مهندسی پرامپت (Prompt Engineering) چیست؟

مهندسی پرامپت چیست؟

برای شروع سعی کنید موقعیت زیر را تصور کنید: شما در حال پختن یک کیک شکلاتی برای تولد دوست خود هستید. شما می‌توانید از کیک‌های جعبه‌ای آماده استفاده کنید و فقط روغن، تخم‌مرغ و شیر را به آن اضافه کنید و یا می‌توانید کیک را از ابتدا خودتان درست کنید و مواد دلخواهتان را جمع‌آوری کنید تا نهایتاً کیک ویژه و سفارشی ای ایجاد کنید که کیک موردعلاقه دوست شما بشود. حال اگر پودر اسپرسو یا نمک دریایی به آن اضافه کنید چه؟ آیا شیر نارگیل را جایگزین شیر گاو می‌کنید؟ آن را با تمشک تازه تزیین می‌کنید؟

مهندسی پرامپت به نوعی این‌گونه کار می‌کند. با گرفتن یک دستور ساده از کاربر و در ادامه با تنظیم آن به حالت مناسب برای مولدهای هوش مصنوعی، نتایجی را دریافت خواهید کرد که با نیازهای شما به طور بهتر و کامل‌تری مطابقت دارد. در نتیجه شما در حال مهندسی درخواست خود برای ایجاد یک خروجی خاص و مناسب هستید.

مهندسی پرامپت به فرایندی گفته می‌شود که در آن درخواست‌هایی که یک فرد می‌تواند برای تولید متن یا تصاویر در یک سرویس هوش مصنوعی مولد (AI) وارد کند اصلاح می‌شود. هر کسی می‌تواند این کار را با استفاده از زبان طبیعی انسان در مولدهایی مانند ChatGPT و DALL-E انجام دهد. همچنین این تکنیکی است که مهندسان هوش مصنوعی هنگام اصلاح مدل‌های زبانی بزرگ (LLM) با درخواست‌های خاص یا سفارشی شده از آن استفاده می‌کنند.

برای اینکه مهندسی پرامپت را متوجه شوید به‌عنوان‌مثال فرض کنید می‌خواهید از ChatGPT برای ایده‌پردازی به‌منظور نوشتن یک خلاصه حرفه‌ای برای اصلاح رزومه خود استفاده کنید. ممکن است درخواستی مانند «یک نمونه خلاصه حرفه‌ای برای یک تحلیلگر بازاریابی بنویسید» را برای مدل بنویسید و ارسال کنید. حال ممکن است از ChatGPT درخواست کنید تا پاسخ خود را بهبود ببخشد و بازخوردهایی همچون “بیش از حد رسمی” یا “کوتاه کردن متن به تعداد کمتر از 100 کلمه” ارسال کنید تا پاسخ موردنظر را به شما تحویل دهد. شما می‌توانید همین کار را برای مدل‌های تبدیل متن به تصویر مانند DALL-E انجام دهید.

هم رویش منتشر کرده است:

آموزش ساخت ChatGPT و DALL-E با پایتون و OpenAI API

چرا مهندسی پرامپت در هوش مصنوعی مولد مهم است؟

Prompt Engineering برای مهندسان هوش مصنوعی بسیار مهم است چرا که به‌وسیله آن می‌توانند خدمات بهتری ایجاد کنند. به‌عنوان‌مثال می‌توان به ربات‌های گفتگو (چت‌بات) که وظایفی همچون ارائه خدمات به مشتری‌ها را انجام می‌دهند و یا قراردادهای قانونی ایجاد می‌کنند اشاره کرد. برای اطمینان از اینکه سرویس‌های هوش مصنوعی مولد مانند  ChatGPT قادر به ارائه خروجی هستند، مهندسان باید کدنویسی کنند و همچنین هوش مصنوعی را بر اساس داده‌های گسترده و دقیق آموزش دهند.

در حال حاضر ما در دنیای مبتنی بر داده‌های کلان به درجه‌ای رسیده‌ایم که در آن بدون مرتب‌سازی دستی این مقادیر زیاد داده، با آموزش مدل‌های هوش مصنوعی می‌توانیم به راه‌حل‌های بسیار کارآمدتر نسبت به راه‌حل‌های موجود دست پیدا کنیم. مهندسی پرامپت مناسب و درست همچنین می‌تواند حملات تزریق اطلاعات همانند تلاش‌های مخرب برای هک‌کردن منطق پشت ChatGPT یا ربات‌های گفتگو، را شناسایی و کاهش دهد تا اطمینان حاصل شود که شرکت‌ها خدماتی سازگار و دقیق ارائه می‌کنند.

