دربارهٔ این فصل
یادداشتِ همراه نوارکتاب مهندسی پرامپت برای هوش مصنوعی مولد نوشته جیمز فینیکس و مایک تیلور در مجموعه رادیو شب‌گفتار با عنوان خلاصه‌سازی ارزشمندترین کتاب‌ها برای اکوسیستم نوآوری فارسی بررسی می‌شود. این بخش از کتاب به بررسی تغییرات سریع ناشی از هوش مصنوعی مولد می‌پردازد. نویسندگان اشاره می‌کنند که ابزارهایی مانند چت‌جی‌پتی با رسیدن به صد میلیون کاربر در مدت زمان کوتاه، به سریع‌ترین برنامه‌های مصرفی تاریخ تبدیل شده‌اند و یادگیری کار با هوش مصنوعی را به یکی از مهم‌ترین مهارت‌های مورد تقاضا بدل کرده‌اند.
استدلال محوری این است که با افزایش استفاده حرفه‌ای از هوش مصنوعی، کیفیت خروجی‌ها به شدت به کیفیت ورودی‌ها وابسته است. در حالی که برخی افراد مانند مدیرعامل بایدو ادعا می‌کنند که نیمی از شغل‌های آینده در زمینه مهندسی پرامپت خواهد بود، نویسندگان پیش‌بینی می‌کنند که پرامپت‌نویسی بیشتر به مهارتی عمومی شبیه به تسلط بر نرم‌افزار اکسل تبدیل شود که برای بسیاری از مشاغل ضروری است تا یک عنوان شغلی مجزا.
این موج از فناوری، فرض‌های پیشین ما درباره رایانه‌ها را دگرگون می‌کند. بر خلاف الگوریتم‌های سنتی که نتایج یکسانی بازمی‌گردانند، پاسخ‌های هوش مصنوعی غیرقطعی هستند و مسائل هزینه و تاخیر دوباره اهمیت یافته‌اند. بزرگ‌ترین چالش این مدل‌ها تمایل آن‌ها به ساختن اطلاعات نادرست یا همان توهم است که ارزیابی دقت کار را دشوار می‌سازد.
بر اساس تجربه نویسندگان از سال ۲۰۲۰، بسیاری از ترفندهای اولیه منسوخ شده‌اند و اصول پایه‌ای ثابتی پدید آمده‌اند که در تولید متن و تصویر کاربرد دارند. تمرکز کتاب بر ایده‌ها و درک هدف است نه صرفاً ترفندهای جادویی. همچنین در ادامه پیش‌گفتار، الزامات فنی برای اجرای کدهای کتاب توضیح داده شده است که از جمله آن‌ها استفاده از پایتون، کتابخانه‌ها، محیط‌های مجازی در مک و ویندوز و کلیدهای دسترسی به خدمات مختلف است.
به عنوان یک نکته کاربردی و فرضی از سوی تهیه‌کننده این خلاصه، هنگام کار با مدل‌های هوش مصنوعی مولد بهتر است همیشه نتایج دریافتی را راستی‌آزمایی کنید و به جای تکیه بر دستورات تصادفی، ساختار پرامپت خود را بر پایه اهداف شفاف و داده‌های دقیق بنا کنید.
این خلاصه بخشی از پروژه «خلاصه‌سازی ارزشمندترین کتاب‌ها برای اکوسیستم نوآوری فارسی» توسط رادیو شب‌گفتار است.
نتیجه کاربردی این بخش آن است که تسلط بر نحوه ارتباط با هوش مصنوعی مولد و تمرکز بر شفافیت خواسته‌ها، کلید اصلی استفاده مطمئن و کارآمد از این فناوری در کارهای روزمره و حرفه‌ای است.