مدل‌های هوش مصنوعی اهمیت بسیار زیادی در زندگی و کار روزانه انسان‌ها پیدا کرده‌اند که از میان آن‌ها می‌‌توان به ChatGPT و Claude اشاره کرد. این چت‌بات‌های هوشمند هم در انجام وظایف معمولی روزانه بسیار کارآمد هستند و هم به انجام کارهای حرفه‌ای‌ کمک می‌کنند. اما همه افراد نمی‌توانند از هوش مصنوعی به شکل درست استفاده کنند. عدم توجه به اصول مربوط به نحوه کار با هوش منصوعی باعث می‌شود که پاسخ‌های نامرتبط یا غلطی دریافت کنیم. رعایت روش درست کار با هوش مصنوعی و پرسیدن سوالات درست، تاثیر بسیار زیادی در رسیدن به نتایج صحیح دارد. در این مطلب از مجله فرادرس با نحوه کار با هوش مصنوعی آشنا می‌شویم. رفتار درست با هوش مصنوعی باعث می‌شود که در مدت زمان کمتری به جواب مفید برسیم. اما نوشتن غلط پرامپت‌ها باعث دریافت پاسخ ضعیف می‌شود. امروزه، مهارت پرامپت‌‌نویسی در حال تبدیل شدن به یک شغل تخصصی است.

نحوه کار با هوش مصنوعی چگونه است؟

مهم‌ترین مسئله در زمان کار با هوش مصنوعی، مهارت پرامپت‌نویسی اصولی است. به این کار «مهندسی پرامپت» (Prompt Engineering) گفته می‌‌شود. مهندسی پرامپت، هنر طراحی و بهینه‌سازی داده‌های ورودی – یا همان پرامپت‌ها – با هدف استخراج خروجی مطلوب از مدل‌های زبانی هوش مصنوعی است. نوشتن صحیح پرامپت‌ها به ترکیبی از خلاقیت، شناخت کافی نسبت به توانایی‌های AI و پرسیدن سوال به روش هوشمندانه نیاز دارد. این مسئله به گرفتن پاسخ‌های درست، کاربردی و مرتبط با سوال از هوش مصنوعی کمک می‌کند.

در این مطلب، نکات مربوط به نحوه کار با هوش مصنوعی را به دو بخش کلی تقسیم کردیم. این بخش‌ها را در فهرست زیر، نام برده‌ایم.

• ۸ اصل مهم در نحوه کار با هوش مصنوعی
• استراتژی‌های مؤثر در زمان کار با هوش مصنوعی

رعایت درست نحوه کار با هوش مصنوعی، گفتگو با مدل‌های زبانی را ساده‌تر و لذت‌بخش‌تر می‌کند. این موضوع به انسان و ماشین کمک می‌کند تا همکاری سریع‌تر و شفاف‌تری با یکدیگر داشته باشند.

۸ اصل مهم در نحوه کار با هوش مصنوعی

برای کار با هوش مصنوعی لازم است که به ۸ اصل مهم توجه کنیم. این اصول را در فهرست زیر نام‌برده‌ایم.

• واضح و مشخص صحبت کنید.
• چند مثال برای کمک به هوش مصنوعی ارائه بدهید.
• برای گرفتن پاسخ بهتر داده‌های مورد نیاز را به هوش مصنوعی بدهید.
• قالب خروجی مطلب خود را مشخص کنید.
• تاکید بر روی بایدها به‌جای نباید‌ها
• به مدل شخصیت بدهید.
• مراحل تفکر مدل را بررسی کنید.
• وظایف پیچیده را به بخش‌های کوچک و ساده تقسیم کنید.

با رعایت اصول بالا می‌توانید به شکل بسیار بهتری با هوش مصنوعی ارتباط برقرار کنید. مدیریت صحیح گفت‌وگو با هوش مصنوعی باعث تولید پاسخ‌های بهتر و کاربردی‌تر می‌شود. برای ایجاد چنین ارتباطی، باید درک درستی از نحوه خواندن و پردازش زبان انسان توسط هوش مصنوعی داشته باشیم.

صحبت کردن به شکل واضح و مشخص

در زمان صحبت با هوش مصنوعی بسیار مهم است که به صورت مشخص و واضح حرف بزنیم. وضوح در صحبت‌ کلید اصلی دستیابی به دقیق‌ترین پاسخ‌ها و اطلاعات مرتبط است. پرامپت‌های شفاف و پر از جزئیات به هوش مصنوعی کمک می‌کنند تا مفهوم و نکات ظریف سوال را به شکل کامل بفهمد. درنتیجه از دادن پاسخ‌های نامربوط یا عمومی جلوگیری می‌شود. برای رسیدن به پاسخ درست تا حد امکان باید بیشترین جزئيات مرتبط با سوال را به هوش مصنوعی بگوییم. توجه کنید که نباید اطلاعات خیلی زیاد یا بی‌‌اهمیت به هوش مصنوعی بدهید. حفظ این تعادل کمک می‌کند هوش مصنوعی دقیقا همان پاسخی را بدهد که انتظار داریم.

در زمان نوشتن سوال برای هوش مصنوعی حتما به موارد زیر توجه کنید.

• محتوی پر از جزئیات: برای کمک به درک بهتر سوال، اطلاعات کافی به هوش مصنوعی بدهید. یعنی اینکه موضوع گفت‌وگو را مشخص کنید. فضای آن را مشخص کنید و محدودیت‌های احتمالی را به شکل واضح توضیح دهید.
• قالب مناسب: به طور شفاف به هوش مصنوعی بگویید که پاسخ را در چه قالبی بنویسد. مثلاً مشخص کنید که پاسخ به صورت فهرست، گزارش، بولت‌پوینت یا خلاصه باشد. همچنین می‌توانید تعیین کنید که پاسخ تیتر و زیرتیتر داشته باشد یا نه. حتی می‌توانید شکل پاراگراف‌بندی متن را هم مشخص کنید.
• طول پاسخ خروجی: اندازه پاسخ را نیز مشخص کنید. برای مثال به شکل واضح بگویید که پاسخ در سه پاراگراف یا ۲۵۰ کلمه تولید شود.
• سطح جزئیات: به هوش مصنوعی، مقدار جزئیات مورد نیاز را اعلام کنید. بگویید که خلاصه‌ای از مطلب را می‌خواهید یا پاسخی عمیق و کامل. این مسئله به هوش مصنوعی کمک می‌کند تا پاسخ مطابق انتظار تولید کند.
• لحن و سبک: به هوش مصنوعی، لحن و سبک پاسخ مورد انتظار خود را اعلام کنید. برای مثال، لحن پاسخ رسمی باشد یا صمیمی. با هدف قانع کردن مخاطب نوشته شود یا فقط برای به اشتراک‌گذاری اطلاعات. این کار باعث می‌شود که پاسخ‌های هوش مصنوعی مطابق با نیاز مخاطبان یا هدفتان تولید شود.
• مثال و مقایسه: از هوش مصنوعی بخواهید که مثال‌های مختلفی را نشان داده یا ایده‌های مختلف را با هم مقایسه کند. این مسئله به درک راحت‌تر ایده‌های پیچیده کمک می‌کند.

