این روزها که هوش مصنوعی سراسر جهان را دربرگرفته، کاربران بسیاری درباره این حوزه از علم بیش از هر زمان دیگری کنجکاو شده‌اند. اینکه مدل‌های بزرگ هوش مصنوعی چگونه رفتار و به چه شیوه‌ای عمل می‌کنند، یک هنر بسیار بزرگ است. حتی خبره‌ترین متخصصان فنی نیز از قابلیت‌های شگفت‌انگیز مدل‌های زبان بزرگ مانند LLM در تعجب هستند. LLM در واقع از بلوک‌های اساسی در ساخت چت ربات‌های هوش مصنوعی است که در برنامه معروف Chat GPT نیز استفاده شده است.
بنابراین اصلا جای تعجبی ندارد که در آینده‌ای نه چندان دور، حتی در همین دوره، رشته مهندسی سریع یا مهندسی پرامپت به یکی از داغ‌ترین حوزه‌های دانشگاهی در زمینه هوش مصنوعی تبدیل شود. بدون شک افراد بسیار زیادی به سمت این رشته هجوم خواهند آورد. همچنین مدت زمان زیادی طول نمی‌کشد که تمام فعالیت‌ها و کسب و کارها وابسته به همین هوش مصنوعی شود. به گونه‌ای که امروزه برخی سازمان‌ها حاضرند برای افراد ماهر سطح بالا در این حوزه دستمزدهای نجومی تا 335 هزار دلار نیز پرداخت کنند. اما رشته مهندسی سریع چیست؟
این روزها هوش مصنوعی و برنامه‌های مبتنی بر آن تحولی عظیم در تعامل با تکنولوژی و فناوری ایجاد کرده که به یک بخش جدا ناپذیر در زندگی روزمره افراد تبدیل شده است. از ربات‌های گفتگو گرفته تا توانایی تولید تصاویر و حتی تشخیص پزشکی، از کاربردهای هوش مصنوعی به شمار می‌روند. اما موضوعی که این روزها به یک چالش بزرگ تبدیل شده، توسعه این فناوری و توانایی‌های آن است. اینجاست که رشته مهندسی سریع کاربرد دارد و نقشش در این فناوری پررنگ می‌شود.
مهندسی سریع در واقع رشته‌ای است که در آن عملکردها و توانایی‌های هوش مصنوعی با تنظیم دقیق داده‌های ورودی بهبود می‌یابد. به عبارتی مهندسان سریع در پی کشف کمبودها و خطاهای هوش مصنوعی هستند تا آنها را با اعمال تغییراتی به حداکثر توان خود برسانند. پس می‌توان گفت در مهندسی سریع افراد در تلاش برای بهبود خروجی‌های سیستم هستند تا با نیت انسان هماهنگ شود.
هرچند که تاریخچه مهندسی پرامپت بسیار طولانی اما همراه با پیچیدگی‌ها و تغییر و تحول های بسیار زیادی است که در ادامه سعی کرده‌ایم، مختصری در خصوص آن صحبت کنیم.
تا قبل از توسعه ترنسفورمرهای مولد مانند چت جی پی تی کمتر کسی در خصوص مهندس پرامپت اطلاع داشت. می‌توان گفت که از سال 2017 و با معرفی ترنسفورمر مولد GPT توسط OpenAI ترنسفورمرهای زبانی سر زبان‌ها افتادند. دو عامل محدود کننده مهندسی پرامپت سازگاری و دانش متنی است که در مدل‌های زبانی قدیمی این دو عامل وجود ندارد.
انقلاب بزرگ در حوزه پردازش زبان طبیعی در سال 2017 با ظهور ترنسفورمر و همچنین انتشار مقاله Attention Is All You Need نوشته شده توسط Vaswani et a به وقوع پیوست. به لطف توسعه ترنسفورمرها امکان پیش آموزش مدل‌های زبانی در مقیاس‌های بسیار بزرگ فراهم شد. به این ترتیب از این سال به بعد امکان آموزش به هوش مصنوعی برای قرار دادن درست کلمات کنار یکدیگر به‌وجود آمد. البته در سال 2017 همچنان مهندسی پرامپت ناشناخته بود و کمتر کسی با آشنا بود.
