Temperature چیست؟

اگر تاکنون با مدل‌های هوش مصنوعی مانند GPT، Claude، Gemini، Qwen، DeepSeek یا سایر مدل‌های زبانی بزرگ (LLM) کار کرده باشید، احتمالاً هنگام ارسال درخواست به API با پارامتری به نام Temperature مواجه شده‌اید.

بسیاری از توسعه‌دهندگان در اولین برخورد تصور می‌کنند Temperature به سرعت مدل یا حتی «دمای سرور» مربوط است؛ در حالی که این پارامتر هیچ ارتباطی با سخت‌افزار یا عملکرد فیزیکی سیستم ندارد.

Temperature در واقع یکی از مهم‌ترین پارامترهای نمونه‌برداری (Sampling) است که تعیین می‌کند مدل هنگام انتخاب توکن بعدی، تا چه اندازه محافظه‌کار یا خلاق عمل کند.

به بیان ساده، این پارامتر مشخص می‌کند مدل تا چه حد به محتمل‌ترین پاسخ پایبند بماند و چه اندازه اجازه داشته باشد گزینه‌های کم‌احتمال‌تر را نیز انتخاب کند.

همین موضوع باعث می‌شود دو درخواست کاملاً یکسان، تنها با تغییر مقدار Temperature، پاسخ‌هایی کاملاً متفاوت تولید کنند.

به همین دلیل تقریباً تمام APIهای مدرن هوش مصنوعی، از جمله APIهای سازگار با OpenAI، امکان تنظیم این پارامتر را در اختیار توسعه‌دهندگان قرار می‌دهند.

چرا Temperature اهمیت دارد؟

فرض کنید در حال ساخت یک سامانه پاسخ‌گویی پزشکی هستید.

کاربر می‌پرسد:

علائم کمبود آهن چیست؟

در چنین سیستمی انتظار دارید پاسخ‌ها دقیق، پایدار و قابل پیش‌بینی باشند.

اما حالا فرض کنید در حال توسعه یک ابزار تولید داستان هستید.

کاربر می‌نویسد:

یک داستان علمی‌تخیلی درباره سفر به مریخ بنویس.

اگر مدل هر بار دقیقاً همان داستان را تولید کند، تجربه کاربری جذابی نخواهد بود.

اینجاست که Temperature اهمیت پیدا می‌کند.

با کاهش این پارامتر، مدل به سمت پاسخ‌های منطقی، دقیق و تکرارپذیر حرکت می‌کند.

با افزایش آن، مدل آزادی بیشتری برای تولید پاسخ‌های متنوع، خلاقانه و غیرمنتظره خواهد داشت.

در واقع Temperature یکی از مهم‌ترین ابزارهایی است که توسعه‌دهنده برای کنترل رفتار مدل در اختیار دارد.

پرسش و پاسخ

آیا Temperature کیفیت مدل را افزایش می‌دهد؟

خیر. Temperature مدل را هوشمندتر نمی‌کند؛ فقط نحوۀ انتخاب پاسخ را تغییر می‌دهد. یک مدل ضعیف با Temperature بالا یا پایین همچنان همان توانایی پایه را دارد، اما سبک خروجی آن متفاوت خواهد بود.

Temperature چگونه کار می‌کند؟

برای درک بهتر عملکرد Temperature، ابتدا باید بدانیم مدل‌های زبانی چگونه متن تولید می‌کنند.

برخلاف تصور بسیاری از افراد، مدل هوش مصنوعی جمله را یک‌باره تولید نمی‌کند.

بلکه متن را توکن به توکن می‌سازد.

به عنوان مثال، اگر از مدل بخواهید جمله زیر را کامل کند:

امروز هوا بسیار ...

مدل ابتدا هزاران احتمال مختلف را محاسبه می‌کند.

نتیجه ممکن است چیزی شبیه جدول زیر باشد.

این اعداد نشان می‌دهند که از دید مدل، کدام واژه احتمال بیشتری برای ادامه جمله دارد.

اگر هیچ پارامتر نمونه‌برداری وجود نداشت، مدل تقریباً همیشه «گرم» را انتخاب می‌کرد.

اما Temperature دقیقاً روی همین توزیع احتمال اثر می‌گذارد.

وقتی Temperature پایین باشد، اختلاف میان احتمال‌ها بیشتر می‌شود و مدل تقریباً همیشه گزینه اول را انتخاب می‌کند.

اما هرچه Temperature افزایش پیدا کند، احتمال انتخاب گزینه‌های پایین جدول نیز بیشتر خواهد شد.

