Главная мысль
Модель ничего не «знает» о враче — она сжала миллионы чужих примеров в закономерности, и это сжатие закончилось до того, как ты открыл сайт. «Типичный ответ» — это среднее по той выборке: что в примерах встречалось чаще, то и приходит по умолчанию, а что встречалось поровну — выпадает случайно. Твои запросы модель не учат — они через неё проходят.
Объяснение
Примеры превращаются в закономерности
Вот два кадра из урока 1: запрос был одно слово — «врач». Посмотри, что пришло без просьбы и совпало в обоих: белый халат, стетоскоп на шее, синяя форма под халатом, ручка в нагрудном кармане, взгляд в камеру, поясной план, размытый коридор или кабинет клиники. Разошлось одно: в первом кадре мужчина, во втором — женщина. Ни халат, ни стетоскоп, ни пол ты не называл. Модель добрала всё это сама — но добрала не наугад.
Так устроены данные (data) и обучение: у модели никогда не было ни одного врача — были подписи и картинки, где слово «врач» стояло рядом с халатом и стетоскопом. Из этой стопки она вытянула, что с чем ходит вместе, и сохранила это как внутренние числа — веса (weights). Когда ты пишешь «врач», ты вызываешь не знание, а эту среднюю картинку: сильные связки приходят всегда, слабые — как повезёт.
Зачем это тому, кто уже жмёт кнопку ▶
Обучение закончилось до того, как ты открыл сайт
Ты десять раз подряд просишь «врач — но без стетоскопа», получаешь, что просил, а на следующий день пишешь просто «врач» — и стетоскоп снова на месте. Кажется, что модель «не запомнила». Она и не могла: ничего из того, что происходит на сайте, в неё не записывается. Обучение — отдельный этап: недели работы тысяч машин, один раз, задолго до тебя. Потом веса замораживают. Всё, что ты видишь на сайте, — это вывод (inference): бланк проходит через замороженную модель и выходит кадром.
Из этого следует простая вещь: модель нельзя «приучить» словами на сайте. Ни просьба, ни повтор, ни благодарность не двигают веса. Всё, что должно быть в кадре, ты приносишь в этом запросе — словами или файлом. А если что-то нужно в каждом запросе, оно должно лежать у тебя в сохранённом тексте, а не «в её памяти».
Зачем это тому, кто уже жмёт кнопку ▶
«Типичное» — это среднее по выборке
Попроси «портрет» на любой странице сайта — и заметишь, что все портреты похожи между собой больше, чем на живых людей: около 30–40 лет, ровный мягкий свет, взгляд в камеру, лёгкая улыбка, размытый фон. Это не вкус модели. Это среднее по стопке: именно так выглядят миллионы портретов, которые люди выкладывали с подписью «портрет». Модель отдаёт центр стопки, потому что центр — самый частый, а не самый правильный.
- Сильная связка — то, что стояло рядом со словом почти всегда: «врач» и халат, «портрет» и взгляд в камеру. Приходит в каждом кадре, пока ты не запретишь или не заменишь.
- Слабая связка — то, что встречалось часто, но не всегда: пол врача, возраст, фон. Приходит как повезёт — в одном кадре так, в другом иначе. Разница между двумя кадрами одного запуска — карта слабых связок.
- Пустое место — то, о чём стопка молчит: твоё конкретное лицо, твой кабинет, твой логотип. Оттуда не приходит ничего, кроме среднего; сюда нужен файл.
Зачем это тому, кто уже жмёт кнопку ▶
Смещение выборки: почему халат приходит всегда
Вернись к двум кадрам. Униформа совпала до ручки в кармане, а пол разошёлся. Это не решение и не мнение модели. Это отпечаток стопки: с подписью «врач» халат и стетоскоп стояли почти всегда, а мужчин и женщин было примерно поровну — поэтому первое пришло в оба кадра, а второе выпало жребием. Такой перекос называют смещением выборки (bias): модель отражает не то, как устроен мир, а то, что и как часто люди фотографировали и подписывали.
Перебить среднее можно одним способом — назвать. Каждое названное свойство вырезает из стопки свою узкую часть, и среднее по ней уже твоё. Ниже — задание, где ты берёшь тот самый запрос «врач» и заменяешь всё, что модель добрала сама, на то, что нужно тебе.
Перебей среднее
Заготовка — тот самый «врач», только каждая дыра закрыта словом. Впиши свои опоры или оставь как есть: важно, чтобы всё, что модель добирала сама, теперь стояло в тексте.
