كتاب دليل الذكاء الاصطناعي | أدوات الكتابة

 الدليل الهندسي الفوري لهندسة توجيه الأوامر

فهم الهندسة السريعة

الهندسة السريعة هو فن وعلم صياغة المدخلات (المطالبات) للحصول على المخرجات المطلوبة من نماذج الذكاء الاصطناعي مثل ChatGPT. إنها مهارة حاسمة لتعظيم فعالية هذه النماذج.

لقد تطور ChatGPT، المبني على بنيات GPT-3 وGPT-4 الخاصة بـ OpenAI، بشكل ملحوظ، وأصبح أكثر استجابة ووعيًا بالسياق. إن فهم تطورها هو المفتاح لإتقان الهندسة السريعة.

مثل قائد ماهر يقود أوركسترا، تسمح لنا الهندسة السريعة بتوجيه هذه النماذج لأداء مهام معقدة، بدءًا من صياغة المستندات الفنية التفصيلية وحتى إنشاء محتوى إبداعي وجذاب. سيرشدك هذا الدليل عبر الاستراتيجيات والتكتيكات التي ستغير تفاعلك مع الذكاء الاصطناعي، وسترفعه من التبادلات الأساسية إلى محادثات دقيقة وذات معنى.

ضع في اعتبارك الفرق في طرح السؤال "كيف يمكنني إضافة أرقام في برنامج Excel؟" مقابل "كيف يمكنني جمع عمود من المبالغ بالدولار تلقائيًا في Excel، مع عرض الإجماليات على اليمين في عمود "الإجمالي"؟" أما الخيار الأخير، وهو موجه أكثر تفصيلاً، فلا يترك الكثير لتفسير الذكاء الاصطناعي، مما يؤدي إلى استجابة أكثر دقة وإفادة. وبالمثل، فإن فهم استخدام الشخصيات والمحددات والتعليمات خطوة بخطوة يمكن أن يؤثر بشكل عميق على جودة مخرجات الذكاء الاصطناعي، خاصة بالنسبة للمهام المعقدة.

لن يغطي هذا الدليل في الهندسة السريعة الجوانب النظرية فحسب، بل سيقدم أيضًا أمثلة عملية وعملية. ستتعلم كيفية استخدام التكتيكات بشكل فعال مثل توفير النصوص المرجعية لتوجيه الذكاء الاصطناعي بعيدًا عن الافتراءات، أو كيف يمكن أن يؤدي تقسيم المهام المعقدة إلى مهام فرعية أبسط إلى نتائج أكثر دقة.

1. الوضوح والتفصيل

تحتاج صياغة مطالبات فعالة لنماذج الذكاء الاصطناعي مثل GPT-4 إلى مزيج من الدقة والسياق والوضوح. يمكن أن يكون الفرق بين المطالبة سيئة الصياغة والإجابة المدروسة جيدًا هو الفرق بين الاستجابة الغامضة والعامة والإجابة المحددة ذات الصلة للغاية.

المثال 1: الاستفادة من فهم لغة ChatGPT للاستعلامات الفنية

• موجه غير فعال: "كيف يمكنني إصلاح الخلل في الكود الخاص بي؟"
  • مخرجات الذكاء الاصطناعي: "لإصلاح خطأ في التعليمات البرمجية الخاصة بك، تحتاج أولاً إلى تحديد الخطأ وفهم سبب حدوثه، ثم تعديل التعليمات البرمجية لتصحيحه."
• الاستعلام الفني الفعال: "أنا أقوم بالبرمجة بلغة بايثون وأحصل على خطأ KeyError عند محاولة الوصول إلى القاموس. مقتطف الكود هو: . ما سبب هذا الخطأ وكيف يمكنني إصلاحه؟"
  • مخرجات الذكاء الاصطناعي: "من المحتمل أن يكون خطأ KeyError في كود Python الخاص بك هو محاولة الوصول إلى مفتاح غير موجود في القاموس. وإليك كيفية تعديل التعليمات البرمجية الخاصة بك للتعامل مع هذا الخطأ: [مقتطف التعليمات البرمجية المعدل مع الشرح]."

