از هوش مصنوعی به عنوان موتور جستجو استفاده نکنید
من دیدم که یک توسعهدهنده چهل دقیقه را صرف صحبت با Claude درباره یک طرحواره (schema) پایگاه داده کرد. هر پیام یک سوال بود. هر پاسخ یک جواب. در نهایت، آنها طرحوارهای داشتند که کار میکرد اما حس اشتباه بودن میداد.
مشکل از مدل نبود، بلکه مشکل از قالب (format) بود. آنها از گفتگو مانند یک جلسه پرسش و پاسخ استفاده میکردند، در حالی که به یک جلسه تفکر نیاز داشتند. این دو یکی نیستند.
گوگل شما را آموزش داده تا از پرسوجو (query) استفاده کنید. شما یک عبارت کوتاه میسازید، نتایج را میگیرید و تب را میبندید. این عادت در مواجهه با هوش مصنوعی شکست میخورد. وقتی با هوش مصنوعی مانند یک موتور جستجو رفتار میکنید، فقط پاسخ دریافت میکنید. شما بینش (insight) به دست نمیآورید. به جای معماری، فقط سینتکس (syntax) میگیرید. شما آنچه را که خواستهاید دریافت میکنید، نه آنچه را که نیاز دارید.
موتورهای جستجو حقایق موجود را پیدا میکنند. هوش مصنوعی میتواند در مورد مسائل جدید استدلال کند. یک موتور جستجو مانند یک کتابخانه است. هوش مصنوعی میتواند مانند یک همکار باشد. کتابخانه آنچه را که نوشته شده به شما میدهد، اما یک همکار فرضیات شما را به چالش میکشد و حفرههای موجود در برنامه شما را پیدا میکند.
به این دو روش برای پرسیدن یک موضوع مشابه نگاه کنید:
حالت جستجو: "بهترین راه برای ساختاردهی به یک Python microservice چیست؟"
حالت تفکر: "من در حال ساخت یک Python microservice برای سه API هستم. هر API قوانین تلاش مجدد (retry) و ساختارهای داده متفاوتی دارد. من بین یک اپلیکیشن FastAPI به همراه یک queue یا سه consumer مجزا در حال انتخاب هستم. دو مهندس این سیستم را نگهداری خواهند کرد. چه موازنههایی (tradeoffs) را نادیده گرفتهام؟"
روش اول یک پست وبلاگی به شما میدهد. روش دوم باعث میشود فکر کنید.
کاربران برتر، پرامپتهای هوشمندانه ندارند؛ آنها بافت (context) بیشتری ارائه میدهند. آنها آنچه را که میسازند، محدودیتهایشان و آنچه را که قبلاً امتحان کردهاند، توصیف میکنند.
آنها همچنین چیزهایی مثل این میگویند: "این حس اشتباهی به من میدهد اما نمیتوانم بگویم چرا."
این یک پرامپت عالی است. این جمله به مدل میگوید که فرضیات شما را بررسی کند. این کار به مدل کمک میکند مشکلی را پیدا کند که شما نمیتوانید نامی روی آن بگذارید.
نتایج سطحی زمانی رخ میدهند که سوالات بیش از حد تمیز و مرتب باشند. مهندسی واقعی، آشفته است. مهندسی با ضربالاجلها (deadlines) و کدهای قدیمی (legacy code) سروکار دارد. اگر این آشفتگی را حذف کنید، هوش مصنوعی پاسخی تمیز به شما میدهد که واقعیت را نادیده میگیرد. در واقع، همان آشفتگی، مشکل اصلی است.
قبل از پرامپت بعدی خود، دو دقیقه وقت بگذارید و این سه مورد را بنویسید:
- آنچه میخواهید به انجام برسانید.
- رویکردی که در نظر دارید.
- آنچه در مورد آن تردید دارید.
ابتدا هر سه مورد را به مدل بدهید.
این کار تلاش بیشتری میطلبد. اما این همان تلاشی است که باید قبل از نوشتن هرگونه کد انجام دهید. هوش مصنوعی این مرحله را اضافه نمیکند، بلکه فقط نادیده گرفتن آن را پرهزینهتر میکند.
یک موتور جستجو به یک پرسوجوی تمیز نیاز دارد. یک شریک فکری به تصویر کامل نیاز دارد.
از تمیز کردن این آشفتگیها دست بردارید. این آشفتگی، همان زمینه شماست.
منبع: https://dev.to/gmoustakas/stop-using-ai-as-a-search-engine-with-extra-steps-49oo
انجمن یادگیری اختیاری: https://t.me/GyaanSetuAi