DentCast
DentCast
دکتر فواد شهابیان
← بازگشت به پرامپتولوژیست English
فصل ۳ · قسمت ۱

اولین گفت‌وگو با مدل

⏱ ۶ دقیقه مطالعه
دو فصلِ گذشته نشان دادند مدل چیست و کجا می‌لغزد. از اینجا به بعد دیگر درباره‌اش حرف نمی‌زنیم، باهاش کار می‌کنیم. و اولین کار همین است: یک گفت‌وگوی واقعی که به دردتان بخورد.

شاید تا حالا امتحانش کرده باشید و نتیجه ناامیدتان کرده باشد. سوالی پرسیده‌اید و جوابی گرفته‌اید که انگار از یک جزوه‌ی عمومی کپی شده؛ درست، ولی به‌دردنخور. یا شاید اصلاً هنوز شروع نکرده‌اید و همان جعبه‌ی خالیِ چت، با آن مکان‌نمای چشمک‌زن، کافی بوده که منصرفتان کند. هر دو یک ریشه دارند، و این فصل از همان‌جا شروع می‌کند.

فرض کنید تایپ می‌کنید: «درمان پریودنتیت را توضیح بده.» چیزی که می‌گیرید یک متنِ مرتب و کلی است؛ تعریف، مراحل، چند خط درباره‌ی جرم‌گیری و فلپ. همه‌چیز درست است و هیچ‌چیزش به کارِ امروزِ شما نمی‌خورد. چون این جوابِ یک سوالِ عمومی است، و شما سوالِ عمومی پرسیدید.

حالا همان را عوض کنید: «من دندانپزشک عمومی‌ام. یک بیمارِ ۵۲ ساله‌ی دیابتی دارم با پریودنتیتِ متوسط، که می‌خواهم گزینه‌های درمان را برایش به زبانِ ساده توضیح بدهم، طوری که نترسد و همکاری کند. کمکم کن این گفت‌وگو را چطور پیش ببرم.» جوابِ این دیگر جزوه نیست. دارد به مسئله‌ی واقعیِ شما جواب می‌دهد. فرقِ این دو فقط در طولِ سوال نیست؛ در این است که دومی به مدل گفت کی هستید، با کی طرفید، و دقیقاً چه می‌خواهید.

اینجا چیزی را باید جا بیندازیم که همه‌ی کار به آن بند است: مدل شما را نمی‌شناسد. یک همکار وقتی ازش سوال می‌پرسید، نصفِ ماجرا را خودش می‌داند؛ می‌داند دندانپزشکید، می‌داند مطبتان چه‌جور بیمارهایی دارد، از حال‌وروزتان خبر دارد. مدل هیچ‌کدام را ندارد. هر گفت‌وگو برایش از صفر شروع می‌شود، با یک غریبه.

پس آن نیمه‌ی پنهان را باید خودتان روی میز بگذارید. معمولاً چهار چیز کافی است: کی هستید، چه می‌خواهید، برای چه، و در چه عمقی. این هنوز پرامپت‌نویسی نیست، فرمول و قاعده‌ای در کار نیست؛ فقط دارید همان چیزی را که برای یک همکار بدیهی است، برای مدل صریح می‌کنید.

و همین برای هر سه کارِ پرتکرارتان فرق می‌گذارد. اگر مقاله‌ای را می‌دهید که برایتان بازش کند، بگویید از چه زاویه‌ای می‌خواهیدش: «به‌عنوان کلینسین می‌خواهم بدانم نتیجه‌اش به بیمارِ واقعی تعمیم‌پذیر است یا نه» جوابِ کاملاً متفاوتی می‌گیرد تا «خلاصه‌اش کن». اگر مفهومی را می‌خواهید بفهمید، بگویید کجایش برایتان مبهم است و چقدر واردید؛ مدل آن‌وقت از همان‌جا شروع می‌کند که شما گیر کرده‌اید، نه از اولِ الفبا. و اگر دارید برای بیمار چیزی آماده می‌کنید، بگویید آن بیمار کیست و چه می‌فهمد.

