وقتی از هوش مصنوعی فقط می‌خواهید «یک متن خوب» یا «پاسخ مناسب» تولید کند، بخش مهمی از سلیقه و انتظار شما برای آن مبهم می‌ماند. یک مثال کوتاه میتواند نشان دهد پاسخ باید چه لحنی داشته باشد، چقدر جزئیات ارائه کند و در چه قالبی نوشته شود.
استفاده از مثال برای گرفتن پاسخ بهتر از هوش مصنوعی به معنی نوشتن نمونه‌های طولانی نیست. کافی است یک یا چند نمونهٔ مرتبط، دقیق و قابل فهم در اختیار مدل بگذارید و توضیح دهید از هر نمونه چه چیزی باید یاد بگیرد؛ قالب، لحن، ترتیب مطالب یا شیوهٔ حل مسئله.
چرا استفاده از مثال برای گرفتن پاسخ بهتر از هوش مصنوعی نتیجه را تغییر می‌دهد؟
کلماتی مثل «صمیمی»، «کوتاه»، «حرفه‌ای» یا «ساده» برای افراد مختلف معنای یکسانی ندارند. ممکن است شما از متن صمیمی، نثری گرم و طبیعی بخواهید، اما هوش مصنوعی متنی بیش از حد خودمانی یا پر از عبارت‌های کلیشه‌ای تولید کند.
مثال، این ابهام را کمتر میکند. اگر یک پاراگراف نمونه بدهید، مدل میتواند ویژگی‌های قابل مشاهدهٔ آن را بهتر تشخیص دهد؛ مثلاً جمله‌های کوتاه، تیترهای روشن، پرهیز از اغراق یا توضیح مرحله‌به‌مرحله. این کار جای توضیح را نمی‌گیرد، اما خواستهٔ شما را ملموس‌تر میکند.
مثال باید کدام بخش از خواستهٔ شما را روشن کند؟
پیش از نوشتن نمونه، مشخص کنید دقیقاً می‌خواهید چه چیزی از آن الگوبرداری شود. یک مثال ممکن است برای نشان دادن لحن مناسب باشد و مثال دیگر برای نمایش ساختار پاسخ.
- لحن: رسمی، دوستانه، آموزشی، کوتاه یا مناسب کودک.
- قالب: پاراگراف، فهرست، جدول، پیام کوتاه یا برنامهٔ روزانه.
- سطح جزئیات: پاسخ سریع برای شروع کار یا توضیح کامل برای فرد مبتدی.
- نوع خروجی: پیشنهاد، بازنویسی، خلاصه‌سازی، مقایسه یا دستورالعمل.
- موارد ممنوع: کلمات پیچیده، مقدمهٔ طولانی، ادعاهای قطعی یا تکرار.
اگر این هدف را مشخص نکنید، هوش مصنوعی ممکن است از نمونه، ویژگی‌هایی را برداشت کند که قصد انتقالشان را نداشته‌اید. مثلاً بهجای تقلید از ساختار، عبارت‌های دقیق همان نمونه را تکرار کند.
چطور یک مثال مؤثر در درخواست خود بنویسیم؟
یک درخواست خوب معمولاً سه بخش دارد: کاری که باید انجام شود، نمونه‌ای که الگو را نشان می‌دهد و توضیحی دربارهٔ ویژگی‌های مهم نمونه. این ترتیب به مدل کمک میکند بداند قرار نیست خود نمونه را کپی کند، بلکه باید از منطق آن استفاده کند.
- وظیفه را روشن بنویسید: بگویید خروجی دقیقاً باید چه کاری انجام دهد.
- نمونه را جدا کنید: با عباراتی مانند «نمونهٔ موردنظر» یا «الگوی لحن» مرز آن را مشخص کنید.
- ویژگی الگو را توضیح دهید: بگویید از کوتاهی جمله‌ها، ترتیب نکات یا میزان صمیمیت آن استفاده شود.
- محدودیت بگذارید: تعداد کلمات، مخاطب، زبان و مواردی را که نباید در پاسخ بیاید مشخص کنید.
نمونهٔ ساده برای نوشتن متن معرفی محصول
درخواست مبهم میتواند این باشد: «برای این محصول یک متن تبلیغاتی خوب بنویس.» این جمله هدف کلی را می‌گوید، اما دربارهٔ مخاطب، لحن و اندازهٔ متن اطلاعات کافی ندارد.
نسخهٔ دقیق‌تر: «برای یک قمقمهٔ مدرسه، متن معرفی ۸۰ تا ۱۰۰ کلمه‌ای بنویس. مخاطب والدین دانش‌آموزان دبستانی هستند. لحن دوستانه و قابل اعتماد باشد و روی شست‌وشوی آسان و وزن کم تمرکز کند. از ادعاهای پزشکی و عبارت‌های اغراق‌آمیز استفاده نکن. نمونهٔ لحن: جمله‌های کوتاه، توضیح کاربردی و پایان‌بندی بدون دعوت هیجانی به خرید.»
