هم‌هوش — خودآموز هوش مصنوعی

فصل ۹ از ۹

پیشرفت ترم
۰٪

در این فصل چه یاد می‌گیری#

این فصل مفهومِ تازه‌ای ندارد. کارِ امروز این است که ابزارهای این ترم را کنارِ هم بگذاری و یک خروجیِ واقعیِ کاملِ خودت بسازی — نه سه کارِ جدا، بلکه یک جریانِ کاری که سه ابزار را پشتِ‌هم زنجیر می‌کند: پژوهش، بعد نوشتن، بعد یک تصویر. و چون خروجیِ هر مرحله ورودیِ مرحلهٔ بعد است، یک خطای وارسی‌نشده در مرحلهٔ اول تا آخر با تو می‌آید. برای همین سرِ هر مرحله وارسی می‌کنی، نه فقط آخرِ کار.

دستگاهِ خط‌تولیدِ برشی‌خورده با سه ایستگاهِ پشتِ‌هم که هر ایستگاه کار را کمی کامل‌تر می‌کند و در انتها یک خروجیِ واحدِ آماده بیرون می‌آید

آخر این فصل می‌توانی:

  • یک خروجیِ واقعیِ چندمرحله‌ای بسازی (مثلاً یک راهنمای یک‌صفحه‌ای با تصویر)
  • سه ابزارِ این ترم — پژوهش، نوشتن، تصویر — را در یک جریانِ کاری پشتِ‌هم بگذاری
  • سرِ هر مرحله وارسی کنی تا خطا به مرحلهٔ بعد سرایت نکند

قبل از شروع#

  • از فصل ۴ همین ترم: پژوهش و خلاصه‌سازی، و خطرِ منبعِ ساختگی.
  • از فصل ۵ همین ترم: نوشتن و ویرایش، و «صدای خودت را نگه‌دار».
  • از فصل ۱ همین ترم: ساختِ تصویر و محدودیت‌هایش (دست، و متنِ داخلِ تصویر).

لوازم: یک مرورگر، کلیدِ رایگانِ خودت، و یک فایل یا دفتر برای نگه‌داشتنِ خروجیِ هر مرحله. بخش‌های ۲ تا ۴ همین فصل سه ایستگاهِ کارت‌اند و هر کدام بلوکِ وارسیِ خودش را دارد؛ همان سه را برای موضوعِ خودت پر می‌کنی.

۱. خروجی را انتخاب کن#

اول تصمیم بگیر آخرِ کار چه چیزی می‌خواهی دستت باشد. یک خروجیِ کوچک ولی کامل انتخاب کن که واقعاً به‌کارت بیاید. چند نمونه:

  • یک راهنمای یک‌صفحه‌ای دربارهٔ یک موضوع (مثلاً «چطور زبالهٔ خانگی را جدا کنیم») همراه با یک تصویرِ جلد.
  • یک پستِ کوتاه برای معرفیِ یک کتاب که خوانده‌ای، با یک تصویرِ مرتبط.
  • یک اعلانِ کوتاه برای یک رویداد، با یک تصویرِ ساده.

یکی را انتخاب کن. هرچه موضوع مشخص‌تر باشد، جریانِ کارت روان‌تر پیش می‌رود.

۲. قدم اول: پژوهش#

از مدل بخواه موضوعت را برایت خلاصه کند و چند نکتهٔ کلیدی بدهد — همان درسِ فصل ۴. ولی یادت باشد بزرگ‌ترین خطرِ این مرحله منبعِ ساختگی است: مدل ممکن است یک عدد، یک نام یا یک «طبقِ فلان تحقیق» را که اصلاً وجود ندارد با اطمینان به تو بدهد. و چون این مرحله اول است، هر ادعای غلط تا خروجیِ نهایی با تو می‌آید.

✅ وارسی: هر ادعای واقعی (عدد، تاریخ، نام، «طبقِ فلان منبع») را قبل از رفتن به مرحلهٔ بعد در یک منبعِ مستقل چک کن؛ به منبعِ اصلی برگرد. سه قانونِ ثابتِ این دوره همیشه سرِ جایشان‌اند: «اول خودت فکر کن» — «وارسی کن، خط به خط» — «مدل مطمئن است؛ دلیل نمی‌شود درست باشد».