مثالی درباره سوال مشخص از هوش مصنوعی

برای مثال در تصویر پایین نمونه‌ای از گفت‌وگو با هوش مصنوعی را آورده‌ایم.

ارائه مثال برای کمک به هوش مصنوعی

از مثال‌های مختلف در صحبت با هوش مصنوعی استفاده کنید. این کار، روش بسیار خوبی برای راهنمایی چت‌بات‌ها به سمت پاسخ مطلوب است. وقتی در پرامپت‌های خود از مثال استفاده می‌کنیم، در واقع به هوش مصنوعی نوع پاسخ مورد انتظار خود را نشان می‌دهیم.

یکی از مطرح‌ترین مدل‌های زبانی بزرگ، هوش مصنوعی ChatGPT است. این مدل‌ بسیار کامل و قدرتمند‌ است. بنابراین می‌تواند بیشتر نیاز‌های کاربران را پاسخ دهد. برای آموزش کار با این LLM کاربردی پیشنهاد می‌کنیم که فیلم آموزش ChatGPT API، از مهندسی پرامپت تا پروژه‌های کاربردی + گواهینامه را از فرادرس مشاهده کنید. به منظور کمک به مخاطبان مجله، لینک این فیلم را در پایین نیز قرار داده‌ایم.

این کار در شرایط زیر به گرفتن پاسخ بهتر کمک می‌کند.

• برای انجام وظایف مشکل و پیچیده‌ای که در آن‌ها پاسخ، واضح نیست.
• برای اجرای وظایفی که به خلاقیت نیازمند هستند.

زیرا در چنین مسائلی ممکن است بیش از یک پاسخ خوب وجود داشته باشد.

باید توجه کنیم که مثال‌های ارائه شده به هوش مصنوعی دارای کیفیت و ساختار مورد نظرمان باشند. یعنی انتظاراتمان را به وضوح به هوش مصنوعی اعلام کنیم. در نتیجه هوش مصنوعی می‌تواند ظاهر پاسخ‌ خود را از روی مثال‌ها کپی کند. با این روش، احتمال صحیح بودن پاسخ‌ها و هماهنگی‌ آن‌ها با نیاز‌های کاربر بیشتر می‌‌شود.

در فهرست پایین، چند مورد از نکات مهم درباره مثال‌های قابل ارائه به هوش مصنوعی نوشته شده است.

• متن نمونه: بخش‌هایی از متنی را به هوش مصنوعی نشان بدهید که سبک، لحن و ظاهر متن مورد انتظار شما را دارد. به هوش مصنوعی بگویید از این متن الگو بگیرد.
• قالب داده‌:‌ برای شکل دادن به پاسخ‌های هوش مصنوعی، قالب‌های داده واضحی را به آن ارائه دهید. برای مثال می‌توان به چیدمان جدولی یا ساختار «صفحه گسترده» (Spreadsheet) اشاره کرد.
• قالب‌بندی اسناد: اسنادی با قالب مورد نظر خود پیدا کرده و به هوش مصنوعی ارائه دهید. در این صورت، هوش مصنوعی می‌تواند از ساختار صحیح و مورد نظر شما در ساخت پاسخ‌های خود پیروی کند.
• قطعه کد: اگر درباره برنامه نویسی به کمک هوش مصنوعی احتیاج دارید، سعی کنید چند نمونه کد به آن نشان دهید. این مسئله برای پیروی از منطق صحیح به هوش مصنوعی کمک می‌کند.
• مثال‌هایی از گراف‌ها و نمودارها: اگر می‌خواهید که هوش مصنوعی در پاسخ به سوال، تصویری شامل نمودار و داده ایجاد کند، چند نمونه نمودار و گراف به آن نشان دهید.
• متن تبلیغاتی: اگر در حال نوشتن تبلیغات یا متن‌های بازاریابی هستید، نمونه‌هایی از تبلیغات هماهنگ با برند خود را به هوش مصنوعی ارائه دهید. هوش مصنوعی می‌تواند همان سبک را دنبال کند.

نمونه‌ای از روش ارائه مثال به هوش مصنوعی

در تصویر پایین، نمونه‌ای از گفت‌وگو با هوش مصنوعی نشان داده شده است. در این نمونه درخواست خود را همراه با ارائه مثال بیان کردیم.

دادن داده‌های کمکی به هوش مصنوعی

افزودن داده‌های شفاف و کاربردی به پرامپت‌ها، کیفیت پاسخ‌های هوش مصنوعی را به طور چشمگیری افزایش می‌دهد. این کار به درک بهتر مطلب و تولید پاسخ‌های دقیق‌تر توسط مدل کمک می‌کند. داده‌های خود را به صورت عدد، تاریخ و در دسته‌بندی مشخص قرار دهید. سازماندهی مرتب و شفاف داده‌ها باعث می‌شود که هوش مصنوعی، متوجه جزئیات شده و تصمیمات درستی بگیرد.

بسیار مهم است که داده‌های آماده شده را به هوش مصنوعی توضیح دهید. در صورت امکان به هوش مصنوعی بگویید که منبع داده‌ها از کجاست. این کار باعث می‌‌شود که سوال شفاف‌تر شده و در نتیجه پاسخ قابل اعتماد‌تری تولید شود. استفاده از این تکنیک در حل بهتر مسائل مربوط به بررسی داده‌های عددی یا مقایسه چیز‌های مختلف، موثر است.

