پرامپت نویسی در ابتدا می‌تواند دلهره آور به نظر برسد، اما بیایید آن را ساده کنیم!
پرامپت نویسی، قلب تپنده تعامل ما با هوش مصنوعی است، همان دستوری که ما به یک مدل زبانی بزرگ مانند GPT-4 می‌دهیم تا کار خاصی را انجام دهد. این دستور می‌تواند به سادگی پرسیدن یک سوال، یا به پیچیدگی ایجاد یک داستان بلند و ساختارمند باشد. پرامپت نقشی کلیدی در شکل دهی به خروجی مدل ایفا می‌کند. به عبارت دیگر، کیفیت و جزئیات پرامپت ما، مستقیماً بر کیفیت پاسخ هوش مصنوعی تاثیرگذار است.
پرامپت نویسی مانند نوشتن یک دستور پخت دقیق است. هرچه دستور پخت ما دقیق تر و کامل تر باشد، غذای ما هم خوشمزه تر و مطابق با سلیقه مان خواهد بود. در پرامپت نویسی نیز همینطور است. هرچه پرامپت ما مشخص تر و دقیق تر باشد، مدل زبانی هم منظور ما را بهتر درک کرده و خروجی را مطابق نظر ما تولید می کند. برای مثال، اگر به مدل بگوییم “یک متن بنویس”، خروجی بسیار کلی و نامشخص خواهد بود. اما اگر بگوییم “یک مقاله کوتاه درباره مزایای هوش مصنوعی در پزشکی بنویس، با تمرکز بر تشخیص زود هنگام بیماری‌ها”، خروجی بسیار دقیق و هدفمند خواهد بود.
امروزه مولتی مدیا (عکس و فیلم) حرف اول را در دنیای دیجیتال می‌زنند؛ چه بخواهید در شبکه‌های اجتماعی توجه مخاطبان را جلب کنید، یا دانش آموزان را سر کلاس شیفته علم آموزی کنید یا برند خود را در بازار معرفی کنید، ویدیو بهترین ابزار شماست. عکس و ویدیوها با زبانی ساده و جذاب، مستقیم با احساسات ما صحبت می‌کنند و اطلاعات را به شکلی پویا و ماندگار منتقل می‌کنند. از کلیپ‌های کوتاه و جذاب اینستاگرام تا فیلم‌های آموزشی مفصل و تبلیغات سینمایی، دنیای ویدیوها بی‌نهایت گسترده است.
هوش مصنوعی هم به این مهمانی بزرگ پیوسته و به یک دستیار قدرتمند برای تولید مولتی مدیا تبدیل شده است. هوش مصنوعی با خودکار کردن کارهای تکراری، تقویت خلاقیت و ساده‌سازی فرآیند تولید، دنیای مولتی مدیا را متحول کرده است. از نوشتن فیلمنامه و طراحی اولیه گرفته تا ویرایش و اضافه کردن جلوه‌های ویژه، هوش مصنوعی هر کاری را می‌تواند انجام دهد تا شما فقط بر روی داستان‌گویی جذاب تمرکز کنید. با هوش مصنوعی، عصر جدیدی از تولید ویدیو آغاز شده است؛ عصری پر از نوآوری و امکانات بی‌نهایت!
بیشتر بخوانید:
۵ ترفند برای نوشتن پرامپت‌های ChatGPT – تکنیک‌هایی برای استفاده بهتر از هوش‌مصنوعی
۱۵۰ پرامپت ChatGPT برای کارهای مختلف؛ همراه با مثال‌های فارسی
۷ نکته برای نوشتن دستورات پرامپت ChatGPT
در ادامه این مقاله، به آموزش گام به گام پرامپت نویسی با ذکر مثال خواهیم پرداخت. با نقطه همراه باشید.
