۱۸نکتهٔ کلیدی مقاله «رویکرد دایموند در پرامپت‌نویسی»

خلاصه مطلب مترجم:
رویکرد پرامپت‌نویسی دایموندی در کارهای UX مبتنی بر هوش مصنوعی بین دو مرحله تناوب ایجاد می‌کند:

پرامپت‌نویسی اکتشافی برای ایجاد ایده‌های گسترده و پرامپت‌نویسی برای اصلاح جزئیات که برای محدود کردن و مشخص کردن راه‌حل‌ها استفاده می‌شود. این روش با مدل دابل دایموند در UX همسو است اما تمرکز آن بر مدیریت گستردگی پروژه است.

در مرحله اکتشافی، پرامپت‌نویسی تصویرِ صفر (Zero-Shot) به هوش مصنوعی اجازه می‌دهد تا ایده‌های متنوعی تولید کند، در حالی که در مرحله اصلاح جزئیات ( Detail-Refining)، پرامپت‌نویسی چندتصویری (Few-Shot) با ارائه مثال‌هایی دقت خروجی را افزایش می‌دهد.

این رویکرد تناوبی، نوآوری را تضمین می‌کند بدون این که محدودیت زودهنگام ایجاد شود. متخصصان ارشد UX در ساخت پرامپت‌های دقیق بهتر عمل می‌کنند، اما کارکنان جونیور نیز به سرعت مهارت‌های خود را بهبود می‌بخشند، که نشان‌دهنده توانایی هوش مصنوعی در تسریع یادگیری و افزایش بهره‌وری است.

در این مقاله آقای جاکوب نیلسن می‌گوید:
اصطلاحات «Zero-Shot (تصویر صفر)» و «Few-Shot (چندتصویری)» در مهندسی پرامپت استاندارد هستند، به همین دلیل از آن‌ها استفاده می‌کنم. در این اصطلاحات، یک «شات (تصویر )» مثالی است که به هوش مصنوعی ارائه می‌دهید تا آن را به سمت کمکی که نیاز دارید هدایت کند. به نظرم بهتر بود این استراتژی‌های پرامپت‌نویسی را «بدون مثال» و «با چند مثال» بنامیم، اما شات‌ها کلمه استانداردی هستند و برای جلوگیری از پیچیده‌تر شدن واژگان، از آن‌ها استفاده می‌کنم.

1. رویکرد دوگانه در الگوی الماسی:

• روش الگوی الماسی در طراحی UX با کمک هوش مصنوعی بین دو سبک پرامپت‌نویسی تناوب می‌کند: پرامپت‌نویسی کاوشی و پرامپت‌نویسی پالایشی.
• این روش از مدل الماس دوگانه در UX الهام گرفته و از طریق تمرکز وسیع و دقیق به حل مشکلات کمک می‌کند.

1. پرامپت‌نویسی کاوشی:

• پرامپت‌نویسی کاوشی در آغاز یک پروژه UX برای گسترش تفکر استفاده می‌شود. هدف، تولید ایده‌های مختلف بدون پیش‌فرض‌های قبلی است.
• مثال‌ها شامل:
  • پیشنهاد برنامه‌های مختلف تحقیق کاربر با بودجه‌های متفاوت.
  • فهرست کردن وظایف آزمایش کاربردپذیری.
• این مرحله از پرامپت‌نویسی صفر شات استفاده می‌کند، که در آن به هوش مصنوعی مثال‌هایی داده نمی‌شود و به آن اجازه می‌دهد ایده‌های متنوعی را تولید کند.

1. پرامپت‌نویسی پالایشی:

• این مرحله بر پالایش و مشخص کردن جزئیات ایده‌های جمع‌آوری‌شده از مرحله کاوشی تمرکز دارد.
• مثال‌ها شامل:
  • نوشتن پرسشنامه دقیق برای کاربران با پرسوناهای مشخص.
  • گسترش ایده‌های وظیفه‌ای با سناریوهای انگیزشی.
• این مرحله از پرامپت‌نویسی چند شات استفاده می‌کند، که در آن چند مثال برای راهنمایی هوش مصنوعی داده می‌شود تا دقت بیشتری به دست آید.

1. تناوب سبک‌های پرامپت‌نویسی:

• بهترین نتایج از تناوب بین پرامپت‌نویسی‌های کاوشی و پالایشی به دست می‌آید. این روش ابتدا ایده‌های گسترده‌تری ایجاد کرده و سپس آن‌ها را پالایش می‌کند.
• پرامپت‌نویسی‌های کاوشی از محدودیت‌های زودهنگام جلوگیری کرده و نوآوری را تشویق می‌کند، در حالی که پرامپت‌نویسی‌های پالایشی عملی بودن ایده‌ها را تضمین می‌کند.

