پاسخ مختصر: یک دستور منفی به هوش مصنوعی میگوید که از چه چیزی اجتناب کند، که به کاهش تاری، شلوغی، تکرار یا نتایج نامتناسب کمک میکند. این مهم است زیرا خروجیها کنترلشدهتر و منسجمتر میشوند، به خصوص وقتی که رایجترین نقاط ضعف به راحتی قابل تشخیص باشند. این روش زمانی بهترین نتیجه را میدهد که یک دستور اصلی واضح را با یک لیست کوتاه و هدفمند از موارد استثنا همراه کنید.
نکات کلیدی:
کنترل : ابتدا هدف را تعریف کنید، سپس فقط محتملترین نتایج ناخواسته را مسدود کنید.
دقت : ممنوعیتهای مبهم را با استثنائات واضح مانند محو کردن، کلیشهها یا اشیاء اضافی جایگزین کنید.
تعادل : جملات منفی را کوتاه نگه دارید تا نتایج واضح بمانند و بیاثر نشوند.
تست : پس از هر بار اجرا، زمانی که مدل مرتباً همان اشتباه را تکرار میکند، موارد استثنا را تنظیم کنید.
تناسب : موارد منفی را با وظیفه مطابقت دهید، چه شامل تصاویر، نوشتهها، پاسخهای پشتیبانی یا گردشهای کاری باشد.
مقالاتی که شاید بعد از این مطلب دوست داشته باشید بخوانید:
🔗 جستجوی مبتنی بر هوش مصنوعی چیست و چگونه کار میکند؟
جستجوی هوشمند، رتبهبندی و نتایج شخصیسازیشده با استفاده از هوش مصنوعی را توضیح میدهد.
🔗 آیا هوش مصنوعی زنده است؟ علم امروز چه میگوید؟
تعاریف حیات، آگاهی و محدودیتهای هوش مصنوعی امروزی را بررسی میکند.
🔗 هوش مصنوعی در عمل چقدر انرژی مصرف میکند؟
هزینههای آموزش را در مقابل هزینههای استنتاج، مراکز داده و کارایی تجزیه و تحلیل میکند.
🔗 هوش مصنوعی چه زمانی اختراع شد؟ یک جدول زمانی مختصر از تاریخچه
مراحل کلیدی از محاسبات اولیه تا یادگیری ماشینی مدرن را پوشش میدهد.
دستور منفی در هوش مصنوعی چیست؟ 🧠
یک دستور منفی در هوش مصنوعی مجموعهای از دستورالعملها است که به مدل میگوید چه چیزی را نکند .
به جای اینکه فقط بگویید:
-
«یک پرتره واقعگرایانه از یک زن در نور ملایم خلق کنید»
شما همچنین میتوانید اضافه کنید:
-
«بدون تاری»
-
«بدون انگشت اضافی»
-
«بدون سبک کارتونی»
-
«بدون انحراف چشم»
-
«بدون متن در پسزمینه»
بخش دوم، همان تلقین منفی است.
وظیفه اصلی یک محرک منفی، کاهش الگوهای ناخواسته در خروجی است. این محرک مانند یک فیلتر عمل میکند، یا شاید بیشتر شبیه یک نگهبان دم در باشگاه که تصمیم میگیرد کدام مصنوعات بصری امشب وارد نشوند 🚪
در عمل، جملات منفی اغلب در موارد زیر ظاهر میشوند:
-
ابزارهای انتقال سبک
-
گردشهای کاری تولید ویدیو
-
تولید صدا در برخی موارد
البته این جادو نیست. یک محرک منفی، کمال را تضمین نمیکند. این محرک، مدل را از نتایج خاصی دور میکند. گاهی اوقات به آرامی. گاهی اوقات مانند یک سبد خرید با چرخ شکسته.
چرا دستور منفی در هوش مصنوعی اینقدر اهمیت دارد 📌
این چیزی است که مردم سریع یاد میگیرند - هوش مصنوعی در حدس زدن خوب است، اما حدس زدن با فهمیدن یکسان نیست.