مثال 2: الكتابة الإبداعية مع تقليد الأسلوب

• موجه غير فعال: "اكتب قصة قصيرة."
  • مخرجات الذكاء الاصطناعي: "في يوم من الأيام، في أرض بعيدة، كانت هناك مملكة تواجه خطرًا عظيمًا..."
• موجه تقليد الأسلوب الفعال: "اكتب قصة قصيرة بأسلوب إرنست همنغواي، مع التركيز على محادثة بين صديقين قديمين يلتقيان بشكل غير متوقع."
  • مخرجات الذكاء الاصطناعي: "أشرقت الشمس على الطريق الترابي حيث التقى جاك وتوم، وهما صديقان قديمان، بالصدفة. قال جاك، بصوت جاف مثل الهواء: "لقد مرت سنوات". أجاب توم: "سنوات منذ الحرب". [تستمر القصة بأسلوب همنغواي الموجز القائم على الحوار]."

مثال 3: نصيحة السفر

• موجه غير فعال:"ماذا علي أن أفعل في باريس؟"
  • مخرجات الذكاء الاصطناعي: "في باريس، يمكنك زيارة المعالم مثل برج إيفل ومتحف اللوفر وكاتدرائية نوتردام."
• موجه فعال: "سأزور باريس لمدة ثلاثة أيام هذا الصيف مع التركيز على الفن والتاريخ. هل يمكنك اقتراح خط سير مفصل؟"
  • مخرجات الذكاء الاصطناعي: "اليوم الأول: قم بزيارة متحف اللوفر في الصباح، ثم قم بالمشي إلى كاتدرائية نوتردام. [يتبع خط سير الرحلة الأكثر تفصيلاً]."

رؤى لصياغة مطالبات أفضل

1. النوعية: أن تكون محددة قدر الإمكان. كلما كانت مطالبتك أكثر تفصيلاً، كلما كانت الاستجابة أكثر تخصيصًا.
2. معلومات سياقية: قم بتضمين كافة السياقات ذات الصلة. وهذا يساعد الذكاء الاصطناعي على فهم الطبيعة الدقيقة لطلبك.
3. هدف واضح: اذكر بوضوح ما تتوقعه كمخرج. سواء أكان ذلك وصفة، أو خطة سفر، أو حلاً تقنيًا، اجعل هدفك واضحًا.
4. تجنب الغموض: المطالبات الغامضة تؤدي إلى استجابات عامة. قم بتوضيح طلبك للحصول على إجابات دقيقة.
5. استخدام التنسيقات المعروفة: إن أمكن، اطلب المعلومات بتنسيق معين، مثل قائمة أو دليل خطوة بخطوة أو رسم تخطيطي.

2. تعزيز استجابات الذكاء الاصطناعي بالمرجع

يمكن أن يؤدي الاستخدام الاستراتيجي للنصوص المرجعية في الهندسة السريعة إلى رفع جودة ودقة الاستجابات من نماذج الذكاء الاصطناعي مثل GPT-4 بشكل كبير. من خلال توفير معلومات ذات صلة وموثوقة إلى جانب استعلامك، يمكنك توجيه الذكاء الاصطناعي لتكوين الإجابات بناءً على المادة المحددة، مما يجعل الإجابات أكثر موثوقية ودقة من حيث السياق.

مثال 1: الشرح العلمي

• موجه تقليدي:"كيف يتشكل الثقب الأسود؟"
  • مخرجات الذكاء الاصطناعي: "يتشكل الثقب الأسود من بقايا نجم كبير يموت في انفجار مستعر أعظم. وإذا كانت كتلة النواة كافية، فإنه ينهار تحت تأثير جاذبيته ويتحول إلى ثقب أسود."
• موجه محسن مع النص المرجعي:
  • النص المرجعي المقدم: "[ورقة علمية عن تطور النجوم والثقوب السوداء]"
  • موجه: "باستخدام المعلومات الواردة في الورقة العلمية المقدمة، اشرح عملية تكوين الثقب الأسود."
  • مخرجات الذكاء الاصطناعي: "استنادًا إلى الورقة العلمية المقدمة، يتشكل الثقب الأسود عندما يستنفد نجم ضخم وقوده النووي وينهار قلبه. تفاصيل الورقة: ['مقتطفات ذات صلة من الورقة']."