برای دریافت پاسخ‌های مرتبط و کاربردی از هوش مصنوعی، همیشه از اطلاعات به‌روز و منظم استفاده کنید. اگر قصد مقایسه عناصر مختلف را دارید حتما پارامتر‌های شفاف و واضحی را به هوش مصنوعی معرفی کنید. عرضه داده‌های شفاف و ساختارمند به هوش مصنوعی، اعداد ساده را به اطلاعات قابل درک و استفاده تبدیل می‌کند.

«پرامپت‌های داده‌محور» (Data-Driven Prompts) ابزار بسیار مؤثری برای حل مسائل تحلیلی هستند. این نوع پرامپت‌ها در بررسی عمیق اعداد، الگوها و روندها کاربرد زیادی دارند. استفاده از این روش به‌ویژه در طراحی طرح‌های تجاری یا تحلیل نتایج پژوهش‌های علمی با کمک هوش مصنوعی بسیار مفید است.

مثالی از فراهم کردن داده در زمان صحبت با هوش مصنوعی

در تصویر پایین، مثالی از نحوه کار با هوش مصنوعی را نشان داده‌ایم. در این مثال، همزمان با پرسیدن سوال از هوش مصنوعی، داده‌هایی را هم برای آن فراهم کرده‌ایم.

مشخص کردن قالب خروجی مطلب

در زمان کار با هوش مصنوعی باید به شکل واضح، قالب و ساختار پاسخ مورد انتظار خود را مشخص کنید. بگویید که آیا به گزارشی با جزئیات کامل نیاز دارید یا خلاصه مطلب یا متنی با ساختار داستانی. این مسئله به هوش مصنوعی کمک می‌کند تا ترکیب‌بندی پاسخ را مطابق با نیاز کاربر تنظیم کنند.

باید به تمام مواردی که در پاسخ نیاز دارید اشاره کنید. برای مثال اینکه آیا تیتر داشته باشد یا نه. پاسخ از چند تیتر تشکیل شود. این کارها به هوش مصنوعی کمک می‌کند که پاسخ خود را با نیاز‌مندی‌های شما منطبق کند.

مثالی از تعریف دقیق خروجی مورد انتظار

در تصویر پایین، از هوش مصنوعی یک مقاله درخواست کرده‌ایم. همین‌طور که مشاهده می‌کنید به وضوح گفته‌ایم که ساختار و چهارچوب مقاله نهایی باید چه شکلی داشته باشد:

تاکید بر روی بایدها به‌جای نباید‌ها

یکی از اصول مهم نحوه کار با هوش مصنوعی این است که به طور شفاف مشخص کنیم کامپیوتر باید چه کاری انجام دهد. نوشتن دستوراتی که باید انجام شوند به‌جای دستوراتی که نباید انجام شوند، بازدهی بسیار بیشتری دارد. این رویکرد، یعنی تمرکز بر دستورالعمل‌های مثبت، باعث کاهش سردرگمی در عملکرد مدل می‌شود. این روش نوشتن دستور بر روی توان پردازشی هوش مصنوعی تمرکز کرده و نتایج مفید و عملی تولید می‌کند.

دستورات منفی، هوش مصنوعی را مجبور به تفسیر و برعکس کردن آن‌ها می‌کند. در نتیجه، فرایند پردازش سوال سخت‌تر شده و امکان بروز سوءتفاهم بیشتر می‌شود. با توصیف واضح رفتارهای مورد انتظار برای حل مسئله به هوش مصنوعی، کمک می‌کنیم. مدل‌های زبانی از تمام قدرت پردازشی خود برای حل مستقیم سوال استفاده می‌کنند. رعایت این نکات، زمان تولید پاسخ را کوتاه‌تر کرده و دقت آن را افزایش می‌دهد.

مثال‌های از تاکید بر روی بایدها به‌جای نباید‌ها

در این بخش از مطلب، با چند مثال مختلف روش صحیح گفت‌وگو با هوش مصنوعی را بررسی کرده‌ایم.

• ننویسید: جزئیات خیلی زیادی ننویس. در عوض بنویسید: لطفا خلاصه و مفید ارائه بده.
• ننویسید: از به کار بردن اصطلاحات فنی خودداری کن. در عوض بنویسید: از زبانی ساده و قابل فهم برای عموم مردم استفاده کن.
• ننویسید: از مثال‌های مربوط به قبل از سال ۲۰۰۰ استفاده نکن. در عوض بنویسید: مثال‌هایی بنویس که بعد از سال ۲۰۰۰ اتفاق افتاده‌اند.

شخصیت دادن به مدل

باید به مدل هوش مصنوعی شخصیت یا چهارچوب مرجعی بدهیم تا بر اساس آن رفتار کند. این کار پاسخ‌هایی دقیق‌تر و مرتبط با موضوع تولید می‌کند. با این چهارچوب، هوش مصنوعی پاسخ‌هایی می‌دهد که از مهارت‌ها و شیوه تفکر خاصی پیروی می‌کنند. بنابراین پاسخ‌ها سازگاری خیلی بیشتری با سوالات مطرح شده پیدا می‌کنند.

این کار به ویژه در فضا‌های تجاری کاربرد بسیار زیادی دارد. در چنین فضاهایی داشتن دانش اختصاصی درباره حوزه کاری، ضروری است. دادن شخصیت یا چهارچوب فکری به هوش مصنوعی باعث می‌شود که از لحن و اصطلاحات فنی مرتبط با موقعیت استفاده کند. داشتن شخصیت توسط هوش مصنوعی به مردم کمک می‌کند که انتظارات درستی از آن داشته باشند. در نتیجه گفت‌وگو با هوش مصنوعی برای کاربران راحت‌تر و جذاب‌تر می‌شود.

مثالی درباره دادن شخصیت به مدل

در تصویر پایین نمونه‌ای از دادن شخصیت و چهارچوب فکری به مدل را نشان داده‌ایم.

بررسی مراحل تفکر مدل

«گفت‌وگو با زنجیره‌ افکار» (Chain Of Thought Prompting) نام روشی برای کار با هوش مصنوعی است. این روش، هوش مصنوعی را تحریک می‌کند تا پاسخ‌هایش را کند‌تر و با جزئیات بسیار بیشتر، تولید کند. برای انجام اینکار باید از هوش مصنوعی بخواهیم که روش فکر کردن یا استدلال‌های خود را به صورت مرحله‌به‌مرحله توضیح دهد. وقتی هوش مصنوعی، مراحل استدلالی خود را برای رسیدن به پاسخ شرح می‌دهد، کاربران، منطق پشت پاسخ را به شکل بهتری درک می‌کنند. در این صورت، به راحتی می‌توان میزان قابل اعتماد بودن پاسخ را نیز تشخیص داد.

