تکنیک زنجیره تفکر (CoT)
آیا تا به حال از دانش‌آموزی خواسته‌اید که برای حل یک مسأله ریاضی، تمام مراحل را روی تخته بنویسد؟ این کار نه تنها به شما کمک می‌کند تا فرایند فکری او را درک کنید، بلکه به خودِ دانش‌آموز نیز اجازه می‌دهد تا با دیدن مراحل، خطاهای احتمالی را بیابد و به پاسخ صحیح برسد. تکنیک «زنجیره تفکر» (Chain-of-Thought) یا CoT دقیقاً همین کار را با هوش مصنوعی انجام می‌دهد.
در این روش، به جای اینکه از مدل زبانی بخواهیم مستقیماً به سؤال پاسخ دهد، او را تشویق می‌کنیم تا مراحل استدلال خود را گام به گام توضیح دهد. این فرایند، مدل را وادار می‌کند تا به جای حدس زدن، به صورت منطقی فکر کند و مسائل پیچیده را به بخش‌های کوچک‌تر و قابل مدیریت تقسیم نماید. این تکنیک به‌ویژه برای حل مسائل ریاضی، استدلال منطقی و تحلیل‌های چندمرحله‌ای بسیار کارآمد است.
زنجیره تفکر چند نمونه‌ای (Few-Shot CoT)
حال تصور کنید می‌خواهید روش حل یک نوع مسأله جدید را به کلاس خود آموزش دهید. بهترین راه چیست؟ شما چند مثال کامل را روی تخته حل می‌کنید. برای هر مثال، «صورت مسأله»، مراحل دقیق «راه حل» و «پاسخ نهایی» را می‌نویسید. دانش‌آموزان با دیدن این الگوها، یاد می‌گیرند که چگونه مسائل مشابه را حل کنند.
«زنجیره تفکر چند نمونه‌ای» یا Few-Shot CoT دقیقاً بر همین اساس کار می‌کند. در این تکنیک، ما در پرامپت خود چند نمونه کامل (معمولاً ۱ تا ۵ مثال) از یک نوع مسأله به همراه زنجیره تفکر و پاسخ نهایی آن را به مدل ارائه می‌دهیم. مدل با مشاهده این الگوها، یاد می‌گیرد که برای سؤال جدیدی که از او می‌پرسیم، همان فرایند استدلالی را تقلید کند. این روش به طور قابل توجهی دقت پاسخ‌ها را در وظایف پیچیده افزایش می‌دهد.
پرامپت:
# سوال:
جسمی با سرعت اولیه ۱۰ متر بر ثانیه شروع به حرکت می‌کند و پس از ۵ ثانیه سرعت آن به ۳۰ متر بر ثانیه می‌رسد. شتاب حرکت چقدر است؟
# راه حل:
برای محاسبه شتاب، از فرمول a = (v_f – v_i) / t استفاده می‌کنیم.
سرعت نهایی (v_f) برابر با ۳۰ متر بر ثانیه، سرعت اولیه (v_i) برابر با ۱۰ متر بر ثانیه و زمان (t) برابر با ۵ ثانیه است.
پس: a = (30 – 10) / 5 = 20 / 5 = 4 متر بر مجذور ثانیه.
# پاسخ نهایی:
۴
—
# سوال:
خودرویی از حالت سکون شروع به حرکت کرده و پس از ۱۰ ثانیه به سرعت ۲۰ متر بر ثانیه می‌رسد. شتاب حرکت آن چقدر است؟
# راه حل:
# پاسخ نهایی:
خروجی مورد انتظار هوش مصنوعی:
# راه حل:
برای محاسبه شتاب، از فرمول a = (v_f – v_i) / t استفاده می‌کنیم.چون خودرو از حالت سکون شروع کرده، سرعت اولیه (v_i) صفر است.
سرعت نهایی (v_f) برابر با ۲۰ متر بر ثانیه و زمان (t) برابر با ۱۰ ثانیه است.
پس: a = (20 – 0) / 10 = 20 / 10 = 2 متر بر مجذور ثانیه.
