مهر
نقد، ضدحمله و راستی‌آزمایی
تکنیک فاینمن در پرامپت‌نویسی؛ وادار کن هوش مصنوعی ساده توضیح بدهد تا جای خالیِ دانشش لو برود
ریچارد فاینمن، فیزیک‌دان نابغه و برندهٔ نوبل، یک قانون ساده داشت: «اگر نمی‌توانی چیزی را برای یک تازه‌کار ساده توضیح بدهی، یعنی خودت هم آن را درست نفهمیده‌ای.» همین جملهٔ کوتاه، به یکی از قوی‌ترین و درعین‌حال کم‌استفاده‌ترین تکنیک‌های پرامپت‌نویسی تبدیل شده است. وقتی از هوش مصنوعی می‌خواهید جوابش را مثل یک معلم و بدون اصطلاحات پیچیده توضیح بدهد، دقیقاً همان‌جایی که مدل گیر می‌کند، جای خالی دانش یا توهمِ پنهانش لو می‌رود.
در این درس یاد می‌گیرید چطور با «تکنیک فاینمن» دو کار همزمان انجام بدهید: هم جوابی شفاف‌تر و قابل‌اعتمادتر از ChatGPT یا Claude بگیرید، و هم مثل یک بازرس، لحظه‌ای که مدل دارد بلوف می‌زند را شکار کنید. این تکنیک نه به ابزار خاصی نیاز دارد و نه به دانش فنی؛ فقط به یک طرز فکر تازه دربارهٔ «سؤال‌پرسیدن» از هوش مصنوعی.
لیست مطالب
تکنیک فاینمن چیست و چرا جواب هوش مصنوعی را بهتر می‌کند
روش فاینمن در اصل یک تکنیک یادگیری است با چهار قدم: موضوعی را انتخاب کن، آن را با زبان ساده برای یک بچهٔ دوازده‌ساله توضیح بده، جاهایی که لنگ می‌زنی را پیدا کن، و برگرد همان نقطه‌ها را عمیق‌تر بخوان. هوش مصنوعی مثل یک دانش‌آموزِ همیشه‌حاضر است که می‌توانید همین چرخه را رویش پیاده کنید.
تفاوت کلیدی اینجاست: مدل‌های زبانی طوری آموزش دیده‌اند که «باسواد به نظر برسند». آن‌ها به‌طور طبیعی جمله‌های پر از اصطلاح تخصصی و پرطمطراق تولید می‌کنند که در نگاه اول قانع‌کننده‌اند، اما ممکن است زیرشان خالی باشد. وقتی مدل را مجبور می‌کنید همان مطلب را ساده بگوید، این پوستهٔ تزئینی فرو می‌ریزد و زیر آن یا یک توضیح واقعاً محکم هست، یا یک حفرهٔ آشکار.
چرا ساده‌سازی، بلوفِ مدل را لو می‌دهد
زبان پیچیده جای خوبی برای پنهان‌شدن است. جمله‌ای مثل «این رویکرد با بهره‌گیری از هم‌افزایی سازوکارهای چندلایه، بهینه‌سازی را تسهیل می‌کند» می‌تواند هیچ معنای مشخصی نداشته باشد و باز هم باسواد به نظر برسد. اما وقتی از مدل می‌خواهید همین را «جوری بگو که خواهر کوچکم بفهمد»، دیگر جایی برای قایم‌شدن نمی‌ماند؛ یا باید یک مثال واقعی و مکانیزم مشخص بیاورد، یا دستش رو می‌شود.
به زبان ساده، ساده‌سازی یک فیلترِ صداقت است. هر جا مدل به‌جای مثال عینی به کلی‌گویی پناه برد، هر جا یک واژهٔ تخصصی را بدون تعریف تکرار کرد، و هر جا از «به دلایل مختلف» و «بسته به شرایط» استفاده کرد، همان‌جا باید مشکوک شوید. این دقیقاً نقطه‌ای است که شاید خودِ مدل هم جواب دقیق را نمی‌داند و دارد شکاف را با کلمات پر می‌کند.
