page contents
بلاگهوش مصنوعی در پژوهش

آداب سوال پرسیدن از چت‌جی‌پی‌تی: چطور از چت‌جی‌پی‌تی سوال پرسیم که به پاسخ و نتیجه مطلوب برسیم؟

برای سوال پرسیدن از چت‌جی‌پی‌تی باید به نکاتی توجه شود که ما را به پاسخ‌هایی دقیق و درست راهنمایی کند. در این مقاله ما به ویژگی‌های برجسته پرسشگری از هوش مصنوعی می‌پردازیم.

از زمان پیدایش فناوری همیشه تعامل مناسب انسان و یارانه و درک متقابل زبان سیستم و انسان از دغدغه‌های مهم بوده است. اینکه چگونه بپرسیم تا به نتیجه مطلوب و دلخواه برسیم چه در قالب کلیدواژه‌ها و چه در قالب جملات پرسشی بسیار حائز اهمیت بوده است. در حال حاضر که ابزارهای هوش مصنوعی و چت‌های مبتنی بر آن به صورت گسترده در حال تکامل و استفاده هستند باز هم این سوال مطرح است که آیا این ابزارها به همه انواع پرسش‌ها با یک کیفیت پاسخ می‌دهند؟ به عبارتی آداب سوال پرسیدن از چت‌جی‌پی‌تی چیست؟

همانطور که می‌دانیم یکی از راه‌های گردآوری اطلاعات، سوال پرسیدن است. لذا این سوالات باید دارای ویژگی‌هایی باشند که بتوانیم به واسطه آنها به پاسخ‌هایی روشن و جامع دست یابیم. این قاعده در خصوص ابزارهای پیشرویی چون ابزارهای چت مبتنی بر هوش مصنوعی هم صادق است. در این مقاله ما به ویژگی‌هایی می‌پردازیم که باید در پرسشگری از این ابزارها مد نظر قرار گیرند تا پاسخ دریافت گمراه‌کننده نباشد:

سؤالات خود را به صورت واضح و دقیق بپرسید

شما باید سؤالات خود را به گونه‌ای بنویسید که مدل زبان هوش مصنوعی بتواند منظور شما را درست درک کند و پاسخ مناسبی به آن بدهد. اگر سؤالات خیلی کلی، گنگ، پیچیده یا نامربوط باشند، ممکن است پاسخ‌های دریافتی نامفهوم، نادرست، سطحی یا بی‌ربط باشند. برای مثال، اگر از چت جی‌پی‌تی بپرسید «چگونه مقاله بنویسم؟»، این سؤال خیلی کلی و گسترده است و مدل زبان نمی‌تواند پاسخ جامع و کاربردی به آن بدهد. اما اگر بپرسید «چگونه چکیده مقاله را بنویسم؟» یا «چگونه به منابع استناد کنم؟»، این سؤالات دقیق‌تر و محدود‌تر هستند و مدل زبان می‌تواند پاسخ‌های بهتر و مفیدتری به آن‌ها بدهد.

سؤالات خود را به صورت باز و تحقیقاتی بپرسید

شما باید سؤالات خود را به گونه‌ای بپرسید که مدل زبان هوش مصنوعی بتواند اطلاعات جدید، نظرات مختلف، منابع مرتبط یا ایده‌های خلاقانۀ ارائه دهد. اگر سؤالات خیلی تک جوابی، تک حالتی، تک نظری یا تک منبع باشند، ممکن است پاسخ‌های دریافتی عمق نداشته باشند، تکراری شوند، سوگیری داشته باشند یا منسوخ شده باشند. برای مثال، اگر از چت جی‌پی‌تی بپرسید «چه کسانی در حوزۀ هوش مصنوعی فعال هستند؟»، این سؤال خیلی تک حالتی است و مدل زبان فقط مجبور است به شما فهرست نام‌های پژوهشگران را بدهد. اما اگر بپرسید «چه کاربردهای جذاب و ناب هوش مصنوعی در حوزۀ پزشکی وجود دارد؟» یا «چه چالش‌های اخلاقی و حقوقی در استفاده از هوش مصنوعی در حوزۀ آموزش وجود دارد؟»، این سؤالات باز و تحقیقاتی هستند و مدل زبان می‌تواند پاسخ‌های جالب و متنوعی به آن‌ها بدهد.

