تیر
آموزش هوش مصنوعی
پرامپت زنجیرهی فکر (Chain of Thought): جوابهای دقیقتر از هوش مصنوعی
زنجیرهی فکر (Chain of Thought) یکی از قدرتمندترین و در عین حال سادهترین ترفندهای پرامپتنویسی است؛ در این آموزش یاد میگیری چطور فقط با یک جمله، جوابهای هوش مصنوعی را دقیقتر، شفافتر و قابلاعتمادتر کنی.
لیست مطالب
زنجیرهی فکر (Chain of Thought) چیست؟
فرض کن از یک دوستِ باهوش میپرسی «۱۸ درصد تخفیف روی ۳۲۰ هزار تومان چقدر میشود؟» و او بدون هیچ مکثی یک عدد میگوید. گاهی درست است و گاهی غلط، چون مغز وقتی عجله دارد راهِ میانبر میزند. حالا اگر بگویی «آرام باش، مرحلهبهمرحله حساب کن»، ناگهان دقتش بالا میرود. مدلهای زبانی بزرگ مثل ChatGPT هم دقیقاً همین رفتار را دارند: وقتی مجبورشان کنی پیش از جواب «بلند فکر کنند»، کیفیت پاسخ بهطرز محسوسی بهتر میشود.
به این تکنیک میگویند «زنجیرهی فکر» یا Chain of Thought. ایدهاش خیلی ساده است: بهجای اینکه فقط نتیجهٔ نهایی را بخواهی، از مدل میخواهی گامهای میانیِ استدلالش را هم بنویسد. این کار مثل آن است که به دانشآموز بگویی «فقط جواب را ننویس؛ راهِ حل را هم نشان بده». همینکه مسیرِ فکر روی صفحه میآید، مدل فرصت پیدا میکند خطاهای خودش را وسطِ راه اصلاح کند. اگر تازه با مفهومِ پرامپت آشنا شدهای، پیشنهاد میکنم اول راهنمای پرامپتنویسی برای مبتدیها را بخوانی تا پایهٔ کار دستت بیاید.
نکتهٔ مهم این است که زنجیرهی فکر یک قابلیتِ پنهانِ مدل نیست که لازم باشد آن را روشن کنی؛ بلکه یک عادتِ پرامپتنویسی است. تو با نحوهٔ نوشتنِ درخواست، تصمیم میگیری مدل «سریع» جواب بدهد یا «با فکر». و همین انتخاب، تفاوتِ بین یک جوابِ سرسری و یک تحلیلِ قابلاعتماد است.
چرا «بلند فکر کردن» جوابها را دقیقتر میکند؟
مدلهای زبانی کلمهبهکلمه متن تولید میکنند؛ هر کلمه بر اساس کلمههای قبلی پیشبینی میشود. وقتی مدل مجبور باشد فوراً به نتیجهٔ نهایی برسد، تمام محاسبهٔ پیچیده باید در یک پرش اتفاق بیفتد و همینجا خطاها زاده میشوند. اما وقتی اجازه میدهی مدل گامهای میانی را بنویسد، هر گام به یک «تکیهگاه» برای گام بعدی تبدیل میشود. عملاً مدل حافظهٔ کاریاش را روی کاغذ میریزد و روی همان میسازد.
به زبان ساده، زنجیرهی فکر مسئلهٔ بزرگ را به چند مسئلهٔ کوچک میشکند. حل کردنِ پنج قدمِ ساده همیشه از یک پرشِ بزرگ مطمئنتر است. برای همین است که این تکنیک روی مسائل ریاضی، معماها، استدلال منطقی، برنامهریزی و هر کاری که «چند مرحله» دارد بیشترین اثر را میگذارد. اگر بخواهی مجموعهترفندهای بیشتری برای گرفتن جوابِ بهتر یاد بگیری، آرشیو آموزشهای ChatGPT پر از نمونههای کاربردی است.
یک مزیت جانبی هم دارد: وقتی مدل استدلالش را نشان میدهد، تو هم میتوانی آن را بازبینی کنی. اگر جایی از منطقش را اشتباه بروی، دقیقاً میبینی خطا کجاست و میتوانی با یک پیامِ کوتاه اصلاحش کنی. این شفافیت، مخصوصاً وقتی به جوابِ مدل برای کارِ مهمی تکیه میکنی، ارزشِ طلا دارد.
