بیاموزید که چگونه توهم هوش مصنوعی را با تکنیک‌های ساده و آسان که با هر ابزار هوش مصنوعی مولد کار می‌کنند، کاهش دهید.
نکات کلیدی
- هشدارهای واضح و خاص برای به حداقل رساندن توهم هوش مصنوعی بسیار مهم است. از دستورالعمل‌های مبهم اجتناب کنید و جزئیات صریح را برای جلوگیری از نتایج غیرقابل پیش‌بینی ارائه کنید.
- برای نسبت دادن خروجی به یک منبع یا چشم انداز خاص، از زمینه یا تکنیک “براساس…” استفاده کنید. این به جلوگیری از اشتباهات واقعی و سوگیری در محتوای تولید شده توسط هوش مصنوعی کمک می کند.
- از محدودیت ها و قوانین برای شکل دادن به خروجی هوش مصنوعی با توجه به نتایج دلخواه استفاده کنید. برای جلوگیری از خروجی های نامناسب یا غیرمنطقی، محدودیت ها را صریحاً بیان کنید یا آنها را از طریق زمینه یا وظیفه به کار ببرید.
پاسخی را که می خواهید از یک مدل هوش مصنوعی مولد دریافت نمی کنید؟ ممکن است با توهم هوش مصنوعی سروکار داشته باشید، مشکلی که زمانی رخ می دهد که مدل خروجی های نادرست یا نامربوط تولید می کند.
عوامل مختلفی مانند کیفیت داده‌های مورد استفاده برای آموزش مدل، فقدان زمینه یا ابهام درخواست ایجاد می‌شود. خوشبختانه، تکنیک‌هایی وجود دارد که می‌توانید از آنها برای دریافت خروجی مطمئن‌تر از یک مدل هوش مصنوعی استفاده کنید.
1. اعلان های واضح و خاص ارائه دهید
اولین گام در به حداقل رساندن توهم هوش مصنوعی ایجاد اعلان های واضح و بسیار خاص است. درخواست‌های مبهم یا مبهم می‌تواند منجر به نتایج غیرقابل پیش‌بینی شود، زیرا مدل‌های هوش مصنوعی ممکن است سعی کنند هدف پشت فرمان را تفسیر کنند. در عوض، در دستورالعمل های خود صریح باشید.
به جای اینکه بپرسید «درباره سگ‌ها به من بگویید»، می‌توانید بپرسید: «توضیح مفصلی از ویژگی‌های فیزیکی و خلق و خوی گلدن رتریورها به من بدهید». اصلاح درخواست خود تا زمانی که روشن شود یک راه آسان برای جلوگیری از توهم هوش مصنوعی است.
2. از روش Grounding یا “مطابق…” استفاده کنید
یکی از چالش‌های استفاده از سیستم‌های هوش مصنوعی این است که ممکن است خروجی‌هایی تولید کنند که واقعاً نادرست، مغرضانه یا ناسازگار با دیدگاه‌ها یا ارزش‌های شما باشند. این می تواند به این دلیل اتفاق بیفتد که سیستم های هوش مصنوعی بر روی مجموعه داده های بزرگ و متنوعی که ممکن است حاوی خطاها، نظرات یا تضادهایی باشد، آموزش دیده اند.
برای جلوگیری از این امر، می توانید از زمینه یا تکنیک “براساس…” استفاده کنید که شامل نسبت دادن خروجی به یک منبع یا چشم انداز خاص است. برای مثال، می‌توانید از سیستم هوش مصنوعی بخواهید که یک واقعیت را در مورد یک موضوع مطابق با ویکی‌پدیا، Google Scholar یا یک منبع خاص در دسترس عموم بنویسد.
3. از محدودیت ها و قوانین استفاده کنید
محدودیت‌ها و قوانین می‌توانند به جلوگیری از تولید خروجی‌های نامناسب، متناقض، متناقض یا غیرمنطقی توسط سیستم هوش مصنوعی کمک کنند. آنها همچنین می توانند به شکل دهی و اصلاح خروجی مطابق با نتیجه و هدف مورد نظر کمک کنند. محدودیت‌ها و قوانین را می‌توان به‌صراحت در متن بیان کرد یا به‌طور ضمنی توسط زمینه یا وظیفه بیان کرد.
