چگونه خلاقیت هوش مصنوعی را بالا ببریم؟
۴ نکتۀ طلایی برای پرامپتنویسی حرفهای
وقتی صحبت از خلاقیت هوش مصنوعی به میان میآید، بهتر است از نقطهای شروع کنیم که برای همه آشناست: جستوجو در گوگل. اغلب افراد در اولین تجربۀ خود با ابزارهای هوش مصنوعی، درست مانند گوگل با آنها رفتار میکنند؛ یعنی با چند کلمۀ کوتاه، انتظار نتایجی شگفتانگیز را میکشند. البته باید گفت گاهی برای ایدهپردازی و طوفان فکری، این اتفاق واقعاً میافتد.
اما تجربه ثابت کرده است که اگر انرژی و دقت بیشتری برای نوشتن پرامپتهای خود صرف نکنید، خروجیهای هوش مصنوعی بیشتر شبیه به خرید از یک دستگاه فروش خودکار خواهد بود. به بیان دیگر، شما به امید یافتن یک گزینۀ شگفتانگیز به سراغش میروید، اما تمام انتخابها، مواردی تکراری، قابلپیشبینی و حتی گاهی قدیمی و از مد افتاده هستند.
این مطلب از بلاگ صباویژن با الهام از کتاب پروندهای برای ایدههای بد، به بررسی برخی از چارچوبهای خلاقیت در قالب پرامپتهای هوش مصنوعی برای بازاریابان میپردازد.
چگونه با رعایت 4 نکتۀ کلیدی، خلاقیت هوش مصنوعی را افزایش دهیم؟
توانایی ما در کنترل و افزایش خلاقیت ابزارهای هوش مصنوعی همین حالا هم به یک مزیت رقاتی تبدیل شده است. دیگر کافی نیست که تنها به عنوان یک کاربر ساده با این ابزارها تعامل داشته باشیم، بلکه باید یاد بگیریم چگونه با پرامپتنویسی هوشمندانه، پتانسیل کامل خلاقیت در این ابزارها را آزاد کنیم.
در ادامۀ مطلب 4 تکنیک طلایی را معرفی کنیم که به شما کمک میکنند از یک کاربر معمولی به یک همکار خلاق برای هوش مصنوعی تبدیل شوید و نتایج شگفتانگیز و منحصربهفردی را در حوزۀ فعالیتتان رقم بزنید.
۱) به هوش مصنوعی بیاموزید مانند یک متخصص فکر کند
یکی از سادهترین و مؤثرترین راهها برای بهبود خروجی مدلهای زبان بزرگ، «پرامپتنویسی مبتنی بر نقش» (Role Prompting) است. وقتی به مدل میگویید که «تو یک مدیر خلاقیت، یک کپیرایتر حرفهای یا یک استراتژیست کمپین هستی»، هوش مصنوعی بیدرنگ لحن، قالب و سبک تصمیمگیری خود را با آن نقش هماهنگ میکند. اما این تنها قدم اول است.
مرحلۀ بعد، که به آن «پرامپتنویسی مبتنی بر فرآیند» (Process Prompting) میگویند، این است که به مدل بگویید آن متخصص چگونه کار میکند. این کار را میتوان با شرح کلی مراحل کاری، فهرستی از محدودیتهایی که آن متخصص معمولاً زیر پا میگذارد، یا اهدافی که دنبال میکند، انجام داد.
وقتی فرایند را با جزئیات برای هوش مصنوعی تعریف میکنید، کیفیت نتایج جهش چشمگیری پیدا میکند. در واقع، شما در حال طراحی یک گردش کار برای آن هستید. با این کار، مدل دیگر حدس نمیزند، بلکه مانند یک همکار واقعی و حرفهای عمل میکند.
نقطۀ قوت این روش آن است که حالا فرایندی قابلبهبود در اختیار دارید. بنابراین پیشنهاد میکنیم که برای پرامپتهای خود یک فرایند مشخص تعریف کنید و با هر بار استفاده، آن را بهبود ببخشید.
۲) یک حلقۀ بازخورد و بهبود مستمر تعریف کنید
ذهنهای خلاق بزرگ، از ارنست همینگوی که پایان پایان رمان مشهور خود وداع با اسلحه را ۳۹ بار بازنویسی کرد، تا طراحان بزرگی که نمونههای اولیه را بارها و بارها اصلاح میکنند، همگی بر یک اصل استوارند: تکرار. ایدههای درخشان بهندرت در اولین تلاش به شکلی بینقص متولد میشوند و محصول فرایندی از بهبود مستمر، اصلاح و دریافت بازخورد هستند. این چرخۀ تکرار، هستۀ اصلی فرایند خلاقیت انسانی است و دقیقاً همین رویکرد است که میتواند تعامل ما با هوش مصنوعی را از یک گفتوگوی ساده به یک همکاری خلاقانه و عمیق تبدیل کند. وقتی ما این حلقه را در پرامپتهای خود ایجاد میکنیم، در واقع به هوش مصنوعی اجازۀ «یادگیری» و «رشد» میدهیم.
