پژوهشی تازه در دانشگاه کمبریج نشان می‌دهد که دریافت پاسخ‌های دقیق‌تر و کاربردی‌تر از چت‌بات‌های هوش مصنوعی، فراتر از صرف پرسیدن یک سؤال است. بر اساس این بررسی، یک استاد ریاضیات دانشگاه کمبریج معتقد است که نحوه بیان درخواست، تعیین نقش مشخص برای مدل زبانی و حتی استفاده از واژه‌های مؤدبانه، همگی بر کیفیت خروجی هوش مصنوعی اثرگذارند.
به گفته این پژوهشگر، وقتی کاربر به‌جای یک دستور خشک، برای چت‌بات یک نقش مشخص تعیین کند — مثلاً «تو یک تحلیلگر مالی هستی» یا «به‌عنوان یک معلم ریاضی توضیح بده» — مدل زبانی خروجی ساختارمند و مرتبط‌تری تولید می‌کند. همچنین لحن مؤدبانه در فرمدهی سؤال، اگرچه به‌نظر جزئی می‌رسد، در عمل باعث می‌شود مدل روی ارائه پاسخ کامل‌تر و دقیق‌تر تمرکز کند.
این یافته در بستر گسترش سریع اکوسیستم هوش مصنوعی در ایران و افزایش روزافزون استفاده از ابزارهای چت‌باتی در حوزه‌های آموزشی، پژوهشی و صنعتی، اهمیت ویژه‌ای پیدا می‌کند. پژوهشگران و توسعه‌دهندگان ایرانی که در سال‌های اخیر در حوزه پردازش زبان طبیعی و مدل‌های زبانی فارسی پیشگام بوده‌اند، می‌توانند از این اصول در طراحی رابط‌های کاربری بومی و آموزش کاربران بهره ببرند.
جای توجه است که در حالی که بسیاری از کشورها هنوز درگیر توسعه زیرساخت‌های پایه هوش مصنوعی هستند، ایران با تکیه بر سرمایه انسانی قوی در حوزه ریاضیات و علوم کامپیوتر، امکان تبدیل این یافته‌های پژوهشی به ابزارهای کاربردی بومی را دارد. در همین مسیر، مراکز تحقیقاتی و دانشگاه‌های ایرانی می‌توانند با در نظر گرفتن ویژگی‌های زبان فارسی، پروتکل‌های بهینه‌تری برای تعامل با چت‌بات‌ها طراحی کنند.
منبع: ایرنا