نقطه عطف مهندسی پرامپت را می‌توان، معرفی مدل‌های GPT دانست. در این دوره بود که مهندسان از تکنیک‌های مهندسی پرامپت برای عملکرد هرچه بالاتر GPT استفاده کردند.
در این سال‌ها مهندسی پرامپت شناخته‌تر شد و محققان پروژه‌های مختلفی را با آن امتحان کردند که این پروژه‌ها شامل مواردی مانند استفاده از پرامپت‌های محتوا محور، بررسی تکنیک‌های مختلف از جمله Prefix Tuning و .. میشد. هدف از انجام تمامی این آزمایش‌ها بهبود عملکرد مدل‌های زبانی بود که بیشتر آنها نیز با موفقیت همراه شد. در این سال‌ها بود که مهندسی پرامپت بین متخصصان محبوب شد و بسیاری از تالارهای گفتگو، سمینارها و .. شکل گرفت.
رشته Prompt Engineering صرفا برای افراد فنی نیست، اما چرا؟ زیرا در این رشته از مهارت‌هایی استفاده می‌شود که به حوزه علوم رایانه محدود نمی‌شود. این رشته جنبه‌های خاصی از توسعه هوش مصنوعی مولد را به روی افراد خلاق و با مهارت‌های متنوع باز می‌کند. بخش بزرگی از این رشته مربوط به نوآوری‌های بدون کد است. حتی میر اسبق هوش مصنوعی تسلا، آندری کاریاتی در سال 2023 در صفحه توییتر خود داغ‌ترین زبان برنامه‌نویسی را انگلیسی دانست.
همان‌طور که گفتیم امروزه بسیاری از سازمان‌ها حتی بیمارستان‌هایی مانند: بیمارستان کودکان بوستون، برای جذب مهندسان سریع حرفه‌ای و با تجربه کاری بالا، توسعه‌دهنده یا کدنویس درخواست دادند. اما برای این رشته و فعالیت در آن نیازی به پیش‌زمینه مهندسی قوی نیست. حتی آنا برنشتاین قبل از آنکه در سمت مهندسی سریع Copy.ai مشغول به کار شود، فقط یک نویسنده آزاد و دستیار تحقیقات تاریخی بوده است. حتی در آگهی‌های استخدامی Anthropic نیز برای جذب افراد آشنایی سطح بالا با عملکرد LLM مطلوب بیان شده است. همچنین داوطلبان را در صورتی که تمام معیارهای لازم را ندارند، برای درخواست دادن تشویق کرده است.
یک مهندس سریع خوب می‌تواند محدودیت‌های هوش مصنوعی را جبران کند. چت ربات‌های هوش مصنوعی شاید بتوانند در نحوه استفاده صحیح از واژگان عملکرد بسیار بالایی داشته باشند، اما تجربه کافی و دست اولی از جهان ندارند. به همین دلیل توسعه این فناوری یک تلاش چند رشته‌ای است. با تمام این اوصاف همچنان برخی کارشناسان معتقدند که این رشته عمر چندان طولانی نخواهد داشت، زیرا امکان دریافت خروجی‌های بسیار بهتری از درخواست‌های نابجا وجود دارد. با این حال کاربردهای بسیار زیادی برای هوش مصنوعی مولد وجود دارد و از طرف دیگر کیفیت و عملکرد خروجی این فناوری مولد روز به روز بالاتر می‌رود. این موارد نشان می‌دهد که رشته مهندسی سریع همچنان روی بورس خواهد بود و حداقل به عنوان عملکرد در یک شغل به این زودی‌ها از بین نخواهد رفت.