چهار گامِ فاینمن برای پرامپت‌نویسی
برای اجرای درست این تکنیک، چرخهٔ چهارمرحله‌ای زیر را روی هر موضوع پیچیده‌ای پیاده کنید:
- گام یک — توضیح ساده: از مدل بخواهید مفهوم را برای یک نوجوان دوازده‌ساله و بدون هیچ اصطلاح تخصصی توضیح دهد؛ فقط با مثال‌های روزمره و تشبیه.
- گام دو — شکار شکاف: از مدل بخواهید خودش فهرست کند کجای توضیحش مجبور شده از واژهٔ تخصصیِ تعریف‌نشده استفاده کند یا جایی را سرسری رد کرده است.
- گام سه — پرکردن حفره‌ها: برای هر شکاف، یک تشبیه عینی یا مثال واقعی طلب کنید تا مطمئن شوید پشت آن واژه واقعاً مفهومی هست.
- گام چهار — بازگفت فشرده: در پایان بخواهید همه‌چیز را در یک پاراگراف کوتاه و شفاف جمع‌بندی کند؛ اگر این پاراگراف روان و بی‌ابهام بود، یعنی جواب واقعاً محکم است.
قالب آمادهٔ پرامپت فاینمن
این قالب را کپی کنید و جای موضوع را با سؤال خودتان پر کنید. همین یک پرامپت، هر چهار گام را یک‌جا به مدل می‌سپارد:
می‌خواهم مفهومِ «[موضوع یا سؤال شما]» را با روش فاینمن یادم بدهی. دقیقاً این مراحل را دنبال کن:
۱) اول آن را طوری توضیح بده که یک نوجوان دوازده‌ساله بدون هیچ دانش قبلی بفهمد؛ فقط زبان ساده و تشبیه‌های روزمره، بدون هیچ اصطلاح تخصصی.
۲) بعد زیرِ توضیحت، صادقانه فهرست کن کجاها مجبور شدی ساده‌سازی کنی یا از واژه‌ای استفاده کردی که برای یک تازه‌کار مبهم است.
۳) برای هر نقطهٔ مبهم، یک مثال واقعی یا تشبیه عینی بیاور.
۴) در آخر، کل مطلب را در یک پاراگراف کوتاه و شفاف جمع‌بندی کن.
اگر جایی را واقعاً مطمئن نیستی، به‌جای حدس‌زدن، همان‌جا بنویس «در این بخش مطمئن نیستم».
نکتهٔ طلایی: جملهٔ آخر قالب — یعنی اجازه‌دادن به مدل برای گفتن «نمی‌دانم» — فشار «همیشه باید جواب بدهم» را از روی مدل برمی‌دارد و احتمال توهم را به‌شدت کم می‌کند. اگر می‌خواهید عمیق‌تر یاد بگیرید که چطور به مدل یاد بدهیم کِی اعتراف کند نمی‌داند، درس پرامپت کالیبراسیون اطمینان مکمل همین تکنیک است.
نمونهٔ واقعی؛ از جوابِ پرطمطراق تا توضیح شفاف
فرض کنید می‌پرسید «بلاک‌چین چطور کار می‌کند؟». جواب معمولیِ مدل چیزی می‌شود شبیه این: «بلاک‌چین یک دفترکل توزیع‌شدهٔ غیرمتمرکز است که با استفاده از توابع درهم‌سازی رمزنگارانه و الگوریتم‌های اجماع، تغییرناپذیری داده‌ها را تضمین می‌کند.» این جمله درست است، اما برای کسی که نمی‌داند، صفر اطلاعات منتقل می‌کند.
