با چه چیزی حرف می‌زنی؟ اولین گفت‌وگو

در این فصل چه یاد می‌گیری#

تا چند دقیقهٔ دیگر اولین گفت‌وگوی واقعی‌ات را با یک هوش مصنوعی می‌کنی. ولی مهم‌تر از خودِ گفت‌وگو این است که بفهمی داری با چه چیزی حرف می‌زنی: نه یک آدمِ پشتِ صفحه، نه گوگل، نه یک جادو. یک ماشین که جوابش را همان لحظه می‌سازد. آخرِ فصل می‌دانی «مدل» چیست، prompt و response یعنی چه، و چرا جوابی که می‌گیری از هیچ کتابخانه‌ای بیرون کشیده نشده — بلکه تازه ساخته شده.

آخر این فصل می‌توانی:

• بگویی هوش مصنوعی چه هست و چه نیست
• فرقِ chatbot (پنجرهٔ گفت‌وگو) و model (خودِ مغزِ پشتِ آن) را توضیح بدهی
• یک prompt بنویسی و response را بخوانی
• نشان بدهی که جواب تولید می‌شود، نه اینکه از جایی پیدا شود
• اولین خطای مطمئنِ یک مدل را بگیری و وارسی‌اش کنی

قبل از شروع#

این فصل، اولِ راه است؛ پس پیش‌نیازی از فصلِ قبل نداری. فقط دو چیز لازم است: یک مرورگر و یک دستیارِ هوش مصنوعی. دستیارِ رایگان = Gemini، و اگر خواستی، پولی = GPT یا Claude. همین. لازم نیست چیزی نصب کنی. فقط برای اینکه آزمایشگاهِ این دوره از طرفِ تو با مدل حرف بزند، یک «کلیدِ رایگان» هم لازم می‌شود: یک رشتهٔ محرمانه که به حسابِ خودت وصل است و گرفتنش پول نمی‌خواهد.

💡 نکته: اگر هنوز کلیدی نداری، همین حالا برو به بخشِ ۶ همین فصل — «ضمیمه: کلیدِ رایگانت را چطور بگیری» — کلیدت را بگیر و برگرد. چند دقیقه بیشتر طول نمی‌کشد و تا آخرِ دوره همان یک کلید کافی است.

۱. با چه چیزی حرف می‌زنی؟#

یک سؤال تایپ می‌کنی، Enter می‌زنی، و چند لحظه بعد یک متنِ روان و مطمئن جلویت ظاهر می‌شود — انگار یک آدمِ باحوصله پشتِ صفحه نشسته. ولی کسی آن‌جا نیست. این متن را یک برنامه نوشته که به آن مدل می‌گوییم.

بگذار با یک چیزِ آشنا شروع کنیم. صفحه‌کلیدِ گوشی‌ات را باز کن و چند کلمه تایپ کن؛ بالای صفحه‌کلید چند پیشنهاد برای کلمهٔ بعدی می‌آید. صفحه‌کلید که ذهن ندارد و «نمی‌داند» تو چه می‌خواهی بگویی؛ فقط از روی میلیون‌ها جمله‌ای که دیده، حدس می‌زند بعدِ این کلمه چه کلمه‌ای محتمل‌تر است. مدل، در ساده‌ترین تعریف، دقیقاً همین ایده است ولی بی‌نهایت بزرگ‌تر و باهوش‌تر: یک ماشینِ پیش‌بینیِ متن.

پس هوش مصنوعی — دست‌کم آن چیزی که در این دوره با آن کار داریم — یک آدمِ کوچک نیست: احساس و نیت ندارد، و «دانستن» برایش آن معنایی را ندارد که برای تو دارد. متنِ تو را می‌گیرد و حدس می‌زند چه متنی باید بعدش بیاید. همین یک جمله را باقیِ دوره، تکه‌تکه، باز می‌کنیم.

بیا شروع کنیم. در آزمایشگاه این را بفرست:

سلام. در یک جمله به من بگو تو چه هستی و چه نیستی.

جوابی روان می‌گیری. بخوانش، ولی همین اول یک چیز یادت بماند که نخِ اصلیِ کلِ این خودآموز است: خوش‌روان‌بودنِ یک جواب هیچ ربطی به درست‌بودنش ندارد. مدل بلد است مطمئن و قشنگ حرف بزند، حتی وقتی پرت می‌گوید.