وقتی یک درخواست معمولی مینویسید، مدل سعی میکند درخواست را بر اساس الگوهایی که یاد گرفته است، برآورده کند. این میتواند منجر به نتایج قوی شود، اما همچنین میتواند چیزهای بیارزشی را که هرگز درخواست نکردهاید، وارد کند. یک پرتره فانتزی نرم تبدیل به یک پوست پلاستیکی بیش از حد صاف میشود. یک عکس محصول تمیز ناگهان متن تصادفی در گوشه آن شناور میشود. طرح کلی یک وبلاگ به یک پرکننده عمومی تبدیل میشود. شما این الگو را میدانید.
به همین دلیل است که دستور منفی در هوش مصنوعی اهمیت دارد. این دستور کنترل را بهبود میبخشد .
این به موارد زیر کمک میکند:
-
دقت - فضای خروجی را محدود میکنید
-
ثبات - غافلگیریهای تصادفی کمتر
-
کنترل کیفیت - نیاز کمتر به تمیزکاری بعدی
-
مدیریت سبک - از ظاهر یا لحنهایی که دوست ندارید، اجتناب کنید
-
کاهش خطا - حذف نقصها و مصنوعات رایج
-
صرفهجویی در زمان - خروجیهای بهتر در تلاشهای کمتر
در آزمایش خودم، فاصله بین یک سوال خوب و یک سوال اصلاحشده با جملات منفی اغلب بیشتر از آن چیزی است که مردم انتظار دارند. اضافه کردن چند دستورالعمل «شامل نشود» میتواند از اضافه کردن ده کلمه توصیفی اضافی قویتر به نظر برسد. نه همیشه، اما اغلب به اندازهای که قابل شمارش باشد.
چه چیزی یک دستور منفی خوب در هوش مصنوعی را میسازد؟ ✅✨
یک جملهی منفی خوب، فقط مجموعهای تصادفی از کلمات ممنوعه نیست، بلکه هدفمند، خاص و کاربردی .
یک تلقین منفی خوب معمولاً این ویژگیها را دارد:
-
مربوط به خروجی
-
اگر یک پرتره واقعگرایانه میخواهید، نگاتیوهایی مانند «کارتون، انیمه، جزئیات کم» منطقی هستند.
-
-
تمرکز بر اشتباهات احتمالی
-
برای دستها، صورتها، متن، آناتومی، تاری و شلوغی - اینها نقاط مشکلساز رایج هستند.
-
-
به اندازه کافی کوتاه برای روشن ماندن
-
لیستهای عظیم میتوانند دست و پا گیر و متناقض شوند.
-
-
خاص بودن بدون وسواس
-
«هیچ انگشت اضافی وجود ندارد» بهتر از «حذف تمام ناهنجاریهای بیولوژیکی از ساختار زائدههای انسانی» است. حالا بیایید.
-
-
همراه با یک تلقین مثبت قوی
-
وقتی هوش مصنوعی بداند شما چه میخواهید .
-
یک تلقین منفی ضعیف اغلب به این شکل است:
-
خیلی مبهم - «بهترش کن»
-
خیلی کلی - «هیچ چیز زشتی»
-
خیلی متناقض - «واقعگرایانه اما بدون سایه، بدون بافت، بدون جزئیات پوست»
-
خیلی طولانی - انباشت بیپایان کلمات کلیدی بدون ساختار
یک راه خوب برای فکر کردن به آن این است: جملهی مثبت، مقصد را مشخص میکند و جملهی منفی، مسیرهایی را که نمیخواهید هوش مصنوعی از آنها عبور کند، حذف میکند 🚗
شاید استعارهی کاملی نباشد. بیشتر شبیه حذف مسیرهای باتلاقی از GPS است. با این حال، به اندازه کافی خوب عمل میکند.
جدول مقایسه - روشهای رایج استفاده از دستور منفی در هوش مصنوعی 📊
در اینجا یک جدول مقایسه عملی ارائه شده است که رایجترین سبکهای تلقین منفی و محل بهترین عملکرد آنها را بر اساس راهنمای تلقین تصویری ، راهنمای مهندسی فوری LLM و راهنمای مهندسی فوری API .
