خلاصه‌سازی سند بلند با هوش مصنوعی؛ روش نقشه‑کاهش (Map‑Reduce) برای خلاصهٔ دقیق

یک کتاب صد صفحه‌ای، یک قرارداد طولانی یا رونوشت یک جلسهٔ سه‌ساعته را یک‌جا جلوی هوش مصنوعی گذاشته‌ای و خلاصه‌ای گرفته‌ای که کلی است، چند بخش مهم را جا انداخته و وسط متن را انگار اصلاً نخوانده؟ این شکست تصادفی نیست؛ طبیعتِ کار است. روش «نقشه‑کاهش» دقیقاً برای همین ساخته شده: به‌جای یک خلاصهٔ شتاب‌زده از کل متن، سند را تکه می‌کنی، هر تکه را جداگانه و با دقت خلاصه می‌کنی و در پایان خلاصه‌های جزئی را در یک خلاصهٔ نهاییِ منسجم جمع می‌کنی.

چرا خلاصهٔ یک‌مرحله‌ای سند بلند شکست می‌خورد

وقتی یک متن بسیار طولانی را در یک پرامپت می‌ریزی و می‌گویی «این را خلاصه کن»، دو مشکل هم‌زمان اتفاق می‌افتد. اول اینکه مدل باید همهٔ جزئیات را در یک پاس فشرده کند و ناچار سراغ کلی‌گویی می‌رود؛ هرچه متن بلندتر باشد، سهم هر بخش از خلاصه کوچک‌تر و مبهم‌تر می‌شود.

مشکل دوم جدی‌تر است. پژوهش «Lost in the Middle» از دانشگاه استنفورد در سال ۲۰۲۳ نشان داد مدل‌های زبانی به اطلاعاتی که در ابتدا و انتهای یک کانتکست طولانی قرار دارند خوب توجه می‌کنند، اما دقتشان روی اطلاعاتِ وسط متن به‌شکل محسوسی افت می‌کند. یعنی حتی اگر سند در ظرفیت مدل جا شود، باز هم بخش‌های میانی عملاً کم‌اهمیت دیده می‌شوند. اگر می‌خواهی ریشهٔ این رفتار را دقیق‌تر بشناسی، چیدمان اطلاعات در پرامپت و فراموشی وسط متن را ببین.

نتیجه روشن است: روی سندهای بلند، مسئله دیگر «چطور بهتر بخواهیم» نیست، بلکه «چطور کار را تقسیم کنیم» است. اینجا همان‌جایی است که نقشه‑کاهش وارد می‌شود.

روش نقشه‑کاهش دقیقاً چیست

نام این روش از دنیای پردازش داده قرض گرفته شده، اما ایده‌اش ساده و شهودی است. کار را به دو مرحله می‌شکنی:

مرحلهٔ نقشه (Map). سند را به تکه‌های کوچک‌تر تقسیم می‌کنی و هر تکه را جداگانه به مدل می‌دهی تا خلاصه‌اش کند. در این مرحله مدل هر بار فقط با یک بخش کوچک سروکار دارد، پس می‌تواند با تمام توجهش جزئیات را بیرون بکشد.

مرحلهٔ کاهش (Reduce). حالا خلاصه‌های جزئی را کنار هم می‌گذاری و با یک پرامپت دیگر از مدل می‌خواهی آن‌ها را در یک خلاصهٔ نهاییِ یکپارچه ادغام کند؛ تکرارها را حذف کند، تناقض‌ها را کنار هم ببیند و یک روایت منسجم بسازد.

تفاوت کلیدی با خلاصهٔ معمولی این است که مدل هیچ‌وقت مجبور نیست کل سند را یک‌جا در ذهن نگه دارد. هر تصمیم روی حجم کوچکی از متن گرفته می‌شود، و همین است که خلاصه را دقیق و قابل‌اتکا می‌کند.

چانک‌بندی درست؛ مهم‌ترین مرحله‌ای که دست‌کم گرفته می‌شود

کیفیت خروجی نقشه‑کاهش بیش از هر چیز به چانک‌بندی وابسته است. یک اشتباه رایج این است که متن را کورکورانه هر هزار کلمه یک‌بار می‌برند؛ این کار جمله‌ها و حتی استدلال‌ها را از وسط نصف می‌کند و خلاصهٔ هر تکه ناقص می‌شود.