فعالیت‌های روزانه یک مهندس سریع باید برای هر کسی که با هوش مصنوعی مولد در ارتباط است، به دو دلیل مورد توجه قرار گیرد:
در ادامه مهارت‌های لازم برای ورود به این رشته و حوزه کاری را ارائه خواهیم داد که هیچ ارتباطی با متخصصان فنی ندارند. 5 مهارت غیرفنی که مهندسان سریع باید دارا باشند، شامل موارد زیر هستند:
متاسفانه اغلب کارمندان و افراد در درک درست دستورالعمل‌ها با مشکل مواجه هستند. به همین دلیل نیاز دارند تا فردی با مثال‌های فراوان موضوع و مسائل را برای آنها توضیح دهد. همین موضوع برای هوش مصنوعی نیز صدق می‌کند. بنابراین اولین و مهم‌ترین مهارت یک مهندسی سریع قدرت او در ارتباطات و نحوه بیان مسائل است. یک مهندس سریع باید بتواند مانند مدیران پروژه‌ها، معلم‌ها و هر شخص دیگری که بتواند با نظم به افراد دیگر در رابطه با چگونگی انجام موفقیت‌آمیز یک کار یا مسئله توضیح دهد، در ارائه دستورالعمل‌ها عملکرد بسیار خوبی داشته باشد.
ادوارد تیان سازنده GPTZero ابزاری مبتنی بر هوش مصنوعی تولید کرده که وظیفه آن کشف این مسئله است که “آیا یک مقاله دبیرستانی توسط هوش مصنوعی نوشته شده یا خیر؟” ادوارد با آنکه یک مهندس یادگیری ماشین با مهارت‌های فنی عمیق است، اما برای درک بهتر مثال‌های بسیار زیادی با مدل‌های زبان بزرگ نشان می‌دهد. بنابراین این برنامه می‌تواند با استفاده از صداهای مختلف بنویسد. کاری که ادوارد تیان برای برنامه خود انجام داده را هر شخص دیگری نیز می‌تواند انجام دهد. حال آن شخص می‌تواند یک حرفه‌ای دارای مهارت‌های فنی عمیق باشد، یا دانش‌آموز دبیرستانی که هیچ تخصصی در این زمینه ندارد. هوش مصنوعی برای توسعه و عملکرد بهتر نیازمند یادگیری است که وظیفه آن بر عهده مهندس سریع است. بنابراین یک مهندس سریع باید بتواند درک درستی از واژگان و نحوه استفاده از آنها برای خروجی بهتر را به هوش مصنوعی بفهماند. به عبارت دیگر دستورالعمل‌ها را برای این فناوری به خوبی جا بیاندازد.
یکی از مواردی که در بسیاری از آگهی‌های استخدامی به چشم می‌خورد، داشتن تخصص در رشته‌ای خاص برای مهندسی سریع است. به عنوان مثال یک شرکت تحقیقات مراقبت‌های بهداشتی به منظور تنظیم ربات چت خود به فردی نیاز دارد که در آن صنعت تخصص داشته باشد. به عنوان مثال شرکت Mishcon de Reya LLP یک مرکز حقوقی بریتانیایی است که در آگهی استخدام خود به یک مهندس توسعه اعلان حقوقی GPT که درک عمیقی از رویه‌های حقوقی دارد، نیازمند بود. داشتن تخصص موضوع به منظور ایجاد اعلان‌های قدرتمند و مفید مورد توجه قرار می‌گیرد. توجه به جزئیات و تجربه دنیای واقعی هنگام صحبت با هوش مصنوعی در این حوزه اهمیت بسیار زیادی دارد.
در راستای توسعه هوش مصنوعی باید بتوان آن را با هدف تغذیه کرد. کسانی که مهارت بسیار بالا و مطلوبی در استفاده از افعال، واژگان و زمان‌ها برای بیان یک هدف فراگیر دارند، شرایط لازم برای بهبود و توسعه عملکرد هوش مصنوعی را دارند. دقیقا مشابه مهارتی که آنا برنشتاین برای استخدام در سمت مهندسی سریع Copy.ai دارا بود. آنا در مصاحبه خود از وسواس و تفکر تحلیلی و ادبی که در حوزه زبان داشت، سخن گفته بود. به جای استفاده از زبان‌های برنامه‌نویسی، از زبان نثر استفاده می‌کنند با این هدف که افراد علاقه‌مند به زبان‌شناسی درونی، خود را هنگام توسعه درخواست‌ها آزاد کنند.