این رویکرد برای همکاری با هوش مصنوعی اهمیتی دوچندان دارد، زیرا این ابزارها با وجود تمام تواناییهایشان، فاقد درک شهودی، سلیقۀ شخصی و زمینۀ فرهنگی هستند. شما میتوانید با اطلاعات اولیه، پرسونا و فرایند، هوش مصنوعی را کاملاً آماده کنید، اما این ابزار هنوز سلیقۀ شما را نمیشناسد. اینجاست که حلقۀ بازخورد وارد عمل میشود تا این شکاف را پر کند.
برای مثال، فرایند «نامگذاری» یک برند را در نظر بگیرید که کاری بسیار دشوار، احساسی و سلیقهای است. هوش مصنوعی میتواند صدها نام را در چند دقیقه تولید کند، اما تنها با بازخورد دقیق شماست که میتواند بفهمد کدام ایدهها به هویت برند نزدیکترند و باید در کدام مسیر به جستوجوی خود ادامه دهد.
برای ساخت این حلقۀ بازخورد، پرامپتهای خود را به یک سیستم تعاملی تبدیل کنید. به جای دریافت یک فهرست بلند از ایدهها، از هوش مصنوعی بخواهید در هر مرحله تعداد محدودی گزینه (مثلاً ۱۰ تا ۲۰ مورد) ارائه دهد و سپس از شما بخواهد بهترینها را انتخاب کنید. میتوانید از سیستمهای شمارهگذاری، امتیازدهی (مثلاً از ۱ تا ۵) یا حتی کلمات کلیدی مشخص (مانند «این را نگه دار»، «این را توسعه بده» یا «مسیر دیگری را امتحان کن») برای ارائۀ بازخورد استفاده کنید. با این کار، شما نهتنها فرایند را مدیریت میکنید، بلکه به هوش مصنوعی الگوهای سلیقۀ خود را نیز آموزش میدهید. در نتیجه، خروجیها در هر مرحله هوشمندانهتر، دقیقتر و به دیدگاه شما نزدیکتر خواهند شد.
۳) الگوها را بشکنید و ایدههای متنوعی را امتحان کنید
طوفان فکری زمانی به بهترین شکل خود میرسد که از «تفکر واگرا» استفاده کنیم؛ یعنی به سراغ ایدههای متنوعی برویم که الگوهای رایج و کارهای قبلی را میشکنند. مشکل اینجاست که مدلهای زبان بزرگ (LLM) ذاتاً «موتورهای پیشبینی» هستند. آنها براساس حجم عظیمی از دادههای موجود آموزش دیدهاند و در نتیجه، تمایل دارند به سمت پاسخهای میانگین و قابلپیشبینی حرکت کنند. این ویژگی برای بسیاری از کارها یک نقطۀ قوت است، اما برای دستیابی به ایدههای نوآورانه و منحصربهفرد، یک مانع بزرگ محسوب میشود. برای شکستن این تمایل ذاتی، باید هوش مصنوعی را وادار کنیم تا از مسیرهای امن و تکراری خود خارج شود و به قلمروهای ناشناخته قدم بگذارد.
برای وادار کردن هوش مصنوعی به ریسکپذیری و ساختارشکنی، میتوانید از تکنیکهای مختلفی استفاده کنید. به طور مثال علاوه بر درخواست ساده از هوش مصنوعی برای ارائۀ «ایدههای بد»، میتوانید با ایجاد «اتصالات اجباری»، آن را به چالش بکشید. اتصالات اجباری یعنی اینکه مثلاً بخواهید یک کمپین بازاریابی برای یک کافۀ جدید با الهام از اصول فیزیک کوانتوم طراحی کند.
روش دیگر، اعمال «محدودیتهای متناقض» است، مانند: یک شعر شاد دربارۀ فقدان بنویس یا یک پوستر مینیمال طراحی کن که حس هرجومرج را منتقل کند. این نوع پرامپتها مدل را مجبور میکنند تا از الگوهای منطقی خود فراتر رفته و به دنبال راهحلهای خلاقانهتر بگردد. حتی میتوانید با تنظیم پارامتری به نام «دما» (Temperature) در برخی پلتفرمها، میزان تصادفی بودن و غیرقابلپیشبینی بودن پاسخها را افزایش دهید.
هدف از ایجاد این هرجومرج خلاقانه، لزوماً استفادۀ مستقیم از ایدههای عجیب یا پوچ نیست. ارزش واقعی این روش در این است که این خروجیهای نامتعارف، به عنوان کاتالیزوری برای خلاقیت خود ما عمل میکنند. آنها ما را از بنبستهای فکری خودمان خارج کرده، دیدگاههای جدیدی را پیش رویمان میگذارند و جرقۀ اتصالهایی غیرمنتظره را در ذهن ما میزنند. در واقع، هوش مصنوعی به ابزاری برای «تفکر واگرا» تبدیل میشود که فضای احتمالات را گسترش میدهد. سپس ما میتوانیم با قضاوت انسانی خود، بهترین و امیدوارکنندهترین ایدهها را از میان این آشفتگی انتخاب کرده و آنها را پرورش دهیم. فراموش نکنید: خلاقیت از دل تضادها زاده میشود.
