ما هي أساسيات التلقين؟

التلقين هو الإدخال أو الأمر المُعطى لنظام الذكاء الاصطناعي الذي يرشده لتنفيذ مهمة محددة أو إنشاء استجابة محددة.

ومن أبسط أنواع التلقينات طرح سؤال أساسي بإجابة صحيحة واحدة، مثل:

التلقين: ما هي أكبر غابة في العالم؟

المخرجات: أكبر غابة في العالم هي غابات الأمازون المطيرة.

وقد يتضمن التلقين الأكثر تعقيدًا قليلاً مطالبة الذكاء الاصطناعي بما يلي:

التلقين: يرجى إنشاء قائمة بأكبر ثلاث غابات، حسب مساحة سطحها.

المخرجات:

1. غابات الأمازون المطيرة - أمريكا الجنوبية
2. غابات تايغا وبوريال - أمريكا الشمالية وأوروبا وآسيا
3. غابات الكونغو المطيرة - وسط أفريقيا

تحدد التلقينات جودة المخرجات المحددة من أنظمة الذكاء الاصطناعي التوليدي. وإنشاء تلقينات وجيهة تؤدي إلى نتائج ذات صلة وقابلة للاستخدام هو العنصر الأساسي لاستخدام الذكاء الاصطناعي التوليدي بنجاح. وتعتمد أنظمة الذكاء الاصطناعي التوليدي على تحسين تقنيات هندسة التلقين للتعلم من البيانات المتنوعة وتقليل التحيزات والحد من الالتباس، وإنتاج استجابات دقيقة.

ويقوم مهندسو التلقين بصياغة الاستعلامات التي تساعد أنظمة الذكاء الاصطناعي على استيعاب اللغة والفروق الدقيقة والقصد من وراء التلقين. وتؤثر دقة التلقين وصياغته بشكل جيد بشكل كبير في جودة المحتوى المُنشأ بواسطة الذكاء الاصطناعي—سواء كان صورًا أو تعليمات برمجية أو ملخصات بيانات أو نص.

وتعمل التلقينات الفعالة على سد الفجوة بين الاستعلامات الأولية واستجابات الذكاء الاصطناعي الهادفة. ويعمل مهندسو التلقين على تحسين جودة مخرجات النماذج وارتباطها لتلبية الاحتياجات الخاصة والعامة على حد سواء. وتؤدي هذه العملية إلى تقليل الحاجة إلى المراجعة اليدوية وتحرير ما بعد الإنشاء، مما يوفر الوقت والجهد في تحقيق النتائج المرجوة.

أمثلة على هندسة التلقين

يتفاعل المستخدمون مع نماذج الذكاء الاصطناعي التوليدي من خلال التلقينات النصية. وتتنبأ النماذج بالسلسلة التالية من الكلمات بناءً على النص السابق. فكر في سؤال "ما هو أول شيء تفكر فيه عندما أقول <تلقين>؟" على سبيل المثال، يتيح التلقين بالكلمات الأولى لاقتباس أو عبارة معروفة للنموذج متابعة النص بدقة:

التلقين: العشب هو

المخرجات: أخضر.

وتعمل مزيد من التلقينات المُدخَلة بنفس الطريقة، حيث يستجيب النموذج من خلال تصوره عن الإجابة الأكثر احتمالاً. وتساعد تقنيات هندسة التلقين نظام الذكاء الاصطناعي على فهم الطلبات والتعليمات بشكل أفضل، مما يؤدي إلى تحسين جودة مخرجات النموذج.

ما هي بعض أساليب التلقين الأساسية؟

التلقين بدون أمثلة مباشرة

يتضمن هذا إعطاء النموذج مهمة مباشرة دون تقديم أي أمثلة أو سياق. وهناك عدة طرق لاستخدام هذا الأسلوب:

• السؤال: يتطلب هذا إجابة محددة وهو مفيد للحصول على ردود مباشرة وواقعية. مثال: ما هي الأسباب الرئيسية لتغير المناخ؟
• التعليمات: يوجه هذا الذكاء الاصطناعي إلى تنفيذ مهمة معينة أو تقديم معلومات بتنسيق محدد. وهي فعالة لإنشاء استجابات منظمة أو إكمال مهام محددة. مثال: اسرد أهم خمسة آثار لتغير المناخ على البيئة وقدِّم شرحًا موجزًا لكل منها.

