پرامپت‌های سیستمی و پرسوناهای دو بعدی: رمزگشایی از نقش‌آفرینی هوش مصنوعی در دنیای انیمه و مانگا

پرامپت‌های سیستمی و پرسوناهای دو بعدی: رمزگشایی از نقش‌آفرینی هوش مصنوعی در دنیای انیمه و مانگا

دنیای 二次元 (دو بعدی)، با شخصیت‌های کاریزماتیک، داستان‌های پیچیده و سبک هنری منحصر به فرد خود، همواره میلیون‌ها نفر را در سراسر جهان مجذوب خود کرده است. با پیشرفت‌های خیره‌کننده در حوزه هوش مصنوعی (AI)، اکنون امکان تعامل با این دنیا به روش‌هایی که قبلاً فقط در رویاها می‌گنجید، فراهم شده است. اما چگونه می‌توانیم اطمینان حاصل کنیم که هوش مصنوعی ما نه تنها اطلاعات را پردازش می‌کند، بلکه با روح و جوهر 二次元 نیز همخوانی دارد؟ پاسخ در پرامپت‌های سیستمی (System Prompts)، پرسوناهای نقش‌آفرینی (Chat Roleplay Presets) و نوشتن پرسونا (Persona Preset Writing) نهفته است.

پرامپت سیستمی هوش مصنوعی دو بعدی چیست؟

یک پرامپت سیستمی، دستورالعملی اساسی است که "هویت" و "نقش" یک مدل هوش مصنوعی را تعریف می‌کند. این پرامپت به AI می‌گوید که چه کسی است، چگونه باید رفتار کند و چه نوع خروجی‌هایی را باید تولید کند. در زمینه 二次元، یک پرامپت سیستمی به هوش مصنوعی کمک می‌کند تا با سبک، لحن و ویژگی‌های خاص این ژانر سازگار شود.

به عنوان مثال، مدل ترجمه Sakura-1.5B، که برای ترجمه ژاپنی به چینی در سبک ACG (انیمه، کمیک، بازی) طراحی شده است، دارای یک پرامپت سیستمی مشخص است:

"شما یک مدل ترجمه رمان سبک (light novel) هستید که می‌توانید ژاپنی را روان و با لحن رمان‌های سبک ژاپنی به چینی ساده شده ترجمه کنید و با توجه به متن، ضمایر شخصی را به درستی به کار ببرید، بدون اینکه محتوایی را که در متن اصلی وجود ندارد، اضافه کنید و به متن اصلی وفادار بمانید. لطفاً نام‌های افراد و اصطلاحات تخصصی را به صورت کاتاکانا (katakana) اصلی حفظ کنید و سعی نکنید آن‌ها را به زور ترجمه کنید."

این پرامپت، محدودیت‌ها و راهنمایی‌های دقیقی را برای هوش مصنوعی فراهم می‌کند:

• هویت: یک "مدل ترجمه رمان سبک".
• سبک: "روان و با لحن رمان‌های سبک ژاپنی".
• دقت: "وفادار به متن اصلی"، "عدم افزودن محتوای اضافی".
• ویژگی‌های خاص 二次元: "استفاده صحیح از ضمایر شخصی (僕 / 俺 / 私 / あたし / わたくし...) و حفظ حس شخصیت در کلمات لحنی (～ですわ / ～なのじゃ / ～だよ / ～ぞ...)" و "حفظ نام‌های افراد و اصطلاحات تخصصی به صورت کاتاکانا".

چنین پرامپت‌هایی تضمین می‌کنند که خروجی هوش مصنوعی نه تنها صحیح است، بلکه حس و حال دنیای 二次元 را نیز به خوبی منتقل می‌کند، چیزی که برای طرفداران این ژانر بسیار مهم است.

خلق پرسوناهای نقش‌آفرینی برای چت‌های دو بعدی

هنگامی که صحبت از نقش‌آفرینی با هوش مصنوعی می‌شود، یک پرامپت سیستمی تنها نقطه شروع است. برای اینکه هوش مصنوعی بتواند به طور قانع‌کننده‌ای نقش یک شخصیت خاص را ایفا کند، به یک پرسونای نقش‌آفرینی (Roleplay Preset) دقیق نیاز داریم. این پرسونا شامل جزئیات بیشتری درباره شخصیت، پیشینه، الگوهای گفتاری، روابط و حتی ویژگی‌های ظاهری او است.

یکی از چالش‌های اصلی در نقش‌آفرینی، حفظ ثبات در طول زمان است. برای مثال، مدل Sakura-1.5B از یک "مکانیزم واژه‌نامه (glossary mechanism)" پشتیبانی می‌کند که به کاربر اجازه می‌دهد لیستی از اصطلاحات و ترجمه‌های مورد نظر (مانند "ウマ娘→赛马娘" یا "マスター→Master") را ارائه دهد. این ویژگی برای حفظ یکپارچگی نام‌ها و اصطلاحات در داستان‌های طولانی یا بازی‌های بصری (Galgame) حیاتی است و به هوش مصنوعی کمک می‌کند تا در نقش خود ثابت‌قدم بماند.

یک پرسونا نقش‌آفرینی موثر باید شامل موارد زیر باشد:

• نام و هویت: شخصیت کیست؟
• پیشینه: داستان زندگی، تجربیات و گذشته او.
• ویژگی‌های شخصیتی: خجالتی، شجاع، شوخ‌طبع، جدی و غیره.
• سبک گفتاری: رسمی یا غیررسمی، استفاده از عبارات خاص، لحن و لهجه.
• روابط: چگونه با دیگران ارتباط برقرار می‌کند؟
• اهداف و انگیزه‌ها: چه چیزی او را به حرکت وامی‌دارد؟
• ویژگی‌های ظاهری: توضیحات بصری که به تجسم شخصیت کمک می‌کند.

