پرامپت تجسم فکر (Visualization of Thought)؛ به هوش مصنوعی یاد بده اول صحنه را بکشد

از هوش مصنوعی می‌پرسی شش مهمان را چطور دور یک میز بنشاند، یا چطور از نقطهٔ الف به ب روی یک نقشهٔ ساده برسد، و جوابی می‌گیری که روی کاغذ درست به نظر می‌رسد اما وقتی خودت می‌کشی‌اش می‌بینی دو نفر روی یک صندلی نشسته‌اند. مشکل از باهوش‌نبودن مدل نیست؛ مشکل این است که مدل صحنه را «ندیده» و فقط با کلمه دربارهٔ فضا حدس زده است. تکنیک «تجسم فکر» دقیقاً همین حلقهٔ گمشده را پر می‌کند: پیش از پاسخ، از مدل می‌خواهیم وضعیت را به شکل یک نقشهٔ متنی بکشد و بعد روی همان نقشه استدلال کند.

بخش ۱ — تجسم فکر چیست و چرا جواب می‌دهد؟

تجسم فکر یعنی به‌جای این‌که از مدل یک جوابِ نهایی بخواهی، از او بخواهی اول «صحنه» را بکشد. مدل‌های زبانی وقتی دربارهٔ روابط مکانی فقط با جمله فکر می‌کنند، مثل کسی هستند که چشمش را بسته و در ذهنش سعی می‌کند یک پازل را بچیند؛ یکی‌دو قطعه را درست می‌گذارد و بعد گم می‌شود. وقتی همان آدم اجازه پیدا کند اول روی کاغذ خطوط را بکشد، اشتباهش به چشم می‌آید و قابل‌اصلاح می‌شود. نقشهٔ متنی برای مدل دقیقاً همان کاغذ است.

نکتهٔ کلیدی این است که این نقشه، یک «حالت میانی» می‌سازد که مدل می‌تواند در هر گام به آن نگاه کند و قدم بعدی را روی آن بگذارد. همین زنجیرهٔ دیداری باعث می‌شود استدلال از حافظهٔ لحظه‌ای مدل بیرون بیاید و روی متن ثبت شود. اگر با مبانی پرامپت‌نویسی تازه آشنا شده‌ای، پیشنهاد می‌کنیم اول راهنمای ساده پرامپت‌نویسی را بخوانی تا این آموزش بیشتر جا بیفتد.

مثال: «می‌خواهم چیدمان چهار جعبه را در یک قفسهٔ سه‌طبقه حساب کنی. اول یک نقشهٔ متنی از قفسه بکش (هر طبقه یک ردیف با علامت‌های خالی)، بعد توضیح بده هر جعبه کجا می‌رود و چرا، و در پایان نقشهٔ کامل‌شده را دوباره رسم کن.»

بخش ۲ — چرا هوش مصنوعی در مسائل مکانی می‌لغزد؟

مدل‌های زبانی روی متن آموزش دیده‌اند، نه روی تصویر یا فضا. آن‌ها «می‌دانند» که معمولاً بعد از جملهٔ «الف سمت راست ب است» چه کلماتی می‌آیند، اما یک تصویر درونی پایدار از چیدمان نمی‌سازند. برای همین وقتی مسئله چند قید هم‌زمان دارد — مثلاً «علی کنار مریم نباشد و حسن روبه‌روی در بنشیند» — مدل یکی از قیدها را نگه می‌دارد و وسط راه دیگری را فراموش می‌کند. این همان محدودیتی است که در بررسی توان و محدودیت‌های هوش مصنوعی هم به آن اشاره شده است.

تجسم فکر این ضعف را با یک حقه حل می‌کند: به‌جای این‌که مدل همهٔ قیدها را هم‌زمان در ذهن نگه دارد، آن‌ها را یکی‌یکی روی نقشه اعمال می‌کند و بعد از هر گام نقشه را به‌روز می‌نویسد. حالا اگر قیدی نقض شود، خودِ مدل می‌تواند ببیند و برگردد.

مثال: «این سه قید را روی یک میز گرد شش‌نفره اعمال کن. بعد از هر قید، نقشهٔ به‌روزشدهٔ میز را دوباره بنویس تا مطمئن شویم هیچ قیدی نقض نشده است.»

