Prázdné pole, nula, nebo neznámá hodnota: co AI výslovně zadat

Proč se prázdné hodnoty při práci s AI kazí

Chápeme tento problém takto: při shrnutí nebo extrakci dat člověk obvykle pozná rozdíl mezi nevyplněnou buňkou, skutečnou nulou a údajem, který zatím neznáme. V textovém zadání pro AI se ale tento rozdíl snadno ztratí, pokud ho výslovně nepopsáte. Model pak má možnost doplnit mezeru nejbližším vypadajícím tvarem, například nulou nebo pomlčkou, a čtenář výstupu už nerozezná, co bylo ve zdroji a co bylo doplněno.

Proto doporučujeme nevycházet z toho, že formát výstupu sám o sobě význam ochrání. Dokumentace OpenAI ke strukturovaným výstupům uvádí, že definovaný formát nezaručuje věcnou správnost odpovědi a model může stále chybovat, takže je nutná následná kontrola (průvodce strukturovanými výstupy). Zbytek tohoto článku je původní pracovní rada CIAD, jak tuto kontrolu usnadnit dobrým zadáním.

Tři stavy, které je třeba v zadání oddělit

Jako doporučená praxe CIAD se osvědčuje trvat na třech oddělených stavech a nikdy je nenechávat na volné interpretaci. Prvním stavem je nevyplněno, tedy údaj ve zdroji chybí nebo nebyl vůbec sbírán. Druhým stavem je skutečná nula, například nulový počet reklamací nebo nulová spotřeba. Věcně prázdný stav, například vědomě nevyplněný popis, určete samostatně, pokud je pro úlohu důležitý. Třetím stavem je neznámá hodnota, kdy údaj existuje, ale nemáme ho ověřený, je nečitelný, rozporný nebo mimo rozsah podkladů.

Praktický rozdíl je v tom, co smí AI udělat dál. Nevyplněno znamená nedoplňovat a přiznat mezeru. Nula znamená přenést přesně a případně s ní normálně pracovat. Neznámá hodnota znamená označit ji dohodnutým slovem a nevydávat ji za jistotu. Pokud toto rozlišení pomůže již při vstupu, lépe navazuje i posouzení, zda jsou data pro danou úlohu vůbec vhodná, viz jak posoudit připravenost dat pro AI.

Datová slovníková karta pro zachování chybějících hodnot

Tato karta je pracovní artefakt, který vkládejte přímo do zadání před zdrojová data. Jako doporučená praxe CIAD ji vyplňte pro každý sloupec zvlášť, ne pouze obecně pro celou tabulku. Kopírujte ji do promptu v bodech nebo jako malou tabulku a trvejte na doslovném použití značek.

Karta funguje nejlépe, když značky nejsou podobné běžným datům. Nepoužívejte samotnou pomlčku, mezeru ani prázdný řetězec, protože se snadno přehlédnou. Pro neznámou hodnotu volte jedno slovo velkými písmeny, pro nevyplněno například NEVYPLNĚNO, pro neznámou NEZNÁMÉ a pro rozpor ROZPOR_ZDROJE. Důležité je, aby AI tyto značky pouze přenášela, nikoli přepočítávala.

Jak to výslovně zapsat do promptu

Doporučujeme do každé extrakční úlohy přidat krátký blok pravidel pod kartou. Nestačí napsat zachovej prázdné hodnoty, protože není jasné, co je prázdné a co je nula. Výslovné zadání má obsahovat zákaz převodu, příkaz k doslovnému přenosu značek a povinnost oddělit shrnutí od výčtu nejistot.

Vzorový blok můžete upravit pro vlastní sloupce:

1. Použij pouze značky z karty: NEVYPLNĚNO, NEZNÁMÉ, ROZPOR_ZDROJE.
2. Prázdnou buňku nikdy nepřepisuj na 0, ne, žádné ani pomlčku.
3. Hodnotu 0 přenášej jen tehdy, když je nula výslovně uvedena ve zdroji.
4. Pokud údaj chybí, je nečitelný nebo si protiřečí, použij NEZNÁMÉ, případně ROZPOR_ZDROJE.
5. Na konci přidej oddíl Nejistoty a vypiš každé NEZNÁMÉ s důvodem.
6. Nevytvářej součty ani průměry z buněk označených NEZNÁMÉ nebo NEVYPLNĚNO.

Tento zákaz je důležitý i proto, že početní chyby a domýšlení se ve shrnutí těžko hledají. Podrobnější pracovní postup pro jejich odhalení popisuje i návod proč AI špatně počítá, na který lze navázat při kontrole číselných sloupců.

Hypotetický příklad: tři řádky se třemi různými významy

Následující příklad je zcela ilustrativní a hypotetický, neslouží jako měření žádného produktu. Předpokládejte malou vstupní tabulku reklamací za tři dny. Pondělí má hodnotu 0, úterý má prázdnou buňku a středa má poznámku „údaj nečitelný“. Slovníková karta říká: 0 je ověřená nula, prázdná buňka je NEVYPLNĚNO (důvod absence z ní nelze určit) a nečitelný údaj je NEZNÁMÉ.

Správný a očekávaný výsledek po extrakci podle výše uvedených pravidel je přesně tento:

• Pondělí: 0 s významem ověřeně nula reklamací.
• Úterý: NEVYPLNĚNO s významem údaj se pro tento den nesbíral.
• Středa: NEZNÁMÉ s významem údaj je nečitelný.
• Souhrnný řádek: celkový součet se neuvádí, protože dvě ze tří hodnot nejsou použitelné pro výpočet.
• Oddíl Nejistoty: Úterý NEVYPLNĚNO z důvodu prázdného zdroje; Středa NEZNÁMÉ z důvodu nečitelnosti.

Chybný výsledek, kterému se karta snaží předejít, by byl zápis 0, 0, 0 a součet 0. Vypadá úhledně, ale mění možnost selhání sběru a nečitelnosti na jistotu nulového stavu. Právě proto trvejte na tom, aby AI neznámé hodnoty nesčítala a výslovně je vypsala bokem.

Omezení, kontrola a další krok

I s kartou platí věcné omezení k tématu: značky pomáhají zachovat význam, ale samy o sobě nezaručují, že AI kartu pokaždé dodrží. Zejména u delších podkladů, ručně přepisovaných tabulek nebo smíšených formátů čísel a textu se může stát, že model značku vynechá, sloučí dva stavy nebo dopočítá součet přes zakázané buňky. Berte kartu jako pomůcku pro zadání a kontrolu, nikoli jako záruku spolehlivosti bez lidského přezkoumání.

Proto doporučujeme po každé extrakci proveďte krátkou kontrolu: porovnejte počet NEZNÁMÉ a NEVYPLNĚNO se zdrojem, zkontrolujte, zda se nula vyskytuje jen tam, kde byla skutečně uvedena, a ověřte, že součty neobsahují zakázané buňky. Pro opakované úlohy si uložte několik ověřených vstupů a očekávaných výstupů a při změně zadání je znovu projděte podle postupu jak vytvořit interní testovací sadu pro AI. Dalším krokem je tuto kartu přidat jako povinnou přílohu šablony pro shrnutí a extrakci.