هنر نوشتن پرسونای دو بعدی (二次元 Persona Preset Writing)

پروژه‌هایی مانند ACGTI (ACG Type Indicator) نمونه‌های برجسته‌ای از نحوه ساخت پرسوناهای پیچیده و همه‌جانبه برای شخصیت‌های 二次元 هستند. ACGTI یک ابزار الهام‌گرفته از MBTI است که شخصیت‌های انیمه را به 8 کهن‌الگوی منحصر به فرد تقسیم می‌کند و به کاربران اجازه می‌دهد تا "شخصیت دو بعدی" خود را کشف کنند. این پروژه از یک "کتابخانه 110 شخصیتی" از بیش از 60 عنوان محبوب 二次元 بهره می‌برد.

فرآیند هسته‌ای ACGTI برای تعریف و مطابقت شخصیت‌ها به این صورت است:

1. پاسخ به سوالات موقعیتی: کاربران به 39 سوال هفت‌نقطه‌ای (از 3- تا 3+) پاسخ می‌دهند که هر سوال با ابعاد MBTI و وزن کهن‌الگو مرتبط است.
2. محاسبه امتیاز: امتیازات بر اساس وزن ابعاد (MBTI 25%)، وزن کهن‌الگو (28%)، بردار شخصیت (27%) و وزن اختصاصی شخصیت (20%) محاسبه می‌شوند تا تمایل ابعادی درصدی مشخص شود.
3. تطبیق کهن‌الگو: نتایج چهار بعدی به یکی از 8 کهن‌الگوی 二次元 نگاشت می‌شوند.

• "قهرمان درخشان"
• "ناظر یخ‌زده"
• "کاپیتان پیمان‌بسته"
• "مانوردهنده ماهر"
• "ترمیم‌کننده مهربان"
• "استراتژیست سایه"
• "جرقه بی‌نظم"
• "نگهبان زیر نور ماه"

1. تطبیق شخصیت: بر اساس نتایج ابعادی و "بردار شش‌بعدی شخصیت" در کتابخانه شخصیت‌ها، یک تطبیق softmax انجام می‌شود تا یک "شخصیت اصلی" شناسایی و "کد شخصیت سفارشی" تولید شود.
2. نمایش نتایج: نمایش کد شخصیت، اسلایدر تمایل ابعادی، تحلیل شخصیت و توضیحات کهن‌الگو، با قابلیت خروجی گرفتن به صورت پوستر PNG.

این رویکرد نشان می‌دهد که نوشتن پرسونا برای AI در دنیای 二次元 نیازمند یک ساختار دقیق و داده‌محور است. هر شخصیت دارای داده‌های منبع (مانند src/content/characters/<id>.json) و تعاریف کهن‌الگو (src/data/archetypes.json) است که به طور جامع ویژگی‌های او را مشخص می‌کند. این سطح از جزئیات به هوش مصنوعی اجازه می‌دهد تا نه تنها یک شخصیت را "تقلید" کند، بلکه به طور "معتبر" در نقش او ظاهر شود.

مهمترین عناصر در نوشتن پرسونا عبارتند از:

• داده‌های جامع شخصیت: شامل اطلاعات متا، بصری و بین‌المللی‌سازی.
• تعریف کهن‌الگوها: دسته‌بندی شخصیت‌ها بر اساس الگوهای رفتاری و روانی مشترک.
• سوالات موقعیتی: برای درک عمیق‌تر واکنش‌های شخصیت در سناریوهای مختلف.
• مکانیسم بازخورد و کالیبراسیون: ACGTI از بازخورد کاربران برای تنظیم وزن سوالات و دقت نگاشت شخصیت‌ها استفاده می‌کند. این فرآیند تکراری برای بهبود مستمر پرسوناها حیاتی است.

چرا این پرامپت‌ها و پرسوناها برای سرگرمی با هوش مصنوعی مهم هستند؟

• غوطه‌وری بیشتر: هوش مصنوعی که با یک شخصیت سازگار و دقیق عمل می‌کند، تجربه کاربری را بسیار جذاب‌تر و غوطه‌ورکننده‌تر می‌کند.
• رفتار منسجم: تضمین می‌کند که شخصیت AI در طول تعاملات مختلف، از ویژگی‌ها و الگوهای رفتاری خود منحرف نمی‌شود.
• تجربه‌های شخصی‌سازی شده: امکان ایجاد شخصیت‌های سفارشی‌سازی شده که با سلیقه و ترجیحات کاربران مطابقت دارند.
• تسهیل خلاقیت: این ابزارها می‌توانند به نویسندگان، هنرمندان و توسعه‌دهندگان بازی کمک کنند تا شخصیت‌های جدیدی را برای داستان‌ها و دنیاهای 二次元 خود خلق کنند.

آینده هوش مصنوعی در دنیای 二次元

با تکامل هوش مصنوعی، انتظار می‌رود که پرامپت‌های سیستمی و پرسوناهای نقش‌آفرینی دقیق‌تر و پیچیده‌تر شوند. از تولید دیالوگ‌های خودکار و داستان‌سرایی تعاملی گرفته تا خلق شخصیت‌های مجازی کاملاً متقاعدکننده، این ابزارها سنگ بنای یک آینده هیجان‌انگیز هستند که در آن مرزهای بین واقعیت و دنیای 二次元 بیش از پیش محو می‌شوند. با تسلط بر هنر نوشتن پرامپت و پرسونا، ما در حال گشودن درهایی به روی امکانات بی‌شماری برای تعامل با دنیای انیمه و مانگا از طریق هوش مصنوعی هستیم.