مهندس پرامپت کیست و پرامپت‌نویسی به چه معنا است؟

پرامپت (Prompt) چیست‌؟

همان‌گونه که اشاره کردیم، پرامپت به متن یا جمله‌ای اشاره دارد که به‌عنوان ورودی برای سامانه یا مدل زبانی مبتنی بر یادگیری عمیق داده می‌شود. این متن، به‌منظور خط‌دهی به تولید خروجی مدل استفاده می‌شود. پرامپت می‌تواند شامل یک پرسش، الگوی دستوری، توصیف مسئله، جمله ورودی یا هر نوع متنی باشد که نیاز داریم مدل زبانی به آن پاسخ دهد یا خروجی تولید کند. به‌طور مثال، در مسئله پرسش‌وپاسخ، پرامپت می‌تواند شامل سوال و توضیحات مربوط به سوال باشد. در ترجمه ماشینی، پرامپت می‌تواند شامل جمله مبدا و مقصد باشد. 

ساختار پرامپت‌نویسی چیست‌؟

پرامپت‌نویسی باید بر مبنای یک ساختار مناسب انجام شود تا مدل زبانی بتواند خروجی درست را ارائه کند. به‌طور معمول، پرامپت شامل چند قسمت کلیدی است که برای هدایت و راهنمایی مدل استفاده می‌شود. ساختار کلی پرامپت‌نویسی به‌شرح زیر است:

• سوال یا توصیف ورودی: این بخش شامل سوال یا توصیف مسئله‌ای است که می‌خواهید مدل به آن پاسخ دهد یا خروجی تولید کند. این قسمت باید مختصر و واضح باشد و مطابق با نیازمندی‌ها و محدودیت‌های مسئله تعریف شود.
• راهنمایی‌ها: این قسمت شامل دستورها، توضیحات و راهنمایی‌های مورد نیاز برای حل مسئله است. می‌توانید به مدل دستورهای خاصی بدهید، اطلاعات مورد نیاز را توضیح دهید یا الگوهای خاصی را معرفی کنید.
• قیدها و محدودیت‌ها: این بخش شامل قیدها و محدودیت‌هایی است که باید مدل زبانی در تولید خروجی رعایت کند و می‌تواند شامل محدودیت‌های طول، نوع و ساختار خروجی، استفاده از منابع خاص و غیره باشد.
• نمونه‌های ورودی/خروجی: می‌توانید برای راهنمایی مدل، نمونه‌های ورودی و خروجی مورد انتظار را در این قسمت قرار دهید. مدل می‌تواند از این نمونه‌ها برای فهم بهتر الگوها و ساختار مورد نظر استفاده کند.

مفهوم وظیفه (Task) در پرامپت‌نویسی چیست؟

در پرامپت‌نویسی، وظیفه (Task) به مسئله یا کار خاصی اشاره دارد که می‌خواهیم مدل زبانی به آن پاسخ دهد. وظیفه می‌تواند شامل یک سری عملیات و پرسش‌های مشخص باشد که باید مدل به آن پاسخ دهد. به‌طور معمول، وظیفه در پرامپت‌نویسی با استفاده از یک سری سوالات، دستورها و راهنمایی‌ها تعریف می‌شود تا مدل بتواند خروجی مطلوب را تولید کند. نوع وظیفه در پرامپت‌نویسی تاثیر زیادی بر خروجی مدل دارد. به‌عنوان مثال، اگر وظیفه ترجمه ماشینی باشد، پرامپت باید شامل جمله اولیه و نهایی باشد. به‌طور کلی، وظیفه در پرامپت‌نویسی برای تعیین هدف و خروجی مدل استفاده می‌شود. مدل با استفاده از پرامپت، سعی می‌کند پاسخ‌های دقیق و متناسب با وظیفه مشخص‌شده را ارائه کند. 

