طلبت من ChatGPT-5 كشف خبايا تصميمه الداخلي
على الرغم من الإطلاق المتعثر، إلا أن نموذج GPT-5 الأخير من ChatGPT جلب معه ميزات جديدة، الشخصيات، والتكاملات. على الرغم من أن هذه هي التطورات الأبرز، إلا أنني كنت فضوليًا لمعرفة ما إذا كان هناك تغيير كبير في طريقة تعامل ChatGPT مع تعليماتي.
إن سؤال روبوتات الذكاء الاصطناعي بشكل مباشر مثل ChatGPT و Claude و Gemini للكشف عن مونولوجهم الداخلي أو سلسلة أفكارهم يؤدي إلى إطلاق إنذاراتهم، وستحصل على رد على غرار: أنا آسف، لا يمكنني مشاركة ذلك، ولكن يمكنني أن أقدم لك بعض المعلومات العامة حول كيفية عملي بدلاً من ذلك.
قد تكون هذه الأفكار مثيرة للاهتمام لرؤيتها لأنها قد تكشف عن رؤى خفية مثل تحيزات الذكاء الاصطناعي. تشمل التحيزات التي نعرفها بالفعل أن ChatGPT يميل نحو وجهات النظر الغربية وأنه يعمل بشكل أفضل باللغة الإنجليزية، على سبيل المثال. هذا على الأرجح يأتي من تحيز بيانات التدريب.
ومع ذلك، بعد بعض الأخذ والرد، كانت هناك بعض التفاصيل الإضافية التي كان ChatGPT-5 على استعداد لمشاركتها حول كيفية معالجته لتعليماتي.
1. ما الذي يبحث عنه GPT-5 في التعليمات؟
على الرغم من اعترافه بأنه لا يستطيع منحني وصولاً كاملاً إلى “دماغه”، إلا أن ChatGPT قال إنه يستطيع إنشاء نموذج أولي سهل القراءة لما يحدث وراء الكواليس عندما يتعامل مع طلباتي.
وأوضح أنه يبدأ بتفسير طلبي. ويستخدم هذه المعلومات لتفعيل مجالات المعرفة ذات الصلة قبل الانتقال إلى بناء مخطط منظم لإجابته.
كما سلط الضوء على المعلومات المهمة التي تساعد في إضافة المزيد من السياق إلى الطلب، والتي ثبت بالفعل أنها فعالة. تحديد من هو الجمهور المستهدف للمعلومات المطلوبة يساعد في صياغة الإجابة بطريقة مناسبة، وكذلك اقتراح النبرة التي تريدها.
ذكر GPT-5 أيضًا أنه يجب تسليط الضوء على أي شروط غير قابلة للتفاوض في طلبك في وقت مبكر. إذا كنت تطلب المساعدة في تنظيم حدث ولديك ميزانية صارمة، فضعها في بداية النص.
إذا كنت تبحث عن أحدث التقنيات للشراء ولكنك مهتم فقط بالإصدارات الجديدة، فضع تاريخ الانتهاء في أعلى طلبك.
2. تنسيقات الطلبات
على الرغم من أن صياغة الأوامر كما لو كنت تتحدث إلى صديقك المقرب تجدي نفعًا مع ChatGPT، إلا أن الروبوت كشف أيضًا أن صياغة الأوامر بأسلوب JSON (وهي طريقة محددة لتنسيق النصوص تشبه التعليمات البرمجية) يمكن أن تكون أيضًا وسيلة فعالة للتواصل عندما تريد إدخال معايير صارمة متعددة.
في حين أن استخدام مثل هذا القالب قد يجعل من الصعب عليك قراءة الأمر الخاص بك، إلا أنه يتمتع بميزة محتملة تتمثل في تسهيل اكتشاف ما إذا كنت قد تركت أي متطلبات أساسية خارج الأمر الخاص بك.
في أحد أقسام القالب المقترح من ChatGPT، يمكنك توضيح مواقع الويب والموضوعات التي يُسمح للروبوت باستخدامها وتلك التي لا يُسمح له باستخدامها. ويتعامل قسم آخر مع تحديد المستوى المعرفي للإخراج والحد الأقصى لعدد الكلمات الذي يجب أن يكون عليه.
