Mi az a negatív prompt vagy negatív felszólítás? A mesterséges intelligenciában (AI) a negatív felszólítás a felhasználó által adott szöveges utasítás a szoftver, alkalmazás vagy képalkotó számára, hogy a tartalom létrehozásakor ne használjon bizonyos funkciókat, hogy ne generáljon nem kívánt vagy kontextuson kívüli eredményeket.

Ezek a negatív felszólítások arra szolgálnak, hogy megtanítsák a mesterséges intelligenciát arra, hogy mit ne tegyen vagy mondjon annak érdekében, hogy pontosabb és relevánsabb eredményeket produkáljon. A negatív felszólítás használatára a képalkotásban például az a példa, amikor egy adott tárgyról szeretnénk képeket készíteni, de ki akarjuk zárni a tárgy bizonyos jellemzőit.

Például ha autókat ábrázoló képeket szeretnénk generálni, de meg akarjuk akadályozni, hogy a mesterséges intelligencia modell bizonyos színű, például zöld vagy lila színű autókat generáljon. Ebben az esetben egy negatív felszólítással utasíthatjuk a mesterséges intelligencia modellt, hogy ne tartalmazza ezeket a színeket a generált képekben.

E negatív felszólítások létrehozásához a mesterséges intelligencia modellt betaníthatjuk egy sor autós képpel, és megjelölhetjük őket azokkal a színekkel, amelyeket nem szeretnénk, ha tartalmaznának. Ez segít a modellnek megérteni, hogy ezek a színek nem kívánatosak a generált képeken.

Egy másik példa erre az arcképgenerálás, ahol negatív utasításokkal utasíthatjuk a mesterséges intelligencia modellt, hogy ne generáljon nemkívánatos jellemzőket, például hegeket vagy anyajegyeket.

Ehhez a modellnek olyan példaképeket adhatunk, amelyeken ilyen jellemzőkkel rendelkező arcok láthatók, és "nemkívánatosnak" címkézhetjük őket. A mesterséges intelligencia modell megtanulja, hogy a generált képeken ne generáljon ilyen jellemzőket.

A Lexica imager rendelkezik egy külön párbeszédpanellel a negatív felszólítások beillesztésére.

A negatív felszólítások különböző AI-alkalmazásokban használhatók, például a képosztályozásban, a nyelvi fordításban és a hangulatelemzésben. Sok esetben segítenek elkerülni a nem releváns vagy sértőnek vagy helytelennek minősülő eredményeket. Például, ha egy vegán termékeket forgalmazó cég számára készítünk chatbot modellt, használhatjuk a következőketnegatív figyelmeztetések, hogy a bot ne javasoljon állati eredetű összetevőket tartalmazó termékeket.

Egy másik példa a nyelvi fordítás. Tegyük fel, hogy egy mesterséges intelligencia modellt képezünk ki arra, hogy angolról portugálra fordítson szövegeket, de meg akarjuk akadályozni, hogy vulgáris kifejezéseket vagy káromkodó szavakat fordítson.

Ebben az esetben negatív felszólításokat adhatunk, amelyek arra utasítják a modellt, hogy ne fordítsa le ezeket a szavakat, hanem adjon megfelelő fordítást, vagy egyszerűen hagyja ki a szót. Ezek a negatív felszólítások segítenek biztosítani, hogy a fordítás pontos és a célközönségnek megfelelő legyen.

Hogyan használjunk negatív felszólítást a mesterséges intelligenciában?

Ahhoz, hogy a mesterséges intelligenciában negatív felszólításokat lehessen használni, azonosítani kell azokat az eredményeket, amelyeket el kell kerülni, és össze kell állítani egy listát azokról a szavakról vagy mondatokról, amelyek ilyen eredményekhez vezethetnek. Ezek a negatív felszólítások ezután hozzáadhatók a mesterséges intelligencia algoritmusához vagy modelljéhez, hogy megakadályozzák, hogy a rendszer olyan eredményeket produkáljon, amelyek nem kívánatosak.

Egy másik példa arra, hogy a mesterséges intelligenciában negatív kérést használhatunk a képosztályozásban. Tegyük fel, hogy van egy mesterséges intelligenciánk, amelyet arra képeztek ki, hogy felismerje az állatokat a képeken, de meg akarjuk akadályozni, hogy a háziállatokat vadállatoknak minősítse.

Ebben az esetben létrehozhatunk olyan negatív felszólításokat, amelyek arra utasítják a modellt, hogy az olyan állatokat, mint a "kutya" vagy a "macska" ne ismerje fel vadállatként, még akkor sem, ha hasonló tulajdonságokkal rendelkeznek, mint más vadállatok, például az oroszlánok vagy a tigrisek.

E negatív felszólítások létrehozásához a modellnek példaképeket adhatunk a háziállatokról, és felcímkézhetjük őket a "nem vadon élő állatok" osztállyal. Ezek a képek segítenek a modellnek megérteni, hogy ezek az állatok nem sorolhatók a vadon élő állatok közé.

Fontos megjegyezni, hogy a negatív felszólítások hatékonysága a képzési adatok minőségétől és általában a mesterséges intelligencia modell pontosságától függ. Ezért elengedhetetlen a modell teljesítményének folyamatos figyelemmel kísérése és a negatív felszólítások szükség szerinti módosítása.

Miért használjon negatív felszólítást?

A negatív figyelmeztetések fontos eszközt jelentenek az AI-alkalmazásokban az eredmények pontosságának és relevanciájának biztosításában. Lehetővé teszik a rendszer betanítását a nem kívánt eredmények elkerülésére, javítva ezzel az előállított eredmények általános minőségét.

Fontos azonban megjegyezni, hogy a negatív felszólítások helyes megvalósítása technikai ismereteket és adattudományi készségeket igényel. Ezért, ha a negatív felszólítások használatát fontolgatja AI-projektjeiben, ajánlatos konzultálni AI-szakértőkkel a megfelelő útmutatásért.