Запуск спишет 1ⓥ ≈ 30 ₽, кадров за запуск приходит два. Сравни их с кадрами выше: всё названное должно совпасть в обоих, а разойтись — только то, чего ты не назвал.
Зачем это тому, кто уже жмёт кнопку ▶
negative_prompt, где он есть) оставляй для того, что иначе не вырезать: «без текста в кадре», «без логотипов».То же устройство — в чате
Всё сказанное про картинки верно и для текста. Языковая модель училась на стопке чужих текстов, заморожена в тот же день и в чате отдаёт среднее продолжение под твои слова. Отсюда три вещи, которые ты наверняка замечал: события после заморозки она не знает; на темы, где примеров было мало, отвечает хуже; а на любой вопрос отвечает в самой частой форме — уверенно, гладко, с цифрой там, где в примерах стояла цифра. Про последнее — отдельный урок 20.
Зачем это тому, кто уже жмёт кнопку ▶
Аналогия
Представь стажёра, который никогда не выходил на улицу. Год он листал миллионы чужих альбомов с подписями: «врач», «портрет», «свадьба», «кабинет». Потом альбомы забрали, а его посадили за ширму рисовать по запискам. Ты пишешь «врач» — он рисует то, что видел рядом с этим словом чаще всего: халат, стетоскоп, коридор. Мужчину или женщину — как ляжет: в альбомах их было поровну. Он не решал, что врач — это халат. Он просто помнит, что халат был почти на каждой странице.
Показать ему своё фото — можно, но он не вклеит его в альбом: альбомов больше нет. Он посмотрит один раз, нарисует и забудет. Завтра по записке «врач» снова придёт халат. Единственный способ получить своё — писать записку так, чтобы каждое слово вызывало нужную страницу: не «врач», а «женщина шестидесяти лет, зелёная форма, кабинет с книгами, свет из окна». Тогда среднее по этим страницам — твоё.
Что это значит на практике
- Смотри на два кадра одного запуска как на прибор. Совпало — сильная связка, её меняют словом или заменой. Разошлось — слабая, её называют, а не «повторяют».
- Заменяй, а не отрицай. «Врач без халата» держится на слове «врач» и тянет за собой клинику; «женщина 60 лет в зелёной форме в кабинете с книгами» вызывает другую стопку целиком.
- Не воспитывай модель. Повтор просьбы, «запомни», «в прошлый раз ты делала иначе» — не двигают веса. Всё постоянное держи в сохранённом тексте и вставляй в каждый запуск.
- Своё — приноси файлом. Твоё лицо, твой кабинет, твой продукт, свежие факты — их в стопке не было. Референс во входе или документ во вложении, и проверь, что они дошли до модели.
Заблуждение, которое мешает
Заблуждение, которое убивает этот урок: «Модель учится на моих запросах, а халат и стетоскоп у врача — это её мнение о том, как выглядит врач».
Оно вредит сразу в трёх местах.
Первое: ты ждёшь, что после десяти поправок модель «привыкнет», и не сохраняешь рабочий текст. Завтра всё сначала, и виновата «забывчивая нейросеть», хотя забывать было нечему.
Второе: ты споришь со средним, будто с человеком: «почему опять халат?» — и тратишь запуски на отрицания. Среднее не спорит, оно просто плотное. Его перебивают заменой, а не обидой.
Третье: ты принимаешь среднее за правду: «раз модель так нарисовала, значит, так и бывает». Нет — так чаще фотографировали и подписывали. Что реже снимали, того модель почти не умеет, даже если в жизни этого много.
Из этой веры вырастает привычка ждать от модели знания и памяти. Вместо неё — привычка приносить: слово на каждую дыру, файл на каждое «своё».
Проверка
Выбери вариант — разбор появится сразу, и на верный, и на неверный.
Понял?
Отмечай только то, что можешь прямо сейчас сказать вслух своими словами. Это не галочки для отчёта, а проверка, что урок улёгся.
Итог
- Данные → обучение → закономерности. У модели нет знания о враче — есть сжатая стопка примеров, и слово вызывает среднее по ней.
- Обучение заморожено до тебя. Запросы модель не учат; всё постоянное живёт в твоём сохранённом тексте и файлах, а не «в её памяти».
- Среднее — это частое, а не правильное. Совпавшее в двух кадрах — сильная связка, её заменяют; разошедшееся — слабая, её называют; своего в стопке нет — его приносят.