مهندسی پرامپت چیست؟ - وبلاگ بیا ببین

به گزارش وبلاگ بیا ببین، درک مدل های بزرگ هوش مصنوعی و نحوه رفتار آنها یک هنر است. هنری که با پاسخ به این سوال به حد اعلای خود می رسد که مهندسی پرامپت چیست؟ حتی ماهرترین متخصصان فنی نیز می توانند با توانایی های غیرمنتظره مدل های زبان بزرگ (LLM) که بلوک های اساسی سازنده چت ربات های هوش مصنوعی مانند ChatGPT هستند گیج شوند. به همین علت هم جای تعجب ندارد که اخیرا مهندسی پرامپت به یکی از ترندهای مهم در هوش مصنوعی مولد ظهور نموده؛ به طوری که بعضی از سازمان ها حقوق های بسیار بالایی برای چنین موقعیت شغلی در نظر می گیرند. اما این موقعیت شغلی دقیقا چیست؟

مهندسی پرامپت چیست؟

مهندسان حرفه ای پرامپت روزانه با این موضوع سر و کله می زنند که چه چیزی باعث می گردد هوش مصنوعی کار کند و برترین کارایی خود را ارائه بدهد. آنها با استفاده از دستورات دقیق از پیش تعریف شده افعال و واژگان دقیق چت بات ها و انواع دیگر هوش مصنوعی مولد را مورد آنالیز قرار داده محدودیت ها خطاها یا مسائل تازه را کشف می نمایند.

ویژگی های نقش مهندسی پرامپت در هر سازمان نسبت به سازمان دیگر فرق دارد. اما به طور کلی یک مهندس پرامپت کوشش می نماید تا خروجی های فراوری شده به وسیله ماشین را به روش هایی که قابل تکرار هستند بهبود بخشد. به عبارت دیگر آنها سعی می نمایند رفتار هوش مصنوعی را با نیت انسان هماهنگ نمایند.

چرا مهندسی پرامپت لزوما به دانش فنی احتیاج ندارد؟

حال که به پرسش مهندسی پرامپت چیست پاسخ کوتاهی دادیم به سراغ ویژگی های فنی این موقعیت شغلی می رویم. در اینجا می خواهیم آنالیز کنیم که آیا واقعا برای اینکه یک مهندس پرامپت باشیم باید لزوما دانش فنی هم داشت یا خیر.

در حقیقت مهندسی پرامپت ترکیب ظریفی از نظم و کنجکاوی است. به همین علت وقتی صحبت از پرامپت های خوب می گردد به مهارت های دنیای احتیاج است که به حوزه علوم کامپیوتر محدود نمی گردد.

ظهور مهندسی پرامپت جنبه های خاصی از توسعه هوش مصنوعی مولد را به روی افراد خلاق با مجموعه مهارت های متنوع تر باز می نماید؛ نکته اینجاست که بسیاری از این خلاقیت ها به نوآوری های بدون کد مربوط می شوند. در ژانویه 2023 آندری کارپاتی مدیر سابق هوش مصنوعی تسلا در توییتی نوشت داغ ترین زبان برنامه نویسی تازه انگلیسی است.

اما با آنکه بعضی از سازمان ها و شرکت ها در آگهی های جذب نیروی خود برای موقعیت شغلی مهندسی پرامپت داشتن چندین سال تجربه مهندسی توسعه دهنده یا برنامه نویسی را مد نظر قرار داده و جزو پیش شرط ها دانسته اند اما پیشینه مهندسی قوی همواره برای این نقش ضروری نیست.

برای مثال آنا برنشتاین پیش از آنکه مهند پرامپت Copy.ai گردد یک نویسنده آزاد و دستیار تحقیقات تاریخی بود. Anthropic در آگهی شغلی خود برای مهندس پرامپت اشاره می نماید که آشنایی سطح بالا با عملکرد LLM مطلوب است اما داوطلبان را تشویق می نمایند که حتی اگر همه معیارها را ندارند باز هم درخواست بدهند.

به نوعی یک مهندس پرامپت خوب محدودیت های یک هوش مصنوعی را جبران می نماید؛ چرا که چت ربات های هوش مصنوعی می توانند در نحو و واژگان عالی باشند اما هیچ تجربه دست اولی از دنیا ندارند و همین نکته توسعه هوش مصنوعی را به یک کوشش چند رشته ای تبدیل نموده است.

با این حال بعضی از کارشناسان ارزش این نقش را در درازمدت زیر سوال می برند زیرا دریافت خروجی های بهتر از درخواست های با شرح بد هم ممکن می گردد. اما موارد استفاده بی شماری برای فناوری مولد وجود دارد و استانداردهای کیفیت برای خروجی های هوش مصنوعی همچنان بالا خواهد رفت. این نکته نشان می دهد که مهندسی پرامپت به عنوان یک شغل (یا حداقل یک عملکرد در یک شغل) به این زودی ها از بین نخواهد رفت.

5 مهارت غیر فنی برای مهندسی پرامپت (که احتمالا هم اکنون دارید)

فعالیت های روزانه یک مهندس پرامپت باید برای هر کسی که با هوش مصنوعی مولد تعامل دارد به دو علت بسیار خوب جالب باشد: (1) توانایی ها و محدودیت های فناوری را روشن می نماید. (2) به مردم درک خوبی از نحوه استفاده از مهارت هایی که قبلا دارند می دهد تا مکالمات بهتری با هوش مصنوعی داشته باشند.

در اینجا نگاهی می اندازیم به پنج مهارت غیر فنی که به وسیله حوزه چند رشته ای مهندسی پرامپت در توسعه فناوری هوش مصنوعی یاری می نمایند.

