Но виновата ли в этом жена? Если между ними не было уговора, что «приготовь ужин, я жутко голодный» всегда и во все времена означает «жареная рыба + картошка», то вовсе нет.
Она могла решить, что пора бы и разнообразить меню.
Она могла устать и решила, что идти в магазин за рыбой не обязательно, ведь четкой конструкции «договора» не было.
Жареная картошка с рыбой и «я жутко голоден» вообще могли быть цепью случайностей, а не четко закрепленной конструкцией.
На ситуацию могут повлиять и многие другие факторы.
Как итог, муж не дал конкретные вводные, жена подстроила часть вводных под свои условия, и оба грустят. А пельмени стынут…
Да, со временем часть из нас учится на таких вот ошибках и понимает, что нужно уточнять, конкретизировать и вообще «строго по техзаданию», если хочешь, чтобы тебя поняли. Но…
Во-первых, далеко не все делают нужные выводы и ходят по таким граблям всю жизнь.
Во-вторых, пользуются таким опытом только для каких-то крупных и важных задач, а в мелочах – нет.
В-третьих, и на старуху бывает проруха. Нет-нет, ослабляем контроль – и снова грабли.
А теперь представьте: если даже в общении с близкими людьми мы бываем неправильно поняты или обманываемся в ожиданиях, то что говорить о нейромодели, которая изначально «заточена под всех»? Да, ее можно вывести на очень полезные уровни «под себя», но для этого нужно пропитаться одним очень важным пониманием.
Промтинг – это всегда умение найти, учесть и верно высказать невысказанное. Мы привыкли к тому, что обычно общаемся с себе подобными, до такой степени, что регулярно опускаем некоторые нюансы, которые в общении с ИИ опускать нельзя.
Мы спрашиваем коллегу: «Как лучше утеплить баню?»
Вроде бы простой вопрос, мы привыкли оперировать такими в обычной жизни. И даже не замечаем, что в нем по умолчанию уже скрыта масса смыслов.
Коллега знает, что у меня невысокий доход, поэтому предложит самые дешевые варианты.
Коллега знает, что я не профессионал в строительстве, поэтому предложит что-то попроще.
Коллега и я живем в Сургуте, где бывают сильные холода.
Я знаю, что коллега недавно утеплял баню и хвалился, что все быстро. Поэтому я жду какого-то легкого решения. И т. д.
Но поскольку коллега знает контекст и скрытые смыслы, он уже учитывает невысказанное и дает вполне подходящий нам ответ.
Увы, ИИ – это не коллега. И на такой запрос (без уточнений) можно получить что угодно. А вот чтобы получать то, что нужно, промтеру важно научиться переиначивать мышление так, чтобы общение с ИИ включало в себя и то самое, невысказанное, которое кажется «вроде и так понятно». Это совсем другой опыт, требующий практики.
Плюсы и минусы работы с GPT
Эта книга не будет гимном подсказкам. Да, у модели множество плюсов, но и кормить только сахаром – не в наших принципах. GPT, конечно, сильный и умный, но пока далеко не идеален.
У него есть ряд недостатков, о которых обязательно стоит сказать. Впрочем, и плюсы мы в стороне тоже не оставим.
«ПК» – контентщики, а потому мы оцениваем все, исходя из своих профессиональных навыков. Мы не самые удобные экзаменаторы, которые ставят тройку там, где другие бы поставили четверку или пятерку.
Словом, скажем, как видим. Без вранья. Все же наша цель не пиар нейросети, а выявление реального рабочего потенциала.
Нестабильность оценочных суждений
В двух идентичных запросах с разницей в минуту GPT может дать два абсолютно разных ответа. Это не человек с каким-то статичным мнением, который и сегодня, и завтра на вопрос о десяти лучших книгах для начинающего писателя даст примерно один и тот же список.
Увы, у GPT списки могут легко разниться на 100 %. И этому не помогает ни изменение контекста, ни использование ролей (об этом поговорим чуть позже).
Почему так происходит? Мы спросили у GPT:
• Скажи, почему при одинаковом запросе в разных диалогах даже при полной смене контекста ты даешь разные ответы?
ИИ дал такой ответ.
Этому может быть несколько объяснений.
1. Статистическая случайность. Внутри модели используются стохастические методы, в том числе случайный выбор, что может привести к некоторому уровню разнообразия в ответах, даже при одинаковом входном контексте.
2. Зависимость от предыдущих итераций. Если модель напрямую взаимодействует с предыдущими входными данными, то результаты могут варьироваться в зависимости от предыдущих ответов модели. Если один из нулевых контекстов до этого сгенерирован другой моделью или пользователем, то модель может прочитать этот контекст и использовать его при определении ответа на следующий запрос.