أنواع الهندسة الفورية

عند تفاعلنا مع أنظمة إدارة التعلم، فإن طريقة صياغة طلب تُحدد كل شيء في استجابة التي نتلقاها. فالسؤال المبهم غالبًا ما يُنتج إجابة مبهمة. أما التوجيه المُحكم، والمبني على الأسلوب الأمثل، فيُنتج إجابة دقيقة، ومنسقة بشكل جيد، ومفيدة حقًا. هذا التفاوت في جودة إخراج هو تحديدًا سبب أهمية أنواع هندسة التوجيهات المختلفة، وسبب كون اختيار الطريقة الصحيحة لا يقل أهمية عن كتابة تعليمات واضحة.

لا تتطلب كل مهمة نفس الأسلوب. فطلب ترجمة جملة من نموذج يختلف جوهريًا عن طلب حل مسألة رياضية متعددة الخطوات أو تنسيق سير عمل بحثي. يستفيد كل سيناريو من استراتيجية توجيه مختلفة. إن فهم النطاق الكامل لأساليب هندسة التوجيه المتاحة لنا، ومعرفة متى نستخدم كلًا منها، هو ما يميز الاستخدام العرضي للذكاء الاصطناعي عن الاستخدام المدروس والموثوق. يمكننا تصنيف هذه التقنيات إلى ثلاث فئات رئيسية:

1. أساسيات

2. التوجه نحو التفكير المنطقي

3. موجه نحو العمل

تتناول كل فئة مستوى مختلفًا من تعقيد المهمة، نموذج معًا مجموعة أدوات كاملة للعمل مع نماذج اللغة في أي حالة استخدام تقريبًا.

أنواع مختلفة من الهندسة السريعة

تُعدّ نماذج التعلم الآلي أنظمة متعددة الأغراض قادرة على الكتابة والاستدلال والتلخيص والتصنيف والترجمة، وغير ذلك الكثير. لكنها لا تعرف تلقائيًا أي نمط يجب استخدامه، أو أي مستوى من العمق، ما لم نُقدّم الإشارة المناسبة. المحفز هو تلك الإشارة، ومدى جودة صياغته يُحدد مدى كفاءة النموذج.

بالنسبة للمهام البسيطة، يكفي الحد الأدنى من التوجيه. فنادراً ما يتطلب طلب الإجابة عن سؤال واقعي أو إعادة صياغة جملة من نموذج ما إعداداً معقداً. ولكن مع ازدياد تعقيد المهام، سواء أكانت تتضمن استدلالاً متعدد الخطوات، أو تنسيقات خاصة بمجال معين، أو بيانات خارجية، أو قرارات متسلسلة، يحتاج النموذج إلى بنية أكثر تنظيماً لإنتاج نتائج متسقة وموثوقة.

لهذا السبب توجد أنواع مختلفة من هندسة التوجيه. توفر كل تقنية نوعًا مختلفًا من الدعم، موجهةً النموذج نحو مخرجات أفضل من خلال تغيير مقدار السياق أو التعليمات أو البنية التي نُدرجها. فكّر في الأمر كاختيار الأداة المناسبة للعمل. المطرقة مناسبة للمسامير ولكنها غير مناسبة للبراغي. معرفة طريقة التوجيه المناسبة لكل مهمة هو ما يحدد ما إذا كانت نتائجنا مفيدة ومتسقة أم غامضة وغير موثوقة.

الأنماط الأساسية

تُعدّ تقنيات التلقين الأساسية نقطة انطلاق لأي شخص يعمل مع نماذج اللغة. فهي سهلة التطبيق، ومفهومة جيداً، وتُشكّل اللبنات الأساسية لكل طريقة أكثر تقدماً تليها.

التوجيه بدون تدريب

يُعدّ التوجيه بدون أمثلة مسبقة أبسط نموذج التوجيه. إذ نُعطي النموذج مهمةً دون أمثلة أو عروض توضيحية أو أي توجيهات إضافية تتجاوز التعليمات نفسها. ويعتمد النموذج كلياً على معرفته المُدرّبة مسبقاً لفهم المطلوب وتقديم استجابة.