دستورالعمل در پرامپت به چه معنا است؟ 

دستورالعمل (Instruction) در پرامپت‌نویسی به دستورها، راهنماها و توضیحاتی گفته می‌شود که به مدل زبانی ارائه می‌شود تا خروجی مطلوب ارائه کند. دستورالعمل‌ها به مدل می‌گویند که چگونه باید وظیفه مورد نظر را انجام دهد و خروجی مناسب را تولید کند. دستورالعمل‌ها معمولا شامل توضیحات و راهنمایی‌هایی هستند که برای حل مسئله یا انجام وظیفه لازم هستند. این دستورالعمل‌ها می‌توانند شامل موارد زیر باشند:

• روش‌ها و الگوریتم‌ها: به مدل توضیح داده می‌شود که چگونه باید مسئله را حل کند. این موضوع می‌تواند شامل مراحل مختلف، الگوریتم‌ها، فراداده‌ها و قوانین مربوطه باشد.
• محدودیت‌ها: دستورالعمل‌ها می‌توانند شرایط و محدودیت‌هایی را مشخص کنند که مدل باید در حین تولید خروجی رعایت کند. این محدودیت‌ها می‌توانند شامل محدودیت‌های طول، نوع و ساختار خروجی، استفاده از منابع خاص و غیره باشند.
• توضیح نمونه‌ها: مدل می‌تواند با توضیح نمونه‌های ورودی و خروجی مورد نظر، الگوها و ساختار مورد انتظار را بهتر درک کند. این نمونه‌ها می‌توانند به‌عنوان مثال‌ها، توضیحات بیشتر یا نمونه‌های مربوط به مسئله باشند.

محتوا در پرامپت‌نویسی چیست؟

محتوا (Content) در پرامپت‌نویسی به اطلاعات و داده‌های ورودی اشاره دارد که مدل زبانی را در ارائه خروجی مناسب راهنمایی می‌کنند. محتوا در واقع موضوع یا مفهوم اصلی است که مدل باید درباره آن صحبت کند یا اطلاعاتی را ارائه دهد. محتوا می‌تواند در قالب جملات، توصیفات، سوالات، دستورها، شرح مسئله و سایر اطلاعات مرتبط با وظیفه باشد. به‌عنوان مثال، اگر وظیفه پرسش‌وپاسخ باشد، محتوا شامل سوالات و توضیحات مربوط به سوالات است. محتوا به مدل کمک می‌کند تا درک کند در مورد چه موضوعی باید صحبت کند و چه نوع اطلاعاتی باید تولید کند. به‌عنوان مثال، اگر محتوا مربوط به سفر به یک شهر خاص باشد، مدل ممکن است درباره جاذبه‌های گردشگری، رستوران‌ها، مسیرهای نقلیه و اطلاعات مربوط به آن شهر صحبت کند. محتوا در پرامپت‌نویسی به‌عنوان ورودی اصلی برای مدل عمل می‌کند و مدل با توجه به محتوا، خروجی را بهبود می‌دهد و پاسخ یا خروجی‌های متناسب با موضوع و محتوای داده‌شده را تولید می‌کند.

تنظیمات و پارامترها در پرامپت‌نویسی

در پرامپت‌نویسی، تنظیمات و پارامترها (Settings and Parameters) ابزارهایی هستند که عملکرد و رفتار مدل زبانی را تغییر می‌دهند یا کنترل می‌کنند. این تنظیمات و پارامترها برای سفارشی‌سازی و بهینه‌سازی عملکرد مدل استفاده می‌شوند. برخی از تنظیمات و پارامترهای مهم در پرامپت‌نویسی به‌شرح زیر هستند:

