اخیراً یکی از مهندسان ارشد شرکت Anthropic، سازنده چت‌بات Claude، نکته‌ای جالب و قابل‌تأمل را دربارهٔ نحوهٔ تعامل با هوش مصنوعی مطرح کرده است. آنچه در سی‌ام است که بسیاری از کاربران و توسعه‌دهندگان برای گرفتن پاسخ‌های دقیق‌تر، هویت‌های کارشناسی مصنوعی (expert personas) تعریف می‌کنند تا مدل خود را دانشمند، مهندس یا متخصص حوزه‌ای خاص معرفی کند. اما این رویکرد لزوماً بهترین انتخاب نیست و در مواردی دقیقاً نتیجهٔ عکس می‌دهد.
شخصیت‌سازی برای هوش مصنوعی چگونه عمل می‌کند؟
وقتی در prompt به یک مدل هوش مصنوعی می‌گویید «تو یک متخصص حقوق بین‌الملل هستی»، مدل بر اساس همین دستور، لحن، عمق و جهت‌گیری پاسخ‌های خود را تنظیم می‌کند. این تکنیک در بسیاری از promptها به‌ویژه برای تولید محتوای تخصصی کاربرد دارد. با این حال، مهندس ارشد Anthropic تأکید کرده که تحمیل هویت کارشناسی، محدودیت‌هایی جدی ایجاد می‌کند.
- مدل ممکن است بیش از حد مطمئن به نظر برسد و ا CFG پویای در پاسخ را از دست بدهد.
- زبان و ساختار جواب‌ها می‌تواند بیش از حد رسمی و کلیشه‌ای شود.
- پاسخ‌های چندبعدی و بینامتنی به دلیل قیدشدن در یک قالب واحد، داغر کاهش یابند.
چرا برخی مهارت‌ها بدون هویت کارشناسی بهتر جواب می‌دهند؟
نکتهٔ اصلی آن است که درک، تولید و بازآرایی اطلاعات، فرایندهایی هستند که وقتی مدل را در یک چارچوب مشخص قرار دهید، ممکن است از انعطاف خود صرف‌نظر کند. برای مثال در مقایسهٔ موضوعات، تحلیل‌های انتقادی یا نوشتن لحن‌های گوناگون، اجازه دادن به مدل برای پاسخ دادن بدون هویت از پیش تعیین‌شده، اغلب کیفیت بالاتری به بار می‌آورد. به بیان ساده‌تر، گاهی «کسی بودن» مانع «دانستن» می‌شود.
.engineer توصیه Anthropic این است که به جای شخصیت‌سازی، مستقیماً وظیفهٔ مورد نظر را به مدل بگویید: «این موضوع را از دو زاویهٔ مختلف بررسی کن» یا «پاسخ کوتاه و پاسخ بسط‌دار ارائه بده». این دستورها مدل را آزاد می‌کنند تا با تمام ظرفیت پردازشی خود پاسخ بسازد.
چه زمانی هویت‌سازی ارزشمند باقی می‌ماند؟
به نظر می‌رسد که هویت کارشناسی فقط وقتی مفید است که مخاطب مشخصی داشته باشید یا لحن خاصی مورد نیاز باشد؛ مثلاً نسخه‌ای از پاسخ که برای کودکان (تو در یک معلم علوم هستی که برای دانش‌آموزان دبستانی توضیح می‌دهی) یا بازاریابی برای مخاطب خاص. در بقیهٔ موارد، دستورات مختلف واقعی، رویکرنویسی؟ خیر، بلکه مستقیم و شفاف، ظرفیت پاسخگویی را بیشتر حفظ می‌کند.
این رویکرد نوین با تحقیقات جاری در حوزهٔ هوش مصنوعی همراستاست و به توسعه‌دهندگان و مصرف‌کنندگان یک‌اداره؛ یعنی این که ساختار prompt باید بر اساس نیاز واقعی طراحی شود، نه بر اساس عادت تکراری افزودن شخصیت.
پرسش‌های پرتکرار
چرا شخصیت‌سازی همیشه برای هوش مصنوعی مفید نیست؟
زیرا تحمیل صفت کارشناسی می‌تواند باعث شود پاسخ‌ها بیش از حد رسمی و محدود شوند و لحن منعطف یا چندبعدی مدل افت کند.
راه جایگزین هویت‌سازی چیست؟
به جای تعیین شخصیت، وظیفهٔ مورد نیاز را با کلمات Nیم که مشخصاً و مطلقاً توصیف کنید؛ برای مثال از مدل بخواهید پاسخ ب Tap کم، بسط‌دار ارائه دهد.
