روش «زنجیره تفکر» یا Chain-of-Thought (CoT) یکی از قدرتمندترین تکنیکهای مهندسی پرامپت است. هدف این روش این است که هوش مصنوعی را مجبور کند بهجای اینکه مستقیماً به سراغ پاسخ نهایی برود، ابتدا «مسیر رسیدن به پاسخ» را طی کند.
در حالت Zero-shot، مدلها گاهی عجله میکنند و با یک «پرش ذهنی» به پاسخی میرسند که احتمالاً غلط است (بهخصوص در مسائل ریاضی، منطق و تحلیلهای پیچیده). CoT باعث میشود مدل ابتدا گامهای منطقی را بنویسد و سپس نتیجهگیری کند.
در اینجا ۳ روش برای فعال کردن زنجیره تفکر در حالت Zero-shot آورده شده است:
۱. استفاده از «عبارت جادویی» (The Magic Phrase)
سادهترین راه برای فعال کردن CoT، اضافه کردن یک جمله ساده به انتهای پرامپت است. تحقیقات نشان داده است که عباراتی مانند «گامبهگام فکر کن» یا «تحلیلت را مرحلهبهمرحله بنویس»، دقت مدل را بهشدت افزایش میدهد.
– پرامپت معمولی (Zero-shot ساده):
«اگر ۵ سیب دارم و ۲ تا را میخورم و بعد ۳ تا دیگر میخرم، چند سیب دارم؟» $\rightarrow$ (مدل سریعاً میگوید: ۶ تا)*- *پرامپت با زنجیره تفکر (Zero-shot CoT):
«اگر ۵ سیب دارم و ۲ تا را میخورم و بعد ۳ تا دیگر میخرم، چند سیب دارم؟ لطفاً گامبهگام و مرحلهبهمرحله فکر کن و تحلیلت را بنویس.»
اتفاقی که میافتد: مدل حالا مینویسد:
– گام ۱: شروع با ۵ سیب.
– گام ۲: خوردن ۲ سیب $\rightarrow$ $5 – 2 = 3$
– گام ۳: خرید ۳ سیب جدید $\rightarrow$ $3 + 3 = 6$
– نتیجه نهایی: ۶ سیب.
۲. دستور دادن به «تحلیل پیش از پاسخ» (Analysis Before Answer)
در کارهای پیچیده (مثل تحلیل استراتژیک یا نقد متن)، از مدل بخواهید ابتدا متغیرها را استخراج کند و سپس نتیجه بگیرد.
مثال پرامپت:
> «میخواهم بدانی آیا سرمایهگذاری در بازار ارز دیجیتال در شرایط فعلی برای یک فرد ریسکگریز مناسب است یا خیر.
> قبل از دادن پاسخ نهایی، ابتدا موارد زیر را بررسی کن:
> ۱. تعریف ریسکگریزی در این متن چیست؟
> ۲. وضعیت فعلی بازار (نوسانات) چگونه است؟
> ۳. تضاد بین این دو مورد چیست؟
> سپس بر اساس این تحلیلها، نتیجه نهایی را اعلام کن.»
### ۳. روش «خود-اصلاحی» (Self-Correction Loop)
شما میتوانید زنجیره تفکر را یک گام جلوتر ببرید و از مدل بخواهید پاسخ خودش را نقد کند.
مثال پرامپت:
> «مسئله [X] را حل کن. ابتدا گامبهگام پاسخ را بنویس. سپس، پاسخ خود را بازبینی کن تا ببینی آیا اشتباه منطقی در گامها وجود دارد یا خیر.* اگر اشتباهی پیدا کردی، آن را اصلاح کن و پاسخ نهایی را بنویس.»
—
چرا زنجیره تفکر (CoT) معجزه میکند؟
- کاهش توهمات (Hallucinations): وقتی مدل مجبور است مراحل را بنویسد، احتمال اینکه یک جواب تصادفی و غلط تولید کند کاهش مییابد، چون هر گام باید با گام قبلی منطقی باشد.
2. شفافیت (Interpretability): شما متوجه میشوید مدل کجا اشتباه کرده است. اگر پاسخ نهایی غلط باشد، میتوانید دقیقاً ببینید در کدام «گام» تحلیل، مدل دچار خطا شده است.
3. فعالسازی ظرفیتهای پنهان: بسیاری از مدلهای پیشرفته (مانند GPT-4 یا مدلهای استدلالی جدید) برای تفکر عمیق طراحی شدهاند، اما در حالت عادی برای سرعت بیشتر، پاسخهای کوتاه میدهند. CoT این ظرفیت تفکر عمیق را آزاد میکند.خلاصه کاربردی:
* پیش برود.
اگر از هوش مصنوعی میخواهید کاری کند که نیاز به «استدلال» دارد (نه فقط بازیابی اطلاعات)، هرگز اجازه نکنید مستقیماً پاسخ دهد. همیشه از او بخواهید «گامبهگام»
