Varför samma AI-skrivprompt kan ge nästan identiska stycken

OpenAI:s guide till promptteknik beskriver modellresultat som icke-deterministiska och påpekar att beteendet kan skilja sig mellan modeller och modellversioner. Det är användbar teknisk bakgrund, men inget bevis för vad som hände under en viss skrivsession. En modell kan formulera sig olika vid separata körningar och ändå följa samma instruktioner mot liknande svar.

Se prompten som något som anger en destination och begränsar vilka vägar som finns dit. Om du ber om en kort, varm inbjudan till en avkopplande aktivitet med en vän och sedan anger en vänlig inledning, tre praktiska detaljer och en uppmuntrande avslutning får båda utkasten ett begränsat antal uppgifter. En välbekant struktur – inbjudan, detaljer, vänligt avslut – kan fungera bra för de uppgifterna. Likhet kräver varken identiska resultat eller en enda dold orsak.

Exempel begränsar vägen ytterligare. Samma OpenAI-guide förklarar att exempel kan styra en modell mot ett mönster och rekommenderar att visa ett varierat urval av indata och önskade resultat. Om varje exempel som skickas med börjar med en fråga och slutar med samma sorts försäkran kan nya utkast få samma rytm även om orden ändras.

Tänk dig den här fiktiva uppgiften, som upprepas tre gånger med samma prompt: ”Skriv en varm inbjudan på 100 ord till en vän om att tillbringa en stillsam lördagsmorgon med att laga frukost tillsammans. Nämn att välja ett enkelt recept, dela på arbetet och njuta av maten. Håll tonen vänlig och avsluta med en inbjudan att svara.” Utkasten nedan är illustrativa exempel, inte resultat från en modellkörning eller påståenden om en viss produkt. Syftet är att visa hur man kan granska likheter på flera nivåer.

Del av utkastet: Inledning — Utkast 1: ”Vill du göra lördagsmorgonen lite lugnare?” — Utkast 2: ”Vad sägs om en lugnare lördagsmorgon tillsammans?” — Utkast 3: ”Skulle du vilja ha en lite mer avkopplande lördagsmorgon?” — Vad är detsamma?: Samma inbjudan, samma dag och samma inramning som en ”lugn morgon”.

Del av utkastet: Plan — Utkast 1: ”Vi kan välja ett enkelt recept och laga mat sida vid sida.” — Utkast 2: ”Vi väljer ett enkelt recept och lagar det tillsammans.” — Utkast 3: ”Vi kan hitta ett enkelt recept och dela på matlagningen.” — Vad är detsamma?: Samma recept, gemensamma förberedelser och ordningsföljd.

Del av utkastet: Resultat — Utkast 1: ”Sedan kan vi sätta oss ner och njuta av frukosten.” — Utkast 2: ”Efteråt kan vi njuta av det vi har lagat.” — Utkast 3: ”Sedan äter vi frukost tillsammans vid bordet.” — Vad är detsamma?: Samma måltid som slutpunkt; formuleringarna skiljer sig lite.

Del av utkastet: Avslutning — Utkast 1: ”Skulle du vilja det?” — Utkast 2: ”Låter det bra?” — Utkast 3: ”Vill du följa med?” — Vad är detsamma?: Olika ord, samma uppmaning att svara.

Del av utkastet: Övergripande struktur — Utkast 1: Inbjudan → plan → måltid → fråga — Utkast 2: Inbjudan → plan → måltid → fråga — Utkast 3: Inbjudan → plan → måltid → fråga — Vad är detsamma?: Nästan identisk struktur och samma påståenden, trots att ingen hel mening är exakt likadan.

Den här översikten skiljer åt fyra saker som lätt flyter ihop: struktur, påståenden, exempel och formuleringar. I den här illustrationen är strukturen och påståendena nästan oförändrade, exemplet är i praktiken detsamma (en enkel gemensam frukost) och formuleringarna varierar måttligt. Att kalla allt detta ”samma stycke” döljer var det finns utrymme att revidera. Om dina verkliga utkast upprepar exakta fraser bör du markera dem separat; en parafras är ingen exakt kopia.

Börja med det material som faktiskt påverkade körningen. Spara varje fullständig prompt, inklusive tidigare konversation, inklistrade exempel, källmaterial och eventuella ändringar mellan försöken. Anteckna modell och inställningar som skrivverktyget visar, om de finns tillgängliga. Det hjälper dig att skilja en upprepad instruktion eller kontext från en förändring i systemet. Enbart utifrån texten går det inte att fastställa om två utkast skapades med identiska inställningar eller förhållanden.

Jämför sedan varje utkast i den här ordningen:

Struktur: Kommer styckena i samma ordning, med samma sorts inledning och avslutning?

Påståenden: Tar de upp samma poänger, rekommendationer eller löften, även när de uttrycks på andra sätt?

Exempel: Återanvänder de samma situation, bild eller detalj?