جملهٔ جادویی: سادهترین شکل پرامپت زنجیرهای
سادهترین شکلِ این تکنیک فقط یک جمله است که تهِ پرامپت اضافه میکنی. کافی است بنویسی «قدمبهقدم فکر کن و بعد جواب نهایی را بده». همین. مدل بهجای پرتاب کردنِ یک عدد یا یک نتیجهٔ خام، مسیرِ رسیدن به جواب را باز میکند.
۱۷ درصد از ۲۴۰ هزار تومان را حساب کن. مرحلهبهمرحله محاسبه کن و در پایان فقط عدد نهایی را در یک خط بگو.
تفاوت را با یک نمونهٔ منطقی هم ببین. سؤالِ زیر از آن دست سؤالهایی است که مدلها اگر عجله کنند اشتباه جواب میدهند، اما با زنجیرهی فکر معمولاً درست از آب درمیآید:
در یک کلاس، تعداد دخترها دو برابر پسرهاست. اگر ۶ پسر از کلاس بروند، تعداد دخترها سه برابر پسرها میشود. اول تعداد اولیهٔ پسرها و دخترها را با معادله پیدا کن، مرحلهبهمرحله توضیح بده و بعد جواب نهایی را بنویس.
دیدی چطور با اضافه کردنِ یک عبارتِ کوچک، ساختارِ جوابِ مدل کاملاً عوض شد؟ این همان جادوی زنجیرهی فکر است: کمترین تلاش، بیشترین اثر.
زنجیرهی فکر با مثال: تکنیک Few-shot
برای کارهای سختتر یا سبکهای خاصِ استدلال، میتوانی به مدل یک «نمونهٔ حلشده» نشان بدهی تا الگوی فکر کردن را یاد بگیرد. به این کار Few-shot Chain of Thought میگویند؛ یعنی ترکیبِ زنجیرهی فکر با چند مثال. تو یک مسئلهٔ مشابه را کامل حل میکنی و بعد مسئلهٔ اصلی را میپرسی. مدل همان مسیرِ منظم را برای مسئلهٔ جدید تکرار میکند.
نمونه — سؤال: اگر ۳ کارگر در ۶ روز یک دیوار میسازند، ۶ کارگر در چند روز میسازند؟ حل: کل کار برابر ۳×۶ یعنی ۱۸ نفرروز است؛ با ۶ کارگر میشود ۱۸ تقسیم بر ۶ یعنی ۳ روز. حالا با دقیقاً همین روش این سؤال را حل کن: اگر ۴ لوله در ۸ ساعت یک استخر را پر کنند، ۶ لوله در چند ساعت پر میکنند؟
مزیت این روش این است که مدل نهتنها درست جواب میدهد، بلکه با همان «قالبِ» دلخواهِ تو جواب میدهد. اگر دوست داری خروجی همیشه فرمتِ مشخصی داشته باشد، نمونهای که میدهی همان فرمت را به مدل تلقین میکند. این تکنیک برای مسائل تخصصی، کدنویسی و حتی نوشتنِ ساختارمند فوقالعاده کار میکند.
یک نکتهٔ ظریف: نمونهای که میدهی باید درست و تمیز باشد. اگر مثالِ تو خطا داشته باشد، مدل خطا را هم کپی میکند. پس مثالِ آموزشیات را با دقت بنویس؛ همانقدر که به سؤالِ اصلی اهمیت میدهی.
زنجیرهی فکر برای تصمیمگیری و کارهای چندمرحلهای
خیلیها فکر میکنند زنجیرهی فکر فقط برای ریاضی است، اما بزرگترین کاربردش در تصمیمگیری و تحلیل است. هر جا که باید چند گزینه را سبکسنگین کنی یا یک کارِ پیچیده را برنامهریزی کنی، این تکنیک میدرخشد. کافی است مدل را وادار کنی اول معیارها را مشخص کند، بعد ارزیابی کند و در آخر نتیجه بگیرد.