مثال 2: التفسير القانوني

• موجه تقليدي: "ما هي الآثار القانونية المترتبة على سرقة الملكية الفكرية؟"
  • مخرجات الذكاء الاصطناعي: "يمكن أن تؤدي سرقة الملكية الفكرية إلى عواقب قانونية مثل الدعاوى القضائية، والغرامات، وفي الحالات الشديدة، السجن."
• موجه محسن مع النص المرجعي:
  • النص المرجعي المقدم: "[مقال في مجلة قانونية عن قانون الملكية الفكرية]"
  • موجه: "بالرجوع إلى مقال المجلة القانونية المقدم، اشرح الآثار القانونية المحددة لسرقة الملكية الفكرية."
  • مخرجات الذكاء الاصطناعي: "تشير مقالة المجلة القانونية إلى أن سرقة الملكية الفكرية يمكن أن تؤدي إلى دعاوى مدنية وأضرار قانونية وتهم جنائية محتملة. وعلى وجه التحديد، تشير المقالة إلى: ['اقتباسات مباشرة من المقالة']."

رؤى لاستخدام النصوص المرجعية في المطالبات

1. حدد النصوص ذات الصلة: اختر النصوص المرجعية ذات الصلة المباشرة باستعلامك.
2. مواصفات سريعة: قم بتوجيه الذكاء الاصطناعي بوضوح لاستخدام النص المرجعي المقدم لتكوين إجابته.
3. الاستشهادات: اطلب من الذكاء الاصطناعي أن يستشهد بأجزاء محددة من النص المرجعي في رده للتأكد من الدقة والتحقق.
4. التعامل مع المعلومات غير الكافية: اطلب من الذكاء الاصطناعي أن يوضح بوضوح ما إذا كان النص المقدم لا يحتوي على المعلومات اللازمة للإجابة على السؤال.

3. تبسيط المهام المعقدة من خلال تقسيم المهام الفرعية

يكمن مفتاح التعامل بفعالية مع المهام المعقدة باستخدام نماذج الذكاء الاصطناعي مثل GPT-4 في تقسيمها إلى مهام فرعية أبسط. لا يعمل هذا النهج على تبسيط العملية فحسب، بل يعزز أيضًا دقة وأهمية استجابات الذكاء الاصطناعي. نعرض أدناه هذه الإستراتيجية من خلال أمثلة محددة، مع تسليط الضوء على مزايا استخدام تصنيف النوايا، وتقنيات التلخيص، والمحادثات المنظمة للاستعلامات المعقدة.

مثال 1: استعلام خدمة العملاء

• نهج غير فعال: موجه واحد يطلب المساعدة العامة.
  • موجه المستخدم: "أواجه مشكلات في حسابي."
  • مخرجات الذكاء الاصطناعي: "هل يمكنك تحديد طبيعة مشكلات حسابك؟"
• النهج الفعال: تصنيف الاستعلام إلى فئات وتقديم المساعدة المستهدفة.
  • موجه المستخدم: "أواجه مشكلات في الوصول إلى حسابي."
  • توجيه الذكاء الاصطناعي: "قم بتصنيف الاستعلام إلى 'إدارة الحساب'، ثم قدم خطوات محددة لاستكشاف مشكلات الوصول وإصلاحها."
  • مخرجات الذكاء الاصطناعي: "يبدو أنك تواجه مشكلة في الوصول إلى حسابك. فلنبدأ بإعادة تعيين كلمة المرور الخاصة بك. [متبوعًا بالخطوات التفصيلية]."