درک نحوه پرامپت نویسی
یکی از روش‌های خوب برای درک نحوه نوشتن پرامپت های ساخت عکس و ویدیو، تحلیل آثار هنری مشهور و تجزیه و تحلیل آن‌هاست. موضوع چیست؟ نورپردازی چگونه است؟ چگونه محیط را توصیف می‌کنید؟
به عنوان مثال، می‌توان یک نقاشی از ژرژ سورا را اینگونه توصیف کرد:
پاریسی‌های آرام، با لباس‌های قرن نوزدهمی، در یک روز آفتابی در پارکی سبز و پر درخت به تصویر کشیده شده‌اند. یک دریاچه کوچک در گوشه بالا سمت راست دیده می‌شود و قایق‌های بادبانی سفید در دوردست قرار دارند. نقاشی با سبک نقطه‌چینی توسط ژرژ سورا انجام شده است.
حالا می‌توانید از این توصیف برای کمک به ایجاد پرامپت خود استفاده کنید!
ساختار مفید برای پرامپت نویسی
برای شروع نوشتن یک پرامپت خوب، از این ساختار کلی ۵ مرحله‌ای پیروی کنید:
1- موضوع پرامپت
تمرکز اصلی چیست؟
به عنوان مثال: پاریسی‌ها، قایق‌های بادبانی سفید، میمون کوچک، سگ‌های خانگی.
2- جزئیات و توصیفات اضافی
جزئیات بیشتری در مورد موضوع ارائه دهید، از جمله نوع کار، جزئیات اضافی و رنگ که ظاهر یا ویژگی‌های آن را توصیف می‌کند.
به عنوان مثال: نقاشی رنگ و روغن، سبز تیره.
3- عمل
استفاده از افعال و قیدها برای توصیف موضوع و کارهایی که در حال انجام است.
به عنوان مثال: آرامش، نشستن، ماهیگیری.
4- محیط
اطلاعاتی درباره پس زمینه یا محیط صحنه ارائه دهید.
به عنوان مثال: پارک سبز و پر درخت، دریاچه کوچک، چندین درخت.
5- اصلاح کننده ها و سبک
هر گونه جزئیات نهایی که تأثیر بر حس یا ظاهر تصویر یا صحنه دارد را اضافه کنید.
به عنوان مثال: نیمه آفتابی، نقطه‌چینی، سبک ژرژ سورا.
تکرار پرامپت نویسی
پرامپت نویسی نیازمند آزمون و خطاهای متعدد است. افزودن کلمات کلیدی بیشتر، نتایج را دقیق‌تر و خاص‌تر می‌کند. برای بهبود پرامپت، در هر مرحله بیش از دو کلمه کلیدی اضافه نکنید. این کار به شما کمک می‌کند تا تأثیر هر کلمه کلیدی را به طور جداگانه ارزیابی کنید.
بیایید از توصیف نقاشی سورا به عنوان یک مثال برای تکرار استفاده کنیم
پرامپت ۱: پاریسی‌های آرام که چتر به دست نشسته اند، قایق‌های بادبانی سفید، میمون کوچک، چند سگ، نقاشی رنگ و روغن، لباس‌های قرن نوزدهم، در پارک سبز و پر درخت، نقطه‌چینی، در سبک ژرژ سورا
نتیجه اولین پرامپت، بسیاری از جنبه‌های آثر اصلی را شامل می‌شود، اما بیایید بیشتر بر روی موضوعات انسانی تمرکز کنیم و سگ‌ها و میمون کوچک را از پرامپت حذف کنیم.
پرامپت ۲: پاریسی‌های آرام که چتر به دست نشسته اند، قایق‌های بادبانی سفید، نقاشی رنگ و روغن، لباس‌های قرن نوزدهم، در پارک سبز و پر درخت، نقطه‌چینی، در سبک ژرژ سورا
پرامپت دوم بیشتر بر روی موضوعات انسانی تمرکز دارد و تصویر مطابق میلمان شد، اما تعداد چترها بیشتر از تعداد مورد نظر ما است، بنابراین بیایید چترها را کم اهمیت تر کنیم. می خواهم که سگ‌ها را هم به پرامپت برگردانیم؛ مانند نقاشی اصلی.