يُعدّ التلقين بدون أمثلة فعّالاً للمهام الواضحة والمباشرة التي يمتلك فيها النموذج تدريباً مسبقاً واسعاً على الموضوع. فهو لا يتطلب جهداً يُذكر، وعادةً ما يكون الخيار الأول الذي يستحق التجربة. وعندما تكون النتائج غير متسقة أو بعيدة عن الهدف، فهذا عادةً ما يُشير إلى ضرورة إضافة أمثلة والانتقال إلى التلقين بمثال واحد أو أمثلة قليلة.

التلقين بلقطة واحدة

يُقدّم التوجيه لمرة واحدة للنموذج مثالاً واحداً قبل عرض المهمة الفعلية. يعمل هذا المثال كنقطة مرجعية، حيث يُظهر للنموذج تنسيق إخراج المتوقع، أو أسلوبه، أو طريقة تفكيره قبل أن يُحاول تنفيذ طلب الحقيقي.

غالباً ما يكون مثال واحد مختار جيداً كافياً لترسيخ سلوك النموذج، خاصة عندما نحتاج إلى بنية إخراج محددة أو مستوى من التفاصيل لا يوفره التوجيه بدون أمثلة بشكل موثوق.

التلقين ببضع لقطات

يُوسّع أسلوب التوجيه المُقتضب هذا النهج من خلال تقديم أمثلة متعددة قبل المهمة. وهو أحد أكثر أساليب هندسة التوجيه موثوقيةً للمهام التي يكون فيها الاتساق وتنسيق إخراج مهمين عبر العديد من المدخلات المختلفة.

كلما زادت الأمثلة ذات الصلة التي نقدمها، كان النموذج أكثر قدرة على معايرة استجاباته وفقًا لتوقعاتنا. يُعدّ التوجيه باستخدام عدد قليل من الأمثلة فعالًا بشكل خاص في التصنيف، واستخراج البيانات المنظمة، والمخرجات الخاصة بمجالات محددة، حيث يحتاج النموذج إلى اتباع نمط واضح ومتسق عبر مدخلات متنوعة.

الأشخاص ذوو التوجه المنطقي

مع ازدياد تعقيد المهام، نحتاج إلى تقنيات تشجع النموذج على معالجة المشكلة بعناية بدلاً من التسرع في الوصول إلى استنتاج. صُممت التقنيات القائمة على الاستدلال خصيصاً لهذا الغرض. وهي تمثل بعضاً من أهم التطورات في هندسة الحلول المتقدمة، وتُعدّ ضرورية للمهام التحليلية متعددة الخطوات، حيث تؤدي أي خطوة وسيطة خاطئة إلى إجابة نهائية خاطئة.

التحفيز من خلال سلسلة الأفكار (CoT)

يُعدّ أسلوب "سلسلة التفكير" (CoT) تقنيةً تُشجّع النموذج على التفكير المنطقي في المشكلة خطوةً بخطوة قبل الوصول إلى الإجابة النهائية. فبدلاً من طلب استجابة مباشرة، نحثّ النموذج على إظهار عملية التفكير التي اتبعها، مما يُؤدي إلى مخرجات أكثر دقةً وقابليةً للتفسير في المهام المعقدة. وهناك نوعان شائعان من هذا الأسلوب.

• تعمل تقنية "التدريب بدون تدريب" عن طريق إضافة تعليمات بسيطة إلى موجه الأوامر:

• يُقدّم نموذج CoT ذو الأمثلة القليلة أمثلة محلولة بالكامل تُظهر عملية التفكير خطوة بخطوة قبل عرض المهمة الفعلية. يُعدّ هذا التنوع فعالاً بشكل خاص عندما يكون نمط التفكير خاصاً بمجال معين أو غير واضح للنموذج.

يُحسّن التوجيه القائم على المسار (CoT) الأداء بشكلٍ موثوق في مسائل الرياضيات، والاستنتاجات المنطقية، وأي مهمة يكون فيها مسار الحل بنفس أهمية الحل نفسه. وهو من أكثر تقنيات التوجيه المتقدمة استخدامًا في الممارسة العملية اليوم.