لإنشاء القالب الخاص بك، استخدم هذا الأمر: “أنشئ قالب JSON عالميًا جاهزًا للملء يمكنني استخدامه لأوامر ChatGPT المستقبلية.”
إذا كنت لا تشعر بالحاجة إلى أن تكون دقيقًا جدًا في أوامرك، فمن الكافي أن تضع في اعتبارك المبادئ الأساسية ونصائح الذكاء الاصطناعي التي يؤكد عليها القالب. أعد قراءة الأمر الخاص بك واسأل نفسك عما إذا كان يمكن تحديد أي أجزاء منه بشكل أكبر.
في الأمر التالي، بدلاً من طلب ملخص لنص ما، اطلب فقرة من 200 كلمة بدلاً من ذلك.
3. ما الذي يمكن أن يسوء؟
على الرغم من أنني لم أتمكن من جعل ChatGPT يكشف عن سلسلة أفكاره بالكامل، إلا أنني اكتسبت بعض الأفكار حول الأخطاء المحتملة التي قد يرتكبها إذا أخطأ في تفسير أحد المطالبات.
وتشمل هذه الأخطاء ما يلي:
- حلقات سوء التفسير: إجراء حوار داخلي طويل بناءً على قراءة خاطئة للتعليمات دون إعادة فحص مبكرة، مثل التعامل مع “المبيعات” على أنها “تسويق” وبناء إجابة خاطئة.
- سلسلة الهلوسة: استخدام تفاصيل متوهمة كأساس للخطوة التالية، مثل اختراع دراسة ثم “الاقتباس” منها للمصداقية.
- الترسيخ المبكر: التشبث بالخطة المعقولة الأولى مع تجاهل البدائل الأفضل، مثل تصنيف المطالبة على أنها تتعلق بالطبخ بينما هي في الواقع مثال مجازي.
- تخطي خطوات التحقق: عندما لا يتحقق بشكل مزدوج من الرياضيات أو المنطق أو التسلسل الزمني قبل تقديم إجابته النهائية.
4. المطالبة بعدد قليل من الأمثلة (Few-shot prompting)
عندما طلبنا من ChatGPT أن يقدم قائمة شاملة بكل ما يضعه في الاعتبار عند الإجابة على سؤال، أكد أن تقنية تعرف بـ few-shot prompting فعالة. تتضمن هذه التقنية مشاركة أمثلة لما تبدو عليه المخرجات المثالية بالنسبة لك.
أوضح ChatGPT قائلاً: “إذا كان لديك نمط إخراج معين جدًا في ذهنك، فإن عرض مثال سريع غالبًا ما يوجه ChatGPT بشكل أكثر فعالية من أي قدر من التعليمات المجردة.”
لذا، إذا كنت ترد دائمًا على رسائل البريد الإلكتروني بنفس الطريقة، فإن تحميل مثالين يمكن أن يقطع شوطًا طويلاً في مساعدة ChatGPT على صياغة ردود يمكنك استخدامها بالفعل.
خلاصة القول
إن فهم كيف تتخذ نماذج اللغة الكبيرة (LLM) التي تستخدمها قرارات بناءً على سؤالك يمكن أن يكون مفيدًا بطرق مختلفة. يمكن أن يساعدك على فهم المشاكل المحتملة إذا لم تكن المخرجات كما كنت تأمل، ويمكن أن يؤدي إلى إطلاق العنان للقيود إذا كان لديك سبب مشروع للقيام بذلك.
كما أنه مفيد لمنشئي النماذج أنفسهم للإشراف عليها للتأكد من أنها تتصرف بشكل صحيح. وقد أشارت دراسة جديدة مؤخرًا إلى أن نماذج اللغة الكبيرة الأحدث قد تصبح متقدمة جدًا بحيث يصبح تسلسل أفكارها غير قابل للقراءة للبشر، أو يمكن للذكاء الاصطناعي إخفاءه إذا اكتشف أنه يخضع للإشراف.