المثال 2: تلخيص المستندات الطويلة

• نهج غير فعال: محاولة تلخيص وثيقة طويلة دفعة واحدة.
  • موجه المستخدم: "لخص لي هذا الكتاب المكون من 300 صفحة."
  • مخرجات الذكاء الاصطناعي: "أنا آسف، لكن لا يمكنني معالجة المستندات لفترة أطول من نافذة السياق الخاصة بي."
• النهج الفعال: تلخيص المستند جزئيًا وإنشاء ملخص كامل بشكل متكرر.
  • توجيه الذكاء الاصطناعي: "تلخيص كل فصل على حدة، ثم إنشاء ملخص للملخصات، والمتابعة بشكل متكرر."
  • موجه المستخدم: "تلخيص الفصل الأول من هذا الكتاب."
  • مخرجات الذكاء الاصطناعي: "ملخص الفصل الأول: [ملخص مختصر للفصل الأول]."
  • استمرار العملية: يتم تطبيق نفس العملية على كل فصل، يليها ملخص نهائي يجمع كل الملخصات الفردية.

فوائد قسم المهام الفرعية والهندسة السياقية السريعة

1. زيادة الدقة: من خلال التركيز على جوانب محددة من مهمة معقدة، يمكن للذكاء الاصطناعي تقديم استجابات أكثر دقة وملاءمة.
2. كفاءة معززة: تقسيم المهام يجعلها أكثر قابلية للإدارة ويقلل من احتمالية حدوث أخطاء أو مخرجات غير ذات صلة.
3. تجربة أفضل للمستخدم: يتلقى المستخدمون إرشادات مستهدفة خطوة بخطوة، وهي أكثر فائدة من الاستجابات العامة.
4. الفعالية من حيث التكلفة: يمكن أن تكون المطالبات المستهدفة الأصغر حجمًا أكثر فعالية من حيث التكلفة مقارنة بالمطالبات الأكبر حجمًا والأكثر تعقيدًا.

4. منح GPT الوقت للتفكير

إن استراتيجية منح النماذج وقتًا "للتفكير" وتقسيم المهام المعقدة إلى خطوات يمكن التحكم فيها تعمل بشكل كبير على تحسين جودة الاستجابات من نماذج الذكاء الاصطناعي مثل GPT-4.

المثال 1: تقييم المسائل الرياضية

• نهج غير فعال: مطالبة النموذج مباشرة بتقييم حل الطالب.
  • موجه المستخدم: "هل حل الطالب لهذه المشكلة الرياضية صحيح؟"
  • مخرجات الذكاء الاصطناعي: "يبدو أن حل الطالب صحيح/غير صحيح."
• النهج الفعال: توجيه النموذج للعمل أولاً على الحل الخاص به قبل تقييم عمل الطالب.
  • موجه المستخدم: "أولاً، قم بحل هذه المسألة الرياضية. ثم قارن حلك مع حل الطالب وقم بتقييم مدى صحته."
  • مخرجات الذكاء الاصطناعي: "الحل الخاص بي: [الحل التفصيلي]. وبالمقارنة مع حل الطالب، وجدت خطأ في حسابهم لـ [جزء معين]. يجب أن يكون النهج الصحيح هو [الطريقة الصحيحة]."

مثال 2: تحليل الوثيقة

• نهج غير فعال: محاولة تحليل مستند كبير في استعلام واحد.
  • موجه المستخدم: "تلخيص النقاط الأساسية في هذه الوثيقة بأكملها."
  • مخرجات الذكاء الاصطناعي: "لا أستطيع معالجة المستند بأكمله بسبب طوله."
• النهج الفعال: استخراج متسلسل للمقتطفات واستفسارات المتابعة للتحليل الشامل.
  • موجه المستخدم: "استخرج المقتطفات الأساسية من هذه الوثيقة المتعلقة بـ [موضوع محدد]."
  • مخرجات الذكاء الاصطناعي: "مقتطف 1: [مقطع ذو صلة]. مقتطف 2: [مقطع آخر ذو صلة]."
  • متابعة موجه المستخدم: "هل هناك مقتطفات أكثر صلة بالموضوع؟ تأكد من احتوائها على السياق الكامل."
  • مخرجات الذكاء الاصطناعي: "مقتطف إضافي: [مقطع آخر ذو صلة]."

