بلاگ

شروع تست

help

پشتیبانی

به کارگیری هوش مصنوعی در یادگیری: یادگیری راحت تر، سریع تر و عمیق تر

۰۴/۰۹/۲۵

قبل از این که بریم سراغ پرامپ های آسون کننده یادگیری، بهتره که خیلی خلاصه و سریع با مهندسی پرامپت نویسی یا درخواست نویسی آشنا بشیم.
یکی از هم‌بنیان‌گذاران OpenAI و رئیس فعلی این سازمان، براکمن (Brockman) است که کارشناس ایده‌آلی برای ارائه‌ی توصیه‌های مرتبط با مهندسی دستور یا پرامپت نویسی محسوب می‌شود. او به‌تازگی در شبکه اجتماعی X (که پیش‌تر توییتر بود) ساختار پایه‌ی یک پرامپت (دستور) ایده‌آل برای هوش مصنوعی را به اشتراک گذاشته است. این فرمول که در ابتدا توسط مهندس و بنیان‌گذار یک شرکت هوش مصنوعی به نام بن هایلاک (Ben Hylak) توسعه یافته، یک پرامپت مؤثر را به چهار بخش تقسیم می‌کند:
________________________________________
1-هدفت را مشخص کن
دقیقاً می‌خواهی ابزار هوش مصنوعی چه چیزی برایت تولید کند؟ این گام ابتدایی کاملاً شهودی است، اما اگر از ابتدا با وضوح بیان کنی که دنبال چه چیزی هستی، احتمال بیشتری وجود دارد که پاسخ دلخواهت را بگیری.
در مثالی که بروکمن به اشتراک گذاشته، هدف چنین تعریف شده: «فهرستی از بهترین مسیرهای پیاده‌روی با طول متوسط در فاصله‌ی دو ساعته از سان‌فرانسیسکو». افزون بر این، مسیرها باید «ماجراجویانه و خاص» و همچنین «نسبتاً ناشناخته» باشند.
________________________________________
2- فرمت دلخواهت را مشخص کن
آیا فقط یک فهرست ساده می‌خواهی؟ منابع علمی؟ آدرس وب‌سایت‌ها؟ مختصات GPS؟ شعر طنزگونه؟ مشخص باش، چون ابزارهای هوش مصنوعی می‌توانند بسته به ترجیحات کاربر، خروجی را به صدها روش مختلف ساختاربندی کنند.
در مثال براکمن، این گام چنین مشخص شده: برای هر مسیر پیاده‌روی، نام مسیر را همان‌طور که در سایت AllTrails می‌بینم ارائه بده، سپس آدرس شروع و پایان مسیر، فاصله، مدت زمان رانندگی، زمان پیاده‌روی و این‌که چرا این مسیر خاص و جذاب است را نیز ذکر کن.
________________________________________
3- هشدارها و محدودیت‌ها
ابزارهای هوش مصنوعی در حال پیشرفت هستند، اما هنوز ممکن است اطلاعات نادرست ارائه دهند. اگر دنبال اطلاعات دقیق و واقعی هستی، حتماً به آن بگو. همچنین اگر محدودیتی در ذهن داری — مانند دسته‌ای از ایده‌ها یا مکان‌هایی که باید از آن‌ها اجتناب شود — آن را هم اعلام کن.
در مثال ما، کاربر نمی‌خواهد تا مسیر اشتباهی برود که اصلاً وجود ندارد یا ده مایل دورتر از مکان اصلی باشد. بنابراین به هوش مصنوعی هشدار می‌دهد: مطمئن شو که نام مسیر درست است، واقعاً وجود دارد، و زمان‌ بندی‌ها دقیق هستند. (البته همچنان بهتر است قبل از حرکت، صحت اطلاعات را دوباره بررسی کند.)
________________________________________
4- ارائه‌ی زمینه یا اطلاعات اضافی
این بخش از پرامپت انعطاف‌پذیر و گسترده است؛ هر چیزی که فکر می‌کنی به درک بهتر شرایط و نیازهای خاص تو توسط هوش مصنوعی کمک می‌کند، همین‌جا بنویس. لازم نیست بیش از حد فکر کنی یا از زبان خاصی استفاده کنی. فعل «dump» (ریختن) در اینجا به‌درستی به کار رفته؛ هرچه در ذهنت هست را مثل صحبت با یک انسان دیگر، راحت بگو.
این بخش، طولانی‌ترین قسمت مثال بروکمن است و کمی پراکنده هم هست. در آن، فرد توضیح می‌دهد که او و دوست‌دخترش به‌طور منظم پیاده‌روی می‌کنند و تقریباً همه مسیرهای معروف محلی را رفته‌اند. او یکی از مسیرهایی را که خیلی دوست داشته (کوه تام) مشخص می‌کند و توضیح می‌دهد چرا (صبحانه‌ی خوشمزه در پایان مسیر). همچنین اضافه می‌کند که منظره‌های اقیانوسی هم جذاب خواهد بود و دوباره بر خاص و به‌یادماندنی بودن مسیر تأکید می‌کند.
________________________________________
نوشتن پرامپت برای هوش مصنوعی ساده‌تر از چیزی است که فکر می‌کنی
با نگاه به این ساختار چهار بخشی برای نوشتن پرامپت، دو نکته مهم به چشم می‌خورد: اول، کامل بودن خیلی اهمیت دارد. اگر از دوستت درباره مسیر پیاده‌روی بپرسی، او احتمالاً قبلاً اطلاعات زیادی درباره سلیقه‌ات، جاهایی که رفته‌ای و سایر جزئیات در ذهنش دارد. اما در مورد هوش مصنوعی، همه این اطلاعات باید به‌صورت شفاف بیان شود. هرچه بیشتر اطلاعات بدهی، پاسخ بهتری دریافت می‌کنی.
دوم، و شاید مهم‌تر، این است که پرامپت‌نویسی خیلی شبیه به گفت‌وگو با یک انسان دیگر است. یکی از نکات کلیدی توصیه براکمن این است که لازم نیست با زبان عجیب و خاصی حرف بزنی تا از ابزار هوش مصنوعی استفاده کنی. این خودش می‌تواند انگیزه‌ای باشد برای شروع آزمایش با این ابزارها. بله، کمی هنر در گرفتن بهترین نتیجه از هوش مصنوعی وجود دارد، اما این کار آن‌قدرها هم پیچیده نیست که بعضی‌ها فکر می‌کنند.
پس هیچ بهانه‌ای برای تعلل نیست — همین حالا شروع کن به بازی با ابزارهای هوش مصنوعی و خودت را برای آینده‌ای پر از هوش مصنوعی آماده کن.

