اعتبارات هندسة المطالبات لتطبيقات الذكاء الاصطناعي و دورها في صياغة الرسائل الإعلانية

نوع المستند : Original Article

المؤلفون

1 کلية الفنون التطبيقية جامعة بنها

2 أستاذ مساعد، قسم الإعلان، كلية الفنون التطبيقية، جامعة بنها، القليوبية، مصر

3 باحثة ماجستير

المستخلص

      تتسارع وتيرة التطور التكنولوجي لتقنيات الذكاء الاصطناعي بصورة كبيرة ، و تتنافس كبرى الشركات المهتمة بمجالات الذكاء الاصطناعي على إصدار تطبيقات ذكاء اصطناعي تواكب هذا التطور، و قد انتشر في الأوساط الإعلانية استخدام تطبيقات الذكاء الاصطناعي في إعلانات وسائل التواصل الاجتماعي و إعلانات الوسائط المتعددة؛ مما يحتم على المعلنين دراسة التركيبات الهندسية اللازمة لنماذج اللغة الكبيرة للتواصل مع تطبيقات الذكاء الاصطناعي حتى يتسنى للمصمم الاستخدام الأمثل لهذه التطبيقات و الوصول إلى أفضل النتائج لصياغة الرسائل الإعلانية و هذه الكيفية هي ما يطلق عليها هندسة المطالبات. يهدف البحث إلى التوصل إلى أسس هندسة المطالبات لتطبيقات الذكاء الاصطناعي لصياغة الرسالة الإعلانية، و ترجع أهمية البحث إلى ضرور تنمية مهارات هندسة المطالبات لدى مصمم الإعلان لصياغة خياله الحسي عند استخدامه لتطبيقات الذكاء الاصطناعي. تتلخص مشكلة البحث في الإجابة على السؤال التالي: ما هي اعتبارات دراسة هندسة المطالبات لتطبيقات الذكاء الاصطناعي و ما هو دورها في صياغة الرسائل الإعلانية؟ اتبعت الباحثة في هذه الورقة المنهج الوصفي لجمع الحقائق و المعلومات عن هندسة المطالبات، كما اتبعت المنهج التطبيقي لإنتاج بعض التصميمات باستخدام تطبيقات الذكاء الاصطناعي مع مراعاة اعتبارات هندسة المطالبات.

الكلمات الرئيسية

المراجع

  1. Xavier Amatriain (2024), "Prompt Design and Engineering: Introduction and Advanced Methods",arXiv:2401.14423v4 [cs.SE],  Cornell University.
  2. Jules White, Quchen Fu, Sam Hays, Michael Sandborn, Carlos Olea, Henry Gilbert, Ashraf Elnashar, Jesse Spencer-Smith, and Douglas C. Schmidt (2023), "A Prompt Pattern Catalog to Enhance Prompt Engineering with ChatGPT", arXiv:2302.11382v1[cs.SE], Vanderbilt University 

3.Jason Wei, Maarten Bosma, Vincent Zhao, Kelvin Guu, Adams Wei Yu, Brian Lester, Nan Du, Andrew M. Dai, Quoc V Le (2022)," Finetuned Language Models are Zero-Shot Learners", arXiv:2109.01652v5 [cs.CL], Google Research.

  1. https://www.promptingguide.ai/techniques/fewshot
  2. Jason Wei, Xuezhi Wang, Dale Schuurmans, Maarten Bosma, Brian Ichter, Fei Xia, Ed H. Chi, Quoc V. Le, Denny Zhou (2023), "Chain-of-Thought Prompting Elicits Reasoning in Large Language Models", arXiv:2201.11903v6 [cs.CL], Google Research, Brain Team
  3. Xuezhi Wang, Jason Wei, Dale Schuurmans, Quoc Le, Ed Chi, Sharan Narang, Aakanksha Chowdhery, Denny Zhou(2023), "Self-Consistency Improves Chain of Thought Reasoning in Language Models", arXiv:2203.11171v4 [cs.CL], Cornell University
  4. Diana Turčeková, Lukáš Pelant, Kacper Borysewicz (2023), The Promptbook (e-book), https://www.tedu.edu.tr/sites/default/files/inline-files/1.3.4.-erhan-erkut-ek-bilgi-belge-promptbook_ebook.pdf
  5. https://platform.openai.com/docs/guides/prompt-engineering/six-strategies-for-getting-better-results (7/7/2024)

ملفات

شارك

إرسال الاستشهاد إلى

الإحصائيات