• طول پرامپت (Prompt Length): این پارامتر مشخص می‌کند که چند کلمه یا توکن از پرامپت به‌عنوان ورودی به مدل داده شود. طول پرامپت می‌تواند بر اساس نوع وظیفه و متن مورد نظر تعیین شود.
• تعداد پاسخ‌ها (Number of Responses): این پارامتر نشان می‌دهد که مدل چند پاسخ متفاوت را برای هر ورودی تولید کند. با تغییر این پارامتر می‌توانید تنوع خروجی را تنظیم کنید.
• تعداد تکرار (Number of Iterations): این پارامتر مشخص می‌کند که مدل برای تولید خروجی به چند بار تکرار و تلاش نیاز دارد. با افزایش تعداد تکرارها، ممکن است کیفیت و دقت خروجی بهبود یابد، اما زمان اجرا نیز افزایش می‌یابد.
• تنظیمات ویژه و مشخص (Specialized and Specific Settings): برخی از پرامپت‌ها و سیستم‌های پرامپت‌نویسی برای وظایف خاص، تنظیمات و پارامترهای خاصی را ارائه می‌کنند. به‌عنوان مثال، در وظیفه ترجمه ماشینی می‌توانید زبان مبدا و مقصد را مشخص کنید یا در وظیفه پرسش‌وپاسخ، می‌توانید نوع سوال و تعداد کلمات محدوده پاسخ را تنظیم کنید.

تنظیمات و پارامترها در پرامپت‌نویسی بسته به پلتفرم و سیستم مورد استفاده ممکن است متفاوت باشند. علاوه بر تنظیمات و پارامترهای فوق، بسته به ابزارها و کتاب‌خانه‌های استفاده‌شده برای پرامپت‌نویسی، ممکن است تنظیمات دیگری نیز وجود داشته باشد که به شکل‌دهی الگوهای خروجی‌، کنترل تولید یا بهبود کیفیت خروجی‌ها کمک می‌کنند.

ورودی در پرامپت نویسی

ورودی (Input) در پرامپت‌نویسی متن یا داده‌ای است که به مدل زبانی داده می‌شود تا خروجی متناظر تولید کند. ورودی می‌تواند به‌صورت جملات، سوالات، توصیفات، دستورها یا هر نوع داده متنی باشد که مدل بر اساس آن باید کار کند.  ورودی در پرامپت‌نویسی به‌عنوان نقطه شروع برای تولید خروجی استفاده می‌شود. مدل با تحلیل و درک ورودی، سعی می‌کند پاسخ یا خروجی مناسبی را تولید کند. به‌عنوان مثال، اگر ورودی یک سوال باشد، مدل سعی می‌کند بهترین پاسخ ممکن را بر اساس سوال تولید کند. اگر ورودی یک جمله توصیفی باشد، مدل می‌تواند جملات اضافی را بر اساس توصیف، تولید کند.

ورودی می‌تواند به‌صورت متن خام یا در قالب توکن‌ها (Token) و توصیفات شناخته‌شده به مدل داده شود. توکن‌ها معمولا توسط مدل‌های زبانی استفاده می‌شوند تا متن را به بخش‌های کوچک‌تر تقسیم کنند و به‌صورت عددی نمایش دهند. واضح است که محتوا و جزئیات ورودی بستگی به نوع وظیفه و برنامه کاربردی دارند. می‌توانید ورودی را به‌صورت ساده و کوتاه یا جزئیات و توصیفات کامل‌تر تهیه کنید تا مدل بتواند دقیق‌تر و متناسب‌تر بر مبنای ورودی‌ها پاسخ دهد.

مهندسی پرامپت چیست‌؟

مهندسی پرامپت (Prompt Engineering) فرآیندی است که در آن تلاش می‌شود تا پرامپت‌ها به‌گونه‌ای طراحی و تنظیم شوند که مدل‌های زبانی بهترین خروجی را تولید کنند. هدف اصلی مهندسی پرامپت، بهبود کیفیت و قابلیت استفاده از مدل‌های زبانی است. در مهندسی پرامپت، ورودی‌ها برای مدل‌های زبانی، به‌همراه توصیفات و دستورات دقیق مشخص می‌شوند. این‌کار با هدف کاستن از اشتباهات رایج است. این توصیفات و دستورات می‌توانند در قالب جملات، سوالات، توصیفات یا دستورهای خاصی باشند که به مدل ارائه می‌شوند. برای مهندسی پرامپت موارد زیر مورد استفاده قرار می‌گیرند:

• راهنماها و الگوها: راهنماها و الگوها می‌توانند به‌عنوان توصیفات دقیقی برای تولید خروجی‌های مدل استفاده شوند. به‌عنوان مثال، توصیف کاملی از نوع خروجی مورد انتظار، ساختار مطلوب جواب یا الگوی کلی برای تولید دستورات.
• محدودیت‌ها و قوانین: محدودیت‌ها و قوانین می‌توانند به مدل اعمال شوند تا خروجی‌های پرت به کمترین میزان ممکن برسد. به‌عنوان مثال، محدودیت‌هایی در مورد طول یا نوع خروجی، قوانین صحبت کردن به زبان خاص و غیره.
• تعامل با مدل: با تعامل مکرر و ارزیابی بازخورد از خروجی‌های مدل، می‌توان تغییرات و بهبودهای لازم را در پرامپت‌ها اعمال کرد. با تجربه و تکامل مداوم، می‌توان پرامپت‌ها را بهینه کرده و خروجی‌های بهتری از مدل دریافت کرد.

با استفاده از روش‌های مهندسی پرامپت، می‌توان خروجی‌های دقیق‌تری از مدل‌های زبانی به‌دست آورد. به‌عنوان مثال، فرض کنید که می‌خواهیم از یک مدل زبانی برای پاسخ‌گویی به پرسش‌هایی در مورد فیزیک استفاده کنیم. مهندسی پرامپت می‌تواند ما را در تنظیم بهترین پرامپت برای این وظیفه کمک کند. یک راه برای طراحی پرامپت مناسب می‌تواند این باشد که به مدل توصیف کامل‌تری از نوع سوالات مورد انتظارمان بدهیم. به‌عنوان مثال، می‌توانیم پرامپت را به‌صورت زیر طراحی کنیم:

سوال: در فیزیک، قانون جهانی گرانش نیوتن چیست؟

پاسخ: اگر در سطح سیاره‌ای یک شیء با سرعت زیاد از بالا به صورت افقی پرتاب شود، بر اثر گرانش، مسیری منحنی را خواهد پیمود. اگر سرعت این شیء به ‌اندازه کافی زیاد باشد، می‌تواند مسیری دایره‌مانند را بپیماید و در مدار آن سیاره قرار گیرد. این قانون، مدار زمین، ماه و سیارات را با دقت زیادی توصیف می‌کند.

در این پرامپت، سوال اصلی به‌صورت دقیق و دستوری مطرح شده است و پاسخ به آن نیز با جزئیات کامل و واضح در دستور نوشته شده است. این پرامپت توصیفات دقیقی از نوع سوال ارائه می‌دهد و مدل بر اساس آن می‌تواند خروجی دقیق‌تری تولید کند. استفاده از مهندسی پرامپت به مدل کمک می‌کند نزدیک‌ترین یا دقیق‌ترین پاسخ‌ها را به پرسش‌ها بدهد. البته، بهبود پرامپت‌ها نیازمند تلاش، آزمون و خطا است تا به پرامپت‌های بهتر و مناسب‌تری برسیم.

مهندس پرامپت کیست؟

مهندس پرامپت (Prompt Engineer) یا مهندس تنظیم پرامپت (Prompt Tuning Engineer) فردی است که در فرآیند مهندسی پرامپت به فعالیت اشغال دارد. این فرد مسئول طراحی، تنظیم و بهبود پرامپت‌ها است تا مدل‌های زبانی بهترین خروجی را ارائه کنند.

