هوش مصنوعی را از کجا شروع کنیم؟ نقشهٔ راهِ واقعبینانه
جستجو کن «هوش مصنوعی را از کجا شروع کنیم» و با فهرستهایی روبهرو میشوی که با جبرِ خطی و حسابان و آمار شروع میشوند و بعد به پایتون و یادگیری ماشین میرسند. آن فهرستها غلط نیستند — برای کسی که میخواهد مهندسِ یادگیری ماشین شود. ولی بیشترِ کسانی که این را جستجو میکنند چنین قصدی ندارند. میخواهند این چیزی را که همه دربارهٔ آن حرف میزنند بفهمند و بتوانند خوب ازش استفاده کنند.
این دو مسیرِ کاملاً متفاوتاند، و قاطیکردنشان دلیلِ اصلیِ رهاکردن است: کسی که میخواست بفهمد چطور با هوش مصنوعی کار کند، خودش را پشتِ مشتقِ جزئی میبیند و نتیجه میگیرد «این برای من نیست».
اول تصمیم بگیر کدام مسیر
مسیرِ استفادهکننده: میخواهی بفهمی مدل چطور کار میکند، کِی میشود بهش اعتماد کرد، چطور درست باهاش حرف بزنی، و با آن چیزی بسازی. اینجا ریاضی لازم نداری. چند هفته کافی است تا واقعاً کاربلد شوی.
مسیرِ سازنده: میخواهی خودت مدل بسازی و آموزش بدهی. اینجا ریاضی لازم است، و آن فهرستها درستاند.
نکتهٔ مهم: مسیرِ دوم بعد از اولی میآید، نه بهجایش. کسی که میفهمد مدل چه میکند و کجا میلغزد، وقتی سراغِ ریاضی برود میداند چرا دارد آن را میخواند. برعکسش معمولاً به رهاکردن ختم میشود.
بقیهٔ این نوشته دربارهٔ مسیرِ اول است.
قدم ۱ — بفهم واقعاً چه اتفاقی میافتد
قبل از هر ترفندی، یک نقشهٔ ذهنیِ درست لازم داری. اینکه مدل جواب را از انباری بیرون نمیکشد بلکه میسازد، اینکه توکن چیست، اینکه چرا از یک جایی به بعد خبر ندارد.
این قدم را نپر. تقریباً همهٔ اشتباهاتِ بعدی — اعتمادِ بیجا، پرامپتهای بیاثر، تعجب از رفتارهای عجیب — از نداشتنِ همین تصویر میآیند. مدلهای زبانی چطور کار میکنند دقیقاً همین را بدونِ یک خط ریاضی توضیح میدهد.
قدم ۲ — یاد بگیر کِی نباید باور کنی
مدل با همان لحنِ مطمئنی که راست میگوید، دروغ هم میگوید. منبعِ جعلی میسازد، عددِ اشتباه میدهد، و هیچ نشانهای در لحنش نیست که بگوید «اینجا مطمئن نیستم».
این قدمِ دوم است چون بدونِ آن، هرچه در قدمهای بعدی یاد بگیری خطرناکتر میشود: کسی که پرامپتنویسیِ خوب بلد است ولی وارسی بلد نیست، فقط سریعتر به جوابِ غلط میرسد. توهم در هوش مصنوعی نشان میدهد این از کجا میآید و چطور بگیریش.
قدم ۳ — درست حرف زدن
حالا که میدانی مدل چیست و کجا میلغزد، پرامپتنویسی معنا پیدا میکند. و برخلافِ چیزی که در فهرستهای «۵۰ پرامپت جادویی» میبینی، مسئله حفظکردنِ عبارت نیست — انتقالِ نیت و زمینه است، بهعلاوهٔ حلقهٔ تکرار. پرامپتنویسی چیست این را باز میکند.
قدم ۴ — بساز
اینجاست که بیشترِ آدمها متوقف میشوند: بلدند با مدل حرف بزنند، ولی هیچوقت چیزی نمیسازند. و ساختن دقیقاً همان جایی است که فهمِ سطحی از فهمِ واقعی جدا میشود.
لازم نیست بزرگ باشد. یک ابزارِ کوچک که یک کارِ مشخص را انجام دهد کافی است. وقتی خودت مدل را صدا میزنی، ناگهان چیزهایی معنا پیدا میکنند که در حالتِ چت نامرئی بودند: اینکه دستورالعملِ سیستم چه فرقی میکند، چرا خروجیِ ساختاریافته مهم است، و اینکه وقتی مدل چیزی برمیگرداند که انتظارش را نداشتی، برنامهٔ تو باید چه کند.
چقدر طول میکشد
قدمهای ۱ تا ۳ برای کسی که هفتهای چند ساعت وقت بگذارد، چند هفته است. قدم ۴ تمامنشدنی است، چون همیشه چیزِ بعدی هست که بسازی.
و چیزی که لازم نداری: کارتِ گرافیکِ گران، ریاضیِ دانشگاهی، انگلیسیِ عالی. برای مسیرِ استفادهکننده هیچکدام از اینها شرط نیستند.
همین حالا شروع کن
آزمایشگاهِ چت را باز کن و همان چیزهایی را که خواندی امتحان کن — همان پرامپت را با زمینهٔ متفاوت بفرست و ببین جواب چطور عوض میشود:
- آزمایشگاه پرامپتنویسی — زنده، در مرورگر
- اولین گفتوگو
و اگر همین مسیر را با ترتیب و تمرین میخواهی، آموزش هوش مصنوعی همهوش دقیقاً همین چهار قدم را از صفر جلو میبرد؛ فصلهای اولش رایگان است.