التحفيز على الاتساق الذاتي

يعتمد أسلوب التلقين القائم على الاتساق الذاتي على تسلسل الأفكار، وذلك من خلال أخذ عينات من عدة استجابات لنفس السؤال واختيار الإجابة الأكثر تكرارًا في جميع النتائج. وبدلًا من الاعتماد على استجابة واحدة، نتعامل مع النموذج كفريق من المفكرين المستقلين ونعتمد على النتيجة المتفق عليها.

تُعدّ هذه التقنية بالغة الأهمية للمهام التي لها إجابة صحيحة قاطعة، مثل مسائل الرياضيات أو الاستدلال الواقعي، حيث قد ينتج عن تشغيل واحد خطأً من حين لآخر. من خلال توليد عدة سلاسل استدلال مستقلة ومقارنة نتائجها، نقلل من تباين إخراج ونحسّن الموثوقية بشكل ملحوظ. يُعدّ الاتساق الذاتي أحد أكثر تقنيات التوجيه المتقدمة عمليةً للمهام بالغة الأهمية التي لا يمكن فيها ترك الدقة للصدفة.

التحفيز باستخدام شجرة الأفكار (ToT)

يُوسّع أسلوب "شجرة الأفكار" (ToT) نطاق الاستدلال متعدد المسارات. فبينما يتبع "سلسلة الأفكار" مسار استدلال خطي واحد، يُشجع "شجرة الأفكار" النموذج على توليد عدة فروع استدلالية محتملة في آنٍ واحد، وتقييم كل منها، ومواصلة تطوير الاتجاه الأكثر جدوى مع استبعاد المسارات الأضعف مبكراً.

يعكس هذا النهج كيفية تعامل الخبير مع المشكلات المعقدة: دراسة جوانب متعددة، واستبعاد الحلول الأقل فعالية مبكرًا، وتوجيه الموارد نحو المسار الأمثل. يُعدّ أسلوب "نظرة على التكنولوجيا" (ToT) الأنسب لحل المشكلات الإبداعي، والتخطيط الاستراتيجي، ومهام التفكير المعقدة التي لا يوجد فيها حل واضح مسبقًا. وهو من أكثر الأساليب تطورًا في مجموعة أدوات هندسة الحلول السريعة المتقدمة.

أنواع الأشخاص ذوي التوجه العملي

تتجاوز التقنيات في هذه الفئة مجرد الاستدلال، لتربط النموذج بإجراءات وأدوات خارجية، وسير عمل متعدد المراحل. هذه هي الأساليب التي تدعم تطبيقات الذكاء الاصطناعي في العالم الحقيقي، حيث لا يكفي توليد النصوص الثابتة وحده.

استجابة التنبيه

يجمع نموذج ReAct prompting ، وهو اختصار لـ Reason and Act (الاستدلال والفعل)، بين التفكير المنطقي المتسلسل والقدرة على اتخاذ إجراءات ملموسة مثل الاستعلام عن قاعدة بيانات، أو استدعاء واجهة برمجة API، أو البحث على الإنترنت. ويعمل هذا النموذج في حلقة متواصلة من ثلاث خطوات: التفكير، والفعل، والملاحظة.

تُقرّب كل دورة النموذج من إجابة كاملة ومُثبتة. يُعدّ ReAct أساسيًا لبناء أنظمة الذكاء الاصطناعي، وهي أنظمة يتفاعل فيها النموذج مع أدوات خارجية ويتخذ قرارات بناءً على ما يلاحظه في الوقت الفعلي. بالنسبة لأي تطبيق يتجاوز توليد النصوص الثابتة، يُعدّ ReAct أحد أهم تقنيات التوجيه المتقدمة التي يجب فهمها.

تسلسل المطالبات

تُعدّ تقنية ربط المطالبات أسلوبًا يُصبح فيه إخراج إحدى المطالبات إدخال للمطالبة التالية. فبدلًا من محاولة إنجاز مهمة معقدة في خطوة واحدة، نقوم بتقسيمها إلى سلسلة من المطالبات المركزة، حيث تبني كل مطالبة على نتيجة المطالبة التي سبقتها.

على سبيل المثال، لإنتاج مقال تقني متقن، قد ننظم العملية على النحو التالي:

• المطلوب الأول: قم بإنشاء مخطط تفصيلي لمقال حول الموضوع X.

• المهمة الثانية: باستخدام هذا المخطط، اكتب مسودة كاملة للقسم الثاني.