این روش در دو حالت زیر، کاربرد زیادی دارد.

• وقتی که بر روی مسائل پیچیده کار می‌کنیم.
• وقتی که مراحل رسیدن به جواب به اندازه خود جواب اهمیت دارند.

با کمک استفاده از این روش در زمان صحبت با هوش مصنوعی، مسائل به روش بسیار دقیق‌تری بررسی می‌شوند. همچنین فرصت یادگیری بیشتر برای کاربران به وجود می‌آید. زیرا کاربران روش استدلال و حل مسئله توسط هوش مصنوعی را به شکل مرحله‌به‌مرحله می‌بینند.

مثالی درباره بررسی مراحل تفکر مدل

در این قسمت، با استفاده از مثال ساده‌ای روش بررسی زنجیره افکار هوش مصنوعی را بررسی کرده‌ایم. در تصویر زیر ابتدا از هوش مصنوعی درخواست کردیم که فایل کد‌های ارسال شده را بررسی کند.

سپس در پرامپت‌های بعدی می‌نویسیم که از اصول زیر برای نشان دادن مراحل کار خود استفاده کند.

• توصیف عملکرد: با بررسی روش کار نرم‌افزار در حالت فعلی شروع کن. ابتدا بخش‌هایی که کند‌تر اجرا می‌شوند یا مقدار استفاده زیادی از منابع دارند، پیدا کن.
• تکنیک‌های بهینه‌سازی: درباره روش‌های مختلفی صحبت کن که می‌تواند باعث بهتر کارکردن بخش‌های کند شود. برای مثال می‌توان به بهینه‌سازی الگوریتم، بازنویسی کدها یا استفاده از سخت‌افزارهای سریع‌تر اشاره کرد.
• آزمایش و اعتبار سنجی: روش خود را برای آزمایش نرم‌‌افزار بهینه‌سازی شده توضیح بده. با کمک این آزمایش‌ها بررسی می‌کنیم که آیا تغییرات اعمال شده باعث رسیدن به نتایج مطلوب شده‌‌اند یا نه. در ضمن متوجه می‌شویم که آیا این تغییرات، مشکلات جدیدی بوجود می‌آورند یا نه.
• پیاده‌سازی استراتژی: روش اضافه کردن کدهای جدید به سیستم واقعی را شرح بده. این کار باید با دقت انجام شود. مطمئن شو که انجام این کار مشکلی برای دیگر بخش‌های سیستم ایجاد نکرده یا عملکرد کلی سیستم را مختل نمی‌کند.
• جمع‌بندی: در نهایت هم با مرور کلی و کوتاهی بر روی مهم‌ترین مراحل افزایش سرعت نرم‌‌افزار، کار را تمام کن. همچنین بگو داده‌ها را چگونه ذخیره می‌کنی و برنامه‌ات برای توسعه نرم‌افزار در آینده چیست.

برای درک هرچه بهتر نحوه کار با هوش مصنوعی بهتر است که با روش کار این مدل‌ها نیز آشنا باشیم. در صورت نیاز به کسب شناخت پایه و درک روش کار این مدل‌ها می‌توانید مطلب هوش مصنوعی چگونه کار می کند؟ – توضیح به زبان ساده را در مجله فرادرس مطالعه کنید.

تقسیم وظایف پیچیده به بخش‌های کوچک و ساده

نحوه کار با هوش مصنوعی به این صورت است که ابتدا مسائل پیچیده‌ را ساده‌سازی کنیم. یعنی اینکه در زمان کار بر روی وظایف مشکل، بهتر است آن‌ها را به بخش‌های کوچک‌تر و ساده‌تر تقسیم کنیم. این روش به هوش مصنوعی کمک می‌کند تا راحت‌تر مسائل را درک کرده و بر روی آن‌ها کار کند. دادن دستورات به صورت مرحله‌به‌مرحله از سردرگم شدن مدل جلوگیری می‌کند. با کمک این روش مطمئن می‌شویم هر بخش از مسئله با دقت و توجه کامل حل شده است.

در ضمن استفاده از این رویکرد به برنامه نویسان برای نظارت و اعمال راحت‌تر تغییرات در هر مرحله کمک می‌کند. یعنی در طول فرایند توسعه می‌توانیم کیفیت محصول را حفظ کنیم. هوش مصنوعی با تجزیه مسائل بزرگ به بخش‌های کوچک‌تر می‌تواند از قدرت خود به شکل بهتری استفاده کند. یعنی اینکه بر روی بخش‌های نیازمند به توجه، بیشتر تمرکز می‌کند. رعایت این تکنیک در نحوه کار با هوش مصنوعی، روشی مؤثرتر و کاربردی‌تر برای حل مسائل به وجود می‌آورد.

مثالی درباره تقسیم مسائل بزرگ به بخش‌های کوچک‌تر

در این قسمت با کمک مثال ساده‌ای روش تقسیم مسائل بزرگ به چند مسئله کوچک و ارائه آن‌ها به هوش مصنوعی را بررسی کرده‌ایم. در پایین مسئله بزرگی را نوشته‌ایم که نباید آن را به این شکل به هوش مصنوعی بدهیم:

• مقاله ۱۵۰۰ کلمه‌ای درباره تاثیر هوش مصنوعی بر دورکاری بنویس.

به‌جای نوشتن درخواستی مانند جمله بالا با استفاده از عبارت‌های ساده، موضوع را توضیح داده و به ترتیب پیش بروید. برای مثال در پایین، نمونه پرامپت مناسبی را برای شروع مکالمه نوشته‌ایم.

سپس پرامپتی برای ارائه توضیحات بیشتر می‌نویسیم.

یاد گرفتن نحوه کار با هوش مصنوعی در فرادرس

در این بخش از مطلب، فیلم‌های آموزشی فرادرس برای کمک به یادگیری کار با انواع هوش مصنوعی را معرفی کرده‌ایم. در حال حاضر، جهان تکنولوژی، صنعت و تجارت، روزبه‌روز بیشتر با هوش مصنوعی آمیخته می‌شوند. با پیشرفت قابل توجه مدل‌های هوش مصنوعی، تقریبا در هر حوزه‌ای می‌توان دستیار هوشمند پیدا کرد. از برنامه نویسی و ویرایش عکس گرفته تا حوزه‌های پزشکی، کشاورزی و غیره همه از هوش مصنوعی استفاده می‌کنند. هوش مصنوعی سرعت و کیفیت کارها را افزایش می‌دهد. در دنیای آینده افراد باید بتوانند برای حفظ موقعیت شغلی خود و حتی ارتقا در آن با هوش مصنوعی کار کنند.