Formuleringar: Är hela fraser identiska, eller ligger meningarna bara nära varandra i betydelse?

Förhållanden: Ändrades modellen, verktyget, inställningarna, konversationshistoriken eller källtexten mellan körningarna?

Den här granskningen kommer inte i sig att identifiera en teknisk orsak. Däremot klargör den det redaktionella problemet. Upprepad struktur kräver en annan form; upprepade påståenden kräver en annan fråga eller källa; upprepade formuleringar kräver en direkt jämförelse och vid behov ett nytt uppdrag för omskrivningen.

Ändra materialet som utkastet ska arbeta med, inte bara uppmaningen att vara ”mer originell”. En begäran om variation får fortfarande modellen att besvara samma fråga med samma fakta och begränsningar. Lägg i stället till ett meningsfullt redaktionellt val: en annan läsare, ett annat syfte, ett annat perspektiv eller en annan källa.

Lägg till verkligt källmaterial. Ge modellen ett specifikt recept, en kort hälsning från värden eller två detaljer som inbjudan ska spegla – till exempel en fruktmarknad i närheten eller ett familjerecept som någon vill prova. Be modellen använda uppgifterna korrekt. Då får utkastet konkret material att utgå från. Be inte modellen hitta på personliga minnen eller låtsas känna mottagaren.

Byt perspektiv eller syfte. Skriv inte tre versioner av samma inbjudan. Prova i stället en ur värdens perspektiv, en som fokuserar på uppgiften ni ska utföra tillsammans och en som ett kort meddelande till någon som föredrar lugna planer. Behåll fakta som måste vara konsekventa, men bestäm vad varje version ska hjälpa läsaren att föreställa sig eller göra.

Ställ frågor innan du ber om stycken. Om du ännu inte vet vad som skulle göra inbjudan personlig kan du först be om fem frågor att besvara: Vad skulle du tycka om att laga? Vilken detalj skulle få morgonen att kännas som din? Vad skulle göra planen lätt att tacka ja till? Svaren kan bli källmaterial för ett senare utkast, och frågorna förebygger att du får flera polerade versioner innan uppgiften är tydlig.

Ge exempel som skiljer sig åt på meningsfulla sätt. Om du tillhandahåller exempel på texter och vill ha variation bör du ta med mer än en form eller stil. Beskriv vad varje exempel visar, till exempel ”kort och praktisk” eller ”visuell och samtalstonad”, och ange vilka drag som inte ska kopieras. OpenAI:s guide rekommenderar varierade exempel när de används för att styra en uppgift. Ett enda exempel kan i det tysta bli en mall för varje resultat.

Inte som en universallösning. En temperaturinställning, om verktyget erbjuder en sådan, kan påverka hur texten genereras. Att ändra den tillför inte saknade fakta, skapar inget nytt perspektiv och garanterar inte en annorlunda text. Vissa skrivverktyg erbjuder inte den inställningen, och modellernas beteende varierar. OpenAI-guidens beskrivning av icke-determinism visar inte att en ändring av en enda inställning löser ett visst par utkast som nästan är identiska.

För en skribent är det mer användbart att först granska uppgiften och ge nästa version ett verkligt skäl att skilja sig från den förra. Om du fortfarande misstänker ett problem med verktyget eller en inställning kan du jämföra utkast som skapats med samma sparade prompt och kontext och läsa verktygets dokumentation om den modell och de kontroller som faktiskt används. Utan dessa uppgifter blir påståenden om cachelagring, träningsdata eller en specifik teknisk mekanism spekulation.

Likhet är inte automatiskt ett problem. Om en mening tydligt uttrycker inbjudan, passar tonen och innehåller en detalj som läsaren behöver kan texten bli mindre naturlig om du byter ut meningen bara för att varje utkast ska se annorlunda ut. Behåll en fungerande formulering när den tjänar syftet. Revidera de delar som känns generiska, saknar stöd eller inte passar personen du tilltalar.

En praktisk fråga är: Säger den här meningen något som är specifikt för just den här inbjudan, eller skulle den kunna stå oförändrad i nästan vilken inbjudan som helst? Om den är specifik och tydlig gör den kanske sitt jobb. Om den är generisk kan du lägga till en verklig detalj eller fundera över vilken roll meningen ska ha. Målet är ett användbart utkast som passar sammanhanget, inte största möjliga variation för variationens egen skull.

När upprepade promptar ger liknande stycken bör du jämföra struktur, påståenden, exempel och exakta formuleringar. Kontrollera sedan den faktiska kontexten och inställningarna innan du drar slutsatser om orsaken. Om nästa utkast ska skilja sig märkbart bör du ändra vad modellen känner till eller vad den ombeds göra: tillhandahåll verkligt material, byt perspektiv eller ställ användbara frågor innan du ber om text. Behåll upprepade formuleringar som fungerar för läsaren och revidera resten med ett tydligt syfte.