۴) هوش مصنوعی را به داشتن دیدگاهی قوی و جسورانه وادار کنید
مدلهای هوش مصنوعی بهدلیل ماهیت آموزش و تنظیمات ایمنی خود، ذاتاً به سمت ارائۀ پاسخهای مؤدبانه، محتاطانه و بیطرف گرایش دارند. هدف اصلی آنها «مفید و بیضرر بودن» است که این امر اغلب به قیمت از دست رفتن صراحت و داشتن دیدگاهی قوی تمام میشود. این رویکرد محافظهکارانه، هوش مصنوعی را به یک منتقد ضعیف یا یک شریک خلاق نهچندان کارآمد برای خلق آثار برجسته تبدیل میکند. وقتی شما به دنبال بازخوردی صادقانه برای به چالش کشیدن ایدههایتان هستید، پاسخهای خنثی و کلی هوش مصنوعی نهتنها کمکی نمیکند، بلکه میتواند شما را در منطقۀ امن و تکراری تفکرتان نگه دارد.
برای غلبه بر این محدودیت، باید به هوش مصنوعی «شخصیت» بدهید. این کار فراتر از تعیین یک نقش ساده است؛ شما باید یک پرسونای کامل و چندبعدی برای آن تعریف کنید. یک پرامپت مؤثر در این زمینه، نهتنها شامل عنوان نقش (مانند «منتقد شکاک») است، بلکه باید ارزشهای اصلی، سبک ارتباطی، اهداف و حتی چیزهایی که آن شخصیت از آنها بیزار است را نیز مشخص کند. برای مثال، میتوانید یک «شورای مشاوران» مجازی ایجاد کنید: یک «بنیانگذار رویاپرداز» که به پتانسیلهای بلندمدت اهمیت میدهد، یک «مدیر مالی واقعبین» که نگران هزینهها و بازگشت سرمایه است، و یک «کاربر نهایی بیحوصله» که فقط به دنبال سادگی و کارایی است. این روش، هوش مصنوعی را وادار میکند تا از زوایای مختلف به موضوع نگاه کند و بازخوردهایی غنی، متناقض و بسیار کاربردیتر ارائه دهد.
با استفاده از این «شورای مشاوران» میتوانید یک فرایند ساختاریافته برای ارزیابی و بهبود ایدههای خود ایجاد کنید. پس از ارائۀ یک ایدۀ اولیه، آن را ابتدا به «منتقد شکاک» ارائه دهید تا نقاط ضعف آن را پیدا کند. سپس، آن را نزد «هنرمند» ببرید تا جذابیت احساسی آن را تقویت کند و در نهایت، از «سلیقهساز» بخواهید تا آن را از نظر ظاهری و ارائه، اصلاح کند. این فرایند نهتنها به بهبود مستقیم خروجی هوش مصنوعی کمک میکند، بلکه با وادار کردن شما به دفاع از ایدههایتان در برابر دیدگاههای مختلف، فرایند تفکر خودتان را نیز به چالش میکشد و به خلق اثری جامعتر و پختهتر منجر میشود.
خلاقیت بهتر در هوش مصنوعی، نیازمند یک سیستم زمینهمحور است
همانطور که دیدیم، رویکرد ابتدایی اکثر ما به هوش مصنوعی، یعنی ارائۀ درخواستهای کوتاه و انتظار پاسخهای فوری، با ذات فرایند خلاقیت در تضاد است. خلاقیت، چه برای انسان و چه برای ماشین، یک گفتوگوی مداوم است، نه یک معاملۀ آنی. چهار تکنیکی که در این مطلب بررسی کردیم، در کنار هم یک چارچوب قدرتمند یا یک «سیستم خلاق» را تشکیل میدهند. این سیستم، تعامل ما را از یک سری دستورات پراکنده به یک گفتوگوی ساختاریافته و هدفمند تبدیل میکند. در اینجا هدف دیگر تنها گرفتن یک خروجی بهتر نیست، بلکه ساختن یک محیط همکاری است که در آن هوش مصنوعی یاد میگیرد، با سلیقۀ ما تطبیق پیدا میکند و به یک شریک واقعی در فرایند ایدهپردازی تبدیل میشود.
بنابراین، بیایید نگاهمان را تغییر دهیم و از یک کاربر ساده به یک «معمار سیستمهای خلاق» تبدیل شویم. تسلط بر این مهارت، دیگر تنها به بهبود نتایج بازاریابی یا سرعت بخشیدن به کارها محدود نمیشود، بلکه یک توانایی بنیادین برای آیندۀ کار و نوآوری در عصر هوش مصنوعی است.