درخت تفکر (Tree of Thoughts)؛ وقتی هوش مصنوعی چند مسیر را می‌آزماید و بهترین را برمی‌دارد

تصور کن از هوش مصنوعی می‌خواهی یک معمای پیچیده را حل کند یا برای یک تصمیم مهم راه‌حل بدهد. اگر فقط بگویی «قدم‌به‌قدم فکر کن»، مدل یک مسیر فکری را انتخاب می‌کند و تا انتها همان را می‌رود؛ اگر آن مسیر از اول اشتباه باشد، جواب هم اشتباه می‌شود. درخت تفکر (Tree of Thoughts) دقیقاً برای همین ساخته شده است: به‌جای یک مسیر، مدل را وادار می‌کند چند مسیر مختلف را هم‌زمان بسازد، هرکدام را بسنجد و فقط شاخه‌های امیدوارکننده را ادامه دهد. نتیجه، پاسخی است که از دلِ مقایسهٔ چند گزینه بیرون آمده، نه از اولین فکری که به ذهن مدل رسیده.

در این درس از سری آموزش پرامپت‌نویسی، درخت تفکر را از صفر یاد می‌گیری: تفاوتش با زنجیرهٔ تفکر، سازوکار سه‌مرحله‌ای‌اش، یک قالب آمادهٔ پرامپت برای کپی‌کردن، یک مثال کامل، و این‌که کجا واقعاً به کار می‌آید و کجا فقط وقت و هزینه را هدر می‌دهد.

درخت تفکر چیست و چه فرقی با زنجیرهٔ تفکر دارد؟

درخت تفکر یک تکنیک پرامپت‌نویسی است که در آن مدل به‌جای دنبال‌کردن یک زنجیرهٔ استدلال، چند «شاخهٔ فکری» موازی تولید می‌کند، برای هر شاخه یک ارزیابی انجام می‌دهد، و بر اساس آن ارزیابی تصمیم می‌گیرد کدام شاخه را بسط دهد و کدام را کنار بگذارد. اسمش هم از همین‌جا می‌آید: ساختار پاسخ شبیه یک درخت است که از یک ریشه (مسئله) به چند شاخه (راه‌حل‌های ممکن) می‌رسد.

برای این‌که تفاوت‌ها روشن شود، سه تکنیکِ نزدیک را کنار هم بگذاریم:

• زنجیرهٔ تفکر (Chain of Thought): یک مسیر مستقیم و خطی؛ مدل قدم‌به‌قدم جلو می‌رود تا به جواب برسد. اگر با این تکنیک آشنا نیستی، بهتر است اول آموزش زنجیرهٔ تفکر را بخوانی، چون درخت تفکر روی همان بنا شده است.
• اجماع چندپاسخ (Self-Consistency): چند زنجیرهٔ مستقل می‌سازی و بین جواب‌هایشان رأی‌گیری می‌کنی؛ اما این زنجیره‌ها با هم حرف نمی‌زنند و هیچ هَرَسی در میانهٔ راه انجام نمی‌شود. توضیح کامل این روش در درس خودسازگاری و رأی‌گیری آمده است.
• درخت تفکر (Tree of Thoughts): چند مسیر می‌سازی، اما در هر مرحله آن‌ها را ارزیابی و هَرَس می‌کنی و مسیرهای بهتر را جلوتر می‌بری. یعنی هم تنوع اجماع چندپاسخ را دارد و هم قضاوت فعال در میانهٔ راه.

خلاصه اگر بخواهیم بگوییم: زنجیرهٔ تفکر «یک راه را تا ته می‌رود»، اجماع چندپاسخ «چند راه را جدا‌جدا می‌رود و رأی می‌گیرد»، و درخت تفکر «چند راه را می‌سازد، وسط راه قضاوت می‌کند و بهترین را انتخاب می‌کند».