الفوائد والرؤى

1. عمق التحليل: من خلال إيجاد الحلول أو التحليلات أولاً، يمكن للذكاء الاصطناعي تقديم تقييمات أكثر دقة وتعمقًا.
2. التعلم الموجه: في سيناريوهات التدريس، يشجع استخدام المونولوج الداخلي والتلميحات الطلاب على الوصول إلى الحلول بشكل مستقل، مما يعزز تجربة التعلم الخاصة بهم.
3. تغطية شاملة: لتحليل المستندات، تضمن الأساليب التسلسلية والتكرارية تغطية شاملة دون فقدان تفاصيل مهمة.
4. تجنب التحيز: من خلال إنشاء الحل الخاص به أولاً، يتجنب الذكاء الاصطناعي التحيز الذي قد ينشأ من التقييم المباشر لإجابة معينة.

5. الاستفادة من الأدوات الخارجية

يمكن أن يؤدي دمج الأدوات والموارد الخارجية في تفاعلات الذكاء الاصطناعي إلى تحسين دقة وأهمية الاستجابات الناتجة عن نماذج مثل GPT-4 بشكل كبير. يوضح هذا القسم استخدام البحث القائم على التضمينات لاسترجاع المعرفة، وتنفيذ التعليمات البرمجية لإجراء حسابات دقيقة، واستدعاءات الوظائف لزيادة قدرات نماذج الذكاء الاصطناعي.

المثال 1: الحسابات الدقيقة مع تنفيذ التعليمات البرمجية

• بدون تنفيذ التعليمات البرمجية: الاعتماد فقط على القدرات الحسابية للنموذج.
  • موجه المستخدم: "احسب الجذر التربيعي لـ 529."
  • مخرجات الذكاء الاصطناعي: "الجذر التربيعي لـ 529 هو 23 تقريبًا."
• مع تنفيذ التعليمات البرمجية: ضمان الدقة في الحسابات.
  • موجه المستخدم: "احسب الجذر التربيعي لـ 529."
  • توجيه الذكاء الاصطناعي: "اكتب كود بايثون ونفذه لحساب هذا."
  • مخرجات الذكاء الاصطناعي"python import math math.sqrt(529) الجذر التربيعي لـ 529 هو 23 بالضبط."

المثال 2: استخدام استدعاءات واجهة برمجة التطبيقات (API) للتفاعلات الديناميكية

• بدون مكالمات API: يقتصر على الاستجابات الثابتة والمبرمجة مسبقًا.
  • موجه المستخدم: "أرسل تذكيرًا إلى صديقي بشأن اجتماعنا غدًا."
  • مخرجات الذكاء الاصطناعي: "تذكير: لا تنسى أن ترسل رسالة لصديقك بخصوص اللقاء غداً."
• مع مكالمات API: التفاعل مع الأنظمة الخارجية لاتخاذ إجراءات في الوقت الفعلي.
  • موجه المستخدم: "أرسل تذكيرًا إلى صديقي جون بشأن اجتماعنا غدًا."
  • توجيه الذكاء الاصطناعي: "استخدم واجهة برمجة تطبيقات المراسلة لإرسال تذكير."
  • مخرجات الذكاء الاصطناعي"python import message message.write(to='John', message='Hey, remember our meeting tomorrow!')  تم إرسال تذكير إلى جون بشأن الاجتماع غدًا."

الفوائد والرؤى

1. قاعدة المعرفة الموسعة: باستخدام البحث القائم على التضمين، يمكن للذكاء الاصطناعي الوصول إلى مجموعة واسعة من المعلومات الحديثة ودمجها، مما يعزز أهمية ودقة استجاباته.
2. الدقة في الحسابات: يتيح تنفيذ التعليمات البرمجية للذكاء الاصطناعي إجراء حسابات رياضية دقيقة، وهو أمر مفيد بشكل خاص في السياقات التقنية أو العلمية.
3. القدرات التفاعلية: تعمل مكالمات واجهة برمجة التطبيقات (API) على تمكين الذكاء الاصطناعي من التفاعل مع الأنظمة الخارجية، مما يسهل الإجراءات الواقعية مثل إرسال الرسائل أو إعداد التذكيرات.