به همین دلیل باید نحوه کار با هوش مصنوعی را یاد بگیریم. فرادرس یکی از بزرگ‌ترین تولید کنندگان محتوای آموزش آنلاین فارسی در کشور است. در فرادرس تعداد زیادی فیلم آموزشی حرفه‌ای با هدف کمک به یادگیری ابزارهای مختلف هوش مصنوعی تهیه شده‌اند. همه می‌توانند برای افزایش مهارت‌های خود از فیلم‌های فرادرس استفاده کنند. در پایین، چند فیلم درباره آموزش ابزارهای هوش مصنوعی معرفی کرده‌‌ایم. اگر می‌خواهید فیلم‌های بیشتری ببینید، بروی تصویر بالا کلیک کنید.

در ادامه مطلب، دلیل اهمیت مهندسی پرامپت و استراتژی‌های مؤثر در زمان کار با هوش مصنوعی را نیز توضیح داده‌ایم.

چرا مهندسی پرامپت اهمیت دارد؟

رعایت صحیح مهندسی پرامپت بسیار ضروری است. زیرا اجرای درست این وظیفه تاثیر مستقیمی بر افزایش کارایی مدل‌های هوش مصنوعی دارد. کیفیت داده‌های ورودی میزان دقت و ارزش پاسخ‌های تولید شده را مشخص می‌کند. این مسائل باعث می‌‌شوند که مهندسی پرامپت به یکی از مهم‌ترین تکنیک‌ها برای مسلط شدن بر قدرت مدل‌های هوش مصنوعی تبدیل شود.

مهندسی پرامپت فقط مختص به شرکت‌های بزرگ نیست. ارتباط موثر با هوش مصنوعی، می‌تواند باعث خلق ایده‌های نو و حل بهتر مشکلات شود.

در فهرست زیر، چند مورد از مهم‌ترین دلایل اهمیت مهندسی پرامپت را نوشته‌‌ایم.

• افزایش دقت: نوشتن پرامپت‌های خوب باعث رسیدن به پاسخ‌های دقیق‌تر می‌شود. پرامپت‌های حرفه‌ای از برگشت داده شدن پاسخ‌های غلط و نامرتبط توسط هوش مصنوعی، جلوگیری می‌کنند.
• صرفه‌جویی در زمان:‌ رعایت درست قوائد مربوط به نحوه کار با هوش مصنوعی تعامل با آن را ساده‌تر می‌کند. در نتیجه کاربران می‌توانند با زحمت کمتری به پاسخ‌های مورد نظر خود برسند. این موضوع به صرفه‌جویی در زمان کاربران کمک می‌کند.
• ساده‌سازی وظایف پیچیده: برای حل وظایف پیچیده نیاز به درک عمیقی از وضعیت داریم. پرامپت‌های خوب، سوالات پیچیده را به چند مسئله ساده و مجزا از هم تبدیل می‌کنند. بنابراین هوش مصنوعی به شکل مؤثرتری آنها را پردازش می‌کند.
• ارتقای تجربه کاربری: وقتی که پرامپت‌های نوشته شده پاسخ‌های واضح و کاربردی تولید کنند، کاربران از استفاده از مدل‌های هوش مصنوعی تجربه‌ی بهتری بدست می‌آورند.
• دادن نتایج بهتر: در حوزه‌هایی مانند برنامه نویسی، تولید محتوا و تحلیل داده، باید پرامپت‌هایی بنویسیم که به خوبی مهندسی شده‌اند. رعایت این اصل منجر به تولید خروجی‌هایی با کیفیت بالاتر می‌شود. زیرا پرامپت‌های حرفه‌ای از تمام ظرفیت‌های مدل‌های هوش مصنوعی برای تولید پاسخ صحیح بهره می‌برند.
• افزایش خلاقیت : هر چقدر روش ارتباط با هوش مصنوعی را بهتر درک کنیم، بیشتر هم بر محدودیت‌ها غلبه می‌کنیم. یعنی می‌توانیم کارهای جدیدتر و هوشمندانه‌تری انجام دهیم. در نتیجه، ابزارها و راه‌حل‌های تازه‌ای به وجود می‌آیند.

استراتژی‌های مؤثر در زمان کار با هوش مصنوعی

در این بخش از مطلب، نکاتی را بیان کرده‌ایم که به طور مستقیم به ساختار پرامپت‌ها ارتباط ندارند. اما رعایت آن‌ها تاثیر زیادی در افزایش کیفیت پاسخ‌های هوش مصنوعی دارد. توجه به این نکات، مهارت کاربران در تعامل با این مدل‌ها را افزایش می‌دهد.

این موارد را در فهرست زیر نام برده‌ایم.

• شناخت نقاط ضعف مدل
• استفاده از روش آزمون و خطا
• مدیریت روش پرسیدن سوال
• دادن بازخورد منفی به هوش مصنوعی

شناخت نقاط ضعف مدل

در زمان کار با هوش مصنوعی، شناخت نقاط ضعف و محدودیت‌های مدل باعث می‌‌شود که توقع نا‌به‌جا یا انتظار غیرعملی از آن نداشته باشیم. شاید – به صورت ناخواسته – از هوش مصنوعی انجام کارهایی را بخواهیم که برای آن ساخته نشده است. برای مثال استفاده از پایگاه‌های داده خارجی – که به آن‌ها دسترسی ندارد – یا دسترسی به به‌روزرسانی‌های نرم‌افزاری به صورت بی‌درنگ.

ارسال چنین دستوراتی به مدل‌های زبانی، باعث تولید پاسخ‌های غلط می‌‌شود. به این پاسخ‌های غلط «توهمات هوش مصنوعی» (AI Hallucinations) می‌گوییم. در فهرست زیر، چند مورد از شناخته شده‌ترین محدودیت‌های مدل‌های هوش مصنوعی را نوشته‌ایم.