قاعدهٔ اصلی این است: تکه‌ها را روی مرز معنایی ببر، نه روی شمارهٔ کلمه. یک فصل کتاب، یک بخش از گزارش، یک موضوع در جلسه یا یک ماده از قرارداد مرز طبیعیِ خوبی است. اگر سند سرفصل دارد، همان سرفصل‌ها بهترین خط برش‌اند.

دو نکتهٔ عملی هم کار را بهتر می‌کند. اول، کمی هم‌پوشانی بین تکه‌های پشت‌سرهم بگذار (مثلاً یکی دو پاراگراف مشترک) تا جمله‌ای که روی مرز افتاده در هیچ تکه‌ای گم نشود. دوم، به هر تکه یک برچسب بده؛ مثلاً «بخش ۳ از ۸: نتایج مالی». این برچسب بعداً در مرحلهٔ کاهش کمک می‌کند مدل بفهمد هر خلاصه از کجای سند آمده.

متن کامل پرامپت‌ها

این دو پرامپت را می‌توانی مستقیم کپی کنی. اول پرامپت نقشه را روی تک‌تک تکه‌ها اجرا کن، بعد پرامپت کاهش را روی مجموعهٔ خلاصه‌ها.

پرامپت نقشه (برای هر تکه):

این یک تکه از یک سند بلندتر است (برچسب: «بخش X از Y»). فقط همین تکه را خلاصه کن. مهم‌ترین نکات، اعداد، تصمیم‌ها و نام‌ها را نگه دار و چیزی از خودت اضافه نکن. خلاصه را طوری بنویس که بدون دیدن متن اصلی هم کاملاً قابل‌فهم باشد و به «این متن» یا «بالاتر» ارجاع مبهم ندهد. خروجی: چند جملهٔ فشرده به‌همراه یک فهرست کوتاه از نکات کلیدی.

پرامپت کاهش (روی همهٔ خلاصه‌ها):

در ادامه خلاصهٔ بخش‌های مختلف یک سند واحد را به ترتیب می‌آورم. آن‌ها را در یک خلاصهٔ نهاییِ منسجم ادغام کن. نکات تکراری را یک‌بار بیاور، تناقض‌های احتمالی بین بخش‌ها را مشخص کن، ترتیب منطقی موضوع‌ها را حفظ کن و در پایان سه تا پنج نکتهٔ کلیدی کل سند را جداگانه فهرست کن.

اگر تعداد خلاصه‌های جزئی خیلی زیاد شد (مثلاً یک کتاب با پنجاه فصل)، مرحلهٔ کاهش را هم پله‌ای کن: اول هر چند خلاصه را در یک خلاصهٔ میانی ادغام کن، بعد خلاصه‌های میانی را در خلاصهٔ نهایی. این همان ایدهٔ مهندسی کانتکست است: به‌جای فشار آوردن به ظرفیت مدل، اطلاعات را لایه‌به‌لایه مدیریت می‌کنی.

چهار نسخهٔ موقعیتی

کتاب و متن آموزشی طولانی

این فصل از یک کتاب است. ایدهٔ اصلی فصل، سه تا پنج نکتهٔ مهم و هر اصطلاح کلیدی را که برای فهم فصل‌های بعد لازم است بیرون بکش. لحن را آموزشی نگه دار.

گزارش مالی و تجاری

این بخش از یک گزارش است. همهٔ اعداد، درصدها، تاریخ‌ها و نتیجه‌گیری‌ها را دقیق نگه دار و هیچ عددی را گرد نکن. اگر روندی (رشد یا افت) ذکر شده، آن را صریح بنویس.

قرارداد و سند حقوقی

این بخش از یک قرارداد است. تعهدها، مهلت‌ها، مبالغ، شرط‌های فسخ و هر بندی که ریسک یا جریمه دارد را بدون تفسیر و دقیقاً مطابق متن خلاصه کن. اگر چیزی مبهم است، به‌جای حدس‌زدن آن را به‌عنوان «نیازمند بررسی» علامت بزن.

رونوشت جلسهٔ طولانی

این بخش از رونوشت یک جلسه است. تصمیم‌های گرفته‌شده، اقدام‌ها و مسئولِ هر اقدام و موضوع‌های باز را جدا کن. گفتگوهای حاشیه‌ای را کنار بگذار.

