شورای مشاوران؛ تکنیک پرامپتی برای تصمیم‌های چندبُعدی با هوش مصنوعی

⏱ زمان مطالعه: حدود ۱۰ دقیقه

ویژه اعضای VIP · پرامپت‌نویسی

وقتی با یک تصمیم چندبُعدی روبه‌رو می‌شوی، یک جواب سرراست از هوش مصنوعی معمولاً کافی نیست؛ چون از یک زاویه به مسئله نگاه کرده است. تکنیک «شورای مشاوران» به تو اجازه می‌دهد با یک پرامپت، چند متخصص خیالی را پای میز بنشانی، نظرهای متفاوت‌شان را کنار هم بگذاری و از دل همان گفت‌وگو به یک تصمیم پخته برسی.

چکیده. «شورای مشاوران» تکنیکی است که در آن از مدل می‌خواهی هم‌زمان نقش چند متخصص با تخصص‌های واقعاً متفاوت را بازی کند، هر کدام جداگانه نظر بدهند، تعارض نظرها پنهان نشود، و در پایان یک «دبیر شورا» همه را در یک برنامهٔ عملی جمع‌بندی کند. خروجی، جوابی است که چند زاویهٔ دید را می‌بیند، ریسک‌ها را رو می‌کند و تو را از تصمیم‌های یک‌طرفه نجات می‌دهد. در این آموزش، پرامپت اصلی و آناتومی آن، چهار نسخهٔ آمادهٔ موقعیتی، روش ترکیب با تکنیک‌های دیگر، اشتباه‌های رایج، و یک مثال کامل از ورودی تا خروجی را می‌بینی.
تصویر مفهومی تکنیک شورای مشاوران در پرامپت‌نویسی هوش مصنوعی

۱) شورای مشاوران چیست؟

«شورای مشاوران» یک الگوی پرامپت‌نویسی است که در آن به‌جای پرسیدن یک سؤال ساده، از مدل می‌خواهی یک هیئت مشورتی خیالی بسازد. تو مسئله‌ات را مطرح می‌کنی و مدل چند شخصیت متخصص را تعریف می‌کند؛ مثلاً یک استراتژیست کسب‌وکار، یک کارشناس مالی، یک روان‌شناس رفتار و یک متخصص فنی. هر کدام از این شخصیت‌ها از دریچهٔ تخصص خودش به مسئله نگاه می‌کند و جداگانه نظر می‌دهد.

تفاوت کلیدی این تکنیک با یک پرسش معمولی در همین «چندصدایی» است. در حالت عادی، مدل تلاش می‌کند یک پاسخ واحد و منسجم بدهد و ناخواسته بسیاری از ملاحظه‌ها را زیر همان یک روایت پنهان می‌کند. اما وقتی مجبورش می‌کنی چند نقش جدا بگیرد، هر نقش انگیزه پیدا می‌کند از منافع و دغدغه‌های حوزهٔ خودش دفاع کند؛ و همین باعث می‌شود نکته‌هایی که در یک پاسخ صاف گم می‌شدند، روی میز بیایند.

در انتها، مرحلهٔ «دبیر شورا» است که این تکنیک را از یک بحث پراکنده به یک ابزار تصمیم‌گیری تبدیل می‌کند. دبیر، نقاط اجماع و اختلاف را کنار هم می‌گذارد و به‌جای اینکه تو را با چند نظر متناقض رها کند، یک مسیر عملی پیشنهاد می‌دهد.

۲) چرا این تکنیک واقعاً جواب می‌دهد؟

دلیل اثرگذاری این روش را می‌توان در چند لایه دید. اول، مسئلهٔ «لنگر انداختن» یا anchoring؛ مدل‌های زبانی تمایل دارند روی اولین زاویه‌ای که پیدا می‌کنند قفل شوند و بقیهٔ پاسخ را حول همان بسازند. وقتی چند نقش مستقل تعریف می‌کنی، هر نقش یک لنگر متفاوت دارد و در نتیجه فضای جواب‌ها بازتر می‌شود.

دوم، جداکردن «تولید نظر» از «جمع‌بندی». در روان‌شناسی تصمیم‌گیری می‌دانیم که اگر آدم‌ها اول جداگانه فکر کنند و بعد نظرها را کنار هم بگذارند، کیفیت تصمیم بالاتر می‌رود تا وقتی از همان ابتدا به یک اجماع زودهنگام برسند. همین منطق برای مدل هم کار می‌کند: تولید جداگانهٔ نظرها مانع «همگرایی زودرس» می‌شود و مرحلهٔ دبیر، ترکیب سنجیده را جایگزین یک میانگین سطحی می‌کند.

تا اینجا مقدمه بود. بخش اصلی این درس — نمونه‌ها، پرامپت‌های آماده و تمرین‌ها — برای اعضای ویژه باز می‌شود.

🔒

شورای مشاوران؛ تکنیک پرامپتی برای تصمیم‌های چندبُعدی با هوش مصنوعی

برای دیدن این بخش باید عضو ویژه (VIP) باشی. با شمارهٔ موبایلت وارد شو تا ۱۴ روز دسترسی رایگان فعال شود.

🎁 ورود / ثبت‌نام و شروع ۱۴ روز رایگان

قبلاً عضو شده‌ای؟ فقط کافی است وارد شوی. اشتراک: از ۱۹۹٬۰۰۰ تومان / ماه
(0 رأی)

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *