چگونه ChatGPT را انسانی‌تر بنویسیم (پرامپت‌ها و ویرایش‌ها)

از ChatGPT بخواهید یک پاراگراف را بازنویسی کند تا انسانی‌تر به نظر برسد، و نتیجه معمولاً بدتر می‌شود. این مدل یک contraction پراکنده، جمله‌ای که با "look," آغاز می‌شود، شاید هم یک "here's the thing," را برمی‌دارد و طوری خوانده می‌شود که گویی دارد صمیمیت را اجرا می‌کند، نه این که واقعاً آن را بنویسد. بیشتر راهنماهای مربوط به این که چگونه ChatGPT را انسانی‌تر به نظر برسانیم، هشت یا ده ترفند را بدون هیچ ترتیبی فهرست می‌کنند. اما یک ترتیب وجود دارد, این که پیش از آن که ChatGPT چیزی بنویسد چه چیزی از آن بخواهید، چه چیزهایی را دیگر نباید بخواهید چون نتیجه معکوس می‌دهد، و کدام ویرایش‌ها ارزش انجام دادن پس از آن را دارند.

این اصلاح بیش از حد فقط یک حس نیست. پژوهشگرانی که گفت‌وگوهای واقعی تلفنی را با نمونه‌های تولیدشده توسط AI مقایسه کردند و نتایج را در مجله Cognitive Science منتشر کردند، دریافتند که مدل‌های زبانی همان چیزی هستند که یکی از نویسندگان مطالعه آن را "a bit too eager to imitate" نامید، و نشانگرهای گفتمانی مانند "well" و "like" را به شکلی به کار می‌برند که شنونده فوراً متوجه آن می‌شود. این مطالعه گفت‌وگوی گفتاری را بررسی کرد، اما نسخه نوشتاری همان عادت را دارد: پاراگرافی که بر contractionها و یک حاشیه‌روی بلاغی تکیه می‌کند چون از آن خواسته‌اید "sound conversational" باشد، می‌تواند به همان اندازه‌ای خوانده شود که گویی دارد زور می‌زند، درست مانند متنی که اصلاً هیچ تلاشی نکرده است.

چگونه پیش از آن که ChatGPT حتی یک کلمه بنویسد، آن را انسانی‌تر به نظر برسانیم

مطمئن‌ترین تغییر، در عین حال کم‌هیجان‌ترین آن هم هست: به جای درخواست لحن، یک نقش به همراه یک نمونه واقعی از نوشتار ارائه کنید. "Write this in a friendly, human tone" فقط یک صفت به مدل می‌دهد، و مدل صفت‌ها را با نزدیک‌ترین کلیشه موجود برآورده می‌کند. "You are a graduate teaching assistant replying to a student's email about a missed deadline; match the register of the paragraph below" به آن یک نقش، یک مخاطب و یک register برای تقلید می‌دهد، سه محدودیت به جای یک واژه.

تفاوت بلافاصله آشکار می‌شود. وقتی فقط از ChatGPT خواسته می‌شود انسانی به نظر برسد، معمولاً با چیزی شبیه این شروع می‌کند: "Hey there! Totally get where you're coming from on this." اما وقتی نقش مشخص می‌شود و یک پاراگراف واقعی برای تطبیق دادن در اختیارش قرار می‌گیرد، همان درخواست به این پاسخ می‌رسد: "Thanks for letting me know. A short extension is fine, but get the revised draft to me by Friday so grading stays on schedule." نسخه دوم بیش از اولی از contraction استفاده نمی‌کند. فقط طوری به نظر می‌رسد که گویی یک فرد مشخص آن را نوشته است، نه یک chatbot دوستانه که در حال نمایش صمیمیت است.

اینکه چرا نسخه دوم کار می‌کند، رازآلود نیست. یک model در هر لحظه محتمل‌ترین واژه را پیش‌بینی می‌کند، و دستوری مانند "friendly, human tone" خودِ آن نیز یک درخواست قابل پیش‌بینی است که مجموعه‌ای قابل پیش‌بینی از خروجی‌ها از پیش به آن متصل شده است: greetingها، علامت‌های تعجب، و شروعی که اندکی بیش از حد مشتاق است. یک role و یک نمونه واقعی، هدفی محدودتر و کمتر کلی به model می‌دهند تا به سوی آن نشانه برود، و به همین دلیل خروجی دیگر شبیه هر پاسخ دیگری که از آن خواسته شده انسانی‌تر باشد، به نظر نمی‌رسد.