ويعتمد نجاح التلقين بدون أمثلة مباشرة على المهام المحددة التي تم تدريب النموذج على أدائها بشكل جيد، بالإضافة إلى مدى تعقيد المهمة المُعطاة.

انظر إلى هذا المثال: اشرح كيف يسهم إزالة الغابات في تغير المناخ.

من الممكن أن تكون الإجابة المُنشأة حوالي 2000 كلمة—وهذا يُعد طويلاً وكبيرًا للغاية بحيث يكون مفيدًا إذا كنت بحاجة إلى جملة واحدة فقط. وإذا كان الأمر كذلك، فقد حان الوقت لتحسين النهج باستخدام تلقين بمثال واحد أو ببعض الأمثلة:

التلقين بمثال واحد

يقدم هذا مثالاً واحدًا لتوضيح تنسيق الاستجابة المطلوبة أو نمطها، مما يساعد في توجيه النموذج بكفاءة أكبر من التلقين بدون أمثلة مباشرة. مثال:

على سبيل المثال: يطلق حرق الوقود الأحفوري ثاني أكسيد الكربون، الذي يؤدي إلى احتباس الحرارة في الغلاف الجوي، مما يؤدي إلى الاحتباس الحراري.

الآن، اشرح كيف تسهم الزراعة الصناعية في تغير المناخ.

التلقين ببعض الأمثلة

يقدم هذا النهج أمثلة متعددة للنموذج، مما يعزز فهمه للمهمة والمخرجات المتوقعة. وهو مفيد بشكل خاص للاستعلامات الأكثر تعقيدًا أو إنشاء استجابات دقيقة. مثال:

الأمثلة المقدمة:

• يطلق احتراق الوقود الأحفوري في المركبات غازات الدفيئة، مما يزيد من درجات حرارة الغلاف الجوي.
• تؤدي إزالة الغابات إلى تقليل عدد الأشجار التي يمكن أن تمتص ثاني أكسيد الكربون، مما يكثف من الاحتباس الحراري.
• في الزراعة الصناعية، يتم إنتاج غاز الميثان من الماشية، مما يسهم في ظاهرة غازات الدفيئة.

الآن، صف كيفية تأثير التحضر العمراني على تغير المناخ.

تقنيات هندسة التلقين

تساعد تقنيات التلقين المتقدمة أدوات الذكاء الاصطناعي التوليدي على معالجة المهام المعقدة بنجاح أكبر. ويستخدم مهندسو التلقين التقنيات التالية لتحقيق السرعة والكفاءة:

• الصياغة: تقديم المعلومات الأساسية ضمن التلقين لمساعدة النموذج على فهم الموضوع بشكل أفضل. مثال: بالنظر إلى ارتفاع درجة الحرارة العالمية بمقدار 1.2 درجة مئوية منذ عصور ما قبل الثورة الصناعية، ناقش الآثار المحتملة على القمم الجليدية القطبية.
• تعيين الأدوار: إرشاد النموذج للاستجابة مثل نوع محدد من الخبراء أو بنمط معين. مثال: بوصفك عالم بيئي، اشرح العلاقة بين انبعاثات غازات الدفيئة وتغير المناخ.
• حقن التلقين: إدراج تعليمات محددة تؤثر في النموذج لإنتاج المخرجات المطلوبة من وجهة نظر محددة، مع الحفاظ على الصلة والدقة. مثال: اشرح أسباب التغير المناخي. وكذلك قم بتذكير القارئ بتقليل بصمته الكربونية من خلال استخدام مصادر الطاقة المتجددة.
• التلقينات التسلسلية: تقسيم الاستعلامات المعقدة إلى أجزاء أصغر، قابلة للإدارة لضمان الوضوح والعمق. مثال: أولاً، بيِّن المصادر الرئيسية لانبعاثات الميثان. ثم اشرح كيف تسهم هذه المصادر في تغير المناخ.
• التلقينات المقارنة: مطالبة النموذج بإجراء المقارنة والمقابلة للجوانب المختلفة لموضوع ما لتوفير منظور متوازن في الاستجابة. مثال: قارن التأثير الناتج عن اعتماد الطاقة المتجددة في الحد من آثار الكربون في الدول المتقدمة مقابل الدول النامية.
• السيناريوهات الافتراضية: استخدام سيناريوهات ماذا لو لاستكشاف النتائج أو العواقب المحتملة. مثال: ماذا لو اعتمدت جميع الدول سياسات محايدة الكربون بحلول عام 2030؟ وكيف سيؤثر ذلك على اتجاهات درجات الحرارة العالمية؟
• إدراج التعليقات: تقديم تعليقات على الردود السابقة لتنقية مخرجات النماذج اللاحقة وتحسينها. مثال: في السابق، ذكرت أن إزالة الغابات هو عامل مساهم رئيسي في تغير المناخ. فهل يمكنك الآن تقديم تفاصيل عن ممارسات محددة لإزالة الغابات يكون لها الأثر الأكبر في ذلك؟
• تلقين سلسلة أفكار: تشجيع نظام الذكاء الاصطناعي على توضيح عملية التفكير خطوة بخطوة. مثال: اشرح كيفية مساهمة الأنشطة الصناعية في تغير المناخ. وابدأ باستخراج المواد الخام، ثم ناقش عملية التصنيع، وأخيرًا، الانبعاثات الناتجة من المنتجات النهائية.
• الاتساق الذاتي: إنشاء إجابات متعددة لنفس التلقين وتحديد الإجابة الأكثر اتساقًا. مثال: ما الأسباب الأساسية للاحتباس الحراري؟ قدِّم ثلاثة إجابات مختلفة، ومن ثم حدد العوامل المشتركة بينها.
• شجرة الأفكار: استكشاف أساليب التفكير المنطقي أو الحلول المختلفة لمشكلة ما. مثال: انظر إلى ثلاث استراتيجيات للحد من انبعاثات الكربون: الطاقة المتجددة، واحتجاز الكربون، وإعادة زراعة الغابات. وناقش المزايا والعيوب في كل نهج.
• الإنشاء المعزَّز بالاسترجاع: تحسين الاستجابات بالمعلومات التي يتم استرجاعها من مستندات أو قواعد بيانات خارجية. مثال: استنادًا إلى أحدث تقرير لفريق الخبراء الحكوميين الدوليين المعني بتغير المناخ، لخِّص الآثار المتوقعة لتغير المناخ على مستويات البحار في العالم.
• استخدام الأدوات والمنطق التلقائي: إرشاد نظام الذكاء الاصطناعي لاستخدام مجموعات البيانات أو الأدوات الخارجية لدعم إجاباته. مثال: استخدم البيانات المناخية الصادرة عن الإدارة الوطنية لدراسة المحيطات والغلاف الجوي لتحليل الاتجاه في درجات الحرارة العالمية على مدى الخمسين سنة الماضية واشرح النتائج.
• التلقين بالرسم البياني: استخدام البيانات المنظمة في شكل رسوم بيانية أو شبكات لتوجيه الاستجابات. مثال: بالنظر إلى الرسم البياني لانبعاثات الكربون العالمية حسب القطاع، ناقش القطاعات التي تحتاج إلى إجراء إصلاحات عاجلة أكثر من غيرها لتحقيق أهداف المناخ.
• التلقين بسلسلة الأفكار متعددة الوسائط: دمج أنواع متعددة من البيانات مثل النص والصور والرسومات في تلقين لتعزيز منطق النموذج. مثال: قم بتحليل الرسم البياني المقدَّم الذي يوضح مستويات ثاني أكسيد الكربون على مدار القرن الماضي واشرح كيفية ارتباط هذه التغييرات باتجاهات درجة الحرارة العالمية الموضحة في الصورة.

