هندسة الأوامر Prompt Engineering في الذكاء الاصطناعي من الصفر إلى الاحتراف

تعد هندسة الأوامر مهارة العصر حيث أن وظيفة (Prompt Engineering) تعد من أعلى الوظائف من حيث الراتب، وذلك لأستخدامها في تدريب نماذج الذكاء الاصطناعي التوليدي، الخطوة التي يكتسب فيها نموذج الذكاء الاصطناعي القدرة على أداء مهمة معينة، مثل التنبؤ، التصنيف، أو إنشاء المحتوى، ويمكن تشبيهها بطفل صغير يتم تعليمه الأساسيات مع إعطاءه الأمثلة والمعلومات ليتمكن من التعلم وأكتساب المعرفة.

الأوامر هي المدخلات التي نقوم بإدخالها إلى نموذج الذكاء الاصطناعي اللغوي (Inputs) من أجل الحصول على اجابة على هيئة مخرجات (Outputs)، تعد الأوامر المدخلة هي الأساس لتوليد استجابة مناسبة. هناك عدّة أنواع من الأوامر التي يمكننا إدخالها وهي إما نصيّة: هو النص الذي نقوم بكتابته بلغتنا ليوضح المهمة التي يجب أن يقوم بها نموذج الذكاء الاصطناعي، وإما أن تكون مرئية عبر رفع صورة أو فيديو إلى نموذج الذكاء الأصطناعي، أو صوتية وذلك بالتحدّث بالصوت مع نموذج الذكاء الأصطناعي، وتمثل نماذج الذكاء الأصطناعي العديد من النماذج اللغوية مثل ChatGPT، Google Gemini, Copilot والعديد من النماذج اللغوية الأخرى.

هندسة الأوامر هو علم يهتم بصياغة وكتابة المدخلات (Inputs) بطريقة صحيحة من أجل الحصول على مخرجات (Outputs) دقيقة وقوية من نماذج الذكاء الاصطناعي التوليدي، بعبارة أبسط هي فن وعلم التحدث إلى الذكاء الاصطناعي بطريقة تجعله يفهم ما تريده بالضبط ويقدم لك أفضل استجابة ممكنة، تمكننا هندسة الأوامر من الحصول على مخرجات أكثر دقة وذات صلة بدلاً من استجابات عامة وذات معلومات بسيطة، تقليل الأخطاء وذلك بتوجيه النموذج إلى الاتجاه الصحيح من أجل فهم ما تريده تمامًا.

تمكننا هندسة الأوامر كذلك من زيادة كفاءة نماذج الذكاء الاصطناعي اللغوية دون الحاجة إلى طلب تعديلات كبيرة على النتائج التي نحصل عليها، مما يمكننا من إنجاز مهام معقدة بسلاسة أكبر وتخصيص المخرجات والاجابات التي نحصل عليها.

من كتابة أوامر قوية لنماذج الذكاء الاصطناعي هناك عناصر يجب أن تكون موجودة في الأمر الذي نقوم بإدخاله إلى النموذج، العنصر الأول هي المهة (Task) وهو الطلب الذي نريد أن يقوم النموذج بتنفيذه لنا وهناك العديد من المهام المشهورة مثل التلخيص، الترجمة إعادة الصياغة، بالإضافة إلى مهام أخرى أكثر تعمقًا واحترافية.

العنصر الثاني هو السياق (Context) وهي المعلومات أو البيانات التي يحتاجها النموذج لفهم المهمة بشكل كامل، يجب أن يكون السياق واضحًا ويشرح للنموذج المهمة التي يجب إتمامها بطريقة بسيطة ومفهومة، أما العنصر الثالث هو الدور (Role) وهي توجيه النموذج لتبني شخصية معينة أو التصرف كخبير في مجال ما، يؤثر تحديد الشخصية على نبرة الأسلوب ومستوى التفاصيل في المخرجات التي سنحصل عليها من نموذج الذكاء الاصطناعي.

العنصر الرابع من عناصر الأمر الفعال هي المدخلات (Input Data) وهي المعلومات الإضافية التي ستقوم بتزويدها للنموذج من أجل حل مشكلة معينة أو الإجابة على سؤال ما، هذه البيانات هي بيانات خاصة بك وليست مخزنة في داخل النموذج بالتالي ستكون الاستجابة مخصصة لطلبك.