نمونه‌هایی از مهندسی پرامپت

در اینجا چند نمونه از مهندسی پرامپت آورده شده است تا به شما درک بهتری از چیستی آن و نحوه مهندسی یک درخواست برای یک مدل متنی و یا تصویری را ارائه دهد.

برای مدل‌های متنی مانند ChatGPT:

• چه تفاوتی بین خلاصه حرفه‌ای و خلاصه اجرایی وجود دارد؟
• یک خلاصه حرفه‌ای برای یک تحلیلگر بازاریابی بنویسید که به دنبال شغل مدیر بازاریابی است.
• اکنون آن را به کمتر از ۶۰ کلمه کاهش دهید.
• آن را با لحنی نه‌چندان رسمی بازنویسی کنید.

برای مدل‌های تصویری مانند  DALL-E:

• نقاشی یک گربه.
• نقاشی گربه‌ای که در حال تعقیب موش است و به سبک امپرسیونیسم باشد.
• حالا فقط از رنگ‌های گرم در نقاشی استفاده کنید.

چگونه درخواست‌های هوش مصنوعی خود را مهندسی کنیم

در اینجا یک راهنمای گام‌به‌گام سریع برای مهندسی درخواست‌های شما آورده شده است.

سؤال خود را تا حد امکان واضح بیان کنید.

هوش مصنوعی مولد رباتی است که بر روی داده‌های تولید شده توسط انسان و ماشین آموزش دیده است. ازاین‌رو توانایی این را ندارد که آنچه را که شما در حال مکاتبه با آن هستید و برای او نوشته‌اید را بررسی و وارسی کند تا بفهمد واقعاً چه می‌گویید.

آنچه که شما به مدل می‌گویید همان چیزی است که به دست می‌آورید. هنگام واردکردن یک سؤال در یک هوش مصنوعی مولد، بهتر است با زبانی مشخص و ساده و بدون اصلاحات غیرضروری درخواست کنید. به‌عنوان‌مثال، به‌جای اینکه بنویسید «طرح کلی بنویس که شامل عنوان و مراحل بعدی باشد.» می‌توانید درخواست کنید، «یک طرح کلی برای یک پروپوزال تحقیقاتی دانشگاهی بنویسید که شامل بخش‌هایی برای عنوان، خلاصه و مراحل بعدی باشد.»

برای رسیدن به بهترین پاسخ، شیوه‌های مختلف را آزمایش کنید.

برای هر نوع خروجی، مانند یک طرح کلی، پروپوزال تحقیقاتی یا رزومه، باید ChatGPT را با استفاده از انواع مختلف دستور آزمایش کنید. به‌این‌ترتیب، مشخص خواهید کرد که آیا به راهنمایی‌هایی مانند “با لحن رسمی بنویس” نیاز دارید یا خیر. اگر نیاز داشتید که کلمه “لحن” را در دستور خود بنویسید، به نظر شما باید “با لحن حرفه‌ای” یا “با لحن رسمی” را بنویسید؟

با ورودی‌های خود نیز بازی کنید و آنها را تغییر دهید. در نظر بگیرید که خواسته‌های موردنظر را در یک دستور وارد کنید یا نمونه‌هایی را که می‌خواهید مولد مدل‌سازی کند را ارائه دهید.

با دستورالعمل‌ها یا سؤالات درخواست خود را ادامه دهید.

هنگامی که خروجی خود را در قالب و لحن مناسب شکل و تغییر دادید، ممکن است بخواهید تعداد کلمات یا کاراکترها را محدود کنید، یا ممکن است بخواهید دو نسخه مجزا از طرح کلی ایجاد کنید، به‌عنوان‌مثال یکی برای اهداف جزئی و یکی برای اهداف کلی.

مولد می‌تواند این کار را بر اساس خروجی ای که قبلاً ارائه کرده است انجام دهد. تکرارکردن دوست و یار شما در رسیدن به هدفتان است. به “مهندسی” درخواست خود ادامه دهید تا به نتایج دلخواه برسید.

با تکنیک‌های مختلف پرامپت نویسی بازی کنید

هوش مصنوعی مولد هنوز یک فناوری جدید و درحال‌توسعه است، اما این بدان معنا نیست که محققان قبلاً برخی از استراتژی‌ها را برای طراحی پاسخ‌های مؤثر توسعه نداده باشند. همان‌طور که با هوش مصنوعی مولد کار می‌کنید، سعی کنید از برخی از این تکنیک‌های مؤثر برای دستیابی به نتایج موردنظر خود استفاده کنید:

روش دستورنویسی Zero-shot:

این روش مستقیم‌ترین و ساده‌ترین روش مهندسی پرامپت است که در آن به یک هوش مصنوعی مولد به‌سادگی دستورالعمل به‌صورت مستقیم داده می‌شود و یا اینکه بدون ارائه هیچ‌گونه اطلاعات اضافی سؤال موردنظر از مدل پرسیده می‌شود. این برای کارهای نسبتاً ساده به‌جای کارهای پیچیده بهتر است.