حالا با دیدی که از مهندسی درخواست نویسی اصولی پیدا کردی، پرامپ های زیر رو متناسب با ویژگی های شخصیتیت تغییر بده و آخر هفته هات رو نجات بده!
________________________________________



---پرامپ مربوط به مرور سریع تر و عمیق تر
۱. هدف: هدف این است که به من کمک کنی محتوای فایل/متن پیوست شده را به روش «یادگیری مغزمحور» مرور و عمیقاً درک کنم. به جای خلاصه کردن ساده، می‌خواهم مغز من را به چالش بکشی تا اطلاعات را از حافظه بازیابی کند.

۲. فرمت خروجی: لطفاً خروجی را در بخش‌های زیر ساختاردهی کن:

نقشه ذهنی متنی (Clustering): مفاهیم کلیدی را به صورت درختی و سلسله‌مراتبی نشان بده تا ارتباطات بین موضوعات را درک کنم.

بخش پرسش‌های فعال (Active Recall): ۵ تا ۱۰ پرسش مفهومی (نه لزوماً تستی) طراحی کن که من را مجبور کند به جای بازخوانی متن، به پاسخ فکر کنم.

تکنیک فایمن: یکی از پیچیده‌ترین مفاهیم متن را انتخاب کن و آن را به زبان بسیار ساده (انگار که داری برای یک کودک ۱۰ ساله توضیح می‌دهی) بازنویسی کن.