• ناتوانی در پردازش داده‌های بی‌درنگ: زیرا دانش این مدل‌ها تا زمان آخرین «آموزش» (Train) آن‌ها به‌روزرسانی شده است، نه بیشتر.
• ناتوانی در دسترسی و واکشی اطلاعات شخصی: این مدل‌ها نمی‌توانند به هیچ کدام از اطلاعات شخصی کاربران دسترسی داشته باشند. مگر اینکه در طول مکالمه، کاربر خودش اطلاعات مربوط به خود را در اختیار مدل قرار بدهد.
• نبود تعامل مستقیم با سایر نرم‌‌افزارها: مدل‌های هوش مصنوعی نمی‌توانند به صورت مستقیم با سایر نرم‌افزارها، پایگاه‌های داده یا محتوای زنده روی اینترنت تعامل داشته باشند.
• احتمال سوءگیری: احتمال سوءگیری در نظرات مدل‌های هوش مصنوعی وجود دارد. این اتفاق وقتی می‌افتد که داده‌های مورد استفاده برای آموزش مدل، حاوی جهت‌گیری‌های مختلفی باشند. در نتیجه مدل این رفتار را به اشتباه، یاد می‌گیرد.
• عدم درک صحیح محتوی: مدل‌های هوش مصنوعی همیشه محتوی داده شده را به خوبی درک نمی‌کنند. این مسئله ممکن است منجر به تولید پاسخ‌های ضعیف یا مبهم شود. در نتیجه احتمال دارد که کاربر، پاسخ را نفهمیده و دچار سردرگمی شود.
• نبود احساسات شخصی: مدل‌های هوش مصنوعی احساسات و تجربه‌های انسانی ندارند. بنابراین آن‌ها نمی‌توانند ارتباطات احساسی واقعی با کاربران برقرار کنند یا داستان‌های شخصی خود را از تجربیاتشان به انسان‌ها بازگو کنند.

استفاده از روش آزمون و خطا

دانستن نحوه کار با هوش مصنوعی نیاز به طرز فکر تجربی دارد. در زمان بررسی مدل‌های هوش مصنوعی باید از روش‌ مرحله‌به‌مرحله برای شناخت تکنیک‌های صحیح مکالمه با آن‌ها استفاده کنید. از پرامپت‌های مختلف استفاده کنید. بررسی کنید که آیا تغییرات کوچک می‌توانند تاثیرات بزرگی بر پاسخ‌های داده شده توسط هوش مصنوعی بگذارند. تنهاه راه شاخت روش پاسخ‌گویی مدل‌ها آزمایش کردن آن‌هاست.

رعایت قوانین حریم خصوصی و استانداردهای اخلاقی در استفاده از هوش مصنوعی بسیار مهم است. اما باید عبارت‌ها و ساختار‌های مختلف را هم بررسی کنید. زیرا با این روش است که کارآمدترین روش‌های پاسخ‌گویی هوش مصنوعی را پیدا می‌کنیم. به این منظور باید از جملاتی با ساختارهای مختلف و کلمات متنوع استفاده کنید. با این روش، متوجه می‌شوید که برای رسیدن به هر پاسخ کدام عبارت بهترین نتیجه را می‌دهد. استفاده از تکنیک «آزمون و خطا» (Trial-And-Error) می‌تواند بسیار مؤثر باشد. با این کار متوجه می‌شوید که «مدل‌های زبانی بزرگ» (Large Language Models | LLM) چگونه سوالات را خوانده و از دستورالعمل‌های مختلف پیروی می‌کنند.

مدیریت روش پرسیدن سوال

از مطرح کردن چند سؤال مختلف، به صورت همزمان در گفت‌وگو با هوش مصنوعی خودداری کنید. روش صحیح این کار، پرسیدن سوالات مختلف در چند نوبت مجزا از هم است. برای مثال، سوال زیر، ساختار مناسبی ندارد:

• «آیا می‌توانی ویژگی‌های جدید محصول، ساختار قیمت‌گذاری و بازار هدف را با استفاده از نمودار توضیح دهی؟»

می‌توان سوال بالا را به شکل زیر پرسید:

• «ویژگی‌های کلیدی در به‌روزرسانی جدید محصول، چیست؟»، پس از دریافت پاسخ، سوال بعدی را می‌پرسیم «ساختار قیمت‌گذاری محصول جدید ما در مقایسه با رقبا چگونه است؟»

با تمرکز بر یک سؤال در هر زمان، مدل هوش مصنوعی درگیر پیچیدگی‌های اضافی نمی‌‌شود. در نتیجه تمام سوالات، پاسخ درخور خود را دریافت می‌کنند. این رویکرد، مزیت‌های کاربردی زیادی دارد. زیرا کاربر و چت‌بات می‌توانند به صورت عمیق‌تری مسائل مختلف را بررسی کرده و به پاسخ درست برسند. کیفیت اطلاعات داده شده در جواب‌ها نیز بیشتر می‌شود.

دادن بازخورد منفی به هوش مصنوعی

یکی از نکات مهم در نحوه کار با هوش مصنوعی مربوط به یادآوری اشتباهات این سیستم است. برای مثال شاید در پاسخ به سوالی، داده‌های نادرست یا قدیمی دریافت کنید. در این صورت به هوش مصنوعی بگویید که چه چیزی اشتباه به نظر می‌رسد. سپس از او درخواست کنید که علت اشتباه را پیدا کرده و آن را رفع کند. یا پاسخ را دوباره و با توجه به داده‌های درست ارائه دهد.

به عنوان نمونه، اگر هوش مصنوعی اطلاعات تاریخ‌گذشته‌ای درباره فروش محصولات ارائه داد، بگویید: «ارقام درآمد سه‌ماهه دوم، به نظر قدیمی می‌رسند. لطفا بررسی کن که حتما از جدیدترین داده‌های مربوط به فروش استفاده شود»

برطرف کردن مشکلات، مانند هدایت روند حل مسئله به مسیر درست است. این کار به هوش مصنوعی کمک می‌کند که بهتر منظور کاربر را فهمیده و در آینده هم پاسخ‌های دقیق‌تری بدهد. در ضمن، این کار به مدل کمک می‌کند که درک درستی درباره زمان و دانش بدست بیاورد. در نتیجه با دقت بیشتری فرایند پردازش داده‌ها را مرور می‌کند. با ارائه بازخورد‌ها و گوش‌زد کردن اشتباهات هوش مصنوعی به شکل منظم، دقت پاسخ‌ها به مرور بیشتر می‌شود.