| سبک دستوری منفی | بهترین برای | مثال جمله بندی | چرا کار میکند؟ | اشتباه رایج |
|---|---|---|---|---|
| حذف مصنوعات | تصاویر هوش مصنوعی | «تاری، نویز، کیفیت پایین، پیکسلی» | به سرعت شلوغی و آشفتگی بصری آشکار را از بین میبرد | استفاده بیش از حد از اصطلاحات کیفی دارای همپوشانی |
| اصلاح آناتومی | پرترهها، شخصیتها | «انگشتان اضافه، دستهای بد، صورت کج و معوج» | خطاهای کلاسیک شکل انسان را هدف قرار میدهد | فراموش کردن تقویت انگیزه اصلی پرتره |
| حذف سبک | کارگردانی هنری | «کارتون، انیمه، سبک کمیک، بیش از حد اشباع شده» | خروجی را به لحن بصری انتخاب شده نزدیکتر نگه میدارد | مسدود کردن سبکهایی که هنوز به آنها نیاز دارید، به طرز ناشیانهای |
| پاکسازی پسزمینه | عکسهای محصول، ماکتها | «پسزمینه، متن، واترمارک بههمریخته» | به جداسازی بهتر سوژه کمک میکند | درخواست صحنههای پرجزئیات در عین ممنوع کردن جزئیات |
| طرد شیء | تولید صحنه | «نه ماشین، نه جمعیت، نه حیوانات» | عناصر ناخواسته را مستقیماً حذف میکند | محدود کردن بیش از حد صحنه تا جایی که احساس پوچی کند |
| کنترل لحن برای متن | نوشتن با هوش مصنوعی | «بدون اصطلاحات عامیانه، بدون زبان اغراقآمیز، بدون تکرار» | صدا و خوانایی را تیزتر میکند | اینقدر سختگیرانه نوشته شده که لحنش خشک و بیروح به نظر میرسد |
| فیلترینگ ایمنی یا برند | گردشهای کاری تجاری | «بدون زبان توهینآمیز، بدون سیاست» | کاهش خروجیهای پرخطر در استفاده حرفهای | با فرض اینکه هر مورد حاشیهای را حل میکند |
| کنترل قالب | خروجی ساختاریافته | «بدون میز، بدون فشنگهای اضافی، بدون ایموجی» | وقتی به یک قالب دقیق نیاز دارید، مفید است | مغایرت با قالب درخواستی... زیاد اتفاق میافتد |
الگو را ببینید. بهترین تلقینهای منفی سعی نمیکنند همه چیز را کنترل کنند. آنها محتملترین نقاط شکست را حل میکنند.
چگونه تلقینهای منفی در پشت صحنه عمل میکنند ⚙️
بدون اینکه خیلی وارد جزئیات شویم، یک محرک منفی با دلسرد کردن برخی از تداعیها در طول تولید .
در ابزارهای تصویری، سیستم هم به محرک اصلی و هم به محرک منفی نگاه میکند و سعی میکند به یکی نزدیکتر شود و از دیگری دور شود. بله، این نسخه سادهشده است، اما مفید است. آن را مانند هدایت با یک دست و کنار زدن آرام یک نقشه بد با دست دیگر در نظر بگیرید. در ابزارهایی که بر اساس Diffusers ساخته شدهاند، حتی سطح API زیرین شامل فیلدهایی مانند negative_prompt_embeds برای این نوع کنترل است.
در ابزارهای زبانی، دستورالعملهای منفی به شکلگیری موارد زیر کمک میکنند:
-
لحن
-
ساختار
-
موضوعات ممنوعه
-
محدودیتهای سبک
-
کنترل تکرار
-
رفتار قالببندی
هوش مصنوعی اساساً در حال متعادل کردن ترجیحات است.
این یعنی دستورات منفی یک کلید جادویی جداگانه نیستند. آنها بخشی از یک اکوسیستم دستورالعمل . که همچنین توضیح میدهد که چرا آنها میتوانند در موارد زیر شکست بخورند:
-
تلقین مثبت خیلی ضعیف است
-
جمله منفی خیلی طولانی است
-
دستورالعملها با هم در تضاد هستند
-
مدل به خوبی با موارد منفی برخورد نمیکند
-
درخواست برای یک بار ارسال، بیش از حد پیچیده است
و بله، ابزارهای مختلف واکنشهای متفاوتی نشان میدهند. برخی از مدلهای تصویر عاشق پیامهای منفی و واضح هستند. برخی دیگر کم و بیش شانه بالا میاندازند و هر کاری را که از قبل برای انجامش برنامهریزی شده بود، انجام میدهند. هوش مصنوعی میتواند همزمان تیز و لجباز باشد 😬
دستور منفی در هوش مصنوعی برای تولید تصویر 🎨🖼️
اینجاست که این اصطلاح بیشتر مورد استفاده قرار میگیرد.
