قسمت ۲ — زنجیرهٔ تفکر در مسائل ریاضی و منطقی

قسمت دوم از سری «زنجیرهٔ تفکر»: سخت‌ترین میدان این تکنیک، مسائل عددی و منطقی است. اینجا می‌بینیم چرا مدل در حساب اشتباه می‌کند و با چه ساختاری می‌شود جلوی خطا را گرفت.

۱. ریشهٔ خطا: مدل حساب نمی‌کند، ادامه می‌دهد

وقتی از یک مدل زبانی می‌پرسی حاصل ۴۷ ضربدر ۸۳ چند می‌شود، هیچ عملیات ضربی در کار نیست. مدل دنبال محتمل‌ترین دنبالهٔ ارقام می‌گردد. برای اعداد کوچک و پرتکرار این کار خوب جواب می‌دهد، چون آن الگوها را بارها دیده است؛ برای اعداد بزرگ یا ترکیب‌های نامتعارف، جواب می‌تواند با اطمینان کامل غلط باشد.

سه خانوادهٔ خطا در عمل بیشتر از بقیه دیده می‌شود. اول، خطای انتقال رقم در ضرب و جمع طولانی. دوم، خطای درصد و نسبت، مخصوصاً وقتی چند درصد پشت سر هم اعمال می‌شود. سوم، خطای واحد؛ یعنی جابه‌جا شدن ساعت و دقیقه، تومان و ریال، یا کیلوگرم و گرم در میانهٔ محاسبه.

نکتهٔ کلیدی این است که این خطاها با «دقت بیشتر» برطرف نمی‌شوند، چون مسئله دقت نیست، ساختار است. راه‌حل، شکستن محاسبه به قدم‌هایی است که هر کدام به‌تنهایی برای مدل ساده و پرتکرار باشند.

۲. قاعدهٔ یک عمل در هر خط

مؤثرترین قاعده در محاسبات این است: در هر مرحله فقط یک عمل ریاضی انجام شود و نتیجهٔ عددی همان مرحله جداگانه نوشته شود. وقتی مدل مجاز باشد در یک خط بنویسد «۲۵ درصد از ۱۲۰ می‌شود ۳۰ و بعد در ۵۶ ضرب می‌شود و به علاوهٔ بقیه…»، احتمال خطا چند برابر می‌شود.

پس در پرامپت صریح بگو: هر مرحله یک عمل، و عدد حاصل در انتهای همان مرحله. این کار دو فایده دارد؛ هم احتمال خطا پایین می‌آید، هم اگر خطایی رخ داد دقیقاً می‌دانی در کدام خط است و می‌توانی فقط همان خط را اصلاح بخواهی.

قاعدهٔ مکمل این است که هیچ عددی نباید بدون منشأ ظاهر شود. اگر مدل عددی می‌نویسد که نه در صورت مسئله بوده و نه در مراحل قبل محاسبه شده، آنجا نقطهٔ خطر است. جملهٔ «هر عددی که می‌نویسی یا از صورت مسئله باشد یا از یک مرحلهٔ قبلی» این نوع خطا را به‌شدت کم می‌کند.

۳. واحدها را قبل از محاسبه یکسان کن

بخش بزرگی از جواب‌های غلط، ریاضی درست با واحد غلط است. اگر مسئله ترکیبی از ساعت و دقیقه، یا درصد و ضریب، یا واحدهای پولی مختلف دارد، بهترین کار این است که یک مرحلهٔ صریح برای یکسان‌سازی واحدها بگذاری، پیش از آنکه هر محاسبه‌ای شروع شود.

در پرامپت این‌طور بیانش کن: «مرحلهٔ صفر، همهٔ کمیت‌ها را به یک واحد مشترک تبدیل کن و جدول کوچکی از مقادیر تبدیل‌شده بنویس؛ بعد از آن محاسبه را شروع کن.» این یک مرحلهٔ اضافه، بیشتر از هر ترفند دیگری در مسائل واقعی جواب می‌دهد.

۴. معماهای منطقی: ابتدا فضای حالت را بنویس

در معماهای منطقی — مثل مسائل چیدمان، صدق و کذب، یا استنتاج از چند شرط — خطای غالب حساب نیست، فراموشی شرط است. مدل شرط سوم را در نظر می‌گیرد و شرط اول را از یاد می‌برد.

راه‌حل، دو مرحلهٔ اجباری پیش از استدلال است. مرحلهٔ اول، فهرست کردن همهٔ شرط‌ها به‌صورت شماره‌دار و بدون تفسیر. مرحلهٔ دوم، نوشتن گزینه‌های ممکن یا همان فضای حالت. وقتی این دو روی کاغذ باشند، مدل در هر گام می‌تواند به آن‌ها ارجاع بدهد و شرط جاافتاده کمتر می‌شود.

یک تکنیک تکمیلی، حذف تدریجی است: به‌جای اینکه مدل مستقیم دنبال جواب بگردد، از او بخواه در هر مرحله یک گزینه را با ذکر شمارهٔ شرطی که آن را رد می‌کند حذف کند. این کار استدلال را قابل بازرسی می‌کند؛ تو می‌توانی هر حذف را جداگانه بررسی کنی.

