Wydawać by się mogło, że sprawa jest taka prosta, bo przecież wystarczy napisać co się chce. Niby tak ale, kurna jak? Bo co nie piszę to i tak robi co innego.

Ale czemu? Czemu to bydle potrafi doprowadzić człowieka do wrzenia? Szczególnie przy dłuższej pogadance? Bo po prostu jesteś mało precyzyjny a AI nie siedzi w Twojej głowie. Nie ogarnia, nie widzi i nie słyszy tego na co ty się gapisz, nie klei, że nie dawno byliście z kolesiami na jednym piwku, które okazało się wiaderkiem i skończyło się o 5 nad ranem i teraz wszystko kojarzy ci się z napojami. Jednym słowem nie ma kontekstu wykonania zadania o które ją prosisz.

No dobra – ale przecież coś robi, coś wykonuje. Zgadza się, na swoim własnym kontekście – czyli uśrednionym spojrzeniu upośledzonej bandy milionów internautów.

Przepaczajmy to na przykładzie generowania grafiki czyli:

„wygeneruj mi zdjęcie domku w lesie”

Prompt generuje zaślinione wyobrażenia sierotek marysiek domku w lesie, odciekającego ciszą i spokojem. Takie coś co każdy by sobie wymarzył, bo nie wie, że to kiła i mogiła, bo nie ma łazienki. Czemu taki a nie „mała” chatka rancza z Yellowstone o powierzchni małego boiska do bejsbola?

Bo na podstawie iluś tysięcy grafik, wskazań, uproszczeń, uśrednień i wyliczeń dla jakiegoś modelu statystycznego (tutaj Gemini od Googla i jego generator grafik) mniej więcej taki domek jest wyobrażeniem „domku w lesie” . Oczywiście, jak go pociśniemy mocniej to wygeneruje różne warianty: trochę w lewo, trochę w prawo. Oparte nonszalancko o to co się internautom najbardziej podoba.

Czyli tak wygląda nasza podstawa. A teraz chcemy bardziej to o co nam chodzi – czyli musimy poinformować co w tym domku ma być innego, co nas tak naprawdę interesuje.