• المهمة الثالثة: راجع المسودة للتأكد من وضوحها وإيجازها، واقترح تحسينات.

لكل خطوة نطاق محدد ودقيق، مما يُحسّن جودة إخراج الإجمالية ويُتيح نقاط مراجعة طبيعية للتدخل والتصحيح قبل المضي قدمًا. يرتبط تسلسل التوجيهات ارتباطًا وثيقًا بالتوجيه التكراري، وهو أحد أفضل ممارسات هندسة التوجيهات، حيث نتعامل مع توليد إخراج كعملية تحسين تدريجية بدلًا من مهمة لمرة واحدة. يُعد هذا النهج ذا قيمة خاصة لإنشاء المحتوى، وتوليد التعليمات البرمجية، وأي سير عمل متعدد المراحل حيث يمكن أن تتراكم الأخطاء المبكرة.

توجيه الأدوار

يُعدّ التوجيه إلى الأدوار أسلوبًا نُسند فيه إلى النموذج شخصيةً أو دورًا مهنيًا محددًا قبل عرض المهمة. ومن خلال إخبار النموذج بهويته، نُشكّل نبرته ومفرداته وعمق استجابة، بالإضافة إلى الإطار العام للإجابة.

يُجدي التوجيه القائم على الأدوار نفعاً لأنه يُفعّل إطاراً معرفياً مُحدداً لدى النموذج. فالنموذج الذي يُجيب بصفته مستشاراً مالياً يُنظّم إخراج بشكلٍ مُختلف تماماً عن النموذج نفسه الذي يُجيب بصفته مُدرّباً على الكتابة الإبداعية، حتى وإن كان كلاهما يُجيب على السؤال الأساسي نفسه. فالدور المُحدد لا يُشير فقط إلى ما يجب قوله، بل أيضاً إلى كيفية قوله، وعمقه، والافتراضات المُسبقة حول الجمهور.

تُستخدم هذه التقنية على نطاق واسع من قِبل موظفي دعم العملاء، والمدرسين، والمراجعين التقنيين، والمساعدين المتخصصين في مجالات محددة. وعند دمجها مع أمثلة قليلة أو تعليمات تسلسل الأفكار، يصبح توجيه الأدوار أداة أكثر دقة لتشكيل سلوك النموذج بشكل متسق عبر مدخلات متنوعة.

اختيار النوع المناسب

مع توفر العديد من أساليب الهندسة السريعة، تُعد طبيعة المهمة عادةً الدليل الأوضح على الأسلوب الأنسب. يوضح الجدول أدناه أنواع المهام الشائعة والنهج الموصى به.

في الواقع العملي، تُدمج هذه التقنيات بانتظام. قد يستخدم تطبيق ذكاء اصطناعي إنتاجي توجيه الأدوار لتحديد السياق، وأمثلة قليلة لتحديد تنسيق إخراج ، وتسلسل التوجيهات لإدارة سير عمل متعدد الخطوات، كل ذلك ضمن النظام نفسه. إن فهم كل تقنية على حدة هو ما يُتيح الدمج المدروس، وهذه القدرة على دمج الأساليب بذكاء هي جوهر أفضل ممارسات هندسة التوجيهات في التطبيقات العملية.

خاتمة

يعكس تنوع أساليب التوجيه المتاحة اليوم مدى نضج مجال هندسة التوجيه كتخصص عملي. تمثل كل طريقة أسلوبًا مميزًا لتوصيل النية إلى نموذج اللغة، ويؤثر اختيار الأسلوب المناسب تأثيرًا مباشرًا على جودة إخراج واتساقها وموثوقيتها. ومع ازدياد تعقيد مهام نماذج اللغة في مختلف المجالات، تصبح البراعة في هذه الأساليب مهارة قيّمة لكل من يبني أنظمة الذكاء الاصطناعي أو يعتمد عليها. يوفر الإلمام الجيد بهذه الأساليب أساسًا متينًا ينطبق على جميع الأهداف، سواء كان الهدف بناء تطبيقات ذكية، أو أتمتة سير العمل المعقد، أو ببساطة الحصول على مخرجات أكثر دقة وفائدة من تفاعلات النموذج اليومية.