منبع: هنر: DALL-E/OpenAI

درخواست در قلب تعامل ما با مدل های زبان بزرگ است. و توجه زیادی به “مهندسی سریع” معطوف شده است – اصطلاحی که در حال حاضر رایج است و نشان دهنده تمرین ایجاد دستورالعمل هایی برای هدایت پاسخ های مدل های هوش مصنوعی است. اما همانطور که تعامل خود را با این مدل‌های زبانی عمیق‌تر می‌کنیم، چیز جالبی پدیدار شد: تکاملی از مهندسی سریع به چیزی که بهتر است «شیمی سریع» نامیده شود. به جای اینکه اعلان‌ها را صرفاً دستورالعمل‌ها ببینیم، شروع به مشاهده آنها به عنوان ترکیبی کرده‌ایم، با کلمات و عبارات جداگانه که برای ایجاد اثراتی که اغلب بسیار بیشتر از مجموع اجزای آنها هستند، در تعامل هستند. فلاسک ارلن خود را بیرون بیاورید و بیایید همه چیز را با هم مخلوط کنیم.

از مهندسی تا شیمی

مهندسی سریع به طور سنتی بر ایجاد ورودی های با ساختار، شفاف و کامل متمرکز بوده است. با این حال، مشاهدات من تغییری را نشان می‌دهد: به نظر می‌رسد ترکیب‌های کلمات خاصی مانند ترکیبات مولکولی عمل می‌کنند و رفتارهای هوش مصنوعی منحصربه‌فرد را تسریع می‌کنند. همانطور که H2O آب با خواصی فراتر از هیدروژن یا اکسیژن به تنهایی ایجاد می کند، این عبارات با دقت انتخاب شده باعث ایجاد “واکنش های” پیچیده هوش مصنوعی می شوند. این تغییر ما را فراتر از تفکر ساختاری حرکت می‌دهد و از ما دعوت می‌کند تا با اعلان‌ها به‌عنوان مولکول‌های زبانی رفتار کنیم، و تجزیه و تحلیل کنیم که چگونه ترکیب‌های خاص پاسخ‌های دلخواه – و اغلب به‌طور غیرمنتظره‌ای روشن‌کننده – ایجاد می‌کنند.

این مفهوم به طرز جالبی با روش شناسی زنجیره فکر همسو می شود، جایی که اعلان ها برای تشویق استدلال گام به گام طراحی شده اند. زنجیره فکر نشان می‌دهد که چگونه ساختار سریع، زمانی که به طور متفکرانه ساخته شود، می‌تواند هوش مصنوعی را به حالت‌های شناختی عمیق‌تر و عمدی‌تر هدایت کند، دقیقاً مانند کاتالیزورها در یک واکنش شیمیایی.

ساخت کاتالیزورهای زبانی

در هسته این شیمی، کاتالیزورهای زبانی وجود دارد – ترکیبات کلمات خاص که می توانند پاسخ های هوش مصنوعی را تقویت یا تغییر دهند. درست مانند شیمی، این کاتالیزورها در سطوح مختلف عمل می‌کنند و می‌توانند به شکل‌های پیچیده‌تر «مولکولی» ترکیب شوند:

جفت کاتالیزوری پایه در اعلان هوش مصنوعی، حتی یک عبارت دو کلمه ای می تواند به عنوان یک کاتالیزور قدرتمند عمل کند. این موارد را در نظر بگیرید:

تحلیل انتقادی –تفکر عمیق تر و ارزشی تر را تحریک می کند.

کاوش سیستماتیک –یک رویکرد ساختاریافته و گام به گام را تحریک می کند.

اساساً در نظر بگیرید –باعث فرو رفتن در اصول اصلی یا اولیه می شود.

ترکیبات کاتالیزوری پیچیده این جفت‌های اساسی را می‌توان بیشتر در ترکیب‌های کاتالیزوری پیچیده ترکیب کرد – ترکیب‌های چند کلمه‌ای که حتی پاسخ‌های هوش مصنوعی دقیق‌تری را دعوت می‌کنند. به عنوان مثال:

تجزیه و تحلیل گام به گام اصول اولیه –یک رویکرد جامع و بنیادی را تشویق می کند.

بررسی عمیق سیستماتیک انتقادی-یک کاوش دقیق با عمق لایه‌ای را تحریک می‌کند.

کاوش جامع با ساختار دقیق –منجر به یک پاسخ کامل و سازمان یافته می شود.

در این زمینه، تفاوت فقط در مورد تعداد کلمات یا عبارت‌بندی نیست. این در مورد استفاده از قدرت منحصر به فرد این ترکیبات برای ایجاد اثرات شناختی ظریف است. مدل زبان به شیوه‌ای پیچیده‌تر فعال می‌شود، گویی که درخواست «انرژی فعال‌سازی» خود را برای تفکر پیشرفته کاهش داده است، مشابه نحوه عملکرد واکنش‌های شیمیایی.