در این مثال، حتی بدون ارائهٔ یک متن کامل، ویژگی‌های اصلی خروجی روشن شده است. اگر نمونهٔ واقعی دارید، می‌توانید یک پاراگراف کوتاه هم اضافه کنید تا لحن دقیق‌تر منتقل شود.
برای نشان دادن تفاوت پاسخ، مثال بد و خوب چه کمکی میکند؟
گاهی بهتر است علاوه بر نمونهٔ مطلوب، یک نمونهٔ نامطلوب هم ارائه کنید. این روش به‌خصوص زمانی مفید است که می‌خواهید از یک عادت مشخص جلوگیری شود؛ مانند مقدمه‌های کلیشه‌ای، جمله‌های طولانی یا استفادهٔ بیش از حد از صفت‌ها.
مثلاً می‌توانید بنویسید: «این نمونه از نظر لحن مناسب نیست، چون بیش از حد رسمی و کلی است. پاسخ جدید باید مستقیم، ساده و کاربردی باشد.» در اینجا، مدل فقط یک خروجی را نمی‌بیند؛ بلکه مرز میان انتخاب مناسب و نامناسب را هم می‌شناسد.
بااین‌حال، نمونهٔ منفی باید کوتاه و هدفمند باشد. اگر چندین متن ضعیف و متناقض وارد کنید، ممکن است تمرکز درخواست از بین برود و مدل نداند کدام ویژگی را باید کنار بگذارد.
چه زمانی مثال دادن نتیجهٔ خوبی نمی‌دهد؟
مثال همیشه باعث بهتر شدن پاسخ نمی‌شود. اگر نمونهٔ شما نامرتبط، پر از خطا یا بیش از حد طولانی باشد، ممکن است مدل بهجای هدف اصلی، همان ایرادها را دنبال کند.
- وقتی نمونه با موضوع اصلی شباهت کافی ندارد.
- وقتی نمی‌گویید قرار است از محتوا الگوبرداری شود یا فقط از قالب.
- وقتی نمونه شامل اطلاعات نادرست، عددهای ساختگی یا دستورهای متناقض است.
- وقتی چند مثال با لحن و ساختار کاملاً متفاوت ارائه می‌کنید، بدون اینکه اولویتشان را مشخص کنید.
- وقتی برای یک کار ساده، نمونهٔ آن‌قدر طولانی می‌فرستید که اصل درخواست در میان آن گم می‌شود.
اگر نمونه فقط برای نمایش قالب است، صریح بنویسید: «محتوای نمونه را تکرار نکن؛ فقط از ساختار آن استفاده کن.» این جمله ساده از کپی شدن نام‌ها، عددها یا ادعاهای ناخواسته جلوگیری میکند.
مثال را چطور برای کارهای خانوادگی و روزمره به کار ببریم؟
در کارهای روزمره، مثال دادن میتواند زمان اصلاح پاسخ را کم کند. فرض کنید می‌خواهید برای یک خانوادهٔ چهار نفره برنامهٔ غذایی هفتگی بگیرید. بهجای درخواست کلی، یک نمونه از شکل موردعلاقهٔ خود بنویسید: «هر روز سه وعده جدا شود، مواد اولیهٔ مشترک در چند غذا تکرار شود و دستور هر وعده حداکثر دو جمله باشد.»
برای برنامهٔ مطالعهٔ کودک هم می‌توانید نمونهٔ یک روز مطلوب را ارائه کنید و سپس بخواهید روزهای دیگر با همان منطق ساخته شوند. در این موارد، اطلاعاتی مثل سن کودک، محدودیت زمانی، حساسیت غذایی یا مواد در دسترس باید جدا از مثال نوشته شود؛ چون نمونه به‌تنهایی جایگزین اطلاعات واقعی خانواده نیست.
بعد از دریافت پاسخ، با یک مثال اصلاحی چه کنیم؟
اگر پاسخ اول دقیق نبود، لازم نیست همهٔ درخواست را از ابتدا بنویسید. یک بخش کوتاه از خروجی را انتخاب کنید و نمونهٔ اصلاح‌شده ارائه دهید: «این قسمت خوب است؛ بخش بعدی را هم با همین اندازهٔ جمله و همین سطح جزئیات بازنویسی کن.»
برای اصلاح دقیق‌تر، فقط یک یا دو تغییر را در هر مرحله بخواهید. مثلاً ابتدا لحن را اصلاح کنید و سپس طول متن را کاهش دهید. درخواست هم‌زمان برای تغییر لحن، ساختار، محتوا و سطح جزئیات، تشخیص علت مشکل را دشوار میکند.
جمع‌بندی: استفاده از مثال برای گرفتن پاسخ بهتر از هوش مصنوعی زمانی نتیجه‌بخش است که بدانید نمونه قرار است کدام ویژگی را منتقل کند. یک مثال کوتاه و مرتبط، همراه با توضیح دربارهٔ قالب، لحن و محدودیت‌ها، معمولاً از چند پاراگراف توضیح مبهم مؤثرتر است؛ فقط مطمئن شوید نمونه خطا، تناقض یا اطلاعاتی را که نمی‌خواهید تکرار شوند، در خود نداشته باشد.