العنصر الخامس من عناصر هندسة الأوامر هي مؤشر المخرجات (Output Indicator) وهي تمكنك من تحديد تنسيق المخرجات التي ستحصل عليها عبر نموذج الذكاء الاصطناعي التوليدي، على سبيل المثال يمكن أن تطلب من النموذج أن يضع المخرجات في جدول، أن تكون بداخل ملف بصيغة (PDF)، بصيغة (JSON) والعديد من الصيغ والمخرجات التي يمكن لنماذج الذكاء الاصطناعي توليدها اعتمادًا على النموذج وخصائصه.

تقنيات هندسة الأوامر هي مجموعة من الاستراتيجيات المستخدمة في صياغة وتصميم المدخلات التي تقدم إلى نماذج الذكاء الاصطناعي اللغوية من أجل الحصول على مخرجات دقيقة، مفيدة، ومتوافقة مع الغرض المطلوب، وهي تمكن مهندسي هندسة الأوامر من تحسين جودة التفاعل مع نماذج الذكاء الاصطناعي اللغوي، مما يمكن النموذج من فهم النية الحقيقية للمستخدم وتقديم الاستجابة الأمثل.

تقنيات هندسة الأوامر تساعد في تضييق نطاق استجابات النموذج، تحسين الدقة وذلك بالتقليل من نسبة هلوسة النموذج، والتحكم في نمط المخرجات والشكل النهائي، والاستدلال المعقد خاصة في مسائل الرياضيات المعقدة والبرمجة.

هناك العديد من تقنيات هندسة الأوامر المشهورة والتي تستخدم في هندسة الأوامر منها: تقنية (Zero-Shot Prompting) وهي من أبسط التقنيات حيث يتم تقديم الأمر مباشرة إلى النموذج دون أي أمثلة مسبقة ويطلب من النموذج إكمال المهمة بناءً على معرفته العامة المدربة عليها من الشركة المصنعة.

التقنية الثانية هي (Few-Shot Prompting) وهي تقنية تمكننا من تقديم مثال واحد أو أكثر في المدخلات إلى النموذج قبل الأمر والطلب الفعلي وهذا يساعد النموذج على فهم النمط أو التنسيق المطلوب للاستجابة.

التقنية الثالثة هي سلسلة الأفكار (Chain-of-Thought Prompting) وهي تقنية تمكننا من توجيه النموذج لإظهار عملية تفكيره خطوة بخطوة قبل تقديم الإجابة النهائية، وهذا يحسن بشكل كبير أداء النموذج في مهام التفكير المعقدة والتي تتطلب خطوات إضافية في الحل.

التقنية الرابعة هي شجرة الأفكار (Tree of Thoughts Prompting) وهي تقنية متقدمة في هندسة الأوامر تهدف إلى تحسين قدرة النموذج على حل المشكلات المعقدة التي تتطلب تفكيرًا استدلاليًا، تخطيطًا، وبحثًا استكشافيًا. تُعد هذه التقنية تطويرًا لتقنية سلسلة الأفكار (Chain-of-Thought)، حيث أن تقنية شجرة الأفكار لا تعتمد علىبتوليد تسلسل خطي واحد من الأفكار بل يستكشف مسارات تفكير متعددة ومتفرعة كشجرة ذات الأغصان العديدة.

التقنية الخامسة هي الاتساق الذاتي (Self Consistency Prompting) وهي تقنية تستخدم توليد استجابات متعددة لمهمة واحدة عبر إنشاء عدّة مسارات للاستدلال تؤدي إلى نفس النتيجة النهائية، تستخدم هذه التقنية بكثرة في المسائل الرياضية المعقدّة وفي البرمجة المتقدمة.

للمزيد من التفاصيل حول هندسة الأوامر وتوظيف هذه العناصر والتقنيات بتجارب عملية يمكنك مشاهدة الفيديو التالي والذي يشرح مفهوم هندسة الأوامر من الألف إلى الياء:

دورة الذكاء الاصطناعي من الصفر إلى الاحتراف بخصم خاص لمتابعي احتراف البرامج: Ai MasterClass