پرامپت چیست؟
این روزها در دنیای هوش مصنوعی، کلمه‌ی «پرامپت» (Prompt) زیاد به گوش می‌خورد. این واژه سفری طولانی و شنیدنی را در تاریخ زبان پیموده است. ریشه‌ی آن به کلمه‌ی لاتین «promptus» برمی‌گردد که معناهایی چون «آشکار»، «آماده» یا «سریع» داشته است. با گذشت زمان، این کلمه معنای گسترده‌تری پیدا کرد و مفهوم «واداشتن به انجام کاری» را نیز در برگرفت.
این معنای جدید بود که راه را برای استفاده‌ی تخصصی از «پرامپت» در حوزه‌های گوناگون هموار کرد. برای مثال، در دنیای تئاتر، «پرامپت» به معنای یادآوری دیالوگ‌ها به بازیگر به کار می‌رود و در حوزه‌ی کامپیوتر، به دستوری اشاره دارد که سیستم برای دریافت اطلاعات از کاربر درخواست می‌کند. امروزه، با ظهور هوش مصنوعی، این کلمه نقشی کلیدی یافته است. در این زمینه،
پرامپت: هر نوع ورودی، که کاربر برای گرفتن خروجی مشخصی به هوش‌مصنوعی می‌دهد.
در حقیقت، پرامپت زبان گفتگوی ما با هوش مصنوعی است تا ما را به خواسته‌ی خود، چه یک قطعه متن باشد و چه یک تصویر یا ویدیو، برساند.
مهندسی پرامپت
اگر پرامپت را زبان گفتگو با هوش مصنوعی بدانیم، «مهندسی پرامپت» را می‌توان «هنر طراحی بهترین گفتگوها برای رسیدن به بهترین نتایج» دانست.
به عبارت دیگر، «مهندسی پرامپت» فرآیند ساختن و بهینه‌سازی پرامپت‌هایی است که به مدل‌های هوش مصنوعی می‌دهیم تا آن‌ها را برای تولید خروجی دلخواه خود هدایت کنیم. تفاوت میان یک کاربر عادی و یک کاربر حرفه‌ای در استفاده از ابزارهای هوش مصنوعی، اغلب در همین مهارت نهفته است. یک کاربر عادی شاید یک سوال ساده بپرسد، اما یک مهندس پرامپت می‌داند که چگونه با ارائه‌ی جزئیات و استفاده از تکنیک‌های خاص، هوش مصنوعی را به ارائه‌ی پاسخی بسیار نزدیک به نیازش وادار کند.
این مهارت به ما کمک می‌کند تا توانایی‌ها و محدودیت‌های هوش مصنوعی را بهتر بشناسیم و از آن به بهترین شکل در انجام کارهای گوناگون بهره ببریم. «مهندسی پرامپت» مانند یادگیری یک زبان جدید است؛ زبانی برای برقراری ارتباطی پرثمر با هوش مصنوعی.
عناصر سازنده پرامپت
هر پرامپت، هرچقدر هم که ساده یا پیچیده باشد، از ترکیب یک یا چند مورد از چهار عنصر کلیدی زیر ساخته می‌شود:
- دستور کار (Instruction): این بخش، قلب پرامپت شماست. در این قسمت شما به هوش مصنوعی می‌گویید که چه کاری باید انجام دهد.
- زمینه (Context): اطلاعات پیرامونی است که به هوش مصنوعی کمک می‌کند تا درخواست شما را بهتر درک کرده و خروجی دقیق‌تری ارائه دهد.
- شاخصه‌های خروجی (Output Indicator): در این بخش، شما قالب یا ساختار خروجی دلخواه خود را مشخص می‌کنید تا نتیجه همان چیزی باشد که می‌خواهید.
- داده‌های ورودی (Input Data): این بخش داده‌هایی است که هوش مصنوعی برای انجام دستور کار به آن‌ها نیاز دارد. این داده‌ها می‌توانند شامل متن، کد، آمار و موارد دیگر باشند.
با ترکیب هوشمندانه‌ی این چهار عنصر، می‌توانید پرامپت‌های مؤثرتری بنویسید و از قابلیت‌های هوش مصنوعی به بهترین نحو بهره‌مند شوید.
مثال:
پرامپت:
متن را به مثبت، منفی یا خنثی دسته‌بندی کن.
متن: فکر می‌کنم غذا معمولی بود.
احساسات:
کالبدشکافی:
- دستور کار: «متن را به مثبت، منفی یا خنثی دسته‌بندی کن».
- داده ورودی: «فکر می‌کنم غذا معمولی بود.»
- شاخصه خروجی: «احساسات:»
- زمینه: ندارد
همانطور که می‌بینید، لازم نیست هر پرامپتی دارای همه‌ی این چهار عنصر باشد.
تمرین:
هر یک از عناصر پرامپت زیر را در یک سطر جداگانه بنویسید:
در نقش هرودوت، مورخ یونانی، نامه‌ای بنویس. و در آن، واقعه جنگ ماراتن را از دیدگاه یک یونانی و با لحن و سبک نگارش آن دوره برای یک مورخ امروزی روایت کن.
پاسخ خود را با تحلیل زیر مقایسه کنید:
- دستور کار: نامه‌ای بنویس. و در آن، واقعه جنگ ماراتن را… روایت کن.
- زمینه: در نقش هرودوت، مورخ یونانی… از دیدگاه یک یونانی برای یک مورخ امروزی.
- داده ورودی: ندارد.
- شاخصه خروجی: با لحن و سبک نگارش آن دوره.