۳. قدم دوم: نوشتن#

حالا نکته‌های وارسی‌شده را به مدل بده و یک پیش‌نویس بخواه — دقیقاً از همان نکته‌هایی که خودت تأیید کرده‌ای، نه از هوا. اگر مدل را آزاد بگذاری از نو موضوع را «پژوهش» کند، دوباره ممکن است چیزِ ساختگی اضافه کند. پس ورودیِ این مرحله باید همان خروجیِ وارسی‌شدهٔ مرحلهٔ قبل باشد.

پیش‌نویس را یک دور ویرایش کن (درسِ فصل ۵): لحن را درست کن، جمله‌های اضافه را بردار، و صدای خودت را نگه‌دار — خروجی باید مثلِ نوشتهٔ تو باشد، نه یک متنِ بی‌صاحبِ ماشینی. یک بار خودت کامل بخوانش؛ اگر جمله‌ای هست که خودت هرگز این‌طور نمی‌گفتی، بازنویسش کن.

۴. قدم سوم: تصویر#

حالا یک تصویرِ جلد بساز (درسِ فصل ۱). موضوع و حال‌وهوایی را که می‌خواهی توصیف کن. ولی محدودیت‌های واقعیِ مدلِ تصویر یادت باشد:

⚠️ مواظب باش: از مدلِ تصویر نخواه متنِ فارسی داخلِ تصویر بگذارد — حروفِ فارسی اغلب خراب و ناخوانا درمی‌آیند. عنوان و هر نوشته‌ای را بیرونِ تصویر، در خودِ صفحه، اضافه کن. و اگر تصویر آدم دارد، دست‌ها و جزئیاتِ ریز را وارسی کن؛ همان‌جاهاست که مدلِ تصویر بیشتر می‌لغزد.

اگر تصویرِ اول آن چیزی نشد که می‌خواستی، توصیفت را دقیق‌تر کن و دوباره بساز — همان حلقهٔ تکرارِ ترم ۲، این‌بار روی تصویر.

۵. وصل‌کن و وارسیِ نهایی#

سه تکه را کنارِ هم بگذار: متنِ ویرایش‌شده، تصویرِ جلد، و منبع‌هایی که چک کردی. کلِ خروجی را یک بار مثلِ یک خوانندهٔ غریبه بخوان و یک وارسیِ نهایی بکن: آیا متن هنوز با همان نکته‌های وارسی‌شدهٔ مرحلهٔ اول می‌خواند، یا موقعِ نوشتن چیزی تازه و چک‌نشده وارد شده؟ این آخرین توری است که یک خطای جامانده را می‌گیرد.

حالا یک خروجیِ کاملِ مالِ خودت داری که سه ابزار ساختندش و تو سرِ هر مرحله وارسی‌اش کردی. این خلاصهٔ کلِ ترمِ ۳ است: هوش مصنوعیِ چندوجهی یک جعبه‌ابزار است، و تو استادِ به‌کار گرفتنش هستی، نه یک تماشاگر.

تمرین‌ها

اول خودت فکر کن یا امتحان کن — بعد اینجا را باز کن.

در فصل بعد#

تبریک — ترم ۳ تمام شد. حالا با هوش مصنوعیِ چندوجهی کارِ واقعی می‌کنی و چند ابزار را در یک جریانِ کاری زنجیر می‌کنی. تا اینجا مدل را همیشه از بیرون به‌کار گرفته‌ای؛ ابزارها را بلدی ولی هنوز نمی‌دانی زیرِ کاپوت چه می‌گذرد. ترمِ بعد، «پشتِ پرده»، می‌رویم داخل: چطور مدل از یک prompt به یک response می‌رسد، embedding و اینکه معنا چطور به عدد تبدیل می‌شود، حافظه و context window، و اینکه RAG و عامل‌ها چه‌اند — همه بدونِ یک خط ریاضی — و چرا فارسی برای مدل‌ها سخت‌تر است. وقتی بفهمی داخل چه می‌گذرد، هم بهتر ازش کار می‌کشی و هم بهتر می‌فهمی کِی و چرا اشتباه می‌کند.

به آخر این فصل رسیدی!

اگر ساختی و جواب داد، این دکمه مال توست.