پرامپت نهایی: پاریسی‌های آرام، چتر به دست در پارک سبز و پر درخت نشسته اند (چتر به دست:0.25)، قایق‌های بادبانی سفید، نقاشی رنگ و روغن، لباس‌های قرن نوزدهم، ، (نقطه‌چینی)، در سبک ژرژ سورا
نسخه نهایی به چیزی که تصور می‌شد نزدیک است، اما همچنان می‌توانید کار خود را تا رسیدن به نتیجه‌ای که دقیقاً می‌خواهید، اصلاح کنید.
پرامپت‌های وزنی در هوش مصنوعی
همانطور که سیستم‌های هوش مصنوعی بهتر می‌شوند، کاربران می‌توانند به روش‌های پیشرفته‌تری با این مدل‌ها تعامل داشته باشند. یکی از این روش‌ها استفاده از مقیاس‌های اهمیت و پرامپت‌های وزنی است. اما این مقیاس‌ها دقیقاً چه هستند و چگونه واکنش مدل‌های هوش مصنوعی به ورودی‌ها را تغییر می‌دهند؟
پرامپت وزنی به زبان ساده، به این معناست که ما به هر کلمه یا عبارت موجود در پرامپت، یک اهمیت یا وزن خاص اختصاص می‌دهیم. این وزن تعیین می‌کند که مدل هوش مصنوعی به کدام بخش از پرامپت توجه بیشتری داشته باشد. به عنوان مثال، اگر بخواهیم یک شعر در مورد عشق بنویسیم، می‌توانیم به کلمات کلیدی مانند “عشق”، “دلدادگی” و “عاشقانه” وزن بیشتری بدهیم تا مدل، خروجی‌ای متناسب با این مفاهیم تولید کند.
چرا از پرامپت‌های وزنی استفاده می‌کنیم؟
- کنترل دقیق بر نتایج: با استفاده از پرامپت‌های وزنی، می‌توانیم خروجی مدل را به طور دقیق‌تر کنترل کرده و نتایج دلخواه خود را به دست آوریم.
- افزایش خلاقیت: با تغییر وزن کلمات کلیدی، می‌توانیم مدل را به سمت تولید نتایج خلاقانه تر و متنوع تر سوق دهیم.
- بهبود کیفیت نتایج: با تنظیم دقیق وزن‌ها، می‌توانیم از بروز خطاها و تناقضات در خروجی مدل جلوگیری کنیم و کیفیت نتایج را بهبود بخشیم.
درک خط پایه
بیایید با یک مثال ساده شروع کنیم. فرض کنید می‌خواهیم به یک مدل هوش مصنوعی دستور بدهیم. هر کلمه‌ای که در این دستور استفاده می‌کنیم، در ابتدا برای مدل به یک اندازه مهم است، انگار که همه کلمات با هم برابرند.
اما گاهی اوقات، ما با مقیاس اهمیت می توانیم به مدل بگوییم که بعضی کلمات مهم‌تر از بقیه هستند. برای این کار، به هر کلمه یک وزن اختصاص می دهیم. کلماتی که مهم‌ترند، وزن بیشتری می‌گیرند و کلماتی که کمتر مهم هستند، وزن کمتر. با این کار، مدل هوش مصنوعی می‌فهمد که باید به کدام کلمات بیشتر توجه کند و نتیجه کار دقیق‌تر می‌شود.
مقیاس اهمیت (Importance Scale)
مقیاس اهمیت یک سیستم است که به کاربران اجازه می‌دهد تا اهمیت کلمات یا عبارات در یک پرامپت را رتبه‌بندی کنند. با استفاده از این مقیاس، کاربران می‌توانند نشان دهند که کدام قسمت از ورودی باید بیشتر توجه شود.