حالا مهم‌ترین عادت، که اتفاقاً همان عادتی است که اکثر آدم‌ها اشتباه دارند: یک‌بار می‌پرسند، یک جواب می‌گیرند، و کار را تمام‌شده فرض می‌کنند. ارزشِ واقعیِ مدل آنجا نیست. آنجاست که جواب را می‌گیرید و رویش فشار می‌آورید.

همان توضیحِ پریودنتیت برای بیمار را در نظر بگیرید. جوابِ اول آمد، ولی برای بیمارِ شما زیادی تخصصی است. می‌گویید: «این را ساده‌تر کن، انگار با کسی حرف می‌زنی که هیچ زمینه‌ی پزشکی ندارد.» بعد می‌بینید یک جا قطعی حرف زده که نباید: «این تکه را با احتیاط بگو، چون نتیجه به کنترلِ قندش بستگی دارد.» بعد: «فرض کن بیمار از جراحی می‌ترسد، لحن را طوری بچین که فرار نکند.» هر بار جواب به مسئله‌ی شما نزدیک‌تر می‌شود. این رفت‌وبرگشت خودِ کار است؛ آن پیامِ اول فقط نقطه‌ی شروع بود.

و این دقیقاً همان جایی است که کاربرِ بدعادت گیر کرده بود. جوابِ اولِ کلی را می‌دید و نتیجه می‌گرفت مدل به‌دردنخور است. مشکل از مدل نبود، از این بود که گفت‌وگو را همان‌جا تمام می‌کرد.

یک چیز را اما در تمامِ این رفت‌وبرگشت نباید زمین بگذارید، و این مستقیم از فصلِ قبل می‌آید. هر جا جوابِ مدل یک ادعای راستی‌آزمایی‌پذیر داشت، یک دوز، یک عدد، یک درصدِ موفقیت، یک رفرنس، همان‌جا وسطِ گفت‌وگو بسنجیدش، نه بعداً و نه هیچ‌وقت. اگر وسطِ همان توضیح، مدل یک دوزِ آنتی‌بیوتیک یا یک بازه‌ی زمانیِ ترمیم به دستتان داد، همان لحظه مکث کنید. لحنش مطمئن است، ولی فصلِ قبل دیدیم که لحنش هیچ تضمینی نیست.

یعنی گفت‌وگو با مدل دو لایه دارد که هم‌زمان پیش می‌روند: یکی جلو بردنِ کار، یکی ناظر ماندن بر چیزی که می‌گوید. تازه‌کار معمولاً فقط لایه‌ی اول را می‌بیند و سراپا تحویلِ جواب می‌شود؛ کاربرِ پخته هر دو را با هم نگه می‌دارد.

اگر تا اینجا را انجام دهید، یک گفت‌وگوی واقعی و مفید کرده‌اید: قاب دادید، رفت‌وبرگشت کردید، و ناظر ماندید. ولی همه‌ی این‌ها را سرِ دست و غریزی انجام دادید؛ هر بار از نو فکر کردید چه بگویید. این برای شروع عالی است، اما تکرارپذیر نیست. فصلِ بعد همین کارهای غریزی را تبدیل می‌کند به یک کارِ عمدی و تکرارپذیر، همان چیزی که اسمش پرامپت‌نویسی است.
قاب‌بندیِ پرامپت (کی هستید/چه می‌خواهید) پرامپت‌نویسیِ زمینه‌محور گفت‌وگوی رفت‌وبرگشتی با مدل راستی‌آزماییِ ادعاهای قابل‌سنجش مدل زبانی بزرگ (LLM) ChatGPT نظارتِ هم‌زمان بر خروجیِ مدل اعتماد به هوش مصنوعی سواد هوش مصنوعی
#هوش_مصنوعی#ChatGPT#LLM#مدل_زبانی#هوش_مصنوعی_دندانپزشکی#DentalAI#پرامپت_نویسی#PromptEngineering#گفتگو_با_هوش_مصنوعی#راستی_آزمایی#AILiteracy#سواد_هوش_مصنوعی#پرامپتولوژیست
← قسمت قبلی قسمت بعدی →

جستجوی سراسری دنت‌کست