۲. دو کلمه: prompt و response#

هر گفت‌وگو دو طرف دارد. آنچه تو می‌نویسی و می‌فرستی، prompt نام دارد. آنچه مدل پس می‌دهد، response است. کلِ کارِ کردن با هوش مصنوعی همین رفت‌وبرگشت است: prompt بده، response بگیر، بعد بهترش کن.

این دو کلمه را ترجمه نمی‌کنیم و به همین شکل نگهشان می‌داریم، چون هر ابزار، هر مستند و هر پیامِ خطایی که بعداً می‌بینی همین کلمه‌ها را به‌کار می‌برد. کسی که «فرمان» و «پاسخ» یاد گرفته باشد، سرِ اولین ابزارِ انگلیسی گیر می‌کند. حالا یک promptِ مشخص‌تر بفرست:

سه خوراکی نام ببر که با «س» شروع می‌شوند.

response را نگاه کن. سه‌تا اسم می‌آورد. حالا یک بار دیگر همین prompt را بفرست. احتمالاً فهرست کمی فرق می‌کند. یعنی جواب از یک جدولِ ثابت خوانده نمی‌شود؛ هر بار دوباره ساخته می‌شود — نکته‌ای که در بخشِ ۴ کاملش می‌کنیم.

۳. chatbot یک پنجره است، model مغزِ پشتِ آن#

وقتی می‌گویی «با هوش مصنوعی حرف زدم»، در واقع دو چیزِ جدا در کار بوده. آن پنجرهٔ گفت‌وگو که پیام تایپ می‌کنی و جواب می‌بینی، یک برنامه است به اسمِ chatbot. ولی chatbot خودش فکر نمی‌کند؛ فقط پیامِ تو را به مدل می‌رساند و جوابِ مدل را به تو نشان می‌دهد.

model همان چیزِ اصلی است: برنامه‌ای که آموزش دیده و متن تولید می‌کند. یک تشبیه: chatbot مثلِ گوشیِ تلفن است و model مثلِ آدمی که آن‌طرفِ خط حرف می‌زند. دو chatbotِ متفاوت می‌توانند به یک modelِ واحد وصل باشند، و یک chatbot هم می‌تواند مدل‌های مختلف داشته باشد. برای همین است که گاهی یک پنجره به تو حقِ انتخابِ مدل می‌دهد — درست مثلِ اینکه آدمِ پشتِ خط را عوض کنی.

💡 نکته: وقتی جایی نوشته «فلان مدل»، منظور مغزِ پشتِ پرده است، نه اسمِ اپلیکیشن. این تفکیک بعداً که دربارهٔ کیفیت و مرزِ مدل‌ها حرف می‌زنیم به کارت می‌آید؛ مدل است که تعیین می‌کند جواب چقدر خوب باشد، نه رنگ و شکلِ پنجره.

۴. جواب ساخته می‌شود، نه پیدا#

این مهم‌ترین بخشِ فصل است. خیلی‌ها فکر می‌کنند مدل مثلِ گوگل یک انبارِ جواب دارد و جوابِ درست را از داخلش پیدا می‌کند. این‌طور نیست. مدل جواب را کلمه‌به‌کلمه تولید می‌کند — هر بار از نو، مثلِ همان صفحه‌کلید که کلمهٔ بعدی را حدس می‌زد. برای همین می‌تواند با همان لحنِ مطمئن، چیزی بسازد که اصلاً وجود ندارد.

ببین چطور خودت این را ثابت کنی. یک اسمِ کتاب از خودت دربیاور که مطمئنی وجود ندارد، و از مدل بخواه خلاصه‌اش کند:

کتاب «آفتاب در جیبِ زمستان» نوشتهٔ مریم کهندل را در سه خط خلاصه کن.

ببین مدل چه داد. اغلب به‌جای اینکه بگوید «چنین کتابی نمی‌شناسم»، با اطمینانِ کامل یک خلاصهٔ باورپذیر می‌سازد — چیزی شبیهِ این (این فقط یک نمونه است؛ خروجیِ تو حتماً فرق می‌کند):

«آفتاب در جیبِ زمستان» رمانی است دربارهٔ دختری به‌نام نگار که پس از مرگِ پدرش
به روستای پدری بازمی‌گردد. کتاب با نثری شاعرانه به تنهایی و امید می‌پردازد و
از پرفروش‌های ادبیاتِ معاصر به شمار می‌آید.