به بیان دقیق‌تر، مهندس پرامپت درخواست کاربران را برای سیستم هوش مصنوعی ترجمه می‌کند تا سیستم درخواست ارائه‌شده را به‌درستی درک کند. به عبارت دیگر، مهندس پرامپت، واسط میان زبان انسان و زبان هوش مصنوعی است. با این توصیف باید بگوییم که مهندس پرامپت فردی است که قواعد استفاده از موتورهای جست‌وجو مثل گوگل برای ارائه پاسخ‌ها را به‌درستی درک کرده و قادر است محاوره‌ها را مهندسی معکوس کرده و در اختیار مدل‌های زبانی قرار دهد. در دنیای روزمره، برای یافتن پاسخ مناسب از طریق موتورهای جست‌وجو مثل گوگل باید بدانیم پرسش خود را در قالب چه کلمات کلیدی مناسبی مطرح کنیم تا موتور جست‌جو، مرتبط‌ترین و بهترین نتیجه‌ها را به ما نشان دهد. همین قاعده در مورد مدل‌های زبانی نیز صدق می‌کند. وظایف یک مهندس پرامپت شامل موارد زیر است:

• طراحی پرامپت‌ها: مهندس پرامپت باید توانایی طراحی پرامپت‌های مناسب را داشته باشد که شامل تعیین سوالات، توصیفات و دستورات دقیق برای مدل‌های زبانی است تا خروجی دقیق تولید شود.
• تحلیل خروجی‌ها: مهندس پرامپت باید قادر باشد خروجی‌های تولیدشده توسط مدل‌های زبانی را تحلیل کند. او باید بتواند نقاط ضعف و نیازمندی‌ها را شناسایی کند تا خروجی‌ها بالاترین کیفیت ممکن را داشته باشند. 
• بهبود پرامپت‌ها: بر اساس تحلیل خروجی‌ها، مهندس پرامپت باید تغییرات و بهبودهای لازم را در پرامپت‌ها اعمال کند که شامل تغییر توصیفات، اضافه کردن قوانین و محدودیت‌ها، بهتر کردن ساختار پرامپت و متعادل‌سازی عملکرد مدل است تا خروجی‌ها در کوتاه‌ترین زمان ممکن ارائه شود. 
• آزمون و ارزیابی: مهندس پرامپت باید پرامپت‌های جدید را آزمایش و عملکرد آن‌ها را ارزیابی کند. این فرآیند شامل تست پرامپت با سوالات مختلف، بررسی خروجی‌ها و بازخورد کاربران است.

مهندس پرامپت باید درک عمیق از عملکرد مدل‌های زبانی داشته باشد، شناخت کاملی از داده‌های مورد استفاده در محاوره‌ها داشته باشد تا بتواند الگوهای روزمره را به زبانی قابل فهم برای مدل‌ها ترجمه کند. 

مهارت‌های مورد نیاز مهندس پرامپت

مهندس پرامپت برای انجام وظایف خود نیاز به مجموعه‌ای از مهارت‌ها و توانایی‌ها دارد. برخی از این مهارت‌های کلیدی به‌شرح زیر هستند: 

• تسلط بر مدل‌های زبانی: مهندس پرامپت باید تسلط عمیق بر مدل‌های زبانی مثل شبکه‌های عصبی بازگشتی (RNN)، LSTM، GRU و مدل‌های مبتنی بر ترنسفورمر (Transformer) مانند GPT و BERT داشته باشد. او باید بتواند از این مدل‌ها استفاده کند و عملکرد آن‌ها را به‌طور کامل درک کند.
• مهارت در طراحی پرامپت: مهندس پرامپت باید توانایی طراحی پرامپت‌های مناسب برای وظایف مختلف را داشته باشد. او باید بتواند سوالات دقیق و دستورات صحیح برای مدل‌ها ایجاد کند تا خروجی دقیقی تولید شود.
• تحلیل داده‌ها: مهندس پرامپت باید توانایی تحلیل داده‌های مرتبط با خروجی‌های مدل‌های زبانی را داشته باشد. او باید بتواند نقاط ضعف و نیازمندی‌ها را شناسایی کند و بر اساس آن‌ها تغییرات لازم را اعمال کند.
• تجربه در تنظیم پرامپت: تجربه در تنظیم پرامپت‌ها نقش مهمی در توانایی‌های مهندس پرامپت دارد. این فرآیند شامل تجربه در آزمون و ارزیابی پرامپت‌ها، تعامل با مدل‌های زبانی و بهبود پرامپت‌ها است.
• تفکر تحلیلی و پیش‌بینی: مهندس پرامپت باید توانایی تفکر تحلیلی و پیش‌بینی را داشته باشد و بتواند به‌طور منطقی و تحلیلی مسائل را بررسی کند و قادر به پیش‌بینی نیازمندی‌ها و مشکلات باشد.
• مهارت‌های ارتباطی: مهندس پرامپت باید دارای مهارت‌های ارتباطی قوی باشد تا بتواند به‌خوبی با تیم‌های مرتبط و کاربران همکاری کند و نیازهای آن‌ها را درک کند.