6. الاختبار المنهجي

يعد الاختبار المنهجي، أو إجراءات التقييم (التقييمات)، أمرًا بالغ الأهمية في تحديد فعالية التغييرات في أنظمة الذكاء الاصطناعي. يتضمن هذا النهج مقارنة مخرجات النموذج بمجموعة من المعايير المحددة مسبقًا أو الإجابات "المعيارية الذهبية" لتقييم الدقة.

مثال 1: تحديد التناقضات في الإجابات

• سيناريو الاختبار: الكشف عن التناقضات في استجابة النموذج مقارنة بإجابات الخبراء.
  • توجيه النظام: تحديد ما إذا كانت استجابة النموذج تتعارض مع أي جزء من الإجابة المقدمة من الخبراء.
  • إدخال المستخدم: "أصبح نيل أرمسترونج ثاني شخص يمشي على سطح القمر بعد باز ألدرين."
  • عملية التقييم: يتحقق النظام من الاتساق مع إجابة الخبراء التي تفيد بأن نيل أرمسترونج هو أول شخص وصل إلى القمر.
  • إخراج النموذج: إجابة النموذج تتناقض بشكل مباشر مع إجابة الخبير مما يشير إلى وجود خطأ.

المثال 2: مقارنة مستويات التفاصيل في الإجابات

• سيناريو الاختبار: تقييم ما إذا كانت إجابة النموذج تتوافق مع إجابة الخبراء أو تتجاوزها أو تقصر عنها من حيث التفاصيل.
  • توجيه النظام: قارن عمق المعلومات بين استجابة النموذج وإجابة الخبير.
  • إدخال المستخدم: "مشى نيل أرمسترونج لأول مرة على سطح القمر في 21 يوليو 1969، الساعة 02:56 بالتوقيت العالمي."
  • عملية التقييم: يقوم النظام بتقييم ما إذا كانت استجابة النموذج توفر تفاصيل أكثر أو متساوية أو أقل مقارنة بإجابة الخبير.
  • إخراج النموذج: توفر استجابة النموذج تفاصيل إضافية (الوقت المحدد)، والتي تتوافق مع إجابة الخبراء وتوسعها.

الفوائد والرؤى

1. الدقة والموثوقية: يضمن الاختبار المنهجي أن تكون استجابات نموذج الذكاء الاصطناعي دقيقة وموثوقة، خاصة عند التعامل مع معلومات واقعية.
2. اكتشاف الخطأ: يساعد في تحديد الأخطاء أو التناقضات أو التناقضات في استجابات النموذج.
3. تأكيد الجودة : يعد هذا النهج ضروريًا للحفاظ على مستويات عالية من الجودة في المحتوى الذي ينشئه الذكاء الاصطناعي، خاصة في السياقات التعليمية أو التاريخية أو غيرها من السياقات الحساسة للحقائق.

الاستنتاج والرسالة الجاهزة

من خلال الأمثلة والاستراتيجيات التي تمت مناقشتها، رأينا كيف أن التحديد في المطالبات يمكن أن يغير المخرجات بشكل كبير، وكيف أن تقسيم المهام المعقدة إلى مهام فرعية أبسط يمكن أن يجعل التحديات الصعبة قابلة للإدارة. لقد استكشفنا قوة الأدوات الخارجية في زيادة قدرات الذكاء الاصطناعي وأهمية الاختبار المنهجي لضمان موثوقية ودقة استجابات الذكاء الاصطناعي. يزور دليل الهندسة الفوري لـ OpenAI للمعرفة التأسيسية التي تكمل استكشافنا الشامل للتقنيات والاستراتيجيات المتقدمة لتحسين تفاعلات الذكاء الاصطناعي.

المصدر: UNITE.AI