۵. پرامپت آمادهٔ کپی برای مسائل عددی و منطقی

این قالب مخصوص همین قسمت است و ساختار سه‌بخشی قسمت اول را برای محاسبه سخت‌گیرانه‌تر می‌کند:

این مسئله را با قواعد زیر حل کن و از هیچ‌کدام عبور نکن.
مرحلهٔ صفر: همهٔ کمیت‌های مسئله را فهرست کن، واحدها را یکسان کن و مقدار تبدیل‌شده را بنویس. اگر شرط منطقی وجود دارد، شرط‌ها را شماره‌گذاری کن.
مراحل محاسبه: در هر خط فقط یک عمل انجام بده و نتیجهٔ عددی همان خط را در انتهای آن بنویس. هر عددی که می‌نویسی باید یا در مسئله آمده باشد یا در یکی از خطوط قبلی محاسبه شده باشد.
بازبینی: پس از پایان مراحل، جواب را با یک روش متفاوت یا با تخمین سرانگشتی چک کن و بنویس آیا هم‌خوان است یا نه.
جواب نهایی: فقط عدد یا نتیجه، همراه با واحد، در یک خط.
اگر داده‌ای کم است یا مسئله چند تفسیر دارد، به‌جای حدس زدن همان را در مرحلهٔ صفر بنویس.
صورت مسئله: [اینجا مسئله را بنویس]

بخش «بازبینی» را حذف نکن. تخمین سرانگشتی مستقل، ارزان‌ترین راه برای گرفتن خطاهای بزرگ است؛ اگر مدل عددی به دست آورده که با تخمین فاصلهٔ زیادی دارد، خودش متوجه می‌شود.

۶. وقتی جواب مشکوک است چه کنیم

اگر جواب را باور نکردی، سه حرکت مؤثر وجود دارد. حرکت اول، درخواست بازمحاسبهٔ یک مرحلهٔ مشخص است: «فقط مرحلهٔ چهارم را دوباره حساب کن». این از «همه را دوباره چک کن» مؤثرتر است، چون مدل تمرکز می‌کند.

حرکت دوم، خواستن حل با روش دوم است: «همین مسئله را این بار با تناسب حل کن، نه با درصد». اگر دو مسیر مستقل به یک عدد رسیدند، اعتماد معنادار بالا می‌رود.

حرکت سوم، بیرون بردن محاسبه از خود مدل است. برای اعداد بزرگ یا محاسبات تکراری، بهتر است از مدل بخواهی به‌جای حساب کردن، فرمول یا کد محاسبه را بنویسد و اجرای عددی را به یک ابزار حساب بسپاری. مرزهای توانایی مدل‌ها در این زمینه در مطلب توانایی‌ها و محدودیت‌های واقعی هوش مصنوعی با جزئیات بیشتری بررسی شده است.

۷. اشتباه رایج: طولانی‌تر یعنی درست‌تر نیست

در مسائل عددی وسوسه می‌شوی که بگویی «خیلی دقیق و مفصل توضیح بده». نتیجه معمولاً برعکس است: زنجیرهٔ طولانی‌تر یعنی فرصت بیشتر برای ورود خطا و انتقال آن به مراحل بعد. یک خطای کوچک در مرحلهٔ دوم، تا مرحلهٔ دهم بزرگ می‌شود.

معیار درست، تعداد مرحله متناسب با مسئله است، نه بیشترین تعداد ممکن. اگر مسئله چهار عمل دارد، چهار مرحله کافی است. محدود کردن صریح تعداد مراحل — مثلاً «حداکثر شش مرحله» — هم خروجی را تمیزتر می‌کند و هم احتمال خطای انباشته را پایین می‌آورد.

۸. پرسش‌های پرتکرار

چرا مدل با اطمینان کامل جواب غلط می‌دهد؟ چون لحن اطمینان و درستی محاسبه دو چیز جدا هستند. متن مطمئن، الگوی زبانی رایج در متن‌های آموزشی است و مدل آن را بازتولید می‌کند، حتی وقتی عدد غلط است.

آیا مدل‌های استدلالی جدید این مشکل را حل کرده‌اند؟ بهترش کرده‌اند، نه حلش. در محاسبات بلند و اعداد بزرگ همچنان بهترین کار سپردن محاسبه به ابزار است. مقایسهٔ رفتار مدل‌های مختلف در مسائل قاعده‌محور را می‌توانی در مطلب نبرد هوش مصنوعی‌ها در شطرنج ببینی.

برای مسائل آماری هم همین قواعد جواب می‌دهد؟ بله، با یک اضافه: از مدل بخواه پیش از محاسبه، فرمول مورد استفاده را بنویسد و بگوید چرا آن فرمول مناسب این مسئله است. بیشتر خطاهای آماری از انتخاب فرمول غلط می‌آید، نه از حساب.

اگر جواب هر بار فرق کرد چه کنم؟ این دقیقاً موضوع قسمت بعدی‌های سری است؛ روش خودسازگاری برای همین ساخته شده که از چند مسیر استدلال، پاسخ پایدار را بیرون بکشد.