به همین دلیل، با افزایش Temperature، خروجی‌ها متنوع‌تر و خلاقانه‌تر می‌شوند.

یک مثال واقعی

فرض کنید از مدل می‌خواهید یک عنوان برای مقاله بنویسد.

Prompt:

برای مقاله‌ای درباره هوش مصنوعی یک عنوان پیشنهاد بده.

Temperature = ۰

هوش مصنوعی چیست؟ راهنمای جامع آشنایی با AI

تقریباً هر بار خروجی مشابه خواهد بود.

Temperature = ۰٫۵

هوش مصنوعی چیست؟ هر آنچه باید درباره AI بدانید

یا

راهنمای کامل هوش مصنوعی برای مبتدیان

تنوع کمی بیشتر می‌شود.

Temperature = ۱

هوش مصنوعی چگونه آینده کسب‌وکارها را متحول می‌کند؟

یا

آیا هوش مصنوعی جای انسان را خواهد گرفت؟

پاسخ‌ها بسیار متنوع‌تر خواهند شد.

پرسش و پاسخ

آیا Temperature بالا یعنی پاسخ بهتر؟

خیر.

Temperature بالا فقط تنوع پاسخ را افزایش می‌دهد.

گاهی این تنوع باعث تولید پاسخ‌های جذاب‌تر می‌شود و گاهی نیز احتمال خطا یا تولید اطلاعات نادرست را افزایش می‌دهد.

آیا Temperature میزان خلاقیت مدل را کنترل می‌کند؟

یکی از رایج‌ترین توصیف‌ها درباره Temperature این است که:

«Temperature میزان خلاقیت مدل را مشخص می‌کند.»

این جمله تا حد زیادی درست است، اما از نظر فنی کامل نیست.

مدل واقعاً خلاق‌تر نمی‌شود.

مدل همان شبکه عصبی و همان دانش قبلی را دارد.

آنچه تغییر می‌کند، روش انتخاب خروجی از میان گزینه‌های ممکن است.

به بیان دیگر، Temperature دانش مدل را افزایش نمی‌دهد، بلکه به مدل اجازه می‌دهد از میان پاسخ‌های محتمل، انتخاب‌های متنوع‌تری داشته باشد.

به همین دلیل ممکن است دو خروجی با کیفیت مشابه تولید شوند، اما یکی کاملاً رسمی و دیگری بسیار خلاقانه باشد.

تصور اشتباه رایج

بعضی افراد فکر می‌کنند اگر Temperature را روی ۲ قرار دهند، مدل «باهوش‌تر» می‌شود.

این تصور نادرست است.

در عمل، افزایش بیش از حد Temperature معمولاً باعث می‌شود:

• انسجام متن کاهش پیدا کند.
• احتمال توهم (Hallucination) بیشتر شود.
• پاسخ‌ها از موضوع اصلی فاصله بگیرند.
• مدل واژه‌های غیرمعمول بیشتری انتخاب کند.

به همین دلیل اکثر ارائه‌دهندگان مدل‌های هوش مصنوعی توصیه می‌کنند تنها در مواردی که واقعاً به تنوع بالا نیاز دارید، از مقادیر زیاد Temperature استفاده کنید.

پرسش و پاسخ

آیا همیشه باید Temperature را تغییر دهیم؟

خیر. در بسیاری از کاربردها، مقدار پیش‌فرض مدل انتخاب مناسبی است. تنها زمانی که نیاز مشخصی مانند افزایش خلاقیت، کاهش تنوع یا تولید خروجی‌های پایدار دارید، تغییر این پارامتر ارزشمند خواهد بود.

در این بخش آموختیم

در این بخش با مفهوم اصلی Temperature، نحوۀ تأثیر آن بر فرآیند تولید متن و نقش آن در کنترل رفتار مدل آشنا شدیم.

در بخش دوم به موضوعات مهم‌تری می‌پردازیم، از جمله:

• Temperature از دید ریاضی چگونه کار می‌کند؟
• بهترین مقدار Temperature برای هر کاربرد چیست؟
• چه زمانی از Temperature صفر استفاده کنیم؟
• مقایسۀ کامل Temperature و Top-p
• آیا باید هر دو را هم‌زمان تغییر دهیم؟
• جدول مقادیر پیشنهادی برای Chatbot، RAG، Agent، Coding و تولید محتوا
• نمونه‌های واقعی از API و تجربیات عملی توسعه‌دهندگان.