مهندسی پرامپت چیست؟

درک مدل های عظیم 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 می‌توانند با توانایی‌های غیرمنتظره مدل‌های زبان بزرگ (LLM)، که بلوک‌های اساسی سازنده چت‌ربات‌های هوش مصنوعی مانند ChatGPT هستند، گیج شوند. به همین دلیل هم جای تعجب ندارد که اخیرا مهندسی پرامپت به یکی از ترندهای مهم در هوش مصنوعی مولد ظهور کرده؛ به طوری که برخی 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 شود هوش مصنوعی کار کند و بهترین 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 بررسی قرار داده، محدودیت ها، خطاها یا مسائل جدید را کشف می کنند.

ویژگی‌های نقش مهندسی پرامپت در هر سازمان نسبت به سازمان دیگر متفاوت است. اما به طور کلی، یک مهندس پرامپت تلاش می‌کند تا خروجی‌های تولید شده توسط ماشین را به روش‌هایی که قابل تکرار هستند، بهبود بخشد. به عبارت دیگر، آنها سعی می کنند رفتار هوش مصنوعی را با نیت انسان هماهنگ کنند.

چرا مهندسی پرامپت، لزوما به دانش فنی نیاز 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 بررسی 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 دلیل، وقتی صحبت از پرامپت های خوب می شود، به مهارت های جهانی نیاز است که به حوزه علوم کامپیوتر محدود نمی شود.

ظهور مهندسی پرامپت، جنبه‌های خاصی از توسعه هوش مصنوعی مولد را به روی افراد خلاق با مجموعه مهارت‌های متنوع‌تر باز می‌کند؛ نکته اینجاست که بسیاری از این خلاقیت ها به نوآوری‌های بدون کد مربوط می‌شوند. در ژانویه ۲۰۲۳، آندری کارپاتی، مدیر سابق هوش مصنوعی تسلا، در توییتی نوشت «داغ ترین زبان برنامه نویسی جدید، انگلیسی است.»

اما با آنکه برخی از سازمان‌ها و شرکت ها، در آگهی‌های جذب نیروی خود برای موقعیت شغلی مهندسی پرامپت، داشتن چندین سال تجربه مهندسی، توسعه‌دهنده یا برنامه‌نویسی را مد نظر قرار داده و جزو پیش شرط ها دانسته اند، اما پیشینه مهندسی قوی همیشه برای این نقش ضروری نیست.

برای مثال، آنا برنشتاین، پیش از آنکه مهند پرامپت Copy.ai شود، یک نویسنده آزاد و دستیار تحقیقات تاریخی بود. Anthropic در آگهی شغلی خود برای مهندس پرامپت، اشاره می کند که «آشنایی سطح بالا» با عملکرد LLM مطلوب است، اما داوطلبان را تشویق می کنند 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 کند؛ چرا که چت ربات های هوش مصنوعی می توانند در نحو و واژگان عالی باشند، اما هیچ تجربه دست اولی از جهان ندارند و همین نکته، توسعه هوش مصنوعی را به یک تلاش چند رشته ای تبدیل کرده است.

با این حال، برخی از کارشناسان ارزش این نقش را در درازمدت زیر سوال می برند، زیرا دریافت خروجی های بهتر از درخواست های با توضیح بد هم ممکن می شود. اما موارد استفاده بی‌شماری برای فناوری مولد وجود دارد و استانداردهای کیفیت برای خروجی‌های 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.

۵ 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 دلیل بسیار خوب جالب باشد: (۱) توانایی ها و محدودیت های فناوری را روشن می کند. (۲) 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 می‌اندازیم به پنج مهارت غیر فنی که از طریق حوزه چند رشته‌ای مهندسی پرامپت، در توسعه فناوری هوش مصنوعی کمک می‌کنند.

ارتباط

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

ادوارد تیان، بنیانگذار GPTZero، (ابزار تشخیص هوش مصنوعی برای تشخیص اینکه آیا یک مقاله دبیرستانی توسط 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، تولید محتوا کند.

البته که تیان یک مهندس یادگیری ماشینی با مهارت‌های فنی عمیق است، اما این رویکرد می‌تواند توسط هرکسی که در حال توسعه یک درخواست است و می‌خواهد یک ربات چت به شیوه‌ای خاص بنویسد، استفاده شود؛ چه یک حرفه‌ای باتجربه باشد یا یک دانش‌آموز 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 دلیل است که شاهد آگهی‌های 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 به دنبال 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 موفق شود، باید هدفمند تغذیه شود. به همین دلیل 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 شروع 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 کند. او در مصاحبه با بیزینس اینسایدر گفت: «به عنوان یک شاعر، نقش مهندسی پرامپت به ماهیت وسواسی من با زبان نزدیک می شود. این تلاقی واقعا عجیبی از پیشینه ادبی و تفکر تحلیلی من است.»

پرامپت های هوش مصنوعی به‌جای استفاده از زبان‌های برنامه‌نویسی، از نثر استفاده می‌کنند، به این معنی که افراد باید هنگام توسعه درخواست‌ها، دانش زبان شناسی خود را گسترش 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 کننده) منتشر می کند.

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 تولید پاسخ فهرست کند. در نهایت خطای خودش را اصلاح کرد.

این کار نشان می‌دهد که داشتن سطح مناسبی از آشنایی با موضوع، کلیدی است: احتمالا ایده خوبی برای کسی نیست که یک ربات چت چیزی را تولید کند که نمی‌تواند واقعیت داشتن یا نداشتن آن را بررسی کند.

خلاقیت

امتحان کردن چیزهای جدید، همان تعریف خلاقیت است؛ و در عین حال جوهره مهندسی پرامپت خوب نیز هست. در آگهی استخدام آنتروپیک آمده است که این شرکت به دنبال 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 شود. 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/