حالا همان سؤال را با قالب فاینمن بپرسید. جواب چیزی می‌شود شبیه این: «یک دفترچه را تصور کن که هزار نفر نسخهٔ یکسانش را دارند. هر وقت کسی چیزی می‌نویسد، همه همزمان همان را در دفترچهٔ خودشان می‌نویسند. چون هزار نسخهٔ یکسان وجود دارد، هیچ‌کس نمی‌تواند یواشکی یک صفحه را عوض کند؛ چون بقیه فوراً می‌فهمند نسخهٔ او با همه فرق دارد.» این توضیح نه‌تنها قابل‌فهم است، بلکه چون بر پایهٔ یک مکانیزم عینی ساخته شده، نشان می‌دهد مدل واقعاً مفهوم را «گرفته» است، نه اینکه فقط واژه‌ها را کنار هم چیده باشد.
کاربرد دوم؛ شکارِ توهم و اطلاعات ساختگی
تکنیک فاینمن فقط برای یادگیری نیست؛ یک ابزار قدرتمند برای راستی‌آزمایی هم هست. وقتی مدل یک ادعای مشکوک یا یک آمار دقیق به شما می‌دهد، به‌جای اینکه مستقیم بپرسید «درست است؟»، بخواهید مکانیزم پشتش را ساده توضیح دهد: «توضیح بده دقیقاً چرا این عدد این‌قدر است، جوری که یک تازه‌کار قدم‌به‌قدم بفهمد.»
اگر پشت ادعا یک واقعیت محکم باشد، مدل می‌تواند زنجیرهٔ علت‌ومعلول را ساده باز کند. اما اگر ادعا توهمی و ساختگی باشد، مدل در توضیح ساده می‌لغزد، دور خودش می‌چرخد، یا به کلی‌گویی پناه می‌برد. این تکنیک مکمل عالی زنجیرهٔ راستی‌آزمایی است: آن یکی با سؤال‌های بازرسی جواب را چک می‌کند، این یکی با فشارِ ساده‌سازی.
ترکیب فاینمن با تکنیک‌های دیگر
قدرت واقعی وقتی آزاد می‌شود که این تکنیک را با روش‌های دیگر زنجیر کنید. دو ترکیب پرکاربرد:
- فاینمن + خودانتقادی: اول جواب ساده را بگیرید، بعد با روش خودانتقادی و بازنویسی (Self-Refine) از مدل بخواهید توضیح ساده‌اش را نقد و تقویت کند. این‌طور هم شفافیت دارید، هم دقت.
- فاینمن برای یادگیریِ معکوس: نقش را برعکس کنید؛ شما مفهوم را ساده برای مدل توضیح بدهید و بخواهید نقش یک نوجوان کنجکاو را بازی کند و هر جا توضیح‌تان لنگ زد سؤال بپرسد. این بهترین راه برای سنجیدن فهمِ خودتان است و مکمل درس معلم خصوصی هوش مصنوعی به شمار می‌رود.
اشتباه‌های رایج در اجرای تکنیک فاینمن
بیشترین خطاها از این چند نقطه می‌آیند. حواستان به آن‌ها باشد:
- مخاطب را مشخص نکردن: «ساده توضیح بده» مبهم است. «برای یک نوجوان دوازده‌ساله بدون دانش فنی» نتیجهٔ بسیار بهتری می‌دهد، چون سطح دقیقی برای مدل تعیین می‌کند.
- اجازه‌ندادن برای اعتراف به ندانستن: اگر این در را باز نگذارید، مدل برای پرکردن سکوت، شکاف‌ها را با توهم پر می‌کند.
- قبول‌کردن اولین جواب: ارزش اصلی تکنیک در گام دوم و سوم است؛ یعنی وادارکردن مدل به پیداکردن و پرکردن شکاف‌های خودش. اگر فقط گام اول را اجرا کنید، نیمی از قدرت تکنیک را از دست داده‌اید.
- ساده‌سازی را با سطحی‌بودن اشتباه‌گرفتن: هدف، حذف اصطلاح تخصصی است، نه حذف دقت. یک توضیح ساده هنوز باید درست باشد.