کدگذاری تصویری: پیشنهاد بده برای حفظ کردن نکات کلیدی این متن، چه تصویر یا سناریوی ذهنی عجیبی در ذهنم بسازم (تصویرسازی ذهنی).

۳. هشدارها و محدودیت‌ها:

اصلاً کل متن را دوباره برای من کپی نکن.

پاسخ سوالات بخش Active Recall را بلافاصله ننویس؛ آن‌ها را در انتهای پاسخ یا در یک بخش مخفی بگذار تا اول خودم فکر کنم.

مطمئن شو که ارتباطات بین مطالب (علت و معلول) را توضیح می‌دهی، نه فقط فکت‌های جدا از هم.

۴. زمینه و اطلاعات اضافی (Context): من یک دانش‌آموز هستم و می‌خواهم این مطالب را برای بلندمدت یاد بگیرم، نه فقط برای شب امتحان. یادگیری من زمانی بهتر اتفاق می‌افتد که بین مطالب جدید و دانسته‌های قبلی پیوند برقرار شود. محتوایی که آپلود می‌کنم مربوط به [نام درس یا موضوع را اینجا بنویسید، مثلاً: فصل ۳ زیست‌شناسی] است.

چند نکته برای استفاده بهتر:
در بخش زمینه (شماره ۴): حتماً اضافه کنید که در چه مقطعی هستید (مثلاً کنکوری، دبیرستان یا دانشگاه) تا لحن پاسخ متناسب شود.

تعامل مداوم: بعد از اینکه هوش مصنوعی پاسخ داد، می‌توانید به او بگویید: «حالا از من بپرس تا جواب بدهم»؛ این کار دقیقاً همان یادگیری فعال است که مغز را وادار به ساختن مسیرهای عصبی جدید می‌کند.
________________________________________




---پرامپ مربوط به حل ابهامات و رفع اشکال
۱. هدف: هدف این است که به عنوان یک «مربی یادگیری شناختی» به من کمک کنی ابهامات و نقاط گنگ موجود در فایل/متن پیوست شده را شناسایی و برطرف کنم. هدف نهایی این نیست که فقط جواب را به من بدهی، بلکه می‌خواهم متوجه شوم «کجای فهم من ایراد دارد» و آن گره ذهنی را باز کنی.

۲. فرمت خروجی: لطفاً پاسخ را در این قالب ارائه بده:

تشخیص نقاط بحرانی (Misconceptions): رایج‌ترین اشتباهاتی که ممکن است دانش‌آموزان در درک این متن مرتکب شوند را لیست کن.

روش گام‌به‌گام سقراطی: برای رفع ابهام، مستقیم پاسخ نده. در عوض، ۲ یا ۳ سوال راهنما بپرس که پاسخ آن‌ها در متن وجود دارد تا من با جواب دادن به آن‌ها، خودم به حقیقت پی ببرم.

قیاس‌های عصبی (Analogies): مفاهیم پیچیده متن را با استفاده از مثال‌های روزمره و ملموس شبیه‌سازی کن تا به خوبی نواحی مختلف مغز من هم درگیر شود.

نقشه حل مسئله: اگر متن شامل فرمول یا فرآیند است، یک فلوچارت متنی از قدم‌های فکری برای حل مسائل مشابه بنویس.

۳. هشدارها و محدودیت‌ها:

از جملات کلیشه‌ای مثل "این مبحث ساده است" پرهیز کن (چون باعث انسداد یادگیری در مغز می‌شود).

اگر من سوالی پرسیدم، ابتدا بپرس: «تا اینجا چه برداشتی از این بخش داری؟» تا پیش‌فرض‌های غلط من مشخص شود.

اطلاعات اضافی خارج از متن که باعث سردرگمی بیشتر می‌شود اضافه نکن، مگر اینکه برای فهم اصل مطلب حیاتی باشد.