بخش ۳ — گام نخست: از مدل بخواه صحنه را بکشد

اولین و مهم‌ترین جملهٔ پرامپت تجسم فکر این است: «پیش از هر استدلالی، وضعیت را به‌صورت یک نقشهٔ متنی رسم کن.» نوع نقشه را هم خودت تعیین کن تا مدل سرگردان نشود: برای چیدمان از جدول یا شبکه استفاده کند، برای مسیر از یک شبکهٔ مختصات، و برای روابط (مثل شجره‌نامه) از یک فهرست تودرتو.

هرچه نوع بازنمایی را دقیق‌تر بگویی، خروجی منظم‌تر می‌شود. این همان اصلی است که در آموزش‌های پایهٔ کار با چت‌جی‌پی‌تی بارها تکرار می‌شود: ابهام را از پرامپت حذف کن.

مثال: «یک اتاق مستطیلی ۴ در ۵ داریم. اول یک شبکهٔ ۴ در ۵ با حروف و اعداد رسم کن و در، پنجره و پریز برق را روی آن علامت بزن؛ هنوز چیزی نچین، فقط نقشهٔ خالی را بده.»

بخش ۴ — گام دوم: روی همان نقشه قدم‌به‌قدم استدلال کن

وقتی نقشهٔ خالی آماده شد، مدل را مجبور کن تصمیم‌هایش را روی همان نقشه بگذارد، نه در یک پاراگراف جداگانه. بگو: «برای هر قلم، اول بگو کجا می‌گذاری، بعد چرا، و بعد نقشه را با آن قلمِ اضافه‌شده دوباره بنویس.» این تکرارِ بازنویسیِ نقشه همان چیزی است که دقت را بالا می‌برد.

این الگو خویشاوند نزدیک «زنجیرهٔ تفکر» است، با این تفاوت که زنجیره در تجسم فکر به‌جای کلمات، روی یک تصویر متنی پیش می‌رود. اگر بخواهی چند روش استدلالی را کنار هم ببینی، مجموعهٔ آموزش پرامپت‌نویسی نقشهٔ راه خوبی است.

مثال: «حالا تلویزیون، مبل، میز و گلدان را در همان اتاق بچین. برای هر وسیله: جای پیشنهادی، دلیل، و نقشهٔ به‌روزشده را بنویس. اگر وسیله‌ای جلوی در یا پنجره افتاد، همان‌جا اصلاحش کن.»

بخش ۵ — قالب آمادهٔ پرامپت تجسم فکر

برای این‌که مجبور نباشی هر بار از صفر بنویسی، یک قالب شش‌خطی داریم که روی تقریباً هر مسئلهٔ مکانی کار می‌کند. کافی است جای صورت‌مسئله و قیدها را پر کنی.

مثال: «صورت‌مسئله: [توضیح وضعیت]. قیدها: [فهرست قیدها]. مرحلهٔ ۱) یک نقشهٔ متنی خالی از وضعیت بکش. مرحلهٔ ۲) قیدها را یکی‌یکی اعمال کن و بعد از هر قید نقشه را دوباره بنویس. مرحلهٔ ۳) اگر جایی قیدی نقض شد، همان‌جا برگرد و اصلاح کن. مرحلهٔ ۴) در پایان نقشهٔ نهایی و یک فهرست کوتاه از تصمیم‌ها را بده.»

همین قالب را می‌توانی برای مسیریابی، چیدمان ویترین مغازه، برنامهٔ سفر چندشهری یا حتی طراحی یک فرم هم به‌کار ببری؛ فقط نوع نقشه را عوض کن.

بخش ۶ — کجا بیشترین سود را می‌دهد؟ شش کاربرد واقعی

تجسم فکر برای هر سؤالی لازم نیست؛ قدرتش در مسائلی است که یک «فضا» یا «ساختار» دارند. شش جای پرتکرار که واقعاً فرق را احساس می‌کنی اینهاست: چیدمان مبلمان و دکوراسیون، ترتیب نشستن مهمان‌ها، مسیریابی و برنامهٔ رفت‌وآمد، چیدمان کالا در انبار یا قفسه، طراحی جدول زمانی و تقویم، و حل معماهای منطقی و مکانی.