1. پرامپت‌نویسی صفر شات در مقابل چند شات:

• پرامپت‌نویسی‌های صفر شات بدون ارائه مثال به هوش مصنوعی، ایده‌های گسترده‌تری تولید می‌کنند.
• پرامپت‌نویسی‌های چند شات با ارائه ۳-۵ مثال، دقت خروجی‌های هوش مصنوعی را بهبود می‌بخشند، به ویژه در وظایفی مانند نوشتن وظایف آزمون کاربردپذیری یا پرسشنامه‌ها.

1. کاربرد در کارهای UX:

• الگوی الماسی در پروژه‌های UX در سطوح مختلف دامنه‌بندی استفاده می‌شود:
  • دامنه استراتژیک: برنامه‌ریزی کلی پروژه UX (ماه‌ها تا سال‌ها).
  • دامنه تاکتیکی: مراحل درون فرآیند طراحی (هفته‌ها تا ماه‌ها).
  • دامنه عملیاتی: اقدامات خاص برای هر فعالیت (روزها تا هفته‌ها).
• این فرایند پیچیده‌تر از نمایش‌های بصری ساده است، زیرا نیاز به بازبینی و برنامه‌ریزی مجدد بر اساس نتایج دارد.

1. چالش‌های تحقیق در زمینه UX و هوش مصنوعی:

• مقاله از عدم فوریت در تحقیق درباره قابلیت‌های هوش مصنوعی در حوزه UX انتقاد می‌کند.
• بیشتر تحقیقات مؤثر در زمینه هوش مصنوعی توسط اقتصاددانان و مشاوره‌های مدیریتی انجام شده است، نه متخصصان UX.

1. مطالعه تحقیقاتی در استفاده از هوش مصنوعی در UX:

• تحقیقات اخیر نشان می‌دهد که هوش مصنوعی مولد توسط محققان UX برای وظایفی مانند برنامه‌ریزی تحقیق، نوشتن پرسشنامه‌ها، تحلیل داده‌ها و تولید گزارش‌ها استفاده می‌شود.
• کارمندان ارشد UX به دلیل تجربه در تهیه درخواست‌های دقیق‌تر، در ایجاد پرامپت‌نویسی‌های مؤثر بهتر عمل می‌کنند، اما کارمندان جوان سریعاً پیشرفت می‌کنند، زیرا هوش مصنوعی به عنوان یک تسریع‌کننده رشد حرفه‌ای عمل می‌کند.

1. تأثیر هوش مصنوعی بر شک و تردیدها:

• افرادی که در ابتدا نسبت به هوش مصنوعی در UX تردید داشتند، پس از استفاده از آن مزایای پیش‌بینی نشده‌ای را کشف کردند و نگرانی‌های اولیه آن‌ها کاهش یافت. تجربه عملی نگرانی‌ها را کم کرده و حمایت از هوش مصنوعی را افزایش داده است.