التلقين هو نوع من الفن (ضمن التخصص التقني) الذي يتم صقله وتحسينه مع مرور الوقت مع التجريب والخبرة. ويجب مراعاة هذه التكتيكات للحصول على أفضل النتائج:

• إعطاء تعليمات محددة. لا تترك مجالاً لسوء الفهم وحدد نطاق الاحتمالات العملية.
• رسم الصورة وبها كلمات. استخدم المقارنات قابلة للربط.
• تعزيز الرسالة. في بعض الأحيان يحتاج النموذج إلى تعليمات متكررة. لذا أدخل التوجيه في بداية التلقين وفي نهايته.
• ترتيب التلقين منطقيًا. يؤثر ترتيب المعلومات على النتائج. وبالتالي يمكن أن يؤدي وضع التعليمات في بداية التلقين، مثل توجيه النموذج إلى "تلخيص ما يلي" إلى نتائج مختلفة عن وضع التعليمات في النهاية ومطالبة النموذج "بتلخيص ما سبق." كما يمكن أن يؤثر ترتيب أمثلة المدخلات على النتائج؛ لأن الانحياز للأحدث موجود في النماذج.
• إدخال خيار احتياطي للنموذج. إذا كانت تسعى جاهدًا إلى إنجاز مهمة معينة، فاقترح مسارًا بديلاً. على سبيل المثال، عند طرح استعلام على نص، فإن تضمين عبارة مثل "الرد 'بلم يتم العثور عليه' عندما لا توجد إجابة" يمكن أن يمنع النموذج من إنشاء استجابات غير صحيحة.

مزايا هندسة التلقين

من بين المزايا الرئيسية لهندسة التلقين هو أنها تتطلب أدنى قدرٍ من المراجعة والجهد بعد إنشاء المخرجات. ويمكن أن تختلف النتائج المدعومة بالذكاء الاصطناعي من حيث الجودة، وغالبًا ما تحتاج إلى مراجعة من الخبراء وإعادة العمل. ولكن التلقينات المكتوبة بشكل جيد تساعد على ضمان أن تعكس مخرجات الذكاء الاصطناعي القصد الأصلي، مما يقلل من إجراء عمل مكثف بعد المعالجة.

وتشمل المزايا البارزة الأخرى لهندسة التلقين ما يلي:

• تحقيق الكفاءة في عمليات تفاعل الذكاء الاصطناعي على المدى الطويل، مع تطور الذكاء الاصطناعي من خلال الاستخدام المستمر
• الاستخدام المبتكر للذكاء الاصطناعي بما يتجاوز تصميمه والغرض الأصلي منه
• الحفاظ على مواكبة المستقبل مع زيادة عدد أنظمة الذكاء الاصطناعي وتعقيدها

فوائد هندسة التلقين للأعمال

تحقق هندسة التلقين أيضًا فوائد لعمليات الأعمال اليومية، مثل:

• تحسين عملية اتخاذ القرارات بفضل الرؤى المدعومة بالذكاء الاصطناعي التي تحقق نموًا استراتيجيًا للأعمال
• توفير تجارب مخصصة للعملاء من خلال الاستجابات المخصصة وعمليات التفاعل السلسة
• تحسين تخصيص الموارد الذي من شأنه توفير الموارد الحاسوبية وتقليل التكاليف
• زيادة القدرة على التكيف مع المتطلبات الخاصة بالصناعة، وتعظيم قيمة تطبيق الذكاء الاصطناعي
• هذا ويتم تطبيق الممارسات الأخلاقية للذكاء الاصطناعي التي تتصدى للتحيز وتساعد على ضمان تحقيق الإنصاف في أنظمة الذكاء الاصطناعي التوليدي، مما يعمل على تعزيز الشمولية وتحقيق نتائج أكثر إنصافًا في الأعمال والمجتمع

كيف تعمل هندسة التلقين على تحسين أنظمة الذكاء الاصطناعي التوليدي؟

تعمل هندسة التلقين الفعالة على جعل أنظمة الذكاء الاصطناعي التوليدي أكثر ذكاءً من خلال الجمع بين المعرفة التقنية والفهم العميق للغة الطبيعية والمفردات والسياق للحصول على مخرجات قابلة للاستخدام تتطلب أدنى قدر من المراجعات.