فناوری هوش مصنوعی توانایی بالایی در ترکیب حجم وسیعی از اطلاعات دارد. اما گاهی اوقات نیز هوش مصنوعی در اصطلاح دچار توهم می‌شود. این توهمات زمانی اتفاق می‌افتند که یک چت ربات کیفیت پایینی داشته و با اطلاعات ناکافی نیز آموزش و طراحی شده باشد. در این شرایط چت ربات اطلاعات اشتباه بسیاری را منتشر خواهد کرد که به نوعی معتبر و متقاعد کننده است.
مهندسان سریع باید این نقاط ضعف سیستم‌ها را شناسایی و آنها را توسعه دهند. برای توسعه اینگونه ربات‌ها نیز باید با اطلاعات درست، هوش مصنوعی را آموزش داد. به عنوان مثال رایلی گودساید مهندس سریع در استارتاپ هوش مصنوعی Scale AI وقتی از یک چت بات سوال ” کدام تیم NFL در سالی که جاستین بیبر متولد شد، قهرمان سوپر بول شد؟” را پرسید، پاسخ اشتباهی دریافت کرد. رایلی برای آنکه این ضعف سیستم را اصلاح کند، از ربات سوال دیگری را پرسید. او از ربات چت خواست تا زنجیره‌ای از استنتاجات منطقی گام به گام را برای تولید پاسخ فهرست کند. با این سوال در نهایت چت بات خطای خودش را اصلاح کرد. این مثال نشان می‌دهد که داشتن سطح بالایی از آشنایی با موضوع، یک مسئله کلیدی و بسیار مهم است.
خلاقیت به معنی امتحان کردن چیزهای جدید است که در واقع جوهره مهندسی سریع نیز به شمار می‌رود. حتی شرکت آنتروپیک نیز یکی از شرایط استخدام خود را داشتن روح هکر خلاق بیان کرده است. شاید دقیق بودن در زبان مهم باشد، اما اندکی خلاقیت و آزمایش موارد جدید نیز از الزامات توسعه هوش مصنوعی است. مهندسان سریع با آزمودن انواع دستورالعمل‌ها نه تنها اشتباهات هوش مصنوعی را اصلاح می‌کنند، بلکه احتمال دستیابی به موارد منحصربه‌فرد را نیز افزایش می‌دهند.
یادگیری و دانستن تکنیک‌ها و استراتژی‌هایی که مهندسان را وادار به استفاده از آنها می‌کند، به همه انواع کاربران هوش مصنوعی مولد کمک خواهد کرد. این موضوع باعث می‌شود تا کاربران نسبت به نحوه ساختاربندی اعلانات خود با استفاده از خلاقیت، تخصص و تفکر انتقادی، درک بهتری داشته باشند. فهمیدن و درک رشته مهندسی سریع به افراد کمک می‌کند تا بتوانند مسائل و مشکلاتی را که در فرآیند پاسخ سریع رخ می‌دهد، به خوبی شناسایی و اصلاح کنند. این یک رویکرد بسیار با ارزش برای کسانی است که در پی استفاده حداکثری از هوش مصنوعی مولد هستند.
بوت کمپ برنامه نویسی مپصا اچ آر یکی از بهترین و معتبرترین برگزارکنندگان دوره‌های آموزشی در حوزه برنامه نویسی و هوش مصنوعی است. در این مجموعه بوت کمپ‌های مختلف زیر نظر بهترین و مجرب‌ترین اساتید برگزار می‌شود. همچنین می‌توانید با بررسی بلاگ مپصا، از جدیدترین و جذاب‌ترین اخبار و اطلاعات در این زمینه آشنا شوید.