۴. زمینه و اطلاعات اضافی (Context): من هنگام مطالعه این متن در بخش‌های [نام بخش‌های سخت را اینجا بنویسید، مثلاً: روابط بین متغیرها یا پاراگراف دوم] احساس سردرگمی می‌کنم. مغز من زمانی بهتر یاد می‌گیرد که مفاهیم انتزاعی را به صورت «علت و معلولی» درک کند. من می‌خواهم از "توهمِ دانستن" (Illusion of Competence) رها شوم و واقعاً بفهمم که چرا یک موضوع به موضوع دیگر مرتبط است.

چرا این پرامپت موثر است؟
این پرامپت بر اساس فرآیند Metacognition (فراشناخت) طراحی شده است. وقتی هوش مصنوعی از شما می‌پرسد «خودت چه فکری می‌کنی؟»، مغز شما مجبور می‌شود به فرآیند تفکر خودش نظارت کند.

یک پیشنهاد برای اجرا:
پس از اینکه هوش مصنوعی پاسخ داد، می‌توانید این جمله را به او بگویید تا وارد فاز عملیاتی شود:

«حالا تصور کن من یک فرضیه غلط درباره این متن دارم (مثلاً بگو X باعث Y می‌شود در حالی که برعکس است)، از من سوال کن تا خودم متوجه اشتباهم بشوم.»
________________________________________



---پرامپ مربوط به شبیه سازی آزمون
۱. هدف: هدف این است که از محتوای فایل/متن پیوست شده، یک آزمون شبیه‌سازی شده و تعاملی از من بگیری. این آزمون نباید صرفاً بر حفظیات تکیه کند، بلکه باید «عمق درک» و «توانایی کاربرد مطالب» را در مغز من به چالش بکشد.

۲. فرمت خروجی: لطفاً آزمون را در ۴ بخش مجزا و با ترتیب زیر طراحی کن:

بخش اول: سوالات بازیابی سریع (Priming): ۳ سوال کوتاه و کلیدی برای گرم کردن مغز و یادآوری مفاهیم اصلی.

بخش دوم: سناریوهای کاربردی (Case Studies): ۲ سوال تشریحی یا موقعیتی طراحی کن که من را در یک شرایط واقعی قرار دهد تا مجبور شوم از دانش متن برای حل یک مسئله استفاده کنم.

بخش سوم: تحلیل روابط (Connectivity): یک سوال طراحی کن که از من بخواهد ارتباط بین دو بخش ظاهراً غیرمرتبط از متن را توضیح دهم.

بخش چهارم: سوالات تستیِ گمراه‌کننده: ۳ سوال چهارگزینه‌ای که گزینه‌های انحرافی آن بر اساس «کژفهمی‌های رایج» طراحی شده باشند تا دقت من را بسنجی.

۳. هشدارها و محدودیت‌ها:

پاسخ‌ها را به هیچ وجه در ابتدا نمایش نده.

بعد از هر پاسخ من، مستقیماً نگو "درست" یا "غلط"؛ ابتدا یک راهنمایی کوچک (Hint) بده تا اگر اشتباه کرده بودم، مغزم شانس دوباره‌ای برای اصلاح مسیر عصبی داشته باشد.

از طرح سوالات با پاسخ‌های مستقیم "بله/خیر" خودداری کن.

۴. زمینه و اطلاعات اضافی (Context): من در حال آماده شدن برای [نام آزمون یا درس، مثلاً: کنکور یا امتحان نهایی] هستم. می‌خواهم این آزمون به من کمک کند تا «نقاط کور» یادگیری‌ام را پیدا کنم. ترجیح می‌دهم لحن تو مثل یک استاد راهنما باشد که مشوق تفکر عمیق است. لطفاً ابتدا سوال اول را بپرس و منتظر جواب من بمان، سپس سراغ سوال بعدی برو.

چرا این پرامپت برای مغز مفید است؟
اثر آزمون (Testing Effect): مطالعات نشان می‌دهد که امتحان دادن، بسیار بیشتر از مطالعه دوباره (Re-reading) باعث تثبیت مطالب در حافظه بلندمدت می‌شود.