ویژگی‌های واکنشی: چگونه مولکول‌های سریع بر هوش مصنوعی تأثیر می‌گذارند

مانند ترکیبات شیمیایی، این «مولکول‌ها» خصوصیاتی را نشان می‌دهند که آنها را بسیار فراتر از مجموعه‌ای از کلمات می‌سازد:

غیر خطی بودن: تأثیرات یک درخواست خوب انتخاب شده اغلب از مجموع اجزای آن فراتر می رود و تحلیل عمیق تر یا پاسخ منسجم تری از آنچه انتظار داریم ایجاد می کند.

خاص بودن: ترکیب‌های خاصی تمایل دارند حالت‌های پردازش خاصی را در مدل فعال کنند و آن را به سمت حوزه‌هایی از تحلیل هدایت کنند که ممکن است در غیر این صورت ایجاد نشود.

سازگاری: ترکیبات کاتالیزوری موثر می توانند نتایج مشابهی را در موضوعات مختلف به همراه داشته باشند که نشان دهنده کیفیت “واکنشی” قابل تکرار است.

مقیاس پذیری: جفت‌های کاتالیزوری ساده اغلب می‌توانند در «زنجیره‌های واکنش» پیچیده‌تر ترکیب شوند که امکان لایه‌بندی تدریجی تفکر، خلاقیت یا بینش را فراهم می‌کند.

جدول تناوبی عناصر سریع؟

قیاس با شیمی آینده ای شگفت انگیز را نشان می دهد. یک “جدول تناوبی” از عناصر سریع را تصور کنید – یک سیستم سازمان یافته از کاتالیزورها و ترکیبات زبانی که می تواند برای شکل دادن به پاسخ های هوش مصنوعی با دقت و قصد استفاده شود. چنین جدولی ممکن است کاتالیزورهای رایج مانند «تجزیه و تحلیل انتقادی» یا «کاوش جامع» را دسته‌بندی کند و نشان دهد که چگونه می‌توان آن‌ها را برای استخراج «الگوهای واکنش» دلخواه در خروجی هوش مصنوعی توالی‌بندی کرد.

دستورالعمل های عملی برای شیمی سریع

شیمی سریع فقط یک مفهوم دانشگاهی نیست. می تواند نحوه تعامل ما با هوش مصنوعی را در سطح عملی تغییر دهد. در اینجا چند مرحله برای کشف شیمی تحریک وجود دارد:

با جفت های پایه شروع کنید: شروع به آزمایش با جفت‌های کاتالیزوری ساده مانند «تجزیه و تحلیل انتقادی» یا «کاوش سیستماتیک» کنید تا تأثیر آن‌ها را بر پاسخ‌های هوش مصنوعی مشاهده کنید.

ساخت ترکیبات پیچیده: هنگامی که با جفت‌های پایه آشنا شدید، سعی کنید آنها را در ساختارهای پیچیده‌تری ترکیب کنید و به نحوه تعامل آنها برای تولید خروجی‌های پیچیده‌تر توجه کنید.

نظارت بر واکنش ها: به نتایج دقت کنید. ترکیب‌های مختلف چگونه بر عمق تحلیل، ساختار و وضوح مفهومی هوش مصنوعی تأثیر می‌گذارند؟ با توجه به این اثرات، می توانید رویکرد خود را اصلاح کنید، و درک کنید که چه “تمرکز” عناصر خاص بهترین کار را دارد.

آینده مولکولی تحریک

این دیدگاه گسترش یافته در مورد تحریک هوش مصنوعی نشان می دهد که ما فقط در ابتدای یک درک گسترده تر و عمیق تر از نحوه تأثیر زبان بر شناخت هستیم – حتی در سیستم های غیر انسانی. با حرکت مفهومی از مهندسی به شیمی، راه‌های جدیدی را برای تفکر در مورد هوش مصنوعی و زبان باز می‌کنیم که فراتر از دریافت «پاسخ درست» است. در عوض، ما وارد فضایی می‌شویم که ساختار زبان ما نه تنها به آنچه گفته می‌شود، بلکه نحوه تفکر، ساخت و ارائه آن را شکل می‌دهد.

به این ترتیب، شیمی سریع فقط یک استعاره جدید نیست. این یک تغییر اساسی در نحوه تعامل و مفهوم سازی ما با LLM ها است. با شناسایی و به کارگیری این کاتالیزورهای زبانی، ما از مکانیک مهندسی سریع فراتر می رویم و به یک تعامل تقریباً در سطح مولکولی می رویم که زبان را به نیرویی پویا و واکنشی برای هوش تبدیل می کند. و شاید، همانطور که به کاوش ادامه می‌دهیم، متوجه می‌شویم که قدرت زبان فقط در ارتباط نیست، بلکه در واکنش‌های کیمیاگری است که شعله‌ور می‌شود.