نُشر أصلًا بواسطة Vectors of Mind.
لقد أصبح عملي قريبًا على نحو خطير من مهندس الموجهات (Prompt Engineer)1. وهذا يناسبني تمامًا، لأنه يجمع بين حبي للكتابة، والقياس النفسي، ومعالجة اللغة الطبيعية. إليكم بعضًا من أقوى تقنيات صياغة الموجهات:
- استخدم تعليمات واضحة ومحددة
- الاستدلال المتسلسل
- اجمع المعلومات المطلوبة قبل تنفيذ المهمة
- قسّم المهام إلى خطوات
- المصطلحات التقنية صديقك
- مجموعة عبارات مفيدة
1. تعليمات واضحة ومحددة #
المحامون وعلماء الحاسوب بارعون في هذا بطبيعتهم. وفي الواقع، من مباهج صياغة الموجهات أنه يمكن للمرء أن يكون أقل دقة بكثير مقارنةً بالبرمجة المعتادة، وغالبًا ما تفهم نماذج اللغة الكبيرة الفكرة العامة. غير أن كثيرًا من الطلبات يمكن تحسينها بمجرد التصريح بوضوح بالمهمة وبالصيغة التي ينبغي أن تتخذها الإجابة. فعلى سبيل المثال، تمكنت مؤخرًا من تدبير هذه الوجبة:
كان مذاقها رائعًا، شكرًا لسؤالك. ومن الأمثلة الأخرى:
«لخّص تاريخ الذكاء الاصطناعي في فقرة.»
«أنشئ جدولًا لأقدم العائلات اللغوية مرتبًا حسب العمر. كن شاملًا.»2
«أعد كتابة النص المقتبس على طريقة وايت وسترنك. أعطني ثلاثة خيارات.»
«احسب مصفوفة ارتباط بيرسون للأعمدة 2-7 في ملف .csv المرفق.»
- متابعة: «اكتب شيفرة لعرض النتائج في صورة خريطة حرارية بدقة عالية بما يكفي لاستخدامها في ملصق. استخدم أفضل الممارسات في الاختيارات الجمالية.»
غالبًا ما تتضمن التعليمات المحددة أمثلة محددة. ألّف وايت وسترنك كتاب Elements of Style. والإحالة إلى كتابهما أفضل من استخدام صفات مثل «موجز»، أو «مهني»، أو «ممتاز» لوصف الكتابة. ويرجع ذلك جزئيًا إلى أن نماذج اللغة الكبيرة تميل إلى الإفراط في تقديم ما يُطلب منها، ولا سيما عند استخدام صفات محددة. ومن ثم، إذا أردت أن يتبنى الروبوت شخصية لاذعة، فجرّب أن تطلب منه أن يتصرف مثل فيرونيكا مارس أو ريجينا جورج من Mean Girls.
2. الاستدلال المتسلسل #
تُدرَّب نماذج اللغة الكبيرة على مجموعة هائلة من النصوص للتنبؤ بالكلمة التالية. ومن المدهش أن هذا يجعلها جيدة في تقريب الاستدلال، لكنه ينهار سريعًا عند المهام المعقدة. وهنا يمكن أن تعني كلمة «معقدة» شيئًا مثل «اجمع الأرقام في العمود 1». فمن الصعب جدًا إنجاز ذلك بأسلوب الطلقة الواحدة (1-shot)، وسيُخرج النموذج رقمًا يبدو معقولًا، ومن المرجح أن يقع ضمن النطاق الصحيح، لكنه لن يكون الإجابة الصحيحة. وإضافة عبارة «فكّر في الأمر على خطوات» تُحدث فرقًا هائلًا. وغالبًا لا يتعين عليك حتى تحديد ماهية الخطوات؛ إذ يمكن لنماذج اللغة الكبيرة أن تستنتج أن الخطوات الوسيطة لجمع العمود هي كتابة «n1 + n2 + n3 + … + n100 =». وهذا في جوهره حثّ للنموذج على أن يوجّه نفسه (prompting itself) للوصول إلى إجابة أفضل على الجانب الصحيح من علامة المساواة تلك. أو، على سبيل القياس، منحه وقتًا للتفكير في الأمر. وفي أي مشكلة، فإن عبارة «فكّر في الأمر على خطوات» هي خط دفاعك الأول في التعامل مع هلوسات نماذج اللغة الكبيرة. وإذا لم ينجح ذلك، فعدّد الخطوات بنفسك (وهي تقنية سنعود إليها).
3. اجمع المعلومات المطلوبة قبل تنفيذ المهمة #
إذا طلبت من chatGPT كتابة منشور مدونة (وهو أمر لن أفعله أبدًا) أو دالة Python (وهو أمر سأفعله بالتأكيد)، فسوف يشرع في كتابتها من دون أن يسأل عن تفاصيل ما تريده فعلًا. ويمكن تجنب قدر كبير من ذلك بقول شيء مثل: «أريد كتابة دالة تنفذ X؛ ما المعلومات التي أحتاج إلى جمعها قبل البرمجة؟» أو «اكتب دالة تنفذ X، لكن اسأل أولًا عن أي معلومات مطلوبة قبل كتابة الشيفرة»، حيث تمثل «X» وصفًا جزئيًا ما.