وقتی مردم در هوش مصنوعی از «فرمان منفی» ، معمولاً منظورشان تولید تصویر . این منطقی است زیرا مدلهای تصویر به تکرار چند اشتباه کلاسیک معروف هستند:
-
اندامهای اضافی
-
دستهای بدشکل
-
چشمان عجیب و غریب
-
اشیاء کپی شده
-
بافتهای گلآلود
-
متن تصادفی
-
جزئیات کم
-
قرارگیری بیش از حد در معرض بیماری
-
ترکیببندیهای بههمریخته
بنابراین اگر درخواست شما این است:
-
«تصویری سینمایی از یک شوالیه در نور طلایی»
میتوانید یک جملهی منفی مانند زیر اضافه کنید:
-
«تار، انگشتان اضافی، صورت تحریفشده، آناتومی بد، جزئیات کم، متن، واترمارک، کراپ شده»
این به سیستم میگوید که هنگام رندر کردن شوالیه از چه چیزهایی باید اجتناب کند.
انگیزههای منفی تصویر خوب اغلب موارد زیر را هدف قرار میدهند:
-
مسائل آناتومی
-
دستهای بد، انگشتان اضافه، اعضای جوش خورده
-
-
مسائل مربوط به کیفیت
-
کیفیت پایین، تار، نویزدار، پیکسلی
-
-
مشکلات ترکیببندی
-
برش خورده، سوژه تکراری، شلوغی خارج از مرکز تصویر
-
-
عدم تطابق سبکها
-
کارتون، انیمه، پوسته غیرواقعی، بیش از حد اشباع شده
-
-
آثار باستانی سرگردان
-
واترمارک، متن، لوگو، قاب
-
اما زیادهروی نکنید
بسیاری از کاربران لیستهای غولپیکری از جملات منفی را که از جایی کپی کردهاند، دور میریزند. گاهی اوقات این کار مفید است. گاهی اوقات مثل این است که شانزده پتو را روی یک چراغ بیندازید و از خودتان بپرسید که چرا اتاق کمنور به نظر میرسد.
جملات منفی طولانی میتوانند:
-
مدل را گیج کنید
-
تضعیف خلاقیت
-
بافت صاف
-
جزئیات خوب را حذف کنید
-
خروجیهای استریل ایجاد کنید
بنابراین بله، از آنها استفاده کنید - فقط با قصد و نیت از آنها استفاده کنید.
دستور منفی در هوش مصنوعی برای نوشتن و چتباتها ✍️💬
سیستمهای نوشتاری، چتباتها، دستیاران پشتیبانی و گردشهای کاری محتوا نیز قدرتمند است .
برای متن، یک عبارت منفی میتواند به مدل بگوید که از موارد زیر اجتناب کند:
-
تکرار
-
کلیشهها
-
اصطلاحات تخصصی
-
زبان فروش تهاجمی
-
ایموجیها
-
اضافه بار گلوله
-
گمانهزنی
-
ادعاهای بیاساس
-
موضوعات یا لحنهای خاص
مثلاً به جای اینکه فقط بگویید:
-
«برای یک قهوهساز درجه یک، توضیحی در مورد محصول بنویسید»
شما میتوانید اضافه کنید:
-
«با لحنی قاطع و محکم حرف نزن»
-
«از ادعاهای اغراقآمیز پرهیز کنید»
-
«بدون عبارات پرکننده»
-
«بدون اصطلاحات تخصصی شرکتی»
-
«از کلیشههایی مثل «تغییر دهندهی بازی» یا «پیشرفته» استفاده نکنید.»
این لحن را کاملاً تغییر میدهد.
انگیزههای منفی برای نوشتن زمانی مفید هستند که شما بخواهید:
-
صدای برند تمیزتر
-
عبارات عمومی کمتر
-
لحن حرفهایتر
-
قالببندی خواناتر
-
تکرار کمتر
-
خروجیهای امنتر برای تیمها و مشتریان
فکر میکنم این مورد استفاده دست کم گرفته میشود. همه در مورد هنر زیبای هوش مصنوعی صحبت میکنند، که منصفانه است، زیرا پر زرق و برق و به یاد ماندنی است. اما برای متخصصان شاغل، کنترل لحن در نوشتن جایی است که نکات منفی بیسروصدا به دست میآیند 🍽️
اشتباهات رایجی که افراد در هوش مصنوعی با پیامهای منفی مرتکب میشوند 🚫
تلقین منفی آسانتر از آن چیزی که هست به نظر میرسد.