در همهٔ این‌ها وجه مشترک این است که جواب یک «آرایش» است، نه یک جملهٔ ساده. برای کسب‌وکارها این موضوع اهمیت دوچندان دارد؛ در نقش هوش مصنوعی در کسب‌وکار دیدیم که همین تصمیم‌های چیدمانی و زمان‌بندی چقدر روی بهره‌وری اثر می‌گذارند.

مثال: «یک انبار کوچک با سه قفسه دارم و هشت قلم کالا با وزن و تعداد فروش متفاوت. اول نقشهٔ قفسه‌ها را بکش، بعد پرفروش‌ها را در دسترس‌ترین جا بچین و برای هر تصمیم نقشهٔ به‌روزشده را بنویس.»

بخش ۷ — ترکیب تجسم فکر با زنجیرهٔ تفکر و خودبازبینی

تجسم فکر وقتی با دو تکنیک دیگر ترکیب شود قدرتش چند برابر می‌شود. اول «زنجیرهٔ تفکر»: از مدل بخواه بین هر گام، استدلالش را هم بنویسد نه فقط نتیجه را. دوم «خودبازبینی»: در پایان، از مدل بخواه نقشهٔ نهایی را با فهرست قیدها تطبیق بدهد و خودش تأیید کند که هیچ قیدی نقض نشده است.

این لایهٔ آخر مثل یک بازرس عمل می‌کند و بیشتر خطاهای باقی‌مانده را می‌گیرد. برای درک بهتر این‌که چرا این مدل‌ها اصلاً چنین رفتاری دارند، آشنایی با پیشینهٔ شرکت‌هایی مثل OpenAI و مسیر ساخت این مدل‌ها کمک می‌کند.

مثال: «نقشهٔ نهایی را که کشیدی، یک جدول کنترلی بساز: در یک ستون همهٔ قیدها و در ستون بعدی بنویس هر قید رعایت شده یا نه. اگر حتی یک مورد «نه» شد، برگرد و نقشه را اصلاح کن.»

بخش ۸ — خطاهای رایج و راه‌حلشان

سه اشتباه باعث می‌شود تجسم فکر جواب ندهد. اول: نگفتنِ نوع نقشه، که مدل را به سمت یک توصیف کلامی مبهم می‌برد. دوم: نخواستنِ بازنویسی نقشه بعد از هر گام، که زنجیره را پاره می‌کند. سوم: دادنِ قیدهای ناقص یا متناقض، که هیچ تکنیکی آن را نجات نمی‌دهد.

راه‌حل هر سه ساده است: نوع بازنمایی را صریح بگو، بازنویسیِ گام‌به‌گام را الزامی کن، و پیش از شروع، قیدها را خودت یک‌بار مرور کن. برای تمرین بیشتر و دیدن نمونه‌های تازه، سری به بخش اخبار و آموزش‌های روز بزن.

مثال: «قبل از شروع، فهرست قیدهای مرا بررسی کن و اگر دو قید با هم تناقض دارند یا چیزی مبهم است، اول از من بپرس؛ تا وقتی قیدها روشن نشده، نقشه نکش.»

پرسش‌های پرتکرار

تجسم فکر با زنجیرهٔ تفکر چه فرقی دارد؟ زنجیرهٔ تفکر استدلال را با کلمات پیش می‌برد، اما تجسم فکر یک بازنمایی دیداریِ متنی می‌سازد و استدلال را روی همان نقشه انجام می‌دهد؛ برای مسائل مکانی و چیدمانی بسیار دقیق‌تر است.

آیا این روش روی همهٔ مدل‌ها کار می‌کند؟ بله، چون فقط به توانایی تولید متن نیاز دارد. روی مدل‌های قوی‌تر نتیجهٔ بهتری می‌گیری، اما حتی مدل‌های سبک هم با رسم نقشهٔ متنی دقیق‌تر می‌شوند.

برای سؤال‌های ساده هم باید از آن استفاده کنم؟ نه. اگر سؤال فضا یا ساختار ندارد، تجسم فکر فقط جواب را طولانی می‌کند؛ این تکنیک را برای مسائل چیدمانی، مسیریابی و معماهای مکانی نگه دار.