تصور کنید کلمات و عبارت‌ها مثل ترازو هستند. هر کدام وزنی دارند که نشان دهنده اهمیت آن‌هاست. کلمات سنگین تر (با وزن بیشتر) مهم ترند و مدل بیشتر به آن‌ها توجه می‌کند. کلمات سبک تر (با وزن کمتر) اهمیت کمتری دارند و مدل کمتر به آن‌ها توجه خواهد کرد.
چگونه اهمیت را اختصاص دهیم؟
(کلمه) : اگر یک کلمه را در یک مجموعه پرانتز قرار دهید، مدل در حدود ۱.۱ برابر بیشتر به آن کلمه توجه می‌کند. این باعث می‌شود که کلمه کمی بیشتر در محاسبات مدل اهمیت پیدا کند، اما نه خیلی زیاد.
((کلمه)) : دو پرانتز تأکید بر روی کلمه را افزایش می‌دهد. توجه به کلمه با ضریب ۱.۲۱ افزایش می‌یابد، که اساساً ۱.۱ در خودش ضرب شده است.
(کلمه:1.5) : مشخص کردن یک ضریب مستقیماً کنترل بهتری می‌دهد. این باعث می‌شود توجه به “کلمه” ۱.۵ برابر بیشتر شود.
(کلمه:0.25) : استفاده از ضریب کمتر از ۱ به کاربران اجازه می‌دهد تا توجه مدل به یک کلمه را کاهش دهند. در این مورد، توجه با ضریب ۴ کاهش می‌یابد، که معکوس ۰.۲۵ است.
نتایج استفاده از مقیاس اهمیت
این مقیاس به کاربران اجازه می‌دهد تا پرامپت هایی با ترتیب دقیق اهمیت ایجاد کنند. به عنوان مثال در داستان‌گویی، ممکن است بخواهید اطمینان حاصل کنید که موضوع “رستگاری” مهم‌تر از یک جزئیات کوچک مانند “هوای بارانی” است. با استفاده از مقیاس اهمیت، می‌توانید خاص بودن یک کلمه را به مدل هوش مصنوعی بفهمانید.
به مثال زیر توجه کنید که با تغییر مقیاس اهمیت رستگاری و هوای بارانی، نتیجه چطور تغییر می کند.
پرامپت: دختر جوان، در بالای آسمان‌خراش بلند، (رستگاری)، اشک بر روی صورتش، مشت گره‌کرده، (هوای بارانی: 0.25)
پرامپت: دختر جوان، در بالای آسمان‌خراش بلند، (رستگاری: 0.2)، اشک بر روی صورتش، مشت گره‌کرده، (هوای بارانی: 1.25)
استراتژی های وزن دهی
برای مشخص کردن ترتیب اهمیت واضح در پرامپت، وزن‌ها را اختصاص دهید. وقتی چندین کلمه یا عبارت وزن یکسان دارند، هوش مصنوعی هر یک از آن‌ها را به یک اندازه مهم تلقی می‌کند، بنابراین استراتژی زیر را دنبال کنید.
1- ابتدا عناصر مهم‌تر را شناسایی کنید و به آن‌ها بالاترین وزن‌ها را اختصاص دهید.
2- سپس به صورت سیستماتیک وزن‌های کمتر را به عناصر کم اهمیت تر نسبت دهید.
3- اگر در نتایج خود چیزی عجیب یا غیرمعمول مشاهده کردید، ممکن است نشان دهد که به یک کلمه یا عبارت خاص بیش از حد اهمیت داده شده است.
منبع:
https://intercom.help/kaiber/en/articles/8358962-how-to-prompt-in-kaiber-an-advanced-guide
https://helpcenter.kaiber.ai/en/articles/7935594-how-to-prompt-in-kaiber-a-beginner-s-guide