در اینجا رایجترین اشتباهات آورده شده است.
۱. بیش از حد مبهم بودن
مثال بد:
-
«چیز بدی نیست»
هوش مصنوعی هیچ هدف مشخصی در آنجا ندارد. «بد» تقریباً هیچ معنایی ندارد.
بهتر:
-
«بدون تاری، بدون اعوجاج، بدون اشیاء اضافی»
۲. تناقض با هدف اصلی
اگر درخواست کنید:
-
«یک بازار فانتزی با جزئیات فراوان»
و جملهی منفی شما میگوید:
-
«بدون شلوغی، بدون شلوغی، بدون جزئیات پسزمینه»
خب... خودت درخواست خودت رو زیر پا گذاشتی.
۳. استفاده بیش از حد از کلمات کلیدی
لیستهای کپیشدهی حجیم گاهی اوقات میتوانند کارساز باشند، اما اغلب حجیم میشوند. مدل، وضوح خود را از دست میدهد. مثل این است که بخواهید با فریاد زدن ۸۰ نت همزمان، یک فیلم را کارگردانی کنید 🎬
۴. استفاده از نگاتیوها بدون وضوح مثبت
یک ایده منفی نمیتواند یک ایده ضعیف را نجات دهد. بله، میتواند یک ایده خوب را اصلاح کند. نمیتواند به طور جادویی ایدهای جدید خلق کند.
۵. فرض اینکه هر مدل اصطلاحات را به یک شکل تفسیر میکند
یک سیستم به شدت به «کیفیت پایین» واکنش نشان میدهد. دیگری آن را نادیده میگیرد. یکی به «دستان بدشکل» اهمیت میدهد. دیگری به سختی پلک میزند. آزمایش مهم است.
۶. تلاش برای کنترل هر پیکسل یا جمله
کنترل بیش از حد میتواند زندگی را از خروجی بگیرد. تمیز بودن خوب است. مردن خوب نیست. بین این دو تفاوت وجود دارد.
مثالهای عملی از دستور منفی در هوش مصنوعی 🔍
مثالها این موضوع را روشنتر میکنند، بنابراین در اینجا چند مورد را ذکر میکنیم.
مثال ۱ - پرتره واقعگرایانه
ایده اصلی:
یک پرتره کلوزآپ واقعگرایانه از یک زن در نور ملایم پنجره، بافت طبیعی پوست، عمق میدان کم
محرک منفی:
تاری، انگشتان اضافی، چشمهای کج و معوج، پوست پلاستیکی، اشباع بیش از حد، کارتون، متن، علامت چاپ سفید
چرا جواب میدهد:
از واقعگرایی محافظت میکند و رایجترین خطاهای بصری را سرکوب میکند.
مثال ۲ - عکس محصول
پیشنهاد اصلی:
عکس مینیمالیستی از یک ساعت هوشمند مشکی روی پسزمینه سفید، نورپردازی استودیویی
محرک منفی:
شلوغی، انعکاسها، اشیاء اضافی، متن، اعوجاج لوگو، جزئیات کم، شلوغی سایه
چرا جواب میدهد:
قاب را ساده و از نظر تجاری تمیز نگه میدارد.
مثال ۳ - وبلاگ نویسی
پیشنهاد اصلی:
یک مقدمه وبلاگ مفید در مورد بهرهوری دفتر کار خانگی با لحنی دوستانه و تخصصی بنویسید
نکتهی منفی:
از زبان اغراقآمیز، کلیشه، تکرار، جملهبندی رباتیک و وعدههای اغراقآمیز پرهیز کنید.
چرا جواب میدهد:
از کلماتی که شبیه هوش مصنوعی هستند و کلیشهای به نظر میرسند، جلوگیری میکند و متن را طبیعیتر نگه میدارد.