چرا یک مسیر فکری همیشه کافی نیست؟

مدل‌های زبانی کلمه‌به‌کلمه جلو می‌روند و معمولاً به اولین مسیری که «به‌نظر درست می‌آید» متعهد می‌مانند. این برای سؤال‌های ساده مشکلی ندارد، اما در چند دستهٔ مسئله فاجعه می‌سازد:

• مسائلی که چند راه‌حل معتبر دارند؛ مثل انتخاب نام، طراحی معماری یک پروژه، یا چیدن استراتژی بازاریابی، که «بهترین» جواب فقط با مقایسهٔ گزینه‌ها معلوم می‌شود.
• مسائل برنامه‌ریزی و چندمرحله‌ای؛ جایی که یک انتخاب اشتباه در قدم دوم، کل قدم‌های بعدی را خراب می‌کند و باید بتوانی عقب برگردی.
• معماها و مسائل ترکیبیاتی؛ که در آن‌ها باید چند حالت را امتحان کنی و بن‌بست‌ها را کنار بگذاری.

درخت تفکر این «تعهد زودهنگام» را می‌شکند. وقتی مدل مجبور می‌شود چند شاخه بسازد و پیش از ادامه‌دادن آن‌ها را بسنجد، شانس این‌که در یک مسیر بد گیر بیفتد به‌شدت کم می‌شود.

سه ستون درخت تفکر: شاخه، ارزیابی، هَرَس

هر پرامپت درخت تفکر، فارغ از موضوع، روی سه ستون می‌ایستد. اگر این سه را در پرامپتت بگنجانی، تکنیک را درست پیاده کرده‌ای:

1. شاخه‌سازی (Branching): از مدل بخواه چند رویکرد یا راه‌حلِ واقعاً متفاوت بسازد؛ نه سه نسخهٔ کمی‌متفاوت از یک ایده. معمولاً سه تا پنج شاخه نقطهٔ خوبی است.
2. ارزیابی (Evaluation): برای هر شاخه یک قضاوت بخواه. بهترین کار این است که معیار بدهی (مثلاً «از نظر هزینه، سرعت اجرا و ریسک») و از مدل بخواهی به هر شاخه امتیاز بدهد و نقطه‌ضعفش را بگوید.
3. هَرَس و بسط (Prune & Expand): بر اساس ارزیابی، شاخه‌های ضعیف را کنار بگذار و یک یا دو شاخهٔ برتر را عمیق‌تر کن. همین‌جاست که درخت واقعاً شکل می‌گیرد.

نکتهٔ کلیدی این است که ارزیابی باید پیش از انتخاب نهایی انجام شود، نه بعد از آن. اگر اول جواب را بگیری و بعد توجیهش کنی، عملاً برگشته‌ای سر همان مسیر تک‌شاخه.

قالب آمادهٔ پرامپت درخت تفکر (کپی کن و استفاده کن)

این قالب را می‌توانی مستقیم در چت‌جی‌پی‌تی، کلود یا هر مدل دیگری بچسبانی و فقط جای مسئله و معیارها را عوض کنی:

مسئله‌ای که می‌خواهم حل کنی این است:
«[مسئله‌ات را این‌جا بنویس]»

لطفاً به روش «درخت تفکر» عمل کن:

۱) شاخه‌سازی: سه راه‌حلِ کاملاً متفاوت پیشنهاد بده. هر راه‌حل باید منطق و رویکرد متفاوتی داشته باشد، نه فقط تغییر جزئی.

۲) ارزیابی: هر راه‌حل را بر اساس این معیارها بسنج و به هرکدام از ۱ تا ۱۰ امتیاز بده:
   - [معیار اول، مثلاً هزینه]
   - [معیار دوم، مثلاً سرعت اجرا]
   - [معیار سوم، مثلاً ریسک]
   برای هر شاخه، یک نقطهٔ قوت و یک نقطهٔ ضعف هم بنویس.

۳) هَرَس: دو شاخهٔ ضعیف‌تر را کنار بگذار و بگو چرا.

۴) بسط: شاخهٔ برتر را با جزئیات کامل و گام‌های اجرایی باز کن.

۵) جمع‌بندی: در پایان، پیشنهاد نهایی‌ات را در یک پاراگراف بنویس.

اگر می‌خواهی مدل سخت‌گیرتر قضاوت کند، یک جملهٔ ساده اضافه کن: «در ارزیابی، وکیل مدافع سرسختِ نقاط ضعف هر شاخه باش.» این کار جلوی خوش‌بینیِ بی‌جای مدل را می‌گیرد.