# پاسخ نهایی:
۲
زنجیره تفکر بدون نمونه (Zero-Shot CoT):
گاهی اوقات ما زمان یا مثال‌های آماده برای ارائه به مدل را نداریم. اینجا است که روش «زنجیره تفکر بدون نمونه» به کمک ما می‌آید. این تکنیک به طرز شگفت‌آوری ساده اما قدرتمند است.
در این روش، ما هیچ مثال کاملی ارائه نمی‌دهیم. در عوض، تنها با افزودن یک عبارت ساده و کلیدی به انتهای پرامپت خود، مدل را به فکر کردنِ گام به گام وادار می‌کنیم. عباراتی مانند «بیا گام به گام فکر کنیم» یا «مراحل کار را توضیح بده» مانند یک تلنگر عمل کرده و به هوش مصنوعی یادآوری می‌کنند که باید فرایند استدلال خود را نمایش دهند.
این روش مانند آن است که به یک دانش‌آموز نخبه که در حل یک مسأله پیچیده گیر کرده، نگوییم «جواب این است»، بلکه به او بگوییم: «صبر کن، عجله نکن. بیا از اول و مرحله به مرحله مسأله را با هم مرور کنیم». این جمله ساده، ذهن او را به سمت یک فرایند تحلیلی و منظم هدایت می‌کند. «زنجیره تفکر بدون نمونه» نیز همین نقش را برای هوش مصنوعی ایفا می‌کند.
فرض کنید 100 میلی‌لیتر محلول 0.2 مولار سدیم هیدروکسید (NaOH) را با 50 میلی‌لیتر محلول 0.4 مولار هیدروکلریک اسید (HCl) مخلوط می‌کنیم. pH محلول نهایی چقدر خواهد بود؟
پاسخ را به صورت گام به گام و با ذکر دلیل هر مرحله محاسبه کنید.
زنجیره تفکر خودکار (Auto-CoT):
تکنیک‌های قبلی نیازمند دخالت انسان برای ساختن مثال یا افزودن عبارت کلیدی بودند. اما «زنجیره تفکر خودکار» این فرایند را یک قدم فراتر می‌برد. این یک روش پیشرفته‌تر است که در آن، هوش مصنوعی به صورت خودکار مثال‌های لازم برای یادگیری را برای خودش ایجاد می‌کند.
این تکنیک مانند آن است که شما به جای حل کردن چند مثال برای دانش‌آموزان، از آن‌ها بخواهید خودشان به چند گروه تقسیم شوند، هر گروه چند مسأله طرح کرده و آن‌ها را با راه‌حل کامل برای بقیه کلاس توضیح دهد. در این فرایند، دانش‌آموزان نه تنها یاد می‌گیرند، بلکه به طور فعال در ساخت مواد آموزشی مشارکت می‌کنند.
«زنجیره تفکر خودکار» مجموعه‌ای از مسأله‌های متنوع را انتخاب کرده، برای آن‌ها زنجیره‌های تفکر تولید می‌کند و سپس از این مثال‌های خودساخته برای پاسخ به مسأله‌ی اصلی استفاده می‌کند. این روش، نیاز به ساخت دستی پرامپت‌های چند نمونه‌ای را از بین می‌برد و فرایند را بسیار کارآمدتر می‌سازد.
تمرین ۱: زنجیره تفکر چند نمونه‌ای
در نمونه‌های بالا دیدید که تکنیک «زنجیره تفکر» چطور به حل مسأله‌های ریاضی و علوم کمک می‌کند. اما جالب است بدانید این تکنیک در علوم انسانی، شاهکار می‌کند. هوش مصنوعی در تحلیل پدیده‌های علوم انسانی معمولاً عادت دارد سریعاً یک پاسخ کلی و سطحی بدهد. ما می‌خواهیم با این تمرین، او را وادار کنیم مانند یک مورّخ یا جامعه‌شناس یا غیره، لایه‌های یک پدیده را گام به گام کالبدشکافی کند.
ابتدا نمونه‌ی تحلیل «پدیده اول» (علت سقوط یک امپراتوری) را به هوش مصنوعی می‌دهیم تا الگوی تفکر گام به گام را یاد بگیرد، سپس از او می‌خواهیم «پدیده دوم» (چاپارخانه هخامنشی) را با همان الگو تحلیل کند.