این یک خطای واقعی است. کتابی وجود ندارد، ولی مدل چون جوابش را می‌سازد، جای خالی را با یک داستانِ منطقی پُر می‌کند. اگر باور کنی، گمراه شده‌ای. این دقیقاً یعنی «تولید، نه جست‌وجو» — و اسمِ فنیِ این پدیده را در فصلِ ۴ یاد می‌گیری: hallucination.

و اگر دستیارِ تو درست جواب داد چه؟ ممکن است بگوید چنین کتابی نمی‌شناسد، یا حتی بپرسد نکند منظورت کتابِ دیگری بوده. این شکستِ آزمایش نیست — خبرِ خوبی است، و دلیلش روشن است: دستیارهای تازه‌تر بیشتر تمرین داده شده‌اند که وقتی چیزی را نمی‌دانند همان را بگویند، و بعضی‌شان پیش از جواب‌دادن سراغِ منبعِ بیرونی می‌روند و وقتی چیزی پیدا نمی‌کنند دست‌خالی برمی‌گردند. ولی این یک گارانتی نیست، یک گرایش است: همان دستیار روی یک اسمِ ساختگیِ دیگر، یا فردا، ممکن است بی‌درنگ داستان ببافد. پس دو کار بکن: یک اسمِ ساختگیِ تازه از خودت بساز و دوباره امتحان کن، و پرامپتِ جایگزینِ src/starter.mdِ همین فصل را هم بفرست — آن یکی سرسخت‌تر است. درسِ فصل با هر دو نتیجه سرِ جایش می‌ماند: مدل جواب را می‌سازد، و مطمئن‌حرف‌زدن هیچ‌وقت مدرکِ درست‌بودن نیست.

✅ وارسی: هر ادعای واقعی از مدل را همین‌جا با سه قانونِ ثابتِ این دوره بسنج: «اول خودت فکر کن» — «وارسی کن، خط به خط» — «مدل مطمئن است؛ دلیل نمی‌شود درست باشد». برای این مورد، قدمِ مشخص ساده است: اسمِ کتاب را در یک موتورِ جست‌وجو یا سایتِ کتاب‌فروشی بزن. اگر هیچ نتیجه‌ای نبود، خلاصه از اول ساختگی بوده.

قبل از ادامه، جواب بده: اگر مدل جواب را از یک انبارِ آماده پیدا می‌کرد، آیا می‌توانست خلاصهٔ کتابی را بدهد که اصلاً وجود ندارد؟ چرا این کار از یک ماشینِ تولیدکننده برمی‌آید؟

۵. حالا یک چیز را عوض کن#

بیا همان رفتار را با چشمِ خودت ببینی. یک promptِ خلاقانه بفرست، دو بار پشتِ‌سرِهم:

یک اسمِ بامزه برای یک گربهٔ نارنجی پیشنهاد بده.

بارِ اول یک اسم می‌دهد، بارِ دوم معمولاً اسمی دیگر. حالا فکر کن: اگر مدل جواب را از یک جدولِ ثابت می‌خواند، باید هر دو بار دقیقاً یک چیز می‌گفت. این‌که فرق می‌کند، خودش نشان می‌دهد جواب هر بار از نو ساخته می‌شود. همین ویژگی هم مدل را خلاق می‌کند و هم گاهی بی‌ثبات و اشتباه — و برای همین است که وارسی از فصلِ یک شروع می‌شود، نه فصلِ آخر.

💡 نکته: اگر جوابی که گرفتی دقیق نبود، عیب از تو نیست و کارِ درست این نیست که ناامید شوی. کارِ درست این است که prompt را روشن‌تر کنی و دوباره بفرستی. به این رفت‌وبرگشت «تکرار» می‌گویند و قلبِ ترمِ ۲ است؛ فعلاً فقط بدان که اولین جواب همیشه آخرین جواب نیست.

⚠️ مواظب باش: همین حالا که تازه شروع کرده‌ای یک عادتِ درست بگذار: چیزی که واقعاً خصوصی است — رمزِ عبور، شمارهٔ کارت، رازِ کاری یا اطلاعاتِ شناساییِ کسِ دیگر — داخلِ prompt نگذار. مدل روی سرورِ یک شرکتِ دیگر اجرا می‌شود و در ردهٔ رایگان ممکن است پیامت برای بهترکردنِ مدل استفاده شود. کِی و چه چیزی نباید داد را در فصلِ ۷ کامل می‌بینیم؛ فعلاً همین قاعدهٔ ساده کافی است.