روش دستورنویسی Few-shot:

این روش شامل ارائه نمونه‌هایی به هوش مصنوعی مولد برای کمک به هدایت خروجی آن است. این روش برای کارهای پیچیده مناسب‌تر از روش Zero-shot است.

روش دستورنویسی زنجیره‌ای از فکر (CoT):

این روش به بهبود خروجی یک مدل زبانی بزرگ LLM به‌وسیله تبدیل و تجزیه استدلال پیچیده به قسمت‌های ساده‌تر کمک می‌کند که می‌تواند به مدل کمک کند نتایج دقیق‌تری تولید کند.

روش دستورنویسی زنجیره‌ای:

درخواست‌کننده یک وظیفه پیچیده را به وظایف فرعی کوچک‌تر و ساده‌تر تقسیم می‌کند، سپس از خروجی‌های هوش مصنوعی مولد برای انجام وظیفه فراگیر استفاده می‌کند. این روش می‌تواند قابلیت اطمینان و سازگاری را برای برخی از پیچیده‌ترین وظایف بهبود بخشد.

اینها تنها برخی از تکنیک‌های تشویقی هستند که ممکن است در ادامه کار مهندسی پرامپت با آنها دست‌وپنجه نرم کنید. اغلب، در واقع، مؤثرترین استراتژی مهندسی پرامپت، ترکیب چندین تکنیک مختلف برای دستیابی به خروجی مطلوب است.

Prompt Engineering را با هم رویش بیاموزید

این دوره مهندسی پرامپت برای ChatGPT را از هم رویش مطالعه کنید. شما یاد خواهید گرفت که چگونه با مدل‌های زبانی بزرگ مانند ChatGPT کار کنید و نحوه ایجاد برنامه‌های کاربردی مبتنی بر پرامپت برای زندگی روزمره خود را بیاموزید.

هم رویش منتشر کرده است:

آموزش ChatGPT — شروع سریع ویژه ایرانیان

آینده مهندسی پرامپت

Prompt Engineering در این دوره از هوش مصنوعی و یادگیری ماشین به تکامل خود ادامه خواهد داد. به‌زودی، درخواست‌هایی وجود خواهد داشت که به ما امکان می‌دهد متن، کد و تصاویر را با یکدیگر ترکیب کنیم. مهندسان و محققان همچنین در حال تولید پیام‌های تطبیقی هستند که با توجه به محتوا تنظیم می‌شوند. البته، با تکامل هر چه بیشتر اخلاق در هوش مصنوعی، احتمالاً مواردی وجود خواهد داشت که انصاف و شفافیت را تضمین می‌کند.

مسیر شغلی و چشم‌انداز شغلی مهندس پرامپت

از آن جایی که مهندسی پرامپت در مسیر تبدیل به یک حرفه و شغل پیش می‌رود، آینده امیدوارکننده‌ای دارد. در حال حاضر بیش از ۳۷۵۰ شغل مهندسی پرامپت در Indeed باز است و طبق گفته TIME افراد شاغل در این کار می‌توانند تا ۳۳۵ هزار دلار دریافت کنند.

مهندسان پرامپت باید در مبانی پردازش زبان طبیعی (NLP)، از جمله کتابخانه‌ها و فریمورک‌ها، زبان برنامه‌نویسی پایتون، مدل‌های هوش مصنوعی مولد، و مشارکت در پروژه‌های منبع‌باز مهارت داشته باشند.

به طور معمول، مهندسان پرامپت به مدرک لیسانس در علوم کامپیوتر یا یک رشته مرتبط نیاز دارند. بااین‌حال، برخی از مهندسان پرامپت هستند که سابقه فنی کمتری مانند مهارت نوشتن دارند و سعی می‌کنند با مطالعه و آزمایش و کار با هوش مصنوعی تجربه کسب کنند.

واژگان

مهندسی پرامپت | درباره مهندسی پرامپت | مدل زبانی بزرگ | Prompt Engineering چیست | کدام تکنیک پرامپت نویسی بهتر است | درخواست دادن به ChatGPT چگونه است| هوش مصنوعی مولد | چگونه با چت جی پی تی کار کنید؟ | prompt engineering چیست | تکنیک‌های مختلف پرامپت نویسی | پرامپت نویسی هوش مصنوعی

منبع

What Is Prompt Engineering? Definition and Examples