پرامپت ساده:
# نقش (Role): شما یک استاد برجسته تاریخ و تحلیل‌گر مسائل اجتماعی هستید. # مخاطب (Audience): دانش‌آموزان دبیرستان. # هدف (Goal): تحلیل ریشه‌ای پدیده‌های تاریخی. # مسأله (issue): ایجاد سیستم «چاپارخانه» (پست سریع) در دوران ایران باستان (هخامنشیان) چه تأثیری بر پایداری این امپراتوری پهناور داشت؟
پرامپت زنجیره تفکر چند نمونه‌ای:
# نقش (Role): شما یک استاد برجسته تاریخ و تحلیل‌گر مسائل اجتماعی هستید. # مخاطب (Audience): دانش‌آموزان دبیرستان. # هدف (Goal): تحلیل ریشه‌ای پدیده‌های تاریخی.=== # مسأله (issue): چرا امپراتوری رم باستان با آن همه عظمت سرانجام سقوط کرد؟ # زنجیره تفکر (CoT): برای تحلیل سقوط رم، نباید فقط به یک علت چسبید. بیایید آن را به ۳ بخش تقسیم کنیم: - علت نظامی: هجوم پیاپی قبایل بیگانه و تضعیف ارتش. - علت اقتصادی: مالیات‌های سنگین، تورم شدید و کاهش نیروی کار به دلیل بیماری‌ها. - علت سیاسی: فساد گسترده در میان پادشاهان و عدم ثبات در مدیریت کشور. ترکیب این سه عامل با هم در طول زمان باعث فروپاشی ساختار امپراتوری رم شد. # پاسخ نهایی: سقوط رم حاصل یک عامل نبود، بلکه برایند هم‌زمانِ فرسودگی نظامی، بحران اقتصادی و فساد سیاسی بود. === # مسأله (issue): ایجاد سیستم «چاپارخانه» (پست سریع) در دوران ایران باستان (هخامنشیان) چه تأثیری بر پایداری این امپراتوری پهناور داشت؟ # زنجیره تفکر (CoT): # پاسخ نهایی:
در دو چت جداگانه این دو پرامپت را بدهید و تفاوت نتایج را ببینید.
تمرین ۲: زنجیره تفکر بدون نمونه
پرامپت زیر را که درباره یکی از مباحث مهم کتاب مطالعات اجتماعی است، به هوش مصنوعی بدهید و ببینید چطور بدون داشتن مثال، مراحل را باز می‌کند:
پرامپت ساده:
تصور کنید در زمان گذشته، مردم یک روستا در کنار رودخانه‌ای بزرگ تصمیم می‌گیرند مبادله کالا به کالا (پایاپای) را کنار بگذارند و از «سکه» به عنوان پول استفاده کنند. این تغییر چه تأثیرات مثبت و منفی روی زندگی روزمره مردم، شغل‌ها و ارتباط آن‌ها با روستاهای دیگر می‌گذارد؟
پرامپت زنجیره تفکر بدون نمونه:
تصور کنید در زمان گذشته، مردم یک روستا در کنار رودخانه‌ای بزرگ تصمیم می‌گیرند مبادله کالا به کالا (پایاپای) را کنار بگذارند و از «سکه» به عنوان پول استفاده کند. این تغییر چه تأثیرات مثبت و منفی روی زندگی روزمره مردم، شغل‌ها و ارتباط آن‌ها با روستاهای دیگر می‌گذارد؟
پاسخ خود را به صورت گام به گام، با تفکیک ابعاد اقتصادی و اجتماعی و با ذکر دلیل برای هر مرحله تحلیل کنید. بیا گام‌به‌گام و منطقی درباره این موضوع فکر کنیم.
در دو چت جداگانه این دو پرامپت را بدهید و تفاوت نتایج را ببینید.
خواهید دید که در حالت عادی، هوش مصنوعی یک انشای سرهم‌بندی‌شده تحویل می‌دهد، اما با «زنجیره تفکر»، یک تحلیل عمیق، بخش‌بندی‌شده و کاملاً منطقی ارائه می‌کند که برای کنفرانس‌های کلاسی و پروژه‌های تحقیقی فوق‌العاده است.