کجا از تکنیک فاینمن استفاده نکنیم
این تکنیک جادویی است، اما همیشه ابزار درست نیست. وقتی به خروجی تخصصی و دقیق نیاز دارید — مثلاً یک سند حقوقی، کد فنی یا گزارش پزشکی — ساده‌سازی بیش از حد می‌تواند ظرافت‌های مهم را قربانی کند. در این موارد بهتر است با پرامپت‌های تخصصی و دقیق کار کنید و از فاینمن فقط به‌عنوان یک «لایهٔ راستی‌آزمایی» در پایان کار استفاده کنید؛ یعنی بعد از گرفتن جواب فنی، یک بار از مدل بخواهید همان را ساده توضیح دهد تا مطمئن شوید منطقش محکم است.
همچنین اگر جوابی که گرفته‌اید اصلاً کار نمی‌کند یا بی‌ربط است، مشکل شاید در خودِ پرامپت باشد، نه در روش توضیح. در این حالت اول سراغ درس عیب‌یابی پرامپت بروید و پرامپت پایه را درست کنید.
پرسش‌های پرتکرار
آیا تکنیک فاینمن روی همهٔ مدل‌ها جواب می‌دهد؟
بله. چون این تکنیک به یک رفتار عمومی مدل‌های زبانی تکیه دارد — تمایل به پیچیده‌نویسی — روی ChatGPT، Claude، Gemini و تقریباً هر مدل دیگری کار می‌کند. فقط کیفیت تشبیه‌ها بین مدل‌ها کمی فرق می‌کند.
فرق فاینمن با همان «ساده بگو» چیست؟
گفتن «ساده بگو» فقط گام اول است. تکنیک فاینمن کامل، مدل را وادار می‌کند شکاف‌های خودش را پیدا کند، با مثال پرشان کند و در پایان جمع‌بندی شفاف بدهد. همین گام‌های اضافه، تفاوت یک توضیح سطحی با یک درک واقعی را می‌سازند.
آیا این تکنیک جلوی توهم را کامل می‌گیرد؟
نه کامل، اما به‌طور چشمگیری کمک می‌کند. ساده‌سازی، بلوف را سخت‌تر می‌کند و اجازهٔ گفتن «نمی‌دانم» فشار تولید جواب جعلی را کم می‌کند. برای اطمینان بیشتر، آن را با زنجیرهٔ راستی‌آزمایی ترکیب کنید.
برای موضوع‌های خیلی تخصصی چه کنم؟
اول جواب تخصصی و دقیق را بگیرید، بعد فاینمن را به‌عنوان یک لایهٔ بازبینی اجرا کنید؛ یعنی از مدل بخواهید منطق همان جواب فنی را ساده بازگو کند تا نقطه‌ضعف‌های پنهانش روشن شود.
در تکنیک فاینمن، مهم‌ترین دلیلی که از مدل می‌خواهیم مطلب را «ساده» توضیح دهد چیست؟
این تمرین ویژهٔ اعضاست
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 رایگانجمعبندی
تکنیک فاینمن یک حقیقت ساده را به ابزار کاری تبدیل می‌کند: چیزی که واقعاً فهمیده شده باشد، ساده توضیح داده می‌شود. وقتی هوش مصنوعی را وادار می‌کنید جوابش را بدون نقاب اصطلاحات بگوید، هم درس را بهتر یاد می‌گیرید و هم مثل یک بازرس، لحظهٔ بلوف‌زدن مدل را می‌بینید. قالب چهارگامِ این درس را یک بار روی یک موضوع واقعی امتحان کنید؛ به‌سرعت می‌فهمید چرا سادگی، سخت‌ترین و صادق‌ترین آزمونِ دانش است.
این درس بخشی از مجموعهٔ آموزشی پرامپت‌نویسی Mr ChatGPT است. برای دیدن نقشهٔ کامل و بقیهٔ تکنیک‌ها، به راهنمای جامع پرامپت‌نویسی سر بزنید.
نسخهٔ فوری این مطلب در تلگرام: اینجا بخوانید
