Большие языковые модели мыслят одинаково: как получить от ИИ неповторяющиеся идеи

Проблему подтвердило исследование «Artificial Hivemind», которое получило награду за лучшую работу на конференции NeurIPS. Группа учёных попросила 25 разных моделей, включая закрытые модели крупных американских компаний и открытые модели из Китая, по 50 раз написать метафору о времени. Из 1 250 ответов подавляющее большинство оказались вариациями двух образов: «время как река» и «время как ткач». Авторы предполагают, что причина в схожих обучающих данных (training data, корпуса текстов, на которых модель училась), похожих методах обучения и одинаковых целевых задачах.

Зачем это автору и маркетологу?

Групповое мышление нейросетей бьёт именно по творческим задачам. Попросите ChatGPT придумать название для группы, и в списке из 56 вариантов почти наверняка окажутся слова «glass», «neon», «velvet» или «static», как выяснил журналист MIT Technology Review. Один из вариантов ChatGPT, «Sofa Astronauts», выглядел свежо, но группа с таким именем уже существует.

Для слоганов картина та же. Когда сооснователь Springboards Пип Бингеманн попросил ChatGPT и Claude придумать слоган для кроссовок New Balance, обе модели выдали одинаковый текст: «Run your way». Flint ответил иначе: «Built to last, run to win». Не шедевр, но хотя бы не копия.

Что понадобится

• Доступ к любому чат-боту: ChatGPT, Claude, Gemini или аналог (YandexGPT, GigaChat для пользователей из РФ).
• Браузер и 15 минут на эксперимент.
• По желанию: доступ к инструменту Springboards (пока доступен через сайт стартапа, ориентирован на рекламные и маркетинговые команды).

Пошаговая инструкция: как вырваться из шаблонных ответов

1. Проверьте, насколько предсказуема ваша модель. Откройте чат и введите промпт (prompt, текстовый запрос к нейросети):

Дай случайное число от 1 до 10

Скорее всего, вы получите 7. Введите «Ещё» и получите 3 или 4. Ещё раз, и будет 8 или 9. Это не магия, а статистическое смещение модели.

1. Сравните ответы нескольких моделей на открытый вопрос. Задайте одну и ту же творческую задачу двум-трём разным моделям:

Придумай 10 названий для подкаста о путешествиях по малым городам России. Только названия, без пояснений.

Выпишите совпадения. Чем больше пересечений, тем сильнее «групповое мышление».

1. Добавьте в промпт ограничение на банальность. Явно запретите модели использовать типичные образы:

Придумай 10 названий для подкаста о путешествиях по малым городам России. Без слов «дорога», «путь», «горизонт», «открытие», «край». Без метафор движения.

1. Попросите модель сгенерировать ответы из «хвоста распределения». Формулировка для промпта:

Дай 5 нестандартных вариантов. Избегай самых вероятных ответов. Предложи то, что 95% людей не назовут.

1. Используйте параметр температуры, если модель это позволяет. В API (программный интерфейс для разработчиков) ChatGPT и Claude можно поднять значение temperature ближе к 1.0, это увеличивает случайность генерации. В обычных чат-интерфейсах этой настройки нет, но промпт из шага 4 работает как её замена.

2. Комбинируйте фрагменты из разных моделей. Именно так устроен инструмент Springboards: вы видите ответы нескольких моделей рядом, перетаскиваете понравившиеся куски и собираете из них новый вариант. Без доступа к Springboards делайте это вручную: откройте два чата, скопируйте лучшие фрагменты в документ, дайте третьей модели задачу объединить их.

Придумай слоган для сервиса доставки домашней еды. Без слов «домашний», «вкус», «настоящий», «свежий». Одно предложение.

Зоя Скаман, основатель стратегического агентства Bodacious, протестировала Flint на классическом кейсе из программы MBA: как переосмыслить финансовую компанию для молодёжи. Три модели пошли одним путём: «нужно обучать финансовой грамотности в весёлой форме». Flint предложил пересмотреть саму концепцию накопления богатства.

«Я использую его, когда хочу, чтобы меня забросило в совершенно другое направление» : Зоя Скаман, основатель Bodacious

OpenAI в комментарии изданию MIT Technology Review признала, что обучение моделей давать надёжные и связные ответы приводит к схождению вокруг знакомых, высоковероятных вариантов, а попытки усилить новизну могут снизить качество и надёжность генерации. Компания также отметила, что исследование «Artificial Hivemind» изучало модели 2024 года, которые с тех пор обновлены.

Что делать с этим прямо сейчас, по ролям

Автору Дзена: перед публикацией прогоняйте заголовок через два-три разных чат-бота и сравнивайте. Если формулировки совпадают, значит, такой заголовок уже стоит у десятков каналов. Используйте промпт с запретом конкретных слов (шаг 3), чтобы вытолкнуть модель за пределы стандарта.

Маркетологу: при брейншторме слоганов и названий продуктов фиксируйте пересечения между моделями как стоп-лист, а не как «подтверждение хорошей идеи». Совпадение значит банальность, а не валидацию.

Предпринимателю в РФ: Flint пока не продаётся отдельно и ориентирован на западный рынок. Но приём работает с любыми доступными большими языковыми моделями. YandexGPT и GigaChat подвержены той же проблеме шаблонных ответов. Протестируйте их на «случайном числе от 1 до 10» и убедитесь сами.

Главный вывод прост: нейросеть не креативный партнёр по умолчанию, а статистическая машина, которая выдаёт самый вероятный ответ. Чтобы получить от неё что-то непохожее на всех остальных, нужно явно попросить её быть непохожей и точно указать, на кого именно не надо походить.