اگر پیش از درخواست، دو یا سه پاراگراف از نوشته خودتان را paste کنید، این کار بیش از هر دستور واحدی به model کمک می‌کند. این کار به model چیزی برای تقلید می‌دهد که adjective نباشد. مگر اینکه چیزی نزدیک‌تر به متن اصلی به آن بدهید، model چیزی برای تقلید ندارد جز میانگین داده‌های آموزشی خود. بنابراین یک نمونه کوتاه نوشتار، معنای "human" را برای همان یک پاسخ تغییر می‌دهد، به جای آنکه model را وادارد نسخه‌ای کلی از informal بودن را حدس بزند.

قاعده را یک بار تعیین کنید، به جای تکرار آن

پنل custom instructions در ChatGPT، زیر Personalize در account settings، دو کادر دارد: what to know about you و how you would like it to respond. مجموع هر دو به 1,500 characters محدود شده است، آن‌قدر کوتاه که به جای ترجیحات مبهم، constraintهای واقعی را تحمیل کند. قاعده‌ای که می‌گوید prompt را در جمله اول بازنویسی نکن، طول جمله‌ها را نامتوازن نگه دار، و هرگز دو پاراگراف را با یک شیوه آغاز نکن، در آن کادر باقی می‌ماند و بر هر پاسخ بعدی اعمال می‌شود. یک پیام یک‌باره که چیزی انسانی‌تر را درخواست می‌کند، پس از همان یک پاسخ باقی نمی‌ماند، بنابراین باید دوباره تایپ شود، و هر بار که این کار را می‌کنید، معمولاً مبهم‌تر می‌شود.

یک نسخه عملی برای نگارش دانشگاهی: "وقتی از من پیش‌نویس می‌خواهی، در جمله اول درخواست را دوباره تکرار نکن، طول جمله‌ها را نامنظم نگه دار، نه یکنواخت، و آغازگرهای کلیشه‌ای و پرکننده را به‌کلی حذف کن. اگر یک نمونه نوشتاری به تو بدهم، طول جمله‌های آن را تقلید کن، نه فقط واژگانش را." این کار به‌خوبی زیر حد مجاز نویسه‌ها می‌ماند و به مدل هر بار چیزی برای عمل کردن می‌دهد، به‌جای آنکه با هر پیام یک حدس تازه بزند.

این تنظیم برای همه چیز راه‌حل نیست. فقط ظاهر پیش‌نویس نخست را تغییر می‌دهد، نه آنچه یک خواننده دقیق یا یک آشکارساز در نهایت می‌بیند، و برای پیش‌نویسی که پیش از اعمال این تنظیم از قبل تولید کرده‌ای، هیچ کاری نمی‌کند. باید آن را به‌منزله بالا بردن کفِ هر پاسخ تازه در نظر گرفت، نه جایگزین کردن ویرایشی که هنوز باید بعد از آن انجام شود.

پرامپت‌هایی که ارزش کنار گذاشتن دارند

برخی از رایج‌ترین پرامپت‌ها یک بند را به شکلی مشخص و قابل پیش‌بینی بدتر می‌کنند. آن‌ها نشانه‌ای از خودمانی بودن اضافه می‌کنند، بی‌آنکه ساختار جمله زیر آن را تغییر دهند، و ساختار جمله، نه انتخاب واژه، همان بخشی است که هم خواننده دقیق و هم آشکارساز نخستین بار متوجه آن می‌شوند. جدول زیر چهار مورد از رایج‌ترین خطاها را پوشش می‌دهد و توضیح می‌دهد که چرا هر کدام ناکام می‌مانند.

آنچه می‌خواهید	آنچه ChatGPT در عمل انجام می‌دهد	چرا نشانه باقی می‌ماند
"آن را انسانی‌تر بنویس"	صورت‌های کوتاه‌شده، یک پرسش بلاغی، و یک توضیح فرعی دیگر اضافه می‌کند	واژگان تغییر می‌کنند، اما ریتم جمله در زیر آن همچنان یکنواخت می‌ماند
"چند غلط تایپی اضافه کن"	یک یا دو خطای آشکار و با فاصله‌های منظم وارد می‌کند	غلط‌های تایپی واقعی خوشه‌ای و متنوع‌اند، این‌ها طوری خوانده می‌شوند که انگار عمداً گذاشته شده‌اند
"آن را 20 percent غیررسمی‌تر کن"	چند واژه را با مترادف‌های محاوره‌ای عوض می‌کند	یک درصد، هیچ دستورالعملی در سطح جمله پشت سر خود ندارد
"طوری بنویس که انگار یک انسان آن را نوشته است"	به‌طور پیش‌فرض به صدای کلیِ یک وبلاگ متوسل می‌شود، نه به صدای شما	مدل هیچ نمونه‌ای از نوشتار شما برای تقلید ندارد