1. الگوی الماسی به عنوان بهترین روش:
   • مطالعه نشان داد که الگوی الماسی به نتایج بهتری منجر می‌شود، زیرا ترکیبی از مراحل کاوشی و پالایشی برای حل جامع مشکلات در UX است.
2. مزایای استراتژیک الگوی الماسی:
   • الگوی الماسی به طراحان UX اجازه می‌دهد تا ایده‌های جدیدی کشف کنند و در عین حال اطمینان حاصل کنند که فقط بهترین و کاربردی‌ترین مفاهیم برای اجرا پالایش می‌شوند.
   • با جایگزینی بین کاوش باز و گسترده و پالایش دقیق، تیم‌های UX می‌توانند از توانایی‌های ایده‌پردازی هوش مصنوعی بهره‌مند شوند، بدون اینکه با پیشنهادات بی‌ربط یا با کیفیت پایین غرق شوند.
3. کارایی در جریان کاری پروژه:
   • مدل الماسی طراحی UX فرایند الماس دوگانه را بازتاب می‌دهد، اما به جای تمرکز بر فضای مشکل و راه‌حل، به دامنه‌بندی سطوح مختلف پروژه می‌پردازد.
   • در هر سطح (استراتژیک، تاکتیکی، عملیاتی)، هوش مصنوعی می‌تواند به تقسیم پروژه به مراحل قابل مدیریت کمک کند، که هر مرحله می‌تواند از ایده‌پردازی کاوشی و پالایش دقیق بهره‌مند شود.
4. مطالعه موردی UX در استفاده از هوش مصنوعی:
   • مقاله به مطالعه موردی انجام شده توسط «کولدپ کلکار» از UXReactor اشاره می‌کند که بر استفاده از هوش مصنوعی در تحقیقات UX متمرکز است. این مطالعه نشان داد که:
   • هوش مصنوعی در ایجاد برنامه‌های تحقیقاتی، پرسشنامه‌ها و راهنماهای مصاحبه‌کننده بسیار کمک‌کننده است و فرایند تحقیق را تسریع می‌کند.
   • هوش مصنوعی همچنین در تحلیل داده‌ها و شناسایی تم‌ها از مصاحبه‌ها، گزارش‌نویسی را سریع‌تر و کارآمدتر می‌سازد.
5. بینش‌های نو از هوش مصنوعی در تحقیقات UX:
   • این مطالعه نکات کلیدی را آشکار کرد:
   • کارمندان ارشد UX در استفاده از هوش مصنوعی بهتر عمل می‌کنند، زیرا توانایی ارائه درخواست‌های دقیق‌تر و مفصل‌تری به هوش مصنوعی دارند.
   • کارمندان جوان به سرعت مهارت‌های خود در استفاده از هوش مصنوعی را بهبود می‌بخشند و نشان‌دهنده این است که هوش مصنوعی می‌تواند به تسریع رشد حرفه‌ای کمک کند.
6. تغییر نگرش نسبت به هوش مصنوعی در UX:
   • همان‌طور که متخصصان UX بیشتر با هوش مصنوعی تعامل می‌کنند، شک و تردید اولیه آن‌ها به خوش‌بینی تبدیل شد و بسیاری متوجه مزایای پیش‌بینی نشده هوش مصنوعی در سرعت بخشیدن به فرایندها و بهبود کیفیت شدند.
   • در صنایع مختلف مشاهده شده که تجربه دست‌اول با هوش مصنوعی نگرانی‌ها را کاهش داده و امیدواری به آینده هوش مصنوعی را افزایش داده است.
7. آینده هوش مصنوعی در طراحی UX:
   • انتظار می‌رود هوش مصنوعی همچنان به تحول کارهای UX ادامه دهد و الگوی الماسی به‌عنوان یک روش برتر برای مدیریت پیچیدگی‌های پروژه شناخته شود.
   • بازنگری و تکرار مداوم استراتژی‌های UX با کمک هوش مصنوعی باعث می‌شود که متخصصان UX در مقابل رفتارهای غیرقابل پیش‌بینی کاربران و نیازهای پروژه، چابک و پاسخ‌گو باشند.
8. پیامدهای گسترده‌تر برای UX و هوش مصنوعی:
   • حوزه UX هنوز در مقایسه با سایر رشته‌ها در پذیرش کامل پتانسیل هوش مصنوعی عقب‌تر است، به‌ویژه در مقایسه با حوزه‌هایی مانند اقتصاد و مشاوره‌های مدیریت که در تحقیق درباره تأثیرات تجاری هوش مصنوعی پیشگام بوده‌اند.
   • با این حال، شناخت در حال رشدی در جامعه UX وجود دارد که هوش مصنوعی می‌تواند به طرز قابل توجهی بهره‌وری را افزایش دهد، حجم کار را کاهش دهد و کیفیت خروجی را در تمام مراحل کار UX بهبود بخشد.
9. نیاز به تحقیقات بیشتر:
   • با وجود پیشرفت‌هایی که حاصل شده است، مقاله بر نیاز به تحقیقات تجربی بیشتر در حوزه UX تأکید دارد تا درک بهتری از نحوه حمایت هوش مصنوعی از متخصصان UX به دست آید.
   • واضح است که متخصصان UX باید هدایت توسعه هوش مصنوعی برای ابزارهای طراحی را بر عهده بگیرند تا این ابزارها متناسب با نیازهای خاص کارهای UX توسعه یابند.

جمع‌بندی:
– الگوی الماسی یک چارچوب قدرتمند به‌جهت یکپارچه‌سازی پرامپت‌نویسی برای هوش مصنوعی در جریان کاری UX است، که هم امکان ایده‌پردازی گسترده و هم پالایش دقیق را فراهم می‌کند.
– همان‌طور که متخصصان UX با هوش مصنوعی آشناتر می‌شوند و یاد می‌گیرند چگونه از آن به بهترین شکل ممکن استفاده کنند، این حوزه به پیشرفت خود ادامه خواهد داد و هوش مصنوعی نقش مهمی در افزایش خلاقیت، بهره‌وری و بهبود فرایند طراحی ایفا خواهد کرد.

{مقاله اصلی: رویکرد دایموند در پرامپت‌نویسی برای کارهای UX}