ونماذج الأساس التي تدعم الذكاء الاصطناعي التوليدي هي عبارة عن نماذج لغوية كبيرة (نماذج LLM) مبنية على بُنى المحولات، ونماذج التعلم العميق التي تعالج بيانات المدخلات كلها في وقت واحد وليس في تسلسل. وهذا يجعلها مفيدة بشكل خاص لمهام مثل الترجمة اللغوية وإنشاء النص. وتحتوي النماذج اللغوية الكبيرة على جميع المعلومات التي يحتاجها نظام الذكاء الاصطناعي.

وتستخدم نماذج الذكاء الاصطناعي التوليدي بُني المحولات لفهم تعقيدات اللغة ومعالجة كميات كبيرة من البيانات من خلال الشبكات العصبية. وتشكل هندسة التلقين للذكاء الاصطناعي مخرجات النموذج، مما يضمن استجابة نظام الذكاء الاصطناعي بشكل مفيد ومتسق.

وهناك عدة أساليب تتخذها النماذج لإنشاء استجابات فعالة:

• إنشاء الرموز المميزة: تقسيم النص إلى أجزاء أصغر لتسهيل التحليل، مما يساعد الآلات على فهم اللغة البشرية بشكل أفضل
• ضبط معامل النموذج: الاحتفاظ بمعامِلات النموذج المُدرَّبة مسبقًا على حالتها لتقليل حِمل الاحتساب
• أخذ العينات من أعلى إلى أعلى: تقييد اختيار الكلمة التالية للمخرجات على الخيارات الأكثر احتمالاً فقط على أساس الاحتمالية المتوقعة، مما يساعد في الحفاظ على سياق الاستجابة والترابط

يمكن لنماذج الذكاء الاصطناعي التوليدي إنتاج استجابات مركَّبة بفضل معالجة اللغات الطبيعية (NLP). ومعالجة اللغات الطبيعية هي أحد مجالات الذكاء الاصطناعي التي تركز على التفاعل بين أجهزة الكمبيوتر والبشر من خلال اللغة الطبيعية التي تمكِّن الآلات من فهم لغة البشر وتفسيرها وإنشائها.

وتمكِّن عمليات تحضير علوم البيانات وبُنى المحولات وخوارزميات تدريب الآلة هذه النماذج من فهم اللغة واستخدام مجموعات البيانات الضخمة لإنشاء نصوص أو صور. وتستخدم نماذج تحويل النص إلى صورة نموذجًا لغويًا كبيرًا إلى جانب النشر الثابت، الذي يؤدي إلى إنشاء الصور من أوصاف النصوص.

حالات استخدام هندسة التلقين

تتيح زيادة إمكانية الوصول إلى الذكاء الاصطناعي التوليدي للشركات استكشاف حل المشكلات الفعلية من خلال هندسة التلقين:

الرعاية الصحية

يقوم مهندسو التلقين بدور حاسم في توجيه أنظمة الذكاء الاصطناعي لتلخيص البيانات الطبية ووضع خطط العلاج. وتمكِّن التلقينات الفعالة نماذج الذكاء الاصطناعي من معالجة بيانات المريض بدقة، مما يؤدي إلى إصدار توصيات سريرية ثاقبة ودقيقة.

التسويق

تساعد هندسة التلقين على تسريع إنشاء المحتوى وخفض التكلفة والوقت المستغرَق للإنتاج. وهي تساعد أيضًا في إنشاء الأفكار والتخصيص وصياغة جميع أنواع عناصر التسليم.

كتابة التعليمات البرمجية للبرامج

تعتمد أدوات المساعد الرقمي على قوة هندسة التلقين لكتابة التعليمات البرمجية بسرعة أكبر من خلال توفير اقتراحات جيدة لسطور التعليمات البرمجية اللاحقة، وتبسيط ديناميكيات تطوير البرامج.

