك قم بمنحه أدلة أو معاملات لمساعدته.
توازن البساطة والتعقيد
يوجد خط رفيع بين البساطة والتعقيد في نماذج الذكاء الاصطناعي. لن يوفر موجه بسيط للغاية سياقًا كافيًا وقد تنتج عنه إجابات غامضة أو غير ذات صلة. من ناحية أخرى، يمكن للموجه المعقد للغاية أن يربك الذكاء الاصطناعي ويؤدي إلى نتائج غير متوقعة. امنح الذكاء الاصطناعي الخاص بك معلومات كافية لتحديد ما تريده بعبارات بسيطة لتجنب إغراقه بالمعلومات.
كرر وجرب
الهندسة السريعة هي عملية تكرارية. نظرًا لعدم وجود قواعد لكيفية إخراج الذكاء الاصطناعي للمعلومات، يجب عليك اختبار أفكار مختلفة لمعرفة نوع المخرجات التي ينتجها الذكاء الاصطناعي.
الاستراتيجيات المتقدمة في هندسة التوجيه
بينما قدم القسم السابق بعض الإرشادات العامة للتفاعل مع نموذج اللغة الكبيرة (Large Language Models – LLM)، دعونا الآن نتقدم خطوة إلى الأمام والبدء بالحديث عن مجموعة متنوعة من الاستراتيجيات الشائعة التي تساعد في التفاعل مع ChatGPT بطريقة أكثر تعقيدًا.
الإدخال/الإخراج موجه
تتضمن استراتيجية المطالبة بالإدخال/الإخراج تحديد المدخلات التي يقدمها المستخدم إلى LLM والمخرج الذي سيقوم LLM بإنشائه استجابةً لذلك. هذه الاستراتيجية أساسية لهندسة التوجيه لأنها تؤثر بشكل مباشر على جودة وملاءمة استجابة ChatGPT.
موجه مع صفر أوامر، أو صفر طلقة كما يطلق عليه أحياناً
تتضمن استراتيجية اللقطة الصفرية قيام LLM بإنشاء إجابة بدون أي أمثلة أو سياق. يمكن أن تكون هذه الاستراتيجية مفيدة عندما يريد المستخدم إجابة سريعة بدون تقديم تفاصيل إضافية، أو عندما يكون الموضوع عامًا لدرجة أن الأمثلة ستحد من الاستجابة بشكل كبير.
موجه مع أمر واحد، أو طلقة واحدة
تتضمن استراتيجية اللقطة الواحدة قيام LLM بإنشاء إجابة بناءً على مثال واحد أو جزء من السياق الذي يوفره المستخدم. يمكن أن توجه هذه الاستراتيجية استجابة ChatGPT وتضمن توافقها مع نية المستخدم. الفكرة هنا هي أن أحد الأمثلة سيوفر مزيدًا من الإرشادات للنموذج أكثر من لا شيء.
موجه قليل الأوامر/الطلقات
تتضمن استراتيجية اللقطات القليلة إنشاء LLM إجابة بناءً على بعض الأمثلة أو أجزاء من السياق التي يوفرها المستخدم. يمكن أن توجه هذه الاستراتيجية استجابة ChatGPT وتضمن توافقها مع نية المستخدم. الفكرة هنا هي أن العديد من الأمثلة ستوفر المزيد من التوجيه للنموذج أكثر من نموذج واحد.
موجه مؤلف من سلسلة من الأفكار أو النقاط
تتضمن استراتيجية سلسلة الأفكار تزويد LLM ببعض الأمثلة التي تساعد على تحسين السؤال الأصلي وضمان إجابة أكثر دقة وشمولية. يُطلق على هذه المطالبات اسم سلسلة الأفكار، لأنها تتضمن بعض أمثلة سلسلة التفكير في الموجه، حيث يتم تنظيم موجهات سلسلة الأفكار لتشجيع التفكير النقدي، وهي مصممة للمساعدة في الكشف عن رؤى أو مناهج جديدة ربما لم يفكر فيها ChatGPT بطريقة أخرى.
صيغة موجه سلسلة الأفكار هي عبارة "دعونا نفكر خطوة بخطوة" والتي يتم إلحاقها عمومًا بنهاية الموجه، والتي يقترح البحث أنها كافية لتحسين النتائج المتولدة.
الموجه ترابطي
تتضمن الاستراتيجية التكرارية أو التوسعية دفع LLM بمطالبات المتابعة بناءً على ناتج موجه أولي. يتضمن هذا التكرار النتائج من خلال طرح المزيد من الأسئلة أو تقديم طلبات إضافية من كل إجابة متتالية.
على سبيل المثال، ضع في اعتبارك مساعدة ChatGPT في إنشاء مخطط تفصيلي لكتاب تكتبه.
موجه المطالبة بالمطالبات
تتمثل إحدى طرق تحسين الصياغة السريعة في إشراك ChatGPT. قد يؤدي موجه مثل هذا إلى نتائج مفيدة:
ما هي المطالبة التي يمكنني استخدامها الآن لمزيد من المساعدة في هذه المهمة؟
يجب على ChatGPT بعد ذلك إنشاء اقتراحات للمطالبات المفيدة التي يمكنك استخدامها لتعزيز استجاباته الإضافية.
أفضل طريقة للنظر إلى ChatGPT هي كمساعد مبتدئ، سواء كان ذلك مساعد باحث، أو مساعد حل المشكلات، أو أي مساعدة تحتاجها. الاعتراف بهذا الجو التعاوني وتعزيزه يمكن أن يؤدي إلى مزيد من النجاح. بالطبع، قد تتركك مطالبة سيئة الصياغة للمطالبة الموجهة بالنموذج بالإجابة على عدد من الأسئلة غير ذات الصلة من ChatGPT على سبيل المثال، لذلك لا تزال المطالبة الأولية بحاجة إلى أن تتم كتابتها بعناية.
الصورة الرئيسية مُولدة بالذكاء الاصطناعي بواسطة Chatgpt4.