سؤالات خود را به صورت مرتبط و منطقی بپرسید

شما باید سؤالات خود را به گونه‌ای بپرسید که مدل زبان هوش مصنوعی بتواند به شما پاسخ‌هایی را ارائه دهد که با حوزۀ تحقیق شما مرتبط هستند و با داده‌ها و منابع موجود همخوانی دارند. اگر سؤالات خیلی نامربوط، غیرمنطقی، ناممکن یا ناسازگار باشند، ممکن است پاسخ‌های دریافتی بی‌معنی، بی‌ارزش، غیرقابل اجرا یا مغایر با واقعیت باشند. برای مثال، اگر از چت جی‌پی‌تی بپرسید «چگونه می‌توانم با استفاده از هوش مصنوعی چشم رنگین کمانی داشته باشم؟»، این سؤال خیلی نامربوط و ناشدنی است و مدل زبان نمی‌تواند پاسخ مناسبی به آن بدهد. اما اگر بپرسید «چگونه می‌توانم با استفاده از هوش مصنوعی تصاویر را به صورت خودکار رنگ آمیزی کنم؟» یا «چگونه می‌توانم با استفاده از هوش مصنوعی تشخیص دهم که چشمان چه رنگی دارند؟»، این سؤالات مرتبط و منطقی هستند و مدل زبان می‌تواند پاسخ‌های قابل اجرا و جذابی به آن‌ها بدهد.

سؤالات خود را متناسب با سطح دانش و تجربۀ خود بپرسید

شما باید سؤالات خود را به گونه‌ای بپرسید که مدل زبان هوش مصنوعی بتواند به شما پاسخ‌هایی را ارائه دهد که با سطح دانش و تجربۀ شما هماهنگ هستند. اگر سؤالات شما خیلی ساده، ابتدایی، تکراری یا بدیهی باشند، ممکن است پاسخ‌های دریافتی برای شما جذاب و چالش‌برانگیز نباشند، از آنچه قبلاً می‌دانستید فراتر نروند، یا حتی توهین‌آمیز به نظر برسند. برای مثال، اگر شما از چت جی‌پی‌تی بپرسید «چه کسانی در حوزۀ هوش مصنوعی فعال هستند؟»، این سؤال خیلی ساده و تکراری است و مدل زبان فقط مجبور است به شما فهست نام‌های پژوهشگران را بدهد. این پاسخ برای شما جذاب و چالش‌برانگیز نخواهد بود. اما اگر بپرسید «چه کاربردهای جذاب و نابی از هوش مصنوعی در حوزۀ پزشکی وجود دارد؟» یا «چه چالش‌های اخلاقی و حقوقی در استفاده از هوش مصنوعی در حوزۀ آموزش وجود دارد؟»، این سؤالات متناسب با نیاز واقعی هستند و مدل زبان می‌تواند پاسخ‌های جالب و متنوعی به آن‌ها بدهد.

سؤالات خود را به صورت منظورمحور و نتیجه گرایانه بپرسید

شما باید سؤالات خود را به گونه‌ای بپرسید که مدل زبان هوش مصنوعی بتواند به شما پاسخ‌هایی را ارائه دهد که با منظور و هدف شما همخوان هستند. اگر سؤالات شما خیلی عام، جزئی یا فرعی باشند، ممکن است پاسخ‌های دریافتی برایتان کاربرد و اثر نداشته باشند، با منظور شما همخوان نباشند، گمراه کننده باشند در نتیجه منجر به از دست دادن زمان و انرژی شما شوند. برای مثال، اگر شما از چت جی‌پی‌تی بپرسید «چه کسانی در حوزۀ هوش مصنوعی فعال هستند؟»، این سؤال خیلی عام است و مدل زبان فقط مجبور است به شما لیست نام‌های پژوهشگران را بدهد. این پاسخ برای شما کاربرد و اثر نخواهد داشت و حتی ممکن است شما را گمراه کند که چه کسانی را باید دنبال کنید یا با آن‌ها همکاری کنید. اما اگر بپرسید «چگونه می‌توانم با استفاده از هوش مصنوعی تصاویر را به صورت خودکار رنگ آمیزی کنم؟» یا «چگونه می‌توانم با استفاده از هوش مصنوعی تشخیص دهم که چشمان چه رنگی دارند؟»، این سؤالات منظورمحور هستند و مدل زبان می‌تواند پاسخ‌های قابل اجرا و جذابی به آنها بدهد.

