Editing
Když testujete texty s AI, rozhoduje pořadí a kontext
Jump to navigation
Jump to search
Warning:
You are not logged in. Your IP address will be publicly visible if you make any edits. If you
log in
or
create an account
, your edits will be attributed to your username, along with other benefits.
Anti-spam check. Do
not
fill this in!
Nakonec si nastavte jednoduché pravidlo: AI dodá strukturu a varianty, vy dodáte názor a zkušenost. Pokud výstup neprojde vaším vlastním filtrem, nepatří na síť. Obsah, který nemá žádný lidský vklad, dnes algoritmy i lidé odhalí během chvíle.<br><br>Když budete dodržovat tři pravidla – přesné zadání, ověřování faktů a vlastní redakce – zvládnete s bezplatnými nástroji napsat blog, e-mail i popis produktu v rozumné kvalitě. Nečekejte zázrak, ale ušetříte čas na rutině a získáte prostor na to, co stroj neumí: vlastní názor, zkušenost a styl.<br><br>Pravopis, interpunkce a čeština U češtiny je model užitečný hlavně na interpunkci, shodu podmětu s přísudkem a na odhalení překlepů, které přehlédne běžná kontrola. Slabší je na jevy, které se řídí kontextem: psaní velkých písmen v názvech, čárky před spojkami, skloňování cizích jmen. Proto výstup berte jako návrh, ne jako rozhodnutí. Když si nejste jisti, ověřte pravidlo v jazykové příručce. Model občas „opraví" i to, co je správně, zvlášť pokud jste v zadání neurčili, že má zasahovat jen do zjevných chyb.<br><br>AI používejte na tvorbu variant, ne na rozhodování o vítězi. Zadejte modelu přesný kontext: komu text mluví, jakou akci má vyvolat, jaký tón je přijatelný. Výstup pak projděte a ručně odstraňte fráze, které zní jako obecná mluva. Právě v tomto kroku vzniká nejvíc chyb – lidé vezmou první generaci a nasadí ji bez úprav. Model nezná vaši historii, konkurenci ani to, co už zákazníci slyšeli jinde.<br><br>Typická past je tichá úprava významu. Model rád mění slovesný rod, vynechává podmínky a přidává slova jako „vždy" nebo „nikdy", která v původním textu nebyla. Po každé úpravě si položte otázku, zda věta říká totéž. U odborných textů si veďte seznam termínů, které se nesmí měnit, a vložte ho do zadání. Jinak vám model nahradí zavedený pojem synonymem, které v daném oboru znamená něco jiného.<br><br>Nasazení jazykového modelu na kontrolu textu zní jednoduše: vložíte odstavec, dostanete opravu. V praxi ale záleží na tom, co konkrétně chcete zkontrolovat. Jiný přístup potřebujete u pravopisu, jiný u stylistiky a jiný u faktických údajů. Pokud to nerozlišíte, model vám s klidem přepíše správnou větu na špatnou, jen aby vypadala „lépe". Základem je zadat úkol úzce: ne „oprav tento text", ale „najdi pouze hrubky a přehnané opakování slov, nic jiného neměň".<br><br>Jak nastavit test, aby měl vypovídající hodnotu Rozdělte varianty podle jednoho faktoru. Když měníte zároveň titulek, tlačítko i úvodní větu, nevíte, co zabralo. Držte stejný obrázek, stejné rozložení, stejnou cílovou stránku. AI vám může pomoci vytvořit varianty, které se liší pouze v tónu – například věcný versus osobní. Testujte maximálně tři až čtyři varianty. Víc variant znamená delší dobu sběru dat a vyšší riziko, že rozdíly vzniknou náhodou.<br><br>Začněte tím, že si text rozdělíte na menší celky. Modely mají tendenci při dlouhém vstupu vypouštět části nebo si domýšlet souvislosti, které v původním textu nejsou. Pošlete vždy jeden až tři odstavce a výstup průběžně porovnávejte s originálem. U delších dokumentů si předem uložte kopii a pracujte na ní. Nikdy nenechte model přepsat celý dokument najednou a poté ho bez kontroly publikovat.<br><br>Faktické údaje si ověřujte mimo model. Čísla, data, jména a citace patří k nejrizikovějším částem, protože je model dokáže vyplnit přesvědčivě, ale nesprávně. Stejně tak si dejte pozor na automatické „vylepšování" stylu: zbytečně dlouhá souvětí a módní obraty snižují srozumitelnost. Nejlepší výsledek získáte, když model použijete na dvě až tři cílené operace a zbytek doladíte vlastním čtením nahlas, ideálně po čase.<br><br>Po skončení testu se ptejte, proč varianta vyhrála. AI vám pomůže analyzovat rozdíly ve slovech, délce vět nebo pořadí informací. Výsledek pak použijte jako hypotézu pro další kolo. Testování textů s AI není jednorázová akce, ale opakovaný proces, ve kterém se lidský úsudek a rychlost modelu doplňují. Kdo to pochopí, získá texty, které skutečně něco mění – ne jen další verzi, která vypadá dobře.<br><br>Začněte tím, že oddělíte tón od stylu. Tón je postoj: neutrální, věcný, varovný, ironický, vstřícný. Styl je forma: krátké věty, odborné termíny, mluvený jazyk, odrážky, souvislý text. Do promptu patří obojí, ale každé zvlášť. Místo „napiš to dobře" napište „piš věcně, bez emocí, v krátkých větách, používej odborné termíny bez vysvětlování". Model pak nemusí hádat, co je „dobře".<br><br>Během testu neměňte texty ani cíl. Jakýkoli zásah do běžící varianty znehodnotí výsledky. Také neukončujte test předčasně jen proto, že jedna varianta vede. Průběžné výsledky kolísají a první dny bývají netypické. Nechte test běžet předem stanovenou dobu a teprve pak vyhodnoťte.
Summary:
Please note that all contributions to Madagascar are considered to be released under the GNU Free Documentation License 1.3 or later (see
My wiki:Copyrights
for details). If you do not want your writing to be edited mercilessly and redistributed at will, then do not submit it here.
You are also promising us that you wrote this yourself, or copied it from a public domain or similar free resource.
Do not submit copyrighted work without permission!
Cancel
Editing help
(opens in new window)
Navigation menu
Personal tools
English
Not logged in
Talk
Contributions
Create account
Log in
Namespaces
Page
Discussion
English
Views
Read
Edit
View history
More
Search
Getting Madagascar
download
Installation
GitHub repository
SEGTeX
Introduction
Package overview
Tutorial
Hands-on tour
Reproducible documents
Hall of Fame
User Documentation
List of programs
Common programs
Popular programs
The RSF file format
Reproducibility with SCons
Developer documentation
Adding programs
Contributing programs
API demo: clipping data
API demo: explicit finite differences
Community
Conferences
User mailing list
Developer mailing list
GitHub organization
LinkedIn group
Development blog
Twitter
Slack
Tools
What links here
Related changes
Special pages
Page information