چگونه نحوه چت با هوش مصنوعی را در فرادرس یاد بگیریم؟

فرادرس مجموعه‌ی آموزشی تهیه کرده است که شامل فیلم‌هایی درباره آموزش چت با هوش مصنوعی است. با کمک ابزارهای هوش مصنوعی، بسیاری از کارهای شخصی و شغلی با سرعت بیشتر و کیفیت بالاتر انجام می‌شوند. برای بهره‌برداری کامل از این قابلیت‌ها، باید چگونگی گفت‌وگو با هوش مصنوعی را بیاموزیم. یادگیری این مهارت کمک می‌کند تا پاسخ‌های دقیق‌تری دریافت کنیم. رعایت درست تکنیک‌های چت با هوش مصنوعی، کمک می‌کنند تا کارهای مختلف را با بهره‌وری بیشتری انجام دهیم.

اگر با هوش مصنوعی به شکل درست و اصولی گفتگو کنیم، پاسخ‌های بهتر و دقیق‌تری خواهیم گرفت. به همین دلیل فرادرس مجموعه آموزشی زیر را تولید و منتشر کرده است. در پایین چند مورد از فیلم‌های این مجموعه آموزش معرفی شده‌اند.

معرفی چند اپلیکیشن هوش مصنوعی

در این بخش از مطلب، چند مورد از مشهور‌ترین اپلیکیشن‌های هوش مصنوعی را معرفی کرده‌ایم. اصول مربوط به نحوه کار با هوش مصنوعی در تمام این اپلیکیشن‌ها یکسان است. با رعایت موارد گفته شده در این مطلب می‌توانید به بهترین پاسخ‌های ممکن دست پیدا کنید. این اپلیکیشن‌های شامل موارد زیر هستند.

در ادامه هر کدام از مدل‌های بالا را به شکل کلی توضیح داده‌ایم.

ChatGPT

ChatGPT یکی از مشهور‌ترین چت‌بات‌های دنیاست. این ابزار می‌تواند وظایف بسیار متنوعی مانند موارد نوشتن ایمیل، ساخت رزومه، تحلیل داده‌ها و غیره را بخوبی انجام دهد. ChatGPT توانایی‌های دیگری مانند نوشتن و دیباگ‌کردن کدها و حل مسئله‌های مشکل ریاضی را نیز دارد. کاربران می‌توانند از ChatGPT برای تبدیل کردن متن‌های دست نوشته به متن‌های دیجیتالی نیز استفاده کنند.

شرکت «OpenAI» سازنده و مالک ChatGPT است. این شرکت دائما با افزودن ویژگی‌های جدید و قدرتمند، کارایی این مدل زبانی بزرگ را زیاد‌تر می‌کند. ChatGPT به مرور زمان توانایی‌هایی مانند وب‌گردی، OCR کردن تصاویر، تحلیل داده، کار بر روی فایل‌ها و غیره را پیدا کرده‌ است. قبلا بسیاری از این ویژگی‌ها فقط در نسخه‌های پولی ChatGPT موجود بودند. اما اکنون به رایگان در اختیار کاربران عادی هم قرار گرفته‌اند. در فهرست زیر چند مورد از ویژگی‌های ChatGPT را نوشته‌ایم.

• امکان استفاده از مدل‌های مختلف «GPT»
• امکان نوشتن متن، حل کردن مسائل ریاضی، کمک به برنامه نویسی
• مهارت بالا در ایجاد گفت‌وگو‌های بسیار روان
• نسخه رایگان با امکانات زیاد برای همه

اکنون استفاده از ChatGPT بسیار ساده‌تر شده است. فقط کافی است که به سایت رسمی آن رفته و چت را شروع کنیم. البته اگر تمایل به استفاده از ابزارهای پیشرفته دارید باید در وب‌سایت ثبت نام کنید. ساختن اکانت‌ رایگان در ChatGPT ساده است.

• لینک دسترسی به وب‌سایت (+)

Copilot

مدل هوش مصنوعی «کوپایلت» (Copilot) توسط مایکروسافت توسعه داده شده است. این مدل از نسخه‌های پیشرفته «GPT Turbo» استفاده می‌کند. به معنی اینکه ضریب هوشی آن برابر با ChatGPT است. از زمان معرفی به بعد کوپایلوت ظاهر خود را مدرن‌تر و کاربر پسندتر کرده است.

ویژگی‌های جدید بسیار زیاد مختلفی در کوپایلوت تعبیه شده‌اند. یکی از آن‌ها «Copilot Voice» برای امکان گفت‌وگوی صوتی با کاربران است. این ویژگی شباهت زیادی به حالت صوتی پیشرفته ChatGPT دارد. اما به صورت رایگان در اختیار کاربران قرار گرفته است. به غیر از این موارد امکانات رایگان بسیار زیاد دیگری هم در کوپایلوت تعبیه شده‌اند. برای مثال می‌توان به موارد زیر اشاره کرد.

• اطلاع از جدید‌ترین حوادث
• نمایش لینک دسترسی به منابع خارجی
• مرور اینترنت
• بارگذاری فایل و تصویر
• ساخت تصویر
• و غیره

کوپایلوت بهترین جایگزین رایگان برای اپلیکیشن هوش منصوعی ChatGPT است. تقریبا تمام ویژگی‌های خوب ChatGPT را دارد. در فهرست پایین چند مورد از مهم‌ترین ویژگی‌های کوپایلوت را نوشته‌ایم.

• استفاده از مدل GPT
• امکان استفاده از اینترنت برای دسترسی به اطلاعات به‌روز
• قابل استفاده به عنوان موتور جست‌وجو
• ارائه خدمات رایگان

استفاده از آن رایگان است. برای استفاده از کوپایلوت فقط باید به وب‌سایت رسمی آن مراجعه کنیم. اپلیکیشن موبایلی این مدل هوش مصنوعی‌ هم وجود دارد.

• لینک دسترسی به وب‌سایت (+)

DeepSeek

هوش مصنوعی «دیپ‌سیک» (DeepSeek) مدل R1 یکی از مدل‌های استدلالی قدرتمند است. این مدل چینی مهارت‌های حل مسئله‌ای در حد مدل‌ o3 از شرکت OpenAI دارد. هوش مصنوعی دیپ‌سیک به طور کامل و به صورت اوپن سورس طراحی شده است. کاربران می‌توانند از آن به صورت رایگان بر روی اینترنت استفاده کنند. در ضمن امکان دانلود و استفاده از آن به صورت هوش مصنوعی آفلاین بر روی کامپیوتر هم وجود دارد. هوش این مدل مهم‌ترین ویژگی‌ آن است.