سؤالات خود را به صورت خلاقانه و جذاب بپرسید

سعی کنید سؤالاتی را بپرسید که شما را به فکر و تجزیۀ موضوع پژوهش وادار کند و نه فقط به جواب‌های آماده و ساده. به جای اینکه بپرسید «چه نرم‌افزارهایی برای آموزش زبان وجود دارند؟» که یک سؤال بسته و ساده است، می‌توانید بپرسید «چگونه هوش مصنوعی می‌تواند نیازها و سطح دانش زبان آموزان را شناسایی و تحلیل کند؟» یا «چگونه هوش مصنوعی می‌تواند بازخورد و انگیزۀ مناسب را به زبان آموزان بدهد؟» یا «چگونه هوش مصنوعی می‌تواند فعالیت‌های تعاملی را در آموزش زبان ایجاد و ارزیابی کند؟» که این سؤالات باعث می‌شود شما به جزئیات و عملکرد هوش مصنوعی در آموزش زبان توجه کنید و راه‌حل‌های نوین و خلاقانه‌ای برای بهبود آموزش زبان پیدا کنید.

سؤالات خود را به صورت متنوع و چندجانبه بپرسید

سعی کنید از زوایای مختلف و با استفاده از منابع مختلف به موضوع پژوهش خود نگاه کنید و سؤالاتی را بپرسید که شما را به بررسی ابعاد مختلف و ارتباطات میان آن‌ها تشویق کند. به جای اینکه فقط از یک منبع یا یک دیدگاه سؤال بپرسید، مثلا «چه تحقیقات علمی دربارۀ هوش مصنوعی و آموزش زبان انجام شده است؟» که یک سؤال تک‌جانبۀ و علمی است، می‌توانید از منابع و دیدگاه‌های مختلف سؤال بپرسید، مثلا «چه نظرات و بازخوردهای زبان آموزان دربارۀ استفادۀ از هوش مصنوعی در آموزش زبان وجود دارد؟» یا «چه چالش‌ها و محدودیت‌های قانونی و اخلاقی در استفادۀ از هوش مصنوعی در آموزش زبان وجود دارد؟» یا «چگونه هوش مصنوعی با روش‌های سنتی آموزش زبان تفاوت دارد؟» که این سؤالات باعث می‌شود به نقطه نظرات مختلف و عامل‌های مؤثر بر آموزش زبان با هوش مصنوعی پرداخته و تحلیل جامع‌تر و عمیق‌تری داشته باشید.

سؤالات خود را به صورت تطبیق‌پذیر و قابل تغییر بپرسید

سعی کنید با دریافت جواب‌های هوش مصنوعی، سؤالات خود را بازنگری کنید و در صورت لزوم آن‌ها را تغییر دهید یا اصلاح کنید تا به جواب‌های دقیق‌تر و مفیدتری برسید. به جای اینکه به سؤالات خود پایبند باشید و فقط جواب‌های هوش مصنوعی را قبول کنید، می‌توانید با توجه به جواب‌های دریافتی، سؤالات خود را بازنگری و تغییر دهید تا به جواب‌های بهتری برسید. مثلا اگر از هوش مصنوعی بپرسید «چه روش‌هایی برای ارزیابی دانش زبان آموزان با هوش مصنوعی وجود دارد؟» و جوابی که بگیرید ناقص یا نامربوط باشد، می‌توانید سؤال خود را براساس پاسخ دریافتی تغییر دهید و بپرسید «چه روش‌هایی برای ارزیابی مهارت‌های مختلف زبان آموزان با هوش مصنوعی وجود دارد؟» یا «چه روش‌هایی برای ارزیابی دانش زبان آموزان با هوش مصنوعی در سطوح مختلف وجود دارد؟» یا «چه روش‌هایی برای ارزیابی دانش زبان آموزان با هوش مصنوعی در شرایط مختلف وجود دارد؟» که این سؤالات باعث می‌شود شما جزئیات و شرایط مختلف ارزیابی را در نظر بگیرید و جواب‌های کامل‌تر و دقیق‌تری بگیرید.