هر ردیف به همان دلیل بنیادی شکست می‌خورد: درخواست، واژگان را هدف می‌گیرد، و واژگان کوچک‌ترین بخش از چیزی هستند که باعث می‌شود یک پاراگراف به صورت تولیدشده خوانده شود. اصلاح آن به معنای یافتن نسخه بهتری از همان درخواست نیست، نسخه‌ای که هوشمندانه‌تر بیان شده باشد یا با صفت‌های بیشتر پر شده باشد. این کار یعنی بازگشت به prompt نقش و نمونه از بخش بالا، یا انجام ویرایش‌های در سطح جمله در بخش بعدی.

Prompting همچنان کار در سطح جمله را باقی می‌گذارد

یک prompt خوب پیش‌نویس نخست را تغییر می‌دهد. اما پاراگرافی را که از پیش وجود دارد اصلاح نمی‌کند، و به ندرت به عادت ChatGPT در نوشتن سه جمله پیاپی با طولی تقریباً یکسان دست می‌زند، زیرا آن الگو از بیشتر دستورهای لحن بدون تغییر عبور می‌کند. یک راهنمای همراه درباره چگونه متن AI را انسانی کنیم ویرایش‌های در سطح جمله را به طور کامل مرور می‌کند: شکستن یکنواختی طول، حذف واژگان کلیشه‌ای، اصلاح نشانه‌گذاری تکراری، و افزودن یک جزئیات مشخص که یک مدل نمی‌توانست حدس بزند. Prompting یک پاراگراف آغازین بهتر تولید می‌کند. آن گذر را جایگزین نمی‌کند.

تنها بررسی‌ای که پیش از هر چیز دیگری ارزش انجام دادن دارد، حتی پس از یک prompt قوی: پاراگراف را با صدای بلند بخوانید و هر جمله‌ای را که از نظر طول و شکل شبیه جمله کناری خود است علامت بزنید. یک passive voice checker یک نشانه مرتبط را سریع تشخیص می‌دهد، زیرا ChatGPT به طور پیش‌فرض هرگاه یک prompt صدا را به طور مستقیم مشخص نکند، به ساخت‌های مجهول و محتاطانه روی می‌آورد، و آن عادت همان‌گونه که ریتم یکنواخت باقی می‌ماند، از بیشتر دستورهای سبک نیز عبور می‌کند.

روالی که از ویرایش از صفر بهتر عمل می‌کند

قطعات را به ترتیب بگذارید و کل فرایند سریع‌تر از اصلاح یک پیش‌نویس بد پس از وقوع پیش می‌رود. دستورهای سفارشی را یک بار تنظیم کنید. یک گفت‌وگوی جدید باز کنید، به جای یک صفت، یک نقش و یک نمونه نوشتاری کوتاه بدهید، و پیش‌نویس را تولید کنید. آن را با صدای بلند بخوانید و بخش‌های یکنواخت را علامت بزنید. اگر پیش‌نویس آن‌قدر بلند است که خواندن با صدای بلند به تنهایی دیگر قابل اتکا نیست، پاراگراف‌های علامت‌خورده را از یک burstiness checker عبور دهید، سپس فقط همان چیزی را که علامت زده است اصلاح کنید.

نسخه خط به خط این موضوع، پیش بردن یک پیش‌نویس، یک پاراگراف در هر بار, به‌طور جداگانه توضیح داده شده است، همان‌طور که هدف محدودترِ کاهش یک امتیاز AI در کاری که از پیش علامت‌گذاری شده است نیز جداگانه آمده است.

هیچ‌یک از این‌ها پیش‌نویسی تولید نمی‌کند که با قطعیت از یک آشکارساز عبور کند، و هیچ promptی به‌تنهایی نمی‌تواند چنین چیزی را وعده دهد. آنچه تولید می‌کند یک پیش‌نویس اولیه است که به نجات‌دادن کمتری نیاز دارد، و این همان بخشی از فرایند است که بیشتر فهرست‌های ترفندها، به‌جای یک صفت دیگر برای آزمودن، از آن می‌گذرند. برای یک فصل کامل یا یک گزارش بلند، اجرای یک گذر نخست از طریق یک ابزار humanizer AI پیش از آنکه اصلاً به‌صورت دستی ویرایش کنید، بیشترِ آن زمانِ نجات‌دادن را صرفه‌جویی می‌کند.