استفاده از اپلیکیشن‌های تحت وب و موبایل بسیار ساده است. در فهرست پایین، چند مورد از مهم‌ترین ویژگی‌های هوش مصنوعی دیپ‌سیک را نوشته‌ایم.

• امکان استفاده به عنوان موتور جست‌وجو
• بارگذاری اسناد
• نگهداری حافظه چت‌های قدیمی

نکته ضعف این مدل آن است که سرور‌های میزبان دیپ‌سیک در کشور چین قرار دارند. بنابراین روش نگهداری اطلاعات کاربران شفاف نیست. برای همین ممکن است حریم خصوصی به خوبی رعایت نشود. اما امکان استفاده از آن با استفاده از دیگر اپلیکیشن‌ها وجود دارد. برای مثال Perplexity به کاربران کمک می‌کند که از دیپ‌سیک مستقر بر روی سرور‌های داخل آمریکا استفاده کنند. در نتیجه داده‌های کاربران به شرکت اصلی ارسال نمی‌شود.

• لینک دسترسی به وب‌سایت (+)

Perplexity.ai

Perplexity AI یکی از بهترین چت‌بات‌ها برای جست‌وجو در اینترنت است. این چت‌بات پاسخ تمام سوالات کاربران را همراه با اشاره به منبع می‌دهد. طراحی مدرن و کاربر پسندی دارد. استفاده از آن هم ساده است. فقط کافی است که به وب‌سایت رسمی آن رفته و سوال خود را در کادر «Ask anything» بنویسید.

وقتی که روی این کادر کلیک می‌کنید، خود ابزار چند پرامپت پیشنهادی نشان می‌دهد. بیشتر این پرامپت‌ها درباره اخبار هستند. برای استفاده از هرکدام فقط کافیست که بر روی آن‌ها کلیک کنید. Perplexity سوالات مرتبطی با موضوع مورد نظر شما پیشنهاد می‌دهد. در نتیجه می‌توانید به گفت‌وگو و کاوش درباره مطلب مورد نظر خود بپردازید. وجود این پرامپت‌های بسیار مفید باعث شده که Perplexity ابزار بسیار مناسبی برای یادگیری مطالب جدید باشد.

در فهرست پایین چند مورد از مهم‌ترین ویژگی‌های Perplexity را نوشته‌ایم.

• دارای اپلیکیشن موبایب برای اندروید و iOS
• وجود منبع برای تمام پاسخ‌ها
• استفاده از تصاویر و نمودارها در پاسخ
• یکی از بهترین موتور‌های جست‌وجوی هوشمند
• استفاده از مدل‌های پیشرفته OpenAI و Claude
• دسترسی به اینترنت و جدید‌ترین اخبار
• کمک به پرامپت نویسی و دادن ایده‌های جدید
• رایگان بودن

• لینک دسترسی به وب‌سایت (+)

Jasper

Jasper مدل هوش مصنوعی بسیار قدرتمندی برای استفاده در حوزه‌های تجاری و توسط بازاریابان است. این مدل هوش مصنوعی برای استفاده روزانه در فضای کاری طراحی شده است. هیچ نسخه رایگانی برای این مدل هوش مصنوعی وجود ندارد. قیمت نسخه‌های پولی آن از ۴۹ دلار در ماه شروع می‌‌شود. این مدل با تمرکز بر روی استفاده توسط فریلنسر‌ها و مالکان کسب‌وکار‌های تجاری کوچک طراحی شده است.  برای استفاده از مدل‌های بزرگتر باید هزینه بیشتری پرداخت کرد. این مدل‌ها خدماتی مانند تولید و ویرایش عکس، سیستم‌های مربوط به مدیریت کارکنان و غیره را ارائه می‌دهند.

در زمان کار با Jasper فقط باید چیزی که نیاز داریم را بنویسیم. البته با رعایت اصول نحوه کار با هوش مصنوعی. سپس این مدل مانند ChatGPT به سوالات ما پاسخ می‌دهد. تفاوت اصلی اینجاست که Jasper ابزارهای بسیار زیادی برای کار در حوزه کسب‌وکار دارد. در کادر پایین، چند مورد از مهم‌ترین ویژگی‌های Jasper را نوشته‌ایم.

• بررسی خطاهای گرامری
• امکان بررسی متن‌ها برای پیدا کردن موارد سرقت ادبی
• توانایی نوشتن در بیش از ۵۰ قالب مختلف – برای مثال می‌توان به پست‌های وبلاگ، توییت، توضیحات ویدئو‌ها و غیره اشاره کرد.
• راهنمایی درباره اصول CEO
• بخاطر سپاری «صدای برند» (Brand Voice)
• استفاده از مدل‌های زبانی بزرگ مختلف
• توانایی نوشتن پارگراف، خلاصه‌سازی و ساخت توضیحات درباره محصول

• لینک دسترسی به وب‌سایت (+)

جمع‌بندی

در این مطلب از مجله فرادرس نحوه کار با هوش مصنوعی را بررسی کرده‌ایم. مدل‌های مختلف هوش مصنوعی از طریق تعامل با انسان و فهم سوالات می‌توانند به مسائل متنوعی پاسخ دهند. در نتیجه، سرعت و کیفیت کارهای انجام شده توسط انسان‌ها را افزایش می‌دهند. یکی از مهم‌ترین اصول در زمان کار با هوش مصنوعی، نوشتن صحیح پرامپت‌ها است. به این کار مهندسی پرامپت گفته می‌شود. مهندسی پرامپت در بعضی از سازمان‌ها به موقعیت شغلی مجزا و مستقلی تبدیل شده است. با نوشتن صحیح پرامپت‌ها پاسخ‌های بسیار دقیق‌تری بدست می‌آوریم.

برای گفت‌وگو با هوش مصنوعی لازم است سوالات به شکل واضح پرسیده شوند. برای رسیدن به جواب مورد نظر باید چند کار مختلف انجام دهیم. دادن شخصیت و نمونه داده به چت بات هوش مصنوعی و مشخص کردن قالب‌ پاسخ‌های تولید شده نمونه‌هایی از این کارها هستند. با رعایت کامل این مسائل هم در زمان به مقدار زیادی صرفه‌جویی می‌شود و هم به بهترین شکل ممکن راه حل مسائل مختلف را پیدا می‌کنیم.