مثال ۴ - پاسخ پشتیبانی مشتری
نکته اصلی:
یک پاسخ پشتیبانی مودبانه برای ارسال با تأخیر آماده کنید
نکتهی منفی:
مشتری را سرزنش نکنید، لحن تدافعی نداشته باشید، اصطلاحات حقوقی به کار نبرید، عذرخواهیهای توخالی را دو بار تکرار نکنید
چرا جواب میدهد:
حرفهایگری و لحن احساسی را بهبود میبخشد.
ببینید که این محرکهای منفی تصادفی نیستند. هر کدام از آنها با خطر واقعی شکست گره خورده است.
چه زمانی نباید خیلی به نکات منفی تکیه کنید 🪫
تلقینهای منفی ارزشمند هستند، اما همیشه ستاره نمایش نیستند.
گاهی اوقات هوشمندانهتر این است که به جای آن، متن اصلی را بهبود بخشید.
احتیاط کنید وقتی که:
-
درخواست شما از قبل خیلی محدودکننده است
-
خروجی مدل، تخت و بیروح به نظر میرسد
-
فهرست منفی شما طولانیتر از درخواست اصلی است
-
این ابزار به سختی به وزندهی منفی پاسخ میدهد
-
شما ابتدا نسخههای سادهتر prompt را آزمایش نکردهاید
بسیاری از نتایج ضعیف که به هوش مصنوعی نسبت داده میشوند، صرفاً دستورالعملهای نامشخص با عینک آفتابی هستند. یک دستورالعمل اصلی بهتر اغلب موارد بیشتری را نسبت به انبوهی از نکات منفی دیگر حل میکند.
بنابراین یک رویکرد متعادل بهترین نتیجه را میدهد:
-
با یک پیام اصلی واضح شروع کنید
-
چند عبارت منفی هدفمند اضافه کنید
-
تست
-
بر اساس آنچه اشتباه پیش میرود، اصلاح کنید
این فرآیند تقریباً همیشه بهتر از حذف تصادفی و سریع اطلاعات است.
چگونه گام به گام یک جمله منفی بهتر در هوش مصنوعی بنویسیم 🛠️
در اینجا یک فرآیند ساده وجود دارد که میتوانید آن را به کار بگیرید.
مرحله ۱ - نتیجه دلخواه را تعریف کنید
از خودتان بپرسید:
-
من سعی دارم چه چیزی خلق کنم؟
-
چه سبک، لحن یا قالبی میخواهم؟
مرحله ۲ - پیشبینی شکستهای احتمالی
به این فکر کنید که معمولاً چه چیزهایی اشتباه پیش میرود.
-
آناتومی عجیب؟
-
تصویر نویز داره؟
-
متن تکراری؟
-
لحن نامتعارف؟
مرحله ۳ - موارد استثنای خاص را بنویسید
آن شکستهای احتمالی را به نکات منفی مستقیم تبدیل کنید.
-
«بدون تاری»
-
«بدون اصطلاحات عامیانه»
-
«بدون دست اضافی»
-
«بدون متن پسزمینه»
مرحله ۴ - فهرست را مختصر نگه دارید
از کم شروع کنید. همیشه میتوانید بعداً موارد بیشتری اضافه کنید.
مرحله ۵ - آزمایش و تنظیم
اگر هوش مصنوعی مدام یک اشتباه مرتکب میشود، آن اشتباه را با دقت بیشتری هدف قرار دهید. اگر نتیجه خیلی سخت شد، چند محدودیت را حذف کنید.
یک مینیمدل کاربردی
برای تصاویر:
-
نکته اصلی: سوژه + سبک + نورپردازی + ترکیببندی
-
سوال منفی: مشکلات آناتومی + عدم تطابق سبک + حذف مصنوعات
برای نوشتن:
-
نکته اصلی: هدف + مخاطب + لحن + ساختار
-
سوال منفی: لحن ممنوع + قالببندی ممنوع + کلیشههای ممنوع + مناطق پرخطر
هیچ چیز فانتزی نیست. فقط کاربردی است.
نکته پایانی در مورد دستور منفی در هوش مصنوعی 🌟
منظور از اعلان منفی در هوش مصنوعی چیست ؟
این بخشی از فرآیند راهنمایی است که در آن به مدل میگویید از چه چیزهایی اجتناب کند. این تعریف واضح است. اما در عمل، چیزی بیش از این است. این یک ابزار کنترل است. یک فیلتر با کیفیت. راهی برای کاهش چیزهای بیمعنی قبل از اینکه ظاهر شوند. نه کامل، نه مطلق، اما واقعاً قدرتمند است.
