Każdy, kto choć raz próbował współpracować ze sztuczną inteligencją przy redagowaniu tekstu, analizie kodu czy weryfikacji danych, prawdopodobnie zderzył się z tym problemem. Prosisz AI o sprawdzenie tekstu pod kątem błędów, a w odpowiedzi otrzymujesz listę uwag, które często mijają się z celem. Model potrafi przyczepić się do naturalnych metafor, uznać rzadziej używane (ale poprawne) słowo za błąd, czy wręcz na siłę przekształcić Twój unikalny styl w bezduszną, korporacyjną nowomowę.

Dzieje się tak, ponieważ sztuczna inteligencja ma naturalną tendencję do bycia „nadgorliwym pomocnikiem”. Jeśli każesz jej szukać błędów, jej algorytmy skupią się wyłącznie na tym zadaniu – a gdy prawdziwych błędów brakuje, zacznie je po prostu wymyślać lub wyolbrzymiać drobnostki. Na szczęście można temu łatwo zapobiec za pomocą odpowiedniej konstrukcji promptu.

Dlaczego sztuczna inteligencja bywa nadgorliwa?

Zanim przejdziemy do gotowych rozwiązań, warto zrozumieć mechanizm stojący za tym zachowaniem. Modele językowe (LLM) są trenowane tak, aby maksymalnie realizować instrukcje użytkownika. Jeśli Twój prompt brzmi: „Znajdź błędy w tym tekście”, AI interpretuje to jako absolutny nakaz znalezienia czegokolwiek, co można zakwalifikować jako błąd. W przeciwnym razie model „obawia się”, że nie wykonał zadania i podał zbyt krótką, niesatysfakcjonującą odpowiedź.

Dodatkowo, proces uczenia maszynowego oparty na informacjach zwrotnych od ludzi (RLHF) promuje postawę ugodową i pomocną. Dla AI „pomaganie” oznacza dostarczanie poprawek – nawet wtedy, gdy tekst ich nie potrzebuje.

Jak okiełznać nadgorliwość AI? Kluczowe zasady tworzenia promptu

Aby zmusić sztuczną inteligencję do zachowania zdrowego rozsądku i obiektywizmu, musisz nałożyć na nią odpowiednie filtry i ograniczenia. Oto cztery najważniejsze zasady, które warto wdrożyć do swoich promptów:

1. Nadaj odpowiednią rolę (persona)

Zamiast prosić o bycie „surowym korektorem”, nadaj AI rolę „doświadczonego, pragmatycznego redaktora, który szanuje styl autora”. Taka zmiana kontekstu sprawia, że model zaczyna patrzeć na tekst całościowo, a nie przez pryzmat pojedynczych słów wyrwanych z kontekstu.

2. Precyzyjnie zdefiniuj próg błędu

Musisz jasno określić, co kwalifikuje się jako błąd, a co powinno zostać zignorowane. Wskaż AI, że ma ignorować kwestie czysto stylistyczne, subiektywne preferencje językowe czy synonimy, a skupić się wyłącznie na twardych błędach merytorycznych, logicznych lub ortograficznych.

3. Wprowadź zasadę uzasadnienia (Proof of Burden)

Zmuś sztuczną inteligencję do tego, by każdą swoją uwagę musiała solidnie uargumentować. Jeśli model będzie musiał wyjaśnić, dlaczego uważa dany fragment za błąd i jaka reguła została złamana, automatycznie odrzuci naciągane i bezsensowne poprawki, których nie potrafi logicznie obronić.

4. Zastosuj instrukcje negatywne

W inżynierii promptów (prompt engineering) instrukcje negatywne (czyli mówiące o tym, czego AI ma nie robić) są niezwykle skuteczne. Dodanie zdania typu: „Nie szukaj błędów na siłę” lub „Jeśli tekst jest poprawny, nie proponuj zmian tylko po to, by cokolwiek zmienić” działa jak skuteczny hamulec dla nadgorliwości algorytmu.

Gotowe szablony promptów do skopiowania

W zależności od tego, jaki rodzaj treści weryfikujesz, możesz użyć jednego z poniższych, zoptymalizowanych szablonów. Wystarczy, że wkleisz je przed swoim tekstem.

Szablon 1: Do weryfikacji merytorycznej i logicznej (artykuły, raporty, analizy)

Rola: Działasz jako pragmatyczny, doświadczony redaktor merytoryczny i analityk. Twoim zadaniem jest ocena poniższego tekstu pod kątem spójności logicznej i poprawności faktów.

Zasady weryfikacji:

1. Wysoki próg interwencji: Zgłaszaj poprawki tylko wtedy, gdy w tekście występuje ewidentny błąd merytoryczny, sprzeczność logiczna lub rażący błąd językowy, który utrudnia zrozumienie przekazu.
2. Szanuj styl autora: Całkowicie ignoruj kwestie subiektywnego stylu, doboru synonimów czy struktury zdań, o ile są one poprawne i zrozumiałe. Nie zmieniaj słów tylko dlatego, że brzmiałyby „lepiej” w Twoim odczuciu.
3. Zakaz szukania błędów na siłę: Jeśli dany fragment jest poprawny, pozostaw go bez zmian. Nie masz obowiązku znalezienia określonej liczby błędów. Jeśli tekst jest bez zarzutu, napisz po prostu: „Tekst jest poprawny merytorycznie”.
4. Wymóg uzasadnienia: Przy każdej sugerowanej poprawce napisz krótkie (1-2 zdania) wyjaśnienie, dlaczego uważasz to za błąd i jaka jest poprawna wersja.

Oto tekst do sprawdzenia:
[TWÓJ TEKST]

Szablon 2: Do sprawdzania kodu programistycznego i logiki

Rola: Działasz jako doświadczony Senior Developer, który przeprowadza code review. Twoim celem jest znalezienie rzeczywistych błędów (bugów), luk bezpieczeństwa lub poważnych problemów z wydajnością.

Zasady weryfikacji:

1. Brak czepialstwa: Nie proponuj refaktoryzacji kodu tylko po to, by dopasować go do Twoich osobistych preferencji estetycznych, jeśli obecny kod jest czytelny, wydajny i zgodny z konwencją.
2. Konkretne błędy: Skup się wyłącznie na błędach składniowych, logicznych, wyciekach pamięci, złych praktykach bezpieczeństwa oraz ewidentnych wąskich gardłach wydajnościowych.
3. Uzasadnienie: Dla każdego zgłoszonego problemu wskaż konkretną linię kodu, wyjaśnij, dlaczego stanowi to realne zagrożenie lub błąd, i zaproponuj poprawioną wersję. Jeśli kod jest napisany prawidłowo, potwierdź to bez proponowania zmian na siłę.

Oto kod do sprawdzenia:
[TWÓJ KOD]

Ciekawostka: Dlaczego warto stosować „krytyczną asymetrię”?

W psychologii poznawczej i badaniach nad sztuczną inteligencją istnieje pojęcie tzw. efektu przytakiwania (sycophancy). AI ma tendencję do zgadzania się z użytkownikiem i dopasowywania swoich odpowiedzi do jego założeń. Jeśli w prompcie zasugerujesz, że „w tekście mogą być błędy”, AI zrobi wszystko, aby te błędy znaleźć, nawet jeśli ich tam nie ma.

Stosując powyższe szablony, odwracasz tę dynamikę. Wprowadzasz tzw. „krytyczną asymetrię” – zmuszasz model do obrony swoich racji przed samym sobą, zanim przedstawi je Tobie. Dzięki temu oszczędzasz czas, który normalnie spędziłbyś na odrzucaniu bezużytecznych sugestii sztucznej inteligencji.