برای جلسه‌ها اگر فقط یک متن کوتاه داری و نیازی به تکه‌کردن نیست، پرامپت خلاصه‌سازی جلسه مسیر سریع‌تری است؛ نقشه‑کاهش را وقتی بیاور که رونوشت واقعاً بلند باشد.

اشتباه‌های رایج

برش روی شمارهٔ کلمه به‌جای مرز معنایی. رایج‌ترین خطا؛ همان‌طور که گفتیم تکه را روی فصل، بخش یا موضوع ببر، نه هر N کلمه.

رهاکردن کار در مرحلهٔ نقشه. بعضی‌ها هر تکه را خلاصه می‌کنند و همان‌جا متوقف می‌شوند. خروجیِ بدون مرحلهٔ کاهش یک مشت خلاصهٔ پراکنده است، نه خلاصهٔ سند.

خلاصه‌های جزئیِ وابسته. اگر خلاصهٔ هر تکه با «همان‌طور که بالاتر گفته شد» شروع شود، در مرحلهٔ کاهش معنایش گم می‌شود. پرامپت نقشه را طوری نوشتیم که هر خلاصه مستقل و خودبسنده باشد.

فشرده‌کردن بیش از حد در مرحلهٔ نقشه. اگر هر تکه را خیلی کوتاه کنی، جزئیات مهم همان اول حذف می‌شوند و مرحلهٔ کاهش دیگر نمی‌تواند چیزی را که دیگر وجود ندارد برگرداند. در مرحلهٔ نقشه سخاوتمند باش؛ فشرده‌سازی نهایی کار مرحلهٔ کاهش است.

تفاوت نقشه‑کاهش با خلاصهٔ چگالی‌بالا

این دو روش مکمل‌اند، نه رقیب. نقشه‑کاهش مسئلهٔ طول را حل می‌کند؛ وقتی سند از ظرفیت یک پرامپت بزرگ‌تر است. زنجیرهٔ چگالی در مقابل مسئلهٔ کیفیت را حل می‌کند؛ وقتی متن در یک پرامپت جا می‌شود ولی می‌خواهی خلاصه‌ای پُر و فشرده بگیری.

ترکیب این دو قدرتمند است: با نقشه‑کاهش خلاصهٔ نهاییِ سند بلند را بساز، بعد همان خلاصهٔ نهایی را یک‌بار از فیلتر زنجیرهٔ چگالی رد کن تا هم کوتاه بماند و هم هیچ نکتهٔ مهمی جا نیفتد.

پرسش‌های پرتکرار

هر تکه چقدر باید باشد؟ قاعدهٔ ثابتی ندارد، اما یک بخش معنایی کامل (یک فصل، یک بخش گزارش) معمولاً اندازهٔ خوبی است. مهم‌تر از تعداد کلمه این است که تکه روی مرز طبیعی متن بیفتد.

آیا مدل‌های امروزی با کانتکست بزرگ، این روش را بی‌فایده نکرده‌اند؟ نه. کانتکست بزرگ‌تر یعنی سند جا می‌شود، ولی مشکل فراموشی وسط متن و کلی‌گویی روی حجم زیاد همچنان هست. نقشه‑کاهش دقت را بالا نگه می‌دارد حتی وقتی سند در ظرفیت مدل هم جا شود.

می‌توانم این کار را دستی انجام دهم؟ بله. حتی بدون ابزار برنامه‌نویسی هم می‌توانی تکه‌ها را یکی‌یکی در گفتگو خلاصه کنی و در پایان خلاصه‌ها را کنار هم بگذاری و پرامپت کاهش را اجرا کنی. برای سندهای خیلی بزرگ، خودکارسازی با کد راحت‌تر است.

جمع‌بندی

روی سندهای بلند، راز خلاصهٔ خوب در طرز پرسیدن نیست، در تقسیم کار است. متن را روی مرز معنایی تکه کن، هر تکه را مستقل و سخاوتمندانه خلاصه کن، و در پایان با پرامپت کاهش همه را در یک روایت منسجم جمع کن. همین سه قدم تفاوت بین یک خلاصهٔ سطحیِ گم‌شده در کلی‌گویی و یک خلاصهٔ دقیق و قابل‌اتکا است.

این آموزش بخشی از مجموعهٔ آموزشی پرامپت‌نویسی Mr ChatGPT است. برای دیدن ترتیب کامل درس‌ها و تکنیک‌های دیگر، راهنمای جامع پرامپت‌نویسی را ببین.