چطور می‌توان مهندس پرامپت شد؟

اگر تمایل دارید به یک مهندس پرامپت تبدیل شوید که از مشاغل نوظهور و کاملا جدید دنیای هوش مصنوعی است، می‌توانید بر مبنای مراحل زیر گام بردارید. 

• تحصیلات مرتبط: شروع کار باید با دریافت مدرک تحصیلی در رشته‌های مرتبط با هوش مصنوعی، یادگیری ماشین، علوم کامپیوتر یا زبان‌شناسی باشد. تحصیلات در مقطع کارشناسی یا کارشناسی ارشد اجازه می‌دهد با نظریه‌های مربوط به مدل‌های زبانی بهتر آشنا شوید. 
• یادگیری مدل‌های زبانی: برای تبدیل شدن به مهندس پرامپت، باید با مدل‌های زبانی مختلف آشنا شوید. مطالعه و آموزش در مورد مدل‌های مبتنی بر شبکه‌های عصبی بازگشتی و مدل‌های مبتنی بر ترنسفورمر اهمیت زیادی دارد. مهارت در استفاده از این مدل‌ها و درک عمیق از عملکرد آن‌ها ضروری است.
• تجربه عملی: تجربه عملی نیز بسیار مهم است. می‌توانید کار را با استفاده از مدل‌های زبانی موجود و طراحی پرامپت‌ها برای وظایف مختلف آغاز کنید. آزمون و ارزیابی پرامپت‌ها را انجام دهید و بازخورد کاربران را دریافت کنید. این تجربه به شما کمک می‌کند تا مهارت‌های خود را در تنظیم پرامپت‌ها تقویت کنید.
• آشنایی با ابزارها و فریم‌ورک‌های مرتبط: برای انجام کارهای مهندسی پرامپت باید با ابزارها و فریم‌ورک‌های مرتبط آشنا باشید. برخی از ابزارها و فریم‌ورک‌های مشهور، PyTorch، TensorFlow، Hugging Face Transformers و OpenAI GPT هستند. یادگیری نحوه استفاده از این ابزارها و فریم‌ورک‌ها به شما در توسعه و بهبود پرامپت‌ها کمک می‌کند.
• پیوستن به جامعه متخصصان هوش مصنوعی: شرکت در کنفرانس‌ها، وبینارها و گروه‌های مطالعاتی مرتبط باعث ایجاد فرصت‌های یادگیری و تبادل دانش می‌شود. همچنین، همیشه در حال یادگیری و به‌روزرسانی دانش خود باشید. با توجه به سرعت رشد و تحولات در حوزه هوش مصنوعی و پردازش زبان طبیعی، مهندس پرامپت باید پیوسته در حال یادگیری باشد. همچنین، با تمرین مداوم و تمرکز بر پروژه‌های عملی، توانایی خود را در طراحی و بهبود پرامپت‌ها تقویت کنید. همچنین، از منابع آموزشی آنلاین معتبر و کتب مرجع موجود در این حوزه استفاده کنید.

این رشته به اندازه‌ای نوظهور است که هنوز در آگهی‌های شغلی داخلی اشاره‌ای به آن نمی‌شود، بنابراین اگر تمرکز خود را بر روی این عنوان شغلی قرار دهید، در آینده نتایج درخشان آن را مشاهده خواهید کرد.