فرض کنید می خواهید از ابزار هوش مصنوعی برای نوشتن شعری در مورد عشق استفاده کنید. به جای اینکه به آن یک دستور کلی مانند «شعری در مورد عشق بنویس»، می توانید به آن دستوری محدودتر و مبتنی بر قاعده بدهید مانند «غزلی درباره عشق بنویسید با 14 سطر و 10 هجا».
4. از اعلان چند مرحله ای استفاده کنید
گاهی اوقات، سوالات پیچیده می تواند منجر به توهمات هوش مصنوعی شود زیرا مدل سعی می کند در یک مرحله به آنها پاسخ دهد. برای غلبه بر این مشکل، سوالات خود را به چند مرحله تقسیم کنید.
به عنوان مثال، به جای اینکه بپرسید “موثرترین درمان دیابت چیست؟” می توانید بپرسید، “درمان های رایج برای دیابت چیست؟” سپس می توانید با این جمله که “بر اساس مطالعات پزشکی کدام یک از این درمان ها موثرترین هستند؟”
تحریک چند مرحله ای مدل هوش مصنوعی را مجبور می کند تا قبل از رسیدن به پاسخ نهایی، اطلاعات میانی ارائه دهد، که می تواند به پاسخ های دقیق تر و آگاهانه تر منجر شود.
5. نقش را به هوش مصنوعی اختصاص دهید
هنگامی که در اعلان خود نقش خاصی را به مدل هوش مصنوعی اختصاص می دهید، هدف آن را روشن می کنید و احتمال توهم را کاهش می دهید. به عنوان مثال، به جای گفتن «درباره تاریخچه مکانیک کوانتومی به من بگویید»، می‌توانید به هوش مصنوعی بگویید: «نقش یک محقق کوشا را بر عهده بگیرید و خلاصه‌ای از نقاط عطف کلیدی در تاریخ مکانیک کوانتومی را ارائه دهید».
این قاب‌بندی هوش مصنوعی را تشویق می‌کند تا به‌عنوان یک محقق کوشا عمل کند تا یک داستان‌گوی گمانه‌زن.
6. اطلاعات متنی را اضافه کنید
عدم ارائه اطلاعات متنی در صورت لزوم، اشتباهی است که هنگام استفاده از ChatGPT یا سایر مدل‌های هوش مصنوعی باید از آن اجتناب کرد. اطلاعات زمینه‌ای به مدل کمک می‌کند تا پس‌زمینه، حوزه یا هدف کار را درک کند و خروجی‌های مرتبط و منسجم‌تری تولید کند. اطلاعات متنی شامل کلمات کلیدی، برچسب‌ها، دسته‌ها، مثال‌ها، مراجع و منابع است.
برای مثال، اگر می‌خواهید برای یک جفت هدفون یک بررسی محصول ایجاد کنید، می‌توانید اطلاعات زمینه‌ای مانند نام محصول، نام تجاری، ویژگی‌ها، قیمت، رتبه‌بندی یا بازخورد مشتری را ارائه دهید. یک دستور خوب برای این کار می تواند چیزی شبیه به این باشد:
دریافت پاسخ های بهتر هوش مصنوعی
وقتی بازخوردی را که از یک مدل هوش مصنوعی انتظار دارید دریافت نکنید، ممکن است خسته کننده باشد. با این حال، با استفاده از این تکنیک‌های تحریک هوش مصنوعی، می‌توانید احتمال توهم هوش مصنوعی را کاهش دهید و پاسخ‌های بهتر و مطمئن‌تری را از سیستم‌های هوش مصنوعی خود دریافت کنید.
به خاطر داشته باشید که این تکنیک ها بدون خطا نیستند و ممکن است برای هر کار یا موضوعی کار نکنند. همیشه باید خروجی های هوش مصنوعی را قبل از استفاده از آنها برای هر هدف جدی بررسی و تأیید کنید.