ارتباط

مانند مدیران پروژه معلمان یا هر کسی که به طور منظم به افراد دیگر در خصوص چگونگی انجام پیروزیت آمیز یک کار شرح می دهد مهندسان پرامپت نیز باید در ارائه دستورالعمل ها خوب باشند. بیشتر مردم برای درک کامل دستورالعمل ها به مثال های زیادی احتیاج دارند و همین امر در خصوص هوش مصنوعی نیز صادق است.

ادوارد تیان بنیانگذار GPTZero (ابزار تشخیص هوش مصنوعی برای تشخیص اینکه آیا یک مقاله دبیرستانی به وسیله هوش مصنوعی نوشته شده است یا خیر) نمونه هایی را به مدل های زبان بزرگ نشان می دهد تا هوش مصنوعی بتواند از زاویه دیدهای مختلف و به سبک های متفاوت فراوری محتوا کند.

البته که تیان یک مهندس یادگیری ماشینی با مهارت های فنی عمیق است اما این رویکرد می تواند به وسیله هرکسی که در حال توسعه یک درخواست است و می خواهد یک ربات چت به شیوه ای خاص بنویسد استفاده گردد؛ چه یک حرفه ای باتجربه باشد یا یک دانش آموز دبستانی.

تخصص در موضوع

بسیاری از مهندسان پرامپت مسئول تنظیم یک ربات چت برای یک مورد خاص برای مثال تحقیقات مراقبت های پزشکی هستند. به همین علت است که شاهد آگهی های شغلی مهندسی پرامپت با درخواست تخصص خاص در یک صنعت هستیم. به عنوان مثال شرکت حقوقی بریتانیایی Mishcon de Reya LLP یک موقعیت شغلی برای یک مهندس پرامپت حقوقی GPT ایجاد کرد. آنها در پی افرادی بودند که درک عمیق از رویه حقوقی داشته باشند.

تخصص در موضوع خواه درباره مراقبت های پزشکی حقوقی بازاریابی یا نجاری باشد برای ایجاد پرامپت های قدرتمند مفید است. شیطان در جزئیات است و تجربه دنیای واقعی هنگام صحبت با هوش مصنوعی اهمیت زیادی دارد.

زبان

برای اینکه هوش مصنوعی پیروز گردد باید هدفمند تغذیه گردد. به همین علت است که افرادی که در استفاده از افعال واژگان و زمان ها برای بیان یک هدف فراگیر مهارت دارند امکانات لازم برای بهبود عملکرد هوش مصنوعی را دارند.

هنگامی که آنا برنشتاین کار خود را در Copy.ai آغاز کرد پرامپت های او مانند نوعی طلسم جادویی عمل می کردند: یک اشتباه تایپی نتیجه ای بسیار متفاوت با آنچه در نظر گرفته شده است ایجاد می نماید. او در مصاحبه با بیزینس اینسایدر گفت: به عنوان یک شاعر نقش مهندسی پرامپت به ماهیت وسواسی من با زبان نزدیک می گردد. این تلاقی واقعا عجیبی از پیشینه ادبی و تفکر تحلیلی من است.

پرامپت های هوش مصنوعی به جای استفاده از زبان های برنامه نویسی از نثر استفاده می نمایند به این معنی که افراد باید هنگام توسعه درخواست ها دانش زبان شناسی خود را توسعه بدهند.

تفکر انتقادی

هوش مصنوعی مولد در ترکیب حجم وسیعی از اطلاعات عالی است اما می تواند توهم ایجاد کند. توهمات هوش مصنوعی زمانی رخ می دهد که یک چت بات با کیفیت پایین یا داده های ناکافی آموزش یا طراحی شده باشد. هنگامی که یک ربات چت توهم می زند به سادگی اطلاعات نادرست را (به روشی نسبتا معتبر و متقاعد نماینده) منتشر می نماید.

در چنین مواردی مهندسان پرامپت به این نقطه ضعف می پردازند و ربات را برای بهتر شدن آموزش می دهند. برای مثال رایلی گودساید یک مهندس پرامپت در استارتاپ هوش مصنوعی Scale AI از یک چت بات این سوال را پرسید: کدام تیم NFL در سال تولد جاستین بیبر برنده Super Bowl شد؟ سپس از ربات چت خواست تا زنجیره ای از کسر منطقی گام به گام را برای فراوری پاسخ لیست کند. در نهایت خطای خودش را اصلاح کرد.

این کار نشان می دهد که داشتن سطح مناسبی از آشنایی با موضوع کلیدی است: احتمالا ایده خوبی برای کسی نیست که یک ربات چت چیزی را فراوری کند که نمی تواند واقعیت داشتن یا نداشتن آن را آنالیز کند.

خلاقیت

امتحان کردن چیزهای تازه همان تعریف خلاقیت است؛ و در عین حال جوهره مهندسی پرامپت خوب نیز هست. در آگهی استخدام آنتروپیک آمده است که این شرکت در پی یک مهندس پرامپت است که دارای روحیه هک خلاق در کنار سایر مدارک تحصیلی باشد.

بله دقیق بودن در زبان مهم است اما کمی آزمایش نیز باید انجام گردد. هر چه مدل بزرگتر باشد پیچیدگی بیشتر است و به نوبه خود پتانسیل بالاتری برای نتایج غیرمنتظره اما بالقوه شگفت انگیز خواهد داشت. با آزمایش انواع دستورات و سپس اصلاح آن دستورالعمل ها بر اساس نتایج کاربران هوش مصنوعی مولد می توانند احتمال دستیابی به چیزی واقعا منحصر به فرد را افزایش دهند.

منبع: https://zapier.com/blog/prompt-engineering/