یک مثال کامل: انتخاب نام برند با درخت تفکر

فرض کن می‌خواهی برای یک اپلیکیشن آموزش زبانِ مبتنی بر هوش مصنوعی، اسم انتخاب کنی. اگر فقط بگویی «چند اسم پیشنهاد بده»، یک فهرست تخت می‌گیری. با درخت تفکر این‌طور جلو می‌روی:

شاخه‌سازی — مدل سه رویکرد متفاوت می‌سازد: (الف) اسم‌های توصیفیِ روشن مثل «زبان‌یار»؛ (ب) اسم‌های استعاری مثل «قاصدک»؛ (پ) اسم‌های ترکیبیِ کوتاه و برندپذیر مثل «لینگو».

ارزیابی — هر رویکرد را بر اساس «به‌یادماندنی‌بودن، دردسترس‌بودن دامنه، و ربط به آموزش زبان» از ۱ تا ۱۰ نمره می‌دهد و ضعف هرکدام را می‌گوید (مثلاً اسم توصیفی امن اما بی‌روح است؛ اسم استعاری زیبا اما مبهم است).

هَرَس و بسط — رویکرد استعاری را کنار می‌گذارد چون پیام برند را نمی‌رساند، و روی رویکرد ترکیبی تمرکز می‌کند و پنج نام نهایی با بررسی دامنه پیشنهاد می‌دهد.

حالا خروجی نه یک فهرست کور، بلکه یک تصمیمِ استدلال‌شده است؛ و مهم‌تر این‌که خودت هم می‌فهمی چرا این نام‌ها بهتر بودند. همین منطق را می‌توانی روی تصمیم‌های واقعی کسب‌وکار، انتخاب فناوری، یا حتی برنامه‌ریزی محتوا پیاده کنی. اگر دنبال یک بستهٔ آماده از پرامپت‌های پیشرفته برای مسائل پیچیده هستی، این مجموعه پرامپت‌ها می‌تواند نقطهٔ شروع خوبی باشد.

نسخهٔ سریع برای چت‌جی‌پی‌تی: درخت تفکر در یک پیام

لازم نیست حتماً چند پیام رفت‌وبرگشت کنی. برای کارهای روزمره، یک نسخهٔ فشرده کافی است. کافی است این جمله را ته پرامپتت بچسبانی:

سه رویکرد متفاوت برای این کار بساز، هرکدام را کوتاه ارزیابی کن، بهترین را انتخاب کن و فقط آن را کامل اجرا کن.

همین یک جمله، مدل را از حالت «اولین جواب» به حالت «مقایسه و انتخاب» می‌برد. برای مسائل بزرگ‌تر نسخهٔ کامل قالب بالا را به کار ببر، و برای کارهای سریع همین نسخهٔ یک‌خطی را.

چه زمانی از درخت تفکر استفاده کنیم و کِی نه؟

درخت تفکر قدرتمند است، اما رایگان نیست: پاسخ طولانی‌تر می‌شود، زمان و توکن بیشتری مصرف می‌کند و گاهی بیش از حد لازم پیچیده‌اش می‌کند. پس با قضاوت استفاده کن.

مناسب است برای: تصمیم‌هایی با چند گزینهٔ معتبر، مسائل طراحی و معماری، برنامه‌ریزی‌های چندمرحله‌ای، معماها و مسائلی که نیاز به عقب‌گرد دارند، و هر جایی که «چرا این گزینه؟» به‌اندازهٔ خودِ گزینه مهم است.

مناسب نیست برای: سؤال‌های واقعی و تک‌جوابی (مثل «پایتخت ژاپن کجاست؟»)، کارهای ساده و سرراست، یا وقتی سرعت از کیفیت مهم‌تر است. برای این‌ها درخت تفکر فقط پاسخ را شلوغ می‌کند.

ترکیب درخت تفکر با تکنیک‌های دیگر

قدرت واقعی وقتی آزاد می‌شود که درخت تفکر را با تکنیک‌های دیگر بچینی:

• با نقش‌دهی: به مدل بگو در مرحلهٔ ارزیابی نقش یک «داورِ سخت‌گیر» را بازی کند تا قضاوت‌ها جدی‌تر شوند.
• با پرامپت نقد و ابطال: بعد از انتخاب شاخهٔ برتر، از مدل بخواه با تکنیک ابطال‌گرا سعی کند همان انتخاب را رد کند؛ اگر دوام آورد، انتخاب محکم‌تری داری.
• با اجماع چندپاسخ: می‌توانی کل فرایند درخت را دو بار اجرا کنی و ببینی آیا هر دو بار به یک شاخه می‌رسی یا نه؛ هم‌گرایی نشانهٔ اطمینان بیشتر است.