میخواهم بین دو لپتاپ یکی را برای کارهای برنامهنویسی انتخاب کنم. اول معیارهای مهم (پردازنده، رم، قیمت، خنکماندن، وزن) را فهرست کن، بعد هر لپتاپ را روی این معیارها از ۱ تا ۱۰ امتیاز بده، و در پایان با ذکر دلیل بگو کدام را پیشنهاد میکنی.
این ساختار، مدل را از یک نظرِ سرسری بیرون میکشد و به یک تحلیلِ شفاف میرساند. تو هم دیگر مجبور نیستی چشمبسته به جواب اعتماد کنی؛ چون کلِ زنجیرهٔ استدلال جلوی چشمت است و میتوانی هر جا خواستی وارد شوی و بگویی «معیارِ قیمت برای من مهمتر است، دوباره وزندهی کن». همین رفتوبرگشتِ مرحلهبهمرحله است که کیفیت تصمیم را بالا میبرد.
همین منطق را میتوانی برای نوشتنِ نقشهٔ راهِ یک پروژه، تحلیلِ یک قرارداد، یا حتی برنامهٔ غذایی هفته به کار ببری. هر وقت کاری «چند مرحله» داشت، از مدل بخواه اول مراحل را فهرست کند، بعد یکییکی جلو برود.
اشتباهات رایج و چند نکتهٔ حرفهای
اولین اشتباهِ رایج این است که زنجیرهی فکر را همهجا استفاده کنیم. برای سؤالهای خیلی ساده مثل «پایتخت فرانسه کجاست؟» این تکنیک فقط جواب را طولانی و کند میکند و هیچ سودی ندارد. زنجیرهی فکر ابزارِ مسائلِ چندمرحلهای است، نه هر پرسشِ سادهای.
اشتباهِ دوم این است که بعد از استدلالِ طولانی، جوابِ نهایی گم میشود. راهش ساده است: تهِ پرامپت بنویس «در آخر، فقط جواب نهایی را در یک خط و بدون توضیح اضافه بگو». اینطوری هم استدلال را داری و هم یک جوابِ تمیز. برای درک بهتر اینکه این مدلها اصلاً چطور ساخته شدهاند و چرا اینطور رفتار میکنند، خواندنِ مطلبِ اوپنایآی چیست کمک میکند.
این متن را خلاصه کن. اول سه نکتهٔ کلیدی را جدا کن، بعد بر اساس همانها یک خلاصهٔ چهار خطی بنویس، و در پایان فقط خلاصهٔ نهایی را بده.
نکتهٔ حرفهای آخر: زنجیرهی فکر را با نقشدادن ترکیب کن. مثلاً بنویس «مثل یک معلمِ ریاضی که صبور است قدمبهقدم توضیح بده». وقتی نقش و زنجیرهی فکر کنار هم بیایند، هم لحن و هم دقتِ جواب به بهترین حالت میرسد.
پرسشوپاسخ کوتاه (FAQ)
آیا زنجیرهی فکر روی همهٔ مدلها کار میکند؟
بله. این یک تکنیکِ پرامپتنویسی است، نه قابلیتِ یک مدلِ خاص. روی ChatGPT، جمینای، کلود، گراک و بقیهٔ مدلهای امروزی جواب میدهد. فقط کافی است از مدل بخواهی مرحلهبهمرحله جلو برود.
چه فرقی بین زنجیرهی فکر و پرامپتِ معمولی است؟
در پرامپتِ معمولی فقط نتیجه را میخواهی؛ در زنجیرهی فکر، مسیرِ رسیدن به نتیجه را هم میخواهی. همین باعث میشود مدل با دقتِ بیشتری فکر کند و خطای کمتری داشته باشد، مخصوصاً در مسائل چندمرحلهای.
آیا این تکنیک جواب را کندتر نمیکند؟
کمی طولانیترش میکند، چون مدل مراحل را مینویسد. اما برای مسائلِ مهم، این زمانِ اضافه در برابرِ دقتی که بهدست میآوری کاملاً میارزد. برای سؤالهای ساده اصلاً از آن استفاده نکن.
نسخهٔ فوری این مطلب در تلگرام: اینجا بخوانید
