چرا باید به هوش مصنوعی کانتکست بدهیم؟
وقتی از ابزارهای هوش مصنوعی (مدلهای بزرگ زبانی) استفاده میکنیم، خیلی وقتها انتظار داریم با یک جمله خیلی کوتاه همهچیز برای ما حل شود. یک سؤال میپرسیم، پاسخی میگیریم، و تمام. اما نتیجه اغلب چیزی کلی، انتزاعی و سطحی است؛ پاسخی که شاید بد نباشد، اما دقیقاً همان چیزی هم نیست که میخواستیم پس باید کاری کنیم.
چرا نباید به هوش مصنوعی پیام ساده بدیم؟
به هوش مصنوعی کانتکست بدهید
هوش مصنوعی مثل یک موتور قدرتمند برای شما عمل میکند، اما بدون جهت. اگر فقط بگویید “برایم یک مقاله بنویس”، طبیعی است که عمومیترین حالت ممکن را تولید کند. چون هیچ اطلاعاتی درباره هدف، مخاطب، لحن، محدودیتها یا تجربههای قبلی شما ندارد. در چنین شرایطی، مدل مجبور است به امنترین و عمومیترین شکل ممکن پاسخ دهد.
به همین خاطر استفاده مؤثر از هوش مصنوعی بیشتر شبیه هدایت یک کشتی است تا فشار دادن یک دکمه.
چرا کانتکست مهم است؟
کانتکست یعنی اطلاعاتی که به مدل کمک میکند بفهمد دقیقا ما چه میخواهیم. هرچه این تصویر واضحتر باشد، خروجی دقیقتر میشود. چند نمونه از کانتکست:
- هدف شما از محتوا چیست؟
- مخاطب چه کسانی هستند؟
- لحن باید رسمی باشد یا دوستانه؟
- چه چیزهایی را نباید بگوید؟
- مثالها یا تجربههای واقعی شما.
وقتی این اطلاعات را اضافه میکنید، مدل دیگر در خلا کار نمیکند. شروع میکند به تولید چیزی که به مسئله واقعی شما نزدیکتر است و دقیقا به شما چیزی میدهد که میخواهید.
مشکل یک پرامپت جادویی چیست؟
خیلیها دنبال “پرامپت جادویی” هستند؛ جملهای که اگر بنویسند، همیشه بهترین نتیجه را از آن بگیرند. اما واقعیت این است که چنین چیزی هیچوقت وجود ندارد. کیفیت خروجی بیشتر از آنکه به یک جمله خاص وابسته باشد، به گفتوگوی تدریجی و اضافه کردن کانتکست شما وابسته است.
در عمل، بهترین نتایج معمولا بعد از چند رفتوبرگشت به دست میآیند. شما مسیر را اصلاح میکنید، مثال میدهید، محدودیت اضافه میکنید، و مدل خروجی را دقیقتر میکند.
سکاندار هوش مصنوعی باش
اگر بخواهیم یک استعاره ساده استفاده کنیم، هوش مصنوعی مثل یک کشتی قدرتمند است. موتور قوی دارد و میتواند شما را خیلی سریع جلو ببرد. اما خودش نمیداند مقصد شما کجاست. اگر سکان این کشتی را رها کنید، کشتی حرکت میکند، اما احتمالا به جایی نمیرسد که میخواستید.
دقیقا کار شما این است که سکاندار کشتی خود باشید: به این کشتی جهت بدهید، مسیر کشتی را اصلاح کنید، و مرتبا اطلاعات بیشتری به آن اضافه کنید. تازه وقتی این کار را انجام دهید، هوش مصنوعی از یک ابزار تولید متن عمومی و معمولی تبدیل میشود به یک همکار واقعی در فکر کردن، نوشتن و ساختن چیزهایی که در سر دارید.
در نهایت، کیفیت خروجی هوش مصنوعی به اندازهی زیادی معمولا بازتاب کیفیت ورودی ماست. هرچه مسئله را دقیقتر توضیح دهیم، نتیجه هم دقیقتر خواهد بود.















پس اون پرامپت های جادویی که توی شبکه های اجتماعی منتشر میشن واقعا تاثیر زیادی ندارن؟
بعضی از آنها می توانند مفید باشند، اما هیچ پرامپتی برای همه کارها بهترین نیست. معمولا داشتن اطلاعات مرتبط درباره مسئله، تاثیر بیشتری نسبت به استفاده از یک قالب ثابت دارد.
برای تولید محتوا بهتره هر بار همه اطلاعات برند رو داخل پرامپت بنویسیم؟
اگر قرار است چندین بار روی یک پروژه کار کنید، بهتر است اطلاعات ثابت مثل لحن برند، مخاطب و قوانین نگارش همیشه در اختیار مدل باشند و فقط جزئیات هر درخواست را تغییر دهید. این کار باعث می شود خروجی ها یکدست تر باشند.
اگر Context خیلی زیاد باشه ممکنه نتیجه بدتر بشه؟
بله، اگر اطلاعات اضافی و نامرتبط وارد کنید، ممکن است مدل روی بخش های کم اهمیت تمرکز کند. بهتر است فقط اطلاعاتی را ارائه دهید که واقعا برای انجام همان کار لازم هستند.
منظور از Context دقیقا فقط توضیح درباره پروژه است یا چیزهای دیگه هم شاملش میشه؟
Context می تواند شامل هدف پروژه، مخاطب، لحن مورد نظر، اطلاعات قبلی، نمونه های مشابه، محدودیت ها و حتی خروجی دلخواه باشد. هرچه این اطلاعات مرتبط تر باشند، احتمال دریافت پاسخ دقیق تر بیشتر می شود.
یعنی اگر بهترین پرامپت دنیا رو هم بنویسیم ولی اطلاعات کافی به هوش مصنوعی ندیم، خروجی معمولی میشه؟
دقیقا همین طور است. کیفیت خروجی فقط به نحوه نوشتن پرامپت بستگی ندارد. اگر مدل اطلاعات کافی درباره هدف، مخاطب، محدودیت ها و موضوع نداشته باشد، معمولا پاسخ ها کلی و عمومی خواهند بود.