اشتباه‌های رایج در درخت تفکر

• شاخه‌های تقلبی: مدل سه گزینه می‌دهد که در واقع یک ایده با سه لباس‌اند. در پرامپت تأکید کن که رویکردها باید از پایه متفاوت باشند.
• ارزیابی بدون معیار: اگر معیار ندهی، مدل با حس‌وحال قضاوت می‌کند. همیشه دو تا چهار معیار مشخص بده.
• هَرَس‌نکردن: بعضی‌ها فقط شاخه می‌سازند و همه را نگه می‌دارند؛ این دیگر درخت تفکر نیست، فقط یک فهرست بلند است. حذف‌کردن آگاهانهٔ گزینه‌های ضعیف بخشی جدانشدنی از تکنیک است.
• استفادهٔ بی‌جا: به‌کاربردنش برای هر سؤال ساده، فقط پاسخ‌ها را طولانی و خسته‌کننده می‌کند.

پرسش‌های پرتکرار

درخت تفکر با کدام مدل‌ها بهتر کار می‌کند؟

هرچه مدل در استدلال قوی‌تر باشد، درخت تفکر بهتر جواب می‌دهد. مدل‌های جدیدِ استدلالی (مثل نسخه‌های پیشرفتهٔ چت‌جی‌پی‌تی و کلود) به‌خوبی می‌توانند شاخه‌ها را بسازند و ارزیابی کنند. روی مدل‌های سبک‌تر هم کار می‌کند، اما ممکن است ارزیابی‌ها سطحی‌تر باشند.

تفاوت درخت تفکر با اجماع چندپاسخ دقیقاً چیست؟

در اجماع چندپاسخ، چند مسیر مستقل ساخته می‌شود و در پایان بین جواب‌ها رأی‌گیری می‌شود، بدون این‌که مسیرها وسط راه ارزیابی یا هَرَس شوند. در درخت تفکر، ارزیابی و هَرَس در میانهٔ راه اتفاق می‌افتد و مسیرهای بهتر جلوتر برده می‌شوند.

آیا برای استفاده از درخت تفکر باید برنامه‌نویسی بلد باشم؟

نه. همان‌طور که در قالب آماده دیدی، این تکنیک کاملاً با زبان طبیعی و در یک چت معمولی قابل اجراست. نسخه‌های کدنویسی‌شده هم وجود دارند، اما برای کاربر عادی لازم نیستند.

این تکنیک از کجا آمده است؟

درخت تفکر ایده‌ای است که در یک پژوهش دانشگاهی در سال ۲۰۲۳ با عنوان «Tree of Thoughts» معرفی شد و از آن زمان به یکی از تکنیک‌های شناخته‌شدهٔ استدلال در مدل‌های زبانی تبدیل شده است. می‌توانی مقالهٔ اصلی را برای جزئیات فنی ببینی.

جمع‌بندی

درخت تفکر یک ارتقای ساده اما تعیین‌کننده نسبت به زنجیرهٔ تفکر است: به‌جای این‌که مدل به اولین مسیر متعهد بماند، وادارش می‌کنی چند مسیر بسازد، آن‌ها را بسنجد و بهترین را انتخاب کند. سه ستونش را به خاطر بسپار — شاخه‌سازی، ارزیابی، هَرَس — و همان قالب آماده را برای مسائل واقعی‌ات به کار ببر. برای کارهای روزمره، حتی همان جملهٔ یک‌خطی معجزه می‌کند.

این درس بخشی از یک مسیر کامل است. اگر می‌خواهی گام‌به‌گام حرفه‌ای شوی، از نقشهٔ راه کامل سری آموزش پرامپت‌نویسی شروع کن و تکنیک‌ها را یکی‌یکی تمرین کن. مهارت پرامپت‌نویسی با خواندن ساخته نمی‌شود؛ با تمرین‌کردن روی کارهای واقعی خودت ساخته می‌شود.

نسخهٔ فوری این مطلب در تلگرام: اینجا بخوانید