۶. ضمیمه: کلیدِ رایگانت را چطور بگیری#

آزمایشگاهِ این دوره با کلیدِ خودت کار می‌کند: یک رشتهٔ محرمانه که به حسابِ تو وصل است و به آزمایشگاه اجازه می‌دهد از طرفِ تو با مدل حرف بزند. گرفتنش رایگان است و چند دقیقه طول می‌کشد. (اینکه پشتِ پرده چه می‌گذرد، موضوعِ ترمِ ۵ است؛ فعلاً فقط لازمش داریم.)

دستیارِ رایگانِ استانداردِ این دوره Gemini است، ساختِ گوگل، و کلیدش را از سرویسِ Google AI Studio می‌گیری؛ یک حسابِ رایگانِ گوگل کافی است. گزینه‌های پولی (GPT یا Claude) هم کلیدِ خودشان را دارند، ولی هیچ‌جای این دوره لازم نیست چیزی بخری. این آدرس را باز کن:

aistudio.google.com

1. با حسابِ گوگلِ خودت وارد شو؛ اگر حساب نداری، همان‌جا یکی بساز.
2. اولین بار شرایطِ استفاده را نشانت می‌دهد — بخوانش و بپذیر.
3. بخشِ مربوط به کلیدها را پیدا کن و یک کلیدِ تازه بساز. یک رشتهٔ بلند از حرف و عدد تحویلت می‌دهد.
4. کلید را کامل کپی کن، جای امنی روی دستگاهِ خودت نگه‌دار، و در کادرِ کلیدِ آزمایشگاه بچسبانش.

💡 نکته: عمداً اسمِ دکمه‌ها را ننوشتم — در زمان خواندن چک شود: صفحه‌های گوگل هر چند وقت یک بار عوض می‌شوند و راهنمای دکمه‌به‌دکمه زودتر از خودِ دوره کهنه می‌شود. اگر چیدمان فرق داشت، دنبالِ همین چهار کار بگرد: ورود، پذیرشِ شرایط، ساختِ کلید، کپی‌کردن.

کلید مثلِ رمزِ عبور است: هرکس داشته باشدش می‌تواند به‌نامِ تو از سرویس استفاده کند. پس چهار قاعده:

• به کسی نشانش نده و جای عمومی نگذارش.
• در سایت یا ابزارِ ناشناسی که از تو کلید می‌خواهد نچسبانش. آزمایشگاهِ این دوره کلید را فقط در مرورگرِ خودت نگه می‌دارد و با بستنِ صفحه پاکش می‌کند — ولی هر سایتی این‌طور نیست.
• اگر روزی برنامه‌ای نوشتی و منتشرش کردی، کلید هرگز نباید داخلِ کدِ منتشرشده برود. دلیلِ کاملش در ترمِ ۵ می‌آید.
• هر وقت خواستی می‌توانی کلیدت را از همان صفحه پاک کنی و یکی تازه بسازی — رایگان، و کلیدِ قدیمی همان لحظه از کار می‌افتد.

⚠️ مواظب باش: کلید چیزی را در بخشِ حریم خصوصی عوض نمی‌کند؛ همان هشدارِ بالا سرِ جایش است — در ردهٔ رایگان ممکن است prompt و پاسخت برای بهترکردنِ مدل استفاده شود.

🔧 اگر جواب نگرفتی: اگر آزمایشگاه گفت کلید پذیرفته نشد، اول ساده‌ترین احتمال را چک کن: معمولاً تکه‌ای از رشته موقعِ کپی جا مانده یا فاصله‌ای اضافه به اول یا آخرش چسبیده. یک بار دیگر کامل کپی‌اش کن؛ اگر باز هم نشد، کلیدِ قبلی را پاک کن و یکی تازه بساز.

واژه‌های تازهٔ این فصل#

در فصل بعد#

حالا می‌دانی با یک ماشینِ تولیدِ متن حرف می‌زنی که جوابش را می‌سازد. ولی این ماشین این توانایی را از کجا آورد؟ چطور «یاد گرفت» جمله بسازد؟ فصلِ بعد سراغِ training می‌رویم: اینکه مدل روی حجمِ عظیمی از متن آموزش می‌بیند، چرا آنچه در آن می‌ماند «الگو»ست نه «حافظه»، و چرا از یک نقطهٔ زمانی به بعد دیگر چیزِ تازه‌ای نمی‌داند.