هوشمندانهترین راه برای استفاده از آن، ساختن گورستانی از کلمات کلیدی غولپیکر و چسباندن آن به همه جا نیست. بلکه این است که متوجه شوید چه چیزی مدام اشتباه پیش میرود، سپس دقیقاً همان مشکلات را با دستورالعملهای آرام و خاص مسدود کنید.
این نقطه شیرین ماجرا است.
به طور خلاصه
-
یک دستور منفی در هوش مصنوعی به مدل میگوید چه چیزی را تولید نکند
-
این امر به ویژه برای تولید تصویر ، نوشتن و کنترل گردش کار
-
تلقینهای منفی خوب ، خاص، مرتبط و مختصر
-
تلقینهای منفی بد، مبهم، اغراقآمیز یا متناقض هستند
-
بهترین نتایج از ترکیب یک محرک اصلی قوی با یک محرک منفی هدفمند حاصل میشود
-
آزمایش مهم است - مدلهای مختلف پاسخهای متفاوتی میدهند
وقتی شروع به استفادهی خوب از تلقینهای منفی کنید، برگشتن به حالت قبل میتواند کمی مثل آشپزی بدون نمک باشد. غیرممکن نیست. فقط کمی آزاردهنده است، و نتیجهی آن از آنچه که باید باشد، یکنواختتر است
سوالات متداول
یک پیام منفی در هوش مصنوعی چیست و چه تفاوتی با یک پیام معمولی دارد؟
یک دستور عادی به مدل میگوید چه چیزی را ایجاد کند، در حالی که یک دستور منفی به آن میگوید از چه چیزی اجتناب کند. در عمل، این بدان معناست که شما نه تنها هدف را توصیف میکنید، بلکه الگوهای شکست رایج را نیز مسدود میکنید. این مقاله آن را به عنوان یک لایه کنترلی ارائه میدهد که سبکها، مصنوعات یا رفتارهای ناخواسته را کاهش میدهد، نه اینکه جایگزین دستور اصلی شود.
چرا تابع منفی در هوش مصنوعی کیفیت خروجی را تا این حد بهبود میبخشد؟
تابع منفی در هوش مصنوعی به محدود کردن فضای خروجی کمک میکند، که نتایج را دقیقتر و سازگارتر میکند. به جای اینکه اجازه دهید مدل خیلی کلی حدس بزند، آن را از تاری، درهمریختگی، تکرار یا مشکلات تُن که اغلب به طور پیشفرض ظاهر میشوند، دور میکنید. این معمولاً منجر به پاکسازی کمتر، تلاشهای مجدد کمتر و خروجیهای قویتر در تعداد پاسهای کمتر میشود.
چه زمانی باید از پیامهای منفی برای تولید تصویر هوش مصنوعی استفاده کنم؟
وقتی مدل تمایل به تکرار اشتباهاتی مانند انگشتان اضافی، چهرههای کج و معوج، بافتهای کدر، متن تصادفی یا پسزمینههای شلوغ دارد، از آنها استفاده کنید. آنها به ویژه برای پرترهها، عکسهای محصولات و صحنههای سبکدار که در آنها نقصهای کیفی به راحتی قابل تشخیص هستند، مفید هستند. قویترین رویکرد، هدف قرار دادن مشکلات بصری دقیقی است که به احتمال زیاد ظاهر میشوند.
آیا جملات منفی میتوانند به نوشتههای هوش مصنوعی کمک کنند که کمتر رباتیک یا تکراری به نظر برسند؟
بله، مقاله به روشنی بیان میکند که جملات منفی هم برای متن و هم برای تصاویر ارزشمند هستند. در نوشتن گردش کار، آنها میتوانند کلیشهها، عبارات پرکننده، اصطلاحات تخصصی، تکرار و زبان اغراقآمیز را کاهش دهند. این امر آنها را برای صدای برند، پاسخهای پشتیبانی، مقدمههای وبلاگ و سایر محتواهایی که لحن و خوانایی اهمیت دارند، مفید میکند.
