آندری کارپاتی، از بنیان‌گذاران برجسته OpenAI و مدیر سابق بخش هوش مصنوعی تسلا، ترفندی نوآورانه برای ارتقای کیفیت خروجی مدل‌های زبانی بزرگ (LLM) پیشنهاد کرده است. او معتقد است به‌جای دستورهای عمومی، اگر از هوش مصنوعی بخواهید مطالب را مانند دفترچه راهنمای نگهداری هواپیما یا به‌صورت کدهای HTML و دیاگرام توضیح دهد، خروجی بسیار دقیق‌تر و کاربردی‌تری دریافت خواهید کرد.
چرا مدل‌های زبانی بزرگ به دستورات دقیق‌تر نیاز دارند؟
اکثر کاربران هنگام کار با چت‌بات‌های هوش مصنوعی مانند ChatGPT یا Claude، از پرامپت‌ها و دستورات ساده استفاده می‌کنند؛ مانند «این موضوع را توضیح بده» یا «یک مقاله در مورد سئو بنویس». نتیجه چنین دستوراتی اغلب متونی کلی‌گویی‌شده، پر از کلمات اضافی (Fluff) و گاهی همراه با توهمات الگوریتمی (Hallucinations) است.
برای متخصصان تولید محتوا، کارشناسان سئو و توسعه‌دهندگان، چنین خروجی‌هایی ارزش بالایی ندارند. گوگل و سایر موتورهای جستجو روزبه‌روز هوشمندتر می‌شوند و به محتواهایی اهمیت می‌دهند که پاسخ‌های دقیق، شفاف و مستند به کاربران ارائه دهند. در همین راستا، آندری کارپاتی (Andrej Karpathy) راهکاری عملی برای عبور از این چالش مطرح کرده است.
سبک نگارش دفترچه راهنمای هواپیما چیست و چرا کارساز است؟
کارپاتی پیشنهاد می‌کند که هنگام پرامپت‌نویسی برای هوش مصنوعی، از مدل بخواهید تا پاسخ خود را بر اساس استانداردهای نگارش فنی صنایع هوافضا (مانند استاندارد ASD-STE100 یا همان انگلیسی فنی ساده‌شده) تنظیم کند.
دفترچه‌های راهنمای تعمیر و نگهداری هواپیما دارای ویژگی‌های خاصی هستند:
- عدم وجود ابهام: هیچ کلمه یا جمله‌ای نباید قابل برداشت‌های متعدد باشد.
- جملات کوتاه و مستقیم: استفاده از افعال اکتیو (فعال) و ساختارهای ساده.
- حذف کامل کلمات اضافی: هیچ مقدمه‌چینی یا نتیجه‌گیری بی‌موردی وجود ندارد.
- تمرکز روی فرآیند گام‌به‌گام: دستورالعمل‌ها کاملاً منطقی و مرحله‌به‌مرحله بیان می‌شوند.
وقتی شما به هوش مصنوعی دستور می‌دهید که «مانند یک دفترچه راهنمای هواپیما» بنویسد، در واقع الگوریتم را مجبور می‌کنید از کلی‌گویی دست بکشد، تمام جزئیات فنی را با دقت بالا ذکر کند و متن را بدون کلمات پرکننده تحویل دهد.
فراتر از متن؛ استفاده از دیاگرام، صفحات HTML و ویدیو
آندری کارپاتی تنها به متن بسنده نمی‌کند. او بر این باور است که آینده ارتباط انسان و هوش مصنوعی، فرمت‌های چندرسانه‌ای و بصری است. او چند روش جایگزین برای دریافت خروجی از LLMها معرفی کرده است:
۱. تولید دیاگرام با Mermaid.js
به جای دریافت یک متن طولانی که فرآیند یک سیستم را توضیح می‌دهد، می‌توانید از هوش مصنوعی بخواهید خروجی را به زبان کد Mermaid.js ارائه دهد. این کار باعث می‌شود بتوانید فرآیندهای پیچیده، فلوچارت‌ها و نمودارهای معماری را به صورت کاملاً بصری و شفاف مشاهده کنید.۲. ساخت صفحات مستقل HTML و جاوااسکریپت
یکی دیگر از پیشنهادات جذاب کارپاتی، درخواست ابزارهای تعاملی است. به عنوان مثال، به جای اینکه از هوش مصنوعی بخواهید فرمول محاسبه نرخ پرش (Bounce Rate) یا ROI را توضیح دهد، از او بخواهید یک صفحه HTML مستقل همراه با جاوااسکریپت بسازد که یک ماشین‌حساب تعاملی برای این کار باشد.۳. سناریونویسی و کدنویسی ویدیوهای آموزشی
کارپاتی اشاره می‌کند که می‌توان از هوش مصنوعی خواست کدهایی مانند پایتون (با استفاده از کتابخانه‌هایی نظیر Manim) بنویسد تا انیمیشن‌ها و ویدیوهای آموزشی کوتاه برای توضیح مفاهیم ریاضی، ساختار موتورهای جستجو یا برنامه‌نویسی خلق شوند.تاثیر این استراتژی بر سئو و بازاریابی محتوایی
استفاده از این تکنیک‌ها در حوزه سئو (SEO) و دیجیتال مارکتینگ انقلابی برپا می‌کند. الگوریتم‌های جدید گوگل (به‌ویژه با تمرکز بر شاخص‌های E-E-A-T یعنی تجربه، تخصص، اعتبار و trustworthiness) به محتواهایی رتبه می‌دهند که راهکارهای عملی و دقیق به کاربر ارائه کنند.
با به‌کارگیری روش کارپاتی:
۱. تجربه کاربری (UX) ارتقا می‌یابد: کاربران به سرعت پاسخ خود را در قالب جدول، دیاگرام یا کدهای آماده پیدا می‌کنند.
۲. زمان ماندگاری در سایت افزایش می‌یابد: وجود المان‌های تعاملی مانند ماشین‌حساب‌های HTML نرخ تعامل را بالا می‌برد.
۳. محتوای یکتا و ارزشمند تولید می‌شود: محتوای شما از حالت مقالات متنی تکراری خارج شده و به یک مرجع فنی تبدیل می‌شود.
نتیجه‌گیری
پیشنهاد آندری کارپاتی یادآوری مهمی برای همه فعالان دنیای وب است: هوش مصنوعی ابزاری فوق‌العاده است، اما کیفیت خروجی آن کاملاً به نحوه هدایت شما بستگی دارد. با زدن برچسب‌هایی مانند «دفترچه راهنمای هواپیما»، «دیاگرام‌های بصری» و «ابزارهای HTML تعاملی»، می‌توان خروجی‌های هوش مصنوعی را از سطح متون معمولی به ابزارهای بسیار ارزشمند و کاربردی ارتقا داد.
---
منبع: این مطلب بر اساس گزارش وب‌سایت Search Engine Journal نوشته شده توسط Matt G. Southern در تاریخ ۲ اکتبر ۲۰۲۶ بازنویسی شده است.
---