سؤالات خود را به صورت مقایسه‌ای و تحلیلی بپرسید

به جای اینکه فقط یک جنبۀ موضوع پژوهش خود را بررسی کنید، می‌توانید جنبه‌های مختلف و متفاوت را با هم مقایسه و تحلیل کنید و ببینید کدام یک بهتر، مناسب‌تر، مؤثرتر یا جذاب‌تر است. مثلا به جای اینکه بپرسید «چگونه هوش مصنوعی می‌تواند به آموزش زبان انگلیسی کمک کند؟» که یک سؤال تک‌جانبه و خاص است، می‌توانید بپرسید «چگونه هوش مصنوعی می‌تواند به آموزش زبان‌های مختلف کمک کند؟» یا «چگونه هوش مصنوعی با روش‌های دیگر آموزش زبان از قبیل کلاس‌های حضوری، فیلم‌ها، کتاب‌ها و … مقایسه می‌شود؟» یا «چگونه هوش مصنوعی در آموزش زبان‌های با ساختار و سطح دشوارتر یا آسان‌تر عمل می‌کند؟» که این سؤالات باعث می‌شود تفاوت‌ها و شباهت‌های مختلف را در نظر بگیرید و نقد و بررسی عمیق‌تر و جامع‌تری داشته باشید.

– سؤالات خود را با هدف ارزشیابی و بهبود بپرسید

به جای اینکه فقط وضعیت فعلی و موجود را بپذیرید، می‌توانید راه‌های بهبود و ارتقای آن را بپرسید و بررسی کنید. مثلا به جای اینکه بپرسید «چگونه هوش مصنوعی می‌تواند به آموزش زبان کمک کند؟» که یک سؤال توصیفی و کلی است، می‌توانید بپرسید «چگونه هوش مصنوعی می‌تواند آموزش زبان را بهتر، سریع‌تر، آسان‌تر یا لذت‌بخش‌تر کند؟» یا «چگونه هوش مصنوعی می‌تواند نقاط ضعف و قوت آموزش زبان را شناسایی و رفع کند؟» یا «چگونه هوش مصنوعی می‌تواند با تغییرات و نیازهای جدید آموزش زبان هماهنگ شود؟» که این سؤالات باعث می‌شود به جای تکرار و تقلید، به ابتکار و نوآوری در آموزش زبان با هوش مصنوعی فکر کنید و راه‌حل‌های جدید و بهینه‌ای برای پاسخ به چالش‌ها و فرصت‌های آموزش زبان پیدا کنید.

به خاطر داشته باشید که این ابزارها در حال تکامل هستند و پاسخ‌های دریافتی از آنها به طور کامل قابل اعتماد نیستند. بنابراین نباید کورکورانه به این پاسخ‌ها اکتفا کنید و همواره باید مفهوم پاسخ و همچنین منابع معرفی شده را بررسی نمایید. مهارت  پرسشگری نه تنها در زمینه سوال پرسیدن از ابزارهای هوش مصنوعی کاربرد دارد بلکه همواره یکی از دغدغه‌های مهم تمام کسانی است که جویای آگاهی هستند. دانشجویان و پژوهشگران هم از جمله کسانی هستند که حتما باید به مهارت‌های پرسشگری مجهز باشند. در ادامه کتاب‌هایی در خصوص پرسشگری و مهارت تفکر معرفی می‌شود.

ART OF ASKING CHATGPT FOR HIGH-QUALITY ANSWERS : a complete guide to promp engineering..
مشاهده بیشتر

شهربانو صادقی گورجی

شهربانو صادقی گورجی هستم. کارشناس ارشد علم اطلاعات و دانش شناسی. قصد دارم تجربیات ۲۰ ساله خودم رو در حوزه مهارت‌های سواد اطلاعاتی و جستجو و بازیابی منابع به دانشجویان و پژوهشگران منتقل کنم. امید است با تجهیز به مهارت‌های دانشی، زندگی بهتری برای خود و اطرافیانمان رقم بزنیم و جامعه دلخواهی را بسازیم.

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

دکمه بازگشت به بالا