الأمن السيبراني

يستخدم علماء البيانات والخبراء المتخصصون الذكاء الاصطناعي لمحاكاة الهجمات الإلكترونية ووضع خطط دفاعية أقوى. ويمكن أن يساعد إنشاء تلقينات لنماذج الذكاء الاصطناعي في العثور على نقاط الضعف في البرامج.

هندسة البرامج

يمكن لمهندسي التلقين إنشاء أجزاء من التعليمات البرمجية بكفاءة وتبسيط المهام المعقدة الأخرى مع أنظمة الذكاء الاصطناعي التوليدي التي يتم تدريبها على لغات برمجة متعددة. وباستخدام تلقينات محددة، يقوم المطوِّرون بأتمتة التعليمات البرمجية وتصحيح الأخطاء وتصميم عمليات تكامل واجهة برمجة التطبيقات لتقليل المهام اليدوية وإنشاء تدفقات عمل على أساس واجهة برمجة التطبيقات للتحكم في عناصر معالجة البيانات وتخصيص الموارد بشكل أفضل.

روبوتات الدردشة

يقوم مطوِّرو روبوتات الدردشة بصياغة تلقينات فعالة لضمان فهم أنظمة الذكاء الاصطناعي لاستعلامات المستخدم وتوفير إجابات ذات صلة بالسياق وذات معنى في الوقت الفعلي.

ما المهارات التي يحتاجها مهندس التلقين؟

هناك طلب على مهندسي التلقين حاليًا في شركات التكنولوجيا الكبرى للقيام بما يلي:

• إنشاء محتوى جديد
• معالجة الاستعلامات المعقدة
• التأكد من احتواء التلقينات على معلومات ذات صلة
• ضبط التلقينات لزيادة الدقة
• تحسين مهام معالجة الترجمة الآلية واللغات الطبيعية
• تقييم جودة المخرجات المُنشأة وتحسين التلقينات وفقًا لذلك

ويجب أن يتمتع مهندسو التلقين بالمهارات التالية لتحقيق النجاح:

• فهم كيفية عمل النماذج اللغوية الكبيرة
• التواصل الفعال لشرح المفاهيم التقنية بشكل فعال
• الكفاءة في البرمجة، وخاصةً لغة Python
• الإلمام الشديد ببُنى البيانات والخوارزميات

ومن بين عوامل الكفاءة الأساسية إتقان اللغة الإنجليزية، وهي اللغة الأساسية لتدريب نماذج الذكاء الاصطناعي التوليدي. ويبحث مهندسو التلقين بعمق في المفردات والفروق الدقيقة والصياغة والسياق واللغويات لتصميم تلقينات من شأنها توجيه استجابات الذكاء الاصطناعي بدقة. وسواء كان الأمر من توجيه النموذج لإنشاء التعليمات البرمجية، أو فهم العناصر السابقة لإنشاء الصور، أو التكيف مع الأنماط السردية المتنوعة للمهام اللغوية، فإن مهندسي التلقين يخصصون تلقيناتهم بدقة لتحقيق النتائج المرجوة.

الأسئلة المتكررة

ما هي الشبكات العصبية؟

الشبكات العصبية هي نماذج حسابية بها عُقد مجمَّعة معًا مثل الخلايا العصبية في الدماغ البيولوجي. وهي تتيح إمكانية معالجة الإشارات السريعة والمتوازية التي تحسن التعرف على الأنماط والتعلم العميق.

ما هو المحتوى الأساسي؟

يشكل المحتوى الأساسي الأساس لأي عمليات تفاعل أو تواصل أو إجراءات يقوم نموذج الذكاء الاصطناعي التوليدي بتنفيذها أو اقتراحها. ويقوم مهندسو التلقين بتوفير هذه البيانات الأولية، ويقوم النموذج بجمعها وتحليلها ومعالجتها للتطبيقات المختلفة.