چگونه میتوانم یک سوال منفی خوب در هوش مصنوعی بنویسم بدون اینکه آن را بیش از حد پیچیده کنم؟
با نتیجهای که میخواهید شروع کنید، سپس چند مورد که احتمال اشتباه شدنشان بیشتر است را شناسایی کنید. این خطرات را به جای دستورالعملهای مبهمی مانند «بهترش کن»، به استثنائات کوتاه و مشخصی مانند «بدون ابهام»، «بدون اصطلاحات عامیانه» یا «بدون اشیاء اضافی» تبدیل کنید. یک دستورالعمل منفی خوب در هوش مصنوعی، مرتبط، هدفمند و به اندازه کافی مختصر است که واضح باقی بماند.
رایجترین اشتباهاتی که افراد در مورد تلقینهای منفی مرتکب میشوند چیست؟
بزرگترین اشتباهات، مبهم بودن، تناقض با هدف اصلی، گنجاندن بیش از حد کلمات کلیدی و انتظار داشتن از کلمات منفی برای نجات یک ایده ضعیف است. یکی دیگر از مشکلات رایج، تلاش برای کنترل تمام جزئیات است که میتواند نتیجه را بیروح یا عقیم جلوه دهد. این مقاله همچنین هشدار میدهد که مدلهای مختلف ممکن است اصطلاحات یکسان را بسیار متفاوت تفسیر کنند.
چرا یک عبارت منفی یکسان در یک ابزار هوش مصنوعی خوب و در ابزار دیگر ضعیف عمل میکند؟
زیرا پیامهای منفی بخشی از سیستم دستورالعمل گستردهتر مدل هستند، نه یک کلید جادویی جهانی. برخی ابزارها به شدت به اصطلاحاتی مانند «کیفیت پایین» یا «دستهای بد» واکنش نشان میدهند، در حالی که برخی دیگر به سختی واکنش نشان میدهند. نکته مقاله کاربردی است: به جای اینکه فرض کنید همان عبارتبندی به طور واضح در همه جا منتقل میشود، روی مدلی که استفاده میکنید آزمایش کنید.
آیا باید لیستهای طولانی از پیامهای منفی دیگران را کپی کنم؟
معمولاً این بهترین نقطه برای شروع نیست. فهرستهای طولانی کپیشده میتوانند مدل را گیج کنند، خلاقیت را تضعیف کنند، جزئیات را مسطح کنند یا تناقضاتی را که متوجه نشدهاید، ایجاد کنند. یک روش مطمئنتر این است که با یک فهرست کوتاه مرتبط با نقاط شکست خاص خود شروع کنید، سپس بر اساس آنچه مدل مرتباً اشتباه میکند، آن را تنظیم کنید.
چه زمانی بهتر است به جای اضافه کردن نکات منفی بیشتر، متن اصلی را بهبود بخشید؟
اگر درخواست شما از قبل محدودکننده است، خروجی بیروح به نظر میرسد، یا فهرست منفی شما طولانیتر از خودِ درخواست است، احتمالاً ابتدا باید روی درخواست اصلی کار شود. درخواستهای منفی یک جهت خوب را اصلاح میکنند، اما جایگزین آن نمیشوند. این مقاله توصیه میکند قبل از انباشتن موارد استثنا، موضوع، سبک، لحن و قالب را روشن کنید.
یک گردش کار ساده برای آزمایش Negative Prompt در هوش مصنوعی در پروژههای واقعی چیست؟
با یک سوال اصلی واضح شروع کنید که موضوع، سبک، لحن یا ساختار را تعریف کند. فقط چند نکته منفی هدفمند را بر اساس اشتباهات احتمالی اضافه کنید، سپس آزمایش و بررسی کنید که چه چیزی هنوز اشتباه پیش میرود. از آنجا، به جای اضافه کردن کلمات کلیدی بیشتر، موارد استثنای خاص را اصلاح کنید. این حلقه گام به گام به عنوان عملیترین راه برای بهبود مداوم نتایج ارائه شده است.
منابع
-
گوگل کلود - درخواست منفی در هوش مصنوعی - docs.cloud.google.com
-
توسعهدهندگان OpenAI - سیستمهای تولید متن - developers.openai.com
-
مایکروسافت لرن - راهنمایی مهندسی سریع LLM - learn.microsoft.com
-
چهره در حال بغل کردن - negative_prompt_embeds - huggingface.co