بخش مهمی از پرامپتنویسی، نوشتن عبارتهای پیچیده نیست. باید بدانیم چه خروجیای میخواهیم و چطور درستی آن را میسنجیم. در آموزش هوش مصنوعی پزشکی، تمرین با یک متن عمومی و تأییدشده کمک میکند کیفیت درخواست را بدون وارد کردن اطلاعات بیمار بررسی کنیم.
متن، مخاطب و هدف فرض کنید یک متن آموزشی عمومی دربارهٔ آمادگی برای یک خدمت در اختیار دارید. هدف تمرین، سادهتر کردن بیان همان متن است. درخواست پیشنهادی: «این متن را برای مخاطب غیرمتخصص بازنویسی کن. فقط از اطلاعات متن استفاده کن. عددها و شرطها را حفظ کن. اگر عبارتی مبهم است، آن را در فهرست پرسشها بیاور.»
خروجی را به دو قسمت تقسیم کنید از ابزار بخواهید متن پیشنهادی و فهرست تغییرها را جدا بدهد. این تفکیک، بازبینی را آسان میکند. اگر توضیح جدیدی اضافه شد، آن را صرفاً به دلیل مفید به نظر رسیدن قبول نکنید؛ ابتدا باید معلوم شود از کجا آمده و برای مخاطب مناسب است یا نه.
نتیجه را با معیار بررسی کنید چهار مورد را کنترل کنید: حفظ معنای متن، حفظ اعداد و نفیها، قابل فهم بودن واژهها و نبود توصیهٔ افزوده. منابع AHRQ؛ ابزارهای سواد سلامت برای فکر کردن به سواد سلامت مفیدند. ارزیابی خروجی را میتوان در چند نمونهٔ متفاوت تکرار کرد؛ OpenAI؛ راهنمای ارزیابی خروجی مدل همین ایدهٔ آزمودن منظم مدل را در توسعهٔ نرمافزار توضیح میدهد.
از تمرین به استفادهٔ واقعی وقتی قالب درخواست روی نمونههای آموزشی قابل قبول شد، باز هم برای محتوای عمومی پزشکی به تأیید فرد دارای صلاحیت همان موضوع نیاز است. ابزار میتواند دستیار نوشتن باشد و تصمیم محتوایی نزد تیم بماند. مهارت اصلی در آموزش هوش مصنوعی، تشخیص محل کمک ابزار و محل نیاز به بررسی مستقل است.
منابع این یادداشت
- AHRQ؛ ابزارهای سواد سلامت www.ahrq.gov
- OpenAI؛ راهنمای ارزیابی خروجی مدل developers.openai.com
دربارهٔ نویسنده
دکتر میلاد جلالی
بنیانگذار ریسرچ ادیتور و محتوانگار. کار من به پژوهش، آموزش هوش مصنوعی و برندینگ پزشکی متصل است.
رزومه و سوابق ↖پروژهها ↖