4. قسّم المهام إلى خطوات #
كلما أخفق chatGPT في إنجاز مهمة ولم يساعدك الاستدلال المتسلسل، فقسّم المهمة إلى مهام فرعية. وغالبًا ما يكون هذا نصف العمل المطلوب لإنجاز المهمة أصلًا، ومن قبيل المصادفة أن هذا هو الشيء الذي يصعب (حاليًا) على نماذج اللغة الكبيرة القيام به من تلقاء نفسها. غير أنه ينبغي ملاحظة أنه يمكنك غالبًا إسناد هذا إلى نموذج اللغة الكبير أيضًا3. فعلى سبيل المثال، طلبت من chatGPT ابتكار بنود لاختبار الإبداع (يمكنك إلقاء نظرة سريعة عليها):
أحاول ابتكار مزيد من الأسئلة المشابهة لاختبار الترابطات البعيدة (RAT). يتطلب اختبار RAT من الأفراد العثور على كلمة مشتركة تصل بين ثلاث كلمات تبدو غير مترابطة. إليك بعض مجموعات الكلمات النموذجية:
Cottage, Swiss, Cake (الإجابة: Cheese)
High, Book, Chair (الإجابة: School)
Fruit, Gaze, Traffic (الإجابة: Jam)
Cream, Skate, Water (الإجابة: Ice)
Ache, Hunter, Cabbage (الإجابة: Head)
Manners, Round, Tennis (الإجابة: Table)
Falling, Actor, Dust (الإجابة: Star)
Light, Birthday, Stick (الإجابة: Candle)
Salad, Head, Goose (الإجابة: Egg)
Music, Ached, Green (الإجابة: Apple)
ما أفضل الممارسات؟ وكيف ينبغي أن أفكر في هذا على خطوات؟
وكما هي الحال في فهم كيفية جمع الأرقام، فإن chatGPT ممتاز في إنتاج «وصفات» لإنجاز المهام. وبعد أن انتهى من ذلك، لم يكن عليّ سوى أن أقول:
«رائع! والآن اتبع تلك العملية لإنتاج 5 أسئلة جديدة»
ثم خمسة أخرى، وخمسة أخرى. وكنت قد جرّبت قبل ذلك أن أطلب منه مباشرةً ابتكار بنود جديدة، وكانت الاقتراحات رديئة للغاية. وللاطلاع على مثال أكثر تعقيدًا بكثير، انظر كيف استخدم معهد لسلامة الذكاء الاصطناعي هذه التقنية (من بين حيل أخرى) لحل مشكلة صُممت بحيث يستحيل على نماذج اللغة الكبيرة حلها.
5. المصطلحات التقنية صديقك #
المصطلحات التقنية هي أحواض جذب للسلوك الكفء لنماذج اللغة الكبيرة. فعلى سبيل المثال، إن وصف مرض ما وسؤال النموذج عمّا هو «مُستطَبّ» سيأخذك أبعد من سؤاله: «ماذا ينبغي أن أفعل؟» فاستخدام كلمة «مُستطَبّ» يخبر نموذج اللغة الكبير بأن يطابق أعراضك مع كل كتاب طبي دراسي كُتب على الإطلاق. أما الصياغة الأخيرة فتقوده إلى طلب نصيحة طبية/حياتية، وهو أمر دُرّب على عدم تقديمه. واستخدام المصطلحات التقنية أو غير الدارجة ينقلك خارج فضاء المساعد العادي، حيث توجد أكبر القيود الوقائية والنصائح التي لا تتجاوز مستوى Reddit.
6. مجموعة موجهات مفيدة #
إليك بعض العبارات التي أجد نفسي أستخدمها:
«هل هذا صحيح؟»
- كلما كتبت ملخصًا لعمل شخص آخر أو وصفت فكرة لستُ ملمًّا بها تمامًا، أنسخ كتابتي وألصقها وأسأل إن كانت صحيحة. وهو جيد عادةً في الاعتراض عندما تكون بعض الأجزاء قابلة للجدل.
«هل أنت متأكد؟»
- وبالمثل، كلما شككت في أن نموذج لغة كبيرًا يطلق هراءً، أسأله إن كان متأكدًا. فإذا غيّر رأيه، فتعامل مع الادعاء بقدر هائل من التحفظ.
«ساعدني على العصف الذهني.» «كن مبدعًا.»
- من أفضل استخدامات نموذج اللغة الكبير أن يساعدك على استكشاف فضاء الأفكار. فهو يحتاج أحيانًا إلى تشجيع كي يبتعد عن الإجابات النمطية.
إذا كانت لديكم عبارات مفضلة، فأضيفوها في التعليقات!
لقد أصبح الأمر أيضًا أقل استقرارًا مما أود، لذا إذا كانت لديكم أعمال تعاقدية في علم البيانات، أو الذكاء الاصطناعي، أو القياس النفسي، فتواصلوا معي! ↩︎
لا جدال في أنه لا توجد أي طريقة في الجحيم تجعل نموذج لغة كبيرًا يسرد جميع العائلات اللغوية البالغ عددها 142-420 في العالم. وبما أن هذا «مستحيل» (أي بعيد جدًا عن سلوكه الافتراضي، ومتجاوز لبعض الحدود الصارمة لعدد الرموز)، فإن كلمة «شامل» تعمل على مقاومة جاذبية الإجابة القصيرة، فتجعل نموذج اللغة الكبير أكثر تفصيلًا. وهذا هو الجانب السلبي لصياغة الموجهات، التي تنحط أحيانًا إلى التوسل، والرجاء، والرشوة، والتهديد. ↩︎
إن حقيقة إمكان الحصول على مساعدة من نموذج لغة كبير في تقسيم المهمة الفرعية تشير إلى أن هذا الأمر سيصبح مؤتمتًا على نحو متزايد أيضًا. من يدري ما الذي ستكون الأجيال المقبلة قادرة عليه. ↩︎