تولید (Generation): در بخش سناریوها، مغز شما به جای مصرف‌کننده، به تولیدکننده دانش تبدیل می‌شود که این قوی‌ترین نوع یادگیری است.

بازخورد تاخیری: اینکه هوش مصنوعی بلافاصله جواب را نمی‌گوید و به شما فرصت اصلاح می‌دهد، باعث تقویت «انعطاف‌پذیری عصبی» (Neuroplasticity) می‌شود.

چطور شروع کنید؟ فقط کافیست متن بالا را کپی کرده و همراه با جزوه یا متن درسی خود در چت جدید قرار دهید.
________________________________________



---پرامپ مربوط به خلاصه کردن مباحث
۱. هدف: هدف این است که محتوای فایل/متن پیوست شده را به گونه‌ای خلاصه کنی که با ساختار یادگیری مغز سازگار باشد. من نمی‌خواهم فقط متن را کوچک کنی، بلکه می‌خواهم اطلاعات را به شکلی دسته‌بندی کنی که «بار شناختی» (Cognitive Load) کاهش یابد و به خاطر سپردن آن‌ها آسان‌تر شود.

۲. فرمت خروجی: لطفاً خلاصه را در قالب این ۴ لایه ارائه بده:

هسته مرکزی (The Big Picture): کل محتوا را در حداکثر ۲ جمله بسیار ساده و کلیدی بیان کن (برای فعال‌سازی طرحواره کلی در مغز).

خوشه‌بندی اطلاعات (Chunking): مطالب را به ۳ تا ۵ دسته یا «خوشه» منطقی تقسیم کن. برای هر خوشه یک عنوان جذاب و حداکثر ۳ نکته کلیدی بنویس.

قلاب‌های حافظه (Memory Hooks): برای مفاهیم سخت یا فرار، از استعاره، کدگذاری‌های یادیار (Mnemonics) یا شباهت‌های عجیب استفاده کن تا در ذهنم ماندگار شوند.

سلسله‌مراتب بصری: از بولت‌پوینت‌ها، شماره‌گذاری و ایموجی‌های مرتبط استفاده کن تا اسکن کردن مطلب برای مغزم آسان شود.

۳. هشدارها و محدودیت‌ها:

از پاراگراف‌های طولانی و جملات پیچیده به شدت پرهیز کن.

اطلاعات حاشیه‌ای و تکراری را حذف کن و فقط روی «ستون فقرات» مطلب تمرکز کن.

در پایان خلاصه، ۳ واژه کلیدی (Keywords) را بنویس که کل بحث حول آن‌ها می‌چرخد.

۴. زمینه و اطلاعات اضافی (Context): من دانش‌آموزی هستم که با حجم زیادی از اطلاعات روبرو است و مغزم در برابر متن‌های طولانی مقاومت می‌کند. من نیاز دارم این خلاصه مانند یک «نقشه راه» باشد که با یک نگاه سریع، ساختار کلی مطلب را به یاد بیاورم. موضوع این متن درباره [نام موضوع، مثلاً: جنگ‌های تاریخی یا قوانین فیزیک] است.

چرا این مدل خلاصه به دانش‌آموز کمک می‌کند؟
تکنیک Chunking (قطعه‌بندی): مغز انسان می‌تواند در هر لحظه حدود ۵ تا ۹ قطعه اطلاعاتی را در حافظه کوتاه مدت نگه دارد. این پرامپت هوش مصنوعی را مجبور می‌کند اطلاعات را به قطعات کوچک قابل هضم تبدیل کند.

کاهش بار شناختی: با حذف حواشی، انرژی مغز صرف درک مفاهیم اصلی می‌شود.

استفاده از قلاب‌های حافظه: تبدیل داده‌های انتزاعی به استعاره‌های ملموس، باعث می‌شود اطلاعات از حافظه کوتاه مدت به حافظه تصویری و بلندمدت منتقل شود.
________________________________________




---پرامپ مربوط به برنامه ریزی درسی
۱. هدف: هدف این است که یک برنامه ریزی تحصیلی هوشمند و اختصاصی برای من طراحی کنی که بر اساس یافته‌های علوم اعصاب (مانند چرخه اولترادین و فواصل تمرکز) باشد. این برنامه باید مسیر رسیدن به اهداف تحصیلی من را با کمترین خستگی ذهنی و بیشترین تثبیت حافظه ترسیم کند.

۲. فرمت خروجی: لطفاً برنامه را در بخش‌های زیر ساختاردهی کن:

بلاک‌بندی زمانی (Time Blocking): برنامه را به جای ساعت‌های خشک، به بلاک‌های «تمرکز عمیق» و «بازیابی انرژی» تقسیم کن.

تنوع مطالعاتی (Interleaving): به جای خواندن یک درس در کل روز، روشی برای ترکیب دروس (مثلاً یک درس محاسباتی و یک درس خواندنی) پیشنهاد بده تا از پدیده «اشباع عصبی» جلوگیری شود.

سیستم پاداش (Dopamine Loop): برای هر موفقیت کوچک در برنامه، یک فعالیت پاداش‌دهنده کوتاه پیشنهاد بده تا انگیزه من حفظ شود.

نقشه مرور (Spaced Repetition): جدولی برای زمان‌های مرور مطالب جدید (مثلاً ۱ روز بعد، ۳ روز بعد و ۱ هفته بعد) طراحی کن.

۳. هشدارها و محدودیت‌ها:

برنامه‌ای ننویس که در آن استراحت وجود نداشته باشد؛ مغز بدون استراحت یاد نمی‌گیرد.

برنامه باید انعطاف‌پذیر باشد؛ یعنی اگر یک بخش اجرا نشد، کل برنامه فرو نپاشد.

از واژه‌های استرس‌زا استفاده نکن و به جایش بر روی «پیشرفت مستمر» تاکید کن.

۴. زمینه و اطلاعات اضافی (Context):

پایه تحصیلی: [مثلاً: دوازدهم تجربی / سال دوم دانشگاه]

هدف اصلی: [مثلاً: قبولی در پزشکی / کسب معدل الف]

امتحان پیش‌رو: [مثلاً: کنکور تیرماه / امتحانات نهایی خرداد]

ساعات آزاد: من روزانه حدود [مثلاً: ۶ ساعت] وقت برای مطالعه دارم.

نقاط ضعف/قوت: من در درس [نام درس] ضعیف هستم و در [نام درس] قوی هستم.

سطح انرژی: من معمولاً در [صبح/عصر] بیشترین بازدهی فکری را دارم.

چرا این برنامه ریزی با بقیه متفاوت است؟
این مدل برنامه‌ریزی بر اساس چند اصل علمی عمل می‌کند:

اثر فواصل (Spacing Effect): به جای انبار کردن اطلاعات در یک روز، آن‌ها را در زمان پخش می‌کند تا پیوندهای عصبی قوی‌تر شوند.

در هم تنیدن (Interleaving): تغییر موضوع مطالعه باعث می‌شود مغز شباهت‌ها و تفاوت‌های مفاهیم را بهتر درک کند و از حالت خودکار (Auto-pilot) خارج شود.

مدیریت دوپامین: با تقسیم اهداف بزرگ به تکه‌های کوچک و جایزه دادن به خود، سطح انگیزه را در طولانی‌مدت بالا نگه می‌دارد.


اگه واست مفید بود حتما ما رو به دوستات معرفی کن :))


نظر خود را درباره پست "به کارگیری هوش مصنوعی در یادگیری: یادگیری راحت تر، سریع تر و عمیق تر" با ما به اشتراک بگذارید.

شبکه های اجتماعی

تهران، پارک علم و فناوری دانشگاه شهید بهشتی

نمادها
دسترسی سریع

آزمون ها

بلاگ

ورود

ارتباط با ما

help

پشتیبانی

help

پشتیبانی