رسالة OpenAI بسيطة: تعامل مع ChatGPT كمُتعاون
تمنح OpenAI اهتمامًا أكبر للتخصيص بوصفه طريقة عملية للحصول على نتائج أكثر صلة من ChatGPT. وفي دليل جديد ضمن Academy، تقول الشركة إن النظام يعمل على أفضل وجه عندما يتعامل معه المستخدمون أقل كحقل بحث وأكثر كمُتعاون، ثم يزوّدونه بسياق ثابت حول الدور، ونبرة الكتابة المفضلة، وصيغة المخرجات، والاحتياجات المتكررة.
يركز الدليل على أداتين موجودتين للتخصيص: التعليمات المخصصة والذاكرة. وتمثلان معًا رد OpenAI الحالي على شكوى شائعة من المساعدين العامين للذكاء الاصطناعي: قد يكونون مفيدين في محادثة واحدة، لكنهم غير متسقين عبر الأعمال المتكررة ما لم يُعِد المستخدمون توضيح التفضيلات مرارًا وتكرارًا.
التعليمات المخصصة تحدد أسلوب العمل الافتراضي
تصف OpenAI التعليمات المخصصة بأنها المكان الذي يحدد فيه المستخدمون ما ينبغي أن يعرفه ChatGPT عنهم وكيف يجب أن يرد في المحادثات الجديدة. والأمثلة التي توردها عملية عمدًا أكثر من كونها تقنية. يمكن للمستخدمين تحديد دورهم ومسؤولياتهم، وطلب نبرة موجزة أو رسمية، وطلب صيغ مخرجات بعينها مثل النقاط أو المسودات الجاهزة للاستخدام، أو إضافة ضوابط إجرائية مثل طلب أسئلة توضيحية عندما تكون المتطلبات غير واضحة.
يكتسب هذا الإطار أهمية كبيرة. فهي توصي باستخدام التعليمات المخصصة للتفضيلات الثابتة، أي السياق الذي لا يتغير من محادثة إلى أخرى. وقد يشمل ذلك المهنة، أو وظيفة الفريق، أو أسلوب الكتابة، أو البنية الافتراضية. والفكرة هي نقل أعمال الإعداد المتكررة من المطالبات الفردية إلى ملف شخصي دائم.
بالنسبة إلى المستخدمين، يقلل ذلك من التكرار. وبالنسبة إلى OpenAI، فهو أيضًا طريقة تجعل ChatGPT يبدو أقل عمومية وأكثر موثوقية من دون الحاجة إلى نموذج مخصص متخصص لكل حالة استخدام.
الذاكرة هي الطبقة الأطول أمدًا
تؤدي الذاكرة دورًا مختلفًا. تقول OpenAI إنها تساعد ChatGPT على تذكر التفاصيل التي يختار المستخدمون مشاركتها، بحيث تصبح الردود المستقبلية أكثر تخصيصًا من دون الحاجة إلى شرح جديد في كل مرة. وتقول الشركة إن الذاكرة يمكن أن تخزن المعلومات التي يطلبها المستخدم صراحة، وإذا كانت مفعلة، فقد تستفيد من سياق المحادثات الأخيرة للرد بشكل أكثر فائدة مع مرور الوقت.
كما يشدد الدليل على تحكم المستخدم. إذ يمكن للأشخاص أن يسألوا ما الذي يتذكره النظام، أو يطلبوا منه تذكر تفصيل معين، أو يأمروه بنسيان عنصر محدد. وتضع OpenAI الذاكرة في موقع يجعلها أكثر فائدة للسياق المتكرر مثل الدور، والمشروعات الشائعة، والتفضيلات، لا للمعلومات العابرة التي لن تكون مهمة لاحقًا.
هذا التمييز أساسي في تصميم المنتج. فبدلًا من أن تُعرض الذاكرة كرقابة سلبية على المحادثات السابقة، تُقدَّم باعتبارها طبقة استمرارية مُدارة يمكن للمستخدمين فحصها وتعديلها. وما إذا كان المستخدمون يثقون بها بالكامل على هذا النحو سؤال منفصل، لكن هذا هو نموذج التشغيل المقصود بوضوح.
التخصيص كاستراتيجية منتج
لا تمثل تدوينة Academy إطلاقًا كبيرًا لنموذج جديد، لكنها تشير إلى المكان الذي ترى فيه OpenAI تراكم القيمة العملية. فالشركة تشجع المستخدمين على تحسين النتائج عبر بناء سياق دائم حول المساعد بدلًا من الاعتماد فقط على صِيَغ طلبات أفضل فأفضل داخل محادثات معزولة.
هذا مهم لأنه ينقل جزءًا من تجربة المستخدم من أداء الاستعلام الواحد إلى الفائدة على المدى الطويل. فالشات بوت الذي يتذكر تفضيلات التنسيق، ويفهم دور المستخدم، ويتكيف مع سير العمل المتكرر يمكن أن يصبح أكثر كفاءة بشكل ملموس حتى لو ظل النموذج الأساسي كما هو.
كما تربط OpenAI التخصيص بإعادة الاستخدام المنظمة. وتشير إلى أن المستخدمين الذين يكتشفون مهام متكررة قد يستفيدون من skills، التي تصفها الشركة بأنها سير عمل قابلة لإعادة الاستخدام لضمان اتساق العملية والصيغة. وهذا يضع التعليمات المخصصة والذاكرة وskills على طيف واحد: أولًا تحديد الأسلوب الافتراضي، ثم الاحتفاظ بالسياق المتكرر المفيد، ثم تقنين المهام المتكررة.
لماذا يهم هذا الآن
مع نضج مساعدي الذكاء الاصطناعي، أصبحت القدرة على التميّز تعتمد بشكل متزايد على مدى قدرتهم على الاندماج في العمل المستمر، لا مجرد الإجابة عن أسئلة لمرة واحدة. التخصيص جزء من هذا التحول. فهو يساعد على نقل المنتج من واجهة عامة إلى ما يشبه زميلًا قابلاً للتهيئة.
صياغة OpenAI نفسها تجعل هذا الطموح صريحًا. فالشركة تقول إن ChatGPT يصبح أكثر فائدة واتساقًا كلما قدم المستخدمون مزيدًا من السياق والتوجيه. وهذا يشير إلى أن المرحلة التالية من تبني الذكاء الاصطناعي على نطاق واسع قد تكون أقل ارتباطًا بإقناع الناس بتجربة شات بوت مرة واحدة، وأكثر ارتباطًا بتعليمهم كيف يشكّلون أداة عمل دائمة.
والجاذبية العملية واضحة. فمدير مالي أو معلم أو قائد فريق برمجي أو مسوّق لا يريد إعادة صياغة النبرة والبنية والأولويات المتكررة في كل جلسة. وإذا عملت التعليمات المخصصة والذاكرة كما هو معلن، فإنهما تقللان هذا الاحتكاك وتجعلا النظام أكثر اتساقًا عبر الزمن.
درس منتج صغير بدلالات أكبر
الخلاصة الأوسع هي أن التخصيص لم يعد ميزة هامشية. فOpenAI تعرضه الآن كعادة أساسية للحصول على مخرجات أفضل. وهذه إشارة مهمة لسوق الذكاء الاصطناعي لأنها تؤطر القيمة ليس فقط من حيث ذكاء النموذج، بل أيضًا من حيث الاستمرارية، والاحتفاظ بالتفضيلات، والتكيف مع سير العمل.
باختصار، تخبر OpenAI المستخدمين بأن نتائج الذكاء الاصطناعي الأفضل لا تأتي فقط من طرح أسئلة أفضل، بل من إعطاء المساعد سياقًا ثابتًا يعمل ضمنه. وكلما ترسخ هذا النمط أكثر، زادت درجة الحكم على منتجات الذكاء الاصطناعي ليس فقط بما يمكنها توليده عند الطلب، بل بمدى قدرتها على التعلم لتتصرف كمُتعاونين متسقين.
هذه المقالة تستند إلى تقرير من OpenAI. اقرأ المقال الأصلي.
Originally published on openai.com