Kas yra neigiama užuomina arba neigiamas raginimas? Neigiama užuomina dirbtinio intelekto (DI) srityje - tai naudotojo pateiktas tekstinis nurodymas programinei įrangai, programai ar vaizduokliui nenaudoti tam tikrų funkcijų kuriant turinį, kad nebūtų generuojami nepageidaujami ar konteksto neatitinkantys rezultatai.

Šios neigiamos užuominos naudojamos siekiant išmokyti dirbtinį intelektą, ko nedaryti ar nesakyti, kad jis gautų tikslesnius ir tinkamesnius rezultatus. Pavyzdžiui, neigiamos užuominos vaizdų kūrimo srityje naudojamos, kai norime sukurti tam tikro objekto atvaizdus, bet norime neįtraukti tam tikrų konkrečių to objekto savybių.

Pavyzdžiui, jei norime generuoti automobilių vaizdus, bet norime neleisti dirbtinio intelekto modeliui generuoti tam tikrų spalvų, pavyzdžiui, žalios ar violetinės, automobilių. Tokiu atveju galime naudoti neigiamą užklausą ir nurodyti dirbtinio intelekto modeliui į generuojamus vaizdus neįtraukti šių spalvų.

Norėdami sukurti šiuos neigiamus raginimus, galime apmokyti dirbtinio intelekto modelį naudodami automobilių vaizdų rinkinį ir pažymėti juos spalvomis, kurių nenorime įtraukti. Tai padeda modeliui suprasti, kad šios spalvos nepageidaujamos generuojamuose vaizduose.

Kitas pavyzdys - veido atvaizdų generavimas, kai galime naudoti neigiamas užuominas ir nurodyti dirbtinio intelekto modeliui vengti nepageidaujamų požymių, pavyzdžiui, randų ar apgamų.

Norėdami tai padaryti, galime pateikti modeliui pavyzdinius veidų su šiais požymiais vaizdus ir pažymėti juos kaip "nepageidaujamus". Dirbtinio intelekto modelis išmoks vengti šių požymių generuojamuose vaizduose.

"Lexica" vaizduoklyje yra specialus dialogo langas, skirtas neigiamiems raginimams įvesti

Neigiami raginimai gali būti naudojami įvairiose dirbtinio intelekto programose, pavyzdžiui, vaizdų klasifikavimui, kalbos vertimui ir nuotaikų analizei. Daugeliu atvejų jie padeda išvengti rezultatų, kurie nėra svarbūs arba kurie gali būti laikomi įžeidžiančiais ar netinkamais. Pavyzdžiui, jei kuriame pokalbių roboto modelį įmonei, kuri prekiauja veganiškais produktais, galime naudotineigiamus raginimus, kad robotas nesiūlytų produktų, kurių sudėtyje yra gyvūninės kilmės sudedamųjų dalių.

Kitas pavyzdys - kalbų vertimas. Tarkime, mokome dirbtinio intelekto modelį versti tekstus iš anglų į portugalų kalbą, bet norime, kad jis neleistų versti vulgarių terminų ar keiksmažodžių.

Tokiu atveju galime pateikti neigiamų užuominų, kurios nurodo modeliui neversti šių žodžių ir vietoj jų pateikti tinkamą vertimą arba tiesiog praleisti žodį. Šios neigiamos užuominos padeda užtikrinti, kad vertimas būtų tikslus ir tinkamas tikslinei auditorijai.

Kaip naudoti neigiamą raginimą dirbtiniame intelekte?

Norint naudoti neigiamas užuominas dirbtiniame intelekte, reikia nustatyti rezultatus, kurių reikėtų vengti, ir sudaryti žodžių ar frazių, galinčių sukelti tokius rezultatus, sąrašą. Tuomet šias neigiamas užuominas galima įtraukti į dirbtinio intelekto algoritmą ar modelį, kad sistema nesukurtų nepageidaujamų rezultatų.

Dar vienas neigiamos paskatos naudojimo dirbtiniame intelekte pavyzdys - vaizdų klasifikavimas. Tarkime, turime dirbtinį intelektą, išmokytą atpažinti gyvūnus vaizduose, bet norime, kad jis neskirtų naminių gyvūnų kaip laukinių gyvūnų.

Šiuo atveju galime sukurti neigiamus raginimus, kuriais modeliui nurodoma nepripažinti tokių gyvūnų kaip "šuo" ar "katė" laukiniais gyvūnais, nors jie gali turėti panašių savybių į kitus laukinius gyvūnus, pavyzdžiui, liūtus ar tigrus.

Norėdami sukurti šias neigiamas užuominas, galime pateikti modeliui pavyzdinius naminių gyvūnų paveikslėlius ir pažymėti juos klase "ne laukiniai gyvūnai". Šie paveikslėliai padeda modeliui suprasti, kad šių gyvūnų nereikėtų priskirti laukiniams gyvūnams.

Svarbu prisiminti, kad neigiamų raginimų veiksmingumas priklauso nuo mokymo duomenų kokybės ir dirbtinio intelekto modelio tikslumo apskritai. Todėl labai svarbu nuolat stebėti modelio veikimą ir prireikus koreguoti neigiamus raginimus.

Kodėl verta naudoti neigiamą raginimą?

Neigiami raginimai yra svarbi priemonė, užtikrinanti rezultatų tikslumą ir tinkamumą dirbtinio intelekto taikomosiose programose. Jie leidžia išmokyti sistemą vengti nepageidaujamų rezultatų ir taip pagerinti bendrą gaunamų rezultatų kokybę.

Tačiau svarbu prisiminti, kad norint tinkamai įgyvendinti neigiamus raginimus, reikia techninių žinių ir duomenų mokslo įgūdžių. Todėl, jei ketinate savo dirbtinio intelekto projektuose naudoti neigiamus raginimus, rekomenduojama pasikonsultuoti